CN111726861B - 异构设备室内定位方法、装置、系统和存储介质 - Google Patents
异构设备室内定位方法、装置、系统和存储介质 Download PDFInfo
- Publication number
- CN111726861B CN111726861B CN202010518489.7A CN202010518489A CN111726861B CN 111726861 B CN111726861 B CN 111726861B CN 202010518489 A CN202010518489 A CN 202010518489A CN 111726861 B CN111726861 B CN 111726861B
- Authority
- CN
- China
- Prior art keywords
- positioning
- fingerprint
- heterogeneous
- singular value
- frequency band
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 58
- 239000013598 vector Substances 0.000 claims abstract description 48
- 238000007635 classification algorithm Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003045 statistical classification method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Collating Specific Patterns (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种异构设备室内定位方法、装置、系统和存储介质,该方法包括:针对每个采集区域,应用设定采集设备采集定位指纹,其中,定位指纹包括MAC地址和信号强度值;对各个定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个定位指纹进行处理,以得到每个采集区域的特征向量;按照设定频段划分规则对各个特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个特征向量进行训练,得到定位模型;将待定位的异构设备的目标待定位指纹输入至定位模型,得到待定位的异构设备的位置。提高了异构设备室内定位的准确性。
Description
技术领域
本发明涉及定位技术领域,具体涉及一种异构设备室内定位方法、装置、系统和存储介质。
背景技术
异构,是指两个或以上的无线通信系统采用了不同的接入技术,或者,采用相同的无线接入技术,但是属于不同的无线制造商。符合异构条件的设备可以称为异构设备,比如,不同的手机或者包含WIFI模块或蓝牙模块。
在进行定位时,由于不同厂家相关模块的调校及性能差异,导致不同设备之间定位不准确的问题,即异构设备进行定位时不准确的问题。
发明内容
有鉴于此,提供一种异构设备室内定位方法、装置、系统和存储介质,以解决相关技术中异构设备定位不准确的问题。
本发明采用如下技术方案:
第一方面,本申请实施例提供了一种异构设备室内定位方法,该方法包括:
针对每个采集区域,应用设定采集设备采集定位指纹,其中,所述定位指纹包括MAC地址和信号强度值;
对各个所述定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个所述定位指纹进行处理,以得到每个采集区域的特征向量;
按照设定频段划分规则对各个所述特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个所述特征向量进行训练,得到定位模型;
将待定位的异构设备的目标待定位指纹输入至所述定位模型,得到所述待定位的异构设备的位置。
第二方面,本申请实施例提供了一种异构设备室内定位装置,该装置包括:
数据采集模块,用于针对每个采集区域,应用设定采集设备采集定位指纹,其中,所述定位指纹包括MAC地址和信号强度值;
数据处理模块,用于对各个所述定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个所述定位指纹进行处理,以得到每个采集区域的特征向量;
训练模块,用于按照设定频段划分规则对各个所述特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个所述特征向量进行训练,得到定位模型;
定位模块,用于将待定位的异构设备的目标待定位指纹输入至所述定位模型,得到所述待定位的异构设备的位置。
第三方面,本申请实施例提供了一种系统,该系统包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行本申请实施例第一方面所述的异构设备室内定位方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
第四方面,本申请实施例提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如第一方面所述的异构设备室内定位方法中各个步骤。
本申请实施例中,应用设定采集设备采集定位指纹,在数据采集层面进行数据归一化处理,与相关技术中的采用众包方式进行构建相比,不会引入过多噪声,提高了异构设备室内定位的准确度。对采集到的不同频段的数据进行分频段的设定规则进行处理,既能从整体数据进行分析,也可以不损失每个频段的特性,这样可以在后续处理时,针对一帧数据进行多次定位,保留数据的细节特征,以此进一步提升异构设备间定位准确性,并支撑更多的分析能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种异构设备室内定位方法的流程图;
图2是本申请实施例中适用的一种采集区域示意图;
图3是本申请实施例提供的一种异构设备室内定位装置的结构示意图;
图4是本申请实施例提供的一种异构设备室内定位系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。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做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
首先对本申请实施例中应用到的相关技术进行说明。现有定位技术主要有WIFI定位和蓝牙定位,而WIFI定位技术主要有近邻法和指纹法两种。其中,近邻法中,选取最为靠近的WIFI设备认为是当前位置,如果附近有三个或者三个以上的设备,则可通过三角定位来进行判断。由于WIFI设备信号强度受周围环境影响较大,因此精度较低。指纹法中,对定位区域进行网格划分,针对每个网格采集WIFI指纹,而后可通过特征提取算法生成对应模型,通过对比需要定位的设备采集到的WIFI指纹即可确定当前位置。但现阶段,存在不同厂家设备针对同一模型进行定位时,无法保证精度的问题,也就是本申请要解决的异构设备室内定位不准确的问题。而蓝牙定位的技术原理与WIFI类似,但是每次定位时需要重新部署Beacon,因此,蓝牙定位不如WIFI定位方便。
图1为本发明实施例提供的一种异构设备室内定位方法的流程图,该方法可以由本发明实施例提供的异构设备室内定位装置来执行,该装置可采用软件和/或硬件的方式实现。参考图1,该方法具体可以包括如下步骤:
S101、针对每个采集区域,应用设定采集设备采集定位指纹,其中,定位指纹包括MAC地址和信号强度值。
在一个具体的例子中,图2示出了一种采集区域示意图,针对每个采集区域,应用设定采集设备进行数据采集。其中,设定采集设备包括蓝牙模块和/或WIFI模块,其中,各个设定采集设备的蓝牙模块相同,各个设定采集设备的WIFI模块相同。也即,设定采集设备中只要有WIFI模块或者蓝牙模块,或者同时包含二者,而且,各个设定采集设备的蓝牙模块相同,WIFI模块也相同,这样在数据采集过程为数据归一化提供了保证。
可选的,应用设定采集设备对每个无线访问接入点或者信标的信号强度进行采集,以确定定位指纹。其中,AP(Wireless Access Point,无线访问接入点)又称为无线接入点,用于无线网络的无线交换机,也是无线网络的核心。信标,又被称为Beacon,Beacon帧可以用来测量RSSI(接收的信号强度指示,Received Signal Strength Indication)。具体的,应用设定采集设备对每个无线访问接入点或者信标的信号强度进行采集,以确定定位指纹。在一个具体的例子中,AP可以是路由器,Beacon可以是蓝牙采集模块的相关参数,均可以用来确定信号强度。
其中,MAC地址(Media Access Control Address,媒体存取控制位址),也称为局域网地址或物理地址,用来确认网络设备的位置。
S102、对各个定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个定位指纹进行处理,以得到每个采集区域的特征向量。
其中,奇异值处理常用于信号处理和统计学等领域,比如数据压缩或者降噪,奇异值处理可以通过不同的算法实现。在一个具体的例子中,可以是去掉定位指纹中的最大值和最小值。具体的,在对各个定位指纹进行奇异值处理后,按照信号强度值从大到小的顺序对奇异值处理后的各个定位指纹进行排序;计算奇异值处理后的各个定位指纹的信号强度值的均值和方差。其中,均值又可以称为平均数,是表示一组数据集中趋势的量数,是指在一组数据中所有数据之和再除以这组数据的个数,是反映数据集中趋势的一项指标。在统计工作中,均值和标准差是描述数据资料集中趋势和离散程度的两个最重要测测度值。方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量,用来度量随机变量和其均值之间的偏离程度,是衡量源数据和均值相差的度量值。这样,得到的每个采集区域的特征向量中,各个元素中包括定位指纹的信号强度值、均值和方差。
S103、按照设定频段划分规则对各个特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个特征向量进行训练,得到定位模型。
其中,设定频段包括2.4G频段、5G频段,以及,2.4G频段与5G频段的混合频段;分类算法包括贝叶斯分类算法、随机向量算法或随机森林算法。
具体的,2.4G(2.4rd-Generation,第三代移动通信技术)和5G(5rd-Generation,第五代移动通信技术)是不同频段的信号。分类标准中,设定频段包括2.4G频段、5G频段,或者,2.4G频段和5G频段的混合频段。这样,将各个特征向量进行分类处理。
其中,分类算法可以包括贝叶斯分类算法(Bayes,NB)、随机向量算法和随机森林算法,贝叶斯分类算法是统计学的一种分类方法,利用概率统计知识进行分类,可以与决策树和神经网络分类算法效果相当,该算法能运用到大型数据库中,而且方法简单、分类准确率高、速度快。随机向量是由多个随机变量组成的向量,随机向量算法用于描述一些随机的且不能完全刻画的现象。随机森林算法是指利用多棵决策树对样本进行训练并预测的一种算法,是一个包含多个决策树的算法,其输出的类别是由个别决策树输出的类别的众树来决定的。具体的,针对不同类别的特征向量,将各个特征向量包括的数据分为训练样本,应用分类算法对各个特征向量进行训练,得到定位模型。
S104、将待定位的异构设备的目标待定位指纹输入至定位模型,得到待定位的异构设备的位置。
示例性的,将待定位的异构设备的定位指纹进行奇异值处理并按设定规则进行处理后得到目标待定位指纹,该奇异值处理方式以及设定规则分别与训练过程中相应的处理方式相同,比如,在训练过程中的奇异值的处理方式为去掉一个最大值和一个最小值,其余的参与模型的训练;设定规则是均值与方差处理,则在定位过程中,对待定位的异构设备待定位指纹也是进行相同的处理得到目标待定位指纹。相应的,定位模型的输入为待定位指纹,输出为位置信息。因此,将待定位的异构设备的目标待定位指纹输入至定位模型,得到待定位的异构设备的位置。
本申请实施例中,应用设定采集设备采集定位指纹,在数据采集层面进行数据归一化处理,与相关技术中的采用众包方式进行构建相比,不会引入过多噪声,提高了异构设备室内定位的准确度。对采集到的不同频段的数据进行分频段的设定规则进行处理,既能从整体数据进行分析,也可以不损失每个频段的特性,这样可以在后续处理时,针对一帧数据进行多次定位,保留数据的细节特征,以此进一步提升异构设备间定位准确性,并支撑更多的分析能力。
图3是本发明是实施例提供的一种异构设备室内定位装置的结构示意图,该装置适用于执行本发明实施例提供给的一种异构设备室内定位方法。如图3所示,该装置具体可以包括数据采集模块301、数据处理模块302、训练模块303和定位模块304。
其中,数据采集模块301,用于针对每个采集区域,应用设定采集设备采集定位指纹,其中,定位指纹包括MAC地址和信号强度值;数据处理模块302,用于对各个定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个定位指纹进行处理,以得到每个采集区域的特征向量;训练模块303,用于按照设定频段划分规则对各个特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个特征向量进行训练,得到定位模型;定位模块304,用于将待定位的异构设备的目标待定位指纹输入至定位模型,得到待定位的异构设备的位置。
本申请实施例中,应用设定采集设备采集定位指纹,在数据采集层面进行数据归一化处理,与相关技术中的采用众包方式进行构建相比,不会引入过多噪声,提高了异构设备室内定位的准确度。对采集到的不同频段的数据进行分频段的设定规则进行处理,既能从整体数据进行分析,也可以不损失每个频段的特性,这样可以在后续处理时,针对一帧数据进行多次定位,保留数据的细节特征,以此进一步提升异构设备间定位准确性,并支撑更多的分析能力。
可选的,设定采集设备包括蓝牙模块和/或WIFI模块,其中,各个设定采集设备的蓝牙模块相同,各个设定采集设备的WIFI模块相同。
可选的,数据处理模块302具体用于:
按照信号强度值从大到小的顺序对奇异值处理后的各个定位指纹进行排序;
计算奇异值处理后的各个定位指纹的信号强度值的均值和方差。
可选的,设定频段包括2.4G频段、5G频段,以及,2.4G频段与5G频段的混合频段。
可选的,待定位的异构设备的目标待定位指纹为待定位的异构设备的定位指纹进行奇异值处理并按设定规则进行处理后得到的。
可选的,分类算法包括贝叶斯分类算法、随机向量算法或随机森林算法。
可选的,数据采集模块301具体用于:
应用设定采集设备对每个无线访问接入点或者信标的信号强度进行采集,以确定定位指纹。
本发明实施例提供的异构设备室内定位装置可执行本发明任意实施例提供的异构设备室内定位方法,具备执行方法相应的功能模块和有益效果。
本发明实施例还提供一种异构设备室内定位系统,请参阅图4,图4为一种异构设备室内定位系统的结构示意图,如图4所示,该系统包括:处理器410,以及与处理器410相连接的存储器420;存储器420用于存储计算机程序,计算机程序至少用于执行本发明实施例中的异构设备室内定位方法;处理器410用于调用并执行所述存储器中的所述计算机程序;上述异构设备室内定位至少包括如下步骤:针对每个采集区域,应用设定采集设备采集定位指纹,其中,定位指纹包括MAC地址和信号强度值;对各个定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个定位指纹进行处理,以得到每个采集区域的特征向量;按照设定频段划分规则对各个特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个特征向量进行训练,得到定位模型;将待定位的异构设备的目标待定位指纹输入至定位模型,得到待定位的异构设备的位置。
本发明实施例还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如本发明实施例中的异构设备室内定位方法中各个步骤:针对每个采集区域,应用设定采集设备采集定位指纹,其中,定位指纹包括MAC地址和信号强度值;对各个定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个定位指纹进行处理,以得到每个采集区域的特征向量;按照设定频段划分规则对各个特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个特征向量进行训练,得到定位模型;将待定位的异构设备的目标待定位指纹输入至定位模型,得到待定位的异构设备的位置。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (9)
1.一种异构设备室内定位方法,其特征在于,包括:
针对每个采集区域,应用设定采集设备采集定位指纹,其中,所述定位指纹包括MAC地址和信号强度值;
对各个所述定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个所述定位指纹进行处理,以得到每个采集区域的特征向量;
按照设定频段划分规则对各个所述特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个所述特征向量进行训练,得到定位模型;
将待定位的异构设备的目标待定位指纹输入至所述定位模型,得到所述待定位的异构设备的位置;
所述按照设定规则对奇异值处理后的各个所述定位指纹进行处理包括:
按照信号强度值从大到小的顺序对奇异值处理后的各个所述定位指纹进行排序;
计算奇异值处理后的各个所述定位指纹的信号强度值的均值和方差。
2.根据权利要求1所述的方法,其特征在于,所述设定采集设备包括蓝牙模块和/或WIFI模块,其中,各个设定采集设备的蓝牙模块相同,各个设定采集设备的WIFI模块相同。
3.根据权利要求1所述的方法,其特征在于,所述设定频段包括2.4G频段、5G频段,以及,2.4G频段与5G频段的混合频段。
4.根据权利要求1所述的方法,其特征在于,所述待定位的异构设备的目标待定位指纹为所述待定位的异构设备的定位指纹进行奇异值处理并按所述设定规则进行处理后得到的。
5.根据权利要求1所述的方法,其特征在于,所述分类算法包括贝叶斯分类算法、随机向量算法或随机森林算法。
6.根据权利要求1所述的方法,其特征在于,所述应用设定采集设备采集定位指纹,包括:
应用设定采集设备对每个无线访问接入点或者信标的信号强度进行采集,以确定定位指纹。
7.一种异构设备室内定位装置,其特征在于,包括:
数据采集模块,用于针对每个采集区域,应用设定采集设备采集定位指纹,其中,所述定位指纹包括MAC地址和信号强度值;
数据处理模块,用于对各个所述定位指纹进行奇异值处理,并按照设定规则对奇异值处理后的各个所述定位指纹进行处理,以得到每个采集区域的特征向量;
训练模块,用于按照设定频段划分规则对各个所述特征向量进行分类,针对不同类别的特征向量,应用分类算法对各个所述特征向量进行训练,得到定位模型;
定位模块,用于将待定位的异构设备的目标待定位指纹输入至所述定位模型,得到所述待定位的异构设备的位置;
数据处理模块,具体用于:
按照信号强度值从大到小的顺序对奇异值处理后的各个所述定位指纹进行排序;
计算奇异值处理后的各个所述定位指纹的信号强度值的均值和方差。
8.一种异构设备室内定位系统,其特征在于,包括:
处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行权利要求1-6任一项所述的异构设备室内定位方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
9.一种存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-6任一项所述的异构设备室内定位方法中各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518489.7A CN111726861B (zh) | 2020-06-09 | 2020-06-09 | 异构设备室内定位方法、装置、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010518489.7A CN111726861B (zh) | 2020-06-09 | 2020-06-09 | 异构设备室内定位方法、装置、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111726861A CN111726861A (zh) | 2020-09-29 |
CN111726861B true CN111726861B (zh) | 2022-09-13 |
Family
ID=72567795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010518489.7A Expired - Fee Related CN111726861B (zh) | 2020-06-09 | 2020-06-09 | 异构设备室内定位方法、装置、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111726861B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438733B (zh) * | 2021-06-21 | 2022-10-11 | 中国电信股份有限公司 | 基于5g和wifi实现室内定位的系统、方法及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103347297A (zh) * | 2013-07-26 | 2013-10-09 | 闫文闻 | 一种室内定位方法、室内定位服务器和室内定位系统 |
CN104090984A (zh) * | 2014-07-25 | 2014-10-08 | 哈尔滨工业大学 | 一种用于室内定位的异构指纹数据库设计方法 |
CN106093852A (zh) * | 2016-05-27 | 2016-11-09 | 东华大学 | 一种提高WiFi指纹定位精度与效率的方法 |
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 |
CN107347181A (zh) * | 2017-07-11 | 2017-11-14 | 南开大学 | 一种基于双频Wi‑Fi信号的室内定位方法 |
CN110769499A (zh) * | 2019-11-05 | 2020-02-07 | 应急管理部沈阳消防研究所 | 一种基于双射频混合rssi指纹定位方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106455050A (zh) * | 2016-09-23 | 2017-02-22 | 微梦创科网络科技(中国)有限公司 | 一种基于蓝牙与Wifi的室内定位方法、装置及系统 |
GB201704216D0 (en) * | 2017-03-16 | 2017-05-03 | Ranplan Wireless Network Design Ltd | WIFI multi-band fingerprint-based indoor positioning |
CN107290715B (zh) * | 2017-07-18 | 2019-05-14 | 华中科技大学 | 一种基于指纹校准和指纹转换的室内定位方法 |
CN108924756B (zh) * | 2018-06-30 | 2020-08-18 | 天津大学 | 基于WiFi双频带的室内定位方法 |
-
2020
- 2020-06-09 CN CN202010518489.7A patent/CN111726861B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103347297A (zh) * | 2013-07-26 | 2013-10-09 | 闫文闻 | 一种室内定位方法、室内定位服务器和室内定位系统 |
CN104090984A (zh) * | 2014-07-25 | 2014-10-08 | 哈尔滨工业大学 | 一种用于室内定位的异构指纹数据库设计方法 |
CN106093852A (zh) * | 2016-05-27 | 2016-11-09 | 东华大学 | 一种提高WiFi指纹定位精度与效率的方法 |
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 |
CN107347181A (zh) * | 2017-07-11 | 2017-11-14 | 南开大学 | 一种基于双频Wi‑Fi信号的室内定位方法 |
CN110769499A (zh) * | 2019-11-05 | 2020-02-07 | 应急管理部沈阳消防研究所 | 一种基于双射频混合rssi指纹定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111726861A (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112825576B (zh) | 小区扩容的确定方法、装置以及存储介质 | |
CN111867049A (zh) | 定位方法、装置及存储介质 | |
CN109189876B (zh) | 一种数据处理方法及装置 | |
CN112867147B (zh) | 定位方法和定位装置 | |
WO2021058328A1 (en) | Method, apparatus and computer program for supporting location services requirements | |
CN111726861B (zh) | 异构设备室内定位方法、装置、系统和存储介质 | |
Sun et al. | A novel GCN based indoor localization system with multiple access points | |
CN114615670B (zh) | 一种评估方法及装置 | |
CN113055901B (zh) | 一种终端定位的方法和装置 | |
Ramamurthy et al. | Ml-based classification of device environment using wi-fi and cellular signal measurements | |
Roy et al. | Indoor localization using stable set of wireless access points subject to varying granularity levels | |
CN106658533B (zh) | 一种考虑用户分布的空域流量特征提取方法 | |
CN114465681A (zh) | 一种用于电力物联网的多节点协作频谱感知方法及装置 | |
CN111835541B (zh) | 一种流量识别模型老化检测方法、装置、设备及系统 | |
WO2018096024A1 (en) | Determining coverage efficiency of an access point in a wireless network | |
CN113301580B (zh) | 信息处理方法、装置、电子设备及存储介质 | |
WO2022062908A1 (zh) | 一种配置切换配置信息的方法及装置 | |
CN112533253B (zh) | 移动网络信号强度计算方法、装置、电子设备及存储介质 | |
CN112181767B (zh) | 软件系统异常的确定方法、装置和存储介质 | |
JP2019115041A (ja) | 無線ネットワークアクセスポイントの数を確定する方法、装置及び端末装置 | |
WO2021052387A1 (zh) | 检测干扰源的方法、装置、设备、系统和存储介质 | |
CN114449435B (zh) | 基于大间隔近邻的度量学习的指纹定位方法 | |
CN111935817B (zh) | 一种基于八阵图的ap选取定位方法、装置及智能设备 | |
CN117479330A (zh) | 质差小区识别方法、装置、计算机设备、存储介质及产品 | |
CN112181767A (zh) | 软件系统异常的确定方法、装置和存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220913 |