CN108680897B - 一种室内定位方法、装置、电子设备及存储介质 - Google Patents
一种室内定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN108680897B CN108680897B CN201810426398.3A CN201810426398A CN108680897B CN 108680897 B CN108680897 B CN 108680897B CN 201810426398 A CN201810426398 A CN 201810426398A CN 108680897 B CN108680897 B CN 108680897B
- Authority
- CN
- China
- Prior art keywords
- point
- reference point
- information
- rssi information
- rssi
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004364 calculation method Methods 0.000 claims abstract description 60
- 238000012216 screening Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 8
- 239000000203 mixture Substances 0.000 description 32
- 238000010586 diagram Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity 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
本发明实施例提供了一种室内定位方法、装置、电子设备及存储介质,其中方法包括:获取各接入点针对待定位点的RSSI信息;针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇;获取各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;针对每个目标参考簇中的每个参考点,计算待定位点位于该目标参考点簇的该参考点的位置的概率;筛选概率最大的N个参考点;通过第二预设计算方式,根据概率最大的N个参考点的位置信息,确定待定位点的位置信息。本发明实施例提高了室内定位的效率。
Description
技术领域
本发明涉及计算机信息处理技术领域,特别是涉及一种室内定位方法、装置、电子设备及存储介质。
背景技术
进入21世纪以来,互联网信息技术正以惊人的速度发展。人们对LBS(LocationBased Service,基于位置服务)需求越来越大。室外位置服务在GPS(Global PositioningSystem,全球定位系统)和北斗系统的部署和完善下已经可以满足人们基本的出行定位需求。然而,由于复杂的室内环境而导致信号的衰弱和多径效应,GPS和北斗系统仍无法实现较为精准的定位。随着室内定位和无线通信技术的发展,室内定位有众多的方法被提出。例如,现有技术中出现的WiFi室内定位方法。
WiFi作为生活中最常用的无线信号之一,在室内定位中有广泛的应用。WiFi室内定位方法的思想是将室内环境以参考点的形式表示。具体为,第一阶段为离线采样阶段,在每一个RP(Reference Point,参考点)上,收集来自每个AP(Access Point,接入点)的RSSI(Received Signal Strength Indication,接收信号强度指示)以及RP位置坐标,生成相应的指纹信息,并将该指纹信息存入指纹数据库中。第二阶段为在线匹配阶段,待定位点产生信号,各接入点可接受该待定位点的信号,由于有多个接入点,进而针对该待定位可产生多个RSSI信息。获取各接入点针对待定位点的RSSI信息,通过朴素贝叶斯算法,计算该待定位点的各RSSI信息与各参考点的指纹信息的匹配概率,得到概率最大时对应的参考点,将该参考点的位置信息作为该待定位点的位置信息。
发明人发现,现有技术在确定待定位点的位置时,需要将待定位点的各RSSI信息与指纹数据库中所有参考点的指纹信息进行匹配概率的计算,计算过程繁琐,从而导致室内定位的效率较低。
发明内容
本发明实施例的目的在于提供一种室内定位方法、装置、电子设备及存储介质,以实现提高室内定位的效率。具体技术方案如下:
为达到上述发明目的,本发明实施例公开了一种室内定位方法,所述方法包括:
获取各接入点针对待定位点的接收信号强度指示RSSI信息;
针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,所述该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将所述各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合;
获取所述各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;
针对每个所述目标参考簇中的每个参考点,通过所述待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算所述待定位点位于该目标参考点簇的该参考点的位置的概率;
筛选概率最大的N个参考点;
通过第二预设计算方式,根据所述概率最大的N个参考点的位置信息,确定所述待定位点的位置信息。
可选地,构建各接入点的多个参考点簇的过程,包括:
通过各参考点对应所述多个接入点的多组RSSI信息,分别得到每个参考点对应于每个接入点RSSI信息的均值、标准差;
通过每个参考点对应于每个接入点的RSSI信息的均值、标准差以及正态分布函数,构建每个参考点对应于每个接入点的RSSI信息区间;
针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,所述聚类准则包括3σ聚类准则,所述σ表示任一参考点接收该接入点的多组RSSI信息的标准差;
通过迭代计算方式,确定满足该接入点的所述聚类准则对应划分的多个RSSI信息区间所对应的各参考点集合;
将所述各参考点集合,确定为所述该接入点的多个参考点簇。
可选地,所述通过所述待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算所述待定位点位于该目标参考点簇的该参考点的位置的概率,包括:
针对所述待定位点对应的每个RSSI信息,通过所述待定位点对应的该RSSI信息与该参考点的位置关系,计算所述待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到所述待定位点的该RSSI信息对应的第一结果;
将所述待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果;
通过朴素贝叶斯算法,计算所述第二结果对应的概率值,将所述概率值确定为所述待定位点位于该目标参考簇的该参考点的位置的概率。
可选地,所述通过第二预设计算方式,根据所述概率最大的N个参考点的位置信息,确定所述待定位点的位置信息,包括:
通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重;
根据所述每个参考点的权重,对所述每个参考点的位置信息进行加权运算,并将运算结果作为所述待定位点的位置信息。
为达到上述发明目的,本发明实施例公开了一种室内定位装置,所述装置包括:
RSSI信息获取模块,用于获取各接入点针对待定位点的接收信号强度指示RSSI信息;
目标参考点簇确定模块,用于针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,所述该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将所述各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合;
位置信息获取模块,用于获取所述各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;
位置概率计算模块,用于针对每个所述目标参考簇中的每个参考点,通过所述待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算所述待定位点位于该目标参考点簇的该参考点的位置的概率;
参考点筛选模块,用于筛选概率最大的N个参考点;
位置信息确定模块,用于通过第二预设计算方式,根据所述概率最大的N个参考点的位置信息,确定所述待定位点的位置信息。
可选地,还包括参考点簇构建模块,包括:
均值、标准差计算子模块,用于通过各参考点对应所述多个接入点的多组RSSI信息,分别得到每个参考点对应于每个接入点RSSI信息的均值、标准差;
信息区间构建子模块,用于通过每个参考点对应于每个接入点的RSSI信息的均值、标准差以及正态分布函数,构建每个参考点对应于每个接入点的RSSI信息区间;
聚类准则构建子模块,用于针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,所述聚类准则包括3σ聚类准则,所述σ表示任一参考点接收该接入点的多组RSSI信息的标准差;
参考点集合确定子模块,用于通过迭代计算方式,确定满足该接入点的所述聚类准则对应划分的多个RSSI信息区间所对应的各参考点集合;
参考点簇确定子模块,用于将所述各参考点集合,确定为所述该接入点的多个参考点簇。
可选地,所述位置概率计算模块,包括:
第一结果确定子模块,用于针对所述待定位点对应的每个RSSI信息,通过所述待定位点对应的该RSSI信息与该参考点的位置关系,计算所述待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到所述待定位点的该RSSI信息对应的第一结果;
第二结果确定子模块,用于将所述待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果;
位置概率计算子模块,用于通过朴素贝叶斯算法,计算所述第二结果对应的概率值,将所述概率值确定为所述待定位点位于该目标参考簇的该参考点的位置的概率。
可选地,所述位置信息确定模块,包括:
参考点权重计算子模块,用于通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重;
位置信息确定子模块,用于根据所述每个参考点的权重,对所述每个参考点的位置信息进行加权运算,并将运算结果作为所述待定位点的位置信息。
为达到上述发明目的,本发明实施例还公开了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现上述室内定位方法中任一所述的方法步骤。
为达到上述发明目的,本发明实施例还公开了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被所述处理器执行时,实现上述室内定位方法中任一所述的方法步骤。
本发明实施例公开的一种室内定位方法、装置、电子设备及存储介质,可以提高确定待定位点位置的效率。本发明实施例通过预先构建各接入点的多个参考点簇,进而在实际过程中,当接收到多个接入点对应于该待定位点的各RSSI信息后,直接在对应接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,进而,只计算该待定位点位于各目标参考点簇包含的各参考点的位置的概率,减少了现有技术需要计算该待定位点位于每个参考点的位置的概率的计算量,缩小了定位该待定位点位于预先确定的各参考点位置的搜索范围。进而,筛选概率最大的N个参考点,最后,通过第二预设计算方式,将概率最大的N个参考点确定的位置信息确定为待定位点的位置,避免了现有定位算法对全部参考点的搜索,从而减小了计算量,提高了室内定位的效率。且通过多个参考点的位置信息确定待定位点的位置信息,提高了确定待定位点位置信息的准确度。当然,实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种室内定位方法流程图;
图2为本发明实施例的一种室内定位方法中构建各接入点的多个参考点簇的方法流程图;
图3为本发明实施例的一种室内定位方法中构建各接入点的多个参考点簇对应的正态分布曲线图;
图4为本发明实施例的一种室内定位方法中参考点以及接入点的分布示意图;
图5为本发明实施例的一种室内定位装置结构示意图;
图6为本发明实施例的一种电子设备结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一方面,本发明实施例公开了一种室内定位方法,如图1所示。图1为本发明实施例的一种室内定位方法流程图,方法包括:
S101,获取各接入点针对待定位点的接收信号强度指示RSSI信息。
本发明实施例应用场景为,在预先确定各个参考点的地理位置的环境中,当有带定位点处于该环境时,分布在不同位置的各接入点会接收到该待定位点的信号,进而产生针对于该待定位点的多个RSSI(Received Signal Strength Indication,接收信号强度指示)信息。
本发明实施例的定位原理为:在离线采样阶段,在每一个RP(Reference Point,参考点)上,收集来自每个AP(Access Point,接入点)的RSSI(Received Signal StrengthIndication,接收信号强度指示)以及RP位置坐标,生成相应的指纹信息,并将该指纹信息存入指纹数据库中。当待定位点进入该环境时,待定位点产生信号,进而在各接入点得到针对于该待定位点的多个RSSI信息。计算该待定位点的各RSSI信息与各参考点的指纹信息的匹配概率,进而选出符合条件的概率对应的各参考点,计算符合条件的概率对应的各参考点的位置信息,将最终得到的位置信息确定为该参考点的位置信息。
例如,本发明实施例的环境可为商场;各参考点可为商场具体的商铺位置;各接入点可为分布于商场不同位置的信号接收器;该待定位点可为终端设备,例如,手机、个人电脑、平板电脑等。具体应用场景可按照该定位原理,由实施人员设置。
本步骤中,可在各接入点获取接收的该待定位点的RSSI信息。
S102,针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合。
本发明实施例中,为了减少待定位点的RSSI信息分别与每个参考点的指纹信息计算匹配概率的计算量,按照RSSI信息,预先参考点进行聚类,形成参考点簇,进而可先确定对应的目标参考点簇,将待定位点的RSSI信息分别与目标参考点簇中的每个参考点的指纹信息计算匹配概率即可。
在本发明实施例中,针对每个接入点,根据各参考点对应于该接入点的各RSSI信息,将各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合按照该接入点的RSSI信息区间,将各参考点划分成多个参考点簇,每个参考点簇包含:多个参考点、该多个参考点中每个参考点的位置信息,以及该参考点簇的RSSI信息区间。每个参考点簇包含的每个参考点的位置信息,可在预先构建的指纹数据库中获取。进而,可将每个接入点形成的多个参考点簇,存放到信息库中预先按照各接入点构建的各存储区域的对应存储区域中。以下在形成多个参考点簇的实施例中,具体说明参考点簇的形成过程。
在本步骤中,针对每个接入点的RSSI信息,为了提高查找效率,可使用并行的查找方式,在信息库中每个接入点对应的存储区域中,分别查找该接入点的RSSI信息所在的参考点簇。因为RSSI信息是根据发出信号的目标与该接入点的距离确定的信号强度,则针对于该接入点接收的该待定位点的RSSI信息,在该接入点的多个参考点簇中,可能存在多个参考点簇同时含有该接入点接收的该待定位点RSSI信息,则将几个参考点簇分别确定为该接入点的RSSI信息所在的目标参考点簇。
或者,针对每个接入点的RSSI信息,为了避免系统查找压力,可使用串行的查找方式,在信息库中每个接入点对应的存储区域中依次查找该接入点的RSSI信息所在的参考点簇。
S103,获取各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息。
本实施中,在构建每个接入点的各参考点簇时,每个参考点簇中保存有各参考点的位置信息,以及该参考点的RSSI信息区间。在本步骤中,可设置并行的数据获取程序,在每个RSSI信息对应的各目标参考点簇中,获取保存的各参考点的位置信息。
S104,针对每个目标参考簇中的每个参考点,通过待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算待定位点位于该目标参考点簇的该参考点的位置的概率。
上述S103获取了各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息后,本步骤可计算该带定位在分别位于每个参考点的位置的概率。
具体可为,针对待定位点对应的每个RSSI信息,通过待定位点对应的该RSSI信息与该参考点的位置关系,计算待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到待定位点的该RSSI信息对应的第一结果。将待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果。通过朴素贝叶斯算法,计算第二结果对应的概率值,将概率值确定为待定位点位于该目标参考簇的该参考点的位置的概率。
S105,筛选概率最大的N个参考点。
上述在得到待定位点位于每个目标参考点簇中每个参考点的位置的概率后,在本步骤中,可按照概率数值从大到小的顺序,对所有的概率值排序,进而确定出排序靠前的N概率值对应的各参考点。
或者,在本发明实施例中,可通过分析现有技术中确定待定位点对应的参考点的位置信息所对应的匹配概率值,得到概率阈值,进而在待定位点位于各参考点的位置概率中筛选出大于阈值的各概率对应的N个参考点。
S106,通过第二预设计算方式,根据概率最大的N个参考点的位置信息,确定待定位点的位置信息。
上述步骤在得到概率最大的N个参考点后,在本步骤中,通过第二预设计算,计算概率最大的N个参考点的位置信息进而将得到的位置信息,确定为该待定位点的位置信息。
具体的,该第二预设计算方式可为:
通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重;
根据每个参考点的权重,对每个参考点的位置信息进行加权运算,并将运算结果作为待定位点的位置信息。
本发明实施例公开的一种室内定位方法,可以提高确定待定位点位置的效率。本发明实施例通过预先构建各接入点的多个参考点簇,进而在实际过程中,当接收到多个接入点对应于该待定位点的各RSSI信息后,直接在对应接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,进而,只计算该待定位点位于各目标参考点簇包含的各参考点的位置的概率,减少了现有技术需要计算该待定位点位于每个参考点的位置的概率的计算量,缩小了定位该待定位点位于预先确定的各参考点位置的搜索范围。进而,筛选概率最大的N个参考点,最后,通过第二预设计算方式,将概率最大的N个参考点确定的位置信息确定为待定位点的位置,避免了现有定位算法对全部参考点的搜索,从而减小了计算量,提高了室内定位的效率。且通过多个参考点的位置信息确定待定位点的位置信息,提高了确定待定位点位置信息的准确度。
可选地,在本发明的室内定位方法的一种实施例中,S102中构建各接入点的多个参考点簇的过程,可如图2所示。图2为本发明实施例的一种室内定位方法中构建各接入点的多个参考点簇的方法流程图,包括:
S201,通过各参考点对应于多个接入点的多组RSSI信息,分别得到每个参考点对应于每个接入点RSSI信息的均值、标准差。
本发明实施例中,可在离线阶段,对每个AP,将所有的参考点划分到不同的集合中,进而形成针对于该AP的多个参考点簇。其构建参考点簇的原理为:利用AP对接收的各参考点的RSSI信息分布特性,整个每个AP,将该AP接收到RSSI信息划分为多个不重叠的RSSI信息区间,进而确定每个RSSI信息区间对应的各参考点。进而,对于每个AP形成该AP的多个参考点簇,每个参考点簇包含连续的参考点,并且相邻的参考点簇之间RSSI信息区间不重叠。
本步骤为得到每个参考点对应于每个接入点的RSSI信息的均值、标准差,进而便于S202中构建每个参考点对应于每个接入点的RSSI信息区间。
具体可为,针对每个AP,在该AP1中得到接收的每个参考点的多组RSSI信息,通过数学计算,得到每个参考点对应于该AP1的RSSI信息的均值、标准差。例如,假设当前环境中有假设室内环境中共有M个参考点,N个AP,每个M个AP可接受M个参考点的信号,进而每个参考点产生N个RSSI信息。在每个AP中,分别获取每个参考点的n组RSSI信息,进而,针对每个参考点,计算参考点1对应于该AP1的n组RSSI信息的均值μ1、标准差σ1,最终将得到参考点1对应于各AP的n组RSSI信息的均值μ1μ2…μN,得到参考点1对应于各AP的n组RSSI信息的标准差σ1σ2…σN保存在指纹数据库中。按照该计算方式,得到每个参考点对应于各AP的n组RSSI信息的均值、标准差。
S202,通过每个参考点对应于每个接入点RSSI信息的均值、标准差以及正态分布函数,构建每个参考点对应于每个接入点的RSSI信息区间。
在本步骤中,可利用正态分布函数构建每个参考点对应于每个接入点的RSSI信息区间。
参见图3,图3为本发明实施例的一种室内定位方法中构建各接入点的多个参考点簇对应的正态分布曲线图。以AP1参考点1为例,参考点1对应于AP1的RSSI信息区间在(μ1-3σ1,μ1+3σ1)的概率为99.74%。因此,近似地认为参考点1对应于AP1的RSSI信息区间分布在(μ1-3σ1,μ1+3σ1)。
通过该正态分布曲线,可得到每个参考点对应于该AP1的RSSI信息区间可为(μ1-3σ1,μ1+3σ1)(μ2-3σ2,μ2+3σ2)…(μM-3σM,μM+3σM)。每个参考点对应于剩余AP的各RSSI信息区间,可按照该方式确定,此处不再一一赘述。
S203,针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,聚类准则包括3σ聚类准则,σ表示任一参考点接收该接入点的多组RSSI信息的标准差。
上述在得到每个参考点对应于每个接入点的RSSI信息区间后,针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,该聚类准则可为3σ聚类准则。具体聚类方式可参考S204.
S204,通过迭代计算方式,确定满足该接入点的聚类准则对应划分的多个RSSI信息区间所对应的各参考点集合。
在本发明实施例中,假定环境中有M个参考点RP1RP2…RPM和每个接入点对应N个AP的各RSSI信息,例如,RSSI1,1,RSSI1,2,RSSI1,3,…,RSSI1,N表示参考点RP1对应于N个AP的各RSSI信息;RSSI2,1,RSSI2,2,RSSI2,3,…,RSSI2,N表示参考点RP2对应于N个AP的各RSSI信息;RSSIM,1,RSSIM,2,RSSIM,3,…,RSSIM,N表示参考点RPM对应于N个AP的各RSSI信息。可如表1所示:
表1:
RP<sub>1</sub> | RSSI<sub>1,1</sub>,RSSI<sub>1,2</sub>,RSSI<sub>1,3</sub>,…,RSSI<sub>1,N</sub> |
RP<sub>2</sub> | RSSI<sub>2,1</sub>,RSSI<sub>2,2</sub>,RSSI<sub>2,3</sub>,…,RSSI<sub>2,N</sub> |
RP<sub>3</sub> | RSSI<sub>3,1</sub>,RSSI<sub>1,2</sub>,RSSI<sub>1,3</sub>,…,RSSI<sub>3,N</sub> |
RP<sub>M</sub> | RSSI<sub>M,1</sub>,RSSI<sub>M,2</sub>,RSSI<sub>M,3</sub>,…,RSSI<sub>M,N</sub> |
在本步骤中,可参考图4所示的本发明实施例的一种室内定位方法中参考点以及接入点的分布示意图。在该图4中包含参考点1、参考点2…参考点18,以及接入点1、接入点2以及接入点3。本步骤的具体实施方式可如下:
输入:M个RP,N个AP;
参数说明:对每个AP,设定参数j表示相邻参考点簇之间间隔的参考点个数(j按实际需要取值,假定j最小阈值为min,最大阈值为max)。初始化k=0表示参考点簇的序号,变量q=0,初始化参考点序号i=1,新建集合A临时存储参考点。假设实验中相邻参考点之间的距离为0.6m。
对于AP1:
步骤一:
当min≤j≤max,开始步骤二;否则跳转至步骤四;
步骤二:
当i<M-j,则从参考点i开始,以j为间隔,比较参考点i与参考点i+j的RSSI信息区间范围。若则令k=k+1,令i=i+j,并新建集合UK,将参考点i和集合A中的参考点(若集合A不为空)加入集合UK,并清空集合A,并令q=i,重复步骤一;若将参考点i加入集合A中,令i=i+1,重复步骤一;
当i≥M-j,跳转至步骤三;
步骤三:
清空集合A,存储步骤二得到的各集合UK中(步骤二中亦可能未生成簇),所有参考点中RSSI的MINK MAXK,由此得到各簇的RSSI信息区间(MINK,MAXK)。令j=j+1,i=q,并跳转至步骤一;
步骤四:
将未归入任何集合的参考点归入集合U0,至此基于该AP1的聚类结束。
对其余的AP做相同步骤一到步骤四的处理,得到对于每个AP形成的集合;
S205,将各参考点集合,确定为该接入点的多个参考点簇。
针对N个AP,将S204中对该AP按照RSSI信息区间,得到的各集合,确定为该AP的多个参考点簇集合U={U1,U2...}。每个参考点簇包含多个参考点以及该参考点簇的RSSI信息区间范围。
至此,对于按照每个AP对各参考点进行了聚类和划分。进而,在在线阶段得到待定位点的各RSSI信息之后,对于AP1,若RSSI1在一个或多个参考点簇的取值范围内,将这些参考点簇定义为待定位点对应于AP1的RSSI1信息的目标参考点簇集合UZ,则待定位点出现在目标参考点簇集合UZ和簇U0包含的参考点中。
同理,其余的AP也会确定相应的目标参考点簇,即目标参考点簇集合。最后将由每个AP确定的目标参考点簇集合求交集,则可以最终确定待定位点可能出现的参考点集合,避免了对全局进行搜索,减小了计算量。
为了更好的说明本发明实施例中使用3σ聚类准则构建各接入点的多个参考点簇,可公开如下程序:
可见,通过本发明实施例,可实现针对每个接入点,按照RSSI信息区间,对各参考点进行聚类,进而形成针对各参考点的多个参考点簇,便于后期按照接入点的各RSSI信息,在对应接入点的多个参考点簇中,找到该接入点的RSSI信息所在的目标参考点簇,减少后期计算匹配概率的计算量。
可选地,在本发明的室内定位方法的一种实施例中,S104中通过待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算待定位点位于该目标参考点簇的该参考点的位置的概率的实施方式,可包括:
步骤一,针对待定位点对应的每个RSSI信息,通过待定位点对应的该RSSI信息与该参考点的位置关系,计算待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到待定位点的该RSSI信息对应的第一结果。
在本发明实施例中,可通过计算该待定位点与各目标参考簇中每个参考点的位置的概率,从而确定出概率较大的N个参考点。
在本发明实施例中,可使用高斯混合模型,计算该待定位点分别与各目标参考簇中每个参考点的位置的概率。以下具体说明如何构建高斯混合模型。
本发明实施例的高斯混合模型是用于表示总体群体内正态分布亚群的概率模型。高斯混合模型通常不需要知道数据点属于哪个子群,从而允许模型自动学习子群。高斯混合模型包含多个单高斯模型,进而通过确定各单高斯模型的各系数和每个单高斯模型的均值及方差,即可确定包含多个单高斯模型的高斯混合模型。含有K个单高斯模型的高斯混合模型的概率分布模型,可以表示如下:
其中,θ表示该高斯混合模型的待估计参数,θ=(α1,α2,…,αK;θ1,θ2,…θK);αk表示每个单高斯模型系数,且αk≥0,φ(y|θk)表示均值为μk,方差为σk 2的第k个单高斯模型的密度函数,该φ(y|θk)可表示如下:
其中,y表示各接入点得到的各参考点的RSSI信息,y=(y1,y2,…,yN)。
与K-means算法相似,确定该高斯混合模型时,需要确定该高斯混合模型包含的单高斯混合模型的个数K和指定参数θ的初始值。
在估计该高斯混合模型的参数θ前,先确定该高斯混合模型的初始值和单高斯模型的个数K。具体步骤如下:
1),获取参考点1对应于AP1的n组RSSI信息的数据集由数据集计算出均值m'和标准差s'作为该高斯混合模型参数的初值,初始化该高斯混合模型中单高斯模型的个数K=1,求解出此时该高斯混合模型的PDF(Probability DistributionFunction,概率分布函数)为根据数据集与计算出该高斯混合模型的平均误差E1;
2),令K'=K+1,m'=m'+5,s'=s'+3,同1)的执行过程,求解得到平均误差EK.若EK<E1,则保存单高斯模型的个数K'=K.
3),重复2)的方法,直至K=5(限定单高斯模型的的个数最多为5),。得到平均误差最小时分模型的个数K'。需要说明的是,该K=5为便于实验计算而确定的单高斯模型的上限数量,实际应用中,实施人员可按照需求自行设定个数上限数量。
上述在得到该高斯混合模型包含的单高斯模型的个数K后,可使用EM(Expectation,Maximum)算法确定该高斯混合模型的参数θ。
首先,确定每个参考点对应于每个接入点的RSSI信息形成的完整数据集合Y=(yj,γj1,γj2,…,γjK),j=1,2,…,N,γjK表示通过单高斯混合模型K的接入点j得到的各参考点的RSSI信息;该完整数据集合包括各接入点得到的各参考点的RSSI信息y=(y1,y2,…,yN)和未知数据γjK,K表示单高斯模型个数。则完整数据集合的对数似然函数为:
用极大似然估计无法得到
EM算法分为E(Expectation)和M(Maximum)两个步骤,在E步骤中,需要对待估计参数θ赋初值,定义计算对数似然函数的条件期望,即
Q(θ,θ(i))=E[log P(y,γ|θ)|y,θ(i)]
在M步骤中要得到参数θ的极大值,通过新一次的迭代来求模型的参数,即:
因此,得到参数θ=(α1,α2,…,αK;θ1,θ2,…θK)的迭代求解公式和系数αk的求解公式:
以上,重复E步骤和M步骤至收敛,最终可以得到参数θ的估计值,进而得到本发明实施例的高斯混合模型。
进而,可在每个RSSI信息对应的各目标参考点簇中,获取保存的各参考点的位置信息。每个各参考点的位置信息在预先构建的指纹数据库中获取的。
以下将说明本发明实施例的指纹数据库的构建过程,具体方式如下:
本发明实施例中,可通过高斯混合模型,构建包含各参考点的位置信息,以及包含每个参考点对应于各接入点的RSSI信息形成的每个参考点的指纹信息。各参考点的位置信息为预先确定的各位置坐标信息。
该指纹数据库中存储每个参考点对应于各AP的RSSI信息平均值,AP的MAC地址和各参考点的坐标信息。不同于K邻近算法构建指纹数据库,本发明实施例采用基于高斯混合模型构建的每个参考点的指纹信息,包含由高斯混合模型估计得到的模型参数θ.
利用上述高斯混合模型和EM算法对数据集Sij进行求解,分析得到各参考点的指纹数据库D=(D1,D2,…,Di,…,DM),i=1,2,…,M.此时Di=(θi,Li)表示第i个参考点的指纹信息,θi表示第i个参考点对应于每个N个AP的高斯混合模型的各参数信息,Li表示该第i个参考点的位置信息。对于θi可有如下表示:
其中,表示该参考点i对应于每个AP的各均值形成的向量;表示该参考点i对应于每个AP的各标准差形成的向量;表示该参考点i在该高斯对应于该高斯混合模型每个单高斯模型的系数形成的向量,向量长度为高斯混合模型单高斯模型的个数K。
获取各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息。
在本步骤中,在线阶段得到该待定位点对应于各接入点的每个RSSI信息,进而通过该待定位点对应的该RSSI信息与该参考点的位置关系以及高斯混合模型,计算该待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到待定位点的该RSSI信息对应的第一结果。
例如,该参考点为Li,计算该待定位点的RSSI1在该参考点Li的位置的概率,得到该待定位点的RSSI1对应的第一结果P(RSSI1|Li);计算该待定位点的RSSI2在该参考点Li的位置的概率,得到该待定位点的RSSI2对应的第一结果P(RSSI2|Li)...计算该待定位点的RSSIN在该参考点Li的位置的概率,得到该待定位点的RSSIN对应的第一结果P(RSSIN|Li)。
步骤二,将待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果。
上述得到该待定位点的各RSSI信息对应的各第一结果后,将该待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果。
例如,第二结果为P(S|Li):
P(S|Li)=P(RSSI1|Li)P(RSSI2|Li)…P(RSSIN|Li)
步骤三,通过朴素贝叶斯算法,计算第二结果对应的概率值,将概率值确定为待定位点位于该目标参考簇的该参考点的位置的概率。
在线定位阶段,根据在待定位点对应于各AP的RSSI信息,可将各AP的RSSI信息作为该待定位点的指纹信息S,则S=(RSSI1,RSSI2,RSSI3,…,RSSIN)。由朴素贝叶斯算法和各参考点的指纹信息D,计算得到待定位点的后验概率,最终计算待定位点位于该参考点的位置的概率的计算公式如下:
其中,Li表示参考点;P(S|Li)表示待定位点在参考点Li处的指纹信息为S的条件概率;P(Li)表示待定位点出现在参考点Li位置的先验概率。
将上述步骤得到的P(S|Li)代入该公式,进而可得到该待定位点位于该参考点的位置的概率。按照该公式,计算得到待定位点位于每个目标参考簇中每个参考点的位置的概率。
可见,在本发明实施例,通过高斯混合模型得到该定位点与每个目标参考簇中每个参考点的位置的概率,相比于现有技术中使用的单高斯模型得到的概率值,本发明实施例使用高斯混合模型得到的概率值,提高了概率精度。其次,本发明实施例提出的基于3σ聚类准则预先对各参考点进行聚类,进而只需要计算对应的目标参考点簇中各参考点与该待定位点的概率,从而降低在实时定位阶段的计算复杂度。另外,便于实现后期筛选出概率较大的各参考点,并通过概率较大的各参考点确定该待定位点的目标位置的目的。
可选地,在本发明的室内定位方法的一种实施例中,S106中通过第二预设计算方式,根据概率最大的N个参考点的位置信息,确定待定位点的位置信息的实施方式,可包括:
步骤A,通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重。
由上述实施例可知,P(S|Li)越大,则P(Li|S)越大,待定位点在位置Li处的概率越大。
在本步骤中,可先在上述得到的各概率中筛选概率最大的N个参考点。
进而通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重。
该预设权重公式可如下所示:
其中,ωi为筛选的第i个参考点的权重。
按照上述预设权重公式可得到概率最大的N个参考点的每个参考点的权重。
步骤B,根据每个参考点的权重,对每个参考点的位置信息进行加权运算,并将运算结果作为待定位点的位置信息。
上述在得到概率最大的N个参考点的每个参考点的权重后,本步骤可通过该N个参考点的位置信息确定该待定位点的位置信息。
具体地,对该每个参考点的位置信息进行加权运算,该加权运算公式可为:
其中,(xi,yi)表示第i个参考点的位置信息。
将通过该公式计算得到的(x,y),确定为该待定位点的位置信息。
可见,在本发明实施例,通过对多个参考点的位置信息加权处理,进而将得到的位置信息确定为该待定位点的位置信息,使得得到的该待定位点的位置信息更加准确。
为达到上述发明目的,本发明实施例公开了一种室内定位装置,如图5所示。图5为本发明实施例的一种室内定位装置结构示意图,包括:
RSSI信息获取模块501,用于获取各接入点针对待定位点的接收信号强度指示RSSI信息;
目标参考点簇确定模块502,用于针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合;
位置信息获取模块503,用于获取各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;
位置概率计算模块504,用于针对每个目标参考簇中的每个参考点,通过待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算待定位点位于该目标参考点簇的该参考点的位置的概率;
参考点筛选模块505,用于筛选概率最大的N个参考点;
位置信息确定模块506,用于通过第二预设计算方式,根据概率最大的N个参考点的位置信息,确定待定位点的位置信息。
本发明实施例公开的一种室内定位装置,可以提高确定待定位点位置的效率。本发明实施例通过预先构建各接入点的多个参考点簇,进而在实际过程中,当接收到多个接入点对应于该待定位点的各RSSI信息后,直接在对应接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,进而,只计算该待定位点位于各目标参考点簇包含的各参考点的位置的概率,减少了现有技术需要计算该待定位点位于每个参考点的位置的概率的计算量,缩小了定位该待定位点位于预先确定的各参考点位置的搜索范围。进而,筛选概率最大的N个参考点,最后,通过第二预设计算方式,将概率最大的N个参考点确定的位置信息确定为待定位点的位置,避免了现有定位算法对全部参考点的搜索,从而减小了计算量,提高了室内定位的效率。且通过多个参考点的位置信息确定待定位点的位置信息,提高了确定待定位点位置信息的准确度。
可选地,在本发明的室内定位装置的一种实施例中,还包括参考点簇构建模块,包括:
均值、标准差计算子模块,用于通过各参考点对应多个接入点的多组RSSI信息,分别得到每个参考点对应于每个接入点RSSI信息的均值、标准差;
信息区间构建子模块,用于通过每个参考点对应于每个接入点的RSSI信息的均值、标准差以及正态分布函数,构建每个参考点对应于每个接入点的RSSI信息区间;
聚类准则构建子模块,用于针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,聚类准则包括3σ聚类准则,σ表示任一参考点接收该接入点的多组RSSI信息的标准差;
参考点集合确定子模块,用于通过迭代计算方式,确定满足该接入点的聚类准则对应划分的多个RSSI信息区间所对应的各参考点集合;
参考点簇确定子模块,用于将各参考点集合,确定为该接入点的多个参考点簇。
可选地,在本发明的室内定位装置的一种实施例中,位置概率计算模块504,包括:
第一结果确定子模块,用于针对待定位点对应的每个RSSI信息,通过待定位点对应的该RSSI信息与该参考点的位置关系,计算待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到待定位点的该RSSI信息对应的第一结果;
第二结果确定子模块,用于将待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果;
位置概率计算子模块,用于通过朴素贝叶斯算法,计算第二结果对应的概率值,将概率值确定为待定位点位于该目标参考簇的该参考点的位置的概率。
可选地,在本发明的室内定位装置的一种实施例中,位置信息确定模块506,包括:
参考点权重计算子模块,用于通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重;
位置信息确定子模块,用于根据每个参考点的权重,对每个参考点的位置信息进行加权运算,并将运算结果作为待定位点的位置信息。
为达到上述发明目的,本发明实施例还公开了一种电子设备,本发明实施例还公开一种电子设备,如图6所示。图6为本发明实施例的一种电子设备结构示意图,包括处理器601、通信接口602、存储器603和通信总线604,其中,处理器601、通信接口602、存储器603通过通信总线604完成相互间的通信;
存储器603,用于存放计算机程序;
处理器601,用于执行存储器603上所存放的程序时,实现以下方法步骤:
获取各接入点针对待定位点的接收信号强度指示RSSI信息;
针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合;
获取各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;
针对每个目标参考簇中的每个参考点,通过待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算待定位点位于该目标参考点簇的该参考点的位置的概率;
筛选概率最大的N个参考点;
通过第二预设计算方式,根据概率最大的N个参考点的位置信息,确定待定位点的位置信息。
上述电子设备提到的通信总线604可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线604可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口602用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器603还可以是至少一个位于远离前述处理器601的存储装置。
上述的处理器601可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例公开的一种电子设备,可以提高确定待定位点位置的效率。本发明实施例通过预先构建各接入点的多个参考点簇,进而在实际过程中,当接收到多个接入点对应于该待定位点的各RSSI信息后,直接在对应接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,进而,通过计算该待定位点位于各目标参考点簇包含的各参考点的位置的概率,减少了现有技术需要计算该待定位点位于每个参考点的位置的概率的计算量,缩小了定位该待定位点位于预先确定的各参考点位置的搜索范围。进而,筛选概率最大的N个参考点,最后,通过第二预设计算方式,将概率最大的N个参考点确定的位置信息确定为待定位点的位置,避免了现有定位算法对全部参考点的搜索,从而减小了计算量,提高了室内定位的效率。且通过多个参考点的位置信息确定待定位点的位置信息,提高了确定待定位点位置信息的准确度。
为达到上述发明目的,本发明实施例还公开了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时,实现上述室内定位方法中任一方法步骤。
本发明实施例公开的一种计算机可读存储介质,可以提高确定待定位点位置的效率。本发明实施例通过预先构建各接入点的多个参考点簇,进而在实际过程中,当接收到多个接入点对应于该待定位点的各RSSI信息后,直接在对应接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,进而,通过计算该待定位点位于各目标参考点簇包含的各参考点的位置的概率,减少了现有技术需要计算该待定位点位于每个参考点的位置的概率的计算量,缩小了定位该待定位点位于预先确定的各参考点位置的搜索范围。进而,筛选概率最大的N个参考点,最后,通过第二预设计算方式,将概率最大的N个参考点确定的位置信息确定为待定位点的位置,避免了现有定位算法对全部参考点的搜索,从而减小了计算量,提高了室内定位的效率。且通过多个参考点的位置信息确定待定位点的位置信息,提高了确定待定位点位置信息的准确度。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已,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,均包含在本发明的保护范围内。
Claims (8)
1.一种室内定位方法,其特征在于,所述方法包括:
获取各接入点针对待定位点的接收信号强度指示RSSI信息;
针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将所述各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合;
获取所述各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;
针对每个所述目标参考簇中的每个参考点,通过所述待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算所述待定位点位于该目标参考点簇的该参考点的位置的概率;
筛选概率最大的N个参考点;
通过第二预设计算方式,根据所述概率最大的N个参考点的位置信息,确定所述待定位点的位置信息;
其中,构建各接入点的多个参考点簇的过程,包括:
通过各参考点对应多个接入点的多组RSSI信息,分别得到每个参考点对应于每个接入点RSSI信息的均值、标准差;
通过每个参考点对应于每个接入点的RSSI信息的均值、标准差以及正态分布函数,构建每个参考点对应于每个接入点的RSSI信息区间;
针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,所述聚类准则包括3σ聚类准则,所述σ表示任一参考点接收该接入点的多组RSSI信息的标准差;
通过迭代计算方式,确定满足该接入点的所述聚类准则对应划分的多个RSSI信息区间所对应的各参考点集合;
将所述各参考点集合,确定为该接入点的多个参考点簇。
2.根据权利要求1所述的室内定位方法,其特征在于,所述通过所述待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算所述待定位点位于该目标参考点簇的该参考点的位置的概率,包括:
针对所述待定位点对应的每个RSSI信息,通过所述待定位点对应的该RSSI信息与该参考点的位置关系,计算所述待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到所述待定位点的该RSSI信息对应的第一结果;
将所述待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果;
通过朴素贝叶斯算法,计算所述第二结果对应的概率值,将所述概率值确定为所述待定位点位于该目标参考簇的该参考点的位置的概率。
3.根据权利要求1所述的室内定位方法,其特征在于,所述通过第二预设计算方式,根据所述概率最大的N个参考点的位置信息,确定所述待定位点的位置信息,包括:
通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重;
根据所述每个参考点的权重,对所述每个参考点的位置信息进行加权运算,并将运算结果作为所述待定位点的位置信息。
4.一种室内定位装置,其特征在于,所述装置包括:
RSSI信息获取模块,用于获取各接入点针对待定位点的接收信号强度指示RSSI信息;
目标参考点簇确定模块,用于针对每个接入点的RSSI信息,在信息库中预先构建的该接入点的多个参考点簇中,查找该接入点的RSSI信息所在的至少一个目标参考点簇,该接入点的多个参考点簇为:根据各参考点对应于该接入点的各RSSI信息,将所述各RSSI信息划分成不重叠的RSSI信息区间对应形成的各参考点集合;
位置信息获取模块,用于获取所述各RSSI信息对应的各目标参考点簇中包含的各参考点的位置信息;
位置概率计算模块,用于针对每个所述目标参考簇中的每个参考点,通过所述待定位点对应的各RSSI信息与该参考点的位置关系以及第一预设计算方式,计算所述待定位点位于该目标参考点簇的该参考点的位置的概率;
参考点筛选模块,用于筛选概率最大的N个参考点;
位置信息确定模块,用于通过第二预设计算方式,根据所述概率最大的N个参考点的位置信息,确定所述待定位点的位置信息;
所述装置还包括参考点簇构建模块,所述参考点簇构建模块具体包括:
均值、标准差计算子模块,用于通过各参考点对应多个接入点的多组RSSI信息,分别得到每个参考点对应于每个接入点RSSI信息的均值、标准差;
信息区间构建子模块,用于通过每个参考点对应于每个接入点的RSSI信息的均值、标准差以及正态分布函数,构建每个参考点对应于每个接入点的RSSI信息区间;
聚类准则构建子模块,用于针对每个接入点,建立该接入点划分RSSI信息区间形成多个参考点簇的聚类准则,所述聚类准则包括3σ聚类准则,所述σ表示任一参考点接收该接入点的多组RSSI信息的标准差;
参考点集合确定子模块,用于通过迭代计算方式,确定满足该接入点的所述聚类准则对应划分的多个RSSI信息区间所对应的各参考点集合;
参考点簇确定子模块,用于将所述各参考点集合,确定为该接入点的多个参考点簇。
5.根据权利要求4所述的室内定位装置,其特征在于,所述位置概率计算模块,包括:
第一结果确定子模块,用于针对所述待定位点对应的每个RSSI信息,通过所述待定位点对应的该RSSI信息与该参考点的位置关系,计算所述待定位点的该RSSI信息在该目标参考簇的该参考点的位置的概率,得到所述待定位点的该RSSI信息对应的第一结果;
第二结果确定子模块,用于将所述待定位点的各RSSI信息对应的各第一结果相乘,得到第二结果;
位置概率计算子模块,用于通过朴素贝叶斯算法,计算所述第二结果对应的概率值,将所述概率值确定为所述待定位点位于该目标参考簇的该参考点的位置的概率。
6.根据权利要求4所述的室内定位装置,其特征在于,所述位置信息确定模块,包括:
参考点权重计算子模块,用于通过预设权重公式,分别计算概率最大的N个参考点中每个参考点的权重;
位置信息确定子模块,用于根据所述每个参考点的权重,对所述每个参考点的位置信息进行加权运算,并将运算结果作为所述待定位点的位置信息。
7.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器、所述通信接口、所述存储器通过所述通信总线完成相互间的通信;
所述存储器,用于存放计算机程序;
所述处理器,用于执行所述存储器上所存放的程序时,实现权利要求1-3任一所述的方法步骤。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810426398.3A CN108680897B (zh) | 2018-05-07 | 2018-05-07 | 一种室内定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810426398.3A CN108680897B (zh) | 2018-05-07 | 2018-05-07 | 一种室内定位方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108680897A CN108680897A (zh) | 2018-10-19 |
CN108680897B true CN108680897B (zh) | 2020-05-29 |
Family
ID=63802803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810426398.3A Active CN108680897B (zh) | 2018-05-07 | 2018-05-07 | 一种室内定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108680897B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109991569B (zh) * | 2019-04-03 | 2021-01-15 | 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 |
CN110401912A (zh) * | 2019-07-16 | 2019-11-01 | 杭州叙简科技股份有限公司 | 一种基于ap设备和蓝牙设备共同定位方法 |
CN114126038B (zh) * | 2020-08-28 | 2023-08-15 | 中移物联网有限公司 | 一种定位方法、装置、电子设备和可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101988962A (zh) * | 2009-11-09 | 2011-03-23 | 上海海洋大学 | 基于本体和位置服务的交互式信息辅助系统的实现 |
CN105223546A (zh) * | 2015-09-30 | 2016-01-06 | 西安电子科技大学 | 基于接收信号强度和参考点位置双聚类的室内定位方法 |
CN105430745A (zh) * | 2015-12-28 | 2016-03-23 | 迈普通信技术股份有限公司 | 一种基于rssi无线网络定位方法 |
CN105960021A (zh) * | 2016-07-07 | 2016-09-21 | 济南东朔微电子有限公司 | 一种改进的位置指纹室内定位方法 |
WO2017180033A1 (en) * | 2016-04-12 | 2017-10-19 | Telefonaktiebolaget Lm Ericsson (Publ) | System, apparatus, and method for using location records associated with wireless communication devices to generate an indoor map |
WO2017218164A1 (en) * | 2016-06-12 | 2017-12-21 | Apple Inc. | Determining location of mobile device using sensor space to physical space mapping |
CN107708203A (zh) * | 2017-08-29 | 2018-02-16 | 北京邮电大学 | 一种基于地理指纹的定位方法与装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104469936B (zh) * | 2014-12-09 | 2018-12-28 | 重庆邮电大学 | 基于智能空间的无线信号衰减模型的混合定位方法及系统 |
CN105334493B (zh) * | 2015-10-09 | 2017-12-26 | 北京航空航天大学 | 一种基于wlan的室内定位方法 |
-
2018
- 2018-05-07 CN CN201810426398.3A patent/CN108680897B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101988962A (zh) * | 2009-11-09 | 2011-03-23 | 上海海洋大学 | 基于本体和位置服务的交互式信息辅助系统的实现 |
CN105223546A (zh) * | 2015-09-30 | 2016-01-06 | 西安电子科技大学 | 基于接收信号强度和参考点位置双聚类的室内定位方法 |
CN105430745A (zh) * | 2015-12-28 | 2016-03-23 | 迈普通信技术股份有限公司 | 一种基于rssi无线网络定位方法 |
WO2017180033A1 (en) * | 2016-04-12 | 2017-10-19 | Telefonaktiebolaget Lm Ericsson (Publ) | System, apparatus, and method for using location records associated with wireless communication devices to generate an indoor map |
WO2017218164A1 (en) * | 2016-06-12 | 2017-12-21 | Apple Inc. | Determining location of mobile device using sensor space to physical space mapping |
CN105960021A (zh) * | 2016-07-07 | 2016-09-21 | 济南东朔微电子有限公司 | 一种改进的位置指纹室内定位方法 |
CN107708203A (zh) * | 2017-08-29 | 2018-02-16 | 北京邮电大学 | 一种基于地理指纹的定位方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108680897A (zh) | 2018-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106851573B (zh) | 基于对数路径损耗模型的联合加权k近邻室内定位方法 | |
CN108628904B (zh) | 一种路径编码、相似路径检索方法及装置和电子设备 | |
CN106646338B (zh) | 一种快速精确的室内定位方法 | |
CN107657015B (zh) | 一种兴趣点推荐方法、装置、电子设备及存储介质 | |
CN107703480B (zh) | 基于机器学习的混合核函数室内定位方法 | |
CN110719568B (zh) | 一种室内定位方法、装置、介质以及设备 | |
CN110166991B (zh) | 用于定位电子设备的方法、设备、装置以及存储介质 | |
CN105657823B (zh) | 基于核函数主特征提取的wifi室内加权k近邻定位算法 | |
CN110602651B (zh) | 基于wifi位置指纹的定位方法以及机器人的定位系统 | |
CN108680897B (zh) | 一种室内定位方法、装置、电子设备及存储介质 | |
CN107517446A (zh) | 基于Wi‑Fi热点的室内定位方法及装置 | |
CN108712714B (zh) | 一种室内wlan指纹定位中ap的选择方法及装置 | |
CN109348416B (zh) | 基于二分k均值的指纹室内定位方法 | |
CN108732559B (zh) | 一种定位方法、装置、电子设备及可读存储介质 | |
CN106776925B (zh) | 一种移动终端用户性别的预测方法、服务器和系统 | |
CN109991591B (zh) | 基于深度学习的定位方法、装置、计算机设备及存储介质 | |
Abdallah et al. | A machine learning approach for localization in cellular environments | |
CN112203324B (zh) | 一种基于位置指纹库的mr定位方法及装置 | |
Picard et al. | Time difference localization in the presence of outliers | |
CN108834077A (zh) | 基于用户移动特性的跟踪区划分方法、装置及电子设备 | |
CN111225334A (zh) | 一种定位方法、终端及计算机可读存储介质 | |
CN103698740A (zh) | 一种基于权重值选择的wifi室内定位方法 | |
Machaj et al. | Impact of radio fingerprints processing on localization accuracy of fingerprinting algorithms | |
CN111263295B (zh) | 一种wlan室内定位方法和装置 | |
CN110958565B (zh) | 计算信号距离的方法、装置、计算机设备和存储介质 |
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 |