CN110784837A - 室内定位方法、装置、介质及电子设备 - Google Patents

室内定位方法、装置、介质及电子设备 Download PDF

Info

Publication number
CN110784837A
CN110784837A CN201910871196.4A CN201910871196A CN110784837A CN 110784837 A CN110784837 A CN 110784837A CN 201910871196 A CN201910871196 A CN 201910871196A CN 110784837 A CN110784837 A CN 110784837A
Authority
CN
China
Prior art keywords
vector matrix
point
distance vector
signal intensity
measured
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
CN201910871196.4A
Other languages
English (en)
Other versions
CN110784837B (zh
Inventor
姜楠
董广捷
李进
万涛
黄伟
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.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
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 East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN201910871196.4A priority Critical patent/CN110784837B/zh
Publication of CN110784837A publication Critical patent/CN110784837A/zh
Application granted granted Critical
Publication of CN110784837B publication Critical patent/CN110784837B/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
    • H04W4/30—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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
    • 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
    • H04W64/006—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

Abstract

本申请公开了一种室内定位方法、装置、介质及电子设备，该方法包括：获取待测点接收到的信号强度信息，并将所述信号强度信息通过滤波处理获得信号强度向量矩阵，其中，所述信号强度信息包括信号强度和所述信号强度对应的信号方向；基于预设算法将所述信号强度向量矩阵转换为距离向量矩阵；从预设的距离向量矩阵数据库中选取与所述距离向量矩阵对应的目标参考点，所述预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，所述多个距离矩阵向量和所述多个参考点一一对应；根据所述目标参考点确定所述待测点的位置坐标。可提高定位时的抗干扰能力，从而使室内定位的结果更加稳定和精准。

Description

室内定位方法、装置、介质及电子设备
技术领域
本申请涉及定位技术领域，更具体地，涉及一种室内定位方法、装置、介质及电子设备。
背景技术
随着无线通信技术的发展以及移动终端设备性能的不断增强，用户对定位服务的需求也越来越高。目前像美国的GPS系统、俄罗斯的GLONASS系统、中国的北斗、欧洲的伽利略在内的基于卫星信号的全球定位系统已经能够满足用户对室外定位的要求。但是，对于室内定位的定位精度还无法达到用户的需求。
现有的室内定位技术主要包括蓝牙技术、射频识别(Radio FrequencyIdentification，RFID)技术、以及超宽带(Ultra Wide Band，UWB)技术等，但这些技术往往存在抗干扰能力较差、定位结果不稳定等问题。
发明内容
鉴于上述问题，本申请提出了一种室内定位方法、装置、介质及电子设备，可提高抗干扰能力，从而使室内定位的结果更加稳定和精准。
第一方面，本申请例提供了一种室内定位方法，该方法包括：获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，其中，信号强度信息包括信号强度和信号强度对应的信号方向；基于预设算法将信号强度向量矩阵转换为距离向量矩阵；从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，多个距离矩阵向量和多个参考点一一对应；根据目标参考点确定待测点的位置坐标。
第二方面，本申请例提供了一种室内定位装置，该装置包括信号强度向量矩阵生成模块、距离向量矩阵转换模块、目标参考点选取模块、以及待测点确定模块，其中，信号强度向量矩阵生成模块用于获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，其中，信号强度信息包括信号强度和信号强度对应的信号方向；距离向量矩阵转换模块用于基于预设算法将信号强度向量矩阵转换为距离向量矩阵；目标参考点选取模块用于从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，多个距离矩阵向量和多个参考点一一对应；待测点确定模块用于根据目标参考点确定待测点的位置坐标。
第三方面，本申请例提供了一种电子设备，其包括：存储器；一个或多个处理器，与存储器耦接；一个或多个程序，其中，一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行如上述第一方面的方法。
第四方面，本申请例提供了一种计算机可读取存储介质，该计算机可读取存储介质中存储有程序代码，该程序代码可被处理器调用执行如上述第一方面的方法。
本申请例提供的室内定位方法、交互方法、装置、电子设备及存储介质，通过获取待测点接收到的信号强度信息，并将该信号强度信息通过滤波处理获得信号强度向量矩阵，从而消除了信号强度信息中的无效信息以及减低了干扰信号的影响。其中，该信号强度信息包括信号强度和该信号强度对应的信号方向。再基于预设算法将该信号强度向量矩阵转换为距离向量矩阵；从预设的距离向量矩阵数据库中选取与该距离向量矩阵对应的目标参考点，该预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，该多个距离矩阵向量和该多个参考点一一对应，从而利用多维空间相似度有效找出与待测点相似度较高的目标参考点。最后根据该目标参考点确定该待测点的位置坐标，可以稳定、准确地得到待测的待测点的位置。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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示出了本申请一个实施例提供的室内定位方法的流程示意图。
图2示出了本申请另一个实施例提供的室内定位方法的流程示意图。
图3示出了本申请一个实施例提供的待测点接收AP发射装置的信号强度的示意图。
图4示出了本申请又一个实施例提供的室内定位方法的流程示意图。
图5示出了本申请一个实施例提供的参考点在室内区域的分布示意图。
图6示出了本申请的一个实施例的室内定位方法中步骤S301的方法流程示意图。
图7示出了本申请再一个实施例提供的室内定位方法的流程示意图。
图8示出了本申请一个实施例提供的室内定位装置的模块框图。
图9是本申请实施例的用于执行根据本申请实施例的室内定位方法的电子设备的框图。
图10是本申请实施例的用于保存或者携带实现根据本申请实施例的室内定位方法的程序代码的存储单元。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
随着用户在室内使用移动终端设备的方式不断更新，室内定位技术的应用也变得越来越广泛，因此，室内定位技术的研究日渐成为当下和未来的研究热点。
目前的室内定位技术主要包括了蓝牙技术、红外线技术、超宽带(Ultra WideBand，UWB)技术、射频识别(Radio Frequency Identification，RFID)技术、ZigBee技术、超声波技术以及WiFi技术等。在上述室内定位技术中，蓝牙技术所需设备体积小，但它在复杂环境中稳定性差，且蓝牙信号传输距离短；红外线技术需要探测器之间和待定位目标之间可视，这在复杂的室内环境中是不可较好地实现定位效果；超宽带技术需要新加入盲节点且功耗较高；RFID技术定位精度高，但其抗干扰能力较差。此外，上述的室内定位技术在现有的室内场所中通常没有较为完善的基础设施，因此需要花费大量的时间成本和经济成本去建立这些基础设施。
发明人在研究中发现，室内定位技术主要分为基于接收的信号强度指示(Received Signal Strength Indication，RSSI)的测距定位方法和非测距定位方法，基于RSSI的室内定位技术需要测量待测点到信号发射点之间的距离,并根据构建的WiFi位置指纹库匹配当前的WiFi信号强度值进行位置估算，定位技术的实现需要以下步骤：(1)离线阶段：为了更准确的定位精确度，需要预先制作RSSI指纹数据集；(2)在线阶段：使用合适的算法处理RSSI指纹数据库信息，实现定位技术。由于基于RSSI的室内定位技术可以利用WiFi基础设备实现，因此可以避免花费大量的时间成本和经济成本去建立基础设置。
但是，发明人还发现，现有的基于RSSI的室内定位技术存在易受环境干扰，定位结果不稳定等问题。
因此，针对于上述问题，发明人提出了本申请实施例提供的室内定位方法、装置、介质及电子设备，可以基于WiFi的基础设施进行定位，从而省去了大量基础设施的建立，节省了大量的时间成本和经济成本的花费，可以去除无效信号并减少干扰信号的影响，从而提高了定位结果的稳定性和准确性。
请参阅图1，图1示出了本申请一个实施例提供的室内定位方法的流程示意图。该方法可以包括：
步骤S101，获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，其中，信号强度信息包括信号强度和信号强度对应的信号方向。
在一些实施方式中，可以通过位于待测点的信号接收设备接收一个或多个信号发射装置发射的信号强度，从而获得待测点接收到的信号强度信息，信号强度信息中包括了多个信号强度向量，其中，一个信号强度向量对应该信号强度向量方向上的多个信号发射装置。再将多个信号强度向量分别通过滤波处理可以组成信号强度向量矩阵。其中，滤波处理主要用于消除无效信号并减小干扰信号的影响，具体可以采用中值-高斯滤波器进行处理。其中，信号强度信息中的信号强度是指信号接收设备接收到的信号强度，也就是接收信号强度(Received Signal Strength，RSS)。其中，信号发射装置可以为无线访问接入点(Access Point，AP)。可选地，信号接收设备可以是智能手机、平板电脑、个人电脑等具有无线接收功能的终端设备，信号接收设备接收的无线信号可以是蓝牙信号、ZigBee信号、WiFi信号等等。
考虑到采用蓝牙信号和ZigBee信号作为待测点接收的信号强度信息存在信号接收距离较短、信号接收效率较差以及需要组建大量的基础设施。在一些实施方式中，信号强度信息可以采用WiFi信号，信号接收设备可以采用无线WiFi接收设备，从而可以避免组建大量的基础设施，且具有较好的信号接收效率。
步骤S102，基于预设算法将信号强度向量矩阵转换为距离向量矩阵。
通过预设算法将信号强度向量矩阵中的每个信号强度向量转换成距离向量，再用转换而成的距离向量组成距离向量矩阵，此时，待测点的距离向量矩阵可以作为该待测点的位置指纹，待测点的信号强度信息即为位置指纹的特征，由于每个位置上的接收到的信号强度信息不同，从而实现了一个位置指纹对应一个位置。
在一些实施方式中，预设算法可以是如下公式：
d＝10(A-P(RSSI))/10n；
其中，d为距离向量，A为待测点和参考点相隔1米时的信号强度，也就是信号接收设备和信号发射装置相隔1米时的信号强度，P(RSSI)为待测点的接收信号强度，n为环境衰减因子。
在本实施方式中通过d＝10(A-P(RSSI))/10n可有效的将信号强度向量矩阵转换为距离向量矩阵。
步骤S103，从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，多个距离矩阵向量和多个参考点一一对应。
在一些实施方式中，可以通过多维空间相似度算法计算待测点的距离向量矩阵与预设的距离向量矩阵数据库中各个参考点的距离向量矩阵的相似度，选取出与待测点的距离矩阵相似度较高的目标距离矩阵，将与目标距离矩阵对应的参考点确定为目标参考点。其中，目标参考点可以是一个，也可以是多个。其中，多维空间相似度算法具体用于计算张量之间的元素相似性，通过欧氏距离定义，判断张量之间在空间上是否相近。
在一些实施方式中，可以选取与待测点的距离矩阵相似度最近的一个距离矩阵作为目标距离矩阵，将与该目标距离矩阵对应的参考点确定为目标参考点，即得到一个目标参考点。
在另一些实施方式中，可以选取出与待测点的距离矩阵的相似度大于相似度阈值的多个目标距离矩阵，将与该多个目标距离矩阵对应的参考点确定为目标参考点，即得到多个目标参考点。
可以理解的是，参考点的位置坐标为预先获取，参考点所处的位置预先通过信号接收设备接收了信号强度信息，且信号接收设备在参考点的信号接收环境与在待测点的信号接收环境一致，例如信号接收设备在待测点和参考点进行信号接收时，信号发射装置(以下可称AP发射器)的位置分布以及发射的信号强度不变。
步骤S104，根据目标参考点确定待测点的位置坐标。
在一些实施方式中，可以将与待测点的距离矩阵相似度最近的一个或多个距离矩阵作为目标距离矩阵，将与该目标距离矩阵对应的参考点确定为目标参考点，并将该目标参考点的位置坐标作为待测点的位置坐标。
由于目标参考点与待测点之间具有较高的多维空间相似度，因此可以通过获取目标参考点的位置坐标来确定待测点的位置坐标，从而实现室内定位。其中，目标参考点的位置坐标可以预先存储在的距离向量矩阵数据库中。
在本实施例中，该方法可以基于WiFi进行定位，从而省去了大量基础设施的建立，节省了大量的时间成本和经济成本的花费，提高了信号接收效率。并且通过获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，以去除无效信号并减少干扰信号的影响，再通过基于预设算法将信号强度向量矩阵转换为距离向量矩阵，并从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，从而基于多维空间相似度计算得到与待测点相似度较高的目标参考点，最后根据目标参考点的位置坐标可以快速、准确地确定待测点的位置坐标，从而实现稳定、精准地室内定位。
请参阅图2，图2示出了本申请另一个实施例提供的室内定位方法的流程示意图。该方法包括：
步骤S201，获取待测点在多个方向上接收到的多个初始数据，多个初始数据包括位于多个方向中的每个方向上的至少一个信号发射器发送的初始信号强度，多个初始数据与多个方向一一对应。
作为一种示例，如图3所示，以待测点为原点，假设待测点需要接收8个方向上的初始数据，8个方向上中的相邻两个方向可以呈45°夹角，每个方向上可以有一个或多个AP发射器。待测点在任一方向上接收到的位于该方向上的所有AP发射器的初始信号强度即为待测点在该方向上的初始数据。需要说明的是，初始信号强度和信号强度为同一种信号。
步骤S202，重复获取待测点在多个方向上接收到的多个初始数据的步骤，得到多组初始数据，将多组初始数据确定为信号强度信息。
其中，重复获取待测点在多个方向上接收到的多个初始数据的步骤一次，即可得到一组初始数据，当重复了多次，即可获得多组初始数据。在待测点获得的每个方向上的多组初始数据组成了信号强度信息。
步骤S203，将信号强度信息经过中值-高斯滤波器处理后组成信号强度向量矩阵。
将信号强度信息通过中值-高斯滤波器处理，可以将信号强度信息中的n组初始数据整合为1组数据，以此减少后序计算负载，以及筛选出更有区分度的信息，再由多个方向上的整合后的数据组成信号强度向量矩阵。
步骤S204，基于预设算法将信号强度向量矩阵转换为距离向量矩阵。
步骤S205，从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，多个距离矩阵向量和多个参考点一一对应。
步骤S206，根据目标参考点确定待测点的位置坐标。
在本实施例中，通过获取待测点接收到的位于多个方向上的多个AP发射器的多个组信号强度，从而可以保证获得的待测点的信号强度信息更加真实、准确，进而保证了室内定位的准确定。
请参阅图4，图4示出了本申请又一个实施例提供的室内定位方法的流程示意图。该方法包括：
步骤S301，选取多个参考点，并分别获取每个参考点的距离向量矩阵以及每个参考点的位置坐标。
在一些实施方式中，如图5所示，在室内区域内可以选取均匀分布的多个位置点作为参考点，其中室内区域还设置有一个或多个AP发射装置，如图5中的AP发射装置1和AP发射装置2。并获取每个参考点的位置坐标，例如以图5中参考点1为原点坐标(0，0)，以此建立平面坐标系，则可以得到参考点2的位置坐标为(1，0)，同理也可以获得其他参考点的位置坐标。再将信号接收设备分别放置到每个参考点的位置来接收各个信号发射装置的信号强度，从而可以得到信号强度向量矩阵，再通过如步骤S102的方式可以将信号强度向量矩阵转换为距离向量矩阵，从而得到每个参考点的距离矩阵。
如图6所示，在一些实施方式中，步骤S301可以包括如下步骤：
步骤S3011，获取参考点接收到的样本信号强度信息，并将样本信号强度信息通过滤波处理获得样本信号强度向量矩阵，其中，样本信号强度信息包括样本信号强度和样本信号强度对应的信号方向。
其中，获取参考点接收样本信号强度信息的方式可以参考上述实施例中的步骤S201至步骤S202获取待测点接收信号强度信息的方式。
作为一种示例，假设参考点有m个，对于任意一个参考点假设接收来自8个方向上的样本初始数据，样本初始数据中包括了接收位于该方向上k个AP发射器的样本信号强度，且获取了n组样本初始数据，则该待测点在该方向上的样本信号强度信息可以表示为数据矩阵P1(1*n*k)。
同理可以参照上述方法获取该参考点在8个方向上的样本初始数据，并将每个方向上的样本初始数据分别通过中值-高斯滤波器处理，以将每个方向的n组数据降为1组数据，以得到每个方向上的k维向量，因为向量是张量的特例，向量里有一个数是1*1，两个数是1*2，以此类推，当一个方向上接收到的位于该方向上k个AP发射器的样本信号强度时，即可以得到该方向上的k维向量。再通过多个方向上的k维向量可以组成该待测点的样本信号强度向量矩阵，可以表示为数据矩阵P2(8*1*k)。需要说明的是，样本初始数据和初始数据为同一种数据，样本信号强度和信号强度为同一种数据，样本信号强度信息和信号强度信息为同一种数据。
此时，为了提取更有用的信息，降低无用、干扰信息的影响，可以对m个参考点的数据矩阵P2(8*1*k)通过均值滤波器进行降维处理，可得到矩阵P3(m*k)。
步骤S3012，基于预设算法将样本信号强度向量矩阵转换为样本距离向量矩阵，并将样本距离向量矩阵确定为参考点的距离向量矩阵。
在本实施方式中，通过均值滤波器对参考点的样本信号强度信息进行处理，可以降低无用、干扰信息的影响，进一步保证了参考点接收到的样本信号强度信息的真实性和准确性。
作为一种示例，对矩阵P3进行d＝10(A-P(RSSI))/10n运算，得出m个参考位置的距离向量矩阵D(m*k)。
步骤S302，根据每个参考点的位置坐标以及每个参考点的距离向量矩阵建立距离向量矩阵数据库。
根据步骤S301中的m个参考点位置坐标以及步骤S3012得出m个参考位置的距离矩阵D(m*k)建立距离向量矩阵数据库。
步骤S303，获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，其中，信号强度信息包括信号强度和信号强度对应的信号方向。
步骤S304，基于预设算法将信号强度向量矩阵转换为距离向量矩阵。
步骤S305，从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，多个距离矩阵向量和多个参考点一一对应。
步骤S306，根据目标参考点确定待测点的位置坐标。
在本实施例中，通过用获取待测点的距离矩阵的方法来获取参考点的距离矩阵，保证了距离向量矩阵数据库中的数据更加真实、有效，进而增加了室内定位的准确性。
请参阅图7，图7示出了本申请再一个实施例提供的室内定位方法的流程示意图。该方法包括：
步骤S401，获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，其中，信号强度信息包括信号强度和信号强度对应的信号方向。
作为一种示例，在待测点接收AP发射装置的信号强度值，将信号强度值经过中值-高斯滤波处理后得到信号强度向量矩阵。
步骤S402，基于预设算法将信号强度向量矩阵转换为距离向量矩阵。
将信号强度向量矩阵通过d＝10(A-P(RSSI))/10n的计算转换为关于空间物理距离的距离向量矩阵R1(1*k)，其中，k为待测点的每个方向上的AP发射装置的个数。
步骤S403，通过欧氏距离法对待测点的距离向量矩阵与预设的距离向量矩阵数据库中多个参考点的距离向量矩阵进行相似度测量，分别得到多个参考点与待测点之间的距离。
在一些实施方式中，可以通过如下公式实现距离向量矩阵R1与预设的距离向量矩阵数据库中多个参考点的距离向量矩阵进行相似度测量，得到参考点与待测点的RSSI距离矩阵：
Figure BDA0002202871200000111
其中，S(RSSIa,RSSIi)为多维空间相似度度量；RSSIa为所述待测点a的RSSI矩阵；RSSIi为所述距离向量矩阵数据库中的任意参考点的RSSI矩阵；k为参考点数目。
步骤S404，将距离按从小到大的顺序进行排列，得到距离排名。
步骤S405，将距离排名中排在前三位置的三个参考点确定为三个目标参考点。
在一些实施方式中，还可以通过多维空间相似度(multidimensional spacialsimilarity，MDSS)算法在R2(1*m)中找出三个目标参考点R(1*3)，其中，三个目标参考点与待测点之间的距离小于其他参考点与待测点之间的距离。
步骤S406，通过三角形定位算法对三个目标参考点的位置坐标进行计算，得到三个交点坐标，三个交点坐标分别为第一交点坐标、第二交点坐标以及第三交点坐标。
步骤S407，分别获取每个交点坐标对应的距离权重参数。
在一些实施方式中，可以通过如下公式计算出每个交点坐标对应的距离权重参数：
Figure BDA0002202871200000121
其中，i为矩阵中第i个距离值；j为矩阵中除去第i个距离值后的剩余距离值。可以理解的是，此处的矩阵为多维空间相似度的矩阵，实际上是一维矩阵，用于表征当前的待测点与参考点之间的多维空间相似度的度量。
步骤S408，将距离权重参数和交点坐标通过预设的位置坐标计算公式计算出待测点的位置坐标。
在一些实施方式中，预设的位置坐标计算可以是内积计算公式，具体地，通过(xestimate,yestimate)＝w1*(x1,y1)+w2*(x2,y2)+w3*(x3,y3)计算待测点的位置坐标，其中，(xestimate,yestimate)为待测点的位置坐标，(x1,y1)为第一交点坐标，(x2,y2)为第二交点坐标，(x3,y3)为第一交点坐标，w1为第一交点坐标的权重参数，w2为第二交点坐标的权重参数，w3为第三交点坐标的权重参数。
在一些实施方式中，可以将上述得到的待测点的位置坐标(xestimate,yestimate)带入到如下公式求出误差值：
Figure BDA0002202871200000122
其中，(xreal,yreal)为待测点的真实位置坐标，(xestimate,yestimate)为测出的待测点的位置坐标，derror为测出的待测点的位置坐标与待测点的真实位置坐标的误差值。在本实施方式中，还可以判断误差值是否超出误差范围，若误差值没有超过误差范围，则证明本实施例的室内定位方法定位精度满足要求；若误差值超出误差范围，则证明本实施例的室内定位方法还需进行优化。
在本实施例中，通过多维空间相似度结合中值-高斯滤波器实现了稳定、精准的室内定位。其中，又通过多维空间相似度选取与待测点距离较近三个目标参考点，再利用三角形定位算法对三个目标参考点的位置坐标进行计算，得到三个交点坐标，再基于三个交点坐标和与交点坐标对应的距离权重参数计算出待测点的位置坐标。可以进一步提高获得待测点的位置坐标的准确性。
请参阅图8，图8示出了本申请一个实施例提供的室内定位装置的模块框图。该装置500包括信号强度向量矩阵生成模块510、距离向量矩阵转换模块520、目标参考点选取模块530、以及待测点确定模块540。其中，信号强度向量矩阵生成模块510，用于获取待测点接收到的信号强度信息，并将信号强度信息通过滤波处理获得信号强度向量矩阵，其中，信号强度信息包括信号强度和信号强度对应的信号方向；距离向量矩阵转换模块520，用于基于预设算法将信号强度向量矩阵转换为距离向量矩阵；目标参考点选取模块530，用于从预设的距离向量矩阵数据库中选取与距离向量矩阵对应的目标参考点，预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，多个距离矩阵向量和多个参考点一一对应；待测点确定模块540，用于根据目标参考点确定待测点的位置坐标。
进一步的，该装置500还包括：距离向量矩阵数据库建立模块，距离向量矩阵数据库建立模块用于选取多个参考点，并分别获取每个参考点的距离向量矩阵以及每个参考点的位置坐标；根据每个参考点的位置坐标以及每个参考点的距离向量矩阵建立距离向量矩阵数据库。
进一步的，距离向量矩阵数据库建立模块，具体用于获取参考点接收到的样本信号强度信息，并将样本信号强度信息通过滤波处理获得样本信号强度向量矩阵，其中，样本信号强度信息包括样本信号强度和样本信号强度对应的信号方向；基于预设算法将样本信号强度向量矩阵转换为样本距离向量矩阵，并将样本距离向量矩阵确定为参考点的距离向量矩阵。
进一步的，信号强度向量矩阵生成模块510包括初始数据接收单元、信号强度信息确定单元、以及信号强度向量矩阵生成单元。
初始数据接收单元用于获取待测点在多个方向上接收到的多个初始数据，多个初始数据包括位于多个方向中的每个方向上的至少一个信号发射器发送的初始信号强度，多个初始数据与多个方向一一对应。
信号强度信息确定单元用于重复获取待测点在多个方向上接收到的多个初始数据的步骤，得到多组初始数据，将多组初始数据确定为信号强度信息。
信号强度向量矩阵生成单元用于将信号强度信息经过中值-高斯滤波器处理后组成信号强度向量矩阵。
进一步的，预设算法为d＝10(A-P(RSSI))/10n，其中，d为距离向量矩阵中的任一距离向量，A为待测点和参考点相隔1米时的信号强度，P(RSSI)为待测点接收的信号强度，n为环境衰减因子。
进一步的，目标参考点选取模块530具体用于通过欧氏距离法对待测点的距离向量矩阵与预设的距离向量矩阵数据库中多个参考点的距离向量矩阵进行相似度测量，分别得到多个参考点与待测点之间的距离；将距离按从小到大的顺序进行排列，得到距离排名；将距离排名中排在前三位置的三个参考点确定为三个目标参考点。
进一步的，待测点确定模块540具体用于通过三角形定位算法对三个目标参考点的位置坐标进行计算，得到三个交点坐标，三个交点坐标分别为第一交点坐标、第二交点坐标以及第三交点坐标；分别获取每个交点坐标对应的距离权重参数；通过(xestimate,yestimate)＝w1*(x1,y1)+w2*(x2,y2)+w3*(x3,y3)计算待测点的位置坐标，其中，(xestimate,yestimate)为待测点的位置坐标，(x1,y1)为第一交点坐标，(x2,y2)为第二交点坐标，(x3,y3)为第一交点坐标，w1为第一交点坐标的权重参数，w2为第二交点坐标的权重参数，w3为第三交点坐标的权重参数。
请参阅图9，其示出了本申请实施例提供的一种电子设备600的结构框图。该电子设备600可以是智能手机、平板电脑等能够运行应用程序的电子设备。本申请中的电子设备600可以包括一个或多个如下部件：处理器610、存储器620以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器620中并被配置为由一个或多个处理器610执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。
处理器610可以包括一个或者多个处理核。处理器610利用各种接口和线路连接整个电子设备600内的各个部分，通过运行或执行存储在存储器620内的指令、程序、代码集或指令集，以及调用存储在存储器620内的数据，执行电子设备600的各种功能和处理数据。可选地，处理器610可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器610可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器610中，单独通过一块通信芯片进行实现。
存储器620可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器620可用于存储指令、程序、代码、代码集或指令集。存储器620可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备600在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。
请参阅图10，其示出了本申请实施例提供的一种计算机可读存储介质的结构框图。该计算机可读存储介质700中存储有程序代码，程序代码可被处理器调用执行上述方法实施例中所描述的方法。
计算机可读存储介质700可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质700包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质700具有执行上述方法中的任何方法步骤的程序代码710的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码710可以例如以适当形式进行压缩。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：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，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种室内定位方法，其特征在于，所述方法包括：
获取待测点接收到的信号强度信息，并将所述信号强度信息通过滤波处理获得信号强度向量矩阵，其中，所述信号强度信息包括信号强度和所述信号强度对应的信号方向；
基于预设算法将所述信号强度向量矩阵转换为距离向量矩阵；
从预设的距离向量矩阵数据库中选取与所述距离向量矩阵对应的目标参考点，所述预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，所述多个距离矩阵向量和所述多个参考点一一对应；
根据所述目标参考点确定所述待测点的位置坐标。
2.根据权利要求1所述的方法，其特征在于，在获取待测点接收到的信号强度信息，并将所述信号强度信息通过滤波处理获得信号强度向量矩阵之前，还包括：
选取多个参考点，并分别获取每个所述参考点的距离向量矩阵以及每个所述参考点的位置坐标；
根据每个所述参考点的位置坐标以及每个所述参考点的距离向量矩阵建立距离向量矩阵数据库。
3.根据权利要求2所述的方法，其特征在于，所述分别获取每个所述参考点的距离向量矩阵，包括：
获取所述参考点接收到的样本信号强度信息，并将所述样本信号强度信息通过所述滤波处理获得样本信号强度向量矩阵，其中，所述样本信号强度信息包括样本信号强度和所述样本信号强度对应的信号方向；
基于所述预设算法将所述样本信号强度向量矩阵转换为样本距离向量矩阵，并将所述样本距离向量矩阵确定为所述参考点的距离向量矩阵。
4.根据权利要求1所述的方法，其特征在于，所述获取待测点接收到的信号强度信息，并将所述信号强度信息通过滤波处理获得信号强度向量矩阵，包括：
获取待测点在多个方向上接收到的多个初始数据，所述多个初始数据包括位于所述多个方向中的每个方向上的至少一个信号发射器发送的初始信号强度，所述多个初始数据与所述多个方向一一对应；
重复所述获取待测点在多个方向上接收到的多个初始数据的步骤，得到多组初始数据，将所述多组初始数据确定为所述信号强度信息；
将所述信号强度信息经过中值-高斯滤波器处理后组成所述信号强度向量矩阵。
5.根据权利要求1所述的方法，其特征在于，所述基于预设算法将所述信号强度向量矩阵转换为距离向量矩阵，包括：
基于d＝10(A-P(RSSI))/10n将所述信号强度向量矩阵转换为距离向量矩阵，其中，d为所述距离向量矩阵中的任一距离向量，A为所述待测点和所述参考点相隔1米时的信号强度，P(RSSI)为所述待测点接收的信号强度，n为所述环境衰减因子。
6.根据权利要求2至5任一项所述的方法，其特征在于，所述从预设的距离向量矩阵数据库中选取与所述距离向量矩阵对应的目标参考点，包括：
通过欧氏距离法对所述待测点的距离向量矩阵与所述预设的距离向量矩阵数据库中多个参考点的距离向量矩阵进行相似度测量，分别得到所述多个参考点与所述待测点之间的距离；
将所述距离按从小到大的顺序进行排列，得到距离排名；
将所述距离排名中排在前三位置的三个参考点确定为三个目标参考点。
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标参考点确定所述待测点的位置坐标，包括：
通过三角形定位算法对所述三个目标参考点的位置坐标进行计算，得到三个交点坐标，所述三个交点坐标分别为第一交点坐标、第二交点坐标以及第三交点坐标；
分别获取每个所述交点坐标对应的距离权重参数；
通过(xestimate,yestimate)＝w1*(x1,y1)+w2*(x2,y2)+w3*(x3,y3)计算所述待测点的位置坐标，其中，(xestimate,yestimate)为所述待测点的位置坐标，(x1,y1)为第一交点坐标，(x2,y2)为第二交点坐标，(x3,y3)为第一交点坐标，w1为第一交点坐标的权重参数，w2为第二交点坐标的权重参数，w3为第三交点坐标的权重参数。
8.一种室内定位装置，其特征在于，包括：
信号强度向量矩阵生成模块，用于获取待测点接收到的信号强度信息，并将所述信号强度信息通过滤波处理获得信号强度向量矩阵，其中，所述信号强度信息包括信号强度和所述信号强度对应的信号方向；
距离向量矩阵转换模块，用于基于预设算法将所述信号强度向量矩阵转换为距离向量矩阵；
目标参考点选取模块，用于从预设的距离向量矩阵数据库中选取与所述距离向量矩阵对应的目标参考点，所述预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，所述多个距离矩阵向量和所述多个参考点一一对应；
待测点确定模块，用于根据所述目标参考点确定所述待测点的位置坐标。
9.一种电子设备，其特征在于，包括：
存储器；
一个或多个处理器，与所述存储器耦接；
一个或多个程序，其中，所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1至7任一项所述的方法。
10.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1至7任一项所述的方法。
CN201910871196.4A 2019-09-16 2019-09-16 室内定位方法、装置、介质及电子设备 Active CN110784837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910871196.4A CN110784837B (zh) 2019-09-16 2019-09-16 室内定位方法、装置、介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910871196.4A CN110784837B (zh) 2019-09-16 2019-09-16 室内定位方法、装置、介质及电子设备

Publications (2)

Publication Number Publication Date
CN110784837A true CN110784837A (zh) 2020-02-11
CN110784837B CN110784837B (zh) 2020-12-08

Family

ID=69383508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910871196.4A Active CN110784837B (zh) 2019-09-16 2019-09-16 室内定位方法、装置、介质及电子设备

Country Status (1)

Country Link
CN (1) CN110784837B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113835428A (zh) * 2021-08-27 2021-12-24 华东交通大学 一种用于餐厅的机器人路径规划方法
CN114202135A (zh) * 2020-09-17 2022-03-18 广东博智林机器人有限公司 装修控制方法、装置、系统及电子设备
CN114202135B (zh) * 2020-09-17 2024-04-26 广东博智林机器人有限公司 装修控制方法、装置、系统及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170697A (zh) * 2011-04-06 2011-08-31 北京邮电大学 一种室内定位方法及装置
CN103747524A (zh) * 2014-01-17 2014-04-23 西南交通大学 一种基于云平台的Android终端室内定位方法
CN104902562A (zh) * 2014-11-24 2015-09-09 北京航空航天大学 一种基于多层指纹匹配的室内定位方法
CN106842123A (zh) * 2017-02-21 2017-06-13 中国科学院信息工程研究所 一种室内定位方法及室内定位系统
CN107509171A (zh) * 2017-09-01 2017-12-22 广州杰赛科技股份有限公司 室内定位方法及装置
CN107770858A (zh) * 2016-08-17 2018-03-06 上海新飞凡电子商务有限公司 基于rssi和区域划分的快速三点定位法及其系统
CN108759835A (zh) * 2018-05-04 2018-11-06 华东交通大学 一种定位方法、装置、可读存储介质及移动终端

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103139907B (zh) * 2013-02-04 2016-02-10 北京工业大学 一种利用指纹法的室内无线定位方法
CN103796305B (zh) * 2014-02-11 2017-05-24 上海交通大学 一种基于Wi‑Fi位置指纹的室内定位方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102170697A (zh) * 2011-04-06 2011-08-31 北京邮电大学 一种室内定位方法及装置
CN103747524A (zh) * 2014-01-17 2014-04-23 西南交通大学 一种基于云平台的Android终端室内定位方法
CN104902562A (zh) * 2014-11-24 2015-09-09 北京航空航天大学 一种基于多层指纹匹配的室内定位方法
CN107770858A (zh) * 2016-08-17 2018-03-06 上海新飞凡电子商务有限公司 基于rssi和区域划分的快速三点定位法及其系统
CN106842123A (zh) * 2017-02-21 2017-06-13 中国科学院信息工程研究所 一种室内定位方法及室内定位系统
CN107509171A (zh) * 2017-09-01 2017-12-22 广州杰赛科技股份有限公司 室内定位方法及装置
CN108759835A (zh) * 2018-05-04 2018-11-06 华东交通大学 一种定位方法、装置、可读存储介质及移动终端

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202135A (zh) * 2020-09-17 2022-03-18 广东博智林机器人有限公司 装修控制方法、装置、系统及电子设备
CN114202135B (zh) * 2020-09-17 2024-04-26 广东博智林机器人有限公司 装修控制方法、装置、系统及电子设备
CN113835428A (zh) * 2021-08-27 2021-12-24 华东交通大学 一种用于餐厅的机器人路径规划方法

Also Published As

Publication number Publication date
CN110784837B (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
Lee et al. Random forest and WiFi fingerprint-based indoor location recognition system using smart watch
CN106851573B (zh) 基于对数路径损耗模型的联合加权k近邻室内定位方法
WO2019062734A1 (zh) 基于Wi-Fi热点的室内定位方法及装置
CN112218330B (zh) 定位方法及通信装置
CN113329437B (zh) 无线网络信号传播路径损耗预测方法及电子设备
CN111352069B (zh) 一种室内定位方法、服务器、存储介质及程序产品
JP4934441B2 (ja) 無線ノード位置推定方法、システム、及びその処理装置
Yu et al. Design and implementation of a real-time object location system based on passive RFID tags
CN104869641B (zh) 基于AP优化的Wi‑Fi室内定位方法
CN111726765B (zh) 一种面向大规模复杂场景的wifi室内定位方法及系统
Adege et al. Applying Deep Neural Network (DNN) for large-scale indoor localization using feed-forward neural network (FFNN) algorithm
CN107703480A (zh) 基于机器学习的混合核函数室内定位方法
CN111757464B (zh) 一种区域轮廓提取方法及装置
CN110139359B (zh) 一种干扰源定位处理方法及装置
Zhang et al. Weighted adaptive KNN algorithm with historical information fusion for fingerprint positioning
JP6696859B2 (ja) 品質推定装置及び品質推定方法
CN112469060B (zh) 一种天线参数确定方法及装置
CN108225332B (zh) 基于监督的室内定位指纹地图降维方法
Janicka et al. Application of RSSI based navigation in indoor positioning
CN110784837B (zh) 室内定位方法、装置、介质及电子设备
CN109302706B (zh) 一种伪基站的定位方法、装置及计算机可读存储介质
Chawla et al. An accurate real-time RFID-based location system
Mingzhe et al. The indoor positioning algorithm research based on improved location fingerprinting
Ghozali et al. Indoor positioning system using regression-based fingerprint method
Chen et al. A modified probability neural network indoor positioning technique

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