CN111563134B - 定位系统的指纹数据库聚类方法、系统、设备和存储介质 - Google Patents
定位系统的指纹数据库聚类方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN111563134B CN111563134B CN202010217254.4A CN202010217254A CN111563134B CN 111563134 B CN111563134 B CN 111563134B CN 202010217254 A CN202010217254 A CN 202010217254A CN 111563134 B CN111563134 B CN 111563134B
- Authority
- CN
- China
- Prior art keywords
- matrix
- clustering
- fingerprint database
- reference point
- reference points
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种定位系统的指纹数据库聚类方法,包括:记录在预设区域内预先设置的若干个参考点的位置信息;获取每一所述参考点采集的来自若干个无线接入点的接收电平;根据所述位置信息和所述接收电平建立指纹数据库;对所述指纹数据库进行聚类处理,以输出聚类结果。本发明还公开了一种定位系统的指纹数据库聚类系统、设备和一种计算机可读存储介质。采用本发明实施例,能够使得指纹数据库的聚类结果在接收电平以及地理位置上具有较高的相似度,从而提高在线阶段的定位精度。
Description
技术领域
本发明涉及定位技术领域,尤其涉及一种定位系统的指纹数据库聚类方法、系统、设备和存储介质。
背景技术
基于位置指纹的室内定位分为离线和在线两个阶段。离线阶段的主要任务是采集定位参考点的数据并构建指纹数据库。构建数据库时,需要对数据库中的数据进行预处理,在预处理中最常用的方法是聚类算法,比如K均值聚类以及仿射传播聚类等。在线阶段根据测量的数据采用K临近算法、最大似然算法等方法计算目标的位置。在现有的室内定位系统指纹数据库聚类算法中,只考虑了参考点的接收电平的因素,即仅根据参考点的接收电平进行聚类,而忽略了参考点的位置信息。由于忽略了参考点的位置信息,导致有可能将在地理位置上相隔较远的参考点归为一类,从而影响了在线阶段的定位精度。
发明内容
本发明实施例的目的是提供一种定位系统的指纹数据库聚类方法、系统、设备和存储介质,能够使得指纹数据库的聚类结果在接收电平以及地理位置上具有较高的相似度,从而提高在线阶段的定位精度。
为实现上述目的,本发明实施例提供了一种定位系统的指纹数据库聚类方法,包括:
记录在预设区域内预先设置的若干个参考点的位置信息;
获取每一所述参考点采集的来自若干个无线接入点的接收电平;
根据所述位置信息和所述接收电平建立指纹数据库;
对所述指纹数据库进行聚类处理,以输出聚类结果。
与现有技术相比,本发明实施例公开的定位系统的指纹数据库聚类方法,首先,记录在预设区域内预先设置的若干个参考点的位置信息;然后,获取每一参考点采集的来自若干个无线接入点的接收电平,以根据位置信息和接收电平建立指纹数据库;最后,对指纹数据库进行聚类处理,以输出聚类结果。本发明公开的定位系统的指纹数据库聚类方法能够使得指纹数据库的聚类结果在接收电平以及地理位置上具有较高的相似度,从而提高在线阶段的定位精度。
作为上述方案的改进,所述对所述指纹数据库进行聚类处理,以输出聚类结果,具体包括:
根据所述指纹数据库建立任意两个参考点的相关矩阵;
根据所述相关矩阵确定每一所述参考点的聚类中心;
对所述相关矩阵进行迭代;
当所述聚类中心稳定或达到预设的最大迭代次数时,输出聚类结果。
作为上述方案的改进,所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;所述根据所述指纹数据库建立任意两个参考点的相关矩阵,具体包括:
计算所述指纹数据库中任意两个参考点的相似度,构建相似度矩阵;
计算所述相似度矩阵中任意两个参考点之间的吸引度,构建吸引度矩阵;其中,所述吸引度表示所述任意两个参考点中当前参考点作为另一参考点的聚类中心的合适程度;
计算所述相似度矩阵中任意两个参考点之间的归属度,构建归属度矩阵;其中,所述归属度表示所述任意两个参考点中另一参考点作为当前参考点的聚类中心的合适程度。
作为上述方案的改进,所述根据所述相关矩阵确定每一所述参考点的聚类中心,具体包括:
选取所述吸引度和所述归属度的和处于最大值时的当前参考点作为另一参考点的聚类中心。
作为上述方案的改进,所述对所述相关矩阵进行迭代,具体包括:
对所述吸引度矩阵和所述归属度矩阵进行迭代。
为实现上述目的,本发明实施例还提供了一种定位系统的指纹数据库聚类系统,包括:
位置信息记录模块,用于记录在预设区域内预先设置的若干个参考点的位置信息;
接收电平获取模块,用于获取每一所述参考点采集的来自若干个无线接入点的接收电平;
指纹数据库建立模块,用于根据所述位置信息和所述接收电平建立指纹数据库;
聚类处理模块,用于对所述指纹数据库进行聚类处理,以输出聚类结果。
与现有技术相比,本发明实施例公开的定位系统的指纹数据库聚类系统,首先,位置信息记录模块记录在预设区域内预先设置的若干个参考点的位置信息;然后,接收电平获取模块获取每一参考点采集的来自若干个无线接入点的接收电平,指纹数据库建立模块根据位置信息和接收电平建立指纹数据库;最后,聚类处理模块对指纹数据库进行聚类处理,以输出聚类结果。本发明公开的定位系统的指纹数据库聚类系统能够使得指纹数据库的聚类结果在接收电平以及地理位置上具有较高的相似度,从而提高在线阶段的定位精度。
作为上述方案的改进,所述聚类处理模块具体包括:
矩阵构建单元,用于根据所述指纹数据库建立任意两个参考点的相关矩阵;
聚类中心确定单元,用于根据所述相关矩阵确定每一所述参考点的聚类中心;
迭代单元,用于对所述相关矩阵进行迭代;
聚类结果输出单元,用于当所述聚类中心稳定或达到预设的最大迭代次数时,输出聚类结果。
作为上述方案的改进,所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;所述矩阵构建单元具体用于:
计算所述指纹数据库中任意两个参考点的相似度,构建相似度矩阵;
计算所述相似度矩阵中任意两个参考点之间的吸引度,构建吸引度矩阵;其中,所述吸引度表示所述任意两个参考点中当前参考点作为另一参考点的聚类中心的合适程度;
计算所述相似度矩阵中任意两个参考点之间的归属度,构建归属度矩阵;其中,所述归属度表示所述任意两个参考点中另一参考点作为当前参考点的聚类中心的合适程度。
为实现上述目的,本发明实施例还提供一种定位系统的指纹数据库聚类设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一实施例所述的定位系统的指纹数据库聚类方法。
为实现上述目的,本发明实施例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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一实施例所述的定位系统的指纹数据库聚类方法。
附图说明
图1是本发明实施例提供的一种定位系统的指纹数据库聚类方法的流程图;
图2是本发明实施例提供的参考点位置分布示意图;
图3是本发明实施例提供的考虑了位置信息后参考点的聚类结果示意图;
图4是本发明实施例提供的未考虑位置信息后参考点的聚类结果示意图;
图5是本发明实施例提供的一种定位系统的指纹数据库聚类系统的结构框图;
图6是本发明实施例提供的聚类处理模块的结构框图;
图7是本发明实施例提供的一种定位系统的指纹数据库聚类设备的结构框图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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作出创造性劳动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。
参见图1,图1是本发明实施例提供的一种定位系统的指纹数据库聚类方法的流程图;所述定位系统的指纹数据库聚类方法具体包括:
S1、记录在预设区域内预先设置的若干个参考点的位置信息;
S2、获取每一所述参考点采集的来自若干个无线接入点的接收电平;
S3、根据所述位置信息和所述接收电平建立指纹数据库;
S4、对所述指纹数据库进行聚类处理,以输出聚类结果。
值得说明的是,本发明实施例所述的定位系统的指纹数据库聚类方法可以由定位系统执行实现,所述定位系统为室内/室外定位系统。
具体的,在步骤S1中,根据建筑物的平面图,对需要定位的预设区域按照一定的间隔设置参考点的位置,参考图2,图2中的圆点即为所述参考点。建立坐标系,并记录每一所述参考点的位置信息,所述参考点的位置信息以坐标的形式表示为Li=(xi,yi),i所述参考点的编号,i=1,2…M。
具体的,在步骤S2中,所述参考点定时采集的来自若干个无线接入点(AP)的接收电平。此时获取所述参考点采集的接收电平,记为ri=(RSSi,1,RSSi,2…RSSi,N),N为所述无线接入点的总数。
具体的,在步骤S3中,根据所述位置信息Li和所述接收电平ri建立指纹数据库,以矩阵的形式表示为:
具体的,在步骤S4中,对所述指纹数据库进行聚类处理,以输出聚类结果,具体包括步骤S41~S44:
S41、根据所述指纹数据库建立任意两个参考点的相关矩阵;其中,所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;
S42、根据所述相关矩阵确定每一所述参考点的聚类中心;
S43、对所述相关矩阵进行迭代;
S44、当所述聚类中心稳定或达到预设的最大迭代次数时,输出聚类结果。
具体的,在步骤S41中,根据所述指纹数据库建立任意两个参考点的相关矩阵,具体包括步骤S411~S413:
s(i,k)=-||xi-xk||2 公式(2)。
S412、计算所述相似度矩阵中任意两个参考点之间的吸引度r(i,k),构建吸引度矩阵rN×N。其中,所述吸引度r(i,k)表示所述任意两个参考点中当前参考点k作为另一参考点i的聚类中心的合适程度。计算两个参考点的吸引度满足以下公式:
其中,k'表示除了k以外的其它参考点;s表示两个参考点之间的相似度;a表示两个参考点之间的归属度。在吸引度矩阵中,对角线元素r(k,k)可以设为固定值,r(k,k)的值越大,表示参考点k越适合作为聚类中心。
S413、计算所述相似度矩阵中任意两个参考点之间的归属度a(i,k),构建归属度矩阵aN×N;其中,所述归属度a(i,k)表示所述任意两个参考点中另一参考点i作为当前参考点k的聚类中心的合适程度。计算两个参考点的归属度满足以下公式:
其中,i'示除了i与k外的其它参考点。
具体的,在步骤S42中,选取所述吸引度和所述归属度的和r(i,k)+a(i,k)处于最大值时的当前参考点k作为另一参考点i的聚类中心。
具体的,在步骤S43中,对所述吸引度矩阵和所述归属度矩阵进行迭代,满足以下公式:
rt(i,k)=(1-λ)rt(i,k)+λrt-1(i,k) 公式(4);
at(i,k)=(1-λ)at(i,k)+λat-1(i,k) 公式(5);
其中,λ为用户根据实际情况设定的常数。
具体的,在步骤S44中,当所述聚类中心稳定(即迭代结果收敛)或达到预设的最大迭代次数时,输出聚类结果K。
示例性的,本发明实施例提供的定位系统的指纹数据库聚类方法的性能仿真结果如图3所示。从图中可以看出,本发明所提供的聚类方法由于综合考虑了参考点的位置信息以及接收电平的情况,所得到的聚类结果中不同类型之间的参考点的边界清晰,不会出现混叠的情况。未考虑位置信息所得到的聚类结果中,不同类型之间的参考点则会出现混叠现象,如图4所示,从而影响了定位的精度。
与现有技术相比,本发明实施例公开的定位系统的指纹数据库聚类方法,首先,记录在预设区域内预先设置的若干个参考点的位置信息;然后,获取每一参考点采集的来自若干个无线接入点的接收电平,以根据位置信息和接收电平建立指纹数据库;最后,对指纹数据库进行聚类处理,以输出聚类结果。本发明公开的定位系统的指纹数据库聚类方法能够使得指纹数据库的聚类结果在接收电平以及地理位置上具有较高的相似度,从而提高在线阶段的定位精度。
参见图5,图5是本发明实施例提供的一种定位系统的指纹数据库聚类系统10的结构框图;所述定位系统的指纹数据库聚类系统10包括:
位置信息记录模块11,用于记录在预设区域内预先设置的若干个参考点的位置信息;
接收电平获取模块12,用于获取每一所述参考点采集的来自若干个无线接入点的接收电平;
指纹数据库建立模块13,用于根据所述位置信息和所述接收电平建立指纹数据库;
聚类处理模块14,用于对所述指纹数据库进行聚类处理,以输出聚类结果。
具体的,根据建筑物的平面图,对需要定位的预设区域按照一定的间隔设置参考点的位置,参考图2,图2中的圆点即为所述参考点。建立坐标系,所述位置信息记录模块11记录每一所述参考点的位置信息,所述参考点的位置信息以坐标的形式表示为Li=(xi,yi),i所述参考点的编号,i=1,2…M。
具体的,所述参考点定时采集的来自若干个无线接入点(AP)的接收电平。此时所述接收电平获取模块12获取所述参考点采集的接收电平,记为ri=(RSSi,1,RSSi,2…RSSi,N),N为所述无线接入点的总数。
具体的,所述指纹数据库建立模块13根据所述位置信息Li和所述接收电平ri建立指纹数据库,以矩阵的形式表示为:
具体的,所述聚类处理模块14对所述指纹数据库进行聚类处理,以输出聚类结果,参见图6,所述聚类处理模块14具体包括:
矩阵构建单元141,用于根据所述指纹数据库建立任意两个参考点的相关矩阵;其中,所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;
聚类中心确定单元142,用于根据所述相关矩阵确定每一所述参考点的聚类中心;
迭代单元143,用于对所述相关矩阵进行迭代;
聚类结果输出单元144,用于当所述聚类中心稳定或达到预设的最大迭代次数时,输出聚类结果。
具体的,所述矩阵构建单元141具体用于:
计算所述指纹数据库中任意两个参考点的相似度,构建相似度矩阵sN×N;计算所述相似度矩阵中任意两个参考点之间的吸引度r(i,k),构建吸引度矩阵rN×N;计算所述相似度矩阵中任意两个参考点之间的归属度a(i,k),构建归属度矩阵aN×N。
s(i,k)=-||xi-xk||2 公式(2)。
所述吸引度r(i,k)表示所述任意两个参考点中当前参考点k作为另一参考点i的聚类中心的合适程度。计算两个参考点的吸引度满足以下公式:
其中,k'表示除了k以外的其它参考点;s表示两个参考点之间的相似度;a表示两个参考点之间的归属度。在吸引度矩阵中,对角线元素r(k,k)可以设为固定值,r(k,k)的值越大,表示参考点k越适合作为聚类中心。
所述归属度a(i,k)表示所述任意两个参考点中另一参考点i作为当前参考点k的聚类中心的合适程度。计算两个参考点的归属度满足以下公式:
其中,i'示除了i与k外的其它参考点。
具体的,所述聚类中心确定单元142选取所述吸引度和所述归属度的和r(i,k)+a(i,k)处于最大值时的当前参考点k作为另一参考点i的聚类中心。
具体的,所述迭代单元143对所述吸引度矩阵和所述归属度矩阵进行迭代,满足以下公式:
rt(i,k)=(1-λ)rt(i,k)+λrt-1(i,k) 公式(4);
at(i,k)=(1-λ)at(i,k)+λat-1(i,k) 公式(5);
其中,λ为用户根据实际情况设定的常数。
具体的,当所述聚类中心稳定(即迭代结果收敛)或达到预设的最大迭代次数时,所述聚类结果输出单元144输出聚类结果K。
与现有技术相比,本发明实施例公开的定位系统的指纹数据库聚类系统10,首先,位置信息记录模块11记录在预设区域内预先设置的若干个参考点的位置信息;然后,接收电平获取模块12获取每一参考点采集的来自若干个无线接入点的接收电平,指纹数据库建立模块13根据位置信息和接收电平建立指纹数据库;最后,聚类处理模块14对指纹数据库进行聚类处理,以输出聚类结果。本发明公开的定位系统的指纹数据库聚类系统10能够使得指纹数据库的聚类结果在接收电平以及地理位置上具有较高的相似度,从而提高在线阶段的定位精度。
参见图7,图7是本发明实施例提供的一种定位系统的指纹数据库聚类设备20的结构框图;该实施例所述的定位系统的指纹数据库聚类设备20包括:处理器21、存储器22以及存储在所述存储器22中并可在所述处理器21上运行的计算机程序。所述处理器21执行所述计算机程序时实现上述定位系统的指纹数据库聚类方法实施例中的步骤,例如图1所示的步骤S1~S4。或者,所述处理器21执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如位置信息记录模块11。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器22中,并由所述处理器21执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述定位系统的指纹数据库聚类设备20中的执行过程。例如,所述计算机程序可以被分割成位置信息记录模块11、接收电平获取模块12、指纹数据库建立模块13和聚类处理模块14,各模块具体功能请参考上述实施例所述的定位系统的指纹数据库聚类系统10的具体工作过程,在此不再赘述。
所述定位系统的指纹数据库聚类设备20可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述定位系统的指纹数据库聚类设备20可包括,但不仅限于,处理器21、存储器22。本领域技术人员可以理解,所述示意图仅仅是定位系统的指纹数据库聚类设备20的示例,并不构成对定位系统的指纹数据库聚类设备20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,例如所述定位系统的指纹数据库聚类设备20还可以包括输入输出设备、网络接入设备、总线等。
所述处理器21可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器21也可以是任何常规的处理器等,所述处理器21是所述定位系统的指纹数据库聚类设备20的控制中心,利用各种接口和线路连接整个定位系统的指纹数据库聚类设备20的各个部分。
所述存储器22可用于存储所述计算机程序和/或模块,所述处理器21通过运行或执行存储在所述存储器22内的计算机程序和/或模块,以及调用存储在存储器22内的数据,实现所述定位系统的指纹数据库聚类设备20的各种功能。所述存储器22可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
其中,所述定位系统的指纹数据库聚类设备20集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器21执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (6)
1.一种定位系统的指纹数据库聚类方法,其特征在于,包括:
记录在预设区域内预先设置的若干个参考点的位置信息;
获取每一所述参考点采集的来自若干个无线接入点的接收电平;
根据所述位置信息和所述接收电平建立指纹数据库,满足以下公式:
其中,RM×N为指纹数据库矩阵,L表示所述位置信息,所述参考点的位置信息以坐标的形式表示为Li=(xi,yi),i所述参考点的编号,i=1,2…M;RSS表示所述接收电平,所述参考点采集的接收电平,记为ri=(RSSi,1,RSSi,2…RSSi,N),N为所述无线接入点的总数;
根据所述指纹数据库建立任意两个参考点的相关矩阵;所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;所述根据所述指纹数据库建立任意两个参考点的相关矩阵;
根据所述相关矩阵确定每一所述参考点的聚类中心;
对所述相关矩阵进行迭代;
当所述聚类中心稳定或达到预设的最大迭代次数时,输出聚类结果;
其中,所述根据所述指纹数据库建立任意两个参考点的相关矩阵,具体包括:
计算所述指纹数据库中任意两个参考点的相似度,构建相似度矩阵;
计算所述相似度矩阵中任意两个参考点之间的吸引度,构建吸引度矩阵;其中,所述吸引度表示所述任意两个参考点中当前参考点作为另一参考点的聚类中心的合适程度;
计算所述相似度矩阵中任意两个参考点之间的归属度,构建归属度矩阵;其中,所述归属度表示所述任意两个参考点中另一参考点作为当前参考点的聚类中心的合适程度。
2.如权利要求1所述的定位系统的指纹数据库聚类方法,其特征在于,所述根据所述相关矩阵确定每一所述参考点的聚类中心,具体包括:
选取所述吸引度和所述归属度的和处于最大值时的当前参考点作为另一参考点的聚类中心。
3.如权利要求1所述的定位系统的指纹数据库聚类方法,其特征在于,所述对所述相关矩阵进行迭代,具体包括:
对所述吸引度矩阵和所述归属度矩阵进行迭代。
4.一种定位系统的指纹数据库聚类系统,其特征在于,包括:
位置信息记录模块,用于记录在预设区域内预先设置的若干个参考点的位置信息;
接收电平获取模块,用于获取每一所述参考点采集的来自若干个无线接入点的接收电平;
指纹数据库建立模块,用于根据所述位置信息和所述接收电平建立指纹数据库,满足以下公式:
其中,RM×N为指纹数据库矩阵,L表示所述位置信息,所述参考点的位置信息以坐标的形式表示为Li=(xi,yi),i所述参考点的编号,i=1,2…M;RSS表示所述接收电平,所述参考点采集的接收电平,记为ri=(RSSi,1,RSSi,2…RSSi,N),N为所述无线接入点的总数;
聚类处理模块,用于对所述指纹数据库进行聚类处理,以输出聚类结果;
其中,所述聚类处理模块具体包括:
矩阵构建单元,用于根据所述指纹数据库建立任意两个参考点的相关矩阵;所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;
聚类中心确定单元,用于根据所述相关矩阵确定每一所述参考点的聚类中心;
迭代单元,用于对所述相关矩阵进行迭代;
聚类结果输出单元,用于当所述聚类中心稳定或达到预设的最大迭代次数时,输出聚类结果
其中,所述相关矩阵包括相似度矩阵、吸引度矩阵和归属度矩阵;所述矩阵构建单元具体用于:
计算所述指纹数据库中任意两个参考点的相似度,构建相似度矩阵;
计算所述相似度矩阵中任意两个参考点之间的吸引度,构建吸引度矩阵;其中,所述吸引度表示所述任意两个参考点中当前参考点作为另一参考点的聚类中心的合适程度;
计算所述相似度矩阵中任意两个参考点之间的归属度,构建归属度矩阵;其中,所述归属度表示所述任意两个参考点中另一参考点作为当前参考点的聚类中心的合适程度。
5.一种定位系统的指纹数据库聚类设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的定位系统的指纹数据库聚类方法。
6.一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包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的定位系统的指纹数据库聚类方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010217254.4A CN111563134B (zh) | 2020-03-25 | 2020-03-25 | 定位系统的指纹数据库聚类方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010217254.4A CN111563134B (zh) | 2020-03-25 | 2020-03-25 | 定位系统的指纹数据库聚类方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111563134A CN111563134A (zh) | 2020-08-21 |
CN111563134B true CN111563134B (zh) | 2023-07-14 |
Family
ID=72074153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010217254.4A Active CN111563134B (zh) | 2020-03-25 | 2020-03-25 | 定位系统的指纹数据库聚类方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111563134B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204715B (zh) * | 2021-04-13 | 2024-03-29 | Oppo广东移动通信有限公司 | 用户推荐方法、装置、电子设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009134174A1 (en) * | 2008-04-29 | 2009-11-05 | Telefonaktiebolaget L M Ericsson (Publ) | Radio fingerprinting using e-utran measurements |
CN105223546B (zh) * | 2015-09-30 | 2018-03-06 | 西安电子科技大学 | 基于接收信号强度和参考点位置双聚类的室内定位方法 |
CN105813194B (zh) * | 2016-05-06 | 2019-04-23 | 西安电子科技大学昆山创新研究院 | 基于指纹数据库二次校正的室内定位方法 |
-
2020
- 2020-03-25 CN CN202010217254.4A patent/CN111563134B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111563134A (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241903B (zh) | 样本数据清洗方法、装置、计算机设备及存储介质 | |
CN109376596B (zh) | 人脸匹配方法、装置、设备及存储介质 | |
CN110263209B (zh) | 用于生成信息的方法和装置 | |
CN108764951B (zh) | 用户相似度获得方法和装置、设备、存储介质 | |
CN111444363A (zh) | 一种图片检索方法、装置、终端设备及存储介质 | |
CN105338537B (zh) | 一种新增基站站址共享分析的方法及终端 | |
CN110796135A (zh) | 目标的定位方法及装置、计算机设备、计算机存储介质 | |
CN112328715A (zh) | 视觉定位方法及相关模型的训练方法及相关装置、设备 | |
CN111915657A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
CN111563134B (zh) | 定位系统的指纹数据库聚类方法、系统、设备和存储介质 | |
CN113108792A (zh) | Wi-Fi指纹地图重建方法、装置、终端设备及介质 | |
CN110189252B (zh) | 生成平均脸图像的方法和装置 | |
CN116337072A (zh) | 一种工程机械的建图、方法、设备、及可读存储介质 | |
CN109712146B (zh) | 一种基于直方图的em多阈值图像分割方法及装置 | |
CN111898408B (zh) | 一种快速人脸识别方法及装置 | |
CN113793174A (zh) | 数据关联方法、装置、计算机设备和存储介质 | |
CN111368860B (zh) | 重定位方法及终端设备 | |
CN114125813B (zh) | 基于手机信令的信号覆盖范围确定方法及相关装置 | |
CN113782092B (zh) | 一种生存期预测模型的生成方法及装置、存储介质 | |
CN113077803B (zh) | 一种语音处理方法、装置、可读存储介质及电子设备 | |
CN114691630A (zh) | 一种智慧供应链大数据共享方法及系统 | |
CN110264333B (zh) | 一种风险规则确定方法和装置 | |
CN114459482A (zh) | 边界简化方法、路径规划方法、装置、设备及系统 | |
CN113868939A (zh) | 一种风功率的概率密度评估方法、装置、设备及介质 | |
CN112329715A (zh) | 一种人脸识别方法、装置、设备及存储介质 |
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 |