CN110650440A - 一种智能家居室内定位静态监测系统 - Google Patents

一种智能家居室内定位静态监测系统 Download PDF

Info

Publication number
CN110650440A
CN110650440A CN201910908473.4A CN201910908473A CN110650440A CN 110650440 A CN110650440 A CN 110650440A CN 201910908473 A CN201910908473 A CN 201910908473A CN 110650440 A CN110650440 A CN 110650440A
Authority
CN
China
Prior art keywords
coordinate value
solving
module
satisfies
target
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
Application number
CN201910908473.4A
Other languages
English (en)
Other versions
CN110650440B (zh
Inventor
林心
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.)
Jiangsu Zhongrun Puda environmental big data Co.,Ltd.
Original Assignee
林心
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 林心 filed Critical 林心
Priority to CN201910908473.4A priority Critical patent/CN110650440B/zh
Publication of CN110650440A publication Critical patent/CN110650440A/zh
Application granted granted Critical
Publication of CN110650440B publication Critical patent/CN110650440B/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
    • H04W4/029—Location-based management or tracking services
    • 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)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

一种智能家居室内定位静态监测系统，涉及定位技术领域，所述系统包括坐标采集模块，用于采集已知位置的坐标值；构建模块，用于确定输出数据列Y(i)、辨识参数θ(i)以及输出矩阵Φ(i)；辨识参数第一求解模块，用于响应于1≤a1≤i≤a2，则辨识参数
Figure DDA0002214001500000011
的求解满足：
Figure DDA0002214001500000012
第一坐标值求解模块，用于求解获得第一坐标值；辨识参数第二求解模块，用于响应于所述i满足：i>a2，则求解θ(i‑1)在保留首项
Figure DDA0002214001500000013
的情况下增加新项[Φi Yi]后θ(i remain_first)的估计值
Figure DDA0002214001500000014
求解θ(i remain_first)去掉首项
Figure DDA0002214001500000015
后θ(i)的估计值
Figure DDA0002214001500000016
第二坐标值求解模块，用于求解获得第二坐标值；目标坐标值求解模块，用于求解获得目标位置M的坐标值(x0,y0)。本发明通过公式两步求解和平均求解，所获得的目标位置的坐标值估计精度越较高。

Description

一种智能家居室内定位静态监测系统
技术领域
本发明涉定位技术领域，特别是涉及一种智能家居室内定位静态监测系统。
背景技术
定位技术的发展始于上世纪90年代中期没过联邦通信委员会FCC制定的强制性法规(E-911法规)，明确规定了提供E-911定位服务将是今后各种蜂窝网络，尤其是3G网络必备的基本功能。自此，商界和学术界开始了定位技术的研究。
目前定位技术广泛被应用，主要的定位技术有：WiFi室内定位技术、UWB定位技术、RFID定位技术等。WiFi室内定位技术目前比较成熟的方法有两种：一种是利用室内传播模型法进行定位，一种是采用位置指纹法实现目标的定位。传播模型法中常用到RSSI、TOA、TDOA和AOA这四种特性来推算信号的传播距离，介于成本和适用性的考虑，利用RSSI数据实现测距定位技术得到了广泛的研究。
目前，利用传播模型的定位算法有很多，但均存在定位精度误差；且在随着采集数据量越来越大，极大增大了处理数据的所需要的计算机处理能力，使得数据处理速度变慢或处理数据成本提高。
发明内容
有鉴于现有技术的上述的一部分缺陷，本发明所要解决的技术问题是提供一种智能家居室内定位静态监测系统，旨在优化定位算法的目标位置坐标值估计求解，通过对数据进行拆解成多组并进行参数辨识，并求平均值，提高目标位置坐标值的精确度。
为实现上述目的，本发明提供了一种智能家居室内定位静态监测系统，所述系统包括：
坐标采集模块，用于采集在目标位置M旁边的已知位置Ni的坐标值(xi,yi)；所述目标位置M的目标坐标值为(x0,y0)，所述i满足：1≤i≤n，所述n满足：n≥3，所述i为所述已知位置的编号，所述i为正整数；
构建模块，用于根据所述目标位置M的所述目标坐标值(x0,y0)和所述已知位置Ni的坐标值(xi,yi)，确定输出数据列Y(i)、辨识参数θ(i)以及输出矩阵Φ(i)；所述输出数据列Y(i)满足：Y(i)＝[y(1) y(2) … y(i)]T,其中所述
Figure BDA0002214001480000021
所述di为所述目标位置M和所述已知位置Ni之间的距离；所述辨识参数θ(i)满足：θ(i)＝[x0 y0]T；所述输出矩阵Φ(i)满足：其中所述
Figure BDA0002214001480000023
其中所述i≤n-1；
辨识参数第一求解模块，用于响应于所述i满足：1≤a1≤i≤a2，则所述辨识参数
Figure BDA0002214001480000024
的求解满足：
Figure BDA0002214001480000025
所述a1、a2为预设正整数；
第一坐标值求解模块，用于根据所述步骤S3所求得的所述求解获得所述目标位置M的第一坐标值(x00,y00)；
辨识参数第二求解模块，用于响应于所述i满足：i>a2，则求解θ(i-1)在保留首项
Figure BDA0002214001480000031
的情况下增加新项[Φi Yi]后θ(i remain_first)的估计值
Figure BDA0002214001480000032
求解θ(i remain_first)去掉所述首项
Figure BDA0002214001480000033
后θ(i)的估计值
Figure BDA0002214001480000034
其中，
所述
Figure BDA0002214001480000035
满足：
Figure BDA0002214001480000036
所述满足：
Figure BDA0002214001480000038
E为单位矩阵；
第二坐标值求解模块，用于根据所述步骤S5所求得的所述求解获得所述目标位置M的第二坐标值(x0r,y0r)，所述r为所述步骤S5求解次数，所述r为正整数；
目标坐标值求解模块，用于求解所述目标位置M的所述目标坐标值(x0,y0)；所述目标坐标值为
Figure BDA0002214001480000039
在一具体实施方式中，所述已知位置至少5个。
在一具体实施方式中，所述已知位置均匀分布在所述目标位置的四周。
在一具体实施方式中，在所述辨识参数第二求解模块中，初始值
Figure BDA0002214001480000041
满足：
Figure BDA0002214001480000042
本发明的有益效果是：在本发明中：1、通过限定已知位置的数据项数，保持数据上限为a2项，当数据量少于上限则直接求解目标位置的坐标值，当数据量超过上限，则增加新项并删除首项保持数据长度，同时对前项数据进行剔除，使得计算处理量变少，提高数据处理效率。2、通过公式两步求解和将目标位置求解结果进行整合，所获得的目标位置的目标坐标值估计精度越较高，增强室内定位的准确度。
附图说明
图1是本发明一具体实施方式的室内定位目标位置和已知位置的示意图；
图2是本发明一具体实施方式的一种智能家居室内定位静态监测系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
根据路径衰减模型得到目标位置M到已知位置Ni的距离di，如图1所示，则有：
式子(1)经变换整理得到：Y(i)＝Φ(i)θ(i)，其中
Figure BDA0002214001480000052
其中i最大值等于n-1。
常规而言，通过最小二乘法，可得：
在本发明的递推计算过程中，为了保持数据长度，一方面要对数据增加新的一行，同时，另一方面要将原数据减少首行以便保持数据长度。
当[Φi-1,Yi-1]T新增加一组数据时，则增加后的数据满足：
Figure BDA0002214001480000055
对上述数据进一步减少首行
Figure BDA0002214001480000056
即也是数据[Φi-1,Yi-1]T首行，则修改后数据[Φi,Yi]T满足：
Figure BDA0002214001480000061
其中，假定数据保留长度为a2，则数据[Φi-1,Yi-1]T的首项序号j＝i-a2；
将式子(3)-(4)分别代入式(2)可得：
Figure BDA0002214001480000062
Figure BDA0002214001480000063
对式(5)运算求解可得：
Figure BDA0002214001480000064
对式(6)运算求解可得：
Figure BDA0002214001480000065
继续化简可得：
Figure BDA0002214001480000066
E为单位矩阵；
在本发明中，通过限定室内定位所采集的已知位置的数据项数，保持数据上限为a2项，当数据量少于上限则直接求解目标位置的坐标值值，当数据量超过上限，则增加新项并删除首项保持数据长度。
一方面，对前项数据进行剔除，使得计算处理量变少，同时，通过公式两步求解，所获得的参数估计精度越较高，增强参数估计准确度。
具体而言，如图2所示，在本发明第一实例中，提供一种智能家居室内定位静态监测系统，所述系统包括：
坐标采集模块100，用于采集在目标位置M旁边的已知位置Ni的坐标值(xi,yi)；所述目标位置M的目标坐标值为(x0,y0)，所述i满足：1≤i≤n，所述n满足：n≥3，所述i为所述已知位置的编号，所述i为正整数；
构建模块200，用于根据所述目标位置M的所述目标坐标值(x0,y0)和所述已知位置Ni的坐标值(xi,yi)，确定输出数据列Y(i)、辨识参数θ(i)以及输出矩阵Φ(i)；所述输出数据列Y(i)满足：Y(i)＝[y(1) y(2) … y(i)]T,其中所述
Figure BDA0002214001480000071
所述di为所述目标位置M和所述已知位置Ni之间的距离；所述辨识参数θ(i)满足：θ(i)＝[x0 y0]T；所述输出矩阵Φ(i)满足：其中所述
Figure BDA0002214001480000073
其中所述i≤n-1；
辨识参数第一求解模块300，用于响应于所述i满足：1≤a1≤i≤a2，则所述辨识参数
Figure BDA0002214001480000074
的求解满足：
Figure BDA0002214001480000075
所述a1、a2为预设正整数；
第一坐标值求解模块400，用于根据所述步骤S3所求得的所述
Figure BDA0002214001480000081
求解获得所述目标位置M的第一坐标值(x00,y00)；
辨识参数第二求解模块500，用于响应于所述i满足：i>a2，则求解θ(i-1)在保留首项
Figure BDA0002214001480000082
的情况下增加新项[Φi Yi]后θ(i remain_first)的估计值求解θ(i remain_first)去掉所述首项
Figure BDA0002214001480000084
后θ(i)的估计值其中，
所述
Figure BDA0002214001480000086
满足：
Figure BDA0002214001480000087
所述
Figure BDA0002214001480000088
满足：
Figure BDA0002214001480000089
E为单位矩阵；
第二坐标值求解模块600，用于根据所述步骤S5所求得的所述求解获得所述目标位置M的第二坐标值(x0r,y0r)，所述r为所述步骤S5求解次数，所述r为正整数；
目标坐标值求解模块700，用于求解所述目标位置M的所述目标坐标值(x0,y0)；所述目标坐标值为
Figure BDA00022140014800000811
值得一提的是，若本实施例已知位置有8个，则先限定数据项5个，通过已知位置1-5进行求解目标位置M的第一坐标值(x00,y00)；接着增加一项，并取出首项，即通过已知位置2-6进行求解目标位置M的第二坐标值(x01,y01)，依次去已知位置3-7、已知位置4-8进行求解第二坐标值(x02,y02)、(x03,y03)。
在本实施例中，所述已知位置至少5个。
在本实施例中，所述已知位置均匀分布在所述目标位置的四周。
在本实施例中，在所述辨识参数第二求解模块500中，初始值
Figure BDA0002214001480000091
满足：
Figure BDA0002214001480000092
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (4)

1.一种智能家居室内定位静态监测系统，其特征在于，所述系统包括：
坐标采集模块，用于采集在目标位置M旁边的已知位置Ni的坐标值(xi,yi)；所述目标位置M的目标坐标值为(x0,y0)，所述i满足：1≤i≤n，所述n满足：n≥3，所述i为所述已知位置的编号，所述i为正整数；
构建模块，用于根据所述目标位置M的所述目标坐标值(x0,y0)和所述已知位置Ni的坐标值(xi,yi)，确定输出数据列Y(i)、辨识参数θ(i)以及输出矩阵Φ(i)；所述输出数据列Y(i)满足：Y(i)＝[y(1) y(2) … y(i)]T,其中所述
Figure FDA0002214001470000011
所述di为所述目标位置M和所述已知位置Ni之间的距离；所述辨识参数θ(i)满足：θ(i)＝[x0 y0]T；所述输出矩阵Φ(i)满足：
Figure FDA0002214001470000012
其中所述其中所述i≤n-1；
辨识参数第一求解模块，用于响应于所述i满足：1≤a1≤i≤a2，则所述辨识参数
Figure FDA0002214001470000014
的求解满足：
Figure FDA0002214001470000015
所述a1、a2为预设正整数；
第一坐标值求解模块，用于根据所述步骤S3所求得的所述
Figure FDA0002214001470000016
求解获得所述目标位置M的第一坐标值(x00,y00)；
辨识参数第二求解模块，用于响应于所述i满足：i>a2，则求解θ(i-1)在保留首项的情况下增加新项[Φi Yi]后θ(i remain_first)的估计值
Figure FDA0002214001470000021
求解θ(i remain_first)去掉所述首项
Figure FDA0002214001470000022
后θ(i)的估计值
Figure FDA0002214001470000023
其中，
所述
Figure FDA0002214001470000024
满足：
所述
Figure FDA0002214001470000026
满足：
Figure FDA0002214001470000027
E为单位矩阵；
第二坐标值求解模块，用于根据所述步骤S5所求得的所述
Figure FDA0002214001470000028
求解获得所述目标位置M的第二坐标值(x0r,y0r)，所述r为所述步骤S5求解次数，所述r为正整数；
目标坐标值求解模块，用于求解所述目标位置M的所述目标坐标值(x0,y0)；所述目标坐标值为
Figure FDA0002214001470000029
2.如权利要求1所述的一种智能家居室内定位静态监测系统，其特征在于，所述已知位置至少5个。
3.如权利要求1所述的一种智能家居室内定位静态监测系统，其特征在于，所述已知位置均匀分布在所述目标位置的四周。
4.如权利要求1所述的一种智能家居室内定位静态监测系统，其特征在于，在所述辨识参数第二求解模块中，初始值
Figure FDA0002214001470000031
满足：
Figure FDA0002214001470000033
CN201910908473.4A 2019-09-25 2019-09-25 一种智能家居室内定位静态监测系统 Active CN110650440B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910908473.4A CN110650440B (zh) 2019-09-25 2019-09-25 一种智能家居室内定位静态监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910908473.4A CN110650440B (zh) 2019-09-25 2019-09-25 一种智能家居室内定位静态监测系统

Publications (2)

Publication Number Publication Date
CN110650440A true CN110650440A (zh) 2020-01-03
CN110650440B CN110650440B (zh) 2020-12-15

Family

ID=69011186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910908473.4A Active CN110650440B (zh) 2019-09-25 2019-09-25 一种智能家居室内定位静态监测系统

Country Status (1)

Country Link
CN (1) CN110650440B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101419276A (zh) * 2008-12-10 2009-04-29 清华大学 一种认知无线电网络中定位主用户的方法
CN101435863A (zh) * 2008-12-25 2009-05-20 武汉大学 一种导航卫星实时精密定轨的方法
CN102395197A (zh) * 2011-11-02 2012-03-28 北京理工大学 一种基于残差加权的tdoa蜂窝定位方法
US20120286994A1 (en) * 2011-05-12 2012-11-15 Thales Method and system for locating interferences affecting a satellite-based radionavigation signal
CN103135094A (zh) * 2013-01-31 2013-06-05 西安电子科技大学 基于bfgs拟牛顿法的信号源定位方法
CN104684081A (zh) * 2015-02-10 2015-06-03 三峡大学 基于距离聚类遴选锚节点的无线传感器网络节点定位算法
CN108769928A (zh) * 2018-06-08 2018-11-06 清华大学 基于船舶位置的海域通信波束协同控制方法和系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101419276A (zh) * 2008-12-10 2009-04-29 清华大学 一种认知无线电网络中定位主用户的方法
CN101435863A (zh) * 2008-12-25 2009-05-20 武汉大学 一种导航卫星实时精密定轨的方法
US20120286994A1 (en) * 2011-05-12 2012-11-15 Thales Method and system for locating interferences affecting a satellite-based radionavigation signal
CN102395197A (zh) * 2011-11-02 2012-03-28 北京理工大学 一种基于残差加权的tdoa蜂窝定位方法
CN103135094A (zh) * 2013-01-31 2013-06-05 西安电子科技大学 基于bfgs拟牛顿法的信号源定位方法
CN104684081A (zh) * 2015-02-10 2015-06-03 三峡大学 基于距离聚类遴选锚节点的无线传感器网络节点定位算法
CN108769928A (zh) * 2018-06-08 2018-11-06 清华大学 基于船舶位置的海域通信波束协同控制方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
耿延睿: "限定记忆法在GPS伪距静态绝对定位中应用", 《电子测量技术》 *
鲁照权: "具有限定记忆的辅助变量参数辨识法与仿真研究", 《系统仿真技术》 *

Also Published As

Publication number Publication date
CN110650440B (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN103634902B (zh) 基于指纹聚类的新型室内定位方法
CN101820676B (zh) 传感器节点定位方法
CN106777093A (zh) 基于空间时序数据流应用的Skyline查询系统
CN103763769B (zh) 基于接入点重选择和自适应簇分裂的室内指纹定位方法
WO2014106363A1 (zh) 移动设备定位系统及方法
CN108225332B (zh) 基于监督的室内定位指纹地图降维方法
CN107071788B (zh) 一种认知无线网络中的频谱感知方法及装置
CN116866095B (zh) 一种带触控面板的工业路由器及其待机控制方法
CN105574265B (zh) 面向模型检索的装配体模型定量描述方法
CN106373279B (zh) 用于多表集抄系统的智能ic卡水表的通信方法
CN115469627A (zh) 基于物联网的智能工厂运行管理系统
CN1889486B (zh) 无线传感器网络中的动态能量管理方法与装置
CN103514276B (zh) 基于中心估计的图形目标检索定位方法
CN110650440B (zh) 一种智能家居室内定位静态监测系统
CN103226858B (zh) 蓝牙配对信息的处理方法及装置
CN105720943B (zh) 基于rssi的滤波方法及其系统
CN108683985A (zh) 一种wifi定位指纹点预筛选方法及存储介质
CN110602205B (zh) 一种基于NB-IoT的城市污水智能监测系统
CN105764088B (zh) 一种基于遗传算法的tdoa蜂窝定位方法
CN110619184A (zh) 一种智能家居实时室内定位方法
CN111026741A (zh) 基于时间序列相似性的数据清洗方法及装置
CN113888310A (zh) 信贷风险评估方法、装置及存储介质
CN103744899A (zh) 一种基于分布式环境的海量数据快速分类方法
CN110891241A (zh) 一种基于长短时间记忆网络模型与接入点选择策略的指纹定位方法
CN110009542A (zh) 一种具有大数据的生态环境监管系统和监管方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201126

Address after: 224000 4 / F (CND), building B-5, big data Industrial Park, 29 Xuehai Road, Xindu street, Chengnan New District, Yancheng City, Jiangsu Province

Applicant after: Jiangsu Zhongrun Puda environmental big data Co.,Ltd.

Address before: 351100 Xicun 119, Huating Town, Chengxiang District, Putian City, Fujian Province

Applicant before: Lin Xin

GR01 Patent grant
GR01 Patent grant