CN107995684A - 提升位置指纹的wlan室内定位精度方法及系统 - Google Patents

提升位置指纹的wlan室内定位精度方法及系统 Download PDF

Info

Publication number
CN107995684A
CN107995684A CN201711433085.2A CN201711433085A CN107995684A CN 107995684 A CN107995684 A CN 107995684A CN 201711433085 A CN201711433085 A CN 201711433085A CN 107995684 A CN107995684 A CN 107995684A
Authority
CN
China
Prior art keywords
mrow
msub
munderover
rss
msup
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
Application number
CN201711433085.2A
Other languages
English (en)
Other versions
CN107995684B (zh
Inventor
刘芬
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.)
Wuhan Create Blue Sky Mdt Infotech Ltd
Original Assignee
Wuhan Create Blue Sky Mdt Infotech Ltd
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 Wuhan Create Blue Sky Mdt Infotech Ltd filed Critical Wuhan Create Blue Sky Mdt Infotech Ltd
Priority to CN201711433085.2A priority Critical patent/CN107995684B/zh
Publication of CN107995684A publication Critical patent/CN107995684A/zh
Application granted granted Critical
Publication of CN107995684B publication Critical patent/CN107995684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W64/00Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006Locating 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

一种提升位置指纹的WLAN室内定位精度方法,其包括如下步骤:S1、将所有在线采集的RSS样本排列成RSS矩阵;S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。本发明还提供一种提升位置指纹的WLAN室内定位精度系统。

Description

提升位置指纹的WLAN室内定位精度方法及系统
技术领域
本发明涉及室内定位技术领域,特别涉及一种提升位置指纹的WLAN室内定位精度方法及系统。
背景技术
现有技术利用在线RSS均值样本计算定位结果的位置指纹定位算法,相关参考点RSS变化没有引入相关系数,导致定位精度不理想。
发明内容
有鉴于此,本发明提出一种提升位置指纹的WLAN室内定位精度方法及系统。
一种提升位置指纹的WLAN室内定位精度方法,其包括如下步骤:
S1、将所有在线采集的RSS样本排列成RSS矩阵;
S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
所述步骤S2中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,N表示在每个参考点上所采集的RSS样本数量;M表示AP的数量;其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
其中{MAX_K(r1,…,rL)}表示最大的K个相关系数的集合;loci表示所选择的近邻参考点i的位置坐标;表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在用户在同一位置采集到多个在线RSS样本,并利用公式1计算所有L个相关系数时,公式1中的项为常数。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
公式4:
相对于公式1,公式4节省3 3×-T次加法操作、T-2次乘法操作和2次开平方操作。
本发明还提供一种提升位置指纹的WLAN室内定位精度系统,其包括如下单元:
矩阵构建单元,用于将所有在线采集的RSS样本排列成RSS矩阵;
相似度计算单元,用于利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
所述相似度计算单元中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
其中{MAX_K(r1,…,rL)}表示最大的K个相关系数的集合;loci表示所选择的近邻参考点i的位置坐标;表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在用户在同一位置采集到多个在线RSS样本,并利用公式1计算所有L个相关系数时,公式1中的项为常数。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
实施本发明提供的提升位置指纹的WLAN室内定位精度方法及系统与现有技术相比具有以下有益效果:
本发明可以有效节约终端设备的硬件资源和能耗,更适合在终端设备实际应用。
附图说明
图1是本发明实施例的提升位置指纹的WLAN室内定位精度方法流程图。
具体实施方式
如图1所示,一种提升位置指纹的WLAN室内定位精度方法,其包括如下步骤:
S1、将所有在线采集的RSS样本排列成RSS矩阵;
S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
所述步骤S2中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,N表示在每个参考点上所采集的RSS样本数量;M表示AP的数量;其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
其中{MAX_K(r1,…,rL)}表示最大的K个相关系数的集合;loci表示所选择的近邻参考点i的位置坐标;表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在用户在同一位置采集到多个在线RSS样本,并利用公式1计算所有L个相关系数时,公式1中的项为常数。
在本发明所述的提升位置指纹的WLAN室内定位精度方法中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
公式4:
相对于公式1,公式4节省33×-T次加法操作、T-2次乘法操作和2次开平方操作。
本发明还提供一种提升位置指纹的WLAN室内定位精度系统,其包括如下单元:
矩阵构建单元,用于将所有在线采集的RSS样本排列成RSS矩阵;
相似度计算单元,用于利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
所述相似度计算单元中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss'l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,其中μrss和μl通过如下公式获取:
公式2:
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
其中{MAX_K(r1,…,rL)}表示最大的K个相关系数的集合;loci表示所选择的近邻参考点i的位置坐标;表示最终的定位坐标。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在用户在同一位置采集到多个在线RSS样本,并利用公式1计算所有L个相关系数时,公式1中的项为常数。
在本发明所述的提升位置指纹的WLAN室内定位精度系统中,
在参考点RSS变化范围小于预设变化值时,公式1改为:
实施本发明提供的提升位置指纹的WLAN室内定位精度方法及系统与现有技术相比具有以下有益效果:
本发明可以有效节约终端设备的硬件资源和能耗,更适合在终端设备实际应用。
可以理解的是,对于本领域的普通技术人员来说,可以根据本发明的技术构思做出其它各种相应的改变与变形,而所有这些改变与变形都应属于本发明权利要求的保护范围。

Claims (10)

1.一种提升位置指纹的WLAN室内定位精度方法,其特征在于,其包括如下步骤:
S1、将所有在线采集的RSS样本排列成RSS矩阵;
S2、利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
2.如权利要求1所述的提升位置指纹的WLAN室内定位精度方法,其特征在于,
所述步骤S2中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
3.如权利要求2所述的提升位置指纹的WLAN室内定位精度方法,其特征在于,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss'l之间的相关系数通过如下公式获得:
公式1:
<mrow> <msub> <mi>r</mi> <mi>l</mi> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>r</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>r</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <mrow> <mo>(</mo> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>L</mi> </mrow>
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss′l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,其中μrss和μl通过如下公式获取:
公式2:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mrow> <mi>r</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>N</mi> <mo>&amp;times;</mo> <mi>M</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mi>l</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>N</mi> <mo>&amp;times;</mo> <mi>M</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>L</mi> <mo>,</mo> </mrow>
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>(</mo> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> <mo>,</mo> <mover> <mi>y</mi> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msub> <mi>loc</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>loc</mi> <mi>i</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>r</mi> <mi>i</mi> </msub> <mo>&amp;Element;</mo> <mo>{</mo> <mi>M</mi> <mi>A</mi> <mi>X</mi> <mo>_</mo> <mi>K</mi> <mrow> <mo>(</mo> <msub> <mi>r</mi> <mn>1</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>r</mi> <mi>L</mi> </msub> <mo>)</mo> </mrow> <mo>}</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>K</mi> <mo>,</mo> </mrow>
其中{MAX_K(r1,…,rL)}表示最大的K个相关系数的集合;loci表示所选择的近邻参考点i的位置坐标;表示最终的定位坐标。
4.如权利要求3所述的提升位置指纹的WLAN室内定位精度方法,其特征在于,
在用户在同一位置采集到多个在线RSS样本,并利用公式1计算所有L个相关系数时,公式1中的项为常数。
5.如权利要求4所述的提升位置指纹的WLAN室内定位精度方法,其特征在于,
在参考点RSS变化范围小于预设变化值时,公式1改为:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>r</mi> <mi>l</mi> <mn>2</mn> </msubsup> <mo>=</mo> <mfrac> <msup> <mrow> <mo>(</mo> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>-</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <msup> <mrow> <mo>(</mo> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>T</mi> <mo>=</mo> <mi>N</mi> <mo>&amp;times;</mo> <mi>M</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>L</mi> <mo>.</mo> </mrow>
6.一种提升位置指纹的WLAN室内定位精度系统,其特征在于,其包括如下单元:
矩阵构建单元,用于将所有在线采集的RSS样本排列成RSS矩阵;
相似度计算单元,用于利用相关系数测量在线RSS矩阵和参考点RSS矩阵的相似度。
7.如权利要求6所述的提升位置指纹的WLAN室内定位精度系统,其特征在于,
所述相似度计算单元中在线RSS矩阵和参考点RSS矩阵的相似度通过相关系数表示,相关系数的取值范围为[-1,1];
在相关系数大于0时,表示在线RSS矩阵和参考点RSS矩阵正相关;
在相关系数小于0时,表示在线RSS矩阵和参考点RSS矩阵负相关;
在相关系数等于0时,表示在线RSS矩阵和参考点RSS矩阵零相关。
8.如权利要求7所述的提升位置指纹的WLAN室内定位精度系统,其特征在于,
在计算RSS矩阵的相关系数时,由所有在线样本所排列的矩阵rss和由位置指纹图中第l个参考点RSS数据建立的矩阵rss′l之间的相关系数通过如下公式获得:
公式1:
<mrow> <msub> <mi>r</mi> <mi>l</mi> </msub> <mo>=</mo> <mfrac> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <mrow> <mo>(</mo> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>r</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>)</mo> </mrow> <mrow> <mo>(</mo> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mrow> <mi>r</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <msqrt> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <mrow> <mo>(</mo> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>l</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow> </mfrac> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>L</mi> </mrow>
其中rssi,j和RSSi,j,l'分别表示矩阵rss和矩阵rss′l中第i行第j列的RSS数值;μrss和μl分别表示矩阵rss的均值和矩阵rss′l的均值,其中μrss和μl通过如下公式获取:
公式2:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mrow> <mi>r</mi> <mi>s</mi> <mi>s</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>N</mi> <mo>&amp;times;</mo> <mi>M</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>&amp;mu;</mi> <mi>l</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>N</mi> <mo>&amp;times;</mo> <mi>M</mi> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <mi>L</mi> <mo>,</mo> </mrow>
在所有L个相关系数被计算后,将其按照降序排列并选择前K个相关系数所对应的参考点,平均其位置坐标作为定位结果,计算公式如下:
公式3:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <mo>(</mo> <mover> <mi>x</mi> <mo>&amp;OverBar;</mo> </mover> <mo>,</mo> <mover> <mi>y</mi> <mo>&amp;OverBar;</mo> </mover> <mo>)</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>)</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mi>K</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>K</mi> </munderover> <msub> <mi>loc</mi> <mi>i</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>loc</mi> <mi>i</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> <msub> <mi>y</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> <msub> <mi>r</mi> <mi>i</mi> </msub> <mo>&amp;Element;</mo> <mo>{</mo> <mi>M</mi> <mi>A</mi> <mi>X</mi> <mo>_</mo> <mi>K</mi> <mrow> <mo>(</mo> <msub> <mi>r</mi> <mn>1</mn> </msub> <mo>,</mo> <mo>...</mo> <mo>,</mo> <msub> <mi>r</mi> <mi>L</mi> </msub> <mo>)</mo> </mrow> <mo>}</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>K</mi> <mo>,</mo> </mrow>
其中{MAX_K(r1,…,rL)}表示最大的K个相关系数的集合;loci表示所选择的近邻参考点i的位置坐标;表示最终的定位坐标。
9.如权利要求8所述的提升位置指纹的WLAN室内定位精度系统,其特征在于,
在用户在同一位置采集到多个在线RSS样本,并利用公式1计算所有L个相关系数时,公式1中的项为常数。
10.如权利要求9所述的提升位置指纹的WLAN室内定位精度系统,其特征在于,
在参考点RSS变化范围小于预设变化值时,公式1改为:
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>r</mi> <mi>l</mi> <mn>2</mn> </msubsup> <mo>=</mo> <mfrac> <msup> <mrow> <mo>(</mo> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> <mo>-</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msub> <mi>rss</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> </mrow> </msub> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mrow> <mo>&amp;prime;</mo> <mn>2</mn> </mrow> </msup> <mo>-</mo> <mfrac> <mn>1</mn> <mi>T</mi> </mfrac> <msup> <mrow> <mo>(</mo> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <msup> <msub> <mi>RSS</mi> <mrow> <mi>i</mi> <mo>,</mo> <mi>j</mi> <mo>,</mo> <mi>l</mi> </mrow> </msub> <mo>&amp;prime;</mo> </msup> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>T</mi> <mo>=</mo> <mi>N</mi> <mo>&amp;times;</mo> <mi>M</mi> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> <mi>l</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>L</mi> <mo>.</mo> </mrow>
CN201711433085.2A 2017-12-26 2017-12-26 提升位置指纹的wlan室内定位精度方法及系统 Active CN107995684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711433085.2A CN107995684B (zh) 2017-12-26 2017-12-26 提升位置指纹的wlan室内定位精度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711433085.2A CN107995684B (zh) 2017-12-26 2017-12-26 提升位置指纹的wlan室内定位精度方法及系统

Publications (2)

Publication Number Publication Date
CN107995684A true CN107995684A (zh) 2018-05-04
CN107995684B CN107995684B (zh) 2020-06-12

Family

ID=62042668

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711433085.2A Active CN107995684B (zh) 2017-12-26 2017-12-26 提升位置指纹的wlan室内定位精度方法及系统

Country Status (1)

Country Link
CN (1) CN107995684B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109991569A (zh) * 2019-04-03 2019-07-09 北京邮电大学 一种基于毫米波机器人的反射物定位方法及装置
CN114040321A (zh) * 2021-10-18 2022-02-11 北京邮电大学 用于混合网络的自适应无缝切换方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1369856A (zh) * 2001-02-01 2002-09-18 松下电器产业株式会社 图像处理方法和装置
US20100077030A1 (en) * 2008-09-22 2010-03-25 Inha-Industry Partnership Institute Method of representing subscribe relation in design process using relations among components
CN102802260A (zh) * 2012-08-15 2012-11-28 哈尔滨工业大学 基于矩阵相关的wlan室内定位方法
CN105277917A (zh) * 2015-10-30 2016-01-27 湖南大学 一种基于反馈机制的动态指纹库室内定位方法
CN106102163A (zh) * 2016-06-03 2016-11-09 杭州电子科技大学 基于rss线性相关与二次加权质心算法的wlan指纹定位方法
CN106485090A (zh) * 2016-10-21 2017-03-08 北京联合大学 一种基于回归学习的驾驶员视觉感知预测模型生成方法
CN107454669A (zh) * 2016-05-31 2017-12-08 中国人民解放军理工大学 一种基于信号强度相关性分析的群智定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1369856A (zh) * 2001-02-01 2002-09-18 松下电器产业株式会社 图像处理方法和装置
US20100077030A1 (en) * 2008-09-22 2010-03-25 Inha-Industry Partnership Institute Method of representing subscribe relation in design process using relations among components
CN102802260A (zh) * 2012-08-15 2012-11-28 哈尔滨工业大学 基于矩阵相关的wlan室内定位方法
CN105277917A (zh) * 2015-10-30 2016-01-27 湖南大学 一种基于反馈机制的动态指纹库室内定位方法
CN107454669A (zh) * 2016-05-31 2017-12-08 中国人民解放军理工大学 一种基于信号强度相关性分析的群智定位方法
CN106102163A (zh) * 2016-06-03 2016-11-09 杭州电子科技大学 基于rss线性相关与二次加权质心算法的wlan指纹定位方法
CN106485090A (zh) * 2016-10-21 2017-03-08 北京联合大学 一种基于回归学习的驾驶员视觉感知预测模型生成方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109991569A (zh) * 2019-04-03 2019-07-09 北京邮电大学 一种基于毫米波机器人的反射物定位方法及装置
CN114040321A (zh) * 2021-10-18 2022-02-11 北京邮电大学 用于混合网络的自适应无缝切换方法及系统
CN114040321B (zh) * 2021-10-18 2023-03-24 北京邮电大学 用于混合网络的自适应无缝切换方法及系统

Also Published As

Publication number Publication date
CN107995684B (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN103605878B (zh) 一种基于数据建模和模型移植的通用血糖预测方法
CN104112062B (zh) 基于插值方法的风资源分布的获取方法
CN105163282A (zh) 一种基于蓝牙位置指纹的室内定位系统及定位方法
CN102930533A (zh) 一种基于改进k-均值聚类的半监督高光谱影像降维方法
CN105931046A (zh) 一种可疑交易节点集合侦测方法及装置
CN102930172A (zh) 一种基于emd的海浪多尺度特征及波动参数的提取方法
CN106970379B (zh) 基于泰勒级数展开对室内目标的测距定位方法
CN103747477A (zh) 网络流量分析与预测方法和装置
CN106102163A (zh) 基于rss线性相关与二次加权质心算法的wlan指纹定位方法
CN112637950B (zh) 基于角度相似性的指纹定位方法
CN107084709A (zh) 一种多弹性对径流变化驱动因素的定量分割方法
CN107995684A (zh) 提升位置指纹的wlan室内定位精度方法及系统
CN109613611A (zh) 用于结构抗震时程分析的输入地震波的确定方法及系统
CN105024886B (zh) 一种基于用户元数据的快速Web服务QoS预测方法
CN103926578A (zh) 一种室内环境的线性特征提取方法
CN107067096A (zh) 基于分形与混沌理论相结合的金融时间序列短期预测
CN107918398A (zh) 一种基于多重优化的集群无人机协同定位方法
CN102708277B (zh) 基于蚁群算法的积雪深度反演设计方法
CN105277974A (zh) 一种地层数据插值方法
CN102043887A (zh) 基于误差估计的网格自适应方法
CN102622608B (zh) 基于非线性时间序列分析的高光谱图像分类方法
CN102088750B (zh) 一种多入多出技术中的传播径分簇方法和装置
CN110110428A (zh) 一种基于克里金模型优选与神经网络的压气机特性预测方法
CN105608468A (zh) 一种基于流型矩阵补全的多标签分类方法
CN102664656B (zh) 基于结构化稀疏性的直扩信号压缩域联合同步与解调方法

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