CN111629321A - 基于离群点剥离的中值卡尔曼滤波的定位方法 - Google Patents
基于离群点剥离的中值卡尔曼滤波的定位方法 Download PDFInfo
- Publication number
- CN111629321A CN111629321A CN202010193137.9A CN202010193137A CN111629321A CN 111629321 A CN111629321 A CN 111629321A CN 202010193137 A CN202010193137 A CN 202010193137A CN 111629321 A CN111629321 A CN 111629321A
- Authority
- CN
- China
- Prior art keywords
- rssi
- positioning
- distance
- mobile terminal
- stripping
- 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.)
- Pending
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于离群点剥离的中值卡尔曼滤波的定位方法,包括获取移动终端在不同距离di的AP的RSSI强度值,并将RSSI归一化处理得到RSSI测距公式;采用线性回归优化、计算得到拟合参数α、η;利用移动终端获得场景中的AP的RSSI信息并且对该RSSI信息进行离群点剥离的中值‑卡尔曼滤波处理,利用离线阶段生成的RSSI测距公式以及滤波后的RSSI信号值获得移动终端与每一个AP的距离di;基于多AP综合定位算法获得定位结果,对于定位结果进行卡尔曼滤波进行处理,进而得到稳定的定位结果。本发明可有效地降低定位最大误差,提高了定位精度,且在提高系统精度的同时也不会造成额外的时延,实现了实时高精度定位的效果。
Description
技术领域
本发明属于室内定位的技术领域,具体涉及一种基于离群点剥离的中值卡 尔曼滤波的定位方法。
背景技术
基于室内位置的服务(Indoor LocationBased Service,ILBS)的核心问题就 在室内定位技术上面。目前主要有两种实现方式:三边与三角定位以及指纹定 位。
三边与三角定位技术是一种传统的定位技术,首先测距公式生成移动终端 到三个AP(Acess Point)的距离d1,d2,d3,之后结合这几个AP的位置坐标 (x1,y1),(x2,y2),(x3,y3),可以利用几何关系,计算出移动终端的位置坐标 (x0,y0)。该方法实时性好,算法复杂度较低,但是普遍精度不高,并且测距时 容易收到噪声影响。
指纹识别技术是一种新型的定位技术,首先需要多次反复测量地图上不同 位置(xi,yi)处不同AP的RSSI(Received Signal Strength Indication)信号强度, 建立指纹数据库。再根据实时测量的RSSI信号强度,对RSSI信号实施匹配, 通过机器学习算法估算出当前位置(x0,y0)。指纹识别技术的优点在于精度较高, 但是由于算法复杂度比较高,通常需要服务器辅助计算,造成了较大的延时, 并且建立指纹库需要耗费大量的时间,耗费大量的人力物力。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种基于离群点剥离 的中值卡尔曼滤波的定位方法,以解决现有算法复杂度高、耗费大量的人力物 力的问题。
为达到上述目的,本发明采取的技术方案是:
一种基于离群点剥离的中值卡尔曼滤波的定位方法,其包括:
S1、获取移动终端在不同距离di的AP的RSSI强度值,并将RSSI归一化 处理得到RSSI测距公式:
其中,d为AP到移动终端的距离,RSSIhandle为归一化处理之后的RSSI信 号值,α和η为拟合参数;
S2、采用线性回归优化、计算得到拟合参数α、η,并存储各个AP所在包 含的位置数据集(xi,yi,hi,RSSIcali_testi,Fi),其中,(xi,yi)为AP在环境中的相对 坐标,hi为AP在环境中的相对参照平面高度,RSSIcali_testi为AP的校准RSSI统 计值,Fi为AP在多层建筑中的楼层数;
S3、移动终端获取每个Wi-Fi发射机位置数据集(xi,yi,hi,RSSIcali_testi,Fi);
S4、获取扫描到的所有AP下的RSSI值,并将每个AP最近十个时隙内的 RSSI值缓存在RSSIs[][]二维数组中,其中,RSSIs[i][j]表示APi在第j个时隙内 的RSSI值;
S5、若距离开机尚未满十个时隙时,则直接使用第i行的RSSIs[][]的均值代 表APi的滤波结果作为输出RSSIf[];若距离开机已有十个以上时隙,则对 RSSIs[][]进行离群点剥离的中值卡尔曼滤波,并进入步骤S6;
S6、对滤波完成后的RSSI数据RSSIf[]进行排序,记录排序最大的RSSI值 下的AP的楼层号,并将所述楼层号标记为移动终端所在楼层F0;
S7、将与移动终端位于同一楼层F0的所有AP按照RSSI值进行排序,取出 排序第一至第四的RSSI下的数据和AP信息,并通过AP位置数据集(x1,y1,h1, RSSIcali_test1,F1),(x2,y2,h2,RSSIcali_test2,F2),(x3,y3,h3,RSSIcali_test3,F3),(x4,y4,h4, RSSIcali_test4,F4)和RSSIf1,RSSIf2,RSSIf3,RSSIf4值集,获取得到距离集d1,d2, d3,d4;
S8、基于距离集d1,d2,d3,d4和高度位置信息集h1,h2,h3,h4获得移动 终端与Wi-Fi发射机在同一地面的距离d1′,d2′,d3′,d4′;
S9、根据获得的距离信息d1′,d2′,d3′,d4′和AP位置数据集,并结合移动终 端所在楼层F0,计算得到定位数据(x0,y0,F0)。
优选地,步骤S2中计算得到拟合参数α、η的方法为:
采用线性回归估算环境影响参数α、η:
估算得到α=1.044、η=-0.2553,其中,RSSIhandle_i为参考点测量RSSI信号 归一化之后的值,为RSSIhandle_i的均值,di为参考点到基站的距离, i=1,2,3…10…n,为di的均值。
优选地,步骤S5中若距离开机已有十个以上时隙,则对RSSIs[][]进行离群 点剥离的中值卡尔曼滤波的具体步骤包括:
S5.1、遍历二维数组RSSIs[][]的每一行,将每一行RSSI数据中的最大值以 及最小值剥离,直至最后一行,记剥离之后的数据为RSSIs’[][];
S5.2、遍历RSSIs’[][]中的每一行,获取均值后使用一维数组进行存储,并 将滤波结果记作RSSIm[]:
S5.3、采用卡尔曼滤波对每个AP下的RSSI数据进行处理:
其中,RSSIm的输出结果作为卡尔曼滤波的输入,输入的RSSIm为常数, 故参数都为实数而非矩阵,A=1,P的初始值为2.741在迭代中快速收敛;H=1; Q=1.476;R=3.716。
优选地,S9计算得到定位数据(x0,y0,F0)的具体步骤包括:
S9.1、依次按照AP1AP2AP3,AP1AP2AP4,AP1AP3AP4,AP2AP3AP4的顺序进 行补偿式的三角定位,获取以AP为圆心的三角定位的定位结果:
其中,(xi,yi)为AP1AP2AP3的定位坐标,下标i、j为第i组AP定位结 果中的第j个三角定位交点;
S9.2、获取AP不同组合的定位数据(x1,y1)(x2,y2)(x3,y3)(x4,y4),整合、 计算得到定位结果(x0,y0):
其中,ai为权重参数;
S9.3、结合移动终端所在楼层F0,计算得到定位数据(x0,y0,F0)。
优选地,步骤S9.1中补偿式的三角定位的具体步骤包括:
S9.1.1、计算AP1与AP2,AP1与AP3,,AP3与AP3之间的距离d12,d13,d23;
S9.1.2、对距离di′进行补偿,di′为移动终端到APi′的距离;
S9.1.3、根据补偿后的距离和各个AP的位置计算得到三角定位中的三个交 点(xi1,yi1),(xi2,yi2),(xi3,yi3),其中,下标i、j为第i组AP定位结果中的第j 个三角定位交点;
S9.1.3、根据交点位置(xi1,yi1),(xi2,yi2),(xi3,yi3)的坐标计算AP1AP2AP3 的定位坐标(xi,yi),其中,i为第i组AP的定位结果:
优选地,S9.1.2中对距离di′进行补偿的具体步骤包括:
S9.1.2.1、当d1′+d2′<d12时,AP1与AP2的距离圆之间相离,对相离距离进 行补偿使d1″+d2″=d12,并将计算得到的两圆切点作为三角定位使用的交点 (xi,yi),其中,d1′d2′为补偿之后的距离值,其计算公式为:
S9.1.2.2、当|d1′-d2′|>d12时,AP1与AP2的距离圆之间包含,假设 d1′>d2′+d12,采用距离补偿使|d1″-d2″|=d12,并将计算得到的两圆 切点作为三角定位使用的交点(xi,yi):
S9.1.2.3、当d1′-d2′>d12且|d1′-d2′|>d12时,AP1与AP2的距离圆之间相 交,以AP3为辅助,计算交点A、B至AP3圆心的距离dAO和dBO,比较dAO和dBO两 者的大小,选距离更小的作为交点(xi′,yi′);
S9.1.2.4、当|d1′-d2′|=d12或|d1′-d2′|=d12时,AP1和AP2的距离圆之间 相切,选取切点为两圆的交点(xi,yi)。
本发明提供的基于离群点剥离的中值卡尔曼滤波的定位方法,具有以下有 益效果:
本发明可有效地降低定位最大误差,提高了定位精度,且在提高系统精度 的同时也不会造成额外的时延,实现了实时高精度定位的效果。
附图说明
图1为室内定位系统结构图。
图2为Wi-Fi发射机与参考点的距离图。
图3为空旷实验室下的RSSI测距曲线。
图4为在线定位阶段流程图。
图5为相离情况补偿图。
图6为包含情况补偿图。
图7为相交情况补偿图。
图8为位置1的定位情况。
图9为位置2的定位情况。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理 解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的 普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精 神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保 护之列。
根据本申请的一个实施例,参考图1,本方案的基于离群点剥离的中值卡尔 曼滤波的定位方法,包括服务器、移动终端以及Wi-Fi发射机。
其中,服务器用于存储Wi-Fi发射机信息;
移动终端用于实现RSSI信号采集,RSSI信号处理,室内定位算法,定位 点处理和UI显示;
Wi-Fi发射机用于发射RSSI信号。
本发明方法包括离线阶段和在线阶段,以下将对两个阶段的方法进行详细 描述。
离线阶段
步骤S1、获取移动终端在不同距离di的AP的RSSI强度值,并将RSSI归 一化处理得到RSSI测距公式,其具体步骤包括:
获取移动终端在不同距离di对应AP的RSSI强度值用于生成RSSI测距公式, 实现过程中有若干种方案可以选择,其中主流的分别是为每一个Wi-Fi发射机拟 合一个RSSI测距公式以及为所有的Wi-Fi发射机拟合一个共同的RSSI测距公 式。在一个非常大的空间为每一个Wi-Fi发射机拟合一条符合该Wi-Fi发射机的 RSSI测距公式可以一定程度上提升定位精度。
然而,在实际工程实现中并不可能如此实现,本发明将RSSI信息归一化处 理之后再为所有的Wi-Fi发射机共同拟合一个共同的RSSI测距公式。
RSSIhandle=RSSI/RSSIcali_test
其中,RSSIhandle是归一化处理之后的RSSI信号值,RSSIcali_test是测试时统 计的校准RSSI值。
η=n/RSSIcali_test是归一化处理之后的路径损耗因子。
α=RSSIcali/RSSIcali_test是归一化之后的校准RSSI的值。
最终生成归一化的RSSI测距公式:
步骤S2、采用线性回归优化、计算得到拟合参数α、η,其具体步骤包括:
采用线性回归优化利用不同距离di采集的RSSI值生成参数α、η,并将各 个AP所在包含的信息(xi,yi,hi,RSSIcali_testi,Fi)保存在服务器的Wi-Fi信息存储模 块中,以备在线定位阶段使用。
参考图2,以空旷实验室为例,假设图中总共有n个参考点,并且从参考点 到基站的距离是d1,d2,d3...dn。在参考点测量RSSI信号归一化之后的 值,由RSSIhandle_1,RSSIhandle_2,......RSSIhandle_n表示。
RSSIhandle_i和di是已知的,其中i=1,2,3...10...n,利用线性回归估算环境 影响参数α和η,估算过程正如下:
其中,AP信息集中hi是AP在环境中的相对参照平面的高度,(xi,yi)是AP 在环境中的相对坐标,RSSIcali_testi是AP的校准RSSI统计值,Fi是AP在多层 建筑中的楼层数。
使用华为的WS5102四天线Wi-Fi发射机用作AP基站,其传输功率模式设 置为标准模式,在空旷实验室的室内环境中测量RSSI信号值,归一化处理之后 通过线性分析计算结果回归。RSSI-d测量下的回归分析结果如图3所示。
得到拟合参数α=1.044,η=-0.2553。
在线阶段
需要利用移动终端获得场景中的AP的RSSI信息并且对该RSSI信息进行 离群点剥离的中值-卡尔曼滤波处理,之后利用离线阶段生成的RSSI测距公式 以及滤波后的RSSI信号值获得移动终端与每一个AP的距离di。最后利用多AP 综合定位算法获得定位结果,对于定位结果再进行卡尔曼滤波进行处理,进而 得到稳定的定位结果,参考图4,其具体步骤包括:
步骤S3、移动终端从远端服务器获得每个Wi-Fi发射机位置数据集(xi,yi,hi,RSSIcali_testi,Fi)。
步骤S4、获取所有扫描到的AP的RSSI值,并将所有AP的最近十个时隙 内的RSSI值缓存在RSSIs[][]二维数组中,其中,RSSIs[i][j]为APi在第j个时隙 内的RSSI值。
步骤S5、若距离开机尚未满十个时隙,则直接使用第i行的RSSIs[][]的均 值代表APi的滤波结果作为输出RSSIf[]。若距离开机已有十个以上时隙,则进 行离群点剥离的中值卡尔曼滤波,其具体步骤包括:
步骤S5.1、遍历二维数组的每一行,将每一行RSSI数据中的最大值以及最 小值剥离,直至最后一行,记剥离之后的数据为RSSIs’[][]。
需要剥离RSSIs[][]中每一个AP的RSSI信息中的所有的离群点,其中最容 易获得的离群点就是这组数据中的最大值和最小值,将他们剥离出去所需要的 复杂度也较低。
步骤S5.2、遍历RSSIs’[][]中的每一行,一行对应一个AP的RSSI数据,获 取均值后则使用一维数组进行存储,并将滤波结果记作RSSIm[]:
步骤S5.3、对于RSSIm[]需要进行卡尔曼滤波对每个AP对应的RSSI数据 再一次处理,在三次处理之后,原本获取到的波动较大的RSSI数据便会变得十 分稳定,可以达到高精度定位的要求,将滤波后的数据记作RSSIf[]。
其中,RSSIm为输出的结果作为卡尔曼滤波的输入,由于输入RSSIm为常 数,因次式中参数都为实数而非矩阵。式中:A=1,P的初始值为2.741在迭代 中很快收敛;H=1;Q=1.476;R=3.716。
步骤S6、对滤波完成的RSSI数据RSSIf[]进行排序,找到最大的RSSI值以 及对应的AP,通过AP数据集和AP位置数据集将该AP的楼层号Fi记录下来, 将它标记为移动终端所在楼层F0。
步骤S7、对所有有效的AP(与移动终端在同一楼层F0)根据其RSSI值进 行排序,并取出最大的RSSI到第四大的RSSI对应的数据,并获取相应的AP 信息,并通过AP位置数据集:
(x1,y1,h1,RSSIcali_test1,F1),(x2,y2,h2,RSSIcali_test2,F2)
(x3,y3,h3,RSSIcali_test3,F3)(x4,y4,h4,RSSIcali_test4,F4)和获取到的
RSSIf1,RSSIf2,RSSIf3,RSSIf3值集获取距离集d1,d2,d3,d4。
步骤S8、消除AP与移动台高度差hi-h0的影响,利用距离集d1,d2,d3, d4以及高度位置信息集h1,h2,h3,h4获得移动终端与Wi-Fi发射机在同一地面 的距离为d1′,d2′,d3′,d4′。
步骤S9、根据获得的距离信息d1′,d2′,d3′,d4′和AP位置数据集,并结合移 动终端所在楼层F0,计算得到定位数据(x0,y0,F0),其具体步骤包括:
步骤S9.1、依次按照AP1AP2AP3,AP1AP2Ap4,AP1AP3AP4,AP2AP3AP4的顺 序进行补偿式的三角定位算法,获取以上述AP为圆心的三角定位定位结果,其 具体步骤包括:
步骤S9.1.1、计算出AP1与AP2,AP1与Ap3,AP2与AP3彼此之间的距离为 d12,d13,d23,并以Ap1与AP2为例对补偿式方法进行描述。
步骤S9.1.2、在对距离di′进行补偿之前,di′为移动终端到对应APi′的距离, di′越小,距离越近,所以补偿时应该视di′大小为条件进行补偿,其具体步骤包 括:
步骤S9.1.2.1、参考图5,当d1′+d2′<d12时,AP1与AP2的距离圆之间相离, 没有一个交点,如图所示,使用补偿算法使d1″+d2″=d12:
算出两圆切点,作为三角定位使用的交点(xi,yi)。
步骤S9.1.2.2、参考图6,当|d1′-d2′|>d12时,AP1与AP2的距离圆之间包 含,没有一个交点,不妨假设d1′>d2′+d12,如图所示,进行补偿使 |d1″-d2″|=d12:
之后算出两圆切点,作为三角定位使用的交点(xi,yi)。
步骤S9.1.2.3、参考图7,当d1'+d2'>d12且|d1'+d2'|>d12时,AP1与AP2的距离圆之间相交,以AP3为辅助,计算交点A、B至AP3圆心的距离dAO和dBO, 比较两者的大小,选距离更小的作为交点;选取过程如图所示,距离AP3更近的 点作为交点(xi′,yi′)。
步骤S9.1.2.4、当|d1′-d2′|=d12或d1′+d2′=d12时,AP1与AP2的距离圆 之间恰好相切,选取切点为两圆的交点(xi,yi)。
步骤S9.1.3、利用补偿后的距离以及各个AP的位置计算出三角定位中的三 个交点(xi1,yj1),(xi2,yj2),(xi3,yi3),其中下标ij标识第i组AP定位结果中的第 j个三角定位交点。
步骤S9.1.4、根据交点位置(xi1,yi1),(xi2,yi2),(xi3,yi3)的坐标计算最后的AP1AP2AP3的定位坐标(xi,yi),i为第i组AP的定位结果:
步骤S9.2、获取AP不同组合的定位数据(x1,y1)(x2,y2)(x3,y3)(x4,y4)之后,使 用下式将定位数据进行整合获取最终的定位结果(x0,y0),式中的权重参数ai是根 据多次测试得到的数据进行最优化得到的结论,其值如下表。
a<sub>1</sub> | a<sub>2</sub> | a<sub>3</sub> | a<sub>4</sub> |
0.4 | 0.25 | 0.2 | 0.15 |
步骤S9.3、结合移动终端所在楼层F0,计算得到定位数据(x0,y0,F0)。
假设测试点的实际坐标为(xredl,yreal),定位算法估算的位置坐标为 (xtest,yyest)。则基于移动终端的室内定位系统的定位误差er为:
为了验证定位算法的性能,在实验环境中2个不同的位置分别选取了1000 组测试数据,在相同实验场景,相同的实验数据下分别使用5中叙述的定位算 法以及传统室内定位算法进行了MATLAB仿真,并进行了性能分析。
在图8、图9中,顶部显示的是数据的平均误差。在所选的数千组测试数据 中,蜂窝区域限制室内定位算法的误差比传统三角定位算法要小,改进的定位 算法的最大误差在1m之内,平均误差在0.3m~0.5m之间,相比传统算法定位误 差较小,并且系统延时也比较小可以实现实时定位的效果。
本发明可有效地降低定位最大误差,提高了定位精度,且在提高系统精度的 同时也不会造成额外的时延,实现了实时高精度定位的效果。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对 本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不 经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (6)
1.一种基于离群点剥离的中值卡尔曼滤波的定位方法,其特征在于,包括:
S1、获取移动终端在不同距离di的AP的RSSI强度值,并将RSSI归一化处理得到RSSI测距公式:
其中,d为AP到移动终端的距离,RSSIhandle为归一化处理之后的RSSI信号值,α和η为拟合参数;
S2、采用线性回归优化、计算得到拟合参数α、η,并存储各个AP所在包含的位置数据集(xi,yi,hi,RSSIcali_testi,Fi),其中,(xi,yi)为AP在环境中的相对坐标,hi为AP在环境中的相对参照平面高度,RSSIcali_testi为AP的校准RSSI统计值,Fi为AP在多层建筑中的楼层数;
S3、移动终端获取每个Wi-Fi发射机位置数据集(xi,yi,hi,RSSIcali_testi,Fi);
S4、获取扫描到的所有AP下的RSSI值,并将每个AP最近十个时隙内的RSSI值缓存在RSSIs[][]二维数组中,其中,RSSIs[i][j]表示APi在第j个时隙内的RSSI值;
S5、若距离开机尚未满十个时隙时,则直接使用第i行的RSSIs[][]的均值代表APi的滤波结果作为输出RSSIf[];若距离开机已有十个以上时隙,则对RSSIs[][]进行离群点剥离的中值卡尔曼滤波,并进入步骤S6;
S6、对滤波完成后的RSSI数据RSSIf[]进行排序,记录排序最大的RSSI值下的AP的楼层号,并将所述楼层号标记为移动终端所在楼层F0;
S7、将与移动终端位于同一楼层F0的所有AP按照RSSI值进行排序,取出排序第一至第四的RSSI下的数据和AP信息,并通过AP位置数据集(x1,y1,h1,RSSIcali_test1,F1),(x2,y2,h2,RSSIcali_test2,F2),(x3,y3,h3,RSSIcali_test3,P3),(x4,y4,h4,RSSIcali_test4,F4)和RSSIf1,RSSIf2,RSSIf3,RSSIf4值集,获取得到距离集d1,d2,d3,d4;
S8、基于距离集d1,d2,d3,d4和高度位置信息集h1,h2,h3,h4获得移动终端与Wi-Fi发射机在同一地面的距离d1′,d2′,d3′,d4′;
S9、根据获得的距离信息d1′,d2′,d3′,d4′和AP位置数据集,并结合移动终端所在楼层F0,计算得到定位数据(x0,y0,F0)。
3.根据权利要求1所述的基于离群点剥离的中值卡尔曼滤波的定位方法,其特征在于:所述步骤S5中若距离开机已有十个以上时隙,则对RSSIs[][]进行离群点剥离的中值卡尔曼滤波的具体步骤包括:
S5.1、遍历二维数组RSSIs[][]的每一行,将每一行RSSI数据中的最大值以及最小值剥离,直至最后一行,记剥离之后的数据为RSSIs’[][];
S5.2、遍历RSSIs’[][]中的每一行,获取均值后使用一维数组进行存储,并将滤波结果记作RSSIm[]:
S5.3、采用卡尔曼滤波对每个AP下的RSSI数据进行处理:
其中,RSSIm的输出结果作为卡尔曼滤波的输入,输入的RSSIm为常数,故参数都为实数而非矩阵,A=1,P的初始值为2.741在迭代中快速收敛;H=1;Q=1.476;R=3.716。
4.根据权利要求1所述的基于离群点剥离的中值卡尔曼滤波的定位方法,其特征在于:所述S9计算得到定位数据(x0,y0,F0)的具体步骤包括:
S9.1、依次按照AP1AP2AP3,AP1AP2AP4,AP1AP3AP4,AP2AP3AP4的顺序进行补偿式的三角定位,获取以AP为圆心的三角定位的定位结果:
其中,(xi,yi)为AP1AP2AP3的定位坐标,下标i、j为第i组AP定位结果中的第j个三角定位交点;
S9.2、获取AP不同组合的定位数据(x1,y1)(x2,y2)(x3,y3)(x4,y4),整合、计算得到定位结果(x0,y0):
其中,ai为权重参数;
S9.3、结合移动终端所在楼层F0,计算得到定位数据(x0,y0,F0)。
5.根据权利要求4所述的基于离群点剥离的中值卡尔曼滤波的定位方法,其特征在于:所述步骤S9.1中补偿式的三角定位的具体步骤包括:
S9.1.1、计算AP1与AP2,AP1与AP3,,AP2与AP3之间的距离d12,d13,d23;
S9.1.2、对距离di′进行补偿,di′为移动终端到APi′的距离;
S9.1.3、根据补偿后的距离和各个AP的位置计算得到三角定位中的三个交点(xi1,yi1),(xi2,yi2),(xi3,yi3),其中,下标i、j为第i组AP定位结果中的第j个三角定位交点;
S9.1.3、根据交点位置(xi1,yi1),(xi2,yi2),(xi3,yi3)的坐标计算AP1AP2AP3的定位坐标(xi,yi),其中,i为第i组AP的定位结果:
6.根据权利要求5所述的基于离群点剥离的中值卡尔曼滤波的定位方法,其特征在于:所述S9.1.2中对距离di′进行补偿的具体步骤包括:
S9.1.2.1、当d1′+d2′<d12时,AP1与AP2的距离圆之间相离,对相离距离进行补偿使d1″+d2″=d12,并将计算得到的两圆切点作为三角定位使用的交点(xi,yi),其中,d1′d2′为补偿之后的距离值,其计算公式为:
S9.1.2.2、当|d1′-d2′|>d12时,AP1与AP2的距离圆之间包含,假设d1′>d2′+d12,采用距离补偿使|d1″-d2″|=d12,并将计算得到的两圆切点作为三角定位使用的交点(xi,yi):
S9.1.2.3、当d1′+d2′>d12且|d1′-d2′|>d12时,AP1与AP2的距离圆之间相交,以AP3为辅助,计算交点A、B至AP3圆心的距离dAO和dBO,比较dAO和dBO两者的大小,选距离更小的作为交点(xi′,yi′);
S9.1.2.4、当|d1′-d2′|=d12或d1′+d2′=d12时,AP1与AP2的距离圆之间相切,选取切点为两圆的交点(xi,yi)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193137.9A CN111629321A (zh) | 2020-03-18 | 2020-03-18 | 基于离群点剥离的中值卡尔曼滤波的定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193137.9A CN111629321A (zh) | 2020-03-18 | 2020-03-18 | 基于离群点剥离的中值卡尔曼滤波的定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111629321A true CN111629321A (zh) | 2020-09-04 |
Family
ID=72272978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010193137.9A Pending CN111629321A (zh) | 2020-03-18 | 2020-03-18 | 基于离群点剥离的中值卡尔曼滤波的定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111629321A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI816343B (zh) * | 2022-03-30 | 2023-09-21 | 新加坡商鴻運科股份有限公司 | 提供較佳連線信號的方法、電子裝置及電腦可讀儲存媒體 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110572777A (zh) * | 2019-10-22 | 2019-12-13 | 电子科技大学 | 一种基于蜂窝区域限制辅助定位的方法 |
-
2020
- 2020-03-18 CN CN202010193137.9A patent/CN111629321A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110572777A (zh) * | 2019-10-22 | 2019-12-13 | 电子科技大学 | 一种基于蜂窝区域限制辅助定位的方法 |
Non-Patent Citations (1)
Title |
---|
YUAN YOU,CHANG WU: "Indoor Positioning System With Cellular Network Assistance Based on Received Signal Strength Indication of Beacon", 《IEEE ACCESS》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI816343B (zh) * | 2022-03-30 | 2023-09-21 | 新加坡商鴻運科股份有限公司 | 提供較佳連線信號的方法、電子裝置及電腦可讀儲存媒體 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104703143B (zh) | 一种基于wifi信号强度的室内定位方法 | |
CN111061821B (zh) | 基于改进k值聚类算法的低压配电网拓扑校验方法及系统 | |
CN111327377B (zh) | 场强预测方法、装置、设备及存储介质 | |
CN107948930B (zh) | 基于位置指纹算法的室内定位优化方法 | |
CN102821465B (zh) | 基于分区信息熵增益的wlan室内定位方法 | |
CN110557716B (zh) | 一种基于对数正态模型的室内定位方法 | |
CN104853435B (zh) | 一种基于概率的室内定位方法和装置 | |
CN110047133A (zh) | 一种面向点云数据的列车边界提取方法 | |
CN107360552B (zh) | 一种多分类器全局动态融合的室内定位方法 | |
CN106199500A (zh) | 指纹特征定位方法及装置 | |
CN105652235A (zh) | 基于线性回归算法的wlan室内定位多用户rss融合方法 | |
CN112714493B (zh) | 物体位置定位方法与定位系统 | |
CN112135248A (zh) | 一种基于K-means最优估计的WIFI指纹定位方法 | |
CN110536235B (zh) | 一种基于位置指纹筛选的室内定位方法 | |
CN109302674B (zh) | 一种基于多重滤波的WiFi室内定位方法 | |
CN116008671A (zh) | 一种基于时差和聚类的闪电定位方法 | |
CN111629321A (zh) | 基于离群点剥离的中值卡尔曼滤波的定位方法 | |
CN106488555B (zh) | 一种室内定位方法及装置 | |
CN111474516B (zh) | 一种基于众包样本曲面拟合的多层次室内定位方法及系统 | |
CN113759311B (zh) | 一种定位方法、装置及存储介质 | |
CN110940951A (zh) | 定位方法及设备 | |
CN104684083A (zh) | 一种基于分簇思想的ap选择方法 | |
CN108462940A (zh) | 一种基于WiFi热点的室内定位方法 | |
CN115942231A (zh) | 一种基于rss的5g室外定位方法 | |
CN108093364B (zh) | 一种基于rssi不均匀空间分辨率的改进加权定位方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |
|
RJ01 | Rejection of invention patent application after publication |