CN107666707A - 一种基于距离测量和位置指纹的室内定位方法 - Google Patents
一种基于距离测量和位置指纹的室内定位方法 Download PDFInfo
- Publication number
- CN107666707A CN107666707A CN201710914806.5A CN201710914806A CN107666707A CN 107666707 A CN107666707 A CN 107666707A CN 201710914806 A CN201710914806 A CN 201710914806A CN 107666707 A CN107666707 A CN 107666707A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- reference point
- orientation method
- indoor orientation
- point set
- 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.)
- Granted
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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于距离测量和位置指纹的室内定位方法,其特征在于,包括以下步骤:在室内的感兴趣区域中部署多个参考点,根据不同参考点的位置构建矩形网格,在矩形网格中构建以WiFi收发器为焦点,长轴为dk(t)的椭圆,根据构建的椭圆对矩形网格中的所有参考点进行过滤,即保留落入椭圆覆盖范围内的参考点,以得到过滤后的参考点集合,根据离线位置指纹地图并使用K近邻算法对过滤后的参考点集合进行指纹匹配,以得到匹配结果;本发明通过在进行指纹匹配之前,利用粗定位过滤掉离线指纹库中与目标当前位置不相关的指纹,避免不相干指纹的干扰,从而解决现有被动式指纹室内定位中,由于不相干指纹对指纹匹配造成干扰所导致的定位误差较大的技术问题。
Description
技术领域
本发明属于无线通信技术领域,更具体地,涉及一种基于距离测量和位置指纹的室内定位方法。
背景技术
随着WiFi网络的迅速普及,基于WiFi的室内定位技术由于成本低、易于实现而受到了广泛关注,其中基于WiFi的被动式指纹室内定位由于不需要待定位目标携带任何设备且具有良好的非侵入性,而逐渐成为室内定位技术研究的热点。
被动式指纹室内定位一般包括离线阶段和在线阶段两部分,其中离线阶段采集相应的信号,构建离线指纹库;在线阶段直接把在线实测指纹与离线指纹库中的所有指纹进行指纹匹配,从而估计目标位置。
然而,该定位方法存在的一个不可忽略的问题在于,在在线阶段,由于离线指纹库中存在着与目标当前位置相隔较远的参考点的指纹,这些不相干指纹可能会对指纹匹配造成干扰,从而导致定位误差较大。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于距离测量和位置指纹的室内定位方法,其目的在于,通过在进行指纹匹配之前,利用粗定位过滤掉离线指纹库中与目标当前位置不相关的指纹,避免不相干指纹的干扰,从而解决现有被动式指纹室内定位中,由于不相干指纹对指纹匹配造成干扰所导致的定位误差较大的技术问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于距离测量和位置指纹的室内定位方法,包括以下步骤:
(1)在室内的感兴趣区域中部署多个参考点,根据不同参考点的位置构建矩形网格;
(2)在矩形网格中构建以WiFi收发器为焦点,长轴为dk(t)的椭圆,其中dk(0)表示待定位目标的初始位置(x0,y0)到WiFi收发器的距离,vk(t)表示待定位目标的移动速度;
(3)根据步骤(2)构建的椭圆对矩形网格中的所有参考点进行过滤,即保留落入椭圆覆盖范围内的参考点,以得到过滤后的参考点集合;
(4)根据离线位置指纹地图并使用K近邻算法对过滤后的参考点集合进行指纹匹配,以得到匹配结果。
优选地,步骤(4)包括以下子步骤:
(4-1)计算待定位点与步骤(5)中过滤后的参考点集合中各个参考点之间的欧式距离,其定义为:
其中Fi和Fj分别表示待定位点的指纹对象、以及参考点集合中参考点的指纹对象,且有Fi={xi,yi,W1i,W2i,...,Wmi},Fj={xj,yj,W1j,W2j,...,Wmj},其中x和y表示待定位点/参考点的坐标,W表示主成分信号。
(4-2)从得到的多个欧氏距离中选取最小的p个对应的指纹对象作为最终参考点集合;
(4-3)对最终参考点集合进行层次聚类,以得到一个子簇;
(4-4)使用得到的子簇对应的指纹对象对待定位点进行估计,具体为:
其中N为子簇C中指纹对象的个数,Fi.x表示指纹对象Fi的横坐标,Fi.y表示指纹对象Fi的纵坐标。
优选地,步骤(4-3)包括以下子步骤:
(4-3-1)把最终参考点集合中的每个指纹对象作为一个簇,计算每个簇之间的欧式距离;
(4-3-2)将簇间距离最小的两个簇合并为一个簇;
(4-3-3)重新计算该合并后的簇与其他簇之间的欧式距离。
(4-3-4)重复上述步骤(4-3-2)和(4-3-3),直到将最终参考点集合中的所有指纹对象合并为一个簇为止。
优选地,离线指纹地图是通过以下步骤构建的:
A、利用网卡采集各个参考点的CSI信号,并对采集到的CSI信号进行频域低通滤波,以得到无噪声信号;
B、根据各个参考点的无噪声信号并使用PCA方法构建离线位置指纹地图。
优选地,步骤A中使用的频域低通滤波是采用二阶巴特沃斯低通滤波器。
优选地,步骤B具体包括以下子步骤:
B1、获取第一个参考点对应的PCA方法的输入信号X,并对该输入信号X进行线性变换,以得到降维后的多个信号Y作为该参考点的主成分信号;
B2、对于其余的所有参考点,重复上述步骤(B-1),从而得到所有参考点的主成分信号;
B3、为每个参考点的主成分信号分配相应的权重,具体采用以下公式:
B4、将每个参考点、其主成分信号以及对应的权重作为指纹对象存储在数据库中,从而构成离线位置指纹地图;
优选地,PCA方法的输入信号为X=(X1,X2,X3,...,Xk),其包括k个子载波(其中k为正整数),Xk表示输入信号的第k个子载波,步骤(B1)具体为:首先对输入信号X进行线性变换,转换为另一个变量Y=(Y1,Y2,Y3,...,Yk),Y可以由变量X表示如下:
Y1=u11X1+u12X2+u13X3+...+u1kXk
Y2=u21X1+u22X2+u23X3+...+u2kXk
Yk=uk1X1+uk2X2+uk3X3+...+ukkXk
其中u表示权值;
然后,在Y=(Y1,Y2,Y3,...,Yk)中选择方差比较大的m个Y作为主成分信号。
优选地,m的取值是使得以下累计贡献率Z的取值大于等于0.85所对应的m值:
其中σi表示Yi的方差。
优选地,权值u满足以下条件:
(1)ui1 2+ui2 2+ui3 2+...+uik 2=1,其中i=1,2,3,...,k;
(2)Yi与Yj之间不具有相关性,其中i≠j,i,j=1,2,3,...k;
(3)Y1是X1,X2,...,Xk的一切满足条件1的线性组合中方差最大者;Y2是与Y1不相关的X1,X2,...,Xk的所有线性组合中方差最大者;...,Yk是与Y1,Y2,...Yk-1不相关的X1,X2,...,Xk的所有线性组合中方差最大者。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明是基于信道状态信息(Channel State Information,简称CSI)的距离测量算法,其首先使用距离测量算法推算出目标与WiFi收发器之间的距离,然后利用该距离信息确定目标所处位置的区域范围(即粗定位),由此可以从指纹库中剔除不在该区域范围内的指纹数据;相比于传统被动式指纹室内定位方法在在线阶段直接进行指纹匹配,本发明的粗定位不仅减少了需要匹配的指纹数量,而且可以消除粗定位区域范围外指纹的干扰,从而使得本发明相对于现有基于WiFi的被动式指纹室内定位方法具有更好的定位精度;
(2)本发明通过主成分分析(Principal Component Analysis,简称PCA)从CSI中提取主成分,并对主成分设置相应的权重,从而不仅简化了CSI信号,最大程度地保留了与位置相关的CSI信息,而且消除了部分与目标位置无关的噪声;
(3)本发明通过根据每个主成分对应的方差设置主成分的权重,使用带有权重的主成分生成指纹,相比传统方法直接使用CSI生成指纹,本发明的方法在相同位置生成的指纹具有更好的相似性,在不同位置生成的指纹能够更容易区分开来;
(4)本发明在指纹匹配阶段,使用层次聚类算法对最相关的k个参考点指纹使用指纹的信号域信息与地理位置域信息进行聚类分析,然后选择其中一个子簇进行位置估计,从而实现了比现有的k近邻算法更好的定位精度;
(5)相对于现有的主要室内定位技术,包括红外线室内定位技术、超声波室内定位技术、蓝牙室内定位技术、RFID室内定位技术、ZigBee室内定位技术、以及UWB室内定位技术等,本发明技术成本低,易实现,覆盖范围广,且具有良好的扩展性,因此在实际生活中具有广泛的应用前景。
附图说明
图1是本发明基于距离测量和位置指纹的室内定位方法的流程图;
图2是本发明对选定的参考点进行过滤的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明的整体思路在于,提出了一种基于距离测量和位置指纹的室内定位方法(Indoor Localization Method based on Location Fingerprint and RangeMeasurement,简称ILLFRM),该方法包括离线阶段和在线阶段两部分。其中,离线阶段,使用基于主成分分析(Principal Component Analysis,简称PCA)的指纹生成方法构建离线指纹库;在线阶段,首先通过距离测量算法进行粗定位,过滤离线指纹库,然后通过改进的指纹匹配算法确定目标的具体位置。
如图1所示,本发明基于距离测量和位置指纹的室内定位方法包括以下步骤:
一、构建离线指纹地图过程,具体包括:
(1)在室内的感兴趣区域中部署多个参考点(相邻参考点之间的距离是0到1米之间),利用网卡采集各个参考点的信道状态信息(channel state information,简称CSI)信号,并对采集到的CSI信号进行频域低通滤波,以得到无噪声信号;
具体而言,本步骤中使用的是Intel 5300AGN无线网卡,使用的频域低通滤波是采用二阶巴特沃斯低通滤波器。
(2)根据各个参考点的无噪声信号并使用主成分分析法(Primary componentanalysis,简称PCA)构建离线位置指纹地图;本步骤具体包括以下子步骤:
(2-1)获取第一个参考点对应的PCA方法的输入信号X,并对该输入信号X进行线性变换,以得到降维后的多个信号Y作为该参考点的主成分信号;
具体而言,PCA方法的输入信号为X=(X1,X2,X3,...,Xk),其包括k个子载波(其中k为正整数),Xk表示输入信号的第k个子载波,本步骤首先对输入信号X进行线性变换,转换为另一个变量Y=(Y1,Y2,Y3,...,Yk),Y可以由变量X表示如下:
Y1=u11X1+u12X2+u13X3+...+u1kXk
Y2=u21X1+u22X2+u23X3+...+u2kXk
Yk=uk1X1+uk2X2+uk3X3+...+ukkXk
其中u表示权值,其满足以下条件:
(1)ui1 2+ui2 2+ui3 2+...+uik 2=1,其中i=1,2,3,...,k;
(2)Yi与Yj(i≠j,i,j=1,2,3,...k)之间不具有相关性;
(3)Y1是X1,X2,...,Xk的一切满足条件1的线性组合中方差最大者;Y2是与Y1不相关的X1,X2,...,Xk的所有线性组合中方差最大者;...,Yk是与Y1,Y2,...Yk-1不相关的X1,X2,...,Xk的所有线性组合中方差最大者。
然后,在Y=(Y1,Y2,Y3,...,Yk)中选择方差比较大的m个Y作为主成分信号,其中m的取值,是使得以下累计贡献率Z的取值大于等于一阈值(该阈值等于0.85)所对应的m值:
其中σi表示Yi的方差;
这样做的目的,是使得指标数目变少,并且这些主成分比原始数据更具有代表性,既能够提高系统处理效率,又保留了原始数据的大部分信息。
(2-2)对于其余的所有参考点,重复上述步骤(2-1),从而得到所有参考点的主成分信号;
(2-3)为每个参考点的主成分信号分配相应的权重,具体采用以下公式:
(2-4)将每个参考点、其主成分信号以及对应的权重作为指纹对象存储在数据库中,从而构成离线位置指纹地图;
二、参考点的粗定位过程,包括以下步骤:
(3)根据不同参考点的位置构建矩形网格,如图2所示;
(4)在矩形网格中构建以WiFi收发器为焦点,长轴为dk(t)的椭圆,如图2所示;
其中
在时间T=0时,待定位目标在初始位置(x0,y0),该初始位置(x0,y0)到WiFi收发器的距离为dk(0),经过时间t,目标移动到某一个位置(x,y),(x,y)到WiFi收发器的距离为dk(t),vk(t)表示待定位目标的移动速度;
(5)根据步骤(4)构建的椭圆对矩形网格中的所有参考点进行过滤,即保留落入椭圆覆盖范围内的参考点,以得到过滤后的参考点集合;
三、参考点的精确定位,包括以下步骤:
(6)根据离线位置指纹地图并使用K近邻算法对过滤后的参考点集合进行指纹匹配,以得到匹配结果。
具体而言,本步骤包括以下子步骤:
(6-1)计算待定位点与步骤(5)中过滤后的参考点集合中各个参考点之间的欧式距离,其定义为:
其中Fi和Fj分别表示待定位点的指纹对象、以及参考点集合中参考点的指纹对象,且有Fi={xi,yi,W1i,W2i,...,Wmi},Fj={xj,yj,W1j,W2j,...,Wmj},其中x和y表示待定位点/参考点的坐标,W表示主成分信号。
(6-2)从得到的多个欧氏距离中选取最小的p个对应的指纹对象作为最终参考点集合;
(6-3)对最终参考点集合进行层次聚类,以得到一个子簇;
本步骤具体包括以下子步骤:
(6-3-1)把最终参考点集合中的每个指纹对象作为一个簇,计算每个簇之间的欧式距离;
(6-3-2)将簇间距离最小的两个簇合并为一个簇;
(6-3-3)重新计算该合并后的簇与其他簇之间的欧式距离。
(6-3-4)重复上述步骤(6-3-2)和(6-3-3),直到将最终参考点集合中的所有指纹对象合并为一个簇为止。
(6-4)使用得到的子簇对应的指纹对象对待定位点进行估计,具体为:
其中N为子簇C中指纹对象的个数,Fi.x表示指纹对象Fi的横坐标,Fi.y表示指纹对象Fi的纵坐标。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于距离测量和位置指纹的室内定位方法,其特征在于,包括以下步骤:
(1)在室内的感兴趣区域中部署多个参考点,根据不同参考点的位置构建矩形网格;
(2)在矩形网格中构建以WiFi收发器为焦点,长轴为dk(t)的椭圆,其中dk(0)表示待定位目标的初始位置(x0,y0)到WiFi收发器的距离,vk(t)表示待定位目标的移动速度;
(3)根据步骤(2)构建的椭圆对矩形网格中的所有参考点进行过滤,即保留落入椭圆覆盖范围内的参考点,以得到过滤后的参考点集合;
(4)根据离线位置指纹地图并使用K近邻算法对过滤后的参考点集合进行指纹匹配,以得到匹配结果。
2.根据权利要求1所述的室内定位方法,其特征在于,步骤(4)包括以下子步骤:
(4-1)计算待定位点与步骤(5)中过滤后的参考点集合中各个参考点之间的欧式距离,其定义为:
其中Fi和Fj分别表示待定位点的指纹对象、以及参考点集合中参考点的指纹对象,且有Fi={xi,yi,W1i,W2i,...,Wmi},Fj={xj,yj,W1j,W2j,...,Wmj},其中x和y表示待定位点/参考点的坐标,W表示主成分信号。
(4-2)从得到的多个欧氏距离中选取最小的p个对应的指纹对象作为最终参考点集合;
(4-3)对最终参考点集合进行层次聚类,以得到一个子簇;
(4-4)使用得到的子簇对应的指纹对象对待定位点进行估计,具体为:
其中N为子簇C中指纹对象的个数,Fi.x表示指纹对象Fi的横坐标,Fi.y表示指纹对象Fi的纵坐标。
3.根据权利要求2所述的室内定位方法,其特征在于,步骤(4-3)包括以下子步骤:
(4-3-1)把最终参考点集合中的每个指纹对象作为一个簇,计算每个簇之间的欧式距离;
(4-3-2)将簇间距离最小的两个簇合并为一个簇;
(4-3-3)重新计算该合并后的簇与其他簇之间的欧式距离。
(4-3-4)重复上述步骤(4-3-2)和(4-3-3),直到将最终参考点集合中的所有指纹对象合并为一个簇为止。
4.根据权利要求1所述的室内定位方法,其特征在于,离线指纹地图是通过以下步骤构建的:
A、利用网卡采集各个参考点的CSI信号,并对采集到的CSI信号进行频域低通滤波,以得到无噪声信号;
B、根据各个参考点的无噪声信号并使用PCA方法构建离线位置指纹地图。
5.根据权利要求4所述的室内定位方法,其特征在于,步骤A中使用的频域低通滤波是采用二阶巴特沃斯低通滤波器。
6.根据权利要求4所述的室内定位方法,其特征在于,步骤B具体包括以下子步骤:
B1、获取第一个参考点对应的PCA方法的输入信号X,并对该输入信号X进行线性变换,以得到降维后的多个信号Y作为该参考点的主成分信号;
B2、对于其余的所有参考点,重复上述步骤(B-1),从而得到所有参考点的主成分信号;
B3、为每个参考点的主成分信号分配相应的权重,具体采用以下公式:
B4、将每个参考点、其主成分信号以及对应的权重作为指纹对象存储在数据库中,从而构成离线位置指纹地图。
7.根据权利要求6所述的室内定位方法,其特征在于,PCA方法的输入信号为X=(X1,X2,X3,...,Xk),其包括k个子载波(其中k为正整数),Xk表示输入信号的第k个子载波,步骤(B1)具体为:首先对输入信号X进行线性变换,转换为另一个变量Y=(Y1,Y2,Y3,...,Yk),Y可以由变量X表示如下:
Y1=u11X1+u12X2+u13X3+...+u1kXk
Y2=u21X1+u22X2+u23X3+...+u2kXk
Yk=uk1X1+uk2X2+uk3X3+...+ukkXk
其中u表示权值;
然后,在Y=(Y1,Y2,Y3,...,Yk)中选择方差比较大的m个Y作为主成分信号。
8.根据权利要求7所述的室内定位方法,其特征在于,m的取值,是使得以下累计贡献率Z的取值大于等于0.85所对应的m值:
其中σi表示Yi的方差。
9.根据权利要求7所述的室内定位方法,其特征在于,权值u满足以下条件:
(1)ui1 2+ui2 2+ui3 2+...+uik 2=1,其中i=1,2,3,...,k;
(2)Yi与Yj之间不具有相关性,其中i≠j,i,j=1,2,3,...k;
(3)Y1是X1,X2,...,Xk的一切满足条件1的线性组合中方差最大者;Y2是与Y1不相关的X1,X2,...,Xk的所有线性组合中方差最大者;...,Yk是与Y1,Y2,...Yk-1不相关的X1,X2,...,Xk的所有线性组合中方差最大者。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710914806.5A CN107666707B (zh) | 2017-09-30 | 2017-09-30 | 一种基于距离测量和位置指纹的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710914806.5A CN107666707B (zh) | 2017-09-30 | 2017-09-30 | 一种基于距离测量和位置指纹的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107666707A true CN107666707A (zh) | 2018-02-06 |
CN107666707B CN107666707B (zh) | 2020-01-10 |
Family
ID=61098138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710914806.5A Active CN107666707B (zh) | 2017-09-30 | 2017-09-30 | 一种基于距离测量和位置指纹的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107666707B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109084774A (zh) * | 2018-08-07 | 2018-12-25 | 西安电子科技大学 | 一种基于信道状态信息的无人机集群定位方法 |
CN109951807A (zh) * | 2019-02-27 | 2019-06-28 | 西北师范大学 | 基于WiFi信号的融合RSS和CSI室内定位方法 |
CN110333484A (zh) * | 2019-07-15 | 2019-10-15 | 桂林电子科技大学 | 基于环境背景声感知与分析的室内区域级定位方法 |
CN110430523A (zh) * | 2019-06-10 | 2019-11-08 | 成都理工大学 | 基于WiFi指纹的室内定位接入点三维部署算法 |
CN110503794A (zh) * | 2019-08-01 | 2019-11-26 | 杭州朗鸿科技股份有限公司 | 一种用于商品防盗的无线监控系统 |
CN110839202A (zh) * | 2019-11-25 | 2020-02-25 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN110967667A (zh) * | 2019-11-19 | 2020-04-07 | 重庆大学 | 一种基于众包Wi-Fi指纹定位的室内轨迹采集方法 |
CN111278104A (zh) * | 2020-03-23 | 2020-06-12 | 桂林电子科技大学 | 一种优化环境背景声特征指纹维度的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070075995A1 (en) * | 2005-09-30 | 2007-04-05 | Rockwell Automation Technologies, Inc. | Three-dimensional immersive system for representing an automation control environment |
US7412248B2 (en) * | 2004-06-15 | 2008-08-12 | Technocom Corporation | System and method for location determination |
CN102186239A (zh) * | 2011-04-13 | 2011-09-14 | 福建星网锐捷网络有限公司 | 射频指纹定位方法、装置及网络设备 |
CN103476115A (zh) * | 2013-09-22 | 2013-12-25 | 中国地质大学(武汉) | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
CN103889051A (zh) * | 2014-02-18 | 2014-06-25 | 北京工业大学 | 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法 |
CN104093203A (zh) * | 2014-07-07 | 2014-10-08 | 浙江师范大学 | 一种用于无线室内定位的接入点选择算法 |
CN105101406A (zh) * | 2015-06-26 | 2015-11-25 | 上海汇纳信息科技股份有限公司 | 一种基于无线强度的室内定位方法及系统 |
-
2017
- 2017-09-30 CN CN201710914806.5A patent/CN107666707B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7412248B2 (en) * | 2004-06-15 | 2008-08-12 | Technocom Corporation | System and method for location determination |
US20070075995A1 (en) * | 2005-09-30 | 2007-04-05 | Rockwell Automation Technologies, Inc. | Three-dimensional immersive system for representing an automation control environment |
CN102186239A (zh) * | 2011-04-13 | 2011-09-14 | 福建星网锐捷网络有限公司 | 射频指纹定位方法、装置及网络设备 |
CN103476115A (zh) * | 2013-09-22 | 2013-12-25 | 中国地质大学(武汉) | 一种基于AP集相似度的Wi-Fi指纹定位方法 |
CN103889051A (zh) * | 2014-02-18 | 2014-06-25 | 北京工业大学 | 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法 |
CN104093203A (zh) * | 2014-07-07 | 2014-10-08 | 浙江师范大学 | 一种用于无线室内定位的接入点选择算法 |
CN105101406A (zh) * | 2015-06-26 | 2015-11-25 | 上海汇纳信息科技股份有限公司 | 一种基于无线强度的室内定位方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘志鹏,袁敏: "一种基于WiFi 的改进型室内位置指纹定位方法", 《计算机与现代化》 * |
赵庆贺,邓平等: "一种基于AP ID过滤的WLAN 位置指纹定位算法", 《通信技术》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109084774B (zh) * | 2018-08-07 | 2022-07-26 | 西安电子科技大学 | 一种基于信道状态信息的无人机集群定位方法 |
CN109084774A (zh) * | 2018-08-07 | 2018-12-25 | 西安电子科技大学 | 一种基于信道状态信息的无人机集群定位方法 |
CN109951807A (zh) * | 2019-02-27 | 2019-06-28 | 西北师范大学 | 基于WiFi信号的融合RSS和CSI室内定位方法 |
CN110430523A (zh) * | 2019-06-10 | 2019-11-08 | 成都理工大学 | 基于WiFi指纹的室内定位接入点三维部署算法 |
CN110333484B (zh) * | 2019-07-15 | 2021-04-13 | 桂林电子科技大学 | 基于环境背景声感知与分析的室内区域级定位方法 |
CN110333484A (zh) * | 2019-07-15 | 2019-10-15 | 桂林电子科技大学 | 基于环境背景声感知与分析的室内区域级定位方法 |
CN110503794A (zh) * | 2019-08-01 | 2019-11-26 | 杭州朗鸿科技股份有限公司 | 一种用于商品防盗的无线监控系统 |
CN110967667A (zh) * | 2019-11-19 | 2020-04-07 | 重庆大学 | 一种基于众包Wi-Fi指纹定位的室内轨迹采集方法 |
CN112153563A (zh) * | 2019-11-25 | 2020-12-29 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN110839202B (zh) * | 2019-11-25 | 2021-01-26 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN110839202A (zh) * | 2019-11-25 | 2020-02-25 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN112153563B (zh) * | 2019-11-25 | 2023-04-11 | 广东博智林机器人有限公司 | 定位方法、装置、电子设备及存储介质 |
CN111278104A (zh) * | 2020-03-23 | 2020-06-12 | 桂林电子科技大学 | 一种优化环境背景声特征指纹维度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107666707B (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107666707A (zh) | 一种基于距离测量和位置指纹的室内定位方法 | |
CN106407905B (zh) | 基于机器学习的无线感知动作识别方法 | |
Xie et al. | Optimized coherent integration-based radio frequency fingerprinting in Internet of Things | |
CN108924736B (zh) | 一种基于PCA-Kalman的无源室内人员状态检测方法 | |
CN103796305B (zh) | 一种基于Wi‑Fi位置指纹的室内定位方法 | |
CN113435247B (zh) | 一种通信干扰智能识别方法、系统及终端 | |
CN109444813A (zh) | 一种基于bp和dnn双神经网络的rfid室内定位方法 | |
CN110536245A (zh) | 一种基于深度学习的室内无线定位方法及系统 | |
CN105786189B (zh) | 一种基于肌动信号的指部独立动作识别方法及系统 | |
CN101763507A (zh) | 人脸识别方法及人脸识别系统 | |
CN113158793A (zh) | 一种基于多特征融合的多类运动想象脑电信号识别方法 | |
CN104053129A (zh) | 一种基于稀疏射频指纹插值的无线传感器网络室内定位方法和装置 | |
CN104700069A (zh) | 一种非绑定式射频标签健身动作识别监控系统及其方法 | |
CN113438731B (zh) | 一种基于信号质量控制与特征指纹增强的定位方法及系统 | |
CN110138468B (zh) | 多节点软件无线电平台的Lora信号监测系统及方法 | |
CN103297924A (zh) | 基于信道估计的新型定位指纹设计方法及室内定位系统 | |
CN110049549A (zh) | 基于WiFi指纹的多融合室内定位方法及其系统 | |
CN106934773A (zh) | 视频运动目标与Mac地址匹配方法 | |
CN111402883A (zh) | 一种复杂环境下分布式语音交互系统中就近响应系统和方法 | |
CN106373018A (zh) | 一种用于魔芋种植的互联网管理系统 | |
CN113743374B (zh) | 一种基于信道状态信息呼吸感知的人员身份识别方法 | |
Tan et al. | Specific emitter identification based on software-defined radio and decision fusion | |
WO2024041053A1 (zh) | 一种室内被动式人体行为识别方法及装置 | |
CN110472584A (zh) | 一种通信设备身份识别方法、电子设备及计算机程序产品 | |
CN113453180A (zh) | 一种人体摔倒智能检测方法、系统、信息数据处理终端 |
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 |