CN109788451A - 一种自适应设备转换的室内定位方法 - Google Patents
一种自适应设备转换的室内定位方法 Download PDFInfo
- Publication number
- CN109788451A CN109788451A CN201910265819.3A CN201910265819A CN109788451A CN 109788451 A CN109788451 A CN 109788451A CN 201910265819 A CN201910265819 A CN 201910265819A CN 109788451 A CN109788451 A CN 109788451A
- Authority
- CN
- China
- Prior art keywords
- equipment
- distance
- signal path
- propagation model
- path propagation
- 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
Abstract
本发明公开了一种自适应设备转换的室内定位方法,先基于固定设备A构建指纹定位数据库;再在同一条件下,利用最小二乘分段多项式算法分别构建固定设备A和其他设备B的信号路径传播模型;最后,利用固定设备A的信号路径传播模型和其他设备B的信号路径传播模型,构造出固定设备A与其他设备B之间的设备转换模型。当对某个定位设备进行定位时,先根据其对应的设备转换模型进行信号强度数据的转换,再将转换后的数据在指纹定位数据库中进行定位,得到该定位设备的位置坐标。本发明解决了由于设备差异而导致数据采集工作量增大的问题,提高了定位精度,提高了室内定位技术的鲁棒性和工程实用性。
Description
技术领域
本发明涉及室内定位技术领域,尤其是一种自适应设备转换的室内定位方法。
背景技术
随着移动网络技术的不断普及和发展,基于位置服务的定位系统受到了越来越多的关注。在当前飞速发展的物联网时代,由于智能设备的普及几乎每个人都会携带智能设备,以及无线网络技术的普及使得室内环境中部署了大量的无线接入点,同时,基于室内无线网络技术的定位方法也得到了广泛的应用和研究,因此,基于随身携带智能设备的室内定位系统也应运而生。基于随身携带智能设备的室内定位系统由于无需准备额外的定位设备、室内环境下广泛分布的网络接入点、定位精度较高和用户的需求等特点,是未来室内环境下位置服务的发展方向。
基于随身携带智能设备的室内定位系统的性能好坏主要依赖于接收信号强度(RSS,Received Signal Strength)的鲁棒性,通常在室内定位实验过程中通常使用同一台接收设备即随身携带的智能设备来完成定位,主要针对室内环境中湿度、温度、布局以及人员走动等变化作自适应调整。然而,不同的接收设备由于硬件、天线尺寸和算法等不同使得信号强度RSS存在很大的差异性,从而降低了定位精度,削弱了定位的鲁棒性。
在解决信号强度RSS时变性问题上,现有技术主要是利用去除信号中的噪声信号并通过改进的算法的方式来实现,但这种方式并不能解决由于接收设备差异而带来的定位问题。
发明内容
为了克服上述现有技术中的缺陷,本发明提供一种自适应设备转换的室内定位方法,解决了由于设备差异而导致数据采集工作量增大的问题,提高了定位精度,提高了室内定位技术的鲁棒性和工程实用性。
为实现上述目的,本发明采用以下技术方案,包括:
一种自适应设备转换的室内定位方法,包括以下步骤:
S1,分别采集固定设备A在定位区域内的各个指纹点上所接收的信号强度,即分别采集各个指纹点的信号强度,并根据各个指纹点的信号强度和对应指纹点的位置构建指纹定位数据库;
S2,在同一条件下,利用最小二乘分段多项式算法分别构建固定设备A和其他设备B的信号路径传播模型;
所述其他设备B是不同于所述固定设备A的设备;
S3,利用固定设备A的信号路径传播模型hA(·),以及其他设备B的信号路径传播模型hB(·),构造出固定设备A与其他设备B之间的设备转换模型;
S4,定位设备在定位区域内的某个位置X上接收信号,并根据定位设备所接收信号的信号强度RSSX对该定位设备的位置X进行定位;
所述定位设备为固定设备A或其他设备B。
步骤S2中,所述同一条件是指:在构建固定设备A的信号路径传播模型和其他设备B的信号路径传播模型时,所处的环境和发射设备均保持一致,具体地,是指发射设备的信号初始传播能量Pt(d)相同即为同一发射设备;接收设备即固定设备A和其他设备B分别与发射设备之间的距离d相等;接收设备分别与发射设备之间的地板的总个数Nf相等;要求接收设备分别与发射设备之间的隔墙的总个数Np相等。
步骤S2中,所述信号路径传播模型为信号强度与距离d之间的m阶多项式函数,具体如下所示:
其中,k表示第k阶,ak表示第k阶多项式系数,dk表示距离d的k次方,m表示多项式的总阶数,h(d)表示在距离d上经信号路径传播模型所得的即所应接收的信号强度,h(·)表示信号强度与距离之间的m阶多项式函数即信号路径传播模型。
步骤S2中,包括以下具体步骤:
S21,在定位区域中的N个不同距离位置上,分别采集固定设备A和其他设备B所接收的信号强度,且固定设备A和其他设备B在每个距离位置上对于信号强度的采集均保持在同一条件下进行;
构建出距离d与固定设备A所接收的信号强度rssA之间的对应关系,即其中,N表示样本总数量,即共N个不同距离位置;i表示第i个距离位置;di表示第i个距离位置与发射设备之间的距离,表示在第i个距离位置上固定设备A所接收的信号强度;
构建出距离d与其它设备B所接收的信号强度信息rssB之间的对应关系,即其中,表示在第i个距离位置上其他设备B所接收的信号强度;
S22,利用最小二乘分段多项式算法分别得到固定设备A的信号路径传播模型hA(·)和其他设备B的信号路径传播模型hB(·);
步骤S22中,求固定设备A的信号路径传播模型hA(·)的多项式系数的值,包括以下具体步骤:
S2201,根据信号路径传播模型hA(·),以及距离d与信号强度rssA的对应关系,构造固定设备A的平均损失函数IA:
其中,hA(di)表示在距离di上固定设备A经信号路径传播模型所得的信号强度;表示在第i个距离位置即距离di上固定设备A所接收的信号强度;表示固定设备A的信号路径传播模型hA(·)的第k阶的多项式系数;di k表示距离di的k次方;
S2202,使固定设备A的平均损失函数IA的值最小,且在固定设备A的平均损失值最小的情况下,得到固定设备A的信号路径传播模型hA(·)的多项式系数的值;具体方式为:
固定设备A的平均损失函数IA对多项式系数求导,并使其对应的导数等于0,且在导数等于0的条件下,求得多项式系数的值,
将上式转化为求线性方程组的解:
且其中,x对应为矩阵中的下标数字,di x表示距离di的x次方;表示在第i个距离位置上固定设备A所接收的信号强度;
相对应的求得a0,a1,a2,…am,即固定设备A的信号路径传播模型hA(·)的多项式系数的值;
步骤S22中,求其他设备B的信号路径传播模型hB(·)的多项式系数的值,包括以下具体步骤:
S2211,根据信号路径传播模型hB(·),以及距离d与信号强度rssB的对应关系,构造其他设备B的平均损失函数IB:
其中,hB(di)表示在距离di上其他设备B经信号路径传播模型所得的信号强度;表示在第i个距离位置即距离di上其他设备B所接收的信号强度;表示其他设备B的信号路径传播模型hB(·)的第k阶的多项式系数;di k表示距离di的k次方;
S2212,使其他设备B的平均损失函数IB的值最小,且在其他设备B的平均损失值最小的情况下,得到其他设备B的信号路径传播模型hB(·)的多项式系数的值。具体方式为:
用其他设备B的平均损失函数IB对多项式系数求导,并使其对应的导数等于0,且在导数等于0的条件下,求得多项式系数的值,
同步骤S2202,将上式转化为求线性方程组的解:
且其中,x对应为矩阵中的下标数字,di x表示距离di的x次方,表示在第i个距离位置上其他设备B所接收的信号强度;
相对应的求得a0,a1,a2,…am,即其他设备B的信号路径传播模型hB(·)的多项式系数的值;
步骤S22中,还分别对信号路径传播模型hA(·)、hB(·)的样本数据即信号强度rssA、信号强度rssB进行分段拟合处理,得到最佳的多项式总阶数m的取值,以及得到最佳的样本总数量N的取值;
从而得到固定设备A的信号路径传播模型hA(·),以及得到其他设备B的信号路径传播模型hB(·)后;且利用该信号路径传播模型hA(·)即可求得固定设备A在任意距离d上所应接收的信号强度即hA(d),以及利用该信号路径传播模型hB(·)即可求得其他设备B在任意距离d上所应接收的信号强度即hB(d)。
步骤S3中,构造设备转换模型具体方式如下所示:
利用固定设备A的信号路径传播模型hA(·)和其他设备B的信号路径传播模型hB(·),构建出:在同一位置上即距离d上,固定设备A在该距离d上所应接收的信号强度即hA(d)与其他设备B在该距离d上所应接收的信号强度即hB(d)之间的对应关系,即:
该对应关系即为固定设备A与其他设备B之间的设备转换模型。
步骤S4中,对该定位设备的位置X进行定位的具体方式如下所示:
先判断定位设备是否与固定设备A一致,若一致,则直接利用指纹定位数据库进行定位,即将该信号强度RSSX与指纹定位数据库中的各个指纹点的信号强度进行对比,以确定该定位设备的位置X的坐标;
若不一致,则利用固定设备A与该定位设备之间的设备转换模型,对该定位设备的信号强度RSSX进行转换,将信号强度RSSX转换为固定设备A在该同一位置X上所应接收的信号强度hA(X),再利用指纹定位数据库进行定位,即将转换完成后的信号强度即hA(X)与指纹定位数据库中的各个指纹点的信号强度进行对比,以确定该定位设备的位置X的坐标;
所述对比是指利用信号强度在指纹定位数据库进行定位,是在指纹定位数据库中找出与该位置X之间的欧式距离为最近的指纹点。
采用华为荣耀8作为所述固定设备A;分别采用华为荣耀7C、小米note5A、魅族5作为所述其他设备B;所述最佳的样本总数量为10,即N=10;所述最佳的多项式总阶数为5,即m=5。
本发明的优点在于:
(1)本发明通过构建不同接收设备之间的设备转换模型,在定位时先判断定位设备是否与构建指纹定位数据库的设备是否一致,若不一致时,则利用设备转换模型进行数据转换后再进行定位,从而提高了定位精度,以及提高了室内定位技术的鲁棒性和工程实用性。
(2)本发明在构建信号路径传播模型时,必须在同一条件下进行数据采集,从而保证了固定设备A和其他设备B之间的设备转换模型的有效性。
(3)由于采集连续的距离位置上的数据,构建信号路径传播模型需要增加很大的离线工作量,故本发明利用采集N个离散的位置距离上的数据即信号强度,以构建信号路径传播模型,从而减小了离线数据采集的工作量。
(4)本发明为了解决由于多项式阶数过高引起拟合误差较大地问题,对信号路径传播模型的样本数据进行分段拟合处理,以得到最佳的多项式总阶数和最佳的样本总数量,从而降低了拟合误差,提高了信号路径传播模型的精度,以及提高了设备转换模型的精度。
附图说明
图1为本发明的一种自适应设备转换的室内定位方法的方法流程图。
图2为本实施例的定位区域即实验环境的示意图。
图3为不同取值的多项式总阶数所对应的信号路径传播模型的拟合回归曲线的对比图。
图4为不同取值的样本总数量所对应的信号路径传播模型的拟合回归曲线的对比图。
图5为不同接收设备在同一距离位置上所接收的信号强度的对比图。
图6为不同接收设备在数据转换前后的定位效果的对比图。
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。
由图1所示,一种自适应设备转换的室内定位方法,包括以下具体步骤:
S1,分别采集固定设备A在定位区域内的各个指纹点上所接收的信号强度,即分别采集各个指纹点的信号强度,并根据各个指纹点的信号强度和对应指纹点的位置构建指纹定位数据库。
其中,所述定位区域内共包括Y个定位指纹点即指纹点,此Y个指纹点的位置的集合为L,L={L1,L2,…,LY},即L={Ly,y=1,2,…,Y};且利用所述固定设备A采集的此N个指纹点的信号强度的集合为RA,即其中,y表示该定位区域内的第y个指纹点,Ly表示第y个指纹点的位置即位置坐标,表示固定设备A在第y个指纹点上所采集的信号强度,即第y个指纹点的信号强度。
对第y个指纹点的位置Ly和第y个指纹点的信号强度之间构建映射关系,以此类推,对每个指纹点的位置和该指纹点的信号强度之间均构建映射关系,得到指纹定位数据库。所述指纹定位数据库R的表示方式为:
本实施例中,所述固定设备A采用华为荣耀8,即利用华为荣耀8采集各个指纹点的信号强度,并构建指纹定位数据库。
本实施例中,所述定位区域如图2所示。
S2,在同一条件下,利用最小二乘分段多项式算法分别构建固定设备A的信号路径传播模型和其他设备B的信号路径传播模型。所述其他设备B是不同于所述固定设备A的设备。
由于,经验路径传播损耗模型为:
其中,Pr(d)表示经验路径下的信号接收能量,Pt(d)表示发射设备的信号初始传播能量,PL(d)表示自由路径下的信号损耗能量,FAFz表示信号穿过第z个地板的衰减因子,PAFj型表示信号穿过第j个隔墙的衰减因子,Nf表示接收设备与发射设备之间的地板的总个数,Np表示接收设备与发射设备之间的隔墙的总个数,d表示接收设备与发射设备之间的距离。
所述经验路径传播损耗模型是考虑了信号在传播过程中受到障碍物、墙体等遮挡而总结出的一种通用信号传播损耗模型。
因此,所述同一条件表示:在构建固定设备A的信号路径传播模型和其他设备B的信号路径传播模型时,所处的环境和发射设备等条件需要保持一致,即使经验路径传播损耗模型中的各参数保持一致,具体地,要求发射设备的信号初始传播能量Pt(d)相同即为同一发射设备,要求接收设备即固定设备A和其他设备B分别与发射设备之间的距离d相等,要求接收设备分别与发射设备之间的地板的总个数Nf相等,要求接收设备分别与发射设备之间的隔墙的总个数Np相等。且只有在同一条件下,所构建的信号路径传播模型才具有进行数据转换即信号轻度转换的意义。
步骤S2中,包括以下具体步骤:
S21,由于采集连续的距离位置上的数据,构建信号路径传播模型需要增加很大的离线数据的采集工作量,故本发明利用采集N个离散的位置距离上的数据即信号强度,以构建信号路径传播模型,从而减小了离线数据采集的工作量。具体方式如下所示:
在定位区域中的N个不同距离位置上,分别采集固定设备A和其他设备B所接收的信号强度,且固定设备A和其他设备B在每个距离位置上对于信号强度的采集均保持在同一条件下进行。
构建出距离d与固定设备A所接收的信号强度rssA之间的对应关系,即其中,N表示样本总数量,即共N个不同距离位置;i表示第i个距离位置;di表示第i个距离位置与发射设备之间的距离,表示在第i个距离位置上固定设备A所接收的信号强度。
构建出距离d与其它设备B所接收的信号强度信息rssB之间的对应关系,即其中,表示在第i个距离位置上其他设备B所接收的信号强度。
S22,利用最小二乘分段多项式算法分别得到固定设备A和其他设备B的信号路径传播模型。
将所述信号路径传播模型用信号强度与距离d之间的m阶多项式函数表示,如下所示:
其中,k表示第k阶,ak表示第k阶多项式系数,dk表示距离d的k次方,m表示多项式的总阶数,h(d)表示在距离d上经信号路径传播模型所得的即所应接收的信号强度,h(·)表示信号强度与距离之间的m阶多项式函数即信号路径传播模型。
其中,求固定设备A的信号路径传播模型hA(·)的多项式系数的值,包括以下具体步骤:
S2201,根据信号路径传播模型hA(·),以及距离d与信号强度rssA的对应关系,构造固定设备A的平均损失函数IA:
其中,hA(di)表示在距离di上固定设备A经信号路径传播模型所得的信号强度;表示在第i个距离位置即距离di上固定设备A所接收的信号强度;表示固定设备A的信号路径传播模型hA(·)的第k阶的多项式系数;di k表示距离di的k次方。
S2202,使固定设备A的平均损失函数IA的值最小,且在固定设备A的平均损失值最小的情况下,求得固定设备A的信号路径传播模型hA(·)的多项式系数的值。具体方式为:
固定设备A的平均损失函数IA对多项式系数求导,并使其对应的导数等于0,且在导数等于0的条件下,求得多项式系数的值,
将上式转化为求线性方程组的解:
由于,其中,x对应为矩阵中的下标数字,di x表示距离di的x次方;表示在第i个距离位置上固定设备A所接收的信号强度;
因此,可对应的求得a0,a1,a2,…am,即固定设备A的信号路径传播模型hA(·)的多项式系数的值。
其中,求其他设备B的信号路径传播模型hB(·)的多项式系数的值,包括以下具体步骤:
S2211,根据信号路径传播模型hB(·),以及距离d与信号强度rssB的对应关系,构造其他设备B的平均损失函数IB:
其中,hB(di)表示在距离di上其他设备B经信号路径传播模型所得的信号强度;表示在第i个距离位置即距离di上其他设备B所接收的信号强度;表示其他设备B的信号路径传播模型hB(·)的第k阶的多项式系数;di k表示距离di的k次方。
S2212,使其他设备B的平均损失函数IB的值最小,且在其他设备B的平均损失值最小的情况下,求得其他设备B的信号路径传播模型hB(·)的多项式系数的值。具体方式为:
用其他设备B的平均损失函数IB对多项式系数求导,并使其对应的导数等于0,且在导数等于0的条件下,求得多项式系数的值,
同步骤S2202,将上式转化为求线性方程组的解:
由于,其中,x对应为矩阵中的下标数字,di x表示距离di的x次方,表示在第i个距离位置上其他设备B所接收的信号强度;
因此,可对应的求得a0,a1,a2,…am,即其他设备B的信号路径传播模型hB(·)的多项式系数的值。
本发明中,为了解决由于多项式阶数过高引起拟合误差较大地问题,对信号路径传播模型即hA(·)、hB(·)的样本数据即进行分段拟合处理,得到最佳的多项式总阶数m的取值,以及得到最佳的样本总数量N的取值,以保证信号路径传播模型的误差最小,回归精度最高。
由图3所示,本实施例中,所选取的最佳的多项式总阶数为5,即m=5;由图4所示,本实施例中,所选取的最佳的样本总数量为10,即N=10。
从而得到固定设备A的信号路径传播模型hA(·),以及得到其他设备B的信号路径传播模型hB(·)后;且利用该信号路径传播模型hA(·)即可求得固定设备A在任意距离d上所应接收的信号强度即hA(d),以及利用该信号路径传播模型hB(·)即可求得其他设备B在任意距离d上所应接收的信号强度即hB(d)。
S3,构造固定设备A与其他设备B之间的设备转换模型。具体方式如下所示:
利用固定设备A的信号路径传播模型hA(·)和其他设备B的信号路径传播模型hB(·),构建出:在同一位置上即距离d上,固定设备A在该距离d上所应接收的信号强度即hA(d)与其他设备B在该距离d上所应接收的信号强度即hB(d)之间的对应关系即映射关系:
该对应关系即为固定设备A与其他设备B之间的设备转换模型。
本实施例中,分别采用华为荣耀7C、小米note5A、魅族5作为其他设备B,并分别得到其对应的信号路径传播模型,以及分别得到其对应的设备转换模型。
S4,定位设备在定位区域内的某个位置X上接收信号,并利用所接收信号的信号强度RSSX对该定位设备的位置X进行定位。所述定位设备为固定设备A或其他设备B。对该定位设备的位置X进行定位的具体方式如下所示:
先判断定位设备是否与固定设备A一致,若一致,则直接利用指纹定位数据库进行定位,即将该信号强度RSSX与指纹定位数据库中的各个指纹点的信号强度进行对比,以确定该定位设备的位置X的坐标;
若不一致,则利用固定设备A与该定位设备之间的设备转换模型,对该定位设备的信号强度RSSX进行转换,将信号强度RSSX转换为固定设备A在该同一位置X上所应接收的信号强度hA(X),再利用指纹定位数据库进行定位,即将转换完成后的信号强度即hA(X)与指纹定位数据库中的各个指纹点的信号强度进行对比,以确定该定位设备的位置X的坐标。
所述对比是指利用信号强度在指纹定位数据库进行定位,是在指纹定位数据库中找出与该位置X之间的欧式距离为最近的指纹点,具体方式可参见现有技术。
由图5所示,不同的接收设备由于其各自的硬件、天线尺寸和算法等差异,在同一位置上接收的信号强度差别很大,本实施例中的四种设备即华为荣耀8、华为荣耀7C、小米note5A、魅族5在相同的距离位置上的所接收的信号强度也是不同的。
由图6所示,本实施例中的四种设备即华为荣耀8、华为荣耀7C、小米note5A、魅族5在指纹定位数据库中,分别进行直接定位和利用其对应的设备转换模型进行数据转换即信号强度转换后进行定位,并分别将其直接定位的定位误差和数据转换后定位的定位误差进行对比。其中,华为荣耀8为固定设备A,华为荣耀7C、小米note5A、魅族5均为其他设备B,即指纹定位数据库是基于华为荣耀8所构建的。根据图6的结果显示,基于本发明的一种自适应设备转换的室内定位方法进行定位后,其定位误差更小,本发明有效地提高了定位精度,提高了室内定位技术的鲁棒性和工程实用性。
本发明中的设备转换模型的方式,不仅适用于本发明中所提及的对于接收设备不一致的情况,还可适用于发射设备不一致的情况。
WLAN室内定位方法包括两种,分别为:指纹定位法和信号传播模型法。本发明中所采用的是指纹定位法,但是,本发明中的设备转换模型的方式,不仅适用于指纹定位法,还适用于信号传播模型法。所述信号传播模型法同样存在不同接收设备的情况和不同发射设备的情况,且本发明也均可适用此定位方法中的两种情况。
本发明为不同接收设备之间的统一标准提供了主要依据;所构建得设备转换模型适用于各种室内定位环境和定位技术;在不增加离线数据采集工作量的条件下,利用最小二乘法分段多项式算法构建信号路径传播模型;寻找最佳多项式阶数和拟合样本个数,构造最佳设备转换模型;对不同设备采集的数据进行转换处理,避免增加离线数据得采集工作量,提高定位精度以及定位技术的鲁棒性和工程实用性。
以上仅为本发明创造的较佳实施例而已,并不用以限制本发明创造,凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明创造的保护范围之内。
Claims (7)
1.一种自适应设备转换的室内定位方法,其特征在于,包括以下步骤:
S1,分别采集固定设备A在定位区域内的各个指纹点上所接收的信号强度,即分别采集各个指纹点的信号强度,并根据各个指纹点的信号强度和对应指纹点的位置构建指纹定位数据库;
S2,在同一条件下,利用最小二乘分段多项式算法分别构建固定设备A和其他设备B的信号路径传播模型;
所述其他设备B是不同于所述固定设备A的设备;
S3,利用固定设备A的信号路径传播模型hA(·),以及其他设备B的信号路径传播模型hB(·),构造出固定设备A与其他设备B之间的设备转换模型;
S4,定位设备在定位区域内的某个位置X上接收信号,并根据定位设备所接收信号的信号强度RSSX对该定位设备的位置X进行定位;
所述定位设备为固定设备A或其他设备B。
2.根据权利要求1所述的一种自适应设备转换的室内定位方法,其特征在于,步骤S2中,所述同一条件是指:在构建固定设备A的信号路径传播模型和其他设备B的信号路径传播模型时,所处的环境和发射设备均保持一致,具体地,是指发射设备的信号初始传播能量Pt(d)相同即为同一发射设备;接收设备即固定设备A和其他设备B分别与发射设备之间的距离d相等;接收设备分别与发射设备之间的地板的总个数Nf相等;要求接收设备分别与发射设备之间的隔墙的总个数Np相等。
3.根据权利要求2所述的一种自适应设备转换的室内定位方法,其特征在于,步骤S2中,所述信号路径传播模型为信号强度与距离d之间的m阶多项式函数,具体如下所示:
其中,k表示第k阶,ak表示第k阶多项式系数,dk表示距离d的k次方,m表示多项式的总阶数,h(d)表示在距离d上经信号路径传播模型所得的即所应接收的信号强度,h(·)表示信号强度与距离之间的m阶多项式函数即信号路径传播模型。
4.根据权利要求3所述的一种自适应设备转换的室内定位方法,其特征在于,步骤S2中,包括以下具体步骤:
S21,在定位区域中的N个不同距离位置上,分别采集固定设备A和其他设备B所接收的信号强度,且固定设备A和其他设备B在每个距离位置上对于信号强度的采集均保持在同一条件下进行;
构建出距离d与固定设备A所接收的信号强度rssA之间的对应关系,即其中,N表示样本总数量,即共N个不同距离位置;i表示第i个距离位置;di表示第i个距离位置与发射设备之间的距离,表示在第i个距离位置上固定设备A所接收的信号强度;
构建出距离d与其它设备B所接收的信号强度信息rssB之间的对应关系,即其中,表示在第i个距离位置上其他设备B所接收的信号强度;
S22,利用最小二乘分段多项式算法分别得到固定设备A的信号路径传播模型hA(·)和其他设备B的信号路径传播模型hB(·);
步骤S22中,求固定设备A的信号路径传播模型hA(·)的多项式系数的值,包括以下具体步骤:
S2201,根据信号路径传播模型hA(·),以及距离d与信号强度rssA的对应关系,构造固定设备A的平均损失函数IA:
其中,hA(di)表示在距离di上固定设备A经信号路径传播模型所得的信号强度;表示在第i个距离位置即距离di上固定设备A所接收的信号强度;表示固定设备A的信号路径传播模型hA(·)的第k阶的多项式系数;di k表示距离di的k次方;
S2202,使固定设备A的平均损失函数IA的值最小,且在固定设备A的平均损失值最小的情况下,得到固定设备A的信号路径传播模型hA(·)的多项式系数的值;具体方式为:
固定设备A的平均损失函数IA对多项式系数求导,并使其对应的导数等于0,且在导数等于0的条件下,求得多项式系数的值,
将上式转化为求线性方程组的解:
且其中,x对应为矩阵中的下标数字,di x表示距离di的x次方;表示在第i个距离位置上固定设备A所接收的信号强度;
相对应的求得a0,a1,a2,…am,即固定设备A的信号路径传播模型hA(·)的多项式系数的值;
步骤S22中,求其他设备B的信号路径传播模型hB(·)的多项式系数的值,包括以下具体步骤:
S2211,根据信号路径传播模型hB(·),以及距离d与信号强度rssB的对应关系,构造其他设备B的平均损失函数IB:
其中,hB(di)表示在距离di上其他设备B经信号路径传播模型所得的信号强度;表示在第i个距离位置即距离di上其他设备B所接收的信号强度;表示其他设备B的信号路径传播模型hB(·)的第k阶的多项式系数;di k表示距离di的k次方;
S2212,使其他设备B的平均损失函数IB的值最小,且在其他设备B的平均损失值最小的情况下,得到其他设备B的信号路径传播模型hB(·)的多项式系数的值。具体方式为:
用其他设备B的平均损失函数IB对多项式系数求导,并使其对应的导数等于0,且在导数等于0的条件下,求得多项式系数的值,
同步骤S2202,将上式转化为求线性方程组的解:
且其中,x对应为矩阵中的下标数字,di x表示距离di的x次方,表示在第i个距离位置上其他设备B所接收的信号强度;
相对应的求得a0,a1,a2,…am,即其他设备B的信号路径传播模型hB(·)的多项式系数的值;
步骤S22中,还分别对信号路径传播模型hA(·)、hB(·)的样本数据即信号强度rssA、信号强度rssB进行分段拟合处理,得到最佳的多项式总阶数m的取值,以及得到最佳的样本总数量N的取值;
从而得到固定设备A的信号路径传播模型hA(·),以及得到其他设备B的信号路径传播模型hB(·)后;且利用该信号路径传播模型hA(·)即可求得固定设备A在任意距离d上所应接收的信号强度即hA(d),以及利用该信号路径传播模型hB(·)即可求得其他设备B在任意距离d上所应接收的信号强度即hB(d)。
5.根据权利要求4所述的一种自适应设备转换的室内定位方法,其特征在于,步骤S3中,构造设备转换模型具体方式如下所示:
利用固定设备A的信号路径传播模型hA(·)和其他设备B的信号路径传播模型hB(·),构建出:在同一位置上即距离d上,固定设备A在该距离d上所应接收的信号强度即hA(d)与其他设备B在该距离d上所应接收的信号强度即hB(d)之间的对应关系,即:
该对应关系即为固定设备A与其他设备B之间的设备转换模型。
6.根据权利要求5所述的一种自适应设备转换的室内定位方法,其特征在于,步骤S4中,对该定位设备的位置X进行定位的具体方式如下所示:
先判断定位设备是否与固定设备A一致,若一致,则直接利用指纹定位数据库进行定位,即将该信号强度RSSX与指纹定位数据库中的各个指纹点的信号强度进行对比,以确定该定位设备的位置X的坐标;
若不一致,则利用固定设备A与该定位设备之间的设备转换模型,对该定位设备的信号强度RSSX进行转换,将信号强度RSSX转换为固定设备A在该同一位置X上所应接收的信号强度hA(X),再利用指纹定位数据库进行定位,即将转换完成后的信号强度即hA(X)与指纹定位数据库中的各个指纹点的信号强度进行对比,以确定该定位设备的位置X的坐标;
所述对比是指利用信号强度在指纹定位数据库进行定位,是在指纹定位数据库中找出与该位置X之间的欧式距离为最近的指纹点。
7.根据权利要求5所述的一种自适应设备转换的室内定位方法,其特征在于,采用华为荣耀8作为所述固定设备A;分别采用华为荣耀7C、小米note5A、魅族5作为所述其他设备B;所述最佳的样本总数量为10,即N=10;所述最佳的多项式总阶数为5,即m=5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265819.3A CN109788451B (zh) | 2019-04-03 | 2019-04-03 | 一种自适应设备转换的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265819.3A CN109788451B (zh) | 2019-04-03 | 2019-04-03 | 一种自适应设备转换的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109788451A true CN109788451A (zh) | 2019-05-21 |
CN109788451B CN109788451B (zh) | 2020-08-14 |
Family
ID=66491099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910265819.3A Active CN109788451B (zh) | 2019-04-03 | 2019-04-03 | 一种自适应设备转换的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109788451B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526604A (zh) * | 2008-03-07 | 2009-09-09 | 财团法人工业技术研究院 | 无线定位系统的信号强度的转换装置及其方法 |
US20100246419A1 (en) * | 2009-03-24 | 2010-09-30 | Symbol Technologies, Inc. | Method and system for collecting locationing information in a wireless local area network |
CN101986747A (zh) * | 2010-10-14 | 2011-03-16 | 北京拓明科技有限公司 | 移动终端定位方法 |
CN103379427A (zh) * | 2012-04-13 | 2013-10-30 | 华为技术有限公司 | 一种定位方法、设备及系统 |
CN103763680A (zh) * | 2014-01-23 | 2014-04-30 | 清华大学 | 基于信号传播的室内定位追踪方法及系统 |
CN106211318A (zh) * | 2016-07-06 | 2016-12-07 | 蓝盾信息安全技术有限公司 | 一种基于WiFi的路径损耗定位方法和系统 |
CN107290715A (zh) * | 2017-07-18 | 2017-10-24 | 华中科技大学 | 一种基于指纹校准和指纹转换的室内定位方法 |
CN109061616A (zh) * | 2018-08-31 | 2018-12-21 | 南通大学 | 一种移动目标定位方法 |
-
2019
- 2019-04-03 CN CN201910265819.3A patent/CN109788451B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526604A (zh) * | 2008-03-07 | 2009-09-09 | 财团法人工业技术研究院 | 无线定位系统的信号强度的转换装置及其方法 |
US20100246419A1 (en) * | 2009-03-24 | 2010-09-30 | Symbol Technologies, Inc. | Method and system for collecting locationing information in a wireless local area network |
CN101986747A (zh) * | 2010-10-14 | 2011-03-16 | 北京拓明科技有限公司 | 移动终端定位方法 |
CN103379427A (zh) * | 2012-04-13 | 2013-10-30 | 华为技术有限公司 | 一种定位方法、设备及系统 |
CN103763680A (zh) * | 2014-01-23 | 2014-04-30 | 清华大学 | 基于信号传播的室内定位追踪方法及系统 |
CN106211318A (zh) * | 2016-07-06 | 2016-12-07 | 蓝盾信息安全技术有限公司 | 一种基于WiFi的路径损耗定位方法和系统 |
CN107290715A (zh) * | 2017-07-18 | 2017-10-24 | 华中科技大学 | 一种基于指纹校准和指纹转换的室内定位方法 |
CN109061616A (zh) * | 2018-08-31 | 2018-12-21 | 南通大学 | 一种移动目标定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109788451B (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
Zhao et al. | Applying kriging interpolation for WiFi fingerprinting based indoor positioning systems | |
CN104853317B (zh) | 一种WiFi室内定位中指纹库的构建及更新方法 | |
CN103686999B (zh) | 基于WiFi信号的室内无线定位方法 | |
CN104519571B (zh) | 一种基于rss的室内定位方法 | |
CN109068267B (zh) | 一种基于LoRa SX1280的室内定位方法 | |
CN1951027A (zh) | 无线网络里的位置确定和位置跟踪 | |
CN103220777A (zh) | 一种移动设备定位系统 | |
CN100566345C (zh) | 基于超宽带的无线传感器网络节点定位方法 | |
CN108882172A (zh) | 一种基于hmm模型的室内移动轨迹数据的预测方法 | |
CN110213710A (zh) | 一种基于随机森林的高性能室内定位方法、室内定位系统 | |
AU2020203007A1 (en) | A method of setting-up a range-based tracking system utilising a tracking coordinate system | |
Zhou et al. | Application of backpropagation neural networks to both stages of fingerprinting based WIPS | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 | |
Zhang et al. | Localization algorithms for wireless sensor retrieval | |
CN106686720A (zh) | 一种基于时间维度的无线指纹定位方法及其系统 | |
Kolakowski | Automatic radio map creation in a fingerprinting‐based BLE/UWB localisation system | |
Narzullaev et al. | Accurate signal strength prediction based positioning for indoor WLAN systems | |
Machaj et al. | Impact of optimization algorithms on hybrid indoor positioning based on GSM and Wi‐Fi signals | |
Shit et al. | AI-enabled fingerprinting and crowdsource-based vehicle localization for resilient and safe transportation systems | |
Zhou et al. | Device-to-device cooperative positioning via matrix completion and anchor selection | |
CN106922017B (zh) | 定位方法以及终端 | |
Huan et al. | Indoor location fingerprinting algorithm based on path loss parameter estimation and bayesian inference | |
Luo et al. | Wi-Fi-based indoor positioning using human-centric collaborative feedback | |
Lin et al. | An indoor location identification system based on neural network and genetic algorithm |
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 |