CN108235246A - 一种室内定位方法及系统 - Google Patents
一种室内定位方法及系统 Download PDFInfo
- Publication number
- CN108235246A CN108235246A CN201711378258.5A CN201711378258A CN108235246A CN 108235246 A CN108235246 A CN 108235246A CN 201711378258 A CN201711378258 A CN 201711378258A CN 108235246 A CN108235246 A CN 108235246A
- Authority
- CN
- China
- Prior art keywords
- fsg
- fingerprint
- curves
- spatial gradient
- indoor
- 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
-
- 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
- G01S5/0278—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 involving statistical or probabilistic considerations
-
- 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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种室内定位方法及系统,所述的方法包括:构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;将第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配;将与第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置。本发明以广泛部署的wifi路由器作为接入点AP为载体,基于传统的RSS指纹充分挖掘不同位置RSS指纹之间存在的空间关系,提出了指纹空间梯度FSG的概念,并设计了高效的、精确的FSG构造算法与匹配算法,实现了高精度鲁棒性的室内定位。
Description
技术领域
本发明涉及室内定位技术领域,更具体地,涉及一种室内定位方法及系统。
背景技术
伴随着物联网技术与各种各样基于室内位置应用的快速发展,对高精度以及实时性的室内定位服务需求变得越来越强烈,在过去的十年之中,基于Wi-Fi、RFID(RadioFrequency Identification,射频识别)、声音信号、磁场信号以及惯性传感器等众多室内定位技术发展了起来。在所有以上的技术之中,由于Wi-Fi设施的实用性以及已经在各种室内场景中被广泛地布置,使得基于Wi-Fi指纹的室内定位技术是以上提到的所有技术之中最具有吸引力的。利用Wi-Fi信号的信号强度作为当前位置的指纹并且使用智能手机作为客户端,从而使得不需要额外的基础设施以及特殊的硬件并且还能实现大规模的部署。
基于Wi-Fi指纹的定位技术主要包括两个阶段:在线下阶段,在室内每一个位置收集所有Wi-Fi接入点(Access Point,AP)的接收信号强度(Received Signal Strength,RSS)的空间分布信息,完成信号强度-位置(RSS-location)指纹数据库的构建;在线上阶段,根据构建好的指纹数据库提供定位服务,在室内未知位置采集所有接入点AP的RSS值形成一条RSS指纹,将在未知位置形成的RSS指纹与指纹数据库中建立的室内每一个位置的RSS指纹进行相似度的匹配,并利用最近邻算法或者K-近邻算法返回定位结果,基于这种Wi-Fi指纹的定位算法是目前室内定位领域的核心方法。
采用上述基于Wi-Fi指纹的室内定位方法存在以下缺点:第一个是指纹的时间不稳定性,由于室内环境与通讯环境的不断变化,不同时间在同一个位置接收到的同一个AP的RSS值会有较大的差异,这导致预先采集到的指纹数据库在定位时失去了时效性与准确性,从而给定位带来了较大的误差;第二个是指纹的空间歧义性,由于室内环境的复杂性以及多径效应的存在,两个相隔很远的位置采集到的RSS指纹可能会比较相似,降低了RSS指纹在空间上的区分度,这会造成较大距离上的错误匹配,降低定位系统的精度。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种室内定位方法及系统,能够克服现有的RSS指纹在时间上的不稳定以及指纹在空间上歧义性的问题。
根据本发明的一个方面,提供了一种室内定位方法,包括:
构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;
将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;
将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;
其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。在上述技术方案的基础上,本发明还可以作如下改进。
进一步的,按照如下方式构建第一指纹空间梯度FSG曲线:
gu={<d(lu,lj),φ(fu,fj)>,u-r≤j≤u+r};
其中,gu为未知位置的FSG曲线,lu为未知位置,lj为未知位置的周围位置,d(lu,lj)为未知位置lu和未知位置的周围位置lj的物理距离,φ(fu,fj)为未知位置lu的RSS指纹与周围位置lj的RSS指纹之间的指纹距离,m为室内接入点AP的个数,m为大于等于2的整数,P为范数,fuk为未知位置lu采集到第k个接入点AP的信号强度值,k=1,2,…,m,2r为未知位置的周围位置的个数。
进一步的,采取如下方式得到未知位置lu采集到的第k个接入点AP的信号强度值:
采用位于未知位置的移动设备连续n次采集第k个接入点AP的信号强度值,取采集的n次信号强度值的平均值作为未知位置lu采集到的第k个接入点AP的信号强度值,n大于等于2。
进一步的,通过如下方式选取未知位置的周围位置:
以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置,取r个不同的d值,得到未知位置的2r个周围位置。
进一步的,所述以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置具体包括:
对于距离未知位置半径为d的圆上的每一个位置lj,采集每一个接入点AP的信号强度值n次,将半径为d的圆上的第j个位置lj第t次采集第k个接入点AP的信号强度值记为fjtk,t=1,2,…,n;
计算得到圆上每一个位置的Φ值,组成集合{Φ1,Φ2,...,Φt,..,Φn},其中,fuk=(fu1k+fu2k+....+futk+....+funk)/n;其中,Φt(fu,fjt)为未知位置采集的RSS指纹与圆上第j个位置第t次采集的RSS指纹之间的指纹距离,fuk为未知位置n次采集第k个接入点AP的平均信号强度值,futk为未知位置第t次采集第k个接入点AP的信号强度值;
计算每一个位置的集合{Φ1,Φ2,...,Φt,..,Φn}之间的方差,取所有方差值中最小的两个方差值对应的两个位置为距离未知位置半径为d的圆上选取的两个位置。
进一步的,所述p的取值为2,P-范数距离退化为欧式距离。
进一步的,采用与构建第一指纹空间梯度FSG曲线相同的方法构建每一个第二指纹空间梯度FSG曲线。
进一步的,所述将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配具体包括:
采用余弦相似度计算所述第一指纹空间梯度FSG曲线和每一个第二指纹空间梯度FSG曲线的相似度:
Γ(gu,gj)=(φu·φj)/(||φu||·||φj||);
其中,gu为第一指纹空间梯度FSG曲线,gC为第二指纹空间梯度FSG曲线,φu为未知位置lu的RSS指纹与多个周围位置lj的RSS指纹之间的指纹距离的集合,φj为室内任意位置的RSS指纹与多个周围位置的RSS指纹之间的指纹距离的集合。
根据本发明的另一个方面,提供了一种室内定位系统,包括:
构建模块,用于构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;
匹配模块,用于将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;
确定模块,用于将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置;
其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
根据本发明的再一个方面,提供了一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行室内定位方法。
本发明提供的一种室内定位方法及系统,以广泛部署的wifi路由器作为接入点AP为载体,基于传统的RSS指纹充分挖掘不同位置RSS指纹之间存在的空间关系,提出了指纹空间梯度FSG的概念,并设计了高效的、精确的FSG构造算法与匹配算法,实现了高精度鲁棒性的室内定位,克服了指纹时间上的不稳定性和空间上的歧义性。
附图说明
图1为本发明一个实施例的室内定位方法流程图;
图2为本发明一个实施例建立的室内当前位置与当前位置物理距离不同得其它位置之间的RSS指纹距离示意图;
图3为本发明一个实施例的室内不同位置的指纹空间梯度FSG曲线示意图;
图4为本发明一个实施例的选取室内特定位置的具有代表性的周围位置的示意图;
图5为本发明一个实施例的室内定位系统连接框图。
图6为本发明另一个实施例的室内定位系统的整体连接框图;
图7为本发明一个实施例的一种电子设备的连接框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参见图1,提供了本发明一个实施例的室内定位方法,提出指纹空间梯度FSG的概念,实现了高精度鲁棒性的室内定位,该方法包括:构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
首先,介绍一下应用场景,室内某一个未知位置,比如,用户处于室内的某一个位置,现需要对用户在室内的具体位置进行定位,在室内布置有多个Wi-Fi接入点AP(AccessPoint),为描述方便,下面将Wi-Fi接入点简称为接入点AP。在本实施例中,采用无线定技术对室内未知位置进行定位。在对本实施例的室内定位方法进行介绍之前,先对RSS(Received Signal Strength)指纹的概念进行说明,RSS指纹是指室内某一位置的移动设备接收室内每一个接入点AP的信号强度序列值,也就是室内一特定位置接收每一个接入点AP的信号强度值的集合。
对于室内需要定位的未知位置,构建未知位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG(Fingerprint Spatial Gradient,FSG)曲线,记为第一指纹空间梯度FSG曲线。为了实现对未知位置的定位,同样的,也对室内每一个位置构建指纹空间梯度FSG曲线,具体为,针对室内的每一个位置,构建当前位置的RSS指纹与当前位置的周围位置的RSS指纹之间的指纹空间梯度FSG曲线,记为第二指纹空间梯度FSG曲线,得到室内每一个位置的第二指纹空间梯度FSG曲线。
将构建的未知位置的第一指纹空间梯度FSG曲线与构建的室内每一个位置的第二指纹空间梯度FSG曲线进行匹配,将与第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置。本实施例基于传统的RSS指纹,充分挖掘RSS指纹之间存在的空间关系,提出了指纹空间梯度FSG的概念,并设计了高效、精确的FSG构造算法与匹配算法,克服了传统室内定位存在的时间不稳定性和空间歧义性的问题,实现了高精度鲁棒性的室内定位方法。
在上述实施例的基础上,本发明的一个实施例中,按照如下方式构建第一指纹空间梯度FSG曲线:
gu={<d(lu,lj),φ(fu,fj)>,u-r≤j≤u+r};
其中,gu为未知位置的FSG曲线,lu为未知位置,lj为未知位置的周围位置,d(lu,lj)为未知位置lu和其周围位置lj的物理距离,φ(fu,fj)为未知位置lu的RSS指纹与周围位置lj的RSS指纹之间的指纹距离,m为室内接入点AP的个数,m为大于等于2的整数,P为范数,fuk为未知位置lu采集到第k个接入点AP的信号强度值,k=1,2,…,m,2r为未知位置的周围位置的个数,r为正整数。
构建未知位置的第一指纹空间FSG曲线实际上就是计算未知位置的RSS指纹与其每一个周围位置的RSS指纹之间的指纹距离组成的集合。未知位置的RSS指纹与其周围位置的RSS指纹之间的指纹距离的计算采用最常用的P-范围距离。在本实施例中,取P=2,这样P-范数距离就退化为欧氏距离,减小了整个计算量。参见图2,为未知位置的RSS指纹与每一个周围位置的RSS指纹之间的指纹距离示意图,由未知位置的RSS指纹与周围每一个位置的RSS指纹之间的指纹距离连接形成未知位置的RSS指纹与其一系列周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线,由图可知,未知位置的周围一个位置距离未知位置越近,指纹距离越小,相反,周围的一个位置距离未知位置越远,指纹距离越大。可参见图3,为不同当前位置的RSS指纹与其一系列周围位置的RSS指纹之间的指纹空间梯度FSG曲线的示意图。
在上述各实施例的基础上,本发明的另一个实施例中,采取如下方式得到未知位置lu采集到的第k个接入点AP的信号强度值:采用位于未知位置的移动设备连续n次采集第k个接入点AP的信号强度值,取采集的n次信号强度值的平均值作为未知位置lu采集到的第k个接入点AP的信号强度值,n大于等于2。
室内一个确定的位置在不同的时间接收同一个接入点AP的信号强度值可能会不同,这也造成时间的不稳定性,为了消除这样时间上的不稳定性,对于在室内一个位置采集某一个接入点AP的信号强度值,采取采集n次取平均值的方式,比如,在未知位置,采集室内第k个接入点AP的信号强度值60次,取采取的60次信号强度值的平均值作为在未知位置采集的第k个接入点AP的信号强度值,这样保证了信号的不稳定性和波动性。
在上述各实施例的基础上,本发明的一个实施例中,通过如下方式选取未知位置的周围位置:以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置,取r个不同的d值,得到未知位置的2r个周围位置。
在构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间FSG曲线时,由于未知位置所在的周围位置有很多,如何选取未知位置的周围位置对于构建第一指纹空间梯度FSG曲线的准确性非常重要。参见图4,在本实施例中,选取未知位置的周围位置的具体方法为,以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置,取r个不同的d值,即在r个不同的圆上分别选取两个位置,总共选取2r个位置作为未知位置的周围位置,再加上未知位置本身,得到(2r+1)个位置,来构建第一指纹空间梯度FSG曲线。
在上述各实施例的基础上,本发明的一个实施例中,所述以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置具体包括:对于距离未知位置半径为d的圆上的每一个位置lj,采集每一个接入点AP的信号强度值n次,将半径为d的圆上的第j个位置lj第t次采集第k个接入点AP的信号强度值记为fjtk,t=1,2,…,n;计算得到圆上每一个位置的Φ值,组成集合{Φ1,Φ2,...,Φt,..,Φn},其中,fuk=(fu1k+fu2k+....+futk+....+funk)/n;其中,Φt(fu,fjt)为未知位置采集的RSS指纹与圆上第j个位置第t次采集的RSS指纹之间的指纹距离,fuk为未知位置n次采集第k个接入点AP的平均信号强度值,futk为未知位置第t次采集第k个接入点AP的信号强度值;计算每一个位置的集合{Φ1,Φ2,...,Φt,..,Φn}之间的方差,取所有方差值中最小的两个方差值对应的两个位置为距离未知位置半径为d的圆上选取的两个位置。
以未知位置为中心,在距离未知位置的半径为d的圆上有很多个位置,如何在一个圆上的所有位置中选取两个位置是很重要的。本实施例中,对于第k个接入点AP,在未知位置采集第k个接入点AP的信号强度值60次,取60次的平均值作为未知位置采集第k个接入点AP的信号强度值。对于圆上的每一个位置,采集第k个接入点AP的信号强度值60次,对于圆上的每一个位置,采集每一个接入点AP的信号强度值,都能够得到60个信号强度值。对于每一次采集的信号强度值,均可以计算未知位置采集的每一个接入点AP的信号强度值与圆上的每一个位置每一个采集的所有的接入点AP的信号强度值之间的指纹距离,得到60个指纹距离,记为集合{Φ1,Φ2,...,Φt,..,Φ60},即对于圆上的每一个位置,均对应有一个指纹距离集合,计算这个集合的方差值,得到每一个位置的方差值,取所有方差值中最小的两个方差值对应的两个位置作为距离未知位置半径为d的圆上选取的两个位置。使用同样的方法在r个半径不同的每一个圆上选取两个位置,总共得到2r个位置作为未知位置的周围位置。
在上述各实施例的基础上,本发明的另一个实施例中,采用与构建第一指纹空间梯度FSG曲线相同的方法构建每一个第二指纹空间梯度FSG曲线。
通过上述的各实施例构建了未知位置的RSS指纹与未知位置的周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线,在预先构建室内每一个位置的RSS指纹与该位置的周围位置的RSS指纹之间的第二指纹空间梯度FSG曲线时,采用与构建第一指纹空间梯度FSG曲线相同的方法构建室内每一个位置的第二指纹空间梯度FSG曲线。预先构建好了室内每一个位置的第二指纹空间梯度FSG曲线后,记为参考FSG曲线,并存储于数据库中。
在上述各实施例的基础上,本发明的一个实施例中,所述将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配具体包括:采用余弦相似度计算所述第一指纹空间梯度FSG曲线和每一个第二指纹空间梯度FSG曲线的相似度:
Γ(gu,gj)=(φu·φj)/(||φu||·||φj||),
其中,gu为第一指纹空间梯度FSG曲线,gC为第二指纹空间梯度FSG曲线,φu为未知位置lu的RSS指纹与多个周围位置lj的RSS指纹之间的指纹距离的集合,φj为室内任意位置的RSS指纹与多个周围位置的RSS指纹之间的指纹距离的集合。
构建了未知位置的第一指纹空间梯度FSG曲线,要想得到未知位置在室内的具体位置,需要将第一指纹空间梯度FSG曲线与室内每一个位置对应的第二指纹空间梯度FSG曲线进行匹配。将构建的未知位置的第一指纹空间梯度FSG曲线记为gu,将预先构建的室内每一个位置的第二指纹空间梯度FSG曲线记为gj,j为室内的第j个位置。
其中,gu={<du,φu>},gj={<dj,φj>},由于采用的是相同的方法构建的两条FSG曲线,在构造FSG曲线的时候都选取了2r+1个周围位置点,并且选取的方式也相同,所以匹配gu与gj实际上就是在匹配φu与φj这两个向量。在本实施例中,采用了余弦相似度来匹配两条FSG曲线,具体来说,定义两条FSG曲线的相似度为:
Γ(gu,gj)=(φu·φj)/(||φu||·||φj||)。
通过上述的公式计算出未知位置的第一指纹空间梯度FSG曲线与室内每一个位置的第二指纹空间梯度FSG曲线之间的相似度,将与第一指纹空间梯度FSG曲线匹配度最高的一个第二指纹空间梯度FSG曲线对应的室内位置作为未知位置在室内的具体位置,通过该方法即可得到室内一个未知位置在室内的具体位置。
参见图5,提供了本发明一个实施例的室内定位系统,包括构建模块21、匹配模块22和确定模块23。
构建模块21,用于构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线。
匹配模块22,用于将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线。
确定模块23,用于将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置;
其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
参见图6,提供了本发明另一个实施例的室内定位系统,包括构建模块21、匹配模块22、确定模块23、采集模块24和选取模块25。
构建模块21,具体用于按照如下方式构建第一指纹空间梯度FSG曲线:
gu={<d(lu,lj),φ(fu,fj)>,u-r≤j≤u+r};
其中,gu为未知位置的FSG曲线,lu为未知位置,lj为未知位置的周围位置,d(lu,lj)为未知位置lu和未知位置的周围位置lj的物理距离,φ(fu,fj)为未知位置lu的RSS指纹与周围位置lj的RSS指纹之间的指纹距离,m为室内接入点AP的个数,m为大于等于2的整数,P为范数,fuk为未知位置lu采集到第k个接入点AP的信号强度值,k=1,2,…,m,2r为未知位置的周围位置的个数,r为正整数。
采集模块24,用于采用位于未知位置的移动设备连续n次采集第k个接入点AP的信号强度值,取采集的n次信号强度值的平均值作为未知位置lu采集到的第k个接入点AP的信号强度值,n大于等于2。
选取模块25,用于以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置,取r个不同的d值,得到未知位置的2r个周围位置。
其中,选取模块25用于以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置具体用于:
对于距离未知位置半径为d的圆上的每一个位置lj,采集每一个接入点AP的信号强度值n次,将半径为d的圆上的第j个位置lj第t次采集第k个接入点AP的信号强度值记为fjtk,t=1,2,…,n;
计算得到圆上每一个位置的Φ值,组成集合{Φ1,Φ2,...,Φt,..,Φn},其中,fuk=(fu1k+fu2k+....+futk+....+funk)/n;其中,Φt(fu,fjt)为未知位置采集的RSS指纹与圆上第j个位置第t次采集的RSS指纹之间的指纹距离,fuk为未知位置n次采集第k个接入点AP的平均信号强度值,futk为未知位置第t次采集第k个接入点AP的信号强度值;
计算每一个位置的集合{Φ1,Φ2,...,Φt,..,Φn}之间的方差,取所有方差值中最小的两个方差值对应的两个位置为距离未知位置半径为d的圆上选取的两个位置。
构建模块21,具体用于采用与构建第一指纹空间梯度FSG曲线相同的方法构建每一个第二指纹空间梯度FSG曲线。
匹配模块23,具体用于采用余弦相似度计算所述第一指纹空间梯度FSG曲线和每一个第二指纹空间梯度FSG曲线的相似度:
Γ(gu,gj)=(φu·φj)/(||φu||·||φj||),
其中,gu为第一指纹空间梯度FSG曲线,gC为第二指纹空间梯度FSG曲线,φu为未知位置lu的RSS指纹与多个周围位置lj的RSS指纹之间的指纹距离的集合,φj为室内任意位置的RSS指纹与多个周围位置的RSS指纹之间的指纹距离的集合。
参见图7,为本发明一种电子设备,包括:处理器(processor)701、存储器(memory)702和总线703;其中,所述处理器701和存储器702通过所述总线703完成相互间的通信。
所述处理器701用于调用所述存储器702中的程序指令,以执行上述各方法实施例所提供的方法,例如包括:构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
本发明公开一种计算机程序产品,该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,该计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述对应实施例所提供的直播间徽章图片加载方法,例如包括:构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
本发明还提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储计算机指令,该计算机指令使计算机执行上述对应实施例所提供的直播间徽章图片加载方法,例如包括:构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的室内定位方法的设备等实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分方法。
本发明提供的一种室内定位方法及系统,提出指纹空间梯度FSG曲线的概念,FSG曲线是根据当前位置的RSS指纹与当前位置的周围多个位置的RSS指纹之间的相似度来构建的,现有技术中已经说明,在室内的同一个位置的不同时间接收同一个接入点AP的信号强度值是不稳定的,称为指纹在时间上的不稳定性。由于本实施例在构建FSG曲线时,考虑的是当前位置与其周围位置之间的相对性,同一个接入点AP在不同时间的信号的不稳定性对于室内不同位置的影响是相同的,因此,接入点AP在不同时间的不稳定性在不同位置之间的影响使可以抵消的,因此克服了指纹时间上的不稳定性的问题;另外,在构建指纹空间梯度FSG曲线时,是通过计算当前位置的RSS指纹与很多个周围位置的RSS指纹之间的相似度,而不是仅仅计算当前位置的RSS指纹与周围一个位置的RSS指纹之间的相似度,这就克服了指纹空间上的歧义性。因此,本发明通过构建FSG曲线,采用FSG曲线的匹配,相比现有的单纯将未知位置的RSS指纹与室内每一个位置的RSS指纹进行匹配而言,克服了指纹时间上的不稳定性和空间上的歧义性。
最后,本申请的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种室内定位方法,其特征在于,包括:
构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;
将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;
将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;
其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
2.如权利要求1所述的室内定位方法,其特征在于,按照如下方式构建第一指纹空间梯度FSG曲线:
gu={<d(lu,lj),φ(fu,fj)>,u-r≤j≤u+r};
其中,gu为未知位置的FSG曲线,lu为未知位置,lj为未知位置的周围位置,d(lu,lj)为未知位置lu和其周围位置lj的物理距离,φ(fu,fj)为未知位置lu的RSS指纹与周围位置lj的RSS指纹之间的指纹距离,m为室内接入点AP的个数,m为大于等于2的整数,P为范数,fuk为未知位置lu采集到第k个接入点AP的信号强度值,k=1,2,…,m,2r为未知位置的周围位置的个数,u为未知位置的序号,u,r为正整数。
3.如权利要求2所述的室内定位方法,其特征在于,采取如下方式得到未知位置lu采集到的第k个接入点AP的信号强度值:
采用位于未知位置的移动设备连续n次采集第k个接入点AP的信号强度值,取采集的n次信号强度值的平均值作为未知位置lu采集到的第k个接入点AP的信号强度值,n大于等于2。
4.如权利要求2所述的室内定位方法,其特征在于,通过如下方式选取未知位置的周围位置:
以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置,取r个不同的d值,得到未知位置的2r个周围位置,d>0。
5.如权利要求4所述的室内定位方法,其特征在于,所述以未知位置为中心,在距离未知位置半径为d的圆上的所有位置中选取两个位置具体包括:
对于距离未知位置半径为d的圆上的每一个位置lj,采集每一个接入点AP的信号强度值n次,将半径为d的圆上的第j个位置lj第t次采集第k个接入点AP的信号强度值记为fjtk,t=1,2,…,n;
计算得到圆上每一个位置的Φ值,组成集合{Φ1,Φ2,...,Φt,..,Φn},其中,fuk=(fu1k+fu2k+....+futk+....+funk)/n;其中,Φt(fu,fjt)为未知位置采集的RSS指纹与圆上第j个位置第t次采集的RSS指纹之间的指纹距离,fuk为未知位置n次采集第k个接入点AP的平均信号强度值,futk为未知位置第t次采集第k个接入点AP的信号强度值;
计算每一个位置的集合{Φ1,Φ2,...,Φt,..,Φn}之间的方差,取所有方差值中最小的两个方差值对应的两个位置为距离未知位置半径为d的圆上选取的两个位置。
6.如权利要求2或5所述的室内定位方法,其特征在于,所述P的取值为2,P-范数距离退化为欧式距离。
7.如权利要求1所述的室内定位方法,其特征在于,采用与构建第一指纹空间梯度FSG曲线相同的方法构建每一个第二指纹空间梯度FSG曲线。
8.如权利要求7所述的室内定位方法,其特征在于,所述将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配具体包括:
采用余弦相似度计算所述第一指纹空间梯度FSG曲线和每一个第二指纹空间梯度FSG曲线的相似度:
Г(gu,gj)=(φu.φj)/(||φu||.||φj||);
其中,gu为第一指纹空间梯度FSG曲线,gj为第二指纹空间梯度FSG曲线,φu为未知位置lu的RSS指纹与多个周围位置lj的RSS指纹之间的指纹距离的集合,φj为室内任意位置的RSS指纹与多个周围位置的RSS指纹之间的指纹距离的集合。
9.一种室内定位系统,其特征在于,包括:
构建模块,用于构建未知位置的RSS指纹与其周围位置的RSS指纹之间的第一指纹空间梯度FSG曲线;
匹配模块,用于将所述第一指纹空间梯度FSG曲线与预先构建的多个第二指纹空间梯度FSG曲线进行相似度匹配,其中,所述第二指纹空间梯度FSG曲线是指室内一位置的RSS指纹与其周围位置的RSS指纹之间的指纹空间梯度FSG曲线;
确定模块,用于将与所述第一指纹空间梯度FSG曲线匹配度最高的第二指纹空间梯度FSG曲线对应的室内位置确定为未知位置所在的位置;
其中,所述RSS指纹为室内一位置接收室内每一个接入点AP的信号强度序列值。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1-8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711378258.5A CN108235246A (zh) | 2017-12-19 | 2017-12-19 | 一种室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711378258.5A CN108235246A (zh) | 2017-12-19 | 2017-12-19 | 一种室内定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108235246A true CN108235246A (zh) | 2018-06-29 |
Family
ID=62652469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711378258.5A Pending CN108235246A (zh) | 2017-12-19 | 2017-12-19 | 一种室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108235246A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308782A (zh) * | 2018-08-29 | 2019-02-05 | 中国科学院信息工程研究所 | 一种目标物体的行为检测方法及系统 |
CN110440802A (zh) * | 2019-07-10 | 2019-11-12 | 清华大学 | 基于视觉slam的p2p导航方法、装置与电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103152823A (zh) * | 2013-02-26 | 2013-06-12 | 清华大学 | 一种无线室内定位方法 |
-
2017
- 2017-12-19 CN CN201711378258.5A patent/CN108235246A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103152823A (zh) * | 2013-02-26 | 2013-06-12 | 清华大学 | 一种无线室内定位方法 |
Non-Patent Citations (1)
Title |
---|
WU C S,XU J A,YANG Z: "Gain without pain:Accurate WiFi—based localization using fingerprint spatial gradient", 《PROCEEDINGS OF THE ACM ON INTERACTIVE,MOBILE,WEARABLE AND UBIQUITOUS TECHNOLOGIES》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109308782A (zh) * | 2018-08-29 | 2019-02-05 | 中国科学院信息工程研究所 | 一种目标物体的行为检测方法及系统 |
CN109308782B (zh) * | 2018-08-29 | 2020-08-14 | 中国科学院信息工程研究所 | 一种目标物体的行为检测方法及系统 |
CN110440802A (zh) * | 2019-07-10 | 2019-11-12 | 清华大学 | 基于视觉slam的p2p导航方法、装置与电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111199564B (zh) | 智能移动终端的室内定位方法、装置与电子设备 | |
CN110738143B (zh) | 定位方法及装置、设备、存储介质 | |
CN105783917B (zh) | 基于地磁的移动终端定位方法及其装置 | |
CN104936283B (zh) | 室内定位方法、服务器和系统 | |
Niu et al. | Resource-efficient and automated image-based indoor localization | |
CN110705574B (zh) | 定位方法及装置、设备、存储介质 | |
Luo et al. | PiLoc: A self-calibrating participatory indoor localization system | |
CN109671119A (zh) | 一种基于slam的室内定位方法及装置 | |
CN111623765B (zh) | 基于多模态数据的室内定位方法及系统 | |
CN111323024B (zh) | 定位方法及装置、设备、存储介质 | |
US20120225678A1 (en) | Apparatus and method for constructing wireless ap map | |
CN103609178A (zh) | 地点辅助的识别 | |
CN111664848B (zh) | 一种多模态室内定位导航方法及系统 | |
Symington et al. | Encounter based sensor tracking | |
CN111511017B (zh) | 定位方法及装置、设备、存储介质 | |
Feng et al. | Visual Map Construction Using RGB‐D Sensors for Image‐Based Localization in Indoor Environments | |
Li et al. | SweepLoc: Automatic video-based indoor localization by camera sweeping | |
CN104618869A (zh) | 室内定位方法和设备 | |
CN108235246A (zh) | 一种室内定位方法及系统 | |
Jiang et al. | Indoor localization with a signal tree | |
CN107526058A (zh) | 室内定位方法、装置及系统 | |
CN110049441A (zh) | 基于深度集成学习的WiFi室内定位方法 | |
CN109561384B (zh) | 一种复合噪声条件下的无线传感器网络节点定位方法 | |
KR20210048697A (ko) | 실내측위 장치 및 방법 | |
CN110532410A (zh) | 相机定位及神经网络的训练方法和装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180629 |
|
WD01 | Invention patent application deemed withdrawn after publication |