CN110113708B - 基于Wi-Fi位置指纹的定位方法和装置 - Google Patents

基于Wi-Fi位置指纹的定位方法和装置 Download PDF

Info

Publication number
CN110113708B
CN110113708B CN201910204896.8A CN201910204896A CN110113708B CN 110113708 B CN110113708 B CN 110113708B CN 201910204896 A CN201910204896 A CN 201910204896A CN 110113708 B CN110113708 B CN 110113708B
Authority
CN
China
Prior art keywords
moment
fingerprint
terminal
value
terminal position
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
Application number
CN201910204896.8A
Other languages
English (en)
Other versions
CN110113708A (zh
Inventor
邓海勤
高志勇
宋云鹏
张朔铭
张勇
郭达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Aidong Chaoyue Artificial Intelligence Technology Beijing Co ltd
Original Assignee
Aidong Chaoyue Artificial Intelligence Technology Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Aidong Chaoyue Artificial Intelligence Technology Beijing Co ltd filed Critical Aidong Chaoyue Artificial Intelligence Technology Beijing Co ltd
Publication of CN110113708A publication Critical patent/CN110113708A/zh
Application granted granted Critical
Publication of CN110113708B publication Critical patent/CN110113708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • 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
    • H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明实施例提供一种基于Wi‑Fi位置指纹的定位方法和装置。其中，方法包括：根据本时刻终端位置的当前特征向量，获取本时刻Wi‑Fi位置指纹的预测值；若判断获知本时刻Wi‑Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；根据全部参考点的权重和位置信息，获取本时刻终端的位置信息。装置包括：预测模块、权重模块和定位模块，用于根据全部参考点的权重和位置信息，获取本时刻终端的位置信息。本发明实施例提供的方法和装置，能在无线接入点数量较少时，获得更准确的终端的位置信息。

Description

基于Wi-Fi位置指纹的定位方法和装置
技术领域
本发明实施例涉及无线通信技术领域，尤其涉及基于Wi-Fi位置指纹的定位方法和装置。
背景技术
在日常的定位活动中，最常用的应用之一便是查询用户的历史轨迹。轨迹是一段时间内，具有时序性位置的集合组成，恢复用户的轨迹也是定位的重要应用。很多基于位置的服务中，商家或用户自身想知道用户在某段时间内的行走轨迹，利用历史轨迹来对用户做一些画像和挖掘，这样就可以针对具体的用户，提供符合该用户的服务。然而在采集过程中，由于建筑物遮挡等原因，会造成数据的丢失，在恢复某些位置点位置信息的时候，虽然最后能根据指纹库和待定位的信息能够得出一个位置，但是由于采集的无线接入点(AP)本身的信号强度受环境的干扰很大，造成某些位置点扫描到的AP数量不足，导致基于Wi-Fi位置指纹的定位不准确，从而使重现出的用户轨迹出现波动性很大，不平滑的问题，使得历史轨迹不能满足人们的需求。导致无法真实还原用户历史轨迹。
解决这一问题的方法有很多。插值法和拟合法是通过用户的位置信息推断用户的轨迹方程，再通过轨迹方程求出某个时刻用户的具体位置，但上述两种法方法在非直线运动上这种方法会产生很大的误差；信息融合技术，根据手机终端采集的加速度、角度等多维的数据完成定位，并通过GIS的拐角标注，路径吸附等功能使轨迹变得平滑，但是在有限的数据情况下，例如只有参考点信息，即参考点的经纬度和相应Wi-Fi的信息，是无法使用信息融合技术获得用户的历史轨迹。因此，在AP数量较少的情况下，实现对用户终端的精确定位为一个亟待解决的技术问题。
发明内容
针对现有技术存在的在无线接入点数量较少时定位不准的问题，本发明实施例提供一种基于Wi-Fi位置指纹的定位方法和装置。
本发明实施例提供一种基于Wi-Fi位置指纹的定位方法，包括：
S1、根据本时刻终端位置的当前特征向量，获取本时刻Wi-Fi位置指纹的预测值；
S2、若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；
S3、根据全部参考点的权重和位置信息，获取本时刻终端的位置信息。
本发明实施例提供一种基于Wi-Fi位置指纹的定位装置，包括：
预测模块，用于根据本时刻终端位置的当前特征向量，获取本时刻Wi-Fi位置指纹的预测值；
权重模块，用于若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；
定位模块，用于根据全部参考点的权重和位置信息，获取本时刻终端的位置信息。
本发明实施例提供的基于Wi-Fi位置指纹的定位方法和装置，通过基于卡尔曼滤波的压缩感知算法，获取本时刻终端位置的特征向量，并根据本时刻终端位置的特征向量，获取每一参考点的权重，并根据全部参考点的权重和位置信息，获取本时刻终端的位置信息，能在无线接入点数量较少时，获得更准确的终端的位置信息。
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一简单地介绍，显而易见地，下面描述中的附图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为本发明实施例基于Wi-Fi位置指纹的定位方法的流程图；
图2为本发明实施例基于Wi-Fi位置指纹的定位装置的功能框图；
图3为本发明实施例基于Wi-Fi位置指纹的定位设备的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作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。
图1为本发明实施例基于Wi-Fi位置指纹的定位方法的流程图。如图1所示，一种基于Wi-Fi位置指纹的定位方法包括：步骤S1、根据本时刻终端位置的当前特征向量，获取本时刻Wi-Fi位置指纹的预测值；步骤S2、若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；步骤S3、根据全部参考点的权重和位置信息，获取本时刻终端的位置信息。
步骤S1，将本时刻终端位置的当前特征向量输入预先获取的压缩感知模型，获得本时刻Wi-Fi位置指纹的预测值。
步骤S2，将本时刻Wi-Fi位置指纹的观测值与本时刻Wi-Fi位置指纹的预测值进行比较，若本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，说明预测的结果比较准确，将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量。
由于本时刻终端位置的特征向量中的每个元素的值，表征了该元素对应的参考点与本时刻终端位置的相关性，可以根据本时刻终端位置的特征向量，获取每一参考点的权重。
步骤S3，通过步骤S2获得对定位有帮助的参考点和每一参考点的权重后，对这些参考点的经纬度进行加权平均，所得结果即为最后定位的结果。
需要注意的是，步骤S3之后，将本时刻终端位置的当前特征向量，作为下一时刻终端位置的当前特征向量。
一般地，终端位置随时间变化是缓慢的，本时刻终端位置的当前特征向量的具体计算公式为
(xt)n＝(xt-1)n,if n∈Tt∩Tt-1,for n∈{1,...,N}
(xt)n＝1,if n∈Tt\Tt-1,for n∈{1,...,N}
(xt)n＝0,if n∈Tt C,for n∈{1,...,N}
其中，xt表示t时刻终端位置的当前特征向量；xt-1表示(t-1)时刻终端位置的特征向量；(xt′)n表示t时刻终端位置的初始特征向量中第n个元素的值；Tt表示t时刻终端位置的当前特征向量的支撑集，由xt的非零值所对应的构成，即T＝{n,xi≠0},n∈{1,...,N}。
本发明实施例通过基于卡尔曼滤波的压缩感知算法，获取本时刻终端位置的特征向量，并根据本时刻终端位置的特征向量，获取每一参考点的权重，并根据全部参考点的权重和位置信息，获取本时刻终端的位置信息，能在无线接入点数量较少时，获得更准确的终端的位置信息。
基于上述实施例，步骤S2还包括：若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差大于预设的误差阈值，且计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数小于预设的次数阈值时，则将本时刻终端位置的当前特征向量中的若干个零元素改为非零元素，获得新的本时刻终端位置的当前特征向量，并返回执行步骤S1。
具体地，将本时刻Wi-Fi位置指纹的观测值与预测值之差作为预测误差，如果预测误差的模值很大，就需要去估计增集Δ，通过在预测误差上采用压缩感知算法来重构增集。
增集Δ的计算公式为
Figure BDA0001998655600000041
Figure BDA0001998655600000042
其中，
Figure BDA0001998655600000043
αa为增加非零元素的门限；σobs为观测噪声的方差；
Figure BDA0001998655600000044
表示。
因此，获取的新的本时刻终端位置的当前特征向量的支撑集
Figure BDA0001998655600000045
为
Figure BDA0001998655600000051
根据新的本时刻终端位置的当前特征向量的支撑集
Figure BDA0001998655600000052
将本时刻终端位置的当前特征向量中的若干个零元素改为非零元素，获得新的本时刻终端位置的当前特征向量
Figure BDA0001998655600000053
需要说明的是，在一次压缩感知重构过程中，可能不能恢复出增集中的全部元素，本时刻Wi-Fi位置指纹的观测值与预测值之差仍大于预设的误差阈值时，重复上述压缩感知重构过程，重新生成新的本时刻终端位置的当前特征向量，并返回执行步骤S1，直至本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，或计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数达到预设的次数阈值，或
Figure BDA0001998655600000054
为空。
基于上述实施例，步骤S2还包括：若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差大于预设的误差阈值，且计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数达到预设的次数阈值时，则将本时刻终端位置的当前特征向量中的若干个非零元素改为零元素，获得新的本时刻终端位置的当前特征向量，并返回执行步骤S1。
需要注意的是，上述多次的压缩感知重构，可能带来一些冗余的支撑集，这些冗余的支撑集会对定位带来误差。因此，需要再次计算观测误差，进行一次压缩感知重构，但此次的压缩感知重构的参数不是预测误差和支撑集的补集，而是预测误差和支撑集，因为造成这种冗余的误差一定由原来的支撑集中的元素带来。
具体地，计算删集
Figure BDA0001998655600000055
新的本时刻终端位置的当前特征向量的支撑集为
Figure BDA0001998655600000056
即新的本时刻终端位置的当前特征向量的支撑集，等于本时刻终端位置的当前特征向量与
Figure BDA0001998655600000057
之差。
根据新的本时刻终端位置的当前特征向量的支撑集Tnew，将本时刻终端位置的当前特征向量中的若干个非零元素改为零元素，获得新的本时刻终端位置的当前特征向量
Figure BDA0001998655600000058
上述若干个非零元素，为删集和本时刻终端位置的当前特征向量的支撑集中长时间不变的元素，所对应的本时刻终端位置的当前特征向量中的非零元素。
基于上述实施例，步骤S3具体包括：判断每个参考点的权重是否大于权重阈值，对权重大于权重阈值的参考点的位置信息进行加权平均，获得本时刻终端的位置信息。
本时刻终端位置的特征向量x中的每个元素分别对应一个参考点的权重。
设定权重阈值λ。当该无线接入点的权重大于权重阈值λ时，该参考点对确定本时刻终端位置是有帮助的。即可以用下式表示。
(lon,lat)＝∑n∈Λn·(lonn,latn)
Λ＝{n|x(n)＞λ}
ηn＝x(n)/∑i∈nx(i)
基于上述实施例，步骤S1具体包括：本时刻Wi-Fi位置指纹的预测值为
y＝ΦΨxt
其中，y表示本时刻Wi-Fi位置指纹的预测值；xt表示本时刻终端位置的当前特征向量；Φ表示观测矩阵；Ψ表示稀疏基矩阵；
稀疏基矩阵根据每一参考点的Wi-Fi位置指纹确定。
参考点RPj的位置信息，指的是指纹库中某条指纹所对应的经纬度。因此，参考点的位置信息是已知的，而且是能利用参考点的位置信息来进行定位。
Figure BDA0001998655600000063
表示的是对于参考点RPj，接收来自APi的q个信号强度时间序列。在长期的信号收集过程中，取该信号的平均值作为指纹的最终形式。
指纹库的矩阵即稀疏基矩阵，表达为：
Figure BDA0001998655600000061
其中
Figure BDA0001998655600000062
表示的是在参考点RPj，接收来自APi的信号强度时间平均值，所以Ψ中的每个列向量代表的是，在参考点采集到的每个所对应的信号强度的平均值，将该类中所有的AP放到一列，在上式中有L个AP，该参考点扫描不到的AP，信号强度就为很小的默认值-110dBm。
通过总的AP个数，和每个指纹中非零元素的个数的统计图可以定性的判断出，该矩阵符合稀疏特性，定量上分析，该矩阵也符合稀疏特性。由压缩感知理论，当观测向量的维度大小为M，整个类中使用的有效AP个数为N，系数度为S，若三个系数满足
Figure BDA0001998655600000071
稀疏向量x，将以大概率从y中通过最小化l1范数线性运算得到重构。
基于上述实施例，作为一个优选实施例，观测矩阵为单位矩阵。
优选地，观测矩阵为单位矩阵。
观测矩阵也可以为M×L的高斯随机矩阵，其中M代表意思为y的维数，该矩阵中的元素由一组独立同分布的正态随机变量组成。
基于上述实施例，步骤S1之前还包括：根据聚类算法对指纹库中的Wi-Fi位置指纹进行聚类，将每一聚类对应的Wi-Fi位置指纹构成一子指纹库；将本时刻Wi-Fi位置指纹的观测值与每一子指纹库进行匹配，确定与本时刻Wi-Fi位置指纹的观测值匹配的子指纹库；相应地，根据该子指纹库中每一参考点的Wi-Fi位置指纹确定稀疏基矩阵。
对于指纹库的同一位置不同时间指纹进行PCA降维。对于同一位置来说，在一段时间内可能会接收到不同时间点的指纹信息，本发明利用PCA来得出能代表这一位置的AP，过滤掉对于那些贡献很小的AP，合并不同时间统一地点的指纹，从而达到降维和精简指纹库的作用。
聚类之后，利用第二次PCA找出能代表这些类的AP用于粗定位。虽然类首能够代表本类，但是有些类首的可能包含的AP点个数很多或者很少，对粗定位匹配的效果有影响，所以利用PCA对一个类的点进行降维，找出最有效的AP点来代表这个类。
两次PCA结合，精简了指纹库的同时，确定了粗定位时代表本类的AP。
当聚类完成后，需要在某个类中完成精确定位，并且该类中指纹对应的信号强度是多次测量值的平均值。指纹定位算法中的核心数据是指纹数据，即参考点的数据。由于有些AP接入点不是固定的，或者说是不稳定的，就会给之后的定位带来干扰，同时过多的AP反而会增加定位计算复杂度，所以本发明利用PCA降维和出现概率的方式，预先处理一部分AP。经过滤，最后得到比较稳定的AP个数为L。
图2为本发明实施例基于Wi-Fi位置指纹的定位装置的功能框图。基于上述实施例，如图2所示，一种基于Wi-Fi位置指纹的定位装置包括：预测模块201，用于根据本时刻终端位置的当前特征向量，获取本时刻Wi-Fi位置指纹的预测值；权重模块202，用于若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；定位模块203，用于根据全部参考点的权重和位置信息，获取本时刻终端的位置信息。
本发明提供的基于Wi-Fi位置指纹的定位装置用于执行本发明提供的基于Wi-Fi位置指纹的定位方法，装置包括的各模块实现相应功能的具体方法和流程详见上述基于Wi-Fi位置指纹的定位方法的实施例，此处不再赘述。
图3为本发明实施例基于Wi-Fi位置指纹的定位设备的结构框图。基于上述实施例，如图3所示，基于Wi-Fi位置指纹的定位设备包括：处理器(processor)301、存储器(memory)302和总线303；其中，处理器301和存储器302通过总线303完成相互间的通信；处理器301用于调用存储器302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：基于Wi-Fi位置指纹的定位方法；获取词类的方法；确定本时刻终端位置的特征向量的方法；获取本时刻Wi-Fi位置指纹的预测值的方法。
本发明另一实施例公开一种计算机程序产品，所述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，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：基于Wi-Fi位置指纹的定位方法；获取词类的方法；确定本时刻终端位置的特征向量的方法；获取本时刻Wi-Fi位置指纹的预测值的方法。
本发明另一实施例提供一种非暂态计算机可读存储介质，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上述各方法实施例所提供的方法，例如包括：基于Wi-Fi位置指纹的定位方法；获取词类的方法；确定本时刻终端位置的特征向量的方法；获取本时刻Wi-Fi位置指纹的预测值的方法。
以上所描述的系统实施例仅仅是示意性的，其中所述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所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于Wi-Fi位置指纹的定位方法，其特征在于，包括：
S1、根据本时刻终端位置的当前特征向量，获取本时刻Wi-Fi位置指纹的预测值；
S2、若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；
S3、根据全部参考点的权重和位置信息，获取本时刻终端的位置信息；
所述步骤S2还包括：
若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差大于预设的误差阈值，且计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数小于预设的次数阈值时，则将本时刻终端位置的当前特征向量中的若干个零元素改为非零元素，获得新的本时刻终端位置的当前特征向量，并返回执行步骤S1；
所述步骤S2还包括：
若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差大于预设的误差阈值，且计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数达到预设的次数阈值时，则将本时刻终端位置的当前特征向量中的若干个非零元素改为零元素，获得新的本时刻终端位置的当前特征向量，并返回执行步骤S1。
2.根据权利要求1所述的定位方法，其特征在于，所述步骤S3具体包括：
判断每个参考点的权重是否大于权重阈值，对权重大于权重阈值的参考点的位置信息进行加权平均，获得本时刻终端的位置信息。
3.根据权利要求1至2任一所述的定位方法，其特征在于，所述步骤S1具体包括：
本时刻Wi-Fi位置指纹的预测值为y＝ΦΨxt
其中，y表示本时刻Wi-Fi位置指纹的预测值；xt表示本时刻终端位置的当前特征向量；Φ表示观测矩阵；Ψ表示稀疏基矩阵；
所述稀疏基矩阵根据每一参考点的Wi-Fi位置指纹确定。
4.根据权利要求3所述的定位方法，其特征在于，所述观测矩阵为单位矩阵。
5.根据权利要求3所述的定位方法，其特征在于，所述步骤S1之前还包括：
根据聚类算法对指纹库中的Wi-Fi位置指纹进行聚类，将每一聚类对应的Wi-Fi位置指纹构成一子指纹库；
将本时刻Wi-Fi位置指纹的观测值与每一子指纹库进行匹配，确定与本时刻Wi-Fi位置指纹的观测值匹配的子指纹库；
相应地，根据该子指纹库中每一参考点的Wi-Fi位置指纹确定所述稀疏基矩阵。
6.一种基于Wi-Fi位置指纹的定位装置，其特征在于，包括：
预测模块，用于根据本时刻终端位置的当前特征向量，获取本时刻Wi-Fi位置指纹的预测值；
权重模块，用于若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差小于预设的误差阈值，则将本时刻终端位置的当前特征向量确定为本时刻终端位置的特征向量，根据本时刻终端位置的特征向量，获取每一参考点的权重；
定位模块，用于根据全部参考点的权重和位置信息，获取本时刻终端的位置信息；
所述权重模块，还用于若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差大于预设的误差阈值，且计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数小于预设的次数阈值时，则将本时刻终端位置的当前特征向量中的若干个零元素改为非零元素，获得新的本时刻终端位置的当前特征向量；
所述权重模块，还用于若判断获知本时刻Wi-Fi位置指纹的观测值与预测值之差大于预设的误差阈值，且计算本时刻Wi-Fi位置指纹的观测值与预测值之差的次数达到预设的次数阈值时，则将本时刻终端位置的当前特征向量中的若干个非零元素改为零元素，获得新的本时刻终端位置的当前特征向量。
7.一种基于Wi-Fi位置指纹的定位设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
8.一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至5任一所述的方法。
CN201910204896.8A 2018-04-18 2019-03-18 基于Wi-Fi位置指纹的定位方法和装置 Active CN110113708B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810350709 2018-04-18
CN2018103507092 2018-04-18

Publications (2)

Publication Number Publication Date
CN110113708A CN110113708A (zh) 2019-08-09
CN110113708B true CN110113708B (zh) 2020-12-01

Family

ID=67484393

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910204896.8A Active CN110113708B (zh) 2018-04-18 2019-03-18 基于Wi-Fi位置指纹的定位方法和装置

Country Status (1)

Country Link
CN (1) CN110113708B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111537950B (zh) * 2020-04-14 2023-04-21 哈尔滨工业大学 一种基于位置指纹和二步多项式拟合的卫星位置预测跟踪方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105301558A (zh) * 2015-09-22 2016-02-03 济南东朔微电子有限公司 一种基于蓝牙位置指纹的室内定位方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103874191B (zh) * 2012-12-11 2017-11-24 华东师范大学 一种基于WiFi无线网络的定位方法
CN106610487A (zh) * 2015-10-22 2017-05-03 北京金坤科创技术有限公司 一种融合的室内定位方法
CN105372628A (zh) * 2015-11-19 2016-03-02 上海雅丰信息科技有限公司 一种基于Wi-Fi的室内定位导航方法
CN106899930B (zh) * 2015-12-17 2020-07-28 阿里巴巴集团控股有限公司 指纹数据库构建方法、定位方法及装置
CN106954002B (zh) * 2016-01-07 2019-03-26 深圳市汇顶科技股份有限公司 一种指纹数据的压缩方法及装置
CN107295538B (zh) * 2016-03-30 2022-03-18 日本电气株式会社 定位可信度的计算方法及使用可信度的定位方法和定位仪
CN106792522B (zh) * 2016-12-09 2019-10-29 北京羲和科技有限公司 一种基于接入点ap的指纹库定位方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105301558A (zh) * 2015-09-22 2016-02-03 济南东朔微电子有限公司 一种基于蓝牙位置指纹的室内定位方法

Also Published As

Publication number Publication date
CN110113708A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
CN108234198B (zh) 一种基站流量预测方法和设备
CN110647921B (zh) 一种用户行为预测方法、装置、设备及存储介质
KR102112261B1 (ko) 클러스터링 기술을 사용하여 무선 네트워크 액세스 포인트 모델 생성
EP3543941A1 (en) Time-factor fusion collaborative filtering method, device, server and storage medium
CN108205570B (zh) 一种数据检测方法和装置
US11288540B2 (en) Integrated clustering and outlier detection using optimization solver machine
CN110113708B (zh) 基于Wi-Fi位置指纹的定位方法和装置
CN113379071A (zh) 一种基于联邦学习的噪声标签修正方法
CN112214677A (zh) 一种兴趣点推荐方法、装置、电子设备及存储介质
CN110008077B (zh) 一种异常报警监控方法及装置、一种计算设备及存储介质
CN114443135A (zh) 模型部署方法和预测方法、装置、电子设备及存储介质
CN113256436A (zh) 车险赔付预提示方法、装置、设备及存储介质
CN108521435B (zh) 一种用户网络行为画像的方法及系统
CN109728928B (zh) 事件识别方法和终端、模型生成方法和服务器及存储介质
CN114125813B (zh) 基于手机信令的信号覆盖范围确定方法及相关装置
CN115659183A (zh) 产品检测方法、装置、设备及存储介质
CN114880363A (zh) 一种数据中心流量预测系统及训练方法、预测方法
CN115393926A (zh) 用于提高人脸识别精度的方法、装置及服务器
CN114021705A (zh) 模型的精度确定方法以及相关装置、设备
CN113962712A (zh) 一种诈骗团伙的预测方法及相关设备
CN110765303A (zh) 一种更新数据库的方法及系统
CN111506691A (zh) 一种基于深度匹配模型的轨迹匹配方法和系统
CN114760657B (zh) 移动边缘环境下基于LSTM-BSPM的主动QoS监控方法与系统
CN114819000B (zh) 反馈信息预估模型训练方法、装置以及电子设备
CN117788983B (zh) 基于大模型的图像数据处理方法及装置、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