CN111356072A - 一种室内定位的位置估计方法、装置及可读存储介质 - Google Patents

一种室内定位的位置估计方法、装置及可读存储介质 Download PDF

Info

Publication number
CN111356072A
CN111356072A CN201811573265.5A CN201811573265A CN111356072A CN 111356072 A CN111356072 A CN 111356072A CN 201811573265 A CN201811573265 A CN 201811573265A CN 111356072 A CN111356072 A CN 111356072A
Authority
CN
China
Prior art keywords
terminal
base station
coordinates
distance
estimated
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
CN201811573265.5A
Other languages
English (en)
Other versions
CN111356072B (zh
Inventor
邝英兰
陈彦宇
马雅奇
谭泽汉
赵尹发
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.)
Gree Electric Appliances Inc of Zhuhai
Original Assignee
Gree Electric Appliances Inc of Zhuhai
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 Gree Electric Appliances Inc of Zhuhai filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN201811573265.5A priority Critical patent/CN111356072B/zh
Publication of CN111356072A publication Critical patent/CN111356072A/zh
Application granted granted Critical
Publication of CN111356072B publication Critical patent/CN111356072B/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
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • 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
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明实施例提出的一种室内定位的位置估计方法、装置及可读存储介质，通过聚类算法与加权质心算法对终端的预估位置进行处理，得到更精确的估计坐标，有效抑制位置估计的跳变，使得定位更精准。

Description

一种室内定位的位置估计方法、装置及可读存储介质
技术领域
本发明实施例涉及室内定位技术领域，具体涉及一种室内定位的位置估计方法、装置及可读存储介质。
背景技术
随着移动互联网普及、物联网应用兴起，云计算、大数据、机器人、智能感知等技术慢慢进入人们的视野之中，定位技术作为感知层重要技术之一，具有举足轻重的地位。依赖于GPS、北斗等卫星定位技术，室外定位技术的发展比较成熟。而在室内环境下，由于建筑物的遮挡、卫星定位精准不足，室外定位技术不再满足需求，因此，作为物联网和位置大数据基础的室内定位技术渐渐成为刚需。
随着通信技术和无线网络的不断发展与普及，室内定位技术层出不穷，其定位精度在几米到几十米范围内。如红外线的定位精度约5-10米，直线视距、传输距离短、易干饶；蓝牙的定位精度约2-10米，传播距离短、稳定性差；WIFI的定位精度约2-50米，易受环境干扰；ZigBee的定位精度约1-2米，其稳定性差、易受环境干扰。由此可见，室内定位技术大多容易受环境干扰。而实际室内环境中，温度、障碍物、传播模式等条件往往都是变化的，导致最终的定位结果精度不高，容易出现跳变的情况。
发明内容
为了解决上述室内定位存在的位置估计跳变、定位精度低的技术问题，本发明实施例提供了一种室内定位的位置估计方法及装置。
有鉴于此，第一方面，本发明实施例提供一种室内定位的位置估计方法，包括：
获取定位区域内的终端的多个预估位置坐标；
利用聚类算法计算所述多个预估位置坐标的聚类中心；
计算所述多个预估位置坐标与所述聚类中心之间的距离；
根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
可选的，获取定位区域内的终端的多个预估位置坐标，包括：
定位区域内的终端接收所述定位区域内多个基站的信号；
根据接收的信号确定各个基站的RSSI值；
根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；
根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标。
可选的，所述终端到基站的距离与RSSI值的对应关系的构建，包括：
获取终端到各个基站的距离信息和终端收到的各个基站的RSSI值；
建立似然函数，通过极大似然估计法，根据终端到各个基站的距离信息和终端收到的各个基站的RSSI值，得到定位区域的环境复杂度和参考信号强度；
将所述定位区域的环境复杂度和参考信号强度代入对数正态阴影传播模型中，得到终端到基站的距离与RSSI值的对应关系。
所述对数正态阴影传播模型如下所示：
Figure BDA0001916100710000031
其中，d0表示参考距离，取d0＝1米Pr(d)表示终端接收的距终端d米的基站的信号强度RSSI，P0(d)表示参考距离d0处的参考信号强度，单位为分米，η表示定位区域的环境复杂度，也称路径衰减指数，会随着环境的不同而变化，Xσ是平均值为0的高斯随机指数。
所述终端到基站的距离与RSSI值的对应关系如下所示：
Figure BDA0001916100710000032
其中，
Figure BDA0001916100710000033
表示终端到基站的估计距离。
可选的，根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标，包括：
计算三个最大的RSSI值对应的基站坐标的质心坐标；
判断所述质心坐标是否位于所述定位区域的边缘；
若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标。
所述终端位置估计，包括：
找出基站组成的直角三角形，计算所述终端的预估位置坐标，使得所述终端与每个直角三角形中的相邻基站之间的距离比等于所述终端与每个直角三角形中的相邻基站在坐标轴上的投影的比。
根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标，包括：
根据所述多个预估位置坐标与所述聚类中心之间的距离，利用加权质心算法，计算得到多个加权质心；
计算所述多个加权质心与所述聚类中心之间的距离值；
根据所述多个加权质心与所述聚类中心之间的距离，利用加权质心算法得到多个新的加权质心；
以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标。
根据所述多个预估位置坐标与所述聚类中心之间的距离，利用下述加权质心算法，计算得到多个加权质心：
Figure BDA0001916100710000041
Figure BDA0001916100710000042
其中，Ri为预估位置i与聚类中心之间的距离，Rj为预估位置j与聚类中心之间的距离，N为预估位置的个数，xi为预估位置i的X轴坐标，yi为预估位置i的Y轴坐标，Wi为预设的预估位置i的权重，x为加权质心的X轴坐标，y为加权质心的Y轴坐标。
可选的，以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标，之前，还包括：
使用滤波算法对所述新的加权质心的坐标进行平滑去噪处理。
可选的，所述聚类算法为CFDP算法。
第二方面，本发明实施例还提供一种室内定位的位置估计装置，包括：
位置预估模块，用于获取定位区域内的终端的多个预估位置坐标；
聚类模块，用于利用聚类算法计算所述多个预估位置坐标的聚类中心；
距离计算模块，用于计算所述多个预估位置坐标与所述聚类中心之间的距离；
目标坐标确定模块，用于根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
第三方面，本发明实施例还提供一种可读存储介质，所述可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面所述室内定位的位置估计方法的步骤。
相比现有技术，本发明实施例提出的一种室内定位的位置估计方法，通过聚类算法与加权质心算法对终端的预估位置进行处理，得到更精确的估计坐标，有效抑制位置估计的跳变，使得定位更精准。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种室内定位的位置估计方法流程图；
图2为本发明实施例提供的一种室内定位的位置估计装置示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
图1为本发明实施例提供一种室内定位的位置估计方法流程图，如图1所示，所述方法包括：
S1.获取定位区域内的终端的多个预估位置坐标；
S2.利用聚类算法计算所述多个预估位置坐标的聚类中心；
S3.计算所述多个预估位置坐标与所述聚类中心之间的距离；
S4.根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
具体的，在本申请实施例中，S1之前还包括：在室内定位方案部署阶段，在定位区域内铺设等距排列的基站，并测试网络连通性。
具体的，在本申请实施例中，S1中的终端为具有信号接收功能的装置，例如包括蓝牙、WiFi等通信功能的智能手机、计算机等等，S1包括：
S110.定位区域内的终端接收所述定位区域内多个基站的信号；
S120.根据接收的信号确定各个基站的RSSI值；
S130.根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；
S140.根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标。
具体的，在本申请实施例中，终端到基站的距离与RSSI值的对应关系的构建包括：
获取终端到各个基站的距离信息和终端收到的基站信号强度RSSI，建立似然函数，通过极大似然估计法，获得当前定位区域的环境复杂度和参考信号强度；
将计算得到的当前定位区域的环境复杂度和参考信号强度代入对数正态阴影传播模型中，得到终端到基站的距离与RSSI值的对应关系。
所述对数正态阴影传播模型如下所示：
Figure BDA0001916100710000071
终端到基站的距离与RSSI的对应关系如下所示：
Figure BDA0001916100710000081
其中，
Figure BDA0001916100710000082
表示终端到基站的距离，d0表示参考距离，取d0＝1米Pr(d)表示终端接收的距终端d米的基站的信号强度RSSI，P0(d)表示参考距离d0处的参考信号强度，单位为分米，η表示定位区域的环境复杂度，也称路径衰减指数，会随着环境的不同而变化，Xσ是平均值为0的高斯随机指数。
具体的，在本申请实施例中，S130之前还包括：对RSSI值进行各种滤波处理，滤波处理包括剔除异常值、平滑处理、均值滤波和高斯滤波等等；
具体的，在本申请实施例中，所述S140包括：
S141.计算三个最大的RSSI值对应的基站坐标的质心坐标；
S142.判断所述质心坐标是否位于所述定位区域的边缘；
具体的，若质心坐标位于室内空间外围的两行(列)基站之间，则认为质心坐标位于室内空间的边缘；
S143.若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
S143’若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标。
具体的，在本申请实施例中，所述终端位置估计，包括：
找出基站组成的直角三角形，计算所述终端的预估位置坐标，使得所述终端与每个直角三角形中的相邻基站之间的距离比等于所述终端与每个直角三角形中的相邻基站在坐标轴上的投影的比，每个直角三角形将形成一个二元一次方程组，解方程组得到终端的N个预估位置：
Figure BDA0001916100710000091
Figure BDA0001916100710000092
其中，(xi,yi)是基站i的坐标，di是终端到基站i的距离，(xj,yj)是基站j的坐标，dj是终端到基站j的距离，xc和yc是终端的预估位置坐标。
具体的，在本申请实施例中，S4包括：
根据所述多个预估位置坐标与所述聚类中心之间的距离，利用加权质心算法，计算得到多个加权质心；
计算所述多个加权质心与所述聚类中心之间的距离值；
根据所述多个加权质心与所述聚类中心之间的距离，利用加权质心算法得到多个新的加权质心；
以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标。
具体的，在本申请实施例中，根据所述多个预估位置坐标与所述聚类中心之间的距离，利用下述加权质心算法，计算得到多个加权质心：
Figure BDA0001916100710000093
Figure BDA0001916100710000101
其中，Ri为预估位置i与聚类中心之间的距离，Rj为预估位置j与聚类中心之间的距离，N为预估位置的个数，xi为预估位置i的X轴坐标，yi为预估位置i的Y轴坐标，Wi为预设的预估位置i的权重，x为加权质心的X轴坐标，y为加权质心的Y轴坐标。
具体的，在本申请实施例中，根据所述多个加权质心与所述聚类中心之间的距离，利用下述加权质心算法得到多个新的加权质心：
Figure BDA0001916100710000102
Figure BDA0001916100710000103
其中，
Figure BDA0001916100710000104
为加权质心i与聚类中心之间的距离，
Figure BDA0001916100710000105
为加权质心j与聚类中心之间的距离，M为加权质心的个数，
Figure BDA0001916100710000106
为加权质心i的X轴坐标，
Figure BDA0001916100710000107
为加权质心i的Y轴坐标，Wi /为预设的加权质心i的权重，x/为新的加权质心的X轴坐标，y/为新的加权质心的Y轴坐标。
具体的，在本申请实施例中，S4中以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标，之前，还包括：
使用滤波算法对所述新的加权质心的坐标进行平滑去噪处理。
具体的，在本申请实施例中，聚类算法为CFDP(Clustering by fast search andfind of density peaksd，是一种基于密度的聚类算法)。
基于相同的发明构思，本发明实施例还提供一种图2所示的室内定位的位置估计装置，包括：
位置预估模块，用于获取定位区域内的终端的多个预估位置坐标；
聚类模块，用于利用聚类算法计算所述多个预估位置坐标的聚类中心；
距离计算模块，用于计算所述多个预估位置坐标与所述聚类中心之间的距离；
目标坐标确定模块，用于根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
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本发明各个实施例所述的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或者实施例的某些部分所述的方法。
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 (13)

1.一种室内定位的位置估计方法，其特征在于，包括：
获取定位区域内的终端的多个预估位置坐标；
利用聚类算法计算所述多个预估位置坐标的聚类中心；
计算所述多个预估位置坐标与所述聚类中心之间的距离；
根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
2.根据权利要求1所述的室内定位的位置估计方法，其特征在于，获取定位区域内的终端的多个预估位置坐标，包括：
定位区域内的终端接收所述定位区域内多个基站的信号；
根据接收的信号确定各个基站的RSSI值；
根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；
根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标。
3.根据权利要求2所述的室内定位的位置估计方法，其特征在于，所述终端到基站的距离与RSSI值的对应关系的构建，包括：
获取终端到各个基站的距离信息和终端收到的各个基站的RSSI值；
建立似然函数，通过极大似然估计法，根据终端到各个基站的距离信息和终端收到的各个基站的RSSI值，得到定位区域的环境复杂度和参考信号强度；
将所述定位区域的环境复杂度和参考信号强度代入对数正态阴影传播模型中，得到终端到基站的距离与RSSI值的对应关系。
4.根据权利要求3所述的室内定位的位置估计方法，其特征在于，所述对数正态阴影传播模型如下所示：
Figure FDA0001916100700000021
其中，d0表示参考距离，取d0＝1米Pr(d)表示终端接收的距终端d米的基站的信号强度RSSI，P0(d)表示参考距离d0处的参考信号强度，单位为分米，η表示定位区域的环境复杂度，也称路径衰减指数，会随着环境的不同而变化，Xσ是平均值为0的高斯随机指数。
5.根据权利要求4所述的室内定位的位置估计方法，其特征在于，所述终端到基站的距离与RSSI值的对应关系如下所示：
Figure FDA0001916100700000022
其中，
Figure FDA0001916100700000023
表示终端到基站的估计距离。
6.根据权利要求2所述的室内定位的位置估计方法，其特征在于，根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标，包括：
计算三个最大的RSSI值对应的基站坐标的质心坐标；
判断所述质心坐标是否位于所述定位区域的边缘；
若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标。
7.根据权利要求6所述的室内定位的位置估计方法，其特征在于，所述终端位置估计，包括：
找出基站组成的直角三角形，计算所述终端的预估位置坐标，使得所述终端与每个直角三角形中的相邻基站之间的距离比等于所述终端与每个直角三角形中的相邻基站在坐标轴上的投影的比。
8.根据权利要求1所述的室内定位的位置估计方法，其特征在于，根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标，包括：
根据所述多个预估位置坐标与所述聚类中心之间的距离，利用加权质心算法，计算得到多个加权质心；
计算所述多个加权质心与所述聚类中心之间的距离值；
根据所述多个加权质心与所述聚类中心之间的距离，利用加权质心算法得到多个新的加权质心；
以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标。
9.根据权利要求8所述的室内定位的位置估计方法，其特征在于，根据所述多个预估位置坐标与所述聚类中心之间的距离，利用下述加权质心算法，计算得到多个加权质心：
Figure FDA0001916100700000041
Figure FDA0001916100700000042
其中，Ri为预估位置i与聚类中心之间的距离，Rj为预估位置j与聚类中心之间的距离，N为预估位置的个数，xi为预估位置i的X轴坐标，yi为预估位置i的Y轴坐标，Wi为预设的预估位置i的权重，x为加权质心的X轴坐标，y为加权质心的Y轴坐标。
10.根据权利要求8所述的室内定位的位置估计方法，其特征在于，以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标，之前，还包括：
使用滤波算法对所述新的加权质心的坐标进行平滑去噪处理。
11.根据权利要求1所述的室内定位的位置估计方法，其特征在于，所述聚类算法为CFDP算法。
12.一种室内定位的位置估计装置，其特征在于，包括：
位置预估模块，用于获取定位区域内的终端的多个预估位置坐标；
聚类模块，用于利用聚类算法计算所述多个预估位置坐标的聚类中心；
距离计算模块，用于计算所述多个预估位置坐标与所述聚类中心之间的距离；
目标坐标确定模块，用于根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
13.一种可读存储介质，其特征在于，所述可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1-11任一所述室内定位的位置估计方法的步骤。
CN201811573265.5A 2018-12-21 2018-12-21 一种室内定位的位置估计方法、装置及可读存储介质 Active CN111356072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811573265.5A CN111356072B (zh) 2018-12-21 2018-12-21 一种室内定位的位置估计方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811573265.5A CN111356072B (zh) 2018-12-21 2018-12-21 一种室内定位的位置估计方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN111356072A true CN111356072A (zh) 2020-06-30
CN111356072B CN111356072B (zh) 2020-12-11

Family

ID=71197864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811573265.5A Active CN111356072B (zh) 2018-12-21 2018-12-21 一种室内定位的位置估计方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN111356072B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112714449A (zh) * 2020-12-30 2021-04-27 杭州电力设备制造有限公司 一种防工器具遗失的定位基站布局优化方法、装置及设备
CN115460687A (zh) * 2021-06-07 2022-12-09 中移物联网有限公司 定位方法、装置及相关设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104363649A (zh) * 2014-07-30 2015-02-18 浙江工业大学 带有约束条件的ukf的wsn节点定位方法
CN105430745A (zh) * 2015-12-28 2016-03-23 迈普通信技术股份有限公司 一种基于rssi无线网络定位方法
CN106131951A (zh) * 2016-06-29 2016-11-16 广州大学 基于等边三角形模型的rssi加权测距方法
CN108716918A (zh) * 2018-04-24 2018-10-30 合肥工业大学 一种基于网格聚类的rssi室内定位算法
CN108924756A (zh) * 2018-06-30 2018-11-30 天津大学 基于WiFi双频带的室内定位方法
WO2018227193A1 (en) * 2017-06-09 2018-12-13 miDiagnostics NV Systems and methods for counting particles

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104363649A (zh) * 2014-07-30 2015-02-18 浙江工业大学 带有约束条件的ukf的wsn节点定位方法
CN105430745A (zh) * 2015-12-28 2016-03-23 迈普通信技术股份有限公司 一种基于rssi无线网络定位方法
CN106131951A (zh) * 2016-06-29 2016-11-16 广州大学 基于等边三角形模型的rssi加权测距方法
WO2018227193A1 (en) * 2017-06-09 2018-12-13 miDiagnostics NV Systems and methods for counting particles
CN108716918A (zh) * 2018-04-24 2018-10-30 合肥工业大学 一种基于网格聚类的rssi室内定位算法
CN108924756A (zh) * 2018-06-30 2018-11-30 天津大学 基于WiFi双频带的室内定位方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112714449A (zh) * 2020-12-30 2021-04-27 杭州电力设备制造有限公司 一种防工器具遗失的定位基站布局优化方法、装置及设备
CN112714449B (zh) * 2020-12-30 2022-05-31 杭州电力设备制造有限公司 一种防工器具遗失的定位基站布局优化方法、装置及设备
CN115460687A (zh) * 2021-06-07 2022-12-09 中移物联网有限公司 定位方法、装置及相关设备

Also Published As

Publication number Publication date
CN111356072B (zh) 2020-12-11

Similar Documents

Publication Publication Date Title
CN106912105B (zh) 基于pso_bp神经网络的三维定位方法
CN104703143B (zh) 一种基于wifi信号强度的室内定位方法
CN110933632B (zh) 一种终端室内定位方法及系统
EP2662700B1 (en) Method and apparatus for obtaining location of user
US8447326B2 (en) Selective location determination
CN108021625B (zh) 车辆异常聚集地监控方法及系统、计算机可读存储介质
CN111352069B (zh) 一种室内定位方法、服务器、存储介质及程序产品
CN108307301B (zh) 基于rssi测距和轨迹相似性的室内定位方法
EP2976900B1 (en) Building floor determination for a location based service
CN109655786B (zh) 移动自组网协作相对定位方法及装置
CN107484123B (zh) 一种基于集成HWKNN的WiFi室内定位方法
CN109379711B (zh) 一种定位方法
CN102625444B (zh) 一种终端定位方法和一种基站
CN111356072B (zh) 一种室内定位的位置估计方法、装置及可读存储介质
CN112116549A (zh) 用于评估点云地图精度的方法和装置
CN105979489A (zh) 一种楼层定位方法及装置
CN108574927B (zh) 一种移动终端定位方法及装置
CN108834053B (zh) 一种定位方法、装置及设备
CN111880144A (zh) 定位方法、装置、设备和存储介质
KR20140119333A (ko) 위치 정확도 향상을 위한 위치 측위 방법 및 장치
CN108540926B (zh) 一种无线信号指纹的构建方法及装置
CN113993069B (zh) 一种室内定位方法及装置、电子设备
US20210325189A1 (en) Localization using internet of things devices
Bu et al. A study of enhancement of ranging performance of beacons through improvement of the smart phone's gyroscope: focusing on the Bluetooth low energy
CN109831737B (zh) 一种基于置信度的蓝牙定位方法、装置、设备和系统

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