CN111279209A - 用于改进定位模型的指纹数据预处理方法 - Google Patents
用于改进定位模型的指纹数据预处理方法 Download PDFInfo
- Publication number
- CN111279209A CN111279209A CN201880069214.0A CN201880069214A CN111279209A CN 111279209 A CN111279209 A CN 111279209A CN 201880069214 A CN201880069214 A CN 201880069214A CN 111279209 A CN111279209 A CN 111279209A
- Authority
- CN
- China
- Prior art keywords
- observation data
- received signal
- signal strength
- distribution
- computer
- 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
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
-
- 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
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
-
- 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
- G01S5/0252—Radio frequency fingerprinting
- G01S5/02521—Radio frequency fingerprinting using a radio-map
- G01S5/02524—Creating or updating the radio-map
- G01S5/02527—Detecting or resolving anomalies in the radio frequency fingerprints of the radio-map
Abstract
提供了一种计算机实现的方法,该方法包括:获取第一多个观测数据片段,该第一多个观测数据片段包括移动对象的位置和由移动对象观测的无线信号的接收信号强度;以及使用在第一多个观测数据片段中的每个观测数据片段中所包括的接收信号强度被观测到之前的时间移动对象的一个位置,来校正该观测数据片段中所包括的移动对象的每个位置。
Description
背景技术
技术领域
本发明涉及接收信号强度(RSS)分布的生成。
相关领域
传统上,当构建指纹型定位系统时,在多个位置处预先收集指示接收无线信号的装置的位置与接收信号强度(RSS)之间的对应关系的指纹。关于这种收集,现有技术文献公开了“当测量员携带收集设备沿着路径行走时,指纹样本被收集”。然而,利用这种技术,在位置变化和RSS变化之间可以发生时间延迟。此外,RSS的观测位置可以变得位于移动路径上。
发明内容
根据本发明的一个方面,提供了一种计算机实现的方法,包括:获取第一多个观测数据,每个观测数据包括移动对象的位置和由移动对象观测到的无线信号的接收信号强度;以及使用在观测所述第一多个观测数据的每个观测数据中包括的接收信号强度之前的时间的所述移动对象的至少一个位置,校正所述观测数据中包括的所述移动对象的每个位置。以这种方式,可以提高根据接收信号强度估计位置的精度。
所述校正可以包括使用在具有预定时间跨度并且对应于观测包括在所述第一多个观测数据中的每个观测数据中的接收信号强度的定时的时间窗口内观测所述接收信号强度的所述移动对象的位置,来校正包括在所述观测数据中的所述每个观测数据中的所述移动对象的位置。在这种情况下,可以提高根据接收信号强度估计位置的精度。
用于第一多条观测数据中的每一条的时间窗口可以具有预定时间跨度,该预定时间跨度具有比该条观测数据的观测定时早预定时间的起始点。在这种情况下,如果接收信号强度的改变相对于移动对象的位置的改变在时间上延迟,则可以可靠地减少该延迟。
在设置时间窗口的过程期间,发送相对于传输无线信号的传输装置移动对象的请求;以及基于伴随所述移动的所述无线信号的接收信号强度的变化的延迟量来设置所述时间窗口。在这种情况下,如果接收信号强度的改变相对于移动对象的位置的改变在时间上延迟,则可以可靠地减少该延迟。
计算机实现的方法还可以包括通过从已经校正了移动对象的位置的第一多个观测数据中提取与一些位置相对应的每个观测数据,来生成接收信号强度分布,在所述接收信号强度分布中,已经使第一多个观测数据中包括的位置的分布均匀。在这种情况下,可以提高根据接收信号强度估计位置的精度。
根据本发明的另一方面,提供了一种计算机实现的方法,包括:获取接收信号强度分布,所述接收信号强度分布包括在多个位置中的每个位置处的无线信号的接收信号强度;以及接收信号强度分布生成步骤,从所述接收信号强度分布中提取与所述多个位置中的一部分位置对应的接收信号强度,生成使所述接收信号强度分布中包含的所述多个位置中的分布均匀的接收信号强度分布。以这种方式,可以提高根据接收信号强度估计位置的精度。
计算机实现的方法还可以包括使用其中多个位置的分布已经被均匀化的接收信号强度分布来生成用于根据接收信号强度来估计位置的模型。在这种情况下,可以生成高精度的定位模型。
所述计算机实现的方法还可以包括生成指示所述多个位置的分布的概率密度分布,并且所述提取可以包括根据与由所述概率密度分布产生的概率具有逆相关关系的概率来执行对所述多个位置中的每个位置的重采样。在这种情况下,可以产生其中观测位置的分布已经被均匀化的RSS分布。
根据本发明的另一方面,提供了一种用于执行计算机实现的方法的计算机程序产品。
根据本发明的又一方面,提供了一种用于执行计算机实现的方法的装置。
该概述条款不一定描述本发明的实施例的所有必要特征。本发明还可以是上述特征的子组合。
附图说明
现在将参考附图仅通过示例的方式描述本发明的实施例,在附图中:
图1示出了根据本发明的实施例的装置。
图2示出了根据本发明实施例的时间窗口设置部分。
图3示出了根据本发明的实施例的方法。
图4示出了根据本发明的实施例的时间窗口的设置。
图5示出了根据本发明实施例的时间窗口设置的详细示例。
图6示出了根据本发明实施例的RSS分布的生成。
图7示出了根据本发明实施例的RSS分布生成的详细示例。
图8示出根据本发明实施例的RSS的改变相对于移动对象的位置的改变的延迟量。
图9示出了根据本发明的实施例的计算机的示例性硬件配置。
具体实施方式
在下文中,将描述本发明的一些实施例。实施例并不限制根据权利要求的本发明,并且实施例中描述的特征的所有组合对于由本发明的方面提供的手段来说不是必需的。
(1.装置)
图1示出了根据本发明的实施例的装置1以及传输装置2。装置1生成从一个或多个传输装置2发射的无线信号的接收信号强度(RSS)分布,并且作为示例,还生成用于根据RSS来估计位置的定位模型。装置1包括移动对象10、获取部分11、时间窗口设置部分12、位置校正部分13、RSS分布生成部分14和模型生成部分15。如下所述,在装置1的部分中,除了移动对象10之外的部分或者移动对象10中除了移动部分100之外的部分,可以形成便携式信息处理装置,诸如手持式PC或智能电话。
这里,RSS分布可以是多个位置与在每个位置处接收的一个或多个无线信号的RSS之间的关联,并用于指纹定位。RSS分布可以覆盖不能使用GPS的室内环境的整个区域。无线信号可以是用于在存在于室内环境中的一个或多个手持信息处理装置与无线LAN(例如Wi-FI)和/或BLE(蓝牙(注册商标)低功耗)之间建立无线通信的信标。作为示例,可以以100ms的跨度发射无线信号。传输装置2可以被保护在室内环境中,并且可以被容纳在例如无线LAN接入点中。
(1-1.移动对象)
移动对象10能够相对于传输装置2移动。作为本发明的一个实施例,移动对象10被容纳在装置1中,并与装置1整体移动,然而,移动对象10不需要被配备在装置1中,而可以与装置1分开形成,以例如独立于装置1移动。移动对象10包括移动部分100和测量部分101。
(1-1-1.运动部分)
移动部分100使移动对象10相对于传输装置2移动。例如,移动部分100可以包括多个轮子。移动部分100可以包括电源,但不需要包括电源。移动部分100可以使移动对象10响应来自装置1的请求部分(未示出)的请求而移动。移动部分100可以独自运行,或者可以根据操作者的操纵而移动。由移动部分100引起的移动路径不需要在室内环境中同等地通过所有位置。作为本发明的实施例,移动部分100向获取部分11提供室内环境中移动对象10的位置。应当注意,移动对象10的位置可以由操作者输入到获取部分11。
(1-1-2.测量部分)
测量部分101测量从一个或多个传输装置2发射的每个无线信号的RSS。测量部分101可以生成一个观测数据片段(piece of observationdata),其中每个测量的RSS与观测时间和在该观测时间测量RSS的移动对象10的位置(也称为观测位置)相关联。测量部分101可以周期性地,例如每1s,生成观测数据。这种观测数据的收集可以形成RSS分布,该分布包括在多个位置的每个位置处的无线信号的RSS。测量部分101可以向获取部分11提供测量的观测数据。
在本实施例中,测量部分101可以在移动对象10的移动期间执行测量。因此,由测量部分101获得的测量位置在室内环境中可能具有不均匀的分布。此外,移动对象10接收无线信号需要时间。测量部分101可以对连续测量的多个RSS执行时间序列滤波处理,以输出平滑的RSS值作为测量值。因此,观测数据中的RSS的测量值的变化可能比测量位置的变化更晚发生。
(1-2.获取部分)
获取部分11获取多个观测数据片段。作为本发明的实施例,获取部分11从测量部分101获取观测数据,但是也可以通过测量RSS本身来生成观测数据。获取部分11可以将获取的观测数据提供给位置校正部分13。
(1-3.时间窗口设置部分)
时间窗口设置部分12根据伴随着移动对象10的移动的RSS的变化的延迟量来设置时间窗口。这里,时间窗口用于校正观测数据中所包括的位置,并且可以针对每个观测数据片段的观测定时来设置。时间窗口设置部分12可以将与所设置的时间窗口相关的数据提供给位置校正部分13。该时间窗口数据可以指示时间窗口的时间跨度、起始时间和/或结束时间。
(1-4.位置校正部分)
位置校正部分13使用在多个观测数据片段中的每个观测数据片段中所包括的RSS被观测之前时间移动对象10的至少一个位置,来校正该观测数据片段中所包括的移动对象10的每个位置。例如,位置校正部分13可以使用由时间窗口设置部分12设置的时间窗口内的观测位置,来校正多个观测数据片段中的每个观测数据片段所包括的观测位置。以这种方式,可以减小观测位置的变化和RSS的变化之间的时间延迟。时间窗口内的观测位置可以是移动对象10在时间窗口内所处的位置。位置校正部分13可以在位置校正已被执行之后将观测数据提供给RSS分布生成部分14。
(1-5.RSS分布生成部分)
RSS分布生成部分14生成观测数据中所包括的位置的分布更均匀的RSS分布。RSS分布生成部分14包括概率密度分布生成部分141、重采样部分142和RSS分布选择部分143。
(1-5-1.概率密度分布生成部分)
概率密度分布生成部分141生成概率密度分布,该概率密度分布表示在观测数据片段被获取的定时移动对象10的位置的分布。作为本实施例的一个示例,概率密度分布生成部分141在校正被执行之后,从位置校正部分13获取位置数据,以生成概率密度分布,但也可以从获取部分11获取位置数据。概率密度分布生成部分141可以将生成的概率密度分布提供给重采样部分142。
(1-5-2.重采样部分)
重采样部分142从多个观测数据片段中提取对应于一些位置的每个观测数据片段,即重采样部分142对多个观测数据片段进行重采样。以这种方式,生成了RSS分布,其中观测数据片段中所包括的位置的分布更均匀。重采样部分142可以使用多个提取比率执行重采样。重采样部分142可以为RSS分布选择部分143提供由已经被重采样的多条观测数据指示的、针对每个提取比率的RSS分布。
(1-5-3.RSS分布选择部分)
RSS分布选择部分143从使用不同提取率获得的多个RSS分布中选择具有指示不均匀性的最小指标值的RSS分布。RSS分布选择部分143可以将选择的RSS分布提供给模型生成部分15。RSS分布选择部分143不需要被配备在RSS分布生成部分14中。在这种情况下,重采样部分142可以向模型生成部分15提供通过以一个提取率重采样而被获取的RSS分布。
(1-6.模型生成部分)
模型生成部分15使用从RSS分布生成部分14提供的RSS分布来生成定位模型。定位模型是用于根据RSS估计位置的模型。例如,定位模型可以被存储在数据库(图中未示出)中,并且如果在室内环境中存在能够与传输设备2通信的便携式信息处理装置,则该定位模型可以被用来估计该信息处理装置的位置。
利用上述装置1,使用在每个观测数据片段中所包括的RSS被观测之前的时间移动对象10的至少一个位置来校正该观测数据片段中所包括的移动对象10的每个位置。例如,使用时间窗口内的观测位置来校正包括观测位置和RSS的每个观测数据片段的观测位置。因此,如果在移动对象10移动时获取的观测数据导致RSS的变化和观测位置的变化之间存在时间延迟,则可以减少该时间延迟的影响,使得观测位置和RSS彼此正确地关联。因此,可以提高根据RSS的位置估计的精度。
此外,生成RSS分布,其中使多个观测数据片段中所包括的位置的分布更均匀。因此,如果由于在移动对象10移动时获取观测数据而使观测位置位于移动对象10的移动路径上,则可以防止过度拟合。因此,可以显著地提高根据RSS的位置估计的精度。
此外,从使用不同提取率获得的多个RSS分布中选择具有指示不均匀性的最小指标值的RSS分布,因此可以显著提高根据RSS的位置估计的精度。
(2.时间窗口设置部分)
图2示出了时间窗口设置部分12。作为本发明的实施例,时间窗口设置部分12基于随着移动对象10相对于传输装置2的移动而发生的RSS的改变的延迟量来设置时间窗口。时间窗口设置部分12包括获取部分121、预测值计算部分122、预测值校正部分123、残差(residual)计算部分124和设置部分125。
(2-1.获取部分)
获取部分121获取多个观测数据片段。作为本发明的实施例,获取部分121从测量部分101获取观测数据,但是也可以通过测量RSS本身来生成观测数据。获取部分121可以将获取的观测数据提供给预测值计算部分122和残差计算部分124。
(2-2.预测值计算部分)
预测值计算部分122使用传输装置2与由获取部分121获取的多个观测数据片段中的每个观测数据片段中所包括的观测位置之间的距离,来计算多个观测数据片段中的每个观测数据片段的RSS的预测值。预测值计算部分122可以将RSS预测值提供给预测值校正部分123。
(2-3.预测值校正部分)
预测值校正部分123使用具有作为评估目标的试验性时间跨度的试验性时间窗口内的RSS预测值来校正RSS预测值。在试验性时间窗口内的RSS预测值可以是为试验性时间窗口内的每个观测数据片段计算的RSS预测值。试验性时间跨度可以由设置部分125顺序地改变,并且预测值校正部分123可以为每个试验性时间跨度计算校正的RSS预测值。预测值校正部分123可以将校正的RSS预测值提供给残差计算部分124。
(2-4.残差计算部分)
残差计算部分124计算多个观测数据片段中的每个观测数据片段中所包括的RSS测量值和校正的RSS预测值之间的残差。残差计算部分124可以计算针对多个观测数据片段的多个残差的平均值。残差计算部分124可以计算多个试验性时间跨度中的每一个的残差。残差计算部分124可以向设置部分125提供多个试验性时间跨度中的每一个的残差。
(2-5.设置部分)
设置部分125将当由残差计算部分124计算的残差最小时出现的试验性时间跨度设置为针对每个观测数据片段的时间窗口的时间跨度。
利用上述时间窗口设置部分12,基于在移动对象10相对于传输装置2移动的情况下RSS改变的延迟量来设置时间窗口。此外,以使针对每个试验性时间跨度校正的RSS测量值和RSS预测值之间的残差最小化的方式设置时间窗口的时间跨度。因此,如果RSS变化相对于观测位置的变化在时间上被延迟,则可以可靠地减小该延迟。
(3.方法)
图3示出了根据本实施例的实施例的方法。装置1通过执行步骤S11至S19的过程来生成RSS分布和定位模型。
首先,在步骤S11,时间窗口设置部分12设置时间窗口。时间窗口设置部分12可以基于伴随移动对象10的移动的RSS改变的延迟量来设置时间窗口。
接着,在步骤S13,获取部分11获取多个观测数据片段。此时,移动部分100可以使移动对象10相对于传输装置2移动。以这种方式,获取部分11可以获取在移动对象10移动时测量的观测数据。根据反复试验性(trial and error),可以任意地设置移动对象10的移动速度。在步骤S13中获取的观测数据是第一多个观测数据片段的一个示例,并且用于生成RSS分布和定位模型。
接着,在步骤S15,位置校正部分13使用时间窗口内的观测位置来校正多个观测数据片段中的每一个中所包括的观测位置。以这种方式,使用在每个观测数据片段中所包括的RSS被观测之前的时间移动对象10的至少一个位置来校正该观测数据片段中所包括的移动对象10的每个位置。时间窗口内的观测位置可以是用户与观测数据分开输入的位置,或者可以是在时间窗口内的观测定时处观测到的至少一个观测数据片段中所包括的观测位置。作为示例,位置校正部分13可以将分别被包括在多个观测数据片段中的观测位置校正为多个观测数据片段中被包括在时间窗口内的观测定时处测量的至少一个观测数据片段中的观测位置的平均。位置的平均可以是位置坐标的平均。位置校正部分13可以将时间窗口内的观测数据中所包括的多个观测位置的加权平均设置为校正观测位置。对于较新的观测数据,可以使权重更大或更小。
接着,在步骤S17中,RSS分布生成部分14生成使多个观测数据片段所包括的多个观测位置的分布更均匀的RSS分布。例如,RSS分布生成部分14可以通过从已经由位置校正部分13校正了观测位置的多个观测数据片段中提取与观测位置的一部分相对应的每个观测数据片段,来使RSS分布更均匀。
在步骤S19,模型生成部分15使用其中观测位置已经被均匀化的RSS分布来生成定位模型。例如,模型生成部分15可以通过机器学习来生成定位模型。模型生成部分15例如可以通过非参数回归(例如,内核化脊回归、内核回归和高斯过程回归)来生成定位模型。
利用上述方法,观测数据中的观测位置使用被包括在时间窗口内观测到的观测数据中的观测位置来校正。因此,相比于时间窗口中的观测位置与观测数据被分离地获取并被用于校正的情况相比,可以减少所需的时间和工作量。
此外,每个观测数据片段中的观测位置被校正为时间窗口内的观测数据中所包括的观测位置的平均。因此,如果在观测位置的改变和RSS的改变之间存在时间延迟,则可以可靠地减小该时间延迟的影响。
(3-1.时间窗口设置)
图4示出了在步骤S11中时间窗口的设置。时间窗口设置部分12通过执行步骤S111至S119的过程来设置时间窗口。
首先,在步骤S111,获取部分121获取多个观测数据片段。此时,移动部分100可以使移动对象10相对于传输装置2移动。以这种方式,获取部分11可以获取在移动对象10的移动期间测量的观测数据。移动部分100可以使移动对象10移动,使得被无线信号阻挡的对象(例如墙壁)不会进入移动对象10和传输装置2之间。作为示例,移动部分100可以仅在靠近传输装置2的区域中移动该移动对象10。移动部分100可以替代地使移动对象10独立于对象的位置而移动。在这种情况下,如果在获取部分121中预设了对象的位置,则获取部分121可以获取在对象没有进入移动对象10和传输装置2之间期间观测到的多个观测数据片段。根据反复试验性,可以任意地设置移动对象10的移动速度。在步骤S111中获取的多个观测数据片段是第二多个观测数据片段的示例,并且用于设置时间窗口。
接着,在步骤S113,预测值计算部分122使用传输装置2与由获取部分121获取的多个观测数据片段中的每个观测数据片段中所包括的观测位置之间的距离,针对多个观测数据片段中的每个观测数据片段计算无线信号的RSS预测值。
例如,预测值计算部分122可以通过将观测位置和传输装置2之间的距离输入到对数距离路径损耗模型中来计算针对每个观测数据片段的RSS预测值。可以预先知道被包括在观测数据中的观测位置与传输装置2之间的距离。例如,可以由操作者针对每个观测数据片段输入观测位置与传输装置2之间的距离。
作为更具体的示例,假设观测数据片段d1、d2、d3等在观测定时t1、t2、t3等处被获取,该观测数据片段d1、d2、d3等分别包括观测位置x1、x2、x3等的对和RSS观测值yo1、yo2、yo3等。在这种情况下,预测值计算部分122可以根据对数距离路径损耗模型,与RSS测量值yo1、yo2、yo3等分开地计算与观测数据片段d1、d2、d3等的位置x1、x2、x3等相对应的RSS预测值ye1、ye2、ye3等。
接下来,在步骤S115,预测值校正部分123使用具有作为评估目标的试验性时间跨度的试验性时间窗口内的RSS预测值来校正RSS预测值。例如,预测值校正部分123对于每个观测数据片段设置具有试验性时间跨度的试验性时间窗口。试验性时间窗口的起始点可以是在观测定时之前的预定时间。对于每个观测数据片段,预测值校正部分123计算在为该观测数据片段设置的试验性时间窗口内观测的每个观测数据片段的一个或多个RSS预测值的平均值,并将该平均值设置为校正的RSS预测值。
例如,在上述示例中,如果具有试验性时间跨度的时间窗口被设置为包括分别早一个定时和早两个定时的观测定时,则预测值校正部分123可以将观测数据d3的RSS预测值ye3校正为被计算为(ye1+ye2+ye3)/3的预测值ye3'。
接下来,在步骤S117,残差计算部分124对于多个试验性时间跨度中的每一个,计算被包括在多个观测数据片段中的每个观测数据片段中的校正RSS预测值和RSS测量值之间的残差。例如,在上述示例中,残差计算部分124可以计算针对观测数据d3的RSS测量值yo3和校正的RSS预测值ye3'之间的残差。残差计算部分124可以按照类似的方式为每个观测数据片段计算残差,并计算多个残差的平均值。
在步骤S119,设置部分125将当由残差计算部分124计算的一个或多个残差为最小时出现的试验性时间跨度设置为时间窗口的时间跨度。此外,设置部分125可以将针对每个观测数据片段的时间窗口的起始点设置为在观测定时之前的预定时间。预定时间的长度可以等于由设置部分125设置的时间跨度。因此,设置部分125可以将每个观测数据片段的时间窗口的终点设置为每个观测数据片段的观测定时。
利用上述时间窗口设置,移动对象10以防止在传输装置2和移动对象10之间出现障碍物的方式移动。因此,可以防止RSS的变化和观测位置的变化之间的延迟量由于障碍物而变得不稳定,因此可以设置具有适当时间跨度的时间窗口。
时间窗口的起始点被设置为在每个观测数据片段的观测定时之前的预定时间。因此,如果RSS变化相对于观测位置的变化在时间上延迟,则可以可靠地减小该延迟。
时间窗口的终点被设置为观测定时。因此,可以使位置校正部分13针对每个观测定时校正位置。
(3-1-1:时间窗口设置的详细示例)
图5示出了时间窗口设置的详细示例。
左侧的曲线图示出了从传输装置2到移动对象10的距离与观测数据中的RSS之间的关系,其中横轴表示距离,纵轴表示RSS。如图所示,RSS测量值随着传播距离变大而变小。
右侧的曲线图示出了试验性时间窗口的试验性时间跨度与由残差计算部分124计算的平均残差之间的关系。横轴表示试验性时间跨度,纵轴表示残差的平均值。如图所示,当时间跨度为3秒时,残值最小。在这种情况下,时间窗口的时间跨度可以被设置为3秒。
(3-2.RSS分布生成)
图6示出了在步骤S17中RSS分布的生成。RSS分布生成部分14通过执行步骤S171到S175的过程来生成RSS分布。
首先,在步骤S171,概率密度分布生成部分141生成指示多个观测位置的分布的概率密度分布。例如,概率密度分布生成部分141可以通过内核密度估计来生成概率密度分布。作为一个示例,概率密度分布生成部分141可以通过将从以每个观测位置为中心的内核函数得到的概率密度分布加在一起,来生成该观测位置处的概率密度分布。以这种方式,在观测位置被更密集地聚集的区域中,每个观测位置的概率密度变得更高。
接下来,在步骤S173,重采样部分142根据多个提取比率,从多个观测数据片段提取与多个位置之中的一些位置相对应的每个观测数据片段。例如,重采样部分142可以根据与由来自概率密度分布生成部分141的概率密度分布得到的概率具有逆相关的概率,例如与由概率密度分布得到的概率成反比的概率,以多个提取率对被包括在观测数据中的多个观测位置中的每一个执行重采样。重采样部分142可以从所述多个观测数据片段中提取包括每个重采样的观测位置的每个观测数据片段。以这种方式,包括具有高概率密度的观测位置(即密集区域的观测位置)的观测数据片段不太容易被重采样,并且RSS分布是利用已经变得更均匀的观测位置密度被生成的。
作为一个示例,重采样部分142可以为每个观测位置设置与概率密度成反比的加权系数。此外,重采样部分142可以使用重要性采样技术(例如系统重采样)来提取观测位置。重采样部分142可以在顺序改变所提取的观测位置的数量的同时执行提取若干次。提取次数可以是例如由提取率和观测位置的数量的乘积的整数部分表示的值。提取率可以被顺序地改变,并且提取的次数可以根据该改变而被更新。
接着,在步骤S175,RSS分布选择部分143从使用不同提取比率获得的多个RSS分布中选择指示不均匀性的指标值最小的RSS分布。例如,RSS分布选择部分143可以针对使用不同提取率获得的每个RSS分布计算指示不均匀性的指标值,并且选择具有最低不均匀性的RSS比率。指标值可以是差异,并且可以是例如星差异。这种指标值使用常规的和广泛已知的技术来计算。
利用上述RSS分布生成,多个观测位置中的每一个利用与从概率密度分布得到的概率具有逆相关关系的概率被再采样,因此,在具有高概率密度的观测位置已经变得稀疏的情况下,再采样被执行。因此,可以生成观测位置分布已经变得更均匀的RSS分布。
(3-2-1.RSS分布产生的详细示例)
图7示出RSS分布生成的详细示例。图中绘制的点指示RSS观测位置。矩形框指示建筑物的楼层,并且垂直和水平刻度指示楼层上的坐标。此外,图的左侧表示根据步骤S13的过程所获取的RSS分布,图的右侧表示根据步骤S17的过程所生成的RSS分布。如图所示,在步骤S17的过程中,通过以0.48的提取率执行再采样以将观测位置的数量从420减少到201,星差异被从0.1426减少到0.0968,并且观测位置分布变得更均匀。
(4.修改)
在上述实施例中,装置1被描述为包括时间窗口设置部分12、位置校正部分13和RSS分布生成部分14,但是装置1不需要包括所有这些部分。例如,如果装置1不包括时间窗口设置部分12,则位置校正部分13可以使用具有预定时间跨度的时间窗口,而不是由时间窗口设置部分12设置的时间窗口。对于每个观测数据片段,预定时间跨度可以不同,或者可以是相同的值。作为一个示例,可以为每个观测数据片段设置预定时间跨度,使得所有过去的观测定时都被包括在该时间跨度中。装置1可以替代地校正被包括在每个观测数据片段中的移动对象10的每个位置而不使用时间窗口,只要装置1使用在每个观测数据片段中所包括的RSS被观测之前的时间移动对象10的至少一个位置来校正该观测数据中所包括的移动对象10的每个位置。在这些情况下,位置校正部分13可以将多个观测数据片段中分别所包括的各个观测位置校正为过去的所有观测位置的指数移动平均。在装置1不使用时间窗口的情况下,位置校正部分13可以将被包括在每个观测数据片段中的观测位置校正为被包括在比该观测数据片段早至少一个定时观测到的另一观测数据片段中的观测位置。如果装置1不包括时间窗口设置部分12或位置校正部分13,则RSS分布生成部分14可以从获取部分11而不是从位置校正部分13获取观测数据。如果装置1不包括位置校正部分13,则获取部分11可以获取当移动对象10停在每个观测位置时发生的观测数据。如果装置1不包括RSS分布生成部分14,则模型生成部分15可以根据已经由位置校正部分13进行了位置校正的观测数据来生成定位模型。
此外,在以上描述中,时间窗口设置部分12将RSS预测值与测量值之间的残差为最小时出现的试验性时间跨度设置为时间窗口的时间跨度。然而,时间窗口设置部分12可以设置另一类型的时间跨度,只要该时间跨度是基于伴随移动对象10相对于传输装置2的移动的RSS变化的延迟量而被设置的。图8示出了RSS变化相对于观测位置变化的延迟量。在图中,纵轴是观测数据中的RSS,横轴是时间。该图示出,如果在从定时T到定时0的时间段期间移动对象10移动远离传输装置2,则在经过延迟时间T之后RSS降低。在这种情况下,时间窗口设置部分12可以设置时间窗口的时间跨度,使得比观测定时早了延迟时间T的定时被包括在该时间跨度中,并且例如可以将延迟时间T设置为时间窗口的时间跨度。
此外,在以上描述中,RSS分布生成部分14生成多个观测位置的概率密度分布,并且根据多个提取比率提取与一些位置相对应的每个观测数据片段,以选择指示不均匀性的指标值最小的RSS分布。然而,RSS分布生成部分14可以不同地生成RSS分布。例如,RSS分布生成部分14可以通过使用组合优化来选择多个观测位置,使得指标值最小。
此外,在以上描述中,装置1包括移动对象10。然而,装置1不需要包括移动对象10。在这种情况下,装置1可以包括发送移动该移动对象10的请求部分。该请求可以被发送到移动对象10中的移动部分100。该请求可以替代地被发送到装置1的显示器,以便使操作者移动该移动对象10。
图9示出了根据本发明的实施例的被配置为执行前述操作的计算机的示例性硬件配置。被安装在计算机700中的程序可以使计算机700用作或执行与本发明的实施例的装置或其一个或多个部分(包括模块、组件、元件等)相关联的操作,和/或使计算机700执行本发明的实施例的过程或其步骤。这样的程序可以由CPU 700-12执行以使计算机700执行与这里描述的流程图和框图的一些或全部的框相关联的某些操作。
根据本实施例的计算机700包括CPU 700-12、RAM 700-14、图形控制器700-16和显示设备700-18,它们通过主机控制器700-10相互连接。计算机700还包括输入/输出单元,诸如通信接口700-22、硬盘驱动器700-24、DVD-ROM驱动器700-26和IC卡驱动器,它们经由输入/输出控制器700-20被连接到主控制器700-10。计算机还包括旧有输入/输出单元,诸如ROM 700-30和键盘700-42,它们通过输入/输出芯片700-40被连接到输入/输出控制器700-20。
CPU 700-12根据被存储在ROM 700-30和RAM 700-14中的程序来操作,从而控制每个单元。图形控制器700-16在RAM 700-14中提供的帧缓冲器等上或其自身中获得由CPU700-12生成的图像数据,并使图像数据被显示在显示设备700-18上。
通信接口700-22经由网络700-50与其他电子设备通信。硬盘驱动器700-24存储由计算机700内的CPU 700-12使用的程序和数据。DVD-ROM驱动器700-26从DVD-ROM 700-01读取程序或数据,并经由RAM 700-14向硬盘驱动器700-24提供程序或数据。IC卡驱动器从IC卡读取程序和数据,和/或将程序和数据写入IC卡。
ROM 700-30在其中存储由计算机700在激活时执行的引导程序等,和/或取决于计算机700的硬件的程序。输入/输出芯片700-40还可以经由并行端口、串行端口、键盘端口、鼠标端口等将各种输入/输出单元连接到输入/输出控制器700-20。
程序由诸如DVD-ROM 700-01或IC卡之类的计算机可读介质提供。程序从计算机可读介质被读取,被安装到硬盘驱动器700-24、RAM700-14或ROM 700-30(其也是计算机可读介质的示例)中,并由CPU 700-12执行。这些程序中描述的信息处理被读入计算机700,从而导致程序和上述各种类型的硬件资源之间的协作。通过根据计算机700的使用实现信息的操作或处理可以构成一种装置或方法。
例如,当在计算机700和外部设备之间执行通信时,CPU 700-12可以执行被加载到RAM 700-14上的通信程序,以基于在通信程序中描述的处理来指示对通信接口700-22的通信处理。通信接口700-22在CPU 700-12的控制下,读取被存储在记录介质中提供的传输缓冲区上的传输数据,并将所读取的传输数据传输到网络700-50,或者将从网络700-50接收的接收数据写入到记录介质上提供的接收缓冲区等,所述记录介质诸如RAM 700-14、硬盘驱动器700-24、DVD-ROM700-01或IC卡。
另外,CPU 700-12可以使文件或数据库的全部或必要部分被读入RAM 700-14,所述文件或数据库已经被存储在诸如硬盘驱动器700-24、DVD-ROM驱动器700-26(DVD-ROM700-01)、IC卡等的外部记录介质中,并且对RAM 700-14上的数据执行各种类型的处理。CPU700-12然后可以将处理后的数据写回到外部记录介质。
各种类型的信息,诸如各种类型的程序、数据、表和数据库,可以被存储在记录介质中以进行信息处理。CPU 700-12可以对从RAM700-14读取的数据执行各种类型的处理,包括各种类型的操作、信息处理、条件判断、条件分支、无条件分支、信息搜索/替换等,如本公开通篇所述的以及由程序的指令序列所指定的,并且将结果写回RAM700-14。另外,CPU700-12可以在记录介质中的文件、数据库等中搜索信息。例如,当多个条目被存储在记录介质中时,每个条目具有与第二属性的属性值相关联的第一属性的属性值,CPU 700-12可以从多个条目中搜索与第一属性的属性值被指定的条件相匹配的条目,并读取被存储在条目中的第二属性的属性值,从而获得与满足预定条件的第一属性相关联的第二属性的属性值。
上述程序或软件模块可以被存储在计算机700上或附近的计算机可读介质中。另外,诸如在被连接到专用通信网络或互联网的服务器系统中提供的硬盘或RAM的记录介质可以被用作计算机可读介质,从而经由网络将程序提供给计算机700。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质),该计算机可读程序指令用于使处理器执行本发明的各方面。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于:电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的示例的非穷举的列表包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备(诸如其上存储有指令的打孔卡或凹槽内凸起结构)、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质被下载到各个计算/处理设备,或者经由网络(例如互联网、局域网、广域网和/或无线网)被下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据,或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言(例如Smalltalk、C++等)以及常规的过程式编程语言(诸如“C”编程语言或类似的编程语言)。计算机可读程序指令可以完全在用户的计算机上执行,部分在用户的计算机上执行,作为独立的软件包执行,部分在用户的计算机上并且部分在远程计算机上执行,或者完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过任何类型的网络被连接到用户的计算机,网络包括局域网(LAN)或广域网(WAN),或者可以连接到外部计算机(例如,通过互联网使用互联网服务提供方)。在一些实施例中,为了执行本发明的各方面,包括例如可编程逻辑电路装置、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路装置可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以个性化电子电路装置。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,可以由计算机可读程序指令实现。
这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其他可编程数据处理装置的处理器执行的这些指令创建用于实现流程图和/或框图中的一个或多个方框中规定的功能/动作的部件。这些计算机可读程序指令也可以被存储在计算机可读存储介质中,这些指令可以指示计算机、可编程数据处理装置和/或其他设备以特定方式工作,使得在其中存储有指令的计算机可读介质包括一个制品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
计算机可读程序指令也可以被加载到计算机、其他可编程数据处理装置、或其他设备上,以使一系列操作步骤在计算机、其他可编程装置或其他设备上被执行,以产生计算机实现的过程,从而使得在计算机、其他可编程装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图图示了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这方面,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包括一个或多个用于实现规定的(多个)逻辑功能的可执行指令。在一些备选实现中,方框中所标注的功能可以按照不同于附图中所标注的顺序发生。例如,连续示出的两个方框实际上可以基本上被并行地执行,或者这些框有时可以按相反的顺序被执行,这依所涉及的功能性而定。还需要注意,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以由专用的基于硬件的系统实现,该系统执行规定的功能或动作或者实施专用硬件与计算机指令的组合。
虽然本发明的实施例已经被描述,但是本发明的技术范围并不限定于上述实施例。对于本领域技术人员来说明显的是,各种更改和改进可以被添加到上述实施例。根据权利要求书的范围明显的是,附加了这样的更改或改进的实施例可以被包括在本发明的技术范围内。
由权利要求、实施例或图中所示的装置、系统、程序和方法执行的每个过程的操作、过程、步骤和阶段可以按照任何顺序被执行,只要该顺序不由“在…之前(prior to)”、“之前(before)”等指示,并且只要来自先前过程的输出不被用于后续过程。即使在权利要求、实施例或图中使用诸如“第一”或“下一个”的短语来描述处理流程,也不一定意味着该过程必须以该顺序来执行。
从以上描述中清楚的是,利用本发明的实施例,可以提高用于根据位置估计RSS的定位模型的精度。
Claims (25)
1.一种计算机实现的方法,包括:
获取第一多个观测数据片段,所述第一多个观测数据片段中的每个观测数据片段包括移动对象的位置和由所述移动对象观测到的无线信号的接收信号强度;以及
使用在所述第一多个观测数据片段中的每个观测数据片段中所包括的所述接收信号强度被观测到之前的时间所述移动对象的至少一个位置,来校正所述观测数据片段中所包括的所述移动对象的每个位置。
2.根据权利要求1所述的计算机实现的方法,其中:
所述校正包括:使用在一个时间窗口内观测所述接收信号强度的所述移动对象的位置,来校正所述第一多个观测数据片段中的每个观测数据片段中所包括的所述移动对象的位置,所述时间窗口具有预定时间跨度并且与所述观测数据片段中所包括的所述接收信号强度的观测定时相对应。
3.根据权利要求2所述的计算机实现的方法,其中:
针对所述第一多个观测数据片段中的每个观测数据片段的时间窗口具有所述预定时间跨度,所述预定时间跨度所具有的起始点比所述观测数据片段的观测定时早预定的时间。
4.根据权利要求3所述的计算机实现的方法,其中:
针对所述第一多个观测数据片段中的每个观测数据片段的时间窗口具有所述预定时间跨度,所述预定时间跨度所具有的终点是所述观测数据片段的所述观测定时。
5.根据权利要求3所述的计算机实现的方法,其中:
所述校正包括:使用所述第一多个观测数据片段中的在所述时间窗口内的所述观测定时被观测到的至少一个观测数据片段中所包括的所述移动对象的所述位置,来计算所述第一多个观测数据片段中的每个观测数据片段中所包括的所述移动对象的所述位置。
6.根据权利要求5所述的计算机实现的方法,其中:
所述校正包括:将所述第一多个观测数据片段中的每个观测数据片段中所包括的所述移动对象的所述位置校正为所述第一多个观测数据片段中的在所述时间窗口内的所述观测定时处被观测到的至少一个观测数据片段中所包括的所述移动对象的位置的平均。
7.根据权利要求2所述的计算机实现的方法,还包括:
在设置所述时间窗口的过程期间,发送相对于传输所述无线信号的传输装置移动所述移动对象的请求;以及
基于伴随所述移动对象的移动的所述无线信号的所述接收信号强度的变化的延迟量来设置所述时间窗口。
8.根据权利要求7所述的计算机实现的方法,还包括:
使用在设置所述时间窗口的所述过程期间被获取的第二多个观测数据片段中的每个观测数据片段中所包括的所述移动对象的所述位置与所述传输装置之间的距离,针对所述第二多个观测数据片段中的每个观测数据片段计算所述无线信号的所述接收信号强度的预测值;
使用具有作为评估目标的时间跨度的所述时间窗口内的所述预测值来校正所述预测值;以及
将所述第二多个观测数据片段中的每个观测数据片段中所包括的所述无线信号的所述接收信号强度与校正后的预测值之间的残差为最小的所述时间跨度设置为所述预定时间跨度。
9.根据权利要求1所述的计算机实现的方法,还包括:
通过从所述移动对象的所述位置已经被校正的所述第一多个观测数据片段中提取与一些位置相对应的每个观测数据片段,来生成接收信号强度分布,在所述接收信号强度分布中,所述第一多个观测数据片段中所包括的位置的分布已经被均匀化。
10.一种计算机实现的方法,包括:
获取接收信号强度分布,所述接收信号强度分布包括在多个位置中的每个位置处的无线信号的接收信号强度;以及
通过从所述接收信号强度分布中提取与所述多个位置中的一些位置相对应的每个接收信号强度,来生成接收信号强度分布,在所述接收信号强度分布中,所述接收信号强度分布中所包括的所述多个位置的分布已经被均匀化。
11.根据权利要求10所述的计算机实现的方法,还包括:
使用其中所述多个位置的所述分布已经被均匀化的所述接收信号强度分布,来生成用于根据接收信号强度来估计位置的模型。
12.根据权利要求10所述的计算机实现的方法,还包括:
生成指示所述多个位置的所述分布的概率密度分布,其中:
所述提取包括:根据与由所述概率密度分布得到的概率具有逆相关关系的概率,对所述多个位置中的每个位置执行重采样。
13.根据权利要求12所述的计算机实现的方法,其中:
所述提取包括:利用与由所述概率密度分布得到的所述概率成反比的概率对所述多个位置中的每个位置执行重采样。
14.根据权利要求10所述的计算机实现的方法,还包括:
从使用针对从所述多个位置中提取的位置的不同比率而被获得的多个接收信号强度分布中,选择指示不均匀性的其指标值最小的所述接收信号强度分布。
15.根据权利要求14所述的计算机实现的方法,其中:
指示所述不均匀性的所述指标值是差异。
16.一种用于生成接收信号强度分布的计算机程序产品,所述计算机程序产品包括计算机可读存储介质,所述计算机可读存储介质具有用其体现的程序指令,所述程序指令由设备可执行以使所述设备执行以下步骤的操作:
获取第一多个观测数据片段,所述第一多个观测数据片段中的每个观测数据片段包括移动对象的位置和由所述移动对象观测到的无线信号的接收信号强度;以及
使用在所述第一多个观测数据片段中的每个观测数据片段中所包括的所述接收信号强度被观测到之前的时间所述移动对象的至少一个位置,来校正所述观测数据片段中所包括的所述移动对象的每个位置。
17.根据权利要求16所述的计算机程序产品,其中:
所述校正包括:使用在一个时间窗口内观测所述接收信号强度的所述移动对象的位置,来校正所述第一多个观测数据片段中的每个观测数据片段中所包括的所述移动对象的位置,所述时间窗口具有预定时间跨度并且与所述观测数据片段中所包括的所述接收信号强度的观测定时相对应。
18.根据权利要求16所述的计算机程序产品,其中所述程序指令还使所述设备执行以下步骤的操作:
通过从所述移动对象的所述位置已经被校正的所述第一多个观测数据片段提取与一些位置相对应的每个观测数据片段,来生成接收信号强度分布,在所述接收信号强度分布中,所述第一多个观测数据片段中所包括的位置的分布已经被均匀化。
19.一种用于生成接收信号强度分布的计算机程序产品,所述计算机程序产品包括计算机可读存储介质,所述计算机可读存储介质具有用其体现的程序指令,所述程序指令由设备可执行以使所述设备执行以下步骤的操作:
获取接收信号强度分布,所述接收信号强度分布包括在多个位置中的每个位置处的无线信号的接收信号强度;以及
通过从所述接收信号强度分布中提取与所述多个位置中的一些位置相对应的每个接收信号强度,来生成接收信号强度分布,在所述接收信号强度分布中,所述接收信号强度分布中所包括的所述多个位置的分布已经被均匀化。
20.根据权利要求19所述的计算机程序产品,其中所述程序指令还使得所述设备执行包括以下步骤的操作:
使用其中所述多个位置的所述分布已被均匀化的所述接收信号强度分布,来生成用于根据接收信号强度来估计位置的模型。
21.根据权利要求19所述的计算机程序产品,其中所述程序指令还使得所述设备执行以下步骤的操作:
生成指示所述多个位置的所述分布的概率密度分布,其中:
所述提取包括:根据与由所述概率密度分布得到的概率具有逆相关关系的概率,对所述多个位置中的每个位置执行重采样。
22.一种装置,包括:
获取部分,其获取第一多个观测数据片段,所述第一多个观测数据片段中的每个观测数据片段包括移动对象的位置和由所述移动对象观测到的无线信号的接收信号强度;以及
校正部分,其使用在所述第一多个观测数据片段中的每个观测数据片段中所包括的所述接收信号强度被观测到之前的时间所述移动对象的至少一个位置,来校正所述观测数据片段中所包括的所述移动对象的每个位置。
23.根据权利要求22所述的设备,其中:
所述校正部分使用在一个时间窗口内观测所述接收信号强度的所述移动对象的位置,来校正所述第一多个观测数据片段中的每个观测数据片段中所包括的所述移动对象的位置,所述时间窗口具有预定时间跨度并且与所述观测数据片段中所包括的所述接收信号强度的观测定时相对应。
24.根据权利要求23所述的设备,其中:
针对所述第一多个观测数据片段中的每个观测数据片段的时间窗口具有所述预定时间跨度,所述预定时间跨度所具有的起始点比所述观测数据片段的观测定时早预定的时间。
25.根据权利要求22所述的设备,还包括:
生成部分,其通过从所述移动对象的所述位置已经被校正的所述第一多个观测数据片段中提取与一些位置相对应的每个观测数据片段,来生成接收信号强度分布,在所述接收信号强度分布中,所述第一多个观测数据片段中所包括的位置的分布已经被均匀化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/819,322 US11039414B2 (en) | 2017-11-21 | 2017-11-21 | Fingerprint data pre-process method for improving localization model |
US15/819,322 | 2017-11-21 | ||
PCT/IB2018/059031 WO2019102323A1 (en) | 2017-11-21 | 2018-11-16 | Fingerprint data pre-process method for improving localization model |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111279209A true CN111279209A (zh) | 2020-06-12 |
CN111279209B CN111279209B (zh) | 2023-10-13 |
Family
ID=66533549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880069214.0A Active CN111279209B (zh) | 2017-11-21 | 2018-11-16 | 用于改进定位模型的指纹数据预处理方法 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11039414B2 (zh) |
JP (2) | JP7150841B2 (zh) |
CN (1) | CN111279209B (zh) |
DE (1) | DE112018005200T5 (zh) |
GB (1) | GB2582514B (zh) |
WO (1) | WO2019102323A1 (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2585800B (en) * | 2018-03-27 | 2022-05-18 | Teledyne FLIR LLC | People counting and tracking systems and methods |
US11894880B2 (en) * | 2018-12-14 | 2024-02-06 | The Regents Of The University Of California | Automatic fine-grained radio map construction and adaption |
CN111491262A (zh) * | 2020-04-26 | 2020-08-04 | 中国信息通信研究院 | 移动宽带网络信号强度确定方法和装置 |
JP7446642B2 (ja) | 2020-06-01 | 2024-03-11 | マプサス テクノロジー ホールディング リミテッド | 信号マップの構築方法、装置、機器及び読み取り可能な記憶媒体 |
CN112533137B (zh) * | 2020-11-26 | 2023-10-17 | 北京爱笔科技有限公司 | 设备的定位方法、装置、电子设备及计算机存储介质 |
CN114449438B (zh) * | 2021-10-25 | 2024-04-09 | 山东科技大学 | 一种基于iBeacon指纹库的室内定位方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187703A (zh) * | 2006-11-20 | 2008-05-28 | 索尼株式会社 | 位置信息处理方法、系统和装置、以及通信装置和程序 |
US20110117924A1 (en) * | 2009-11-18 | 2011-05-19 | Qualcomm Incorporated | Position determination using a wireless signal |
CN102265174A (zh) * | 2008-11-21 | 2011-11-30 | 高通股份有限公司 | 使用经调整的往返时间测量的无线位置确定 |
CN104054360A (zh) * | 2011-11-08 | 2014-09-17 | 优科无线新加坡(私人)有限公司 | 用于确定多层建筑物中位置的位置信息的方法和装置 |
CN104136934A (zh) * | 2011-12-05 | 2014-11-05 | 高通股份有限公司 | 用于选择发射设备用于定位功能的方法和装置 |
CN104276462A (zh) * | 2013-07-08 | 2015-01-14 | 株式会社日立制作所 | 电梯系统 |
CN104813186A (zh) * | 2012-12-14 | 2015-07-29 | 苹果公司 | 使用指纹数据进行位置确定 |
WO2016205980A1 (en) * | 2015-06-26 | 2016-12-29 | Hewlett Packard Enterprise Development Lp | Mobile device locator |
CN106412839A (zh) * | 2016-09-12 | 2017-02-15 | 南京邮电大学 | 基于二级分区与指纹梯度匹配的室内定位与跟踪方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080092390A (ko) * | 2001-04-03 | 2008-10-15 | 뉴 싱귤러 와이어리스 서비시즈, 아이엔씨. | 이동국 위치 추정을 위한 방법 및 장치 |
DE60334446D1 (de) * | 2002-03-01 | 2010-11-18 | Enterasys Networks Inc | Ortsbewusstes datennetzwerk |
US7116988B2 (en) * | 2004-03-16 | 2006-10-03 | Airespace, Inc. | Location of wireless nodes using signal strength weighting metric |
US20080112346A1 (en) * | 2006-11-09 | 2008-05-15 | Alexander Tolpin | Wireless device and methods for reducing periodic scans using motion detection |
JP2009065394A (ja) | 2007-09-05 | 2009-03-26 | Meiji Univ | センサネットワーク用減衰定数推定システム、ノード位置推定システム、推定方法、及びそのプログラム |
TWI362500B (en) * | 2008-03-03 | 2012-04-21 | Ind Tech Res Inst | Transformation apparatus for the signal strength in a wireless location system and method thereof |
US20100097946A1 (en) * | 2008-10-22 | 2010-04-22 | Nokia Corporation | Optimized data transfer between approaching devices |
DK2385389T3 (da) * | 2010-04-22 | 2013-08-05 | Fraunhofer Ges Forschung | Indretning og fremgangsmåde til kalibrering af en på radiolokalisering baseret positionsbestemmelsesindretning |
CN105143909A (zh) | 2012-06-26 | 2015-12-09 | 多伦多大学理事会 | 用于无线电地图的动态生成的系统、方法和计算机程序 |
GB201213172D0 (en) * | 2012-07-24 | 2012-09-05 | Sensewhere Ltd | Method of estimating position of a device |
WO2014145088A1 (en) * | 2013-03-15 | 2014-09-18 | SHIMANOVSKY, Boris | Apparatus, systems, and methods for batch and realtime data processing |
US9706358B2 (en) * | 2013-04-12 | 2017-07-11 | Hewlett Packard Enterprise Development Lp | Distance determination of a mobile device |
US20140370909A1 (en) * | 2013-06-14 | 2014-12-18 | Microsoft Corporation | Reduced power location determinations for detecting geo-fences |
AU2014280088B2 (en) | 2013-06-14 | 2017-09-07 | Indoo.Rs Gmbh | Improved method for fingerprint based localization of mobile devices |
WO2015040733A1 (ja) * | 2013-09-20 | 2015-03-26 | 株式会社日立製作所 | 測位システム、測位方法、および測位プログラム |
JP6320029B2 (ja) * | 2013-12-25 | 2018-05-09 | 三菱電機株式会社 | 測位装置及び測位方法 |
US20160286351A1 (en) * | 2015-03-24 | 2016-09-29 | Exactigo, Inc. | Indoor navigation anomaly detection |
US20160371394A1 (en) | 2015-06-22 | 2016-12-22 | The Governing Council Of The University Of Toronto | Indoor localization using crowdsourced data |
JP6470647B2 (ja) * | 2015-06-30 | 2019-02-13 | 株式会社野村総合研究所 | ロケーション判定方法 |
JP6778489B2 (ja) * | 2016-02-05 | 2020-11-04 | 株式会社 Lafla | 位置推定システム |
JP2017181166A (ja) * | 2016-03-29 | 2017-10-05 | 西日本電信電話株式会社 | 位置測位装置、位置測位方法及び位置測位プログラム |
US11386068B2 (en) * | 2016-10-27 | 2022-07-12 | Here Global B.V. | Method, apparatus, and computer program product for verifying and/or updating road map geometry based on received probe data |
US10979854B2 (en) * | 2017-06-02 | 2021-04-13 | Apple Inc. | Extending a radio map |
-
2017
- 2017-11-21 US US15/819,322 patent/US11039414B2/en active Active
-
2018
- 2018-11-16 CN CN201880069214.0A patent/CN111279209B/zh active Active
- 2018-11-16 GB GB2008784.7A patent/GB2582514B/en active Active
- 2018-11-16 JP JP2020526061A patent/JP7150841B2/ja active Active
- 2018-11-16 WO PCT/IB2018/059031 patent/WO2019102323A1/en active Application Filing
- 2018-11-16 DE DE112018005200.1T patent/DE112018005200T5/de active Granted
-
2021
- 2021-04-28 US US17/242,741 patent/US11856549B2/en active Active
-
2022
- 2022-07-13 JP JP2022112618A patent/JP7350945B2/ja active Active
-
2023
- 2023-11-13 US US18/507,410 patent/US20240089896A1/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101187703A (zh) * | 2006-11-20 | 2008-05-28 | 索尼株式会社 | 位置信息处理方法、系统和装置、以及通信装置和程序 |
CN102265174A (zh) * | 2008-11-21 | 2011-11-30 | 高通股份有限公司 | 使用经调整的往返时间测量的无线位置确定 |
US20110117924A1 (en) * | 2009-11-18 | 2011-05-19 | Qualcomm Incorporated | Position determination using a wireless signal |
CN102713663A (zh) * | 2009-11-18 | 2012-10-03 | 高通股份有限公司 | 使用无线信号的位置确定 |
CN104054360A (zh) * | 2011-11-08 | 2014-09-17 | 优科无线新加坡(私人)有限公司 | 用于确定多层建筑物中位置的位置信息的方法和装置 |
CN104136934A (zh) * | 2011-12-05 | 2014-11-05 | 高通股份有限公司 | 用于选择发射设备用于定位功能的方法和装置 |
CN104813186A (zh) * | 2012-12-14 | 2015-07-29 | 苹果公司 | 使用指纹数据进行位置确定 |
CN104276462A (zh) * | 2013-07-08 | 2015-01-14 | 株式会社日立制作所 | 电梯系统 |
WO2016205980A1 (en) * | 2015-06-26 | 2016-12-29 | Hewlett Packard Enterprise Development Lp | Mobile device locator |
CN106412839A (zh) * | 2016-09-12 | 2017-02-15 | 南京邮电大学 | 基于二级分区与指纹梯度匹配的室内定位与跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7150841B2 (ja) | 2022-10-11 |
US11856549B2 (en) | 2023-12-26 |
CN111279209B (zh) | 2023-10-13 |
US20190159159A1 (en) | 2019-05-23 |
JP2022137209A (ja) | 2022-09-21 |
JP2021504680A (ja) | 2021-02-15 |
GB2582514B (en) | 2022-06-15 |
JP7350945B2 (ja) | 2023-09-26 |
DE112018005200T5 (de) | 2020-06-18 |
US11039414B2 (en) | 2021-06-15 |
GB2582514A (en) | 2020-09-23 |
WO2019102323A1 (en) | 2019-05-31 |
GB202008784D0 (en) | 2020-07-22 |
US20240089896A1 (en) | 2024-03-14 |
US20210250891A1 (en) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111279209B (zh) | 用于改进定位模型的指纹数据预处理方法 | |
EP4134697A1 (en) | Cooperative positioning method and apparatus, device, and storage medium | |
CN113095336B (zh) | 关键点检测模型的训练方法和检测目标对象关键点的方法 | |
CN111858111A (zh) | 数据分析的方法、设备和计算机程序产品 | |
JP2016161570A (ja) | デバイスのロケーションを求める方法およびデバイス | |
US20180144266A1 (en) | Learning apparatus and method for learning a model corresponding to real number time-series input data | |
KR20220004939A (ko) | 차선 검출 방법, 장치, 전자기기, 저장 매체 및 차량 | |
KR20120093363A (ko) | 정보 처리 장치, 정보 처리 방법 및 기록 매체 | |
US10820152B2 (en) | Device diversity correction method for RSS-based precise location tracking | |
KR101627419B1 (ko) | 이동 노드의 위치 추정 방법 및 그 장치 | |
CN113219505B (zh) | 用于车路协同隧道场景的采集gps坐标的方法、装置和设备 | |
KR102064680B1 (ko) | Wi-Fi 신호 특성과 실내 공간 구조가 고려된 비지도 및 강화학습 기반의 핑거프린트 방법 및 장치 | |
US9936477B2 (en) | Method for detecting location of mobile computing device and mobile computing device performing the same | |
US20180279078A1 (en) | Confirming work supporting device, confirming work supporting system, and computer program product | |
KR102243917B1 (ko) | 인공 신경망을 이용한 자기장 기반 위치 추정 모델 생성 장치 및 방법 | |
CN110442142B (zh) | 速度数据处理方法、装置、电子设备及计算机可读介质 | |
JP2019101681A (ja) | 見積り取得装置、見積り取得方法およびプログラム | |
US20210329478A1 (en) | Radio wave strength estimation device, position estimation system, and radio wave strength estimation method | |
CN110033088B (zh) | 估计gps数据的方法和装置 | |
CN113986700A (zh) | 数据采集频率的优化方法、系统、装置及存储介质 | |
US11408964B2 (en) | Location estimating apparatus, location estimating method and program storing recording medium, and location estimating system | |
CN111582543A (zh) | 预测模型的生成方法、估计到达时间确定方法及装置 | |
KR101354944B1 (ko) | 이동하는 무선 단말에 대한 이동경로망 기반 위치 예측과 추정 방법 | |
US11133880B2 (en) | Computer system, method for estimating radio wave propagation characteristic in space, and computer | |
US20230359158A1 (en) | Control apparatus, learning apparatus, control system, control method, and non-transitory computer readable medium |
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 |