CN107302794A - 利用wifi信号作为移动定位与导航的方法 - Google Patents
利用wifi信号作为移动定位与导航的方法 Download PDFInfo
- Publication number
- CN107302794A CN107302794A CN201710497475.XA CN201710497475A CN107302794A CN 107302794 A CN107302794 A CN 107302794A CN 201710497475 A CN201710497475 A CN 201710497475A CN 107302794 A CN107302794 A CN 107302794A
- Authority
- CN
- China
- Prior art keywords
- wifi signal
- information
- wifi
- navigation
- rssi
- 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.)
- Pending
Links
Classifications
-
- 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
-
- 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
-
- 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
- G01S5/0257—Hybrid positioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
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)
Abstract
本发明公开了一种利用WIFI信号作为移动定位与导航的方法,其包括以下步骤:1)用户手持移动设备,接收到不同的WiFi信号的信号强度RSSI、物理地址MAC及相关信息,选择符合定位标准的WiFi信号信息;2)将用户采集到的WiFi信号信息传送给主机服务器;3)移动设备里面预存有位置信息指纹库以及与其相对应的实验场景地图;4)主机服务器经过一定的算法,对上传的WiFi信号信息进行处理,匹配出位置信息指纹库里面的指纹点,再经过主机服务器的计算得出坐标信息,并反馈给用户的移动设备;5)用户得到的出坐标信息标定到实验场景地图里,即得到室内坐标,进而实现移动定位和导航的目的,且定位数度高,导航效果好。
Description
技术领域
本发明涉及室内外移动定位与导航技术领域,特别涉及利用WIFI信号作为机器人、行人等移动定位与导航的方法。
背景技术
室内定位导航服务LBS(Location-based Services)已经成为当前市场需求竞争的焦点。利用目前大数据、云计算等新兴技术的发展,人们利用当前现有的GPS、射频、超声波、WIFI等信号使用室内外定位技术,能将位置信息、服务需求等数据反馈给服务器,服务于人们或移动机器人在复杂环境中的定位与导航,方便人们或机器能自主去寻找到目标,可解决如商场小孩迷失、车位自动定位、远程监控家用服务机器人等实际需求。通过大数据等新兴技术对原始数据进行进一步挖掘研究,为人们的出行等提供更高效的服务。室内定位导航技术不但可以满足人们的需求,同样可以应用于机器人领域,使其能更高效精确的运行工作。
由于室内定位的重要意义与作用,国内外企业界与学术界对室内定位的理论与应用开展了广泛研究。意大利Livetti实验室基于红外线技术,研发了一套名为Active Badge的应用于室内定位的系统。iBeacon是苹果公司最早利用蓝牙技术实现室内精确定位的一套系统。iBeacon系统需要定位者携带标签iBeacons如苹果手机即可作为信号接收器的标签使用,发射信号的基站需要在定位场所进行布置。清研讯科科技有限公司利用UWB新技术开发室内定位系统,开发出3m精度的WiFi和蓝牙定位技术,并成功研发名为BI-Sense的商业应用APP技术。深圳翌日科技公司应用Zigbee技术进行室内定位技术的研究,其开发的技术具有定位通信一体的特点。微软于2000年提出并开发出一套完整的基于WiFi定位的RADAR系统,能实现对定位者位置的连续跟踪,从而提高定位的精度。加州大学洛杉矶分校,提出一种新的定位模型贝叶斯概率算法。Haeberlen等人使用了高斯方法来对WiFi信号进行位置空间的建模,该方法通过前期的信号采集得到初始位置强度信号,能很好拟合出室内信号模型,进而根据信号强度估计出位置。马里兰大学的Youssef等人利用高斯模型建立了基于位置指纹Horus定位系统。
作为一种广泛应用于日常生活与生产的信号,WIFI是一种不需要增加额外设备就可以直接利用资源。WiFi作为目前室内无线网络应用最广的技术,为室内定位的研究带来了极大的方便。虽然国内外对利用WIFI用于机器人室内定位开展了一些研究,但是室内定位目前仍然存在很多问题,尤其是还没有很稳定可靠的产品应用于实际的生活中,如何提高WIFI信号获得的精度,以及如何建立数据库的匹配度,都是值得去深入开发与研究。
发明内容
针对上述不足,本发明的目的在于,提供一种架构设计巧妙、合理,有效利用WIFI信号作为室内外移动定位与导航的利用WIFI信号作为移动定位与导航的方法。
为实现上述目的,本发明所提供的技术方案是:
一种利用WIFI信号作为移动定位与导航的方法,其包括以下步骤:
(1)用户手持移动设备,接收到不同的WiFi信号的信号强度RSSI、物理地址MAC及相关信息,选择符合定位标准的WiFi信号信息,将不符合的信息通过程序过滤掉,增加系统运行的时效性;
(2)将用户采集到的WiFi信号信息传送给主机服务器;
(3)移动设备里面预存有预存数据,该预存数据为前期准备工作中建立的室内WiFi信号信息,该室内WiFi信号信息包括位置信息指纹库以及与其相对应的实验场景地图;为移动设备获得的数据提供最原始的匹配数据;
(4)主机服务器经过一定的算法,对上传的WiFi信号信息进行处理,匹配出位置信息指纹库里面的指纹点,再经过主机服务器的计算得出坐标信息,并反馈给用户的移动设备;对建立的不同区域的位置信息指纹库,引进K-mean聚类算法,将不同区域的位置信息指纹库进一步细分为K个聚类子集,信号强度相似的WiFi信号归为一个聚类子集。为了优化聚类子集中的WiFi信号,利用邻域均值滤波的方法将聚类子集中的噪声信号滤除,从而提高了位置信息指纹库的精度;
(5)用户得到的出坐标信息标定到实验场景地图里,即得到室内坐标,进而实现移动定位和导航的目的。
本发明根据目前大型室内空间中已存在的WiFi信号,采用以WiFi信号为基础的室内定位技术能减少设备的增加,同时可利用已有的移动终端,如手机作为定位终端使用,为WiFi信号的使用开辟了新的方向。
作为本发明的一种改进,所述移动设备为手机、笔记本电脑或平板电脑等终端设备,其接收到不同的WiFi信号的信号强度RSSI、物理地址MAC等信息,选择符合定位标准的WiFi信号信息,将不符合的信息通过程序过滤掉,增加系统运行的时效性。
作为本发明的一种改进,所述步骤(3)中是对WiFi信号信息进行多次处理并建立符合实际室内环境的位置信息指纹库。
作为本发明的一种改进,利用K-mean聚类算法将以WiFi信号强度作为分类对象,使得相邻类之间的差异性最大化,具体实现步骤如下:
步骤1:选取目标样本数据即所分类的指纹点数据为n;
步骤2:确定划分聚类子集的个数即K的数值,根据室内实际情况来划分子集;
步骤3:选取初始样本聚类中心,初始样本聚类中心的位置在划分的子集内随机选取。为了符合实际室内环境的情况,随机选取一个WiFi信号数据,作为初始聚类对象簇首值rssii;
步骤4:以随机选取的簇首rssii为中心,依次遍历除其他簇首外的所有指纹点数据值,并利用所有指纹点数据距离3个簇首的值,距离簇首最近的划分为一类,以此进行初始分类;
步骤5:求得子集内所有对象的平均值,更新为新的簇首;迭代计算的收敛条件使用以下公式来确定:
式中RSSIi——指纹点的每一个WiFi信号强度值;
rssii——划分类子集中的簇首值;
j——指纹点中WiFi个数。
本发明的有益效果为:本发明充分利用现有的资源,包括移动设备,如手机、笔记本电脑等,以及现成的WIFI信号,通过获得移动设备的WIFI信号,以及与事先建立好的位置信息指纹库的匹配算法,即可实现机器人终端用户的定位与导航,这一方法应用广泛,如商场内小孩位置定位、物流机器人定位等。在这一过程中,移动设备位置距离的估算是位置指纹法中重要的环节,位置的估算是利用已建立的离线位置信息指纹库,并从位置信息指纹库里面匹配出与实际位置相近的若干个位置指纹点,通过匹配的位置指纹点的坐标信息来估算出位置距离。在室内环境下,不同算法的测算精度会产生较大差别,可使用基于信号强度RSSI近邻估计算法、固定AP点估计算法、以及概率算法位置等估算方法。WiFi信号的采集可以用笔记本电脑或者手机作为采集终端,由于笔记本电脑和手机硬件网卡的不同,在同一点同一时刻采集的信号整体会存在差别。比如以笔记本电脑作为采集信号的移动终端时,可以标定所采集信号的位置信息及栅格点。采集程序根据WiFi信号的802.11协议,对网络信息中信号部分进行调取,移动终端采集WiFi信号的名字SSID、物理地址MAC和信号强度RSSI。根据定位实验的要求采集位置指纹点处多组不同WiFi信号。对于位置信息指纹库,即为通过采集的实验数据建立不同的指纹库。在室内定位系统中,离线建立的位置信息指纹库直接影响到室内定位精度,因此需要对信号进行多次处理并建立符合实际室内环境的位置信息指纹库。本发明使用聚类算法等算法,结合WiFi信号特性将这些处理数据的方法应用于位置信息指纹库的建立,提高位置信息指纹库数据的质量,进而提高室内定位的精度。
下面结合附图与实施例,对本发明进一步说明。
附图说明
图1是本发明的WIFI定位整体流程示意图。
图2是本发明的WIFI信号采集示意图。
图3是本发明的聚类分类示意图。
具体实施方式
参见图1、图2和图3,本实施例提供的一种利用WIFI信号作为移动定位与导航的方法,其包括以下步骤:
(1)用户手持移动设备,接收到不同的WiFi信号的信号强度RSSI、物理地址MAC及相关信息,选择符合定位标准的WiFi信号信息,将不符合的信息通过程序过滤掉,增加系统运行的时效性;
(2)将用户采集到的WiFi信号信息传送给主机服务器;所用的移动设备可以直接作为服务器,即可以满足定位服务的计算性能;
(3)移动设备里面预存有预存数据,该预存数据为前期准备工作中建立的室内WiFi信号信息,该室内WiFi信号信息包括位置信息指纹库以及与其相对应的实验场景地图;为移动设备获得的数据提供最原始的匹配数据;
(4)主机服务器经过一定的算法,对上传的WiFi信号信息进行处理,匹配出位置信息指纹库里面的指纹点,再经过主机服务器的计算得出坐标信息,并反馈给用户的移动设备;对建立的不同区域的位置信息指纹库,引进K-mean聚类算法,将不同区域的位置信息指纹库进一步细分为K个聚类子集,信号强度相似的WiFi信号归为一个聚类子集。为了优化聚类子集中的WiFi信号,利用邻域均值滤波的方法将聚类子集中的噪声信号滤除,从而提高了位置信息指纹库的精度;
(5)用户得到的出坐标信息标定到实验场景地图里,即得到室内坐标,进而实现移动定位和导航的目的。
本实施例中,WiFi信号的采集可以用笔记本电脑或者手机作为采集终端,由于笔记本电脑和手机硬件网卡的不同,在同一点同一时刻采集的信号整体会存在差别。以笔记本电脑或手机作为采集信号的移动终端与采集终端时,可以标定所采集信号的位置信息及栅格点。采集程序根据WiFi信号的802.11协议,对网络信息中信号部分进行调取,移动终端采集WiFi信号的名字SSID、物理地址MAC和信号强度RSSI。根据定位实验的要求采集位置指纹点处多组不同WiFi信号,如图2所示。
本实施例中,离线建立的位置信息指纹库直接影响到室内定位精度,因此需要对信号进行多次处理并建立符合实际室内环境的位置信息指纹库。
本发明将使用高斯滤波与K-mean分类算法对传统指纹库算法的改进,建立新的位置信息指纹库,以提高指纹库匹配精度的准确性。
利用K-mean聚类算法将以WiFi信号强度作为分类对象,分类的目的是将信号强度相似的指纹点划分为一类,使得相邻类之间的差异性最大化。
相似度的特征函数对聚类效果有很大影响,选取欧式距离函数作为度量WiFi信号相似度的标准。K-mean聚类算法应用于WiFi信号分类的具体实现步骤如下。
步骤1:选取目标样本数据即所分类的指纹点数据为n,如选取n=14;
步骤2:确定划分聚类子集的个数即K的数值,根据室内实际情况来划分子集,如确定划分聚类子集的个数K=3;
步骤3:选取初始样本聚类中心,初始样本聚类中心的位置在划分的子集内随机选取;为了符合实际室内环境的情况,随机选取一个WiFi信号数据,作为初始聚类对象簇首值rssii;
步骤4:以随机选取的簇首rssii为中心,依次遍历除其他簇首外的所有指纹点数据值,并利用所有指纹点数据距离3个簇首的值,距离簇首最近的划分为一类,以此进行初始分类,如图3所示;
步骤5:求得子集内所有对象的平均值,更新为新的簇首;迭代计算的收敛条件使用以下公式来确定:
式中RSSIi——指纹点的每一个WiFi信号强度值;
rssii——划分类子集中的簇首值;
j——指纹点中WiFi个数。
由于每一个指纹点有3~6个WiFi信号信息,因此新的簇首位置会因为WiFi信号不同而产生变化。经过划分后的WiFi信号指纹库应具有的特性是:分类子集内指纹点与指纹点之间的差异性最小;不同分类子集间指纹点的差异性最大。这样在实时定位选取指纹点时,既能减少算法的复杂度提高运算效率,又能提高定位的精确度,定位和导航效果好。
根据上述说明书的揭示和教导,本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此,本发明并不局限于上面揭示和描述的具体实施方式,对本发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外,尽管本说明书中使用了一些特定的术语,但这些术语只是为了方便说明,并不对本发明构成任何限制。如本发明上述实施例所述,采用与其相同或相似的步骤而得到的其它方法,均在本发明保护范围内。
Claims (4)
1.一种利用WIFI信号作为移动定位与导航的方法,其特征在于:其包括以下步骤:
(1)用户手持移动设备,接收到不同的WiFi信号的信号强度RSSI、物理地址MAC及相关信息,选择符合定位标准的WiFi信号信息,将不符合的信息通过程序过滤掉,增加系统运行的时效性;
(2)将用户采集到的WiFi信号信息传送给主机服务器;
(3)移动设备里面预存有预存数据,该预存数据为前期准备工作中建立的室内WiFi信号信息,该室内WiFi信号信息包括位置信息指纹库以及与其相对应的实验场景地图;
(4)主机服务器经过一定的算法,对上传的WiFi信号信息进行处理,匹配出位置信息指纹库里面的指纹点,再经过主机服务器的计算得出坐标信息,并反馈给用户的移动设备;
(5)用户得到的出坐标信息标定到实验场景地图里,即得到室内坐标,进而实现移动定位和导航的目的。
2.根据权利要求1所述的利用WIFI信号作为移动定位与导航的方法,其特征在于:所述移动设备为手机、笔记本电脑或平板电脑。
3.根据权利要求1所述的利用WIFI信号作为移动定位与导航的方法,其特征在于:所述步骤(3)中是对WiFi信号信息进行多次处理并建立符合实际室内环境的位置信息指纹库。
4.根据权利要求1所述的利用WIFI信号作为移动定位与导航的方法,其特征在于:利用K-mean聚类算法将以WiFi信号强度作为分类对象,使得相邻类之间的差异性最大化,具体实现步骤如下:
步骤1:选取目标样本数据即所分类的指纹点数据为n;
步骤2:确定划分聚类子集的个数即K的数值,根据室内实际情况来划分子集;
步骤3:选取初始样本聚类中心,初始样本聚类中心的位置在划分的子集内随机选取;为了符合实际室内环境的情况,随机选取一个WiFi信号数据,作为初始聚类对象簇首值rssii;
步骤4:以随机选取的簇首rssii为中心,依次遍历除其他簇首外的所有指纹点数据值,并利用所有指纹点数据距离3个簇首的值,距离簇首最近的划分为一类,以此进行初始分类;
步骤5:求得子集内所有对象的平均值,更新为新的簇首;迭代计算的收敛条件使用以下公式来确定:
<mrow>
<mi>E</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>j</mi>
</munderover>
<munder>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>rssi</mi>
<mi>i</mi>
</msub>
<mo>&Element;</mo>
<msub>
<mi>C</mi>
<mi>k</mi>
</msub>
</mrow>
</munder>
<mo>|</mo>
<msub>
<mi>rssi</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>RSSI</mi>
<mi>i</mi>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
式中RSSIi——指纹点的每一个WiFi信号强度值;
rssii——划分类子集中的簇首值;
j——指纹点中WiFi个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710497475.XA CN107302794A (zh) | 2017-06-27 | 2017-06-27 | 利用wifi信号作为移动定位与导航的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710497475.XA CN107302794A (zh) | 2017-06-27 | 2017-06-27 | 利用wifi信号作为移动定位与导航的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107302794A true CN107302794A (zh) | 2017-10-27 |
Family
ID=60135023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710497475.XA Pending CN107302794A (zh) | 2017-06-27 | 2017-06-27 | 利用wifi信号作为移动定位与导航的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107302794A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944498A (zh) * | 2017-12-06 | 2018-04-20 | 河海大学 | 一种基于多标签的室内人群聚类方法 |
CN109239659A (zh) * | 2018-08-31 | 2019-01-18 | 平安科技(深圳)有限公司 | 室内导航方法、装置、计算机设备及存储介质 |
CN109799524A (zh) * | 2019-03-15 | 2019-05-24 | 深圳五洲无线股份有限公司 | 一种针对儿童可穿戴设备的定位方法及系统 |
CN109951805A (zh) * | 2017-12-20 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种位置数据处理方法、装置以及相关设备 |
CN110716174A (zh) * | 2019-09-30 | 2020-01-21 | 北京摩拜科技有限公司 | 一种车锁、车辆及车辆的定位方法 |
CN110750098A (zh) * | 2019-11-27 | 2020-02-04 | 广东博智林机器人有限公司 | 机器人导航系统 |
CN111757465A (zh) * | 2019-06-26 | 2020-10-09 | 广东小天才科技有限公司 | 一种聚类定位方法及服务设备、系统 |
CN112672379A (zh) * | 2020-12-18 | 2021-04-16 | 北京市市政工程设计研究总院有限公司 | 基于wifi探测技术的枢纽换乘区域旅客走行路径识别方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110235532A1 (en) * | 2010-03-24 | 2011-09-29 | Skyhook Wireless, Inc. | System and Method for Resolving Multiple Location Estimate Conflicts in a WLAN-Positioning System |
US20140099970A1 (en) * | 2012-10-10 | 2014-04-10 | Telefonaktiebolaget L M Ericsson (Publ) | Methods and network nodes for positioning based on displacement data |
CN104427610A (zh) * | 2013-08-28 | 2015-03-18 | 中国电信集团公司 | WiFi室内定位方法与服务器 |
CN104717744A (zh) * | 2014-12-19 | 2015-06-17 | 浙江大学城市学院 | 一种基于无线局域网及分层聚类的室内定位方法 |
CN105974357A (zh) * | 2016-04-29 | 2016-09-28 | 北京小米移动软件有限公司 | 终端的定位方法及装置 |
CN106304331A (zh) * | 2016-08-19 | 2017-01-04 | 青岛海尔智能技术研发有限公司 | 一种WiFi指纹室内定位方法 |
-
2017
- 2017-06-27 CN CN201710497475.XA patent/CN107302794A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110235532A1 (en) * | 2010-03-24 | 2011-09-29 | Skyhook Wireless, Inc. | System and Method for Resolving Multiple Location Estimate Conflicts in a WLAN-Positioning System |
US20140099970A1 (en) * | 2012-10-10 | 2014-04-10 | Telefonaktiebolaget L M Ericsson (Publ) | Methods and network nodes for positioning based on displacement data |
CN104427610A (zh) * | 2013-08-28 | 2015-03-18 | 中国电信集团公司 | WiFi室内定位方法与服务器 |
CN104717744A (zh) * | 2014-12-19 | 2015-06-17 | 浙江大学城市学院 | 一种基于无线局域网及分层聚类的室内定位方法 |
CN105974357A (zh) * | 2016-04-29 | 2016-09-28 | 北京小米移动软件有限公司 | 终端的定位方法及装置 |
CN106304331A (zh) * | 2016-08-19 | 2017-01-04 | 青岛海尔智能技术研发有限公司 | 一种WiFi指纹室内定位方法 |
Non-Patent Citations (3)
Title |
---|
张文杰: "基于RFID和地磁场联合的室内定位技术研究", 《中国优秀硕士学位论文全文数据库》 * |
朱晓峰: "基于微博舆情监测的K_Means算法改进研究", 《情报理论与实践》 * |
段桂芹: "基于均值与最大距离乘积的初始聚类中心优化K_means算法", 《计算机与数字工程》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944498A (zh) * | 2017-12-06 | 2018-04-20 | 河海大学 | 一种基于多标签的室内人群聚类方法 |
CN107944498B (zh) * | 2017-12-06 | 2021-08-31 | 河海大学 | 一种基于多标签的室内人群聚类方法 |
CN109951805A (zh) * | 2017-12-20 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种位置数据处理方法、装置以及相关设备 |
CN109951805B (zh) * | 2017-12-20 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 一种位置数据处理方法、装置以及相关设备 |
CN109239659A (zh) * | 2018-08-31 | 2019-01-18 | 平安科技(深圳)有限公司 | 室内导航方法、装置、计算机设备及存储介质 |
CN109239659B (zh) * | 2018-08-31 | 2023-12-15 | 平安科技(深圳)有限公司 | 室内导航方法、装置、计算机设备及存储介质 |
CN109799524A (zh) * | 2019-03-15 | 2019-05-24 | 深圳五洲无线股份有限公司 | 一种针对儿童可穿戴设备的定位方法及系统 |
CN111757465A (zh) * | 2019-06-26 | 2020-10-09 | 广东小天才科技有限公司 | 一种聚类定位方法及服务设备、系统 |
CN110716174A (zh) * | 2019-09-30 | 2020-01-21 | 北京摩拜科技有限公司 | 一种车锁、车辆及车辆的定位方法 |
CN110750098A (zh) * | 2019-11-27 | 2020-02-04 | 广东博智林机器人有限公司 | 机器人导航系统 |
CN112672379A (zh) * | 2020-12-18 | 2021-04-16 | 北京市市政工程设计研究总院有限公司 | 基于wifi探测技术的枢纽换乘区域旅客走行路径识别方法及设备 |
CN112672379B (zh) * | 2020-12-18 | 2023-04-07 | 北京市市政工程设计研究总院有限公司 | 基于wifi探测技术的枢纽换乘区域旅客走行路径识别方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107302794A (zh) | 利用wifi信号作为移动定位与导航的方法 | |
CN103634901B (zh) | 基于核密度估计的新型定位指纹采集提取方法 | |
CN105828289B (zh) | 一种基于信道状态信息的无源室内定位方法 | |
CN103476115B (zh) | 一种基于AP集相似度的Wi-Fi指纹定位方法 | |
CN102131290B (zh) | 基于自相关滤波的wlan室内邻近匹配定位方法 | |
CN105242239B (zh) | 一种基于众包指纹分簇和匹配的室内子区域定位方法 | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN103905992B (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
CN103581831B (zh) | 基于WiFi以及移动终端的室内定位方法 | |
CN107333276A (zh) | 基于加权卡方距离的WiFi位置指纹定位方法 | |
CN104239453B (zh) | 数据处理方法及装置 | |
CN106507475B (zh) | 基于EKNN的室内区域WiFi定位方法及系统 | |
CN104185275A (zh) | 一种基于wlan的室内定位方法 | |
CN103209478A (zh) | 基于分类阈值及信号强度权重的室内定位方法 | |
CN102638889A (zh) | 基于贝叶斯压缩感知的室内无线终端定位方法 | |
CN103634902A (zh) | 基于指纹聚类的新型室内定位方法 | |
CN101873607A (zh) | Wlan室内分步式rd-anfis定位方法 | |
CN100566345C (zh) | 基于超宽带的无线传感器网络节点定位方法 | |
CN104602342A (zh) | 一种基于iBeacon设备的高效室内定位方法 | |
CN108717175A (zh) | 基于区域划分和稀疏支持向量回归的室内指纹定位方法 | |
CN106658704A (zh) | 一种室内定位的起点位置的定位方法和系统 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及系统、设备、存储介质 | |
CN104540221A (zh) | 基于半监督sde算法的wlan室内定位方法 | |
CN110049549A (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
KR20090114900A (ko) | 알에프수신신호세기의 확률적 필터링을 이용한무선센서노드 위치추적방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171027 |