CN107820202B - 一种基于空间特征的室内定位分区方法 - Google Patents

一种基于空间特征的室内定位分区方法 Download PDF

Info

Publication number
CN107820202B
CN107820202B CN201710930942.3A CN201710930942A CN107820202B CN 107820202 B CN107820202 B CN 107820202B CN 201710930942 A CN201710930942 A CN 201710930942A CN 107820202 B CN107820202 B CN 107820202B
Authority
CN
China
Prior art keywords
partition
same
mac
test
num
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
Application number
CN201710930942.3A
Other languages
English (en)
Other versions
CN107820202A (zh
Inventor
傅惠民
杨海峰
张勇波
王治华
肖梦丽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201710930942.3A priority Critical patent/CN107820202B/zh
Publication of CN107820202A publication Critical patent/CN107820202A/zh
Application granted granted Critical
Publication of CN107820202B publication Critical patent/CN107820202B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B17/00—Monitoring; Testing
    • H04B17/30—Monitoring; Testing of propagation channels
    • H04B17/309—Measuring or estimating channel quality parameters
    • H04B17/318—Received signal strength
    • 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
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Peptides Or Proteins (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供一种基于空间特征的室内定位分区方法，步骤如下：一：划分分区；二：提取分区标识序列；三：分区判别；通过步骤一到步骤三，基于空间特征的室内分区过程被执行，它由两部分组成：第一部分是将目标区域划分为不同分区，同时得到各分区的标识序列和指纹数据库；第二部分则给出了判断测试点处于哪一分区的两级判据：标识序列判别和欧氏距离判别；通过分区，在大面积目标区域内进行室内定位成为可能，为后续基于分区内部指纹数据库的指纹匹配方法的实现奠定了基础。

Description

一种基于空间特征的室内定位分区方法
【技术领域】
本发明提供一种基于空间特征的室内定位分区方法，属于室内定位技术领域。
【背景技术】
在移动技术蓬勃发展的今天，基于位置信息的服务在人们的日常生活中发挥的作用愈加重要。其中室外定位服务随着全球卫星导航系统的发展与完善已日臻成熟，然而对于高精度室内定位与导航服务等全新需求则在不断涌现。据估算，仅在亚洲—环太平洋地区室内定位相关市场在2013年便已增至7.65亿美元，近年内则将增至数十亿美元。众多公司已在各方面尝试将室内定位服务拓展并进行大规模商业化运营。
截止目前，室内定位尚未形成一套统一、成熟的解决方案。但是基于不同应用场景与环境的各种室内定位方法不断被提出，其中主要包括：基于微电子机械系统(Micro-Electro-Mechanical System,MEMS)的行人航迹递推(Pedestrian Dead Reckoning,PDR)算法、利用无线射频识别(Radio Frequency Identification,RFID)技术的室内定位方法、基于伪卫星网的室内GPS定位方法以及基于WIFI信号的室内定位方法等。然而，上述方法都面临着各种各样的问题：由于MEMS的误差累计，PDR算法的定位精度会逐渐降低，以致完全失效；而RFID定位和室内伪卫星定位则都需要铺设大量外接设备以构建导航网络，高昂的采购与部署成本限制了其在商业领域的大规模推广应用。
随着移动互联网的飞速发展，WIFI网络迅速普及，遍布现代社会各个角落，因此基于无线保真(WIreless-Fidelity,WIFI)信号的室内定位技术，以其部署成本低、易于推广、精度较高等优势，愈发引起研究人员的重视，逐渐成为室内定位技术的热点。其中，又以WIFI指纹匹配法中的加权K邻近方法(Weighted K Nearest Neighbors,WKNN)的位置估计精度更高，对复杂环境的适应能力更强，故而具有较大的发展优势；传统的WIFI指纹匹配法针对一个目标区域只能建立一套指纹数据库，如果遇到目标区域面积较大的情况，的发射WIFI信号的无线接入点(Access Point,AP)所能覆盖的区域又十分有限，指纹数据库便无法建立，更无法对用户位置进行估计。
【发明内容】
本发明的目的是提供一种基于空间特征的室内定位分区方法，用以解决WIFI指纹匹配法无法针对面积较大的目标区域建立指纹数据库的问题。其通过分期目标区域的空间特征，在空间上将目标区域划分为多个面积较小的分区，在每个分区内部建立分区指纹数据库。同时给出用户位置的分区判别依据，进而保证用户可以调取相应分区的指纹数据库，执行WIFI指纹匹配方法。
本发明一种基于空间特征的室内定位分区方法，它包含以下三个步骤：
步骤一：划分分区
根据目标区域的面积大小，恰当选取参考指纹点(Reference Point,RP)的分布密度，记录各RP的位置信息；在每个RP处获取各AP信息，并记录相应的WIFI信号强度值(Received Signal Strength Indication,RSSI)值；设目标区域内共有参考点m个，第i个RP的位置坐标为(xi,yi)，在该点可获取ni个AP信息，其中第j个AP的媒体访问控制(MediaAccess Control,MAC)地址为MAC_i_j，对应的强度值为RSSI_i_j，则WIFI信号的原始数据可以表示为
Figure BDA0001428753370000021
通过分析目标区域的空间特征，将m个RP分配到k个不同的分区，设第i个分区内有参考点im个，则该分区内的WIFI信号数据可以表示为
Figure BDA0001428753370000031
由于每个RP处能够接受到的AP信号数目各不相同，所以每条RP数据的长度不可能全部相同，为了后续计算的方便，需要对分区内的WIFI信号数据进行预处理，使其长度保持一致。具体做法是截取分区内所有RP所共有的AP信息组装成长度统一的分区指纹数据库；设i分区内im个RP所共有的AP数目为ni，则分区指纹数据库可以表示为
Figure BDA0001428753370000041
步骤二：提取分区标识序列
各分区的最主要区别在于其内部信号较强的AP各不相同，因此，将每个分区内信号最强的q个AP的MAC地址按照RSSI由强到弱的顺序排列组装成一串特征序列，其便可以作为分区的标识序列简捷地反映出各分区的特征；具体做法为：
(1)对i分区指纹数据库内对应相同MAC地址的RSSI值进行求和运算，并按照由强到弱的顺序进行排列，得到强度和序列
Figure BDA0001428753370000042
式中
Figure BDA0001428753370000043
(2)若某AP在分区内部影响较大，则分区内绝大部分RP可以接收其RSSI，且数值较大。通过式(4)和式(5)的求和运算后，该AP对应的强度和数值也较大，排序靠前；因此可以截取式(4)所示序列的前q个作为分区的标识信息组成新的强度和序列
Figure BDA0001428753370000051
(3)将式(6)中RSSI值的和依照式(3)所示的分区指纹数据库替换为其各自对应的MAC地址，则可得到i分区的标识序列
Figure BDA0001428753370000052
步骤三：分区判别
由于对目标区域进行了分区处理，当测试点数据获得以后，首先需要执行对其所处分区的判别，之后才能够调取相应分区内的WIFI指纹数据执行WKNN方法；设在测试点获取的测试数据包含p个AP信息，将其按信号强度从强到弱排序后可以表示为
Figure BDA0001428753370000053
截取测试数据的前q个MAC地址组成测试序列
Figure BDA0001428753370000054
将式(9)中的测试序列与式(7)中每个分区的识别序列进行比对，记录各组数据在2q个MAC地址中重合的个数，记作num_samei，其中1≤i≤k；
一般来说，选取{num_same}中数值最大的一个，其所对应的i即为当前测试点所处的分区编号。但是，当测试点处于两分区交界线附近时，其受到两个分区的影响程度相当，便很容易出现num_samei＝num_samej的情况，此时算法将无从判断测试点所处的分区，更严重时甚至会造成分区的误匹配；为了尽可能减少匹配失效和误匹配情况的发生，本发明在采用识别序列进行分区判别的基础上，引入信号空间距离判定作为二级判定依据，其具体做法为：
(1)设定启动二级判据的阈值Δnum_same，设{num_sam}e中数值最大的两个分别为num_samei和num_samej，且num_samei≥num_samej，如果两者的差值大于Δnum_same，说明i分区对测试点的影响力远大于j分区，此时不需要启动二级判据；如果两者的差值小于或等于Δnum_same，说明两分区对测试点的影响力相当，此时便需要启动信号空间距离判据；
(2)二级判据启动后，测试点需要依照WKNN算法分别与i、j两个分区内的指纹数据逐一计算信号空间距离，各空间距离可以表示为
Figure BDA0001428753370000061
在上式计算过程中，由于测试数据和两个分区指纹数据所包含的AP信息不尽相同，因此需要截取各组数据所共有的AP信息进行计算；
(3)由于计算信号空间距离时，对两个分区指纹数据截取的维度不同，为了使空间距离具有可比性，将式(10)中的空间距离分别除以各自对应的维度，得到归一化的信号空间距离，按距离从小到大排序后可以表示为
Figure BDA0001428753370000062
式中
Figure BDA0001428753370000063
其中，
Figure BDA0001428753370000064
为[MAC_test_1 ... MAC_test_p]T与[MAC_i_1 ... MAC_i_ni]T重合的个数，
Figure BDA0001428753370000065
为[MAC_test_1 ... MAC_test_p]T与[MAC_j_1 ... MAC_j_nj]重合的个数；
(4)截取式(11)中归一化空间距离最小的K个，记作
Figure BDA0001428753370000071
对其进行平均值的求取，得到K个归一化欧式距离的均值
Figure BDA0001428753370000072
如果mean_li≤mean_lj，则判定测试点处于i分区，反之则为j分区；
通过步骤一到步骤三，基于空间特征的室内分区过程被执行，它由两部分组成：第一部分是将目标区域划分为不同分区，同时得到各分区的标识序列和指纹数据库；第二部分则给出了判断测试点处于哪一分区的两级判据：标识序列判别和欧氏距离判别；通过分区，在大面积目标区域内进行室内定位成为可能，为后续基于分区内部指纹数据库的指纹匹配方法的实现奠定了基础。
本发明的有益效果包括
(1)按照空间特征将面积较大的目标区域划分为了多个面积较小的分区，解决了传统WKNN算法无法针对大面积区域建立指纹数据库的问题。
(2)提出了基于识别序列和信号空间距离的测试点分区判别算法，保证了用户在测试点获取测试数据以后可以调取正确的分区指纹数据库。
(3)通过分区，原始的WIFI数据被划分为多个部分，计算过程中只需调用部分数据，减少了计算量。
【附图说明】
图1为本发明方法流程示意图。
发明中序号、符号、代号说明如下：
RP_j：第j个参考点
(xj,yj)：RP_j的位置坐标
AP_i_j：第i个参考点测得的第j个AP
MAC_i_j：AP_i_j的MAC地址
RSSI_i_j：AP_i_j的信号强度
k：分区数目
RSSIsum_i_j：i分区内第j个共有AP的信号强度和
MACzone_i_j：i分区识别序列中第j个MAC地址
AP_test_j：测试点测得的第j个AP
MAC_test_1：AP_test_j的MAC地址
RSSI_test_1：AP_test_j的信号强度
num_samei：MAC地址重合数目
Δnum_same：二级判据启动阈值
L_ij：信号空间距离
l_ij：归一化信号空间距离
K：候选参考点个数
mean_li：i分区对应的归一化欧式距离的均值
【具体实施方式】
下面结合附图对本发明作详细说明。
本发明提出了一种基于空间特征的室内定位分区方法，其流程图如图1所示，它包括以下三个步骤：
步骤一：划分分区
设目标区域内共有参考点m个，第i个RP的位置坐标为(xi,yi)，在该点可获取ni个AP信息，则WIFI信号的原始数据为
Figure BDA0001428753370000091
将m个RP分配到k个不同的分区，设第i个分区内有参考点im个，则该分区内的WIFI信号数据为
Figure BDA0001428753370000092
设i分区内im个RP所共有的AP数目为ni，则分区指纹数据库可以表示为
Figure BDA0001428753370000101
步骤二：提取分区标识序列
(1)对i分区指纹数据库内对应相同MAC地址的RSSI值进行求和运算，并按照由强到弱的顺序进行排列，得到强度和序列
Figure BDA0001428753370000102
式中
Figure BDA0001428753370000103
(2)截取式强度和序列的前q个作为分区的标识信息组成新的强度和序列
Figure BDA0001428753370000104
(3)将上式中RSSI值的和依照分区指纹数据库替换为其各自对应的MAC地址，则可得到i分区的标识序列
Figure BDA0001428753370000105
步骤三：分区判别
设在测试点获取的测试数据包含p个AP信息，将其按信号强度从强到弱排序后为
Figure BDA0001428753370000111
截取测试数据的前q个MAC地址组成测试序列
Figure BDA0001428753370000112
将测试序列与每个分区的识别序列进行比对，记录各组数据在2q个MAC地址中重合的个数，记作num_samei，其中1≤i≤k。
一般来说，选取{num_same}中数值最大的一个，其所对应的i即为当前测试点所处的分区编号。特殊情况下，在采用识别序列进行分区判别的基础上，引入信号空间距离判定作为二级判定依据，其具体做法为：
(1)设定启动二级判据的阈值Δnum_same，设{num_sam}e中数值最大的两个分别为num_samei和num_samej，且num_samei≥num_samej，若两者的差值小于或等于Δnum_same，启动信号空间距离判据。
(2)二级判据启动后，逐一计算测试点与i、j两个分区内的指纹数据信号空间距离：
Figure BDA0001428753370000113
(3)将上式中的空间距离分别除以各自对应的维度，得到归一化的信号空间距离，按距离从小到大排序后为
Figure BDA0001428753370000114
式中
Figure BDA0001428753370000121
其中，
Figure BDA0001428753370000122
为[MAC_test_1 ... MAC_test_p]T与[MAC_i_1 ... MAC_i_ni]T重合的个数，
Figure BDA0001428753370000123
为[MAC_test_1 ... MAC_test_p]T与[MAC_j_1 ... MAC_j_nj]重合的个数。
(4)截取式(25)中归一化空间距离最小的K个，记作
Figure BDA0001428753370000124
对其进行平均值的求取
Figure BDA0001428753370000125
若mean_li≤mean_lj，则判定测试点处于i分区，反之则为j分区。

Claims (1)

1.一种基于空间特征的室内定位分区方法，其特征在于：它包含以下三个步骤：
步骤一：划分分区
根据目标区域的面积大小，恰当选取参考指纹点即RP的分布密度，记录各RP的位置信息；在每个RP处获取各AP信息，并记录相应的WIFI信号强度值即RSSI值；设目标区域内共有参考点m个，第i个RP的位置坐标为(xi,yi)，在该点能获取ni个AP信息，其中第j个AP的媒体访问控制即MAC地址为MAC_i_j，对应的强度值为RSSI_i_j，则WIFI信号的原始数据为
Figure FDA0002498554900000011
通过分析目标区域的空间特征，将m个RP分配到k个不同的分区，设第i个分区内有参考点mi个，则该分区内的WIFI信号数据为
Figure FDA0002498554900000021
由于每个RP处能够接受到的AP信号数目各不相同，所以每条RP数据的长度不可能全部相同，为了后续计算的方便，需要对分区内的WIFI信号数据进行预处理，使其长度保持一致；具体做法是截取分区内所有RP所共有的AP信息组装成长度统一的分区指纹数据库；设i分区内mi个RP所共有的AP数目为ni，则分区指纹数据库为
Figure FDA0002498554900000022
步骤二：提取分区标识序列
各分区的最主要区别在于其内部信号很强的AP各不相同，因此，将每个分区内信号最强的q个AP的MAC地址按照RSSI由强到弱的顺序排列组装成一串特征序列，其便能作为分区的标识序列简捷地反映出各分区的特征；具体做法为：
(1)对i分区指纹数据库内对应相同MAC地址的RSSI值进行求和运算，并按照由强到弱的顺序进行排列，得到强度和序列
Figure FDA0002498554900000031
式中
Figure FDA0002498554900000032
(2)若一AP在分区内部影响大，则分区内绝大部分RP能接收其RSSI，且数值大；通过式(4)和式(5)的求和运算后，该AP对应的强度和数值也大，排序靠前；因此能截取式(4)所示序列的前q个作为分区的标识信息组成新的强度和序列
Figure FDA0002498554900000033
(3)将式(6)中RSSI值的和依照式(3)所示的分区指纹数据库替换为其各自对应的MAC地址，则得到i分区的标识序列
Figure FDA0002498554900000034
步骤三：分区判别
由于对目标区域进行了分区处理，当测试点数据获得以后，首先需要执行对其所处分区的判别，之后才能够调取相应分区内的WIFI指纹数据执行指纹匹配方法；设在测试点获取的测试数据包含p个AP信息，将其按信号强度从强到弱排序后能表示为
Figure FDA0002498554900000041
截取测试数据的前q个MAC地址组成测试序列
Figure FDA0002498554900000042
将式(9)中的测试序列与式(7)中每个分区的识别序列进行比对，记录各组数据在2q个MAC地址中重合的个数，记作num_samei，其中1≤i≤k；
选取{num_same}中数值最大的一个，其所对应的i即为当前测试点所处的分区编号；但是，当测试点处于两分区交界线附近时，其受到两个分区的影响程度相当，便很容易出现num_samei＝num_samej的情况，此时将无从判断测试点所处的分区，更严重时甚至会造成分区的误匹配；为了尽可能减少匹配失效和误匹配情况的发生，在采用识别序列进行分区判别的基础上，引入信号空间距离判定作为二级判定依据，其具体做法为：
(1)设定启动二级判据的阈值Δnum_same，设{num_same}中数值最大的两个分别为num_samei和num_samej，且num_samei≥num_samej，如果两者的差值大于Δnum_same，说明i分区对测试点的影响力远大于j分区，此时不需要启动二级判据；如果两者的差值小于及等于Δnum_same，说明两分区对测试点的影响力相当，此时便需要启动信号空间距离判据；
(2)二级判据启动后，测试点需要依照指纹匹配算法分别与i、j两个分区内的指纹数据逐一计算信号空间距离，各空间距离能表示为
Figure FDA0002498554900000043
在上式计算过程中，由于测试数据和两个分区指纹数据所包含的AP信息不尽相同，因此需要截取各组数据所共有的AP信息进行计算；
(3)由于计算信号空间距离时，对两个分区指纹数据截取的维度不同，为了使空间距离具有可比性，将式(10)中的空间距离分别除以各自对应的维度，得到归一化的信号空间距离，按距离从小到大排序后能表示为
Figure FDA0002498554900000051
式中
Figure FDA0002498554900000052
其中，
Figure FDA0002498554900000053
为[MAC_test_1...MAC_test_p]T与[MACi_r_1...MACi_r_ni]T重合的个数，
Figure FDA0002498554900000054
为[MAC_test_1...MAC_test_p]T与[MACj_r_1...MACj_r_nj]T重合的个数；
(4)截取式(11)中归一化空间距离最小的K个，记作
Figure FDA0002498554900000055
对其进行平均值的求取，得到K个归一化欧式距离的均值
Figure FDA0002498554900000056
如果mean_li≤mean_lj，则判定测试点处于i分区，反之则为j分区；
通过步骤一到步骤三，基于空间特征的室内分区过程被执行，它由两部分组成：第一部分是将目标区域划分为不同分区，同时得到各分区的标识序列和指纹数据库；第二部分则给出了判断测试点处于哪一分区的两级判据：标识序列判别和欧氏距离判别；通过分区，在大面积目标区域内进行室内定位成为可能，为后续基于分区内部指纹数据库的指纹匹配方法的实现奠定了基础。
CN201710930942.3A 2017-10-09 2017-10-09 一种基于空间特征的室内定位分区方法 Active CN107820202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710930942.3A CN107820202B (zh) 2017-10-09 2017-10-09 一种基于空间特征的室内定位分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710930942.3A CN107820202B (zh) 2017-10-09 2017-10-09 一种基于空间特征的室内定位分区方法

Publications (2)

Publication Number Publication Date
CN107820202A CN107820202A (zh) 2018-03-20
CN107820202B true CN107820202B (zh) 2020-09-08

Family

ID=61607827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710930942.3A Active CN107820202B (zh) 2017-10-09 2017-10-09 一种基于空间特征的室内定位分区方法

Country Status (1)

Country Link
CN (1) CN107820202B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109218963B (zh) * 2018-08-27 2020-11-17 普联技术有限公司 位置指纹数据处理方法、装置、设备及存储介质
CN111856393A (zh) * 2020-07-20 2020-10-30 天津大学 一种基于分区可修正性的深度高斯过程回归室内定位方法
CN113311459B (zh) * 2021-06-17 2024-01-30 东南大学 一种室内伪卫星观测量指纹匹配定位方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440473A (zh) * 2013-08-09 2013-12-11 京信通信系统（中国）有限公司 指纹定位方法与服务器
CN105866732A (zh) * 2016-03-30 2016-08-17 南京邮电大学 一种改进mk模型和wknn算法相结合的混合室内定位方法
CN106646338A (zh) * 2016-12-07 2017-05-10 华南理工大学 一种快速精确的室内定位方法
CN106851571A (zh) * 2017-01-20 2017-06-13 华南理工大学 一种基于决策树的快速KNN室内WiFi定位方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9807724B2 (en) * 2013-10-08 2017-10-31 Gozio Inc. Use of RF-based fingerprinting for indoor positioning by mobile technology platforms

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440473A (zh) * 2013-08-09 2013-12-11 京信通信系统（中国）有限公司 指纹定位方法与服务器
CN105866732A (zh) * 2016-03-30 2016-08-17 南京邮电大学 一种改进mk模型和wknn算法相结合的混合室内定位方法
CN106646338A (zh) * 2016-12-07 2017-05-10 华南理工大学 一种快速精确的室内定位方法
CN106851571A (zh) * 2017-01-20 2017-06-13 华南理工大学 一种基于决策树的快速KNN室内WiFi定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种基于区域划分的RSSI定位方法;李锋;《计算机系统应用》;20141231;全文 *

Also Published As

Publication number Publication date
CN107820202A (zh) 2018-03-20

Similar Documents

Publication Publication Date Title
CN107949052B (zh) 基于空间特征分区和前点约束的wknn室内定位方法
EP2111721B1 (en) System and method for generating non-uniform grid points from calibration data
US6944465B2 (en) Estimating the location of a mobile unit based on the elimination of improbable locations
US8559974B2 (en) Methods of and systems for measuring beacon stability of wireless access points
US6393294B1 (en) Location determination using RF fingerprinting
Kaemarungsi Efficient design of indoor positioning systems based on location fingerprinting
CN106851571B (zh) 一种基于决策树的快速KNN室内WiFi定位方法
CN107820202B (zh) 一种基于空间特征的室内定位分区方法
CN105491661B (zh) 基于改进的Kalman滤波算法的室内定位系统及方法
Liang et al. Fingerprint-based location positoning using improved KNN
CA2275911A1 (en) Pattern recognition-based geolocation
CN103987118B (zh) 基于接收信号强度信号ZCA白化的接入点k‑means聚类方法
CN104144495B (zh) 一种基于方向传感器与wlan网络的指纹定位方法
CN102480784A (zh) 一种指纹定位误差的评估方法和系统
Kuo et al. Cluster-enhanced techniques for pattern-matching localization systems
Shao et al. Floor identification in large-scale environments with wi-fi autonomous block models
Zhong et al. WiFi indoor localization based on K-means
Saha et al. A novel clustering strategy for fingerprinting-based localization system to reduce the searching time
CN108521631B (zh) 一种面向室内定位的移动ap识别方法
Vongsuteera et al. Adaptive indoor localization system for large-scale area
CN108574927B (zh) 一种移动终端定位方法及装置
Li et al. Outdoor location estimation using received signal strength feedback
Torres-Sospedra et al. Exploiting different combinations of complementary sensor’s data for fingerprint-based indoor positioning in industrial environments
KR102204038B1 (ko) 로그 데이터를 이용한 ａｐ 위치 추정 방법 및 장치
CN114827888B (zh) 一种基于NB-IoT地磁的融合定位方法

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