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 PDFInfo
- 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
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
- 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)
- 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
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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&prime;</mo>
</msup>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
</msup>
<mo>-</mo>
<msub>
<mi>&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>&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>&times;</mo>
<mi>M</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&mu;</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&OverBar;</mo>
</mover>
<mo>,</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>K</mi>
</mfrac>
<munderover>
<mo>&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>&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>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
</msup>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>T</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>T</mi>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&prime;</mo>
</msup>
<mo>-</mo>
<msub>
<mi>&mu;</mi>
<mi>l</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
</msup>
<mo>-</mo>
<msub>
<mi>&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>&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>&times;</mo>
<mi>M</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&mu;</mi>
<mi>l</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mi>M</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&OverBar;</mo>
</mover>
<mo>,</mo>
<mover>
<mi>y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>K</mi>
</mfrac>
<munderover>
<mo>&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>&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>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
</msup>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>T</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
</msup>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&prime;</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>T</mi>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&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>&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>&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>
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)
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)
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 |
-
2017
- 2017-12-26 CN CN201711433085.2A patent/CN107995684B/zh active Active
Patent Citations (7)
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)
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 |