CN110493869B - 一种基于rssi的k近邻差分修正质心定位方法 - Google Patents
一种基于rssi的k近邻差分修正质心定位方法 Download PDFInfo
- Publication number
- CN110493869B CN110493869B CN201910803767.0A CN201910803767A CN110493869B CN 110493869 B CN110493869 B CN 110493869B CN 201910803767 A CN201910803767 A CN 201910803767A CN 110493869 B CN110493869 B CN 110493869B
- Authority
- CN
- China
- Prior art keywords
- node
- correction
- coordinate
- beacon
- 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
Images
Classifications
-
- 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
-
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种基于RSSI的K近邻差分修正质心定位方法,包括1)建立位置指纹库;2)计算未知节点到信标节点的测量距离与距离误差;3)通过改进的修正算法,计算修正距离;4)使用K近邻算法并运用三边测量质心法测得修正节点坐标偏移量和目标节点修正理想坐标;5)对目标节点修正理想坐标进行j次迭代,加权得到精确定位坐标。与现有技术相比,本发明引入差分修正系数对传统信号传播模型进行差分修正,运用K近邻算法筛选参考节点作为三边测量质心法的修正、辅助节点,对目标节点的修正坐标再次进行j次迭代,迭代后的坐标赋以权重得到最终的精确坐标,达到进一步提升定位精度的效果,实现了RSSI定位算法的实际可操作性和可移植性。
Description
技术领域
本发明涉及无线定位领域,特别涉及一种基于RSSI的K近邻差分修正质心定位的方法。
背景技术
传统的基于RSSI的定位方法主要是通过获取目标节点的信号强度,进而求算其与参考节点之间的距离,以此估算目标节点的位置点。在此之前需要通过大量的实验,建立参考节点位置点与信号强度的关系,即位置指纹库。
然而,传统的RSSI定位方法最大的制约因素是信号强度易受干扰,在实际应用中RSSI值受信号源辐射空间、复杂地势、电磁信号等因素影响。根据测量的RSSI值计算距离对目标节点实现定位的方法在实际应用中具有较大误差,不利于环境复杂的工业生产应用。
因此,针对RSSI定位构建差分修正模型用以降低测量距离的误差,定位精度便可得到较大提高。
发明内容
发明目的:针对现有技术中存在的问题,本发明提供一种基于RSSI的K近邻差分修正质心定位方法,引入差分修正系数对传统信号传播模型进行差分修正;运用KNN算法筛选参考节点作为三边测量质心法的修正、辅助节点;对目标节点的修正坐标进行迭代,迭代后的坐标赋以权重得到最终的精确坐标,提高基于RSSI的定位方法的定位精度。
技术方案:本发明提供了一种基于RSSI的K近邻差分修正质心定位方法,包括如下步骤:
步骤1:运用二维坐标系建立参考节点坐标和信号强度的关系,即位置指纹库;
步骤2:通过对数—常态分布信号传播模型,得到未知节点到信标节点的测量距离d,计算距离误差e;
步骤3:建立RSSI差分修正模型,引入个体差异修正系数α和距离差分系数pi,得到目标节点到信标节点的修正距离D;
步骤4:使用K近邻算法筛选修正、辅助节点,运用三边测量质心法测得修正节点坐标偏移量和目标节点修正理想坐标;
步骤5:令目标节点的修正理想坐标点先后为修正节点和辅助节点,运用三边测量质心法进行j次迭代,加权得到精确定位坐标。
进一步地,所述步骤1建立位置指纹库的具体方法为:
步骤1.1:在待定位区域建立平面坐标系并划分网格,以网格点作为信标节点添加具有类标号的RFID标签Tag;
步骤1.2:以参考节点处的信号读卡器采集各个Tag的标号和RSSI值;
步骤1.3:对RSSI值做高斯滤波处理;
步骤1.4:记位置指纹集为S={(Q1,R1,C1),(Q2,R2,C2),......,(Qn,Rn,Cn)},其中,Qn=(Xn,Yn)为参考节点二维位置坐标,Rn={RSSIn1,RSSIn2,......,RSSInm}∈Rm,RSSInm表示参考节点n处接收第m个信标节点的信号强度值,Cn∈{1,2,......,q},表示参考点n的序号,取值1~q。
进一步地,所述步骤2的具体方法为:
步骤2.1:引用对数—常态分布信号传播模型,所述对数—常态分布信号传播模型为:
其中,d表示参照对数—常态分布信号传播模型计算的距信号源的距离即未知节点到信标节点的测量距离;k为路径衰减因子,取[2,5];Xσ表示均值为0的高斯分布随机变数,标准差范围取[4,10];PL(d0)表示自由空间传播模型损耗基础值,按照Loss=32.4+10klgf进行计算,取d0=1m,f为频率;
步骤2.2:根据步骤2.1可得各未知节点接收信标节点信号时的信号强度:
RSSI=P+G-PL(d)
其中,P为发射功率,G为天线增益;
步骤2.3:计算未知节点到信标节点的测量距离d;
步骤2.4:计算距离误差:
eti=lti-dti
其中,lti是测试节点T0到信标节点Ti的实际距离,dti是测试节点T0到信标节点Ti的测量距离,eti是测试节点T0到信标节点Ti的距离误差,i∈1,2...n。
进一步地,所述步骤3个体差异修正系数α、距离差分系数pi以及目标节点到信标节点的修正距离D分别为:
Dmi=dmi-pieti i∈1,2...n
其中,eti表示测试节点T0到信标节点Ti的距离误差,i∈1,2...n,dti表示测试节点T0到信标节点Ti的测量距离,n表示参与定位的节点个数,i∈1,2...n,β表示比例调整因子,dmi表示目标节点M到信标节点Ti的测量距离,n表示参与定位的信标节点的个数,pi表示距离差分系数。
进一步地,所述步骤4中具体方法为:
步骤4.1:K近邻算法取K值为4,从步骤1中位置指纹库选取4个与目标节点M距离最近的4个参考节点;
步骤4.2:依次以其中一个节点为修正节点,其他3个节点为辅助节点,根据三边测量质心法得到修正节点的理想坐标;
步骤4.3:根据步骤4.2中的理想坐标,得到每个修正节点的坐标偏移量;
步骤4.4:依次以修正节点作参照,以其他3个节点为辅助节点,根据三边测量质心法,得到目标节点M的4个理想坐标;
步骤4.5:对应步骤4.3中坐标偏移量以及步骤4.4中目标节点M的理想坐标,得到目标节点M的4个修正理想坐标。
进一步地,所述步骤5的具体方法为:
步骤5.1:对步骤4.5中所述的4个修正理想坐标,依次以其中一个节点为修正节点,其他3个节点为辅助节点,对目标节点M进行坐标定位;
步骤5.2:对步骤5.1进行j次迭代;
步骤5.3:对步骤5.2中j次迭代后的修正理想坐标取均值;
步骤5.4:对j次迭代后的目标节点M到辅助节点的修正距离取均值;
步骤5.5:以步骤5.4中所述修正距离均值为权重,计算目标节点M的加权修正理想坐标,所述加权修正理想坐标即为目标节点M最终精确定位目标。
有益效果:
本发明引入差分修正系数对传统信号传播模型进行差分修正;运用K近邻算法筛选参考节点作为三边测量质心法的修正、辅助节点;对目标节点的修正坐标进行迭代,迭代后的坐标赋以权重得到最终的精确坐标,达到进一步提升定位精度的效果,实现了RSSI定位算法的实际可操作性和可移植性。
附图说明
图1为本发明质心定位方法的流程图;
图2为三边测量质心法测量目标节点修正理想坐标的流程图;
图3为修正理想坐标经过迭代和加权求得最终精确定位坐标的流程图;
图4为K近邻算法筛选目标节点示意图;
图5为引入个体差异修正系数和距离差分系数建立RSSI差分修正模型后修正前节点位置和修正后节点位置对比图;
图6为修正前精度定位图;
图7为修正后精度定位图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明公开一种基于RSSI的K近邻差分修正质心定位方法,具体包括如下步骤,流程图参见附图1:
步骤1:运用二维坐标系建立参考节点坐标和信号强度的关系,即位置指纹库,详细步骤包括如下几个步骤:
步骤1.1:在待定位区域建立平面坐标系并划分网格,以网格点作为信标节点添加具有类标号的RFID标签Tag;
步骤1.2:以参考节点处的信号读卡器采集各个Tag的标号和RSSI值;
步骤1.3:对RSSI值做高斯滤波处理;
步骤1.4:记位置指纹集为S={(Q1,R1,C1),(Q2,R2,C2),......,(Qn,Rn,Cn)},其中,Qn=(Xn,Yn)表示参考节点二维位置坐标,Rn={RSSIn1,RSSIn2,......,RSSInm}∈Rm,RSSInm表示参考节点n处接收第m个信标节点的信号强度值,Cn∈{1,2,......,q},表示参考点n的序号,取值1~q。
步骤2:通过对数—常态分布信号传播模型,得到未知节点到信标节点的测量距离d,计算距离误差e,其详细步骤如下:
步骤2.1:引用对数—常态分布信号传播模型:
式(1)中:d表示参照对数—常态分布信号传播模型计算的距信号源的距离即未知节点到信标节点的测量距离;k为路径衰减因子,一般取[2,5];Xσ表示均值为0的高斯分布随机变数,标准差范围一般取[4,10];PL(d0)表示自由空间传播模型损耗基础值,按照Loss=32.4+10klgf进行计算,取d0=1m,f为频率(单位为MHz)。
步骤2.2:根据式(1)可得各未知节点接收信标节点信号时的信号强度为:
RSSI=P+G-PL(d) (2)
式(2)中,P为发射功率,G为天线增益。
步骤2.3:由上述(1)(2)式得到未知节点到信标节点的测量距离d。
步骤2.4:记各信标节点为T0(x0,y0),T1(x1,y1),T2(x2,y2),......,Tn(xn,yn),目标节点为M。
步骤2.5:令T0为测试节点,测试节点T0到信标节点T1,T2,......,Tn的实际距离分别为lt1,lt2,......,ltn,测试节点T0到信标节点T1,T2,......,Tn的测量距离分别为dt1,dt2,......,dtn,目标节点M到信标节点T1,T2,......,Tn的测量距离分别为dm1,dm2,......,dmn。
步骤2.6:根据测试节点T0到信标节点Ti的实际距离lti和测量距离dti,测试节点T0到信标节点Ti距离误差为eti=lti-dti,i∈1,2...n。
步骤3:建立RSSI差分修正模型,引入个体差异修正系数α和距离差分系数pi,得到目标节点到信标节点的修正距离D。
步骤3.1:引入个体差异修正系数:
式(3)中,eti表示测试节点T0到信标节点Ti的距离误差,i∈1,2...n,dti表示测试节点T0到信标节点Ti的测量距离,n表示参与定位的节点个数。
步骤3.2:引入距离差分系数:
式(4)中,β表示比例调整因子,dmi表示目标节点M到信标节点Ti的测量距离,n表示参与定位的信标节点的个数。
步骤3.3:定义目标节点M到信标节点Ti的修正距离为:
Dmi=dmi-pieti,i∈1,2...n (5)
式(5)中,dmi表示目标节点M到信标节点Ti的测量距离,pi表示距离差分系数,eti表示测试节点T0到信标节点Ti的距离误差,n表示参与定位的信标节点的个数。
附图5中,引入个体差异修正系数和距离差分系数建立RSSI差分修正模型,可得修正前节点位置和修正后节点位置,其中,o为差分修正后的节点位置,*为信标节点的位置,附图5中测得修正距离D为0.2834m。
步骤4:使用K近邻算法筛选修正、辅助节点,运用三边测量质心法测得修正节点坐标偏移量和目标节点修正理想坐标,具体流程如下步骤和图2所示:
步骤4.1:根据K近邻算法,对K取值,从位置指纹库中筛选出与目标节点M距离最近的参考节点,参见附图4,当K取值为4时,根据与目标节点距离最近这一特征,当目标节点位置明确后从指纹库中选取4个与目标节点最近的参考节点,分别记为Ta(xa,ya),Tb(xb,yb),Tc(xc,yc),Td(xd,yd),用作三边测量质心法的修正、辅助节点。
步骤4.2:以Ta(xa,ya)为修正节点,以Tb(xb,yb)、Tc(xc,yc)、Td(xd,yd)为辅助节点。
步骤4.3:根据三边测量质心法,列式:
(x'a-xb)2+(y'a-yb)2=D2 ab
(x'a-xc)2+(y'a-yc)2=D2 ac (6)
(x'a-xd)2+(y'a-yd)2=D2 ad
其中,Dab、Dac、Dad分别为修正节点Ta(xa,ya)到辅助节点Tb(xb,yb)、Tc(xc,yc)、Td(xd,yd)的修正距离。
步骤4.4:得到质心坐标(xa',ya')即为修正节点Ta(xa,ya)的理想坐标。
步骤4.5:修正节点的坐标偏移量为:
步骤4.6:针对目标节点M,以修正节点Ta(xa,ya)为参照的情况下,根据三边测量质心法:
(x'ma1-xb)2+(y'ma1-yb)2=D2 mb1
(x'ma1-xc)2+(y'ma1-yc)2=D2 mc1 (8)
(x'ma1-xd)2+(y'ma1-yd)2=D2 md1
其中,Dmb1、Dmc1、Dmd1分别为目标节点M以修正节点Ta(xa,ya)为参照的情况下,到辅助节点Tb(xb,yb)、Tc(xc,yc)、Td(xd,yd)的修正距离。
步骤4.7:得到质心坐标(xma1',yma1')即为目标节点M的理想坐标;
步骤4.8:代入坐标偏移量,得目标节点的修正理想坐标(xma1,yma1):
步骤4.9:再分别以Tb(xb,yb)、Tc(xc,yc)、Td(xd,yd)为修正节点,其余节点为辅助节点,针对目标节点M进行坐标定位,重复上述步骤4.2至步骤4.8;
步骤4.10:得到目标节点M的三个修正理想坐标(xmb1,ymb1)、(xmc1,ymc1)、(xmd1,ymd1);
步骤5:令目标节点的修正理想坐标点先后为修正节点和辅助节点,运用三边测量质心法进行j次迭代,加权得到精确定位坐标,具体操作步骤如下或者如图3所示。
步骤5.1:将求得的目标节点M的四个修正理想坐标点(xma1,yma1)、(xmb1,ymb1)、(xmc1,ymc1)、(xmd1,ymd1)先后作为修正节点和辅助节点,对目标节点M进行坐标定位。
步骤5.2:重复上述步骤4.2至步骤4.10进行j次迭代。
步骤5.3:对j次迭代后的修正理想坐标取均值,分别为:
步骤5.4:对j次迭代后目标节点M到辅助节点的修正距离取均值,分别为:
步骤5.5:以修正距离的均值为权重,计算目标节点M的加权修正理想坐标(X,Y):
由上述步骤得到参见附图6、附图7的仿真对比图,附图6为修正前精度定位图,附图7为修正后精度定位图;仿真数据为不加修正的精度在2.746890m左右,加了修正之后的精度在1.895462m左右。由图可以看出按照传统三边测量质心定位的方法,可以看出定位精度存在较大误差;按照K近邻差分修正三边测量质心定位的方法,可以看出定位精度有了较大提高。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种基于RSSI的K近邻差分修正质心定位方法,其特征在于,包括如下步骤:
步骤1:运用二维坐标系建立参考节点坐标和信号强度的关系,即位置指纹库;
步骤2:通过对数—常态分布信号传播模型,得到未知节点到信标节点的测量距离d,计算距离误差e;
步骤3:建立RSSI差分修正模型,引入个体差异修正系数α和距离差分系数pi,得到目标节点到信标节点的修正距离D;
所述步骤3中的个体差异修正系数α、距离差分系数pi以及目标节点到信标节点的修正距离D分别为:
Dmi=dmi-pieti i∈1,2...n
其中,eti表示测试节点T0到信标节点Ti的距离误差,i∈1,2...n,dti表示测试节点T0到信标节点Ti的测量距离,β表示比例调整因子,dmi表示目标节点M到信标节点Ti的测量距离,dti表示测试节点T0到信标节点Ti的测量距离,n表示参与定位的信标节点的个数;
步骤4:使用K近邻算法筛选修正、辅助节点,运用三边测量质心法测得修正节点坐标偏移量和目标节点修正理想坐标;
所述步骤4中具体方法为:
步骤4.1:K近邻算法取K值为4,从步骤1中位置指纹库选取4个与目标节点M距离最近的4个参考节点;
步骤4.2:依次以其中一个节点为修正节点,其他3个节点为辅助节点,根据三边测量质心法得到修正节点的理想坐标;
步骤4.3:根据步骤4.2中的理想坐标,得到每个修正节点的坐标偏移量;
步骤4.4:依次以修正节点作参照,以其他3个节点为辅助节点,根据三边测量质心法,得到目标节点M的4个理想坐标;
步骤4.5:对应步骤4.3中坐标偏移量以及步骤4.4中目标节点M的理想坐标,得到目标节点M的4个修正理想坐标;
步骤5:令目标节点的修正理想坐标点先后为修正节点和辅助节点,运用三边测量质心法进行j次迭代,加权得到精确定位坐标;
所述步骤5中具体方法为:
步骤5.1:对步骤4.5中所述的4个修正理想坐标,依次以其中一个节点为修正节点,其他3个节点为辅助节点,对目标节点M进行坐标定位;
步骤5.2:对步骤5.1进行j次迭代;
步骤5.3:对步骤5.2中j次迭代后的修正理想坐标取均值;
步骤5.4:对j次迭代后的目标节点M到辅助节点的修正距离取均值;
步骤5.5:以步骤5.4中所述修正距离均值为权重,计算目标节点M的加权修正理想坐标,所述加权修正理想坐标即为目标节点M最终精确定位目标。
2.根据权利要求1所述的一种基于RSSI的K近邻差分修正质心定位方法,其特征在于,所述步骤1建立位置指纹库的具体方法为:
步骤1.1:在待定位区域建立平面坐标系并划分网格,以网格点作为信标节点添加具有类标号的RFID标签Tag;
步骤1.2:以参考节点处的信号读卡器采集各个Tag的标号和RSSI值;
步骤1.3:对RSSI值做高斯滤波处理;
步骤1.4:记位置指纹集为S={(Q1,R1,C1),(Q2,R2,C2),......,(Qn,Rn,Cn)},其中,Qn=(Xn,Yn)为参考节点二维位置坐标,Rn={RSSIn1,RSSIn2,......,RSSInm}∈Rm,RSSInm表示参考节点n处接收第m个信标节点的信号强度值,Cn∈{1,2,......,q},表示参考节点n的序号,取值1~q。
3.根据权利要求1所述的一种基于RSSI的K近邻差分修正质心定位方法,其特征在于,所述步骤2的具体方法为:
步骤2.1:引用对数—常态分布信号传播模型,所述对数—常态分布信号传播模型为:
其中,d表示参照对数—常态分布信号传播模型计算的距信号源的距离即未知节点到信标节点的测量距离;k为路径衰减因子,取[2,5];Xσ表示均值为0的高斯分布随机变数,标准差范围取[4,10];PL(d0)表示自由空间传播模型损耗基础值,按照Loss=32.4+10klgf进行计算,取d0=1m,f为频率;
步骤2.2:根据步骤2.1可得各未知节点接收信标节点信号时的信号强度:
RSSI=P+G-PL(d)
其中,P为发射功率,G为天线增益;
步骤2.3:计算未知节点到信标节点的测量距离d;
步骤2.4:计算距离误差:
eti=lti-dti
其中,lti是测试节点T0到信标节点Ti的实际距离,dti是测试节点T0到信标节点Ti的测量距离,eti是测试节点T0到信标节点Ti的距离误差,i∈1,2...n。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910803767.0A CN110493869B (zh) | 2019-08-28 | 2019-08-28 | 一种基于rssi的k近邻差分修正质心定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910803767.0A CN110493869B (zh) | 2019-08-28 | 2019-08-28 | 一种基于rssi的k近邻差分修正质心定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110493869A CN110493869A (zh) | 2019-11-22 |
CN110493869B true CN110493869B (zh) | 2020-09-25 |
Family
ID=68554974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910803767.0A Active CN110493869B (zh) | 2019-08-28 | 2019-08-28 | 一种基于rssi的k近邻差分修正质心定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110493869B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113225664B (zh) * | 2020-01-19 | 2022-11-08 | 北京机械设备研究所 | 一种自身反定位方法与系统 |
CN112526566A (zh) * | 2020-11-27 | 2021-03-19 | 深圳市和讯华谷信息技术有限公司 | 定位参考物位置稳定方法、装置、计算机设备及存储介质 |
CN113671474A (zh) * | 2021-07-30 | 2021-11-19 | 广州杰赛科技股份有限公司 | 一种工厂智能定位方法、装置、设备及介质 |
CN114966775A (zh) * | 2022-07-22 | 2022-08-30 | 福建鼎旸信息科技股份有限公司 | 一种基于中国北斗卫星定位数据差分修正方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103338510B (zh) * | 2013-05-24 | 2016-09-21 | 赵东明 | 一种基于rssi的无线传感器网络的定位方法 |
US10492022B2 (en) * | 2015-11-30 | 2019-11-26 | Semtech Corporation | System and method for robust and accurate RSSI based location estimation |
CN105828435A (zh) * | 2016-05-30 | 2016-08-03 | 天津大学 | 基于接收信号强度优化的距离修正加权质心定位方法 |
CN110082715A (zh) * | 2019-04-28 | 2019-08-02 | 苏州博联科技有限公司 | 环境自适应的加权质心定位方法 |
-
2019
- 2019-08-28 CN CN201910803767.0A patent/CN110493869B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110493869A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110493869B (zh) | 一种基于rssi的k近邻差分修正质心定位方法 | |
CN101352061B (zh) | 用于确定移动对象的所在地的方法和装置 | |
CN110673089B (zh) | 未知视距和非视距分布情况下基于到达时间的定位方法 | |
CN104853435A (zh) | 一种基于概率的室内定位方法和装置 | |
CN106941718A (zh) | 一种基于信号子空间指纹库的混合室内定位方法 | |
CN108414974B (zh) | 一种基于测距误差矫正的室内定位方法 | |
CN115776724B (zh) | 面向电磁频谱地图测绘的传感器节点布局优化方法及系统 | |
CN110636436A (zh) | 基于改进chan算法的三维uwb室内定位方法 | |
CN106199500A (zh) | 指纹特征定位方法及装置 | |
CN113342059B (zh) | 基于位置和速度误差的多无人机跟踪移动辐射源方法 | |
CN104363653A (zh) | 一种消除环境噪声的被动式定位方法 | |
CN103945531A (zh) | 基于信息熵的WLAN室内定位Radio Map更新方法 | |
CN104363649A (zh) | 带有约束条件的ukf的wsn节点定位方法 | |
CN107371133B (zh) | 一种提高基站定位精度的方法 | |
CN107613458B (zh) | 一种tdoa条件下最优联合时间同步与定位的定位方法 | |
Koledoye et al. | Improved MDS-based localization with non-line-of-sight RF links | |
CN110596688A (zh) | 一种分布式mimo雷达系统中的高精度定位方法及装置 | |
CN105046046A (zh) | 一种集合卡尔曼滤波局地化方法 | |
CN110426672B (zh) | 一种基于区间分析的双迭代定位系统及其应用 | |
CN103458502A (zh) | 基于位置指纹的定位误差估计方法 | |
CN107592654B (zh) | 一种基于压缩感知的同频多辐射源场强定位方法 | |
CN110673088B (zh) | 混合视距和非视距环境中基于到达时间的目标定位方法 | |
CN113329331B (zh) | 一种基于改进双曲线模型的rfid定位方法 | |
CN110907925A (zh) | 一种高频地波雷达双站模型下的权重定位方法 | |
CN112068099B (zh) | 基于误差补偿的多辐射源快速定位测速方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |