CN111291581B - 信号源定位数据的处理方法、装置、设备及存储介质 - Google Patents
信号源定位数据的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111291581B CN111291581B CN202010108536.0A CN202010108536A CN111291581B CN 111291581 B CN111291581 B CN 111291581B CN 202010108536 A CN202010108536 A CN 202010108536A CN 111291581 B CN111291581 B CN 111291581B
- Authority
- CN
- China
- Prior art keywords
- data
- positioning data
- signal source
- probability
- current
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims description 41
- 230000004807 localization Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
- G06K7/10019—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers.
- G06K7/10079—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions
- G06K7/10089—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision
- G06K7/10099—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves resolving collision on the communication channels between simultaneously or concurrently interrogated record carriers. the collision being resolved in the spatial domain, e.g. temporary shields for blindfolding the interrogator in specific directions the interrogation device using at least one directional antenna or directional interrogation field to resolve the collision the directional field being used for pinpointing the location of the record carrier, e.g. for finding or locating an RFID tag amongst a plurality of RFID tags, each RFID tag being associated with an object, e.g. for physically locating the RFID tagged object in a warehouse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Toxicology (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Electromagnetism (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Analysis (AREA)
Abstract
本发明提供一种信号源定位数据的处理方法、装置、设备及存储介质，通过在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。本发明通过贝叶斯识别模型对信号源的定位数据进行正确率识别，无需访问数据量大的历史数据，提高定位数据的识别效率，提高定位数据的精确度。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种信号源定位数据的处理方法、装置、设备及计算机可读存储介质。
背景技术
目前射频识别(Radio Frequency Identification，RFID)定位方案中多径效应难以避免，来自信号源的信号在其发射和传播过程中会受到环境因素的影响，由此导致接收端的接收信号中带入了周围环境造成的反射或者绕射信号，这种信号畸变使接收信号的极化方式、相位、多普特频移发生变化，从而产生信号源定位偏差。因此，如何解决现有多径效应导致信号源定位数据准确率低下的技术问题，成为了目前亟待解决的技术问题。
发明内容
本发明的主要目的在于提供一种信号源定位数据的处理方法、装置、设备及计算机可读存储介质，旨在解决现有多径效应导致信号源定位数据准确率低下的技术问题。
为实现上述目的，本发明提供一种信号源定位数据的处理方法，所述信号源定位数据的处理方法包括以下步骤：
在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；
将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；
将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。
可选地，所述信号源定位数据的处理的方法还包括：
获取所述信号源在预设时间段内的历史轨迹数据，并统计出所述历史轨迹数据中的各个轨迹数据以及各个轨迹数据对应的位置概率；
将所述各个轨迹数据对应的位置概率与第二概率阈值进行比对，将位置概率低于所述第二概率阈值的轨迹数据标记为正确轨迹数据，并将位置概率不低于所述第二概率阈值的轨迹数据标记为错误轨迹数据；
基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型。
可选地，所述目标后验概率包括正确后验概率和/或错误后验概率，所述将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据的步骤具体包括：
将所述正确后验概率和/或错误后验概率与所述第一概率阈值进行比对，在所述正确后验概率高于所述第一概率阈值时，将所述当前定位数据标记为正确定位数据，或
在所述错误后验概率高于所述第一概率阈值时，将所述当前定位数据标记为错误定位数据。
可选地，所述基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型的步骤之后，还包括：
根据预设周期，更新所述信号源的历史轨迹数据，并根据更新后的历史轨迹数据对所述贝叶斯识别模型进行迭代训练，生成更新后的贝叶斯识别模型。
可选地，所述将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据的步骤之后，还包括：
将标记为正确定位数据的当前定位数据存储至信号源定位数据库中，或将标记为错误定位数据的当前定位数据存储至信号源定位错误表。
此外，为实现上述目的，本发明还提供一种信号源定位数据的处理装置，所述信号源定位数据的处理装置包括：
定位数据获取模块，用于在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；
位置概率计算模块，用于将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；
定位数据标记模块，用于将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。
可选地，所述信号源定位数据的处理装置还包括识别模型训练模块，所述识别模型训练模块用于：
获取所述信号源在预设时间段内的历史轨迹数据，并统计出所述历史轨迹数据中的各个轨迹数据以及各个轨迹数据对应的位置概率；
将所述各个轨迹数据对应的位置概率与第二概率阈值进行比对，将位置概率低于所述第二概率阈值的轨迹数据标记为正确轨迹数据，并将位置概率不低于所述第二概率阈值的轨迹数据标记为错误轨迹数据；
基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型。
可选地，所述定位数据标记模块具体包括：
正确数据标记单元，用于所述目标后验概率包括正确后验概率和/或错误后验概率，将所述正确后验概率和/或错误后验概率与所述第一概率阈值进行比对，在所述正确后验概率高于所述第一概率阈值时，将所述当前定位数据标记为正确定位数据，或
错误数据标记单元，用于在所述错误后验概率高于所述第一概率阈值时，将所述当前定位数据标记为错误定位数据。
此外，为实现上述目的，本发明还提供一种信号源定位数据的处理设备，所述信号源定位数据的处理设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的信号源定位数据的处理程序，其中所述信号源定位数据的处理程序被所述处理器执行时，实现如上述的信号源定位数据的处理方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有信号源定位数据的处理程序，其中所述信号源定位数据的处理程序被处理器执行时，实现如上述的信号源定位数据的处理方法的步骤。
本发明提供一种信号源定位数据的处理方法，通过在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。通过上述方式，本发明通过贝叶斯识别模型对信号源的定位数据进行正确率识别，无需访问数据量大的历史数据，提高定位数据的识别效率，提高定位数据的精确度，解决了现有多径效应导致信号源定位数据准确率低下的技术问题。
附图说明
图1为本发明实施例方案中涉及的信号源定位数据的处理设备的硬件结构示意图；
图2为本发明信号源定位数据的处理方法第一实施例的流程示意图；
图3为某层教学楼的教室布局图；
图4为本发明信号源定位数据的处理装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例涉及的信号源定位数据的处理方法主要应用于信号源定位数据的处理设备，该信号源定位数据的处理设备可以是PC、便携计算机、移动终端等具有显示和处理功能的设备。
参照图1，图1为本发明实施例方案中涉及的信号源定位数据的处理设备的硬件结构示意图。本发明实施例中，信号源定位数据的处理设备可以包括处理器1001(例如CPU)，通信总线1002，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)；网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)；存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的硬件结构并不构成对信号源定位数据的处理设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
继续参照图1，图1中作为一种计算机可读存储介质的存储器1005可以包括操作系统、网络通信模块以及信号源定位数据的处理程序。
在图1中，网络通信模块主要用于连接服务器，与服务器进行数据通信；而处理器1001可以调用存储器1005中存储的信号源定位数据的处理程序，并执行本发明实施例提供的信号源定位数据的处理方法。
本发明实施例提供了一种信号源定位数据的处理方法。
参照图2，图2为本发明信号源定位数据的处理方法第一实施例的流程示意图。
本实施例中，所述信号源定位数据的处理方法包括以下步骤：
步骤S10,在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；
目前射频识别(Radio Frequency Identification，RFID)定位方案中多径效应难以避免，来自信号源的信号在其发射和传播过程中会受到环境因素的影响，由此导致接收端的接收信号中带入了周围环境造成的反射或者绕射信号，这种信号畸变使接收信号的极化方式、相位、多普特频移发生变化，从而产生信号源定位偏差。
目前解决由于多径效应造成的定位误差，主要是在信号发送端或信号接收端进行优化来提高定位精确。一种方法是信号接收端是在载波频率选择上、码体制、码速率、调制方式进行优化。信号接收端采用多个天线组成天线阵列，这种方法的理论较为成熟，其本质是利用空间分散排列的传感器阵列及多通道接收来获取信号源的时域和空域等多维信息，达到检测信号和提取其参数的目的。例如自适应天线技术、天线阵波束形成的卫星信号增强接收技术、调零天线技术、矢量天线技术等。另一种方法是基于信号估计的多径误差抑制方法是对多径干扰进行系统误差建模，再进行估计，进而将多径误差的干扰降至最低。但是，围绕信号源和信号接收器进行优化，虽然可以抑制多径效应造成的定位误差，但是有些情况仍然无法解决定位误差，例如：
1、信号接收器分布比较密集，多个信号接收器会同时收到同一信号源发送的数据，信号强度也相同，此时就很难区分该信号源的位置；
2、信号源所处环境比较复杂，由于镜面反射和漫反射等原因导致信号接收器会收到超过接收范围的信号数据，这也是造成定位误差的一个原因；
本发明会针对信号接收器和信号源分布比较集中的特点，将关注点从对信号源和信号接收器的优化转换成对信标点的分布情况和信号源不同时刻出现在不同位置等这些规律进行分析，即根据信标点的分布情况，利用大数据分析的技术，绕过信号源和信号接收器之间产生的多径效应，从另外一个角度进行分析，提高定位数据的准确性，由此提高定位精度。
本实施例中，以教学设备在各教室之间的移动轨迹为例进行说明。如图3所示，图3为某层教学楼的教室布局图。一共15个教室，各个教室大小不一，最小的只有10平米。每个教室都安装了信号接收器，信号接收器与教室号进行绑定，当信号接收器接收到信号源的数据，即认为信号源已经进入教室。信号接收器功率可调，尽量调整为只能在本教室内接收信号源的数据；这种方式进行定位普遍存在的问题：
1、由于多径效应，信号源的数据会被多个房间的信号接收器接收到，导致定位不准确；
2、由于信号接收器分布比较密集，当信号源在信号接收器接收范围重叠区域时，无法准确定位信号源的位置。
为了解决上述问题，本发明利用正常情况下信号接收器在可接收范围内可以正确接收到信号源的数据的特性(因多径效应导致的定位失败是小概率事件)，通过贝叶斯识别模型判断信号源定位数据是否正确，即选取选择时间段和信号源轨迹数据作为贝叶斯算法的参数，根据历史轨迹数据和时间段数据，利用贝叶斯算法判断接收到的位置数据是否正确，以此消除由于多径效应导致的信号源定位不精确的问题，提高信号源定位精度。具体地，在接收到信号源定位数据处理指令时，其中，该信号源定位数据处理指令可以是通过信号源定位数据处理程序界面中的处理按钮触发，也可以是用户通过数据处理程序上传待识别的信号源定位数据触发。首先获取所述信号源定位数据处理指令中的当前定位数据，以便调用训练完成的贝叶斯识别模型对该当前定位数据进行判断。
步骤S20，将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；
本实施例中，将所述当前定位数据输入至预设贝叶斯识别模型中进行正确度识别。所述贝叶斯识别模型在接收到所述当前定位数据后，获取所述当前定位数据对应的当前时间点，确定所述当前时间点所属当前时间段。如当前时间点为9:00时，当前时间段为8:00-20:00，当前时间点为21:00，则当前时间段为20:00-8:00。该贝叶斯识别模型在接收到当前定位数据后，如当前定位在401教室，则向后查询该信号源移动的轨迹数据，即数个连续教室，如5个或6个连续教室，根据这数个教室数据，计算信号源当前时间点为所述当前定位数据，即401教室的后验概率。该401教室的后验概率为贝叶斯识别模型根据信号源在当前时间段内的向后移动的5个连续教室之后移动到401教室的位置概率计算得到。该401教室的后验概率即为目标后验概率。
步骤S30，将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。
进一步地，所述目标后验概率包括正确后验概率和/或错误后验概率，所述步骤S30具体包括：
将所述正确后验概率和/或错误后验概率与所述第一概率阈值进行比对，在所述正确后验概率高于所述第一概率阈值时，将所述当前定位数据标记为正确定位数据，或
在所述错误后验概率高于所述第一概率阈值时，将所述当前定位数据标记为错误定位数据。
本实施例中，将所述当前定位数据对应的目标后验概率与预设第一概率阈值进行比对。贝叶斯识别模型包括正确轨迹数据以及错误轨迹数据，分别通过正确轨迹数据与错误轨迹数据对所述当前定位数据的正确后验概率和/或错误后验概率进行计算，得到所述目标后验概率。并将所述正确后验概率和/或错误后验概率与第一概率阈值，如0.9，进行比对。根据比对结果以及对应的结果关联关系，将所述当前定位数据标记为正确定位数据或错误定位数据。如正确后验概率大于第一概率阈值时，将所述当前定位数据标记为正确定位数据，表示当前定位数据表示信号源当前时间点移动到该定位位置是正确的。若错误后验概率大于第一概率阈值时，将所述当前定位数据标记为错误定位数据，表示当前定位数据表示信号源当前时间点移动到该定位位置是错误的。
进一步地，所述步骤S30之后，还包括：
将标记为正确定位数据的当前定位数据存储至信号源定位数据库中，或将标记为错误定位数据的当前定位数据存储至信号源定位错误表。
本实施例中，如果该当前定位数据为正确定位数据，则将当前定位数据存储至信号源定位数据库中，便于后续进行信号源的精准定位。若该当前定位数据为错误定位数据，则将所述当前定位数据存储至信号源定位错误表，以便后续应用于错误原因分析等其他原因分析。
本实施例提供一种信号源定位数据的处理方法，通过在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。通过上述方式，本发明通过贝叶斯识别模型对信号源的定位数据进行正确率识别，无需访问数据量大的历史数据，提高定位数据的识别效率，提高定位数据的精确度，解决了现有多径效应导致信号源定位数据准确率低下的技术问题。
进一步地，基于上述第一实施例，提出本发明信号源定位数据的处理方法的第二实施例。
基于上述图2所示实施例，本实施例中，所述信号源定位数据的处理方法还包括：
获取所述信号源在预设时间段内的历史轨迹数据，并统计出所述历史轨迹数据中的各个轨迹数据以及各个轨迹数据对应的位置概率；
将所述各个轨迹数据对应的位置概率与第二概率阈值进行比对，将位置概率低于所述第二概率阈值的轨迹数据标记为正确轨迹数据，并将位置概率不低于所述第二概率阈值的轨迹数据标记为错误轨迹数据；
基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型。
若每次定位都要访问历史数据，效率将会大幅下降，因此需要定期分析历史定位数据构成定位数据识别模型，当接收到信号源的数据进行定位时，直接用识别模型进行识别，无需访问大量的历史数据，这样就可以提高识别效率，随着时间的推移，定位精度会越来越准确。本实施例中，可以利用贝叶斯算法，根据历史定位数据计算信号源的位置概率，概率最大的即可认为是当前位置。其中，贝叶斯算法示例说明如下：
1、在某个时间段内以401教室为起点，向前查询5个房间的轨迹数据，得到的结果如下：
其中，教学设备一般应用于上课时间，即8:00-20:00。概率为教学设备由401教室移至402教室移至403教室移至404教室移至405教室在一百个移动轨迹数据中出现了35次，而教学设备由401教室移至407教室移至401教室移至411教室移至401教室在一百个移动轨迹数据中出现了1次。由教室示意图可知，教学设备移动至相邻教室的概率最大，移动至距离较远的教室的概率最小。上述表格中，前四条为正确轨迹数据，后两条为错误轨迹数据。
2、在判断概率大于第二概率阈值的前四条数据作为正确数据，计为1，后两条小于第二概率阈值的数据作为错误数据，计为0，并且以此数据集作为贝叶斯的训练数据集，输出贝叶斯定位识别模型；其中，第一概率阈值和第二概率阈值可由用户根据实际需要进行设置，第一概率阈值和第二概率阈值的大小可以相同可以不同。
3、当信号接收器收到信号源的定位数据时，利用训练完成的贝叶斯识别模型分析收到的定位数据是否准确，例如收到401位置数据，向后查询5个房间，根据这5个房间数据和时段数据，计算是否正确后验概率，如果正确后验概率高则标记为正确定位数据，将该当前定位数据保存到数据库中，如果错误后验概率高，则将该当前定位数据标记为错误定位数据，将该当前定位数据保存到错误表中。
进一步地，所述基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型的步骤之后，还包括：
根据预设周期，更新所述信号源的历史轨迹数据，并根据更新后的历史轨迹数据对所述贝叶斯识别模型进行迭代训练，生成更新后的贝叶斯识别模型。
本实施例中，根据预设周期，如7天为一周期，定时分析历史轨迹数据构成定位数据识别模型。通过更新的历史轨迹数据对该贝叶斯识别模型不断进行迭代训练，确定贝叶斯识别模型的模型参数，提高模型识别精确度。当接收到信号源的数据进行定位时，直接用训练后的识别模型进行识别，无需访问大量的历史数据，这样就可以提高识别效率，随着时间的推移，定位精度会越来越准确。
本实施例中，根据历史轨迹数据和时间段数据，利用贝叶斯算法判断收到的位置数据是否正确，以此来消除由于多径效应导致的定位不精确的问题，提高了定位精度；并通过迭代训练，逐步提高定位精度，适应场景丰富，避免了先收集大量数据进行分析而导致的项目执行时间拉长的问题。
此外，本发明实施例还提供一种信号源定位数据的处理装置。
参照图4，图4为本发明信号源定位数据的处理装置第一实施例的功能模块示意图。
本实施例中，所述信号源定位数据的处理装置包括：
定位数据获取模块10，用于在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；
位置概率计算模块20，用于将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；
定位数据标记模块30，用于将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。
进一步地，所述信号源定位数据的处理装置还包括识别模型训练模块，所述识别模型训练模块用于：
获取所述信号源在预设时间段内的历史轨迹数据，并统计出所述历史轨迹数据中的各个轨迹数据以及各个轨迹数据对应的位置概率；
将所述各个轨迹数据对应的位置概率与第二概率阈值进行比对，将位置概率低于所述第二概率阈值的轨迹数据标记为正确轨迹数据，并将位置概率不低于所述第二概率阈值的轨迹数据标记为错误轨迹数据；
基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型。
进一步地，所述定位数据标记模块具体包括：
正确数据标记单元，用于所述目标后验概率包括正确后验概率和/或错误后验概率，将所述正确后验概率和/或错误后验概率与所述第一概率阈值进行比对，在所述正确后验概率高于所述第一概率阈值时，将所述当前定位数据标记为正确定位数据，或
错误数据标记单元，用于在所述错误后验概率高于所述第一概率阈值时，将所述当前定位数据标记为错误定位数据。
进一步地，所述信号源定位数据的处理装置还包括识别模型更新模块，所述识别模型更新模块用于：
根据预设周期，更新所述信号源的历史轨迹数据，并根据更新后的历史轨迹数据对所述贝叶斯识别模型进行迭代训练，生成更新后的贝叶斯识别模型。
进一步地，所述信号源定位数据的处理装置还包括定位数据存储模块，所述定位数据存储模块用于：
将标记为正确定位数据的当前定位数据存储至信号源定位数据库中，或将标记为错误定位数据的当前定位数据存储至信号源定位错误表。
其中，上述信号源定位数据的处理装置中各个模块与上述信号源定位数据的处理方法实施例中各步骤相对应，其功能和实现过程在此处不再一一赘述。
此外，本发明实施例还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有信号源定位数据的处理程序，其中所述信号源定位数据的处理程序被处理器执行时，实现如上述的信号源定位数据的处理方法的步骤。
其中，信号源定位数据的处理程序被执行时所实现的方法可参照本发明信号源定位数据的处理方法的各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种信号源定位数据的处理方法，其特征在于，所述信号源定位数据的处理方法包括以下步骤：
在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；
将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；
其中，所述贝叶斯识别模型在接收到当前定位数据后，获取所述当前定位数据对应的当前时间点，确定所述当前时间点所属当前时间段，并向后查询该信号源移动的轨迹数据，所述相关轨迹数据为信号源在当前时间段内移动的轨迹数据；
将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。
2.如权利要求1所述的信号源定位数据的处理方法，其特征在于，所述信号源定位数据的处理的方法还包括：
获取所述信号源在预设时间段内的历史轨迹数据，并统计出所述历史轨迹数据中的各个轨迹数据以及各个轨迹数据对应的位置概率；
将所述各个轨迹数据对应的位置概率与第二概率阈值进行比对，将位置概率低于所述第二概率阈值的轨迹数据标记为正确轨迹数据，并将位置概率不低于所述第二概率阈值的轨迹数据标记为错误轨迹数据；
基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型。
3.如权利要求2所述的信号源定位数据的处理方法，其特征在于，所述目标后验概率包括正确后验概率和/或错误后验概率，所述将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据的步骤具体包括：
将所述正确后验概率和/或错误后验概率与所述第一概率阈值进行比对，在所述正确后验概率高于所述第一概率阈值时，将所述当前定位数据标记为正确定位数据，或
在所述错误后验概率高于所述第一概率阈值时，将所述当前定位数据标记为错误定位数据。
4.如权利要求2所述的信号源定位数据的处理方法，其特征在于，所述基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型的步骤之后，还包括：
根据预设周期，更新所述信号源的历史轨迹数据，并根据更新后的历史轨迹数据对所述贝叶斯识别模型进行迭代训练，生成更新后的贝叶斯识别模型。
5.如权利要求1-4中任一项所述的信号源定位数据的处理方法，其特征在于，所述将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据的步骤之后，还包括：
将标记为正确定位数据的当前定位数据存储至信号源定位数据库中，或将标记为错误定位数据的当前定位数据存储至信号源定位错误表。
6.一种信号源定位数据的处理装置，其特征在于，所述信号源定位数据的处理装置包括：
定位数据获取模块，用于在接收到信号源定位数据处理指令时，获取所述信号源定位数据处理指令中的信号源的当前定位数据；
位置概率计算模块，用于将所述当前定位数据输入预设贝叶斯识别模型，以供所述贝叶斯识别模型基于所述当前定位数据在当前时间段内的相关轨迹数据以及所述相关轨迹数据对应的相关位置概率输出所述当前定位数据的目标后验概率；
其中，所述贝叶斯识别模型在接收到当前定位数据后，获取所述当前定位数据对应的当前时间点，确定所述当前时间点所属当前时间段，并向后查询该信号源移动的轨迹数据，所述相关轨迹数据为信号源在当前时间段内移动的轨迹数据；
定位数据标记模块，用于将所述目标后验概率与第一概率阈值进行比对，并根据比对结果将所述当前定位数据标记为正确定位数据或错误定位数据。
7.如权利要求6所述的信号源定位数据的处理装置，其特征在于，所述信号源定位数据的处理装置还包括识别模型训练模块，所述识别模型训练模块用于：
获取所述信号源在预设时间段内的历史轨迹数据，并统计出所述历史轨迹数据中的各个轨迹数据以及各个轨迹数据对应的位置概率；
将所述各个轨迹数据对应的位置概率与第二概率阈值进行比对，将位置概率低于所述第二概率阈值的轨迹数据标记为正确轨迹数据，并将位置概率不低于所述第二概率阈值的轨迹数据标记为错误轨迹数据；
基于所述正确轨迹数据以及错误轨迹数据生成训练数据集，并基于所述训练数据集训练生成所述贝叶斯识别模型。
8.如权利要求7所述的信号源定位数据的处理装置，其特征在于，所述定位数据标记模块具体包括：
正确数据标记单元，用于所述目标后验概率包括正确后验概率和/或错误后验概率，将所述正确后验概率和/或错误后验概率与所述第一概率阈值进行比对，在所述正确后验概率高于所述第一概率阈值时，将所述当前定位数据标记为正确定位数据，或
错误数据标记单元，用于在所述错误后验概率高于所述第一概率阈值时，将所述当前定位数据标记为错误定位数据。
9.一种信号源定位数据的处理设备，其特征在于，所述信号源定位数据的处理设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的信号源定位数据的处理程序，其中所述信号源定位数据的处理程序被所述处理器执行时，实现如权利要求1至5中任一项所述的信号源定位数据的处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信号源定位数据的处理程序，其中所述信号源定位数据的处理程序被处理器执行时，实现如权利要求1至5中任一项所述的信号源定位数据的处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010108536.0A CN111291581B (zh) | 2020-02-21 | 2020-02-21 | 信号源定位数据的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010108536.0A CN111291581B (zh) | 2020-02-21 | 2020-02-21 | 信号源定位数据的处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111291581A CN111291581A (zh) | 2020-06-16 |
| CN111291581B true CN111291581B (zh) | 2024-02-02 |
Family
ID=71019374
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010108536.0A Active CN111291581B (zh) | 2020-02-21 | 2020-02-21 | 信号源定位数据的处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111291581B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010030121A2 (ko) * | 2008-09-10 | 2010-03-18 | 삼성에스디에스 주식회사 | 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템 |
| CN105636102A (zh) * | 2016-02-04 | 2016-06-01 | 林华珍 | 一种基于贝叶斯后验概率的定位方法及装置 |
| CN106412826A (zh) * | 2016-09-07 | 2017-02-15 | 清华大学 | 基于多源信息融合的室内定位方法及定位装置 |
| CN106793082A (zh) * | 2017-02-13 | 2017-05-31 | 南京邮电大学 | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 |
| CN109120451A (zh) * | 2018-08-31 | 2019-01-01 | 深圳市麦斯杰网络有限公司 | 基于物联网的设备评估方法、设备及计算机可读存储介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006017266A2 (en) * | 2004-07-12 | 2006-02-16 | William Marsh Rice University | System and method for localization over a wireless network |
| US8779897B2 (en) * | 2008-11-07 | 2014-07-15 | Nederlandse Organisatie Voor Toegepast—Natuurwetenschappelijk Onderzoek Tno | Location information based upon electronic tags |
| US9966991B2 (en) * | 2015-07-28 | 2018-05-08 | John David Terry | Method and apparatus for secure network access and group membership in a digital chaos cooperative network |
-
2020
- 2020-02-21 CN CN202010108536.0A patent/CN111291581B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010030121A2 (ko) * | 2008-09-10 | 2010-03-18 | 삼성에스디에스 주식회사 | 모바일 디바이스에 대한 실시간 위치 추적 방법 및 시스템 |
| CN105636102A (zh) * | 2016-02-04 | 2016-06-01 | 林华珍 | 一种基于贝叶斯后验概率的定位方法及装置 |
| CN106412826A (zh) * | 2016-09-07 | 2017-02-15 | 清华大学 | 基于多源信息融合的室内定位方法及定位装置 |
| CN106793082A (zh) * | 2017-02-13 | 2017-05-31 | 南京邮电大学 | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 |
| CN109120451A (zh) * | 2018-08-31 | 2019-01-01 | 深圳市麦斯杰网络有限公司 | 基于物联网的设备评估方法、设备及计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 混合无线传感网和惯性测量装置的室内定位系统;陈雪晨;中南大学学报(英文版);第26卷(第008期);2281-2294 * |
| 胡洋 ; 田忠 ; 伍习光 ; 王平 ; .基于RSSI的无源信号定位算法研究.自动化仪表.2018,(第06期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111291581A (zh) | 2020-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103458369B (zh) | 一种基于锚点和位置指纹的WiFi室内定位方法 | |
| CN101529956A (zh) | 根据小区交集的基于小区id的定位 | |
| CN101986757B (zh) | 一种移动终端的定位方法及装置 | |
| US9660740B2 (en) | Signal strength distribution establishing method and wireless positioning system | |
| US20110102256A1 (en) | Positioning system, positioning method, and positioning program | |
| CN107371133B (zh) | 一种提高基站定位精度的方法 | |
| CN113747360B (zh) | 一种基于混合可见光和ble的室内定位方法 | |
| CN111148057B (zh) | 室内定位方法、系统、计算机设备及可读存储介质 | |
| CN117434497B (zh) | 卫星通信终端的室内定位方法、装置、设备及存储介质 | |
| JP6803412B2 (ja) | 位置検出システム、算出装置、プログラムおよび位置検出方法 | |
| CN103698740A (zh) | 一种基于权重值选择的wifi室内定位方法 | |
| KR20190014907A (ko) | 액세스 포인트의 신호 세기를 이용하여 위치를 측정하는 장치 및 방법 | |
| KR20170103260A (ko) | 신호의 도래 시간차 정보 매칭을 이용한 위치 탐지 방법 | |
| KR101258832B1 (ko) | 액세스 포인트를 이용한 위치 측정 방법 및 그 장치 | |
| CN111291581B (zh) | 信号源定位数据的处理方法、装置、设备及存储介质 | |
| CN109889983A (zh) | 一种室内定位方法、装置、设备和系统 | |
| CN104811901A (zh) | 用于定位的方法和装置 | |
| CN114102577B (zh) | 一种机器人及应用于机器人的定位方法 | |
| CN113613188A (zh) | 指纹库的更新方法、装置、计算机设备和存储介质 | |
| CN103974410A (zh) | 用于定位的方法和装置 | |
| CN102404844B (zh) | 一种多方法复合精确定位cdma移动终端的方法和系统 | |
| CN110493867B (zh) | 一种信号选择及位置校正的无线室内定位方法 | |
| CN104811906A (zh) | 用于定位的方法和装置 | |
| US11567158B2 (en) | Method of beacon-based positioning system | |
| US9838994B1 (en) | Production system and method for location-aware environment |
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 |