CN112015743A - 一种室内定位系统指纹数据库构建方法及装置 - Google Patents
一种室内定位系统指纹数据库构建方法及装置 Download PDFInfo
- Publication number
- CN112015743A CN112015743A CN202010467556.7A CN202010467556A CN112015743A CN 112015743 A CN112015743 A CN 112015743A CN 202010467556 A CN202010467556 A CN 202010467556A CN 112015743 A CN112015743 A CN 112015743A
- Authority
- CN
- China
- Prior art keywords
- sampling points
- fingerprint database
- regression analysis
- gaussian
- indoor positioning
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 96
- 238000000611 regression analysis Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000005259 measurement Methods 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- G06F16/23—Updating
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- H04W4/30—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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种室内定位系统指纹数据库构建方法及装置,构建方法包括:根据预设的间隔在目标区域设置多个采样点,并采集多个采样点的接入点信号;根据协方差函数建立多个采样点之间的相关度矩阵;根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析,得到高斯回归分析结果;根据高斯回归分析结果构建指纹数据库。本发明提供一种室内定位系统指纹数据库构建方法及装置,以解决现有技术指纹数据库无法适用于新环境,导致定位的精度不佳的技术问题。本发明不仅能够减少人工成本,还能够实现自动更新指纹数据库,使指纹数据库适用于新的环境,有利于提高室内定位的精准度和可靠性。
Description
技术领域
本发明涉及室内定位技术领域,尤其是涉及一种室内定位系统指纹数据库构建方法及装置。
背景技术
在基于信号指纹的室内定位系统中,指纹数据库中的信号指纹准确度对定位精度有很大的影响。为了获得准确的定位效果,人们需要对定位区域进行大量的采样,并且通过对采样的数据进行分析,以得到定位区域内各个采样点信号的统计特性,从而构建指纹数据库。
目前,现有的室内定位系统指纹数据库构建方法是测试人员手持接收机在每个采样点进行测量,采集并记录每个采样点接收信号的强度以及采样点的位置坐标,再通过统计分析的方法得到每个采样点的信号指纹,以构建指纹数据库。本申请的发明人在研究中发现,使用现有的室内定位系统指纹数据库构建方法,由于环境的变化使得无线信号的统计特性发生变化,导致指纹数据库无法适用于新环境,定位的精度不佳。
发明内容
本发明提供一种室内定位系统指纹数据库构建方法及装置,以解决现有技术指纹数据库无法适用于新环境,导致定位的精度不佳的技术问题。
本发明第一实施例提供了一种室内定位系统指纹数据库构建方法,包括:
根据预设的间隔在目标区域设置多个采样点,并采集多个所述采样点的接入点信号;
根据协方差函数建立多个所述采样点之间的相关度矩阵;
根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析,得到高斯回归分析结果;
根据所述高斯回归分析结果构建指纹数据库。
进一步地,根据协方差函数建立多个所述采样点之间的相关度矩阵,具体包括:
根据协方差函数和测量误差计算所述多个采样点之间的相关度,根据所述相关度建立多个所述采样点之间的相关度矩阵。
进一步地,所述根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析,得到高斯回归分析结果,具体包括:
将所述采样点作为输入样本,所述接入点信号作为观测值,根据所述输入样本和测量误差构建所述观测值的数学模型;
根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析,得到高斯回归分析结果。
进一步地,所述协方差函数包括但不限于高斯核函数。
本发明的第二实施例提供了一种室内定位系统指纹数据库构建装置,包括:采集模块、建立模块、分析模块和构建模块;
所述采集模块,用于根据预设的间隔在目标区域设置多个采样点,并采集多个所述采样点的接入点信号;
所述建立模块,用于根据协方差函数建立多个所述采样点之间的相关度矩阵;
所述分析模块,用于根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析,得到高斯回归分析结果;
所述构建模块,用于根据所述高斯回归分析结果构建指纹数据库。
进一步地,所述建立模块,包括用于:根据协方差函数和测量误差计算所述多个采样点之间的相关度,根据所述相关度建立多个所述采样点之间的相关度矩阵。
进一步地,所述分析模块,包括用于:
将所述采样点作为输入样本,所述接入点信号作为观测值,根据所述输入样本和测量误差构建所述观测值的数学模型;
根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析,得到高斯回归分析结果。
进一步地,所述协方差函数包括但不限于高斯核函数。
本发明提供一种室内定位系统指纹数据库构建方法及装置,以解决现有技术指纹数据库无法适用于新环境,导致定位的精度不佳的技术问题,本发明通过在目标区域低密度设置多个采样点,根据采样点采集的接入点信号采用高斯过程回归算法生成高密度的位置指纹数据库,不仅减少了采样点的设置数量,减少人工成本,还能够根据采样点定期采集的接入点信号自动更新指纹数据库,使指纹数据库能够适用于新的环境,有利于提高室内定位的精度和可靠性。
附图说明
图1是本发明实施例提供的室内定位系统指纹数据库构建方法的流程示意图;
图2是本发明实施例提供的指纹数据库采集系统的结构示意图;
图3是本发明实施例提供的采样点位置分布的示意图;
图4是本发明实施例提供的指纹数据库位置分布的示意图;
图5是本发明实施例提供的室内定位系统指纹数据库构建装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“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申请中的具体含义。
请参阅图1-4,在本发明的第一实施例中,一种室内定位系统指纹数据库构建方法如图1所示,包括:
S1、根据预设的间隔在目标区域设置多个采样点,并采集多个采样点的接入点信号;
示例性的,在目标区域设置多个采样点,并且根据预设的间隔进行设置,在完成采样点的位置设置后,将接收机安装在每一采样点上,以实现对无线接入点(AP)的信号的定期采集。可选地,采样点可以为一个也可以为多个,其设置方式可以为,根据确定的目标区域,将目标区域划分为坐标点,将多个采样点以低密度的形式设置在预先划分好的坐标点中,作为输入样本定期采集接入点信号。本发明实施例在目标区域以较低的密度设置多个采样点采集多个无线接入点信号,以实现对室内定位系统指纹数据库构建。具体地,如图2所示,根据目标区域的平面图,按照预设的间隔设置采样点的位置并记为x={x1,…,xN}。
需要说明的是,在采集到多个接入点信号后,将采集的多个接入点信号上传至服务器。请参阅图3,为本发明实施例提供的一种指纹数据库采集系统结构示意图。
S2、根据协方差函数建立多个采样点之间的相关度矩阵;
可选地,本实施例可使用的协方差函数包括但不限于高斯核函数。
S3、根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析,得到高斯回归分析结果;
S4、根据高斯回归分析结果构建指纹数据库,示例性的,如图4所示的指纹数据库位置分布示意图。
本发明实施例根据预设的间隔在目标区域设置低密度采样点,利用采样点定期采集无线接入信号上传至服务器,并采用高斯过程回归算法生成高密度的位置指纹数据库,能够有效降低指纹数据库构建的人工成本,且能够实现指纹数据库的自动更新,使指纹数据库能够适用于新环境,有利于提高定位的准确性和可靠性。
作为本发明实施例的一种具体实施方式,根据协方差函数建立多个采样点之间的相关度矩阵,具体包括:
根据协方差函数和测量误差计算多个采样点之间的相关度,根据相关度建立多个采样点之间的相关度矩阵。
可以理解的是,在高斯过程中,任意两个采样点xi与xj之间是相关,其相关度可以通过协方差函数k(xi,xj)来描述,具体地:
其中,为任意两个采样点之间的最大协方差参数,|xi-xj|为两个采样点间的欧式距离,当xi与xj的距离越近,它们之间的相关性就越大。参数l用于控制欧式距离对相关性影响的大小。考虑测量误差ε的影响,两个采样点间的相关度可以表示为:
作为本发明实施例的一种具体实施方式,根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析,得到高斯回归分析结果,具体包括:
将采样点作为输入样本,接入点信号作为观测值,根据输入样本和测量误差构建观测值的数学模型;
根据数学模型和相关度矩阵对观测值进行高斯过程回归分析,得到高斯回归分析结果。
设定接入点信号与采样点位置之间的数学模型为:
yi=f(xi)+ε (4)
其中,K*=[k(x*,x1)k(x*,x2)…k(x*,xN)],K**=k(x*,x*),K*表示样本x*与采样点x={x1,…,xN}之间的相关度,K**表示样本x*的自相关度。
作为本发明实施例的一种具体实施方式,协方差函数包括但不限于高斯核函数。
实施本发明实施例,具有以下有益效果:
本发明实施例根据预设的间隔在目标区域设置低密度采样点,利用采样点定期采集无线接入信号上传至服务器,并采用高斯过程回归算法生成高密度的位置指纹数据库,能够有效减少采样点的设置数量,有利于降低设备部署的成本,且能够避免因为采样点过多而造成的额外计算量,有利于提高室内定位的准确性。本发明实施例根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析,生成高密度的位置指纹数据库,根据定期采集的无线接入信号实现指纹数据库的自动更新,使指纹数据库能够适用于新环境,有利于提高室内定位的准确性和可靠性。
请参阅图5,本发明的第二实施例,一种室内定位系统指纹数据库构建装置如图5所示,包括:采集模块10、建立模块20、分析模块30和构建模块40;
采集模块10,用于根据预设的间隔在目标区域设置多个采样点,并采集多个采样点的接入点信号;
示例性的,在目标区域设置多个采样点,并且根据预设的间隔进行设置,在完成采样点的位置设置后,将接收机安装在每一采样点上,以实现对无线接入点(AP)的信号的定期采集。可选地,采样点可以为一个也可以为多个,其设置方式可以为,根据确定的目标区域,将目标区域划分为坐标点,将多个采样点以低密度的形式设置在预先划分好的坐标点中,作为输入样本定期采集接入点信号。本发明实施例在目标区域以较低的密度设置多个采样点采集多个无线接入点信号,以实现对室内定位系统指纹数据库构建。具体地,如图2所示,根据目标区域的平面图,按照预设的间隔设置采样点的位置并记为x={x1,…,xN}。
需要说明的是,在采集到多个接入点信号后,将采集的多个接入点信号上传至服务器。请参阅图3,为本发明实施例提供的一种指纹数据库采集系统结构示意图。
建立模块20,用于根据协方差函数建立多个采样点之间的相关度矩阵;
可选地,本实施例可使用的协方差函数包括但不限于高斯核函数。
分析模块30,用于根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析,得到高斯回归分析结果;
构建模块40,用于根据高斯回归分析结果构建指纹数据库。
本发明实施例根据预设的间隔在目标区域设置低密度采样点,利用采样点定期采集无线接入信号上传至服务器,并采用高斯过程回归算法生成高密度的位置指纹数据库,能够有效降低指纹数据库构建的人工成本,且能够实现指纹数据库的自动更新,使指纹数据库能够适用于新环境,有利于提高定位的准确性和可靠性。
作为本发明实施例的一种具体实施方式,建立模块20,包括用于:根据协方差函数和测量误差计算多个采样点之间的相关度,根据相关度建立多个采样点之间的相关度矩阵。
可以理解的是,在高斯过程中,任意两个采样点xi与xj之间是相关,其相关度可以通过协方差函数k(xi,xj)来描述,具体地:
其中,为任意两个采样点之间的最大协方差参数,|xi-xj|为两个采样点间的欧式距离,当xi与xj的距离越近,它们之间的相关性就越大。参数l用于控制欧式距离对相关性影响的大小。考虑测量误差ε的影响,两个采样点间的相关度可以表示为:
作为本发明实施例的一种具体实施方式,分析模块30,包括用于:
将采样点作为输入样本,接入点信号作为观测值,根据输入样本和测量误差构建观测值的数学模型;
根据数学模型和相关度矩阵对观测值进行高斯过程回归分析,得到高斯回归分析结果。
设定接入点信号与采样点位置之间的数学模型为:
yi=f(xi)+ε (4)
其中,K*=[k(x*,x1)k(x*,x2)…k(x*,xN)],K**=k(x*,x*),K*表示样本x*与采样点x={x1,…,xN}之间的相关度,K**表示样本x*的自相关度。
作为本发明实施例的一种具体实施方式,协方差函数包括但不限于高斯核函数。
本发明实施例根据预设的间隔在目标区域设置低密度采样点,利用采样点定期采集无线接入信号上传至服务器,并采用高斯过程回归算法生成高密度的位置指纹数据库,能够有效减少采样点的设置数量,有利于降低设备部署的成本,且能够避免因为采样点过多而造成的额外计算量,有利于提高室内定位的准确性。本发明实施例根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析,生成高密度的位置指纹数据库,根据定期采集的无线接入信号实现指纹数据库的自动更新,使指纹数据库能够适用于新环境,有利于提高室内定位的准确性和可靠性。
以上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 (8)
1.一种室内定位系统指纹数据库构建方法,其特征在于,包括:
根据预设的间隔在目标区域设置多个采样点,并采集多个所述采样点的接入点信号;
根据协方差函数建立多个所述采样点之间的相关度矩阵;
根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析,得到高斯回归分析结果;
根据所述高斯回归分析结果构建指纹数据库。
2.如权利要求1所述的室内定位系统指纹数据库构建方法,其特征在于,根据协方差函数建立多个所述采样点之间的相关度矩阵,具体包括:
根据协方差函数和测量误差计算所述多个采样点之间的相关度,根据所述相关度建立多个所述采样点之间的相关度矩阵。
3.如权利要求1所述的室内定位系统指纹数据库构建方法,其特征在于,所述根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析,得到高斯回归分析结果,具体包括:
将所述采样点作为输入样本,所述接入点信号作为观测值,根据所述输入样本和测量误差构建所述观测值的数学模型;
根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析,得到高斯回归分析结果。
4.如权利要求1-3所述的室内定位系统指纹数据库构建方法,其特征在于,所述协方差函数包括但不限于高斯核函数。
5.一种室内定位系统指纹数据库构建装置,其特征在于,包括:采集模块、建立模块、分析模块和构建模块;
所述采集模块,用于根据预设的间隔在目标区域设置多个采样点,并采集多个所述采样点的接入点信号;
所述建立模块,用于根据协方差函数建立多个所述采样点之间的相关度矩阵;
所述分析模块,用于根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析,得到高斯回归分析结果;
所述构建模块,用于根据所述高斯回归分析结果构建指纹数据库。
6.如权利要求5所述的室内定位系统指纹数据库构建装置,其特征在于,所述建立模块,包括用于:根据协方差函数和测量误差计算所述多个采样点之间的相关度,根据所述相关度建立多个所述采样点之间的相关度矩阵。
7.如权利要求5所述的室内定位系统指纹数据库构建装置,其特征在于,所述分析模块,包括用于:
将所述采样点作为输入样本,所述接入点信号作为观测值,根据所述输入样本和测量误差构建所述观测值的数学模型;
根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析,得到高斯回归分析结果。
8.如权利要求5-7所述的室内定位系统指纹数据库构建装置,其特征在于,所述协方差函数包括但不限于高斯核函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467556.7A CN112015743A (zh) | 2020-05-28 | 2020-05-28 | 一种室内定位系统指纹数据库构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467556.7A CN112015743A (zh) | 2020-05-28 | 2020-05-28 | 一种室内定位系统指纹数据库构建方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112015743A true CN112015743A (zh) | 2020-12-01 |
Family
ID=73506665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010467556.7A Pending CN112015743A (zh) | 2020-05-28 | 2020-05-28 | 一种室内定位系统指纹数据库构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112015743A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114866971A (zh) * | 2022-05-06 | 2022-08-05 | 中国石油大学(华东) | 基于核函数特征提取和套索算法的室内定位方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087256A (zh) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | 一种基于WiFi室内定位的指纹聚类方法及装置 |
CN107087276A (zh) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | 一种基于WiFi室内定位的指纹库建立方法及装置 |
EP3392711A1 (en) * | 2017-04-19 | 2018-10-24 | ASML Netherlands B.V. | Maintaining a set of process fingerprints |
CN110007269A (zh) * | 2019-04-04 | 2019-07-12 | 黄冈师范学院 | 一种基于高斯过程的两阶段无线信号指纹定位方法 |
CN111148030A (zh) * | 2019-12-31 | 2020-05-12 | 泰斗微电子科技有限公司 | 指纹数据库的更新方法、装置、服务器及存储介质 |
-
2020
- 2020-05-28 CN CN202010467556.7A patent/CN112015743A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107087256A (zh) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | 一种基于WiFi室内定位的指纹聚类方法及装置 |
CN107087276A (zh) * | 2017-03-17 | 2017-08-22 | 上海斐讯数据通信技术有限公司 | 一种基于WiFi室内定位的指纹库建立方法及装置 |
EP3392711A1 (en) * | 2017-04-19 | 2018-10-24 | ASML Netherlands B.V. | Maintaining a set of process fingerprints |
CN110007269A (zh) * | 2019-04-04 | 2019-07-12 | 黄冈师范学院 | 一种基于高斯过程的两阶段无线信号指纹定位方法 |
CN111148030A (zh) * | 2019-12-31 | 2020-05-12 | 泰斗微电子科技有限公司 | 指纹数据库的更新方法、装置、服务器及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114866971A (zh) * | 2022-05-06 | 2022-08-05 | 中国石油大学(华东) | 基于核函数特征提取和套索算法的室内定位方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109444813B (zh) | 一种基于bp和dnn双神经网络的rfid室内定位方法 | |
CN112147573A (zh) | 一种基于csi的幅值和相位信息的无源定位方法 | |
Lieberman et al. | Microcomputer-based estimation of psychophysical thresholds: the best PEST | |
EP2232892B1 (en) | Maintaining the integrity of configuration information of a network of access points for use in positioning an apparatus | |
CN101572857B (zh) | 一种无线局域网中的定位方法和装置 | |
CN114200387B (zh) | 一种tacan空间信号场型的飞行校验评估方法 | |
CN106842094A (zh) | 磁力计校准的数据处理方法和装置 | |
CN105204002B (zh) | 一种声源定位方法及系统 | |
CN109191408B (zh) | 快速循环地面气象融合方法、装置及服务器 | |
US6801162B1 (en) | Doppler-based automated direction finding system and method for locating cable television signal leaks | |
CN112015743A (zh) | 一种室内定位系统指纹数据库构建方法及装置 | |
CN109302674B (zh) | 一种基于多重滤波的WiFi室内定位方法 | |
CN106168662A (zh) | 基于极大似然估计的被动传感器的误差配准方法及装置 | |
CN112683307B (zh) | 一种星敏感器星点质心位置精度测量方法 | |
CN112461199A (zh) | 一种基于NBIoT的天线姿态检测方法及终端 | |
CN104821854A (zh) | 一种基于随机集的多主用户多维频谱感知方法 | |
CN108696818B (zh) | Wi-Fi指纹定位的距离度量方法及系统 | |
CN106595472B (zh) | 摄影测量系统的精度确定方法 | |
CN114166330A (zh) | 基于光纤光栅阵列识别特定工程施工设备的方法及系统 | |
Annella et al. | Error investigation of rain retrievals from disdrometer data using triple colocation | |
CN111123406A (zh) | 手持气象仪温度数据拟合方法 | |
CN116879121B (zh) | 一种基于光纤传感技术的空气颗粒物浓度实时监测系统 | |
CN117906580B (zh) | 一种航道水下地形变化分析系统及方法 | |
CN117607373B (zh) | 一种温室气体监测数据校准的方法、系统、设备及介质 | |
CN112504137B (zh) | 基于云计算的多目标数字图像检测方法 |
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 |