CN108521631B - 一种面向室内定位的移动ap识别方法 - Google Patents
一种面向室内定位的移动ap识别方法 Download PDFInfo
- Publication number
- CN108521631B CN108521631B CN201810330121.0A CN201810330121A CN108521631B CN 108521631 B CN108521631 B CN 108521631B CN 201810330121 A CN201810330121 A CN 201810330121A CN 108521631 B CN108521631 B CN 108521631B
- Authority
- CN
- China
- Prior art keywords
- rss
- omega
- mobile
- distance
- sample
- 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
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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- G01S5/0252—Radio frequency fingerprinting
-
- 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
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Probability & Statistics with Applications (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种面向室内定位的移动AP识别方法。首先,在待定位区域内布置若干固定AP和移动AP,沿若干已知路径采集来自不同AP的RSS序列;其次,利用对数衰减传播模型,计算与AP一定距离范围内的信号衰减值,并依据此信号衰减值对采集到的来自每个AP的RSS数据进行筛选,同时得到筛选后的RSS信号的地理位置坐标;最后,对筛选后的RSS位置坐标进行基于密度的聚类,并求出簇的类内最大距离,以此判断AP是否是移动的。本发明基于指纹的室内定位算法,针对移动AP的存在而导致的室内定位干扰问题,提出了该种移动AP识别的方法。
Description
技术领域
本发明属于室内定位技术,具体涉及一种面向室内定位的移动AP识别方法。
背景技术
由于无线网络的快速发展及智能终端设备的普及,使得基于位置服务LBS(Location Based Service)的应用需求呈现大幅度增长的趋势,并且深深地影响着社会生产和生活的各个领域。在办公楼、大型商场等室内环境中,由于建筑物的遮挡,现有的室外定位系统,如GPS(Global Positioning System)定位系统很难进行精确地室内定位。而已有的室内定位系统中,大多需要布置的专用硬件设施,这就导致定位成本的提高和覆盖范围的受限,严重影响了LBS在室内环境中的应用与推广。而基于无线局域网WLAN(WirelessLocal Area Network)和接收信号强度(Received Signal Strength)的室内定位技术,无需布置额外的基础设施,直接利用现有的WLAN设施即可通过智能终端实现室内定位。
位置指纹的室内定位算法,作为经典的基于RSS的WLAN定位算法,分为离线和在线两个阶段。在离线阶段需要在待定位区域内标记若干参考点RP(Reference Point),在每个RP处采集来自不同接入点AP(Access Point)的RSS值,以此构建位置指纹数据库;而在线阶段,用户需要实时采集来自不同AP的RSS信号,与位置指纹数据库进行匹配,以此实现对用户的定位。
然而,由于现有的智能终端大多有移动热点的功能,所以在待定位的区域中,这些来自移动热点的RSS数据也会被采集并加入到位置指纹数据库中。但是这些移动热点的位置具有极大的不确定性,可以视作是移动的AP,这就对在线阶段的用户定位造成极大的干扰,导致严重的定位误差。针对以上问题,亟需开发出一种面向室内定位的移动AP识别方法加以解决。
发明内容
本发明的目的是提供一种面向室内定位的移动AP识别方法,它只需通过采集若干已知路径上的RSS值,就能识别出待定位区域中的AP是固定的还是移动的,解决了传统定位中移动AP的干扰问题。
本发明所述的一种面向室内定位的移动AP识别方法,包括以下步骤:
步骤一、在待定位区域的环境中部署k个无线接入点APa,a=1,…,k,这k个AP中包含k1个移动AP和k2个固定AP,但是每个AP是移动的还是固定的此时未知。
步骤二、在待定位区域中沿坐标已知的l条路径Path1,Path2,…,Pathl行走,采集l条RSS序列,RSS1,RSS2,…,RSSi,其中Pathi上信号的样本采样点所对应的地理位置坐标为 ni为Pathi上的样本采样点数,其中i=1,…,l,由此所得RSS序列RSSi内包含的RSS值为:
其中raj为第j个地理位置上采集到的来自第a个AP的RSS值,其中a=1,…,k,j=1,…,ni。
步骤三、利用信号对数衰减传播模型,求出与AP相距dr处的信号衰减值Pa。
步骤四、筛选关于APa,a=1,…,k的最大功率值衰落Pa的RSS信号所对应的地理位置坐标。
步骤六、计算所述步骤五中每个物理坐标点聚类Ca的类内最大距离diaa。
步骤七、对每个AP进行判断,若diaa>2dr,则判定APj为移动AP;反之,若diaa≤2dr,则判定APa为固定AP,其中dr为信号采样点与AP之间的欧式距离。
步骤八、重复所述步骤五至所述步骤七,对每个AP进行判断,完成目标场景中的移动AP识别。
所述步骤三包括以下步骤:
步骤三(一)、基于对数衰减传播模型,构建与AP相距dr处的信号衰减值计算表达式:
其中,P为所求位置点的RSS信号强度,β为表示路径衰减随距离增长速率的信号衰减指数,dr为信号采样点与AP之间的欧式距离,d0为参考距离,PAP为AP的发射功率,χσ为服从高斯分布N~(μ,σ2)的随机噪声。
步骤三(二)、利用所述步骤三(一)中的公式,求出与AP相距dr处的信号衰减值Pa。
所述步骤四包括以下步骤:
步骤四(一)、假设筛选关于APa,a=1,…,k的最大功率值衰落Pa的RSS信号集分别为RSS′1,RSS′2,...,RSS′k,其中a=1,2,…,k,满足 且其中i=1,2,…,l,u=1,2,…,ni;
步骤四(二)、找到所述步骤四(一)筛选出的来自每个AP的RSS值所对应的地理位置的坐标(xav,yav),其中i=1,2,…,l,a=1,2,…,k,u=1,2,…,ni,v=1,2,…,ma,筛选出的来自APa的位置坐标为:
其中ma表示筛选出的来自APa的坐标数也就是采集样本点数,a=1,2,…,k。
所述步骤五包括以下步骤:
步骤五(四)、构建核心对象集Ω中全部样本点的两两距离矩阵D:
步骤五(五)、初始化簇Ca为空集,a=1,…,k。
步骤五(六)、首先将聚类起始点pst加入到簇Ca中,即Ca=Ca∪{pst}。
步骤五(七)、判断Ω是否为空集,如果Ω不是空集,任意选取一个核心对象o∈Ω,并令Ω=Ω\{o},通过两两距离矩阵查找o与Ca中元素的距离。如果Ω是空集,执行步骤五(九)。
步骤五(八)、如果存在距离小于或等于ε,将此核心对象o加入到簇Ca中。返回步骤五(七)。
步骤五(九)、得到聚类后的簇Ca。
所述步骤六包括以下步骤:
本发明具有以下优点:首先,本发明只需要在待定位区域中沿已知若干条路径,采集相应的RSS序列,即可完成对数据的采集,无需布置其他设备;其次,利用传播模型计算与AP一定距离范围内的信号衰减值,并以此对采集到来自每个AP的RSS数据进行筛选,找到筛选后RSS的位置坐标;最后,对筛选后的RSS位置坐标进行基于密度的聚类,求出聚类的类内最大距离,以此判断AP是否是移动的。本发明可以有效识别出环境中的移动AP,并且在室内定位中,将这些移动AP去除,减少移动AP对定位精度的影响。
附图说明
图1为本发明流程图;
图2为室内待定位区域环境图;
图3为固定AP与移动AP布置图;
图4为已知路径图;
图5(a)~图5(e)为固定AP聚类结果图;
图6(a)~图6(b)为移动AP聚类结果图。
具体实施方式
下面结合附图对本发明作进一步说明。
本发明提供的一种面向室内定位的移动无线AP识别方法,该方法能够有效识别环境中的固定AP和移动AP,具体步骤如下:
步骤一、在待定位区域的环境中部署k个无线接入点APa,a=1,…,k,这k个AP中包含k1个移动AP和k2个固定AP,但是每个AP是移动的还是固定的此时未知。本实验设置k=7,其中,移动AP有2个,固定AP有5个。
步骤二、在待定位区域中沿坐标已知的l条路径Path1,Path2,…,Pathl行走,采集l条RSS序列,RSS1,RSS2,…,RSSl,其中Pathi上信号的样本采样点所对应的地理位置坐标为 ni为Pathi上的样本采样点数,其中i=1,…,l,由此所得RSS序列RSSi内包含的RSS值为:
其中raj为第j个地理位置上采集到的来自第a个AP的RSS值,其中a=1,…,k,j=1,…,ni。本实验设置l=5。
步骤三、利用信号对数衰减传播模型,求出与AP相距dr处的信号衰减值Pa,具体包括以下步骤:
3a、基于对数衰减传播模型,构建与AP相距dr处的信号衰减值计算表达式:
其中,P为所求位置点的RSS信号强度,β为表示路径衰减随距离增长速率的信号衰减指数,dr为信号采样点与AP之间的欧式距离,d0(=1m)为参考距离,PAP为AP的发射功率,χσ为服从高斯分布N~(μ,σ2)的随机噪声。本实验中,β=2,μ=0,σ2=2,PAP=0dBm。
3b、利用所述步骤3a中的公式,求出与AP相距dr处的信号衰减值Pa。本实验中,dr=10m。
步骤四、筛选关于APa,a=1,…,k的最大功率值衰落Pa的RSS信号所对应的地理位置坐标。
4a、假设筛选关于APa,a=1,…,k的最大功率值衰落Pa的RSS信号集分别为RSS′1,RSS′2,...,RSS′k,其中a=1,2,…,k,满足 且其中i=1,2,…,l,u=1,2,…,ni。
4b、找到所述步骤4a筛选出的来自每个AP的RSS值所对应的地理位置的坐标(xav,yav),其中i=1,2,…,l,a=1,2,…,k,u=1,2,…,ni,v=1,2,…,ma,筛选出的来自APa的位置坐标为:
其中ma表示筛选出的来自APa的坐标数也就是采集样本点数,a=1,2,…,k。
5d、构建核心对象集Ω中全部样本点的两两距离矩阵D:
5e、初始化簇Ca为空集,a=1,…,k。
5f、首先将聚类起始点pst加入到簇Ca中,即Ca=Ca∪{pst}。
5g、判断Ω是否为空集,如果Ω不是空集,任意选取一个核心对象o∈Ω,并令Ω=Ω\{o},通过两两距离矩阵查找o与Ca中元素的距离。如果Ω是空集,执行步骤5i。
5h、如果存在距离小于或等于ε,将此核心对象o加入到簇Ca中。返回步骤5g。
5i、得到聚类后的簇Ca。
步骤六、计算所述步骤五中每个物理坐标点聚类Ca的类内最大距离diaa。具体包括以下步骤:
步骤七、对每个AP进行判断,若diaa>2dr,则判定APj为移动AP;反之,若diaa≤2dr,则判定APa为固定AP,其中dr为信号采样点与AP之间的欧式距离。
步骤八、重复所述步骤五至所述步骤七,对每个AP进行判断,完成目标场景中的移动AP识别。
Claims (1)
1.一种面向室内定位的移动AP识别方法,其特征在于,包括以下步骤:
步骤一、在待定位区域的环境中部署k个无线接入点APa,a=1,…,k,这k个AP中包含k1个移动AP和k2个固定AP,但是每个AP是移动的还是固定的此时未知;
步骤二、在待定位区域中沿坐标已知的l条路径Path1,Path2,…,Pathl行走,采集l条RSS序列,RSS1,RSS2,…,RSSl,其中Pathi上信号的样本采样点所对应的地理位置坐标为 ni为Pathi上的样本采样点数,其中i=1,…,l,由此所得RSS序列RSSi内包含的RSS值为:
其中raj为第j个地理位置上采集到的来自第a个AP的RSS值,其中a=1,…,k,j=1,…,ni;
步骤三、利用信号对数衰减传播模型,求出与AP相距dr处的信号衰减值Pa;
步骤四、筛选关于APa,a=1,…,k的最大功率值衰落Pa的RSS信号所对应的地理位置坐标;
步骤四(二)、找到所述步骤四(一)筛选出的来自每个AP的RSS值所对应的地理位置的坐标(xav,yav),其中i=1,2,…,l,a=1,2,…,k,u=1,2,…,ni,v=1,2,…,ma,筛选出的来自APa的位置坐标为:
其中ma表示筛选出的来自APa的坐标数也就是采集样本点数,a=1,2,…,k;
步骤五(四)、构建核心对象集Ω中全部样本点的两两距离矩阵D:
步骤五(五)、初始化簇Ca为空集,a=1,…,k;
步骤五(六)、首先将聚类起始点pst加入到簇Ca中,即Ca=Ca∪{pst};
步骤五(七)、判断Ω是否为空集,如果Ω不是空集,任意选取一个核心对象o∈Ω,并令Ω=Ω\{o},通过两两距离矩阵查找o与Ca中元素的距离;如果Ω是空集,执行步骤五(九);
步骤五(八)、如果存在距离小于或等于ε,将此核心对象o加入到簇Ca中;返回步骤五(七);
步骤五(九)、得到聚类后的簇Ca;
步骤六、计算所述步骤五中每个物理坐标点聚类Ca的类内最大距离diaa;
步骤七、对每个AP进行判断,若diaa>2dr,则判定APj为移动AP;反之,若diaa≤2dr,则判定APa为固定AP,其中dr为信号采样点与AP之间的欧式距离;
步骤八、重复所述步骤五至所述步骤七,对每个AP进行判断,完成目标场景中的移动AP识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810330121.0A CN108521631B (zh) | 2018-04-13 | 2018-04-13 | 一种面向室内定位的移动ap识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810330121.0A CN108521631B (zh) | 2018-04-13 | 2018-04-13 | 一种面向室内定位的移动ap识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108521631A CN108521631A (zh) | 2018-09-11 |
CN108521631B true CN108521631B (zh) | 2020-05-22 |
Family
ID=63432519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810330121.0A Active CN108521631B (zh) | 2018-04-13 | 2018-04-13 | 一种面向室内定位的移动ap识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108521631B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3668197B1 (en) | 2018-12-12 | 2021-11-03 | Rohde & Schwarz GmbH & Co. KG | Method and radio for setting the transmission power of a radio transmission |
CN109819406B (zh) * | 2019-01-22 | 2020-12-18 | 江苏大学 | 一种基于众包的室内定位方法 |
CN111998857B (zh) * | 2020-09-02 | 2022-02-08 | 四川长虹电器股份有限公司 | 对室内物体位置进行实时定位的系统及方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101176215B1 (ko) * | 2008-12-11 | 2012-08-22 | 한국전자통신연구원 | 무선측위용 액세스포인트 배치 장치 및 그 방법 |
US9408178B2 (en) * | 2013-01-22 | 2016-08-02 | Apple Inc. | Detecting mobile access points |
CN103442378B (zh) * | 2013-08-16 | 2016-06-01 | 武汉飞沃网络有限公司 | 一种无线局域网络ap布设的优化方法 |
US10514437B2 (en) * | 2015-09-22 | 2019-12-24 | Mitsubishi Electric Research Laboratories, Inc. | Device localization using RSS based path loss exponent estimation |
CN105792138B (zh) * | 2016-02-26 | 2019-03-05 | 重庆邮电大学 | 基于线段密度的室内wlan用户定位与行为分析方法 |
CN106125037B (zh) * | 2016-06-15 | 2019-03-22 | 北京工业大学 | 基于WiFi信号强度和Micro-Model的室内无线热点回溯定位方法 |
CN106535322B (zh) * | 2016-10-31 | 2019-08-02 | 西南交通大学 | 一种基于wifi定向天线的室内移动定位方法 |
-
2018
- 2018-04-13 CN CN201810330121.0A patent/CN108521631B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108521631A (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110012428B (zh) | 一种基于WiFi的室内定位方法 | |
CN108696932B (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
Lee et al. | Random forest and WiFi fingerprint-based indoor location recognition system using smart watch | |
Hu et al. | Experimental Analysis on Weight ${K} $-nearest neighbor indoor fingerprint positioning | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN108521631B (zh) | 一种面向室内定位的移动ap识别方法 | |
Bagosi et al. | Indoor localization by WiFi | |
CN109945865B (zh) | 基于WiFi与地磁融合的室内定位方法 | |
Baala et al. | The impact of AP placement in WLAN-based indoor positioning system | |
CN109348416B (zh) | 基于二分k均值的指纹室内定位方法 | |
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 | |
CN105491661A (zh) | 基于改进的Kalman滤波算法的室内定位系统及方法 | |
CN108566675B (zh) | 基于多重接入点选择的WiFi室内定位方法 | |
CN110413655B (zh) | 一种基于改进隐马尔科夫模型的楼层识别方法 | |
Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
CN104581945B (zh) | 基于距离约束的半监督apc聚类算法的wlan室内定位方法 | |
CN107850656A (zh) | 用于定位目的的模型参数的确定 | |
Zhong et al. | WiFi indoor localization based on K-means | |
Fang et al. | Multi‐channel fingerprint localisation algorithm for wireless sensor network in multipath environment | |
CN111257830A (zh) | 基于预先设定ap位置的wifi定位算法 | |
CN107526058A (zh) | 室内定位方法、装置及系统 | |
Sun et al. | KNN-FCM hybrid algorithm for indoor location in WLAN | |
Swangmuang et al. | On clustering RSS fingerprints for improving scalability of performance prediction of indoor positioning systems | |
Zhou et al. | Integrated location fingerprinting and physical neighborhood for WLAN probabilistic localization | |
CN108924734B (zh) | 一种三维传感器节点定位方法及系统 |
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 |