CN107046680B - 一种基于可信位置指纹的室内定位方法 - Google Patents
一种基于可信位置指纹的室内定位方法 Download PDFInfo
- Publication number
- CN107046680B CN107046680B CN201710365404.4A CN201710365404A CN107046680B CN 107046680 B CN107046680 B CN 107046680B CN 201710365404 A CN201710365404 A CN 201710365404A CN 107046680 B CN107046680 B CN 107046680B
- Authority
- CN
- China
- Prior art keywords
- rss
- anchor node
- grid
- positioning
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005070 sampling Methods 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 52
- 238000004891 communication Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 abstract description 5
- 230000004807 localization Effects 0.000 abstract 3
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 231100000817 safety factor Toxicity 0.000 description 1
Classifications
-
- H04W4/043—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于可信位置指纹的室内定位方法,该定位方法在更新指纹库时让采样点对锚节点AP进行投票处理,根据锚节点AP的得票数计算锚节点AP的权重,进而得到锚节点AP受环境影响的程度以及是恶意锚节点AP的可能性,以此来决定该锚节点AP在此次定位过程中的贡献值,达到降低恶意锚节点AP对定位的影响,提高定位的安全性和精度的作用。相比于传统的指纹库定位方法,本发明不仅对指纹库进行了更新处理,提高了指纹库的准确性,而且在更新过程中加入了投票机制,识别环境中的恶意节点,实现系统的安全定位。
Description
技术领域
本发明涉及无线网络安全定位领域,特别涉及一种基于可信位置指纹的室内定位方法。
背景技术
在无线网络中,位置信息对检测活动至关重要。一段时间以来,无线定位领域的研究主要集中于如何提高定位精确度和能量有效性,各种各样的室内定位技术层出不穷。然而,由于无线网络的开放性和无人看护性使定位过程所依据的各种信号很容易被外界篡改,定位过程容易遭受来自内部和外部的攻击。攻击产生的错误定位结果可能导致网络定位功能失效和监测结果出错,进而破坏基于位置信息的应用程序的有效性。因此,如何为存在敌对可能的无线网络提供安全的定位系统,是一个必须解决的关键问题。
现有的定位技术,特别是基于RSS的定位技术,信号易受环境影响,同时对于人为破坏信号强度的抵抗能力不强。一些安全定位协议往往基于距离界定技术,但是对于室内定位目前采用的位置指纹定位算法,往往没有考虑安全因素。因此当环境中存在攻击时,例如重放攻击,它会使得在同一个位置接收到的信号强度发生变化。信号受到重放攻击时,基于位置指纹的定位算法往往缺乏有效的应对手段,定位系统的准确性便会受到严重的影响。因此,有必要设计一种基于位置指纹的安全定位方法用于室内定位。
发明内容
为了解决在基于指纹库的定位方法中,可能会由于AP受到基于信号强度的攻击,而导致指纹库中或待定位位置指纹序列中存在不可信的位置指纹的问题,本发明提出了一种基于可信位置指纹的室内定位方法。
当前国内外针对无线网络定位的不同技术提出了各种各样的安全算法。本发明从基于指纹库的定位系统实际遇到的问题出发,借鉴了安全算法中投票机制的思想,以提高系统识别恶意AP的能力为目标,针对AP容易受到篡改AP发射功率、重放信号强度等改变接收信号强度的攻击,探究了环境因素和恶意攻击对信号影响的区别,设计了在受到信号强度攻击时仍能保证定位系统安全性的定位算法。
一种基于可信位置指纹的室内定位方法,包括离线阶段和在线阶段;
1)离线阶段:采集离线的指纹信息,建立离线指纹库;
所述离线指纹库包括离线RSS观测矩阵、RSS波动矩阵以及采样点距离矩阵,其中,RSS波动矩阵中每个元素的取值为采样点进行多次RSS采样时的RSS标准差;
2)在线阶段:
2.1)在待定位节点位置获取锚节点的RSS信息,同时重新计算采样点的RSS波动矩阵;
重新计算采样点的RSS波动矩阵是为了解决在线和离线阶段的时间差异及在此期间可能出现恶意攻击的问题;
2.2)基于更新的RSS波动矩阵,对锚节点的可信度进行投票:当波动矩阵中的元素变化量超过设定的波动阈值时,该元素对应的采样点为对应的锚节点进行波动投票;
2.3)利用锚节点可信度构建锚节点可信权值,进行指纹匹配,选取指纹匹配度较高的采样点的指纹,对待定位节点进行定位,比较当前定位结果与前一次定位结果之间定位误差,当更新次数达到设定的更新次数,或定位误差δ<T时,返回定位误差最小的估计位置,得到精确定位的结果,保存定位误差最小的RSS观测矩阵和波动矩阵,否则,进入2.4);
2.4)对位于待定位节点上一次定位位置所需锚节点的通信范围中的采样点进行RSS值更新,同时更新待定位区域中样本点的RSS值和RSS波动矩阵,返回2.2)。
进一步地,所述指纹匹配度是指待定位节点接收到的锚节点的RSS值与离线阶段中网格j处的采样点接收的锚节点的RSS值之间的加权欧几里得距离lj:
其中,wi表示第i个锚节点的可信权值,wi=1-vi/numi,numi表示第i个锚节点通信范围内的采样点数量,vi表示采样点对第i个锚节点波动投票总数,L表示锚节点数量,si表示待定位节点收到的第i个锚节点的RSS值,表示离线阶段中RSS观测矩阵中第j个网格处中的采样点收到的第i个锚节点的RSS值;锚节点的波动投票数初始值均为0,wi的初始值为1。
进一步地,所述选取指纹匹配度较高的采样点的指纹,对待定位节点进行定位是指,从小到大选取K个对应欧几里得距离li较小的网格坐标(xi,yi),采用K近邻法计算待定位节点的估计位置
其中,K取值为5;以为圆心,以R为半径确定待定位节点的初步定位区域。
进一步地,所述更新RSS观测矩阵是指,重新测量定位区域中部分采样点的RSS值,再根据采样点距离矩阵中采样点之间的距离,采用线性插值法对以R为半径确定待定位节点的初步定位区域中的采样点及上一次定位所需锚节点的通信范围中的采样点的RSS值进行更新。
在更新指纹库时要更新该区域的样本点指纹,消除离线和在线阶段的时间差异及恶意攻击篡改指纹对定位造成影响降低更新全部指纹信息的开销,并且在指纹匹配时只需要匹配该区域的样本点指纹即可,减小了指纹匹配的计算量,提高了匹配效率。
进一步地,所述离线阶段的具体过程如下:
1)建立观测矩阵;
对室内区域进行均匀化网格划分,设定区域内网格点的总数为N,锚节点的个数为L,获取锚节点坐标(x,y);在每个网格上进行q次采样,网格接收锚节点的RSS值,在每个网格点上计算q次采样的RSS的均值,该平均值即为该网格处采样点的RSS值;每个网格处能感知到的各个锚节点的RSS均值,即为网格处采样点的值,获取一个初始L×N维的观测矩阵:
其中,表示在第j个网格处的采样点获取第i个锚节点的RSS平均值;表示网格j处的采样点接收到第i个锚节点的第τ个RSS值;如果网格j的位置在第i个锚节点的通信范围r以外,即放置于网格j的采样点不能接收到来自APi的消息,令
2)建立波动矩阵;在每个网格上,进行q次采样,搜集网格处的采样点感知到的锚节点的RSS值,在每个网格处计算q次采样的RSS的标准差,构建RSS的波动矩阵B:
其中,表示在第j个网格处获取第i个锚节点的RSS的波动程度;
3)构建网格中采样点之间的距离矩阵D:
其中,位于网格m中的采样点到位于网格n中的采样点之间的距离为dmn;如果m=n,dmn=0。
有益效果
本发明提出了一种基于可信位置指纹的室内定位方法,该定位方法在更新指纹库时让采样点对锚节点AP进行投票处理,根据锚节点AP的得票数计算锚节点AP的权重,进而得到锚节点AP受环境影响的程度以及是恶意锚节点AP的可能性,以此来决定该锚节点AP在此次定位过程中的贡献值,达到降低恶意锚节点AP对定位的影响,提高定位的安全性和精度的作用。
相比于传统的指纹库定位方法,本发明不仅对指纹库进行了更新处理,提高了指纹库的准确性,而且在更新过程中加入了投票机制,识别环境中的恶意节点,实现系统的安全定位。
对指纹库进行更新,解决了离线阶段和在线阶段的差异性问题,提高了定位精度。针对环境中存在恶意锚节点AP的问题,由于复杂多变的环境,在指纹库定位技术中很难区别环境和恶意锚节点AP的影响,本发明采用了迭代投票机制,该机制可以区分环境影响因素和恶意AP影响因素的差别,从而识别出恶意锚节点AP,并且可以相应降低受环境影响较大的AP的贡献值。因此本发明可以实现较好的定位效果。
附图说明
图1为本发明的流程图。
图2为应用本发明得到的实验结果示意图一;
图3为应用本发明得到的实验结果示意图二。
具体实施方式
下面将结合附图和实例对本发明做进一步的说明。
首先定义锚节点AP数量L,锚节点AP通信半径r,最大指纹库更新次数G,当前指纹库更新次数g,定位误差阈值T,信任阈值Δ,传统的指纹库定位的平均误差为0.5m,本实例中设定T=0.5m。
如图1为本发明的定位方法框架图。定位分为离线阶段和在线阶段。离线阶段生成RSS指纹库、波动矩阵、网格之间距离矩阵,得到锚节点AP坐标和网格坐标;在线阶段待定位位置生成测量矩阵,利用KNN算法定位,根据定位误差决定是否更新指纹库,在更新指纹库的同时更新波动矩阵,若存在恶意锚节点AP,根据票数矩阵可降低恶意锚节点AP对定位结果的影响,最终输出最优的定位结果。
(1)在离线阶段建立采样矩阵ψ、波动矩阵B和网格到网格之间的距离矩阵D,获得锚节点AP的坐标以及各网格坐标,保存到离线数据库。
(2)在线阶段,获得测量矩阵Φ,计算锚节点AP的权值信息:wi=1-vi/num;计算待定位位置的指纹与指纹库中指纹的欧几里得距离:选择K个lj较小的采样位置,然后根据这K个采样点坐标计算待定位位置的坐标:
获得待定位位置的估计位置(Px,Py),以该估计位置为圆心,以R为半径确定待定位区域。
(3)在定位区域中重新测量一部分采样点处的RSS值,根据采样点之间的距离矩阵利用线性差值法更新待定位区域中样本点和上一次定位所需锚节点的通信范围内采样点的RSS值,得到更新后的RSS值,并令g+1。初始化投票矩阵,票数全为0;执行第(4)步。
(4)获得更新的RSS矩阵后,计算采样点接收到APi的RSS值更新前后波动范围的变化,如果变化值大于给定的信任阈值Δ,则对APi进行投票Vi+1。
(5)得到投票矩阵,计算APi的权值:wi=1-vi/num;
计算待定位位置的RSS值与更新后的指纹库Ψ'中采样点j处的RSS值之间加权的欧几里得距离lj: 为更新后的RSS观测矩阵中第j个网格处中的采样点收到的第i个锚节点的RSS值;
其中,si表示待定位节点所在位置接收到锚节点APi的RSS值;
(6)采用KNN算法计算待验证节点的估计位置:
比较定位估计位置与前一次定位估计位置的定位误差δ,并记录本次定位所需的锚节点,如果δ<T,则直接执行第(7)步,如果δ>T,判断更新次数,如果g>G,执行(7),否则执行(3)。如果本次定位误差小于上一次定位误差,则把更新后的RSS数据库作为在线定位RSS数据库,保存得到的波动矩阵。
(7)比较所有的定位结果,返回具有最小误差的定位坐标(Px,Py)。
如图2为本发明中针对不同强度的信号攻击的实验图,图2表示在10个不同位置处计算定位结果与实际位置的定位误差,横坐标表示不同的位置,纵坐标表示每个位置进行10次定位的平均定位误差。当信号强度受到0-20dbm的攻击时,黑色圆形标识线表示传统指纹定位算法的定位结果,红色正方形标识线表示本文提出算法的定位结果。当信号强度受到0-15dbm的攻击时,绿色三角标识线表示传统指纹定位算法的定位结果,蓝色五角星标识线表示本文算法的定位结果。该实验在每个位置处进行10次定位,并选择了10个不同的位置,因此,可以反应了本文定位算法的整体定位性能,由图中可以看出,当环境中存在恶意攻击时,传统的指纹定位算法的平均误差较高,而本文定位算法可以很好的容忍基于信号强度的攻击。
如图3为本发明中在相同攻击强度下,针对存在不同恶意锚节点个数的实验图,在该图中,圆形标识线和正方形线表示环境中存在两个恶意AP,三角标标识线和五角星标识线表示环境中存在一个恶意AP,圆形标识线和三角标识线代表传统的指纹定位算法,由图可以看出,存在两个恶意AP的定位误差高于存在一个恶意AP的定位误差,传统的指纹定位算法对恶意AP的容忍能力较差。正方形标识线和五角星标识线表示本算法的定位精度,图中显示,本算法可以很好的过滤恶意AP对定位精度的影响,对恶意AP由较好的容忍能力,当存在多个恶意AP时仍可以保持较好的定位精度。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种基于可信位置指纹的室内定位方法,其特征在于,包括离线阶段和在线阶段;
1)离线阶段:采集离线的指纹信息,建立离线指纹库;
所述离线指纹库包括离线RSS观测矩阵、RSS波动矩阵以及采样点距离矩阵,其中,RSS波动矩阵中每个元素的取值为采样点进行多次RSS采样时的RSS标准差;
2)在线阶段:
2.1)在待定位节点位置获取锚节点的RSS信息,同时重新计算采样点的RSS波动矩阵;
2.2)基于更新的RSS波动矩阵,对锚节点的可信度进行投票:当波动矩阵中的元素变化量超过设定的波动阈值时,该元素对应的采样点为对应的锚节点进行波动投票;
2.3)利用锚节点可信度构建锚节点可信权值,进行指纹匹配,选取指纹匹配度较高的采样点的指纹,对待定位节点进行定位,比较当前定位结果与前一次定位结果之间定位误差,当更新次数达到设定的更新次数,或定位误差δ<T时,其中,T表示位置误差阈值,返回定位误差最小的估计位置,得到精确定位的结果,保存定位误差最小的RSS观测矩阵和波动矩阵,否则,进入2.4);
2.4)对位于待定位节点上一次定位位置所需锚节点的通信范围中的采样点进行RSS值更新,同时更新待定位区域中样本点的RSS值和RSS波动矩阵,返回2.2)。
2.根据权利要求1所述的方法,其特征在于,所述指纹匹配度是指待定位节点接收到的锚节点的RSS值与离线阶段中网格j处的采样点接收的锚节点的RSS值之间的加权欧几里得距离lj:
其中,wi表示第i个锚节点的可信权值,wi=1-vi/numi,numi表示第i个锚节点通信范围内的采样点数量,vi表示采样点对第i个锚节点波动投票总数,L表示锚节点数量,si表示待定位节点收到的第i个锚节点的RSS值,表示离线阶段中RSS观测矩阵中第j个网格处中的采样点收到的第i个锚节点的RSS值;锚节点的波动投票数初始值均为0,wi的初始值为1。
3.根据权利要求2所述的方法,其特征在于,所述选取指纹匹配度较高的采样点的指纹,对待定位节点进行定位是指,从小到大选取K个对应欧几里得距离li较小的网格坐标(xi,yi),采用K近邻法计算待定位节点的估计位置
其中,K取值为5;以为圆心,以R为半径确定待定位节点的初步定位区域。
4.根据权利要求3所述的方法,其特征在于,更新RSS观测矩阵是指,重新测量定位区域中部分采样点的RSS值,再根据采样点距离矩阵中采样点之间的距离,采用线性插值法对以R为半径确定待定位节点的初步定位区域中的采样点及上一次定位所需锚节点的通信范围中的采样点的RSS值进行更新。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述离线阶段的具体过程如下:
1)建立观测矩阵;
对室内区域进行均匀化网格划分,设定区域内网格点的总数为N,锚节点的个数为L,获取锚节点坐标(x,y);在每个网格上进行q次采样,网格接收锚节点的RSS值,在每个网格点上计算q次采样的RSS的平均值,该平均值即为该网格处采样点的RSS值;每个网格处能感知到的各个锚节点的RSS平均值,即为网格处采样点的值,获取一个初始L×N维的观测矩阵:
其中,表示在第j个网格处的采样点获取第i个锚节点的RSS平均值;表示网格j处的采样点接收到第i个锚节点的第τ个RSS值;如果网格j的位置在第i个锚节点的通信范围r以外,即放置于网格j的采样点不能接收到来自APi的消息,令
2)建立波动矩阵;在每个网格上,进行q次采样,搜集网格处的采样点感知到的锚节点的RSS值,在每个网格处计算q次采样的RSS的标准差,构建RSS的波动矩阵B:
其中,表示在第j个网格处获取第i个锚节点的RSS的波动程度;
3)构建网格中采样点之间的距离矩阵D:
其中,位于网格m中的采样点到位于网格n中的采样点之间的距离为dmn;如果m=n,dmn=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710365404.4A CN107046680B (zh) | 2017-05-22 | 2017-05-22 | 一种基于可信位置指纹的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710365404.4A CN107046680B (zh) | 2017-05-22 | 2017-05-22 | 一种基于可信位置指纹的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107046680A CN107046680A (zh) | 2017-08-15 |
CN107046680B true CN107046680B (zh) | 2019-09-24 |
Family
ID=59546656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710365404.4A Active CN107046680B (zh) | 2017-05-22 | 2017-05-22 | 一种基于可信位置指纹的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107046680B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107743296A (zh) * | 2017-11-15 | 2018-02-27 | 中国矿业大学(北京) | 一种基于压缩感知的rssi区域分段式定位方法 |
CN107889062B (zh) * | 2017-11-24 | 2020-10-30 | 北京小米移动软件有限公司 | 离线定位的数据学习方法和装置 |
CN108966141B (zh) * | 2018-06-19 | 2020-11-13 | 广州杰赛科技股份有限公司 | 定位方法、装置和计算机可读存储介质 |
CN112504505A (zh) * | 2020-08-31 | 2021-03-16 | 中国能源建设集团安徽省电力设计院有限公司 | 一种基于多变量状态估计的高压隧道电缆过热预警方法 |
CN114449652B (zh) * | 2022-01-28 | 2023-05-02 | 湖南大学 | 一种基于可靠ap选择的wifi室内定位方法 |
CN114895242B (zh) * | 2022-07-12 | 2022-09-30 | 中国人民解放军国防科技大学 | 一种复杂电磁环境下的辐射源定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209478A (zh) * | 2013-04-27 | 2013-07-17 | 福建师范大学 | 基于分类阈值及信号强度权重的室内定位方法 |
CN103428850A (zh) * | 2013-08-05 | 2013-12-04 | 湖南大学 | 基于压缩感知的分布式多区域定位方法 |
CN103476118A (zh) * | 2013-09-29 | 2013-12-25 | 哈尔滨工业大学 | 一种用于实时监控的wlan室内位置指纹定位方法 |
CN106454750A (zh) * | 2016-11-23 | 2017-02-22 | 湖南大学 | 一种基于压缩感知技术的多区域室内安全定位方法 |
-
2017
- 2017-05-22 CN CN201710365404.4A patent/CN107046680B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103209478A (zh) * | 2013-04-27 | 2013-07-17 | 福建师范大学 | 基于分类阈值及信号强度权重的室内定位方法 |
CN103428850A (zh) * | 2013-08-05 | 2013-12-04 | 湖南大学 | 基于压缩感知的分布式多区域定位方法 |
CN103476118A (zh) * | 2013-09-29 | 2013-12-25 | 哈尔滨工业大学 | 一种用于实时监控的wlan室内位置指纹定位方法 |
CN106454750A (zh) * | 2016-11-23 | 2017-02-22 | 湖南大学 | 一种基于压缩感知技术的多区域室内安全定位方法 |
Non-Patent Citations (2)
Title |
---|
基于WiFi位置指纹的室内定位算法的研究与优化;毛勤;《中国优秀硕士学位论文全文数据库信息科技辑》;20161015;全文 * |
基于压缩感知的RSS室内跟踪定位算法研究;查俊莉;《中国硕士学位论文全文数据库》;20141106;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107046680A (zh) | 2017-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107046680B (zh) | 一种基于可信位置指纹的室内定位方法 | |
CN109951807A (zh) | 基于WiFi信号的融合RSS和CSI室内定位方法 | |
CN108882225B (zh) | 一种无线传感器网络中基于测距的安全定位方法 | |
CN108601026B (zh) | 基于随机抽样一致性的感知数据错误化攻击检测方法 | |
CN110049057B (zh) | 虚假数据注入攻击下的传感器网络事件触发信息融合方法 | |
CN107371164B (zh) | 一种基于传感器数据与信号差值融合定位伪ap的方法 | |
CN108983165B (zh) | 基于子站选择的多站雷达系统抗欺骗式干扰方法 | |
CN106454750B (zh) | 一种基于压缩感知技术的多区域室内安全定位方法 | |
CN110889862B (zh) | 一种网络传输攻击环境中多目标跟踪的组合测量方法 | |
CN110475246B (zh) | 基于孤立森林和序贯概率比检验的恶意锚节点检测方法 | |
Wang et al. | Research on APIT and Monte Carlo method of localization algorithm for wireless sensor networks | |
CN107346020A (zh) | 一种用于异步多基地雷达系统的分布式批估计融合方法 | |
Fang et al. | Fingerprint localisation algorithm for noisy wireless sensor network based on multi‐objective evolutionary model | |
Li et al. | WiFi indoor location method based on RSSI | |
Liao et al. | Distributed edge detection with composite hypothesis test in wireless sensor networks | |
Li et al. | An improved observation model for Monte-Carlo localization integrated with reliable reflector prediction | |
CN110378111B (zh) | 针对工业控制系统隐蔽攻击的入侵检测方法及检测系统 | |
CN110944383A (zh) | 针对克隆攻击的无线传感器网络安全定位方法 | |
CN114142954B (zh) | 应用于多干扰源检测与定位的无人机方法及系统 | |
CN115515137A (zh) | 一种用于BLE Beacon室内定位系统的安全检测方法 | |
CN109819397B (zh) | 一种对抗女巫攻击的近似三角形内点测试定位算法 | |
WO2020177333A1 (zh) | 一种基于在线学习的wifi定位方法及系统 | |
CN111830498A (zh) | 基于毫米波区域安防的多雷达自动组网方法及系统 | |
Feng et al. | Secure fusion filtering and clustering for distributed wireless sensor networks | |
Ibrahim et al. | Fuzzy-based Wi-Fi localisation with high accuracy using fingerprinting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |