CN111405509A - 一种减少采集成本的指纹定位算法 - Google Patents
一种减少采集成本的指纹定位算法 Download PDFInfo
- Publication number
- CN111405509A CN111405509A CN202010250085.4A CN202010250085A CN111405509A CN 111405509 A CN111405509 A CN 111405509A CN 202010250085 A CN202010250085 A CN 202010250085A CN 111405509 A CN111405509 A CN 111405509A
- Authority
- CN
- China
- Prior art keywords
- area
- data
- acquired
- simulation
- information
- 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
- 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)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及室内定位技术领域,尤其涉及一种减少采集成本的指纹定位算法,在离线训练阶段采集位置信息,并对采集数据进行分析过滤存入指纹数据库,将地图分为已采集区域和未采集区域,对采集数据进行插值处理,从而模拟出未采集区域的数据,对应的区域称为模拟区域,将采集数据与模拟信息数据整合,进行平滑处理,消除连接处差异,形成最终的指纹数据库,在线定位阶段所能定位到的区域是已采集区域和模拟区域的并集,大大扩充了可定位区域的范围。本发明具有如下有益效果:使用模拟数据代替实际数据,从而降低采集成本;可用于场馆数据的浅层更新,将原数据剔除,再视其为模拟区域,结合各类信息模拟出变动后的数据,避免低效的二次采集。
Description
技术领域
本发明涉及室内定位技术领域,尤其涉及一种减少采集成本的指纹定位算法。
背景技术
工作、学习、娱乐,是现代都市人群的主要活动内容,而这些活动发生的场景大多数都是在室内。在室外定位技术发展越发成熟的今天,随着相关技术的进步,室内定位的需求在开始得到满足的同时也在不断地膨胀、增长。商场、停车场、机场、图书馆、医院、学校、办公楼、地铁站、博物馆、会议展厅......在这些丰富的、具有一定规模的室内场景中,基于位置的服务(Location Based Service, LBS)不仅能为大众的日常活动带来便利,同时还能为一些专业需求提供有效的辅助手段,例如安保、救援等。
指纹定位(Fingerprint Positioning),就是一种常用的室内定位算法。它以无线通信与网络技术为基础,具有实现步骤简单、成本低、对接入点(Access Point,以下简称为AP)的时间同步精度要求低等优点。同时其基本原理还可以从Wi-Fi、蓝牙(即Bluetooth)直接扩展到基于其他无线局域网(Wireless Local Area Network,WLAN)传感器实现的室内定位中。指纹定位方法主要分为两个阶段:离线训练阶段和在线定位阶段,如附图部分图1所示。
离线训练阶段是对所在定位环境的信号特征进行抽象、形式化描述,使用定位环境中各个AP的接收信号强度指示(Received Signal Strength Indication,以下简称为RSSI)序列对不同的位置做标记,并实现采集这些RSSI序列建立位置指纹数据库(Database),从而将定位环境中的位置信息与AP信号特征清晰、有效地联系在一起。
在线定位阶段即是在用户实际定位使用时,将自身实时测量的RSSI序列与位置指纹数据库中的位置指纹信息进行匹配,并选取出匹配相似度最优的结果作为自身位置估计。
在常用的指纹定位方法中,一般直接利用采集设备采集到的数据(以下简称采集数据)建立位置指纹数据库,即指纹数据库中仅包含对应于已采集区域(即采集数据关联的位置,此处的“关联”指直接对应以及高确定性的推测)的数据。这种做法导致了,在在线定位阶段,可定位到的区域仅限于离线训练阶段采集过的区域。
CN201910122280.6公开了一种基于信号指纹匹配的室内定位方法,该方法包括以下步骤:室内电子地图指纹采集;用户位置信息指纹采集;采用相位准则及采用幅度准则计算最优定位信息。
但是上述技术方案仍然存在着不小的缺陷:
只能定位到采集过的区域,即目标的定位区域都必须采集,导致指纹定位方法只适用于易采集、结构简单的场景,而对于复杂的场景则会不可避免地显著提升采集成本,从而降低指纹定位方法的优越性。
发明内容
本发明的主要目的在于克服现有技术中的不足,提供一种减少采集成本的指纹定位算法。该算法具有减少采集成本等优点。
本发明为实现其技术目的所采用的技术方案是:一种减少采集成本的指纹定位算法,其结构特点是,在离线训练阶段对采集数据进行插值处理,从而模拟出未采集区域的数据,对应的区域称为模拟区域,在此基础上,在线定位阶段所能定位到的区域是已采集区域和模拟区域的并集,大大扩充了可定位区域的范围。
具体包括如下步骤:
S1:在离线训练阶段,对位置信息进行采集、存储入位置指纹数据库,采集各个位置AP的RSSI信息、MAC地址信息等数据,并结合地图信息形成包括地形信息在内的采集数据,对采集数据进行初步的分析和过滤,从而提取出有效信息密度高的关键数据,形成处理之后的指纹数据库。
S2:结合地图信息和采集数据,将地图分为两类:已采集区域和未采集区域,在此基础上,再依据目标需求和插值算法特性将未采集区域分为模拟区域和非目标区域,即将整张地图分为三类区域。
S3:针对模拟区域的各个部分,再次结合地图信息和采集数据得出模拟数据作为该区域的数据;其中,模拟区域的具体划分方式主要与地图类型、最终定位需求有关,最终将模拟区域划分成各自独立的小块区域的集合。
S4:将初始采集数据和模拟区域的模拟信息整合,通过平滑处理,消除不同区域连接处的数据差异,形成最终包括已采集区域和模拟区域的指纹数据库。
S5:按照一般指纹定位方法,利用最终的指纹数据库进行在线定位。
优选地,所述步骤S1中对离线训练阶段的采集数据以各个AP信号强度分布是否合理、AP名称与MAC地址信息的对应是否规范为判断标准,对存储的指纹数据进行筛选、整合,最终获得由有效信息密度高的关键数据组成的指纹数据库。
优选地,所述步骤S2中,已采集区域为有对应采集数据的单元格的集合;未采集区域,与已采集区域相反,为无对应采集数据的单元格的集合;未采集区域中的模拟区域为按照预期、需求,转化成已采集区域的未采集区域;未采集区域中的非目标区域为无转化需求的未采集区域。
优选地,所述步骤S3具体包括如下步骤:
S31:利用地图信息,将划分好的模拟区域集合各自明确对应到一种类型中,即:
模拟区域集合的信息
= [[区域1名称,区域1位置,区域1的类型],
[区域n名称,区域n位置,区域n的类型]];
S32:对其中的单个区域,根据位置、类型信息选取相应的插值算法和采集数据,获得插值结果,即精确的单个区域位置信息,其中相应的插值算法和采集数据通过多种场景下的模拟数据和模拟区域的实际数据对比得出;单个精确的区域位置信息集合形成模拟区域集合的信息。
优选地,所述步骤S4中,平滑处理方式与区域边界处两侧数据的差异有关,包括滑动平均法处理、高斯滤波处理以及双边滤波处理。
具体地,具体平滑处理方式与区域边界处两侧数据的差异有关,数据差异利用数值差异和拟合函数的差异表征体现。基本上,当两侧数据差异较小、无明显突变时,可使用滑动平均法(Mean Average)或类似的适用于无突变情形的平滑处理方式。而当两侧数据差异大时,使用较复杂的平滑方式,主要为高斯滤波和双边滤波等处理方式。
本发明的有益效果是:本发明采用已采集区域和模拟区域的集合,适当地去除一些采集成本高的区域,使用模拟数据代替实际数据,从而降低采集成本。模拟数据还可以用于场馆数据的浅层更新,如小范围内的场地状况变动,可以将原数据剔除,再视其为模拟区域,结合各类信息模拟出变动后的数据,避免低效的二次采集。
附图说明
图1是传统指纹匹配定位原理示意图。
图2是本发明一种减少采集成本的指纹定位算法的流程示意图。
图3是本发明一种减少采集成本的指纹定位算法的各区域示意图。
其中:1、已采集区域;2、未采集区域;21、模拟区域;22、非目标区域。
具体实施方式
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
参阅图2,如图所示,一种减少采集成本的指纹定位算法,在离线训练阶段对采集数据进行插值处理,从而模拟出未采集区域的数据,对应的区域称为模拟区域,在此基础上,在线定位阶段所能定位到的区域是已采集区域和模拟区域的并集,大大扩充了可定位区域的范围。
具体包括如下步骤:
S1:在离线训练阶段,对位置信息进行采集、存储入位置指纹数据库,采集各个位置AP的RSSI信息、MAC地址信息等数据,并结合地图信息形成包括地形信息在内的采集数据,对采集数据进行初步的分析和过滤,从而提取出有效信息密度高的关键数据,形成处理之后的指纹数据库。
离线训练阶段的采集数据以各个AP信号强度分布是否合理、AP名称与MAC地址信息的对应是否规范为判断标准,对存储的指纹数据进行筛选、整合,最终获得由有效信息密度高的关键数据组成的指纹数据库。
S2:结合地图信息和采集数据,将地图分为两类:已采集区域1和未采集区域2,在此基础上,再依据目标需求和插值算法特性将未采集区域2分为模拟区域21和非目标区域22,即将整张地图分为三类区域,具体如图3所示。
已采集区域1为有对应采集数据的单元格的集合;未采集区域2,与已采集区域1相反,为无对应采集数据的单元格的集合;未采集区域2中的模拟区域21为按照预期、需求,转化成已采集区域的未采集区域;未采集区域2中的非目标区域22为无转化需求的未采集区域。
S3:针对模拟区域的各个部分,再次结合地图信息和采集数据得出模拟数据作为该区域的数据;其中,模拟区域21的具体划分方式主要与地图类型、最终定位需求有关,最终将模拟区域21划分成各自独立的小块区域的集合。
步骤S3具体包括如下步骤:
S31:利用地图信息,将划分好的模拟区域集合各自明确对应到一种类型中,即:
模拟区域集合的信息
= [[区域1名称,区域1位置,区域1的类型],
[区域n名称,区域n位置,区域n的类型]];
S32:对其中的单个区域,根据位置、类型信息选取相应的插值算法和采集数据,获得插值结果,即精确的单个区域位置信息,其中相应的插值算法和采集数据通过多种场景下的模拟数据和模拟区域的实际数据对比得出;单个精确的区域位置信息集合形成模拟区域集合的信息。
S4:将初始采集数据和模拟区域21的模拟信息整合,通过平滑处理,消除不同区域连接处的数据差异,形成最终包括已采集区域1和模拟区域21的指纹数据库。
平滑处理方式与区域边界处两侧数据的差异有关,包括滑动平均法处理、高斯滤波处理以及双边滤波处理。
具体地,具体平滑处理方式与区域边界处两侧数据的差异有关,数据差异利用数值差异和拟合函数的差异表征体现。基本上,当两侧数据差异较小、无明显突变时,可使用滑动平均法(Mean Average)或类似的适用于无突变情形的平滑处理方式。而当两侧数据差异大时,使用较复杂的平滑方式,主要为高斯滤波和双边滤波等处理方式。
S5:按照一般指纹定位方法,利用最终的指纹数据库进行在线定位。
需要说明的是,尽管在本文中已经对上述各实施例进行了描述,但并非因此限制本发明的专利保护范围。因此,基于本发明的创新理念,对本文所述实施例进行的变更和修改,或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,直接或间接地将以上技术方案运用在其他相关的技术领域,均包括在本发明专利的保护范围之内。
Claims (5)
1.一种减少采集成本的指纹定位算法,其特征在于:在离线训练阶段对采集数据进行插值处理,从而模拟出未采集区域的数据,对应的区域称为模拟区域,在此基础上,在线定位阶段所能定位到的区域是已采集区域和模拟区域的并集,大大扩充了可定位区域的范围;
具体包括如下步骤:
S1:在离线训练阶段,对位置信息进行采集、存储入位置指纹数据库,对采集数据进行初步的分析和过滤,从而提取出有效信息密度高的关键数据,形成处理之后的指纹数据库;
S2:结合地图信息和采集数据,将地图分为两类:已采集区域(1)和未采集区域(2),在此基础上,再依据目标需求和插值算法特性将未采集区域(2)分为模拟区域(21)和非目标区域(22),即将整张地图分为三类区域;
S3:针对模拟区域的各个部分,再次结合地图信息和采集数据得出模拟数据作为该区域的数据;其中,模拟区域(21)的具体划分方式主要与地图类型、最终定位需求有关,最终将模拟区域(21)划分成各自独立的小块区域的集合;
S4:将初始采集数据和模拟区域(21)的模拟信息整合,通过平滑处理,消除不同区域连接处的数据差异,形成最终包括已采集区域(1)和模拟区域(21)的指纹数据库;
S5:按照一般指纹定位方法,利用最终的指纹数据库进行在线定位。
2.根据权利要求1所述的一种减少采集成本的指纹定位算法,其特征在于:
所述步骤S1中对离线训练阶段的采集数据以各个AP信号强度分布是否合理、AP名称与MAC地址信息的对应是否规范为判断标准,对存储的指纹数据进行筛选、整合,最终获得由有效信息密度高的关键数据组成的指纹数据库。
3.根据权利要求1所述的一种减少采集成本的指纹定位算法,其特征在于:
所述步骤S2中,已采集区域(1)为有对应采集数据的单元格的集合;未采集区域(2),与已采集区域(1)相反,为无对应采集数据的单元格的集合;未采集区域(2)中的模拟区域(21)为按照预期、需求,转化成已采集区域的未采集区域;未采集区域(2)中的非目标区域(22)为无转化需求的未采集区域。
4.根据权利要求1所述的一种减少采集成本的指纹定位算法,其特征在于:
所述步骤S3具体包括如下步骤:
S31:利用地图信息,将划分好的模拟区域集合各自明确对应到一种类型中,即:
模拟区域集合的信息
= [[区域1名称,区域1位置,区域1的类型],
......,
[区域n名称,区域n位置,区域n的类型]];
S32:对其中的单个区域,根据位置、类型信息选取相应的插值算法和采集数据,获得插值结果,即精确的单个区域位置信息,其中相应的插值算法和采集数据通过多种场景下的模拟数据和模拟区域的实际数据对比得出;单个精确的区域位置信息集合形成模拟区域集合的信息。
5.根据权利要求1所述的一种减少采集成本的指纹定位算法,其特征在于:
所述步骤S4中,平滑处理方式与区域边界处两侧数据的差异有关,包括滑动平均法处理、高斯滤波处理以及双边滤波处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010250085.4A CN111405509B (zh) | 2020-04-01 | 2020-04-01 | 一种减少采集成本的指纹定位算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010250085.4A CN111405509B (zh) | 2020-04-01 | 2020-04-01 | 一种减少采集成本的指纹定位算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111405509A true CN111405509A (zh) | 2020-07-10 |
CN111405509B CN111405509B (zh) | 2021-08-17 |
Family
ID=71429411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010250085.4A Active CN111405509B (zh) | 2020-04-01 | 2020-04-01 | 一种减少采集成本的指纹定位算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111405509B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014065735A1 (en) * | 2012-10-24 | 2014-05-01 | Telefonaktiebolaget L M Ericsson (Publ) | Positioning |
CN105222787A (zh) * | 2015-09-10 | 2016-01-06 | 上海市计量测试技术研究院 | 基于矩阵填充的位置指纹库构建方法 |
CN107979817A (zh) * | 2017-11-24 | 2018-05-01 | 王红军 | 一种移动终端二维指纹定位方法 |
CN109302674A (zh) * | 2018-12-21 | 2019-02-01 | 桂林电子科技大学 | 一种基于多重滤波的WiFi室内定位方法 |
CN109889983A (zh) * | 2019-03-15 | 2019-06-14 | 陕西学前师范学院 | 一种室内定位方法、装置、设备和系统 |
CN110557716A (zh) * | 2019-09-03 | 2019-12-10 | 华南师范大学 | 一种基于对数正态模型的室内定位方法 |
-
2020
- 2020-04-01 CN CN202010250085.4A patent/CN111405509B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014065735A1 (en) * | 2012-10-24 | 2014-05-01 | Telefonaktiebolaget L M Ericsson (Publ) | Positioning |
CN105222787A (zh) * | 2015-09-10 | 2016-01-06 | 上海市计量测试技术研究院 | 基于矩阵填充的位置指纹库构建方法 |
CN107979817A (zh) * | 2017-11-24 | 2018-05-01 | 王红军 | 一种移动终端二维指纹定位方法 |
CN109302674A (zh) * | 2018-12-21 | 2019-02-01 | 桂林电子科技大学 | 一种基于多重滤波的WiFi室内定位方法 |
CN109889983A (zh) * | 2019-03-15 | 2019-06-14 | 陕西学前师范学院 | 一种室内定位方法、装置、设备和系统 |
CN110557716A (zh) * | 2019-09-03 | 2019-12-10 | 华南师范大学 | 一种基于对数正态模型的室内定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111405509B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107333238B (zh) | 一种基于支持向量回归的室内指纹快速定位方法 | |
CN105101406B (zh) | 一种基于无线强度的室内定位方法及系统 | |
CN103476115B (zh) | 一种基于AP集相似度的Wi-Fi指纹定位方法 | |
CN110557716B (zh) | 一种基于对数正态模型的室内定位方法 | |
CN102480678B (zh) | 一种指纹定位方法和系统 | |
CN106125045B (zh) | 一种基于Wi-Fi的自适应混合室内定位方法 | |
CN103455811B (zh) | 室内无线定位指纹采集方法及系统 | |
CN107484240B (zh) | 一种基于指纹进行定位的方法及装置 | |
CN105898713A (zh) | 一种基于加权余弦相似度的WiFi指纹室内定位方法 | |
DE102008036681A1 (de) | Vorrichtung und Verfahren zum Bestimmen einer Übereinstimmung einer Position mit einer Referenzposition | |
CN105813194A (zh) | 基于指纹数据库二次校正的室内定位方法 | |
CN105120517B (zh) | 基于多维尺度mds分析的室内wlan信号平面图构建与定位方法 | |
CN106646339A (zh) | 一种无线位置指纹室内定位中在线匹配定位方法 | |
CN110426037A (zh) | 一种封闭环境下的行人运动轨迹实时获取方法 | |
CN108966121A (zh) | 一种适用于指纹定位算法的指纹库更新方法 | |
CN105120479A (zh) | 终端间Wi-Fi信号的信号强度差异修正方法 | |
CN110536256A (zh) | 一种基于双层网格的室内定位方法 | |
CN107179525A (zh) | 一种基于泰森多边形的克里金插值的位置指纹构建方法 | |
CN108449709A (zh) | 一种基于众包样本的室内无线电地图构建方法 | |
CN103763769A (zh) | 基于接入点重选择和自适应簇分裂的室内指纹定位方法 | |
CN108627798A (zh) | 基于线性判别分析和梯度提升树的wlan室内定位算法 | |
CN110458205A (zh) | 一种改进的基于wlan室内定位的pca聚类方法 | |
CN110351660A (zh) | 一种基于双步指纹匹配架构的蓝牙室内定位方法 | |
CN107677989A (zh) | 一种基于rssi最大值进行rssi去除噪声的室内位置定位方法 | |
CN111405509B (zh) | 一种减少采集成本的指纹定位算法 |
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 |