CN111182447A - 一种指纹法室内定位技术 - Google Patents
一种指纹法室内定位技术 Download PDFInfo
- Publication number
- CN111182447A CN111182447A CN201911419012.7A CN201911419012A CN111182447A CN 111182447 A CN111182447 A CN 111182447A CN 201911419012 A CN201911419012 A CN 201911419012A CN 111182447 A CN111182447 A CN 111182447A
- Authority
- CN
- China
- Prior art keywords
- positioning
- indoor
- fingerprint
- algorithm
- clients
- 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.)
- Pending
Links
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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- H04W4/30—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种指纹法室内定位技术,在室内的不同位置建立多个不同的客户端,创建客户端接收无线信号的向量与定位区域的对应关系,利用特征提取的方法去除指纹数据库中的大量的冗余信息,对室内定位模型做重点分析和改进,使用仿射传播聚类算法将定位环境分为多个区域,确定目标所属区域,在每个小区域内确定目标的精确位置;划分位置指纹图;基于机器学习理论应用随机森林方法并结合基因算法进行参数优化,实现子区域定位。本发明的优点在于:本发明中的定位方法,基于位置指纹法的WLAN室内定位技术,首先解决无线信号的可靠性问题,再根据实际应用场景制定定位算法选择策略,有效提高室内定位技术的精准度。
Description
技术领域
本发明涉及一种室内定位方法,特别涉及一种指纹法室内定位技术。
背景技术
由于室内环境中存在严重的多径效应和信号的非视距传播,所以对无线电信号的传播路线进行建模是非常不容易的。目前还没有一个能够很好的描述室内无线电传播的模型。几何定位法、场景分析法和近似法是较为常用的经典的WLAN室内算法,针对不同的应用和服务,这三种算法有各自的优缺点。
发明内容
本发明要解决的技术问题是提供一种能够提高室内定位技术准确度的指纹法室内定位技术
为解决上述技术问题,本发明的技术方案为:一种指纹法室内定位技术,其创新点在于:包括下述步骤
a)首先,在室内的不同位置建立多个不同的客户端,利用不同位置的客户端接收的无线信号表现不同的特性,创建客户端接收无线信号的向量与定位区域的对应关系,以此来对客户端接收的无线信号强度进行校正;
b)其次,利用特征提取的方法去除指纹数据库中的大量的冗余信息,从而减少计算复杂度,提升定位精度;
c)然后,基于聚类分块的思想,对室内定位模型做重点分析和改进,使用仿射传播聚类算法将定位环境分为多个区域,利用改进的指纹匹配方法确定目标所属区域,在每个小区域内确定目标的精确位置,在计算复杂度降低的同时提升定位的实时性;
d)再次,基于随机森林法的室内分区算法,通过空间分区算法来合理划分位置指纹图,以消除应用传统聚类算法时频繁出现的奇点现象,在保证了空间位置连续的同时具备一定灵活性,真正意义上实现子区域划分;
e)最后,通过对室内区域定位的特殊性进一步分析,考虑到位置指纹数据经由无监督聚类过程形成子区域之后,实际上数据点具备了类别标签,无监督聚类过程本质上已转换成了半监督学习过程,基于机器学习理论应用随机森林方法并结合基因算法进行参数优化,实现子区域定位。
进一步的,所述步骤b中,特征提取的方法为基于高斯核函数的主成分分析算法,利用核函数将低维数据映射到高维空间进行非线性特性分析,拟进一步地提升定位性能。
本发明的优点在于:本发明中的定位方法,基于位置指纹法的WLAN室内定位技术,首先解决无线信号的可靠性问题,再根据实际应用场景制定定位算法选择策略,有效提高室内定位技术的精准度。
具体实施方式
下面的实施例可以使本专业的技术人员更全面地理解本发明,但并不因此将本发明限制在所述的实施例范围之中。
本发明的指纹法室内定位技术通过下述步骤得以实现:
第一步,首先,在室内的不同位置建立多个不同的客户端,利用不同位置的客户端接收的无线信号表现不同的特性,创建客户端接收无线信号的向量与定位区域的对应关系,以此来对客户端接收的无线信号强度进行校正。
在复杂的室内环境下,由于墙壁、门和其他物体的存在,无线信号会因为非视距传播和其他信号干扰变得很不稳定,客户端接收的无线信号强度的可靠性差。指纹定位方法是利用不同位置的客户端接收的无线信号表现不同的特性,创建客户端接收无线信号的向量与定位区域的对应关系,以此来对客户端接收的无线信号强度进行校正,提高其可靠性差。随着无线通信网络的高速发展,AP几乎遍布所有室内环境。指纹定位不需要知道AP的具体位置,如果一个或几个AP出现问题无法正常工作,系统依然能正常运行,能够在保证系统定位精度的基础上提升系统的鲁棒性和可扩展性。位置指纹定位通常分为两个阶段:包括离线的指纹收集阶段和在线定位阶段。
第二步,其次,利用特征提取的方法去除指纹数据库中的大量的冗余信息,从而减少计算复杂度,提升定位精度。
由于移动设备空间和计算能力有限,而指纹数据库中的信息巨大,所以可以利用特征提取的方法去除大量的冗余信息,从而减少计算复杂度,提升定位精度。传统的特征提取方法只考虑了指纹间的线性关系,并没有充分解析RSS的特性,研究基于高斯核函数的主成分分析算法,利用核函数将低维数据映射到高维空间进行非线性特性分析,拟进一步地提升定位性能。
特征提取的方法为基于高斯核函数的主成分分析算法,利用核函数将低维数据映射到高维空间进行非线性特性分析,拟进一步地提升定位性能。
第三步,研究基于仿射传播聚类的室内定位模型。在范围较大的建筑物内,RSS随空间分布变化巨大。若对整个区域进行信号分析会增加计算量,不利于提高系统定位性能,基于聚类分块的思想,对室内定位模型做重点分析和改进,使用仿射传播聚类算法将定位环境分为多个区域,利用改进的指纹匹配方法确定目标所属区域,在每个小区域内确定目标的精确位置,在计算复杂度降低的同时提升定位的实时性。
第四步,再次,基于随机森林法的室内分区算法,通过空间分区算法来合理划分位置指纹图,以消除应用传统聚类算法时频繁出现的奇点现象,在保证了空间位置连续的同时具备一定灵活性,真正意义上实现子区域划分。
第五步,最后,通过对室内区域定位的特殊性进一步分析,考虑到位置指纹数据经由无监督聚类过程形成子区域之后,实际上数据点具备了类别标签,无监督聚类过程本质上已转换成了半监督学习过程,基于机器学习理论应用随机森林方法并结合基因算法进行参数优化,实现子区域定位。
本发明中的定位方法,基于位置指纹法的WLAN室内定位技术,首先解决无线信号的可靠性问题,再根据实际应用场景制定定位算法选择策略,有效提高室内定位技术的精准度。
本发明中的定位方法,基于位置指纹法的WLAN室内定位技术,首先解决无线信号的可靠性问题,再根据实际应用场景制定定位算法选择策略,有效提高室内定位技术的精准度。
本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种指纹法室内定位技术,其特征在于:包括下述步骤
a)首先,在室内的不同位置建立多个不同的客户端,利用不同位置的客户端接收的无线信号表现不同的特性,创建客户端接收无线信号的向量与定位区域的对应关系,以此来对客户端接收的无线信号强度进行校正;
b)其次,利用特征提取的方法去除指纹数据库中的大量的冗余信息,从而减少计算复杂度,提升定位精度;
c)然后,基于聚类分块的思想,对室内定位模型做重点分析和改进,使用仿射传播聚类算法将定位环境分为多个区域,利用改进的指纹匹配方法确定目标所属区域,在每个小区域内确定目标的精确位置,在计算复杂度降低的同时提升定位的实时性;
d)再次,基于随机森林法的室内分区算法,通过空间分区算法来合理划分位置指纹图,以消除应用传统聚类算法时频繁出现的奇点现象,在保证了空间位置连续的同时具备一定灵活性,真正意义上实现子区域划分;
e)最后,通过对室内区域定位的特殊性进一步分析,考虑到位置指纹数据经由无监督聚类过程形成子区域之后,实际上数据点具备了类别标签,无监督聚类过程本质上已转换成了半监督学习过程,基于机器学习理论应用随机森林方法并结合基因算法进行参数优化,实现子区域定位。
2.根据权利要求1所述的指纹法室内定位技术,其特征在于:所述步骤b中,特征提取的方法为基于高斯核函数的主成分分析算法,利用核函数将低维数据映射到高维空间进行非线性特性分析,拟进一步地提升定位性能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911419012.7A CN111182447A (zh) | 2019-12-31 | 2019-12-31 | 一种指纹法室内定位技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911419012.7A CN111182447A (zh) | 2019-12-31 | 2019-12-31 | 一种指纹法室内定位技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111182447A true CN111182447A (zh) | 2020-05-19 |
Family
ID=70657653
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911419012.7A Pending CN111182447A (zh) | 2019-12-31 | 2019-12-31 | 一种指纹法室内定位技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111182447A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757257A (zh) * | 2020-07-06 | 2020-10-09 | 江南大学 | 一种克服设备差异的动态模糊匹配室内定位方法 |
CN111935818A (zh) * | 2020-07-09 | 2020-11-13 | 重庆邮电大学 | 一种基于最大信息系数的模糊聚类冗余接入点约简方法 |
CN112995902A (zh) * | 2021-01-26 | 2021-06-18 | 浙江吉利控股集团有限公司 | 一种远距离广域网定位方法、装置、设备及存储介质 |
-
2019
- 2019-12-31 CN CN201911419012.7A patent/CN111182447A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757257A (zh) * | 2020-07-06 | 2020-10-09 | 江南大学 | 一种克服设备差异的动态模糊匹配室内定位方法 |
CN111757257B (zh) * | 2020-07-06 | 2021-05-14 | 江南大学 | 一种克服设备差异的动态模糊匹配室内定位方法 |
CN111935818A (zh) * | 2020-07-09 | 2020-11-13 | 重庆邮电大学 | 一种基于最大信息系数的模糊聚类冗余接入点约简方法 |
CN112995902A (zh) * | 2021-01-26 | 2021-06-18 | 浙江吉利控股集团有限公司 | 一种远距离广域网定位方法、装置、设备及存储介质 |
CN112995902B (zh) * | 2021-01-26 | 2022-05-10 | 浙江吉利控股集团有限公司 | 一种远距离广域网定位方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111182447A (zh) | 一种指纹法室内定位技术 | |
Amiri et al. | An efficient estimator for TDOA-based source localization with minimum number of sensors | |
CN107333238B (zh) | 一种基于支持向量回归的室内指纹快速定位方法 | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN109085569B (zh) | 一种基于区域划分的多雷达航迹关联方法 | |
CN112881979B (zh) | 一种基于ekf滤波的初始状态自适应融合定位方法 | |
CN107728124B (zh) | 一种基于信息熵的多雷达动态调节方法及装置 | |
CN104254126A (zh) | 基于css测距的无线传感器网络分布式节点定位方法 | |
CN109862510B (zh) | 一种基于压缩感知的凸区域定位方法 | |
CN107148079B (zh) | 移动自组织传感器网络中三维联合定位与追踪方法 | |
CN105005024A (zh) | 压缩感知定位方法 | |
CN112083375A (zh) | 一种基于位置指纹和Taylor的协同定位算法 | |
Gu et al. | Indoor localization fusion algorithm based on signal filtering optimization of multi-sensor | |
Li et al. | Advances in RFID-ILA: The past, present and future of RFID-based indoor location algorithms | |
CN112800889B (zh) | 一种基于分布式矩阵加权融合高斯滤波的目标跟踪方法 | |
CN113970762B (zh) | 一种多级干扰源定位方法及系统 | |
CN115397012A (zh) | 基于twr-tdoa估计和mpga布局优化的uwb定位跟踪系统的实现方法 | |
Zhang et al. | Gaussian process based radio map construction for LTE localization | |
CN112437485B (zh) | 一种基于神经网络的指纹空间插值法的定位方法及装置 | |
Wang et al. | An adaptive localization approach based on deep adaptation networks | |
CN112904274A (zh) | 一种改进tdoa/fdoa算法的多运动目标定位方法 | |
CN114916059B (zh) | 基于区间随机对数阴影模型的WiFi指纹稀疏地图扩建方法 | |
CN114679779B (zh) | 一种基于改进knn融合随机森林算法的wifi定位方法 | |
CN113709659B (zh) | 一种基于区域划分的自适应室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200519 |
|
WD01 | Invention patent application deemed withdrawn after publication |