CN112285643A - 一种基于概率统计进行滤波的定位方法及系统 - Google Patents

一种基于概率统计进行滤波的定位方法及系统 Download PDF

Info

Publication number
CN112285643A
CN112285643A CN202011013217.8A CN202011013217A CN112285643A CN 112285643 A CN112285643 A CN 112285643A CN 202011013217 A CN202011013217 A CN 202011013217A CN 112285643 A CN112285643 A CN 112285643A
Authority
CN
China
Prior art keywords
rss
rss data
data
signal
acquiring
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
Application number
CN202011013217.8A
Other languages
English (en)
Inventor
何家俊
马文驷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Rongteng Science And Technology Co ltd
Original Assignee
Shenzhen Rongteng Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Rongteng Science And Technology Co ltd filed Critical Shenzhen Rongteng Science And Technology Co ltd
Priority to CN202011013217.8A priority Critical patent/CN112285643A/zh
Publication of CN112285643A publication Critical patent/CN112285643A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0294—Trajectory determination or predictive filtering, e.g. target tracking or Kalman filtering

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明实施例公开了一种基于概率统计进行滤波的定位方法及系统，方法包括：获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；根据第二RSS数据获取RSS信号的概率分布；获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；根据目标RSS数据进行定位。本发明实施例能够有效地提取RSS的数值，在同一个位置获取的RSS数值，波动较小；RSS数值变得有效且可靠，提高了基于RSS的定位技术的定位精度。

Description

一种基于概率统计进行滤波的定位方法及系统
技术领域
本发明涉及定位技术领域，尤其涉及一种基于概率统计进行滤波的定位方法及系统。
背景技术
随着社会的进步和科技的发展，定位技术在技术手段、定位精度、可用性等方面均取得质的飞越，并且逐步从航海、航天、航空、测绘、军事、自然灾害预防等“高大上”的领域逐步渗透社会生活的方方面面，成为人们日常中不可或缺的重要应用——比如人员搜寻、位置查找、交通管理、车辆导航与路线规划等等。
定位可以按照使用场景的不同划分为室内定位和室外定位两大类，因为场景不同，需求也就不同，所以分别采用的定位技术也不尽相同。GPS和基站定位技术基本满足了用户在室外场景中对位置服务的需求。然而，人的一生当中有80％的时间是在室内度过的，个人用户、服务机器人、新型物联网设备等大量的定位需求也发生在室内；而室内场景受到建筑物的遮挡，GNSS信号快速衰减，甚至完全拒止，无法满足室内场景中导航定位的需要。
当今主流的室内定位技术是通过蓝牙、LoRa(Long Range Radio，远距离无线电)、Wi-Fi、手机无线网络，获取RSS(Received Signal Strength，接收信号强度)进行定位。但是因为信号强度信息RSS是极其不稳定，受距离和物体阻挡而导致的衰减十分严重。现阶段，为了获取稳定的RSS，一般使用的是卡尔曼滤波器(Kalman Filter)，但是卡尔曼滤波器只能排除奇异值，不能分析出哪些RSS数据是无效或不可用的，因此提取出的RSS数据存在误差，造成定位位置不准，定位精度低。
因此现有技术还有待于进一步发展。
发明内容
针对上述技术问题，本发明实施例提供了一种基于概率统计进行滤波的定位方法及系统，能够解决现有定位技术中的滤波算法的RSS数据在提取时，无法排除无效数据，造成定位精度差的技术问题。
本发明实施例的第一方面提供一种基于概率统计进行滤波的定位方法，包括：
获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；
将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；
根据第二RSS数据获取RSS信号的概率分布；
获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；
根据目标RSS数据进行定位。
可选地，所述获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据，包括：
获取定位过程中产生的初始RSS数据，对初始RSS数据通过卡尔曼滤波器进行滤波处理，生成第一RSS数据。
可选地，所述RSS信号的概率分布类型为双峰分布和单峰分布中一种，所述单峰分布包括无偏移的正态分布和有偏移的正态分布。
可选地，所述当RSS信号的概率分布类型为双峰分布时，
所述根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据，包括：
获取双峰分布的RSS信号的峰值，所述RSS信号的峰值为目标RSS数据。
可选地，所述当RSS信号的概率分布类型为单峰分布时，
所述根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据，包括：
根据RSS信号单峰分布的均值和标准差，根据均值和标准差确定数据的取值范围；
获取取值范围内所有的RSS数据的平均值，所述平均值为目标RSS数据。
本发明实施例第二方面提供了一种基于概率统计进行滤波的定位系统，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现以下步骤：
获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；
将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；
根据第二RSS数据获取RSS信号的概率分布；
获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；
根据目标RSS数据进行定位。
可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
获取定位过程中产生的初始RSS数据，对初始RSS数据通过卡尔曼滤波器进行滤波处理，生成第一RSS数据。
可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
获取双峰分布的RSS信号的峰值，所述RSS信号的峰值为目标RSS数据。
可选地，所述计算机程序被所述处理器执行时还实现以下步骤：
根据RSS信号单峰分布的均值和标准差，根据均值和标准差确定数据的取值范围；
获取取值范围内所有的RSS数据的平均值，所述平均值为目标RSS数据。
本发明实施例第三方面提供了一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行上述的基于概率统计进行滤波的定位方法。
本发明实施例提供的技术方案中，获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；根据第二RSS数据获取RSS信号的概率分布；获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；根据目标RSS数据进行定位。因此相对于现有技术，本发明实施例够有效地提取RSS的数值，在同一个位置获取的RSS数值，波动较小；RSS数值变得有效且可靠，提高了基于RSS的定位技术的定位精度。
附图说明
图1为本发明实施例中一种基于概率统计进行滤波的定位方法的一实施例的流程示意图；
图2为本发明实施例中一种基于概率统计进行滤波的定位系统的另一实施例的硬件结构示意图。
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。
由于多径和NLOS(Non Line of Sight，非视距传播)传播，RSS值通常是不稳定的。在同一个位置测量的RSS数值，可能存在20dBm的波动。因此难以基于RSS的数值进行精确定位。而现阶段的常用的技术，如KalmanFilter(卡尔曼滤波)，Gaussian Filter(高斯滤波)等难以有效提出RSS有效值。因此提出一个基于概率统计的RSS滤波器来提取有效的RSS信息，从而提高RSS定位的定位精度。
以下结合附图对本发明实施例进行详细的描述。
请参阅图1，图1为本发明实施例中一种基于概率统计进行滤波的定位方法的一个实施例的流程示意图。如图1所示，包括：
步骤S100、获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；
步骤S200、将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；
步骤S300、根据第二RSS数据获取RSS信号的概率分布；
步骤S400、获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；
步骤S500、根据目标RSS数据进行定位。
具体地，获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；根据排序算法对第一RSS数据进行排序后记为第二RSS数据；根据排序后的第二RSS数据获取RSS信号的概率分布；获取RSS信号的概率分布类型，根据RSS信号的概率分布类型选取对应的数据，生成目标RSS信号；根据目标RSS信号进行定位。例如根据目标RSS信号的强度与距离的定位关系，从而获取用户的位置。
本发明实施例可实现获得更稳定的RSS值，先在室内环境测试RSS的分布情况和具体特征，然后确定相应的概率分布。根据产生的RSS概率分布，选择最合适的RSS作为最终版本输出，一般来说RSS出现概率最高的为合适的。给定解码后的RSS，提取RSS并删除不需要的信息以确保数据的正确性具体的做法为除了概率最高的RSS，其余的删除，提高定位精度。
进一步地，获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据，包括：
获取定位过程中产生的初始RSS数据，对初始RSS数据通过卡尔曼滤波器进行滤波处理，生成第一RSS数据。
具体地，定位过程中，初始RSS数据会不断被接收，初始RSS数据为终端设备接收到的RSS信号。然后将初始RSS通过卡尔曼滤波器进行一次过滤，生成第一RSS数据。其中Kalman Filtering(卡尔曼滤波)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。
进一步地，RSS信号的概率分布类型为双峰分布和单峰分布中一种，所述单峰分布包括无偏移的正态分布和有偏移的正态分布。
具体地，室内环境可能是以下两种类型之一：双峰分布，和单峰分布。单峰分布又分为无偏移的正态分布和有偏移的正态分布。无偏移的正态分布又记为正常分布，有偏移的正态分布记为偏移分布。偏移分布分为向左偏斜和向右偏斜分布。当室内环境相对稳定时，RSS分布倾向于正态分布。在多路径控制的环境中，RSS分布偏向左侧，记为向左偏斜分布。而向右偏斜分布在NLOS主导的环境。最后，双峰分布可能是由于NLOS路径和多路径的组合而引起的。因此，基于RSS测量，可获取室内环境的类型，从而确定RSS的类型分布。在确定对应的分布后，RSS的概率分布情况通过在一段时间内采集RSS数据，通过数据分析而来的。
进一步地，当RSS信号的概率分布类型为双峰分布时，
所述根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据，包括：
获取双峰分布的RSS信号的峰值，所述RSS信号的峰值为目标RSS数据。
具体实施时，可以根据对应分布实行不同的RSS提取算法。当双峰分布时，RSS如果直接取平均值会包含多余的RSS信息，而取双峰分布中峰值最高的，反而突出其特征。因此对于双峰分布，算法会直接提取其RSS的峰值作为最后RSS输出。
进一步地，当RSS信号的概率分布类型为单峰分布时，
所述根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据，包括：
根据RSS信号单峰分布的均值和标准差，根据均值和标准差确定数据的取值范围；
获取取值范围内所有的RSS数据的平均值，所述平均值为目标RSS数据。
具体实施时，对于单峰分布，我们会把采集的RSS数据约定在一定范围，该一定范围是通过计算单峰分布的RSS的均值(\mu)和标准差(\sigma)，范围即是[\mu-(1/a)\sigma,\mu+(1/a)\sigma]。其中a为常数。然后去除无效的数值，然后整体取平均值作为最后的输出。
由以上方法实施例可知，本发明实施例先是对初始数据进行卡尔曼滤波，然后通过排序算法进行排序。通过对数据分析，得出RSS分布的概率分布。对于双峰分布，算法会直接提取其RSS的峰值最为最后的RSS输出。为对于单峰分布，我们会把采集到RSS数据约定在一定范围，该一定范围是通过计算单峰分布的RSS的均值(\mu)和标准差(\sigma)，范围即是[\mu-(1/a)\sigma,\mu+(1/a)\sigma]。然后去除无效的数值，然后整体取平均值作为最后的输出，从而实现能够有效地提取RSS的数值，在同一个位置获取的RSS数值，波动不会超过3dBm。正因RSS数值变得有效且可靠，基于RSS的定位技术的精度也会大幅度的提升。
需要说明的是，上述各步骤之间并不必然存在一定的先后顺序，本领域普通技术人员，根据本发明实施例的描述可以理解，不同实施例中，上述各步骤可以有不同的执行顺序，亦即，可以并行执行，亦可以交换执行等等。
上面对本发明实施例中的基于概率统计进行滤波的定位方法进行了描述，下面对本发明实施例中的基于概率统计进行滤波的定位系统进行描述，请参阅图2，图2是本发明实施例中一种基于概率统计进行滤波的定位系统的另一实施例的硬件结构示意图，如图2所示，系统10包括：存储器101、处理器102及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器101执行时实现以下步骤：
获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；
将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；
根据第二RSS数据获取RSS信号的概率分布；
获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；
根据目标RSS数据进行定位。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，计算机程序被处理器101执行时还实现以下步骤：
获取定位过程中产生的初始RSS数据，对初始RSS数据通过卡尔曼滤波器进行滤波处理，生成第一RSS数据。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，当RSS信号的概率分布类型为双峰分布时，计算机程序被处理器101执行时还实现以下步骤：
获取双峰分布的RSS信号的峰值，所述RSS信号的峰值为目标RSS数据。
具体的实施步骤与方法实施例相同，此处不再赘述。
可选地，当RSS信号的概率分布类型为单峰分布时，计算机程序被处理器101执行时还实现以下步骤：
根据RSS信号单峰分布的均值和标准差，根据均值和标准差确定数据的取值范围；
获取取值范围内所有的RSS数据的平均值，所述平均值为目标RSS数据。
具体的实施步骤与方法实施例相同，此处不再赘述。
本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如，执行以上描述的图1中的方法步骤S100至步骤S500。
作为示例，非易失性存储介质能够包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦ROM(EEPROM)或闪速存储器。易失性存储器能够包括作为外部高速缓存存储器的随机存取存储器(RAM)。通过说明并非限制，RAM可以以诸如同步RAM(SRAM)、动态RAM、(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、Synchlink DRAM(SLDRAM)以及直接Rambus(兰巴斯)RAM(DRRAM)之类的许多形式得到。本文中所描述的操作环境的所公开的存储器组件或存储器旨在包括这些和/或任何其他适合类型的存储器中的一个或多个。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于概率统计进行滤波的定位方法，其特征在于，包括：
获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；
将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；
根据第二RSS数据获取RSS信号的概率分布；
获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；
根据目标RSS数据进行定位。
2.根据权利要求1所述的基于概率统计进行滤波的定位方法，其特征在于，所述获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据，包括：
获取定位过程中产生的初始RSS数据，对初始RSS数据通过卡尔曼滤波器进行滤波处理，生成第一RSS数据。
3.根据权利要求2所述的基于概率统计进行滤波的定位方法，其特征在于，所述RSS信号的概率分布类型为双峰分布和单峰分布中一种，所述单峰分布包括无偏移的正态分布和有偏移的正态分布。
4.根据权利要求3所述的基于概率统计进行滤波的定位方法，其特征在于，所述当RSS信号的概率分布类型为双峰分布时，
所述根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据，包括：
获取双峰分布的RSS信号的峰值，所述RSS信号的峰值为目标RSS数据。
5.根据权利要求3所述的基于概率统计进行滤波的定位方法，其特征在于，所述当RSS信号的概率分布类型为单峰分布时，
所述根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据，包括：
根据RSS信号单峰分布的均值和标准差，根据均值和标准差确定数据的取值范围；
获取取值范围内所有的RSS数据的平均值，所述平均值为目标RSS数据。
6.一种基于概率统计进行滤波的定位系统，其特征在于，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现以下步骤：
获取定位过程中产生的初始RSS数据，对初始RSS数据进行预处理，生成第一RSS数据；
将第一RSS数据进行排序，排序后的第一RSS数据记为第二RSS数据；
根据第二RSS数据获取RSS信号的概率分布；
获取RSS信号的概率分布类型，根据RSS信号的概率分布类型对第二RSS数据进行有效信号提取，生成目标RSS数据；
根据目标RSS数据进行定位。
7.根据权利要求6所述的基于概率统计进行滤波的定位系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：
获取定位过程中产生的初始RSS数据，对初始RSS数据通过卡尔曼滤波器进行滤波处理，生成第一RSS数据。
8.根据权利要求7所述的基于概率统计进行滤波的定位系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：
获取双峰分布的RSS信号的峰值，所述RSS信号的峰值为目标RSS数据。
9.根据权利要求8所述的基于概率统计进行滤波的定位系统，其特征在于，所述计算机程序被所述处理器执行时还实现以下步骤：
根据RSS信号单峰分布的均值和标准差，根据均值和标准差确定数据的取值范围；
获取取值范围内所有的RSS数据的平均值，所述平均值为目标RSS数据。
10.一种非易失性计算机可读存储介质，其特征在于，所述非易失性计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行时，可使得所述一个或多个处理器执行权利要求1-5任一项所述的基于概率统计进行滤波的定位方法。
CN202011013217.8A 2020-09-24 2020-09-24 一种基于概率统计进行滤波的定位方法及系统 Pending CN112285643A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011013217.8A CN112285643A (zh) 2020-09-24 2020-09-24 一种基于概率统计进行滤波的定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011013217.8A CN112285643A (zh) 2020-09-24 2020-09-24 一种基于概率统计进行滤波的定位方法及系统

Publications (1)

Publication Number Publication Date
CN112285643A true CN112285643A (zh) 2021-01-29

Family

ID=74421236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011013217.8A Pending CN112285643A (zh) 2020-09-24 2020-09-24 一种基于概率统计进行滤波的定位方法及系统

Country Status (1)

Country Link
CN (1) CN112285643A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103402256A (zh) * 2013-07-11 2013-11-20 武汉大学 一种基于WiFi指纹的室内定位方法
CN105720943A (zh) * 2016-01-27 2016-06-29 厦门市美亚柏科信息股份有限公司 基于rssi的滤波方法及其系统
EP3173807A1 (en) * 2015-11-30 2017-05-31 Semtech Corporation System and method for robust and accurate rssi based location estimation
CN107677989A (zh) * 2017-10-26 2018-02-09 武汉大学 一种基于rssi最大值进行rssi去除噪声的室内位置定位方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103402256A (zh) * 2013-07-11 2013-11-20 武汉大学 一种基于WiFi指纹的室内定位方法
EP3173807A1 (en) * 2015-11-30 2017-05-31 Semtech Corporation System and method for robust and accurate rssi based location estimation
CN105720943A (zh) * 2016-01-27 2016-06-29 厦门市美亚柏科信息股份有限公司 基于rssi的滤波方法及其系统
CN107677989A (zh) * 2017-10-26 2018-02-09 武汉大学 一种基于rssi最大值进行rssi去除噪声的室内位置定位方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
薛卫星;邱卫宁;花向红;张伟;: "一种RSSI不同特征值融合的提取算法", 测绘工程, no. 11 *
陈丽娜: "WLAN位置指纹室内定位关键技术研究", 中国博士学位论文全文数据库信息科技辑, pages 55 - 57 *

Similar Documents

Publication Publication Date Title
CN106454747B (zh) 手机终端的无线定位方法
US9185677B2 (en) Method device and system for estimating access points using log data
US9516471B2 (en) System and method for estimating the probability of movement of access points in a WLAN-based positioning system
US8219112B1 (en) Accuracy analysis of wireless base station location
CN108307301B (zh) 基于rssi测距和轨迹相似性的室内定位方法
JP2014197898A (ja) 音響に基づく環境の認識
CN108450060B (zh) 基于wi-fi接入点的定位方法、设备
CN104144495B (zh) 一种基于方向传感器与wlan网络的指纹定位方法
CN113219504B (zh) 定位信息确定方法及装置
CN104427610B (zh) WiFi室内定位方法与服务器
CN109522895B (zh) 兴趣点位置校验方法、装置、服务器和计算机可读介质
CN111541986B (zh) 定位方法、装置、存储介质及处理器
JP2013034103A (ja) 測位誤差を含む位置情報から対象エリアを特定するデータベースサーバ、システム、プログラム及び方法
CN111325561A (zh) 智能投诉处理方法、装置、电子设备及存储介质
CN112526572B (zh) 室内外无缝导航的网络切换方法与定位系统
US20180302740A1 (en) Positioning method and device
CN108770057B (zh) 预定指纹库的确定方法及指纹定位方法、装置、存储介质
KR102036442B1 (ko) 딥 러닝 기반 사용자 단말 위치 추정 장치 및 방법
Rodrigues et al. Extracting 3D maps from crowdsourced GNSS skyview data
CN112285643A (zh) 一种基于概率统计进行滤波的定位方法及系统
KR102155419B1 (ko) 인공신경망을 기반으로 하는 적응형 거리측정장치
Müller et al. A field test of parametric WLAN-fingerprint-positioning methods
US9185523B2 (en) Method of correcting global position error
JP2012160988A (ja) 移動端末からの位置情報に基づく対象エリア表示方法及びシステム
CN112257207B (zh) 一种路网边界确定方法、装置、电子设备和存储介质

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