CN110650440B - 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
CN110650440B
CN110650440B CN201910908473.4A CN201910908473A CN110650440B CN 110650440 B CN110650440 B CN 110650440B CN 201910908473 A CN201910908473 A CN 201910908473A CN 110650440 B CN110650440 B CN 110650440B
Authority
CN
China
Prior art keywords
solving
coordinate value
module
satisfies
theta
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
CN201910908473.4A
Other languages
English (en)
Other versions
CN110650440A (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
Jiangsu Zhongrun Puda Environmental Big Data 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 Jiangsu Zhongrun Puda Environmental Big Data Co ltd filed Critical Jiangsu Zhongrun Puda Environmental Big Data Co ltd
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且n为正整数，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 GDA0002682603140000021
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 GDA0002682603140000022
其中所述
Figure GDA0002682603140000023
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：3≤i≤a2，则所述辨识参数θ(i)的估计值
Figure GDA0002682603140000024
的求解满足：
Figure GDA0002682603140000025
所述a2为预设正整数，所述a2数据上限项数；
第一坐标值求解模块，用于根据所述辨识参数第一求解模块所求得的所述
Figure GDA0002682603140000026
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 GDA0002682603140000027
的情况下增加新项
Figure GDA0002682603140000028
后θ(iremain_first)的估计值
Figure GDA0002682603140000029
求解θ(iremain_first)去掉所述首项
Figure GDA00026826031400000210
后θ(i)的估计值
Figure GDA00026826031400000211
其中，
所述
Figure GDA0002682603140000031
满足：
Figure GDA0002682603140000032
所述
Figure GDA0002682603140000033
满足：
Figure GDA0002682603140000034
E为单位矩阵；
第二坐标值求解模块，用于根据所述辨识参数第二求解模块所求得的所述
Figure GDA0002682603140000035
求解获得所述目标位置M的第二坐标值(x0r,y0r)，所述r为所述辨识参数第二求解模块求解次数，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 GDA0002682603140000036
(x0k,y0k)为所述辨识参数第二求解模块第k次求解获得所述目标位置M的第二坐标值。
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 GDA0002682603140000037
Figure GDA0002682603140000038
满足：
Figure GDA0002682603140000041
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：
Figure GDA0002682603140000042
式子(1)经变换整理得到：Y(i)＝Φ(i)θ(i)，其中
Figure GDA0002682603140000051
其中i最大值等于n-1。
常规而言，通过最小二乘法，可得：
Figure GDA0002682603140000052
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
Figure GDA0002682603140000053
时，则增加后的数据满足：
Figure GDA0002682603140000054
对上述数据进一步减少首行
Figure GDA0002682603140000055
即也是数据[Φi-1,Yi-1]T首行，则修改后数据[Φi,Yi]T满足：
Figure GDA0002682603140000056
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 GDA0002682603140000057
Figure GDA0002682603140000058
对式(5)运算求解可得：
Figure GDA0002682603140000061
对式(6)运算求解可得：
Figure GDA0002682603140000062
继续化简可得：
Figure GDA0002682603140000063
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且n为正整数，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 GDA0002682603140000071
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 GDA0002682603140000072
其中所述
Figure GDA0002682603140000073
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：3≤i≤a2，则所述辨识参数θ(i)的估计值
Figure GDA0002682603140000074
的求解满足：
Figure GDA0002682603140000075
所述a2为预设正整数，所述a2数据上限项数；
第一坐标值求解模块400，用于根据所述辨识参数第一求解模块所求得的所述
Figure GDA0002682603140000076
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 GDA0002682603140000077
的情况下增加新项
Figure GDA0002682603140000078
后θ(iremain_first)的估计值
Figure GDA0002682603140000079
求解θ(iremain_first)去掉所述首项
Figure GDA00026826031400000710
后θ(i)的估计值
Figure GDA00026826031400000711
其中，
所述
Figure GDA00026826031400000712
满足：
Figure GDA00026826031400000713
所述
Figure GDA0002682603140000081
满足：
Figure GDA0002682603140000082
E为单位矩阵；
第二坐标值求解模块600，用于根据所述辨识参数第二求解模块所求得的所述
Figure GDA0002682603140000083
求解获得所述目标位置M的第二坐标值(x0r,y0r)，所述r为所述辨识参数第二求解模块求解次数，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 GDA0002682603140000084
(x0k,y0k)为所述辨识参数第二求解模块第k次求解获得所述目标位置M的第二坐标值。
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 GDA0002682603140000085
Figure GDA0002682603140000086
满足：
Figure GDA0002682603140000091
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，当数据量少于上限，则所述系统增加新项直接求解目标位置的坐标值；当数据量超过上限，则所述系统增加新项，删除首项保持数据长度，并求解目标位置的坐标值；
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且n为正整数，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 FDA0002686613140000011
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 FDA0002686613140000012
其中所述
Figure FDA0002686613140000013
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：3≤i≤a2，则所述辨识参数θ(i)的估计值
Figure FDA0002686613140000014
的求解满足：
Figure FDA0002686613140000015
所述a2为预设正整数，所述a2数据上限项数；
第一坐标值求解模块，用于根据所述辨识参数第一求解模块所求得的所述
Figure FDA0002686613140000016
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 FDA0002686613140000017
的情况下增加新项
Figure FDA0002686613140000018
后θ(iremain_first)的估计值
Figure FDA0002686613140000019
求解θ(iremain_first)去掉所述首项
Figure FDA0002686613140000021
后θ(i)的估计值
Figure FDA0002686613140000022
其中，
所述
Figure FDA0002686613140000023
满足：
Figure FDA0002686613140000024
所述
Figure FDA0002686613140000025
满足：
Figure FDA0002686613140000026
E为单位矩阵；
第二坐标值求解模块，用于根据所述辨识参数第二求解模块所求得的所述
Figure FDA0002686613140000027
求解获得所述目标位置M的第二坐标值(x0k,y0k)，所述r为所述辨识参数第二求解模块求解次数，所述r为正整数，1≤k≤r；
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 FDA0002686613140000028
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 FDA0002686613140000029
满足：
Figure FDA0002686613140000031
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 CN110650440A (zh) 2020-01-03
CN110650440B true 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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101419276B (zh) * 2008-12-10 2011-09-14 清华大学 一种认知无线电网络中定位主用户的方法
FR2975193B1 (fr) * 2011-05-12 2020-10-09 Thales Sa Procede et systeme de localisation d'interferences affectant un signal de radionavigation par satellite
CN102395197B (zh) * 2011-11-02 2014-04-16 北京理工大学 一种基于残差加权的tdoa蜂窝定位方法
CN103135094B (zh) * 2013-01-31 2014-12-17 西安电子科技大学 基于bfgs拟牛顿法的信号源定位方法
CN104684081B (zh) * 2015-02-10 2017-11-10 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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

Also Published As

Publication number Publication date
CN110650440A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
CN101841565B (zh) 数据库集群系统负载均衡方法和数据库集群系统
CN110659693B (zh) 基于k近邻分类的配电网快速拓扑识别方法、系统及介质
CN103634902B (zh) 基于指纹聚类的新型室内定位方法
CN104519571B (zh) 一种基于rss的室内定位方法
WO2014106363A1 (zh) 移动设备定位系统及方法
CN101820676A (zh) 传感器节点定位方法
Xu et al. Self-adapting multi-fingerprints joint indoor positioning algorithm in WLAN based on database of AP ID
CN109255728B (zh) 混沌相空间优化重构的光伏发电功率神经网络预测法
CN106373279B (zh) 用于多表集抄系统的智能ic卡水表的通信方法
CN101494508A (zh) 基于特征循环频率的频谱检测方法
CN108225332B (zh) 基于监督的室内定位指纹地图降维方法
CN104793176A (zh) 一种基于fpga的doa估计快速实现方法
CN105574265B (zh) 面向模型检索的装配体模型定量描述方法
CN1889486B (zh) 无线传感器网络中的动态能量管理方法与装置
Xie et al. Efficient protocols for collecting histograms in large-scale RFID systems
CN104424189A (zh) 基于云平台的定位解算方法和系统
CN110650440B (zh) 一种智能家居室内定位静态监测系统
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
TWI498582B (zh) 三維空間定位方法
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
CN105517147B (zh) 基于分块迭代的分布式目标定位方法
CN108415005A (zh) 一种无源定位时延估计方法及装置
CN112188388A (zh) 一种基于机器学习的混合室内定位方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Smart Home Indoor Positioning Static Monitoring System

Granted publication date: 20201215

Pledgee: Bank of Jiangsu Co.,Ltd. Yancheng branch

Pledgor: Jiangsu Zhongrun Puda environmental big data Co.,Ltd.

Registration number: Y2024980019164