CN112770258B - 一种基于信标筛选的实时室内位置定位方法 - Google Patents
一种基于信标筛选的实时室内位置定位方法 Download PDFInfo
- Publication number
- CN112770258B CN112770258B CN202110082349.4A CN202110082349A CN112770258B CN 112770258 B CN112770258 B CN 112770258B CN 202110082349 A CN202110082349 A CN 202110082349A CN 112770258 B CN112770258 B CN 112770258B
- Authority
- CN
- China
- Prior art keywords
- positioning
- beacon
- rssi
- speed
- moving body
- 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
-
- 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
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
- H04W4/027—Services making use of location information using location based information parameters using movement velocity, acceleration information
-
- 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
Abstract
本发明公开了一种基于信标筛选的实时室内位置定位方法,属于室内定位技术领域。该方法的特征在于对室内待定位设备进行多次定位。第一次定位的定位区域为整片区域,选取该区域里所有信标进行定位;第二到四次定位以上次定位点为基准,通过定位设备朝向和待定位设备已知最大速度为参考划定区域,选取划定区域里所有信标进行定位;第五次及以后定位为以上一次定位点为基准,通过定位设备朝向和待定位设备估测速度为参考划定区域,在划定区域选取与该次定位的预测定位点距离最近的4个信标进行定位。这种方法具有定位速度快,定位精度高的特点,可以满足实时定位要求。
Description
技术领域
本发明涉及定位方法,尤其涉及一种基于信标筛选的实时室内位置定位方法。
背景技术
位置指纹定位法利用接收机端接收信号的强度指示(Received Signal StrengthIndicator,RSSI)与接收端物理位置之间的关联性进行定位,指纹定位工作流程主要分为离线数据采集建立指纹库环节和在线位置匹配环节。
离线建立指纹库环节:
离线环节的首先在定位区域建立坐标系,然后划分网络区域,根据每个点分配坐标值,每个点的坐标也属于指纹信息,然后需要在定位区域按照合理的密度布置信标,接下来在划分好的区域内设置多个参考点并采集范围内所有参考点的信标的信息,即采集指纹。其中包含了信标的唯一标识码(Universally Unique Identifier,UUID)和RSSI值。将采集好的数据录入位置指纹库。
在线位置匹配环节:
开启定位程序后,后台会自动扫描周围的信标信息,根据UUID筛选出之前离线阶段的信标,并且返回当前范围内可以搜索到的所有信标的RSSI信息,通过指纹点匹配方法(常见的有K近邻算法(K Nearest Neighborhood,KNN),加权K近邻算法(K WeightedNearest Neighborhood,WKNN))得到当前定位点坐标。
目前,常见的室内定位方法包括如下三种:
(1)基于室内指纹的定位方法
该方法采用先限幅后滑动平均滤波的方法剔除突变性和周期性干扰,分配参考点所属区域编号,通过预处理和多维特征构建进行数据库优化;接着利用支持向量机(Support vector machine,SVM)算法对待定位点进行分类,确定所属区域,将用于相似度计算的欧式距离、曼哈顿距离和切比雪夫距离相结合得到位置估计,最后,结合行人航位推算(Pedestrian dead reckoning,PDR)算法将所得的步长和航向角一起进行粒子滤波(Particle filter,PF)得到最终定位结果。
(2)基于iBeacon位置指纹的室内定位方法
该方法中在WKNN的基础上引入常量A(A表示在线定位过程中选择A个RSSI值进行欧式距离的计算),提出了自适应K值的选择方法,依据行人的步行速度,选择最合适的前K个点进行定位。
(3)基于改进KNN算法的室内WIFI定位方法
该方法提出基于KNN的动态预测节点位置的改进定位算法,通过从无线地图中过滤掉到标签处没有相似RSSI向量的RP来寻找最近邻,以降低KNN算法的时间和计算复杂度,并增加定位精确度。
上述现有技术存在的问题在于,首先,在每次在线匹配阶段都是遍历离线位置指纹库所有信息,当定位区域足够大时非常耗费定位时间;其次,现有的WKNN方法选择的信标都是固定的,当信标距离定位点较远时,该信标可能会受到外部因素影响,不适合带入WKNN方法的计算。
发明内容
发明目的:针对现有技术存在的问题,本发明的目的是提供一种能够减少在线匹配阶段的定位时间、提高定位速度以及定位精度的室内位置定位方法。
技术方案:本发明所述的一种基于信标筛选的实时室内位置定位方法,包括:
(1)采集信标数据,录入位置指纹库:
(1.1)选择一块区域;
(1.2)对所述区域进行划分,得到若干小区域,在每个小区域的顶角设置信标,共C个信标;
(1.3)在每个信标处进行a次测量,每次测量得RSSIk j,RSSIk j表示该信标在第j次接收到的第k个信标的RSSI值,a次测量后通过高斯滤波和求平均值得到该信标接收到第k个信标最终的RSSIk值;1≤j≤a,1≤k≤C;
(1.4)对于每个信标,以(m,xm,ym,RSSI1,RSSI2,……RSSIk,……,RSSIC)的形式存入离线位置指纹库中;其中,m表示该信标编号,(xm,ym)表示信标坐标,RSSIk表示编号为m的信标在整片区域中的位置接收到第k个信标的RSSI值;
(2)基于区域划分和信标筛选,进行实时定位:
(2.1)定义集合T,用于存放整片区域的信标编号;
(2.2)定义定位设备接收到的RSSI值为(rssi1,rssi2,rssi3,rssi4,.....,rssiC);
(2.3)定位设备接收各信标RSSI值;
(2.4)第一次定位:扫描整片长方形区域里的每个信标,得到其基于RSSI值的欧式距离值DRSSIm,按照DRSSIm值从小到大进行排序得到最小的4个DRSSI值,定义P集合,用于存放最小的4个DRSSI值对应的m值;计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
(2.5)第二次到第四次定位:对行动体速度进行估测,基于估测的行动体速度,划分扫描子区域;对子区域里的每个信标进行扫描,得到其基于RSSI值的欧式距离值DRSSIm,按照DRSSIm值从小到大进行排序得到最小的4个DRSSI值,定义P集合,存放最小的4个DRSSI值对应的m值;计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
(2.6)第五次及以后的定位:对行动体速度进行估测,基于估测的行动体速度,划分扫描子区域;基于预测定位点,进行信标筛选,得到4个信标及其集合Q,计算4个信标相对于定位点的基于RSSI值的欧式距离计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
进一步的,步骤(2.5)、步骤(2.6)中,所述对行动体速度进行估测,基于估测的行动体速度,划分扫描子区域的具体过程如下:
行动体速度预估:
定义Vi为第i次定位时的行动体预估速度,当i<=4时,行动体预估速度Vi采用该行动体已知的最大速度Vmax进行替代,即Vi=Vmax,i<=4;当i>4时,设(xi,yi)为第i次定位点,则Vi=0.6vi-1+0.3vi-2+0.1vi-3;其中vi 2=(xi-xi-1)2+(yi-yi-1)2,vi表示第i次定位行动体的结果速度,即根据定位结果得到的速度;
子区域选择:
当i=1时,不做子区域划分,对整片区域进行扫描;当i>=2时,子区域定义为:首先获取定位设备的朝向P,则以上一次定位点pre(xpre,ypre)做为正方形一条边的中点,沿着P方向做一个边长为2Vi的正方形区域,该正方形区域的中心即为预测定位点now,该预测定位点到每条边的距离均为Vi;考虑到行动体突然停止的情况,沿着P方向相反的方向P’,以上述正方形pre所在的边长为长,宽为Vi做一个长方形区域;结合上述两种情况,形成最终的子区域。
优选的,每次定位间隔为1s。
进一步的,所述行动体速度预估中,考虑当行动体在某个点长期保持不动时,它的下一个动作为保持静止或者开始行动;因此,当第i-1次定位时,如果(xi-1-xi-2)2+(yi-1-yi-2)2=0,即行动体静止,则Vi=Vmax。
进一步的,所述基于预测定位点,进行信标筛选的具体步骤如下:
假设在待搜索子区域里有n个信标,当i>4时,以预测定位点now(xnow,ynow)为基准,xnow=xpre+Vicosα,ynow=ypre+Visinα,计算预测定位点now距离n个信标的距离dm,dm 2=(xm-xnow)2+(ym-ynow)2;取最小的4个dm值,将其对应编号m存入集合Q,集合Q即为筛选后的信标;
其中,以正东方向为0°,正北方向为90°,正西方向为180°,正南方向为270°,α表示朝向P的角度。
有益效果:
1、本发明与基于室内指纹的定位方法的不同点在于:基于室内指纹的定位方法用SVM算法对定位点进行区域分类,减小在线位置匹配阶段的搜索范围,而本发明是根据行动体速度和定位设备朝向进行区域划分。
2、本发明与基于iBeacon位置指纹的室内定位方法的不同点在于:首先,基于iBeacon位置指纹的室内定位方法是以上一个定位点为圆心,半径为2.4m(估算的人步行速度1.2m/s)做子区域,此方法恒定选择一个长度为半径,并且没有考虑到人步行方向,而本发明则是根据已知定位结果推算得到的速度以及定位设备朝向为根据划分子区域;其次,基于iBeacon位置指纹的室内定位方法的WKNN信标的选择是固定的,而本发明的定位方法的信标选择是不固定的。
3、本发明与基于改进KNN算法的室内WIFI定位方法的不同点在于:首先,基于改进KNN算法的室内WIFI定位方法是设上一个定位点为点pre,当前预测定位点为点now,该基于改进KNN算法的室内WIFI定位方法的子区域划分是以点pre和点now为圆心的两圆交集部分,侧重于点pre和点now,而本发明的子区域则主要是用点pre为中心的正方形区域,本发明侧重点now。其次,基于改进KNN算法的室内WIFI定位方法对速度的估算只取前一次得到的速度和考虑到的人的最大步行速度取平均得到;本发明则认为只取前一次速度不够精确,并且一直以人的最大步行速度为一个估算点不贴合当前该人的实际情况,本发明则选择采用前三次速度乘相应权重得到速度,相对而言更精确。此外,基于改进KNN算法的室内WIFI定位方法的WKNN信标的选择是固定的,而本发明的定位方法的信标选择是不固定的。
附图说明
图1为在线阶段流程图;
图2为离线阶段位置指纹库构建图;
图3为在线位置匹配阶段子区域选择图;
图4为信标筛选图。
具体实施方式
下面结合实施例和附图对本发明的技术方案作进一步详细说明。
本发明的一种基于信标筛选的实时室内位置定位方法,包括离线阶段和在线阶段,离线阶段主要是采集每个信标的数据录入位置指纹库;在线位置匹配阶段通过行动体估测的速度的划分扫描子区域,并通过一种基于信标筛选的室内定位方法得到当前定位位置。
一、基于行动体速度估测的子区域选择
行动体速度预估:
本发明所述的“行动体”,是指移动的人、车辆或者其他物体。
假设在开启定位设备(可选为蓝牙设备)定位后,每一秒更新一次定位结果,定义第i次定位时的行动体预估速度Vi估测如下:
当i<=4时,行动体预估速度Vi采用该行动体已知的最大速度Vmax进行替代,即Vi=Vmax,i<=4。
考虑前3次的速度进行速度估测,与只取前1次得到的速度进行估测相比更加稳定;同时前3次的速度权重不同考虑当前速度的估测更依赖于最近的速度。因此,当i>4时,设(xi,yi)为第i次定位点,则Vi=0.6vi-1+0.3vi-2+0.1vi-3;其中vi 2=(xi-xi-1)2+(yi-yi-1)2,vi表示第i次定位行动体的结果速度(即根据定位结果得到的速度)。
考虑当行动体可能在某个点长期保持不动时,此时它的下一个动作可能为依旧保持静止或者开始行动,而继续沿用i>4时公式则出现严重差错,因此当第i-1次定位时,如果(xi-1-xi-2)2+(yi-1-yi-2)2=0(即行动体静止),则Vi=Vmax。
子区域选择:
(1)当i=1时,因为没有上一次定位点作为衡量,故第1次定位时不做子区域划分,对整片区域进行扫描。
(2)当i>=2时,子区域定义如下,首先获取定位设备的朝向P,则以上一次定位点pre(xpre,ypre)做为正方形一条边的中点,沿着P方向做一个边长为2Vi的正方形区域,该正方形区域的中心即为预测定位点now,该预测定位点到每条边的距离均为Vi;考虑到实际情况下可能出现行动体突然停止的情况,沿着P方向相反的方向P’,以上述正方形pre所在的边长为长,宽为Vi做一个长方形区域。结合上述两种情况,形成最终的子区域,该最终的子区域无论行动体是朝着P方向行动还是静止不动,都能有一个合适的区域供搜索,见附图3。
二、基于预测定位点的信标筛选
假设离线阶段一共有C个信标,每个信标的编号为1,2,3,……,C(具体布置见附图2)。每个信标存入指纹库的信息为(m,xm,ym,RSSI1,RSSI2,……RSSIk,……,RSSIC),其中m表示该信标编号,(xm,ym)表示信标坐标,RSSIk表示该位置接收到第k个信标的RSSI值。
以正东方向为0°,正北方向为90°,正西方向为180°,正南方向为270°,则设朝向P的角度为α。
考虑到信标距离目标过远时,可能受到噪声,人流等因素影响,导致定位设备接收到的信标RSSI值不准确,从而影响定位精确度的问题,本发明采用基于预测定位点的信标筛选,参照附图4,具体内容如下:
假设在待搜索子区域里有C个信标,当i>4时,以预测定位点now(xnow,ynow)为基准(xnow=xpre+Vicosα,ynow=ypre+Visinα),计算预测定位点now距离C个信标的距离dm,dm 2=(xm-xnow)2+(ym-ynow)2;取最小的4个dm值,将其对应编号m存入集合Q(集合Q即为筛选后的信标)。
实施例:
一种基于信标筛选的实时室内位置定位方法,具体步骤如下:
一、离线建立位置指纹库阶段:
步骤1:选择一块M*N的长方形区域。
步骤2:将区域划分成0.5*0.5的小区域,并在每个小区域的顶角设置信标,一共C个信标。
步骤3:在每个信标处进行20次测量,每次测量得RSSIk j,RSSIk j表示该信标在第j次接收到的第k个信标的RSSI值,20次测量后通过高斯滤波和求平均值得到该信标接收到第k个信标最终的RSSIk值,1≤j≤20,1≤k≤C。
步骤4:对于每个信标,以(m,xm,ym,RSSI1,RSSI2,……RSSIk,……,RSSIC)的形式存入离线位置指纹库中。
二、在线位置匹配阶段(每次定位间隔1s),流程见附图1:
定义集合T,存放整片区域的4个顶角处信标编号。
定义定位设备收到的RSSI值为为(rssi1,rssi2,rssi3,rssi4,.....,rssiC)。
第一次定位:
步骤1:定位设备接收各信标RSSI值。
步骤2:扫描整片区域里的每个信标,得到其基于RSSI值的欧式距离值DRSSIm,按照DRSSIm值从小到大进行排序得到最小的4个DRSSI值,定义P集合,存放最小的4个DRSSI值对应的m值。计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
第二到四次定位:此时Vi=Vmax。
步骤1:定位设备接收各信标RSSI值。
步骤2:获取定位设备的朝向P,以上一次定位点pre(xpre,ypre)做为正方形一条边的中点,沿着P方向做一个边长为2Vi的正方形区域,再沿着P方向相反的方向P’,以上述正方形点pre所在的边长为长,宽为Vi做一个长方形区域。两个区域结合后得到搜索子区域A。
第五次及以后定位:此时当(xi-1-xi-2)2+(yi-1-yi-2)2≠0时,Vi=0.6vi-1+0.3vi-2+0.1vi-3,当(xi-1-xi-2)2+(yi-1-yi-2)2=0时,Vi=Vmax。
步骤1:定位设备接收各信标RSSI值。
步骤2:获取定位设备的朝向P,以上一次定位点pre(xpre,ypre)做为正方形一条边的中点,沿着P方向做一个边长为2Vi的正方形区域,再沿着P方向相反的方向P’,以上述正方形点pre所在的边长为长,宽为Vi做一个长方形区域。两个区域结合后得到搜索子区域A。
步骤3:在子区域A里有n个信标,以预测定位点now(xnow,ynow)为基准(xnow=xpre+Vicosα,ynow=ypre+Visinα),计算预测定位点now距离n个信标的距离dm,dm 2=(xm-xnow)2+(ym-ynow)2;取最小的4个dm值,将其对应编号m存入集合Q。
Claims (4)
1.一种基于信标筛选的实时室内位置定位方法,其特征在于,包括:
(1)采集信标数据,录入位置指纹库:
(1.1)选择一块区域;
(1.2)对所述区域进行划分,得到若干小区域,在每个小区域的顶角设置信标,共C个信标;
(1.3)在每个信标处进行a次测量,每次测量得 表示该信标在第j次接收到的第k个信标的RSSI值,a次测量后通过高斯滤波和求平均值得到该信标接收到第k个信标最终的RSSIk值;1≤j≤a,1≤k≤C;
(1.4)对于每个信标,以(m,xm,ym,RSSI1,RSSI2,……RSSIk,……,RSSIC)的形式存入离线位置指纹库中;其中,m表示该信标编号,(xm,ym)表示信标坐标,RSSIk表示编号为m的信标在整片区域中的位置接收到第k个信标的RSSI值;
(2)基于区域划分和信标筛选,进行实时定位:
(2.1)定义集合T,用于存放整片区域的信标编号;
(2.2)定义定位设备接收到的RSSI值为(rssi1,rssi2,rssi3,rssi4,.....,rssiC);
(2.3)定位设备接收各信标RSSI值;
(2.4)第一次定位:扫描整片区域里的每个信标,得到其基于RSSI值的欧式距离值DRSSIm,按照DRSSIm值从小到大进行排序得到最小的4个DRSSI值,定义P集合,用于存放最小的4个DRSSI值对应的m值;计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
(2.5)第二次到第四次定位:对行动体速度进行估测,基于估测的行动体速度,划分扫描子区域;对子区域里的每个信标进行扫描,得到其基于RSSI值的欧式距离值DRSSIm,按照DRSSIm值从小到大进行排序得到最小的4个DRSSI值,定义P集合,存放最小的4个DRSSI值对应的m值;计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
(2.6)第五次及以后的定位:对行动体速度进行估测,基于估测的行动体速度,划分扫描子区域;基于预测定位点,进行信标筛选,得到4个信标及其集合Q,计算4个信标相对于定位点的基于RSSI值的欧式距离计算4个信标在本次定位中的权值wm,最后求出定位点坐标(x,y),
所述对行动体速度进行估测,基于估测的行动体速度,划分扫描子区域的具体过程如下:
行动体速度预估:
定义Vi为第i次定位时的行动体预估速度,当i<=4时,行动体预估速度Vi采用该行动体已知的最大速度Vmax进行替代,即Vi=Vmax,i<=4;当i>4时,设(xi,yi)为第i次定位点,则Vi=0.6vi-1+0.3vi-2+0.1vi-3;其中vi 2=(xi-xi-1)2+(yi-yi-1)2,vi表示第i次定位行动体的结果速度,即根据定位结果得到的速度;
子区域选择:
当i=1时,不做子区域划分,对整片区域进行扫描;当i>=2时,子区域定义为:首先获取定位设备的朝向P,则以上一次定位点pre(xpre,ypre)做为正方形一条边的中点,沿着P方向做一个边长为2Vi的正方形区域,该正方形区域的中心即为预测定位点now,该预测定位点到每条边的距离均为Vi;考虑到行动体突然停止的情况,沿着P方向相反的方向P’,以上述正方形pre所在的边长为长,宽为Vi做一个长方形区域;结合上述两种情况,形成最终的子区域。
2.根据权利要求1所述的基于信标筛选的实时室内位置定位方法,其特征在于:所述行动体速度预估中,考虑当行动体在某个点长期保持不动时,它的下一个动作为保持静止或者开始行动;因此,当第i-1次定位时,如果(xi-1-xi-2)2+(yi-1-yi-2)2=0,即行动体静止,则Vi=Vmax。
3.根据权利要求1所述的基于信标筛选的实时室内位置定位方法,其特征在于:所述基于预测定位点,进行信标筛选的具体步骤如下:
假设在待搜索子区域里有n个信标,当i>4时,以预测定位点now(xnow,ynow)为基准,xnow=xpre+Vicosα,ynow=ypre+Visinα,计算预测定位点now距离n个信标的距离dm,dm 2=(xm-xnow)2+(ym-ynow)2;取最小的4个dm值,将其对应编号m存入集合Q,集合Q即为筛选后的信标;
其中,以正东方向为0°,正北方向为90°,正西方向为180°,正南方向为270°,α表示朝向P的角度。
4.根据权利要求1所述的基于信标筛选的实时室内位置定位方法,其特征在于:每次定位间隔为1s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110082349.4A CN112770258B (zh) | 2021-01-21 | 2021-01-21 | 一种基于信标筛选的实时室内位置定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110082349.4A CN112770258B (zh) | 2021-01-21 | 2021-01-21 | 一种基于信标筛选的实时室内位置定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112770258A CN112770258A (zh) | 2021-05-07 |
CN112770258B true CN112770258B (zh) | 2022-07-12 |
Family
ID=75702446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110082349.4A Active CN112770258B (zh) | 2021-01-21 | 2021-01-21 | 一种基于信标筛选的实时室内位置定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112770258B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113947123B (zh) * | 2021-11-19 | 2022-06-28 | 南京紫金体育产业股份有限公司 | 人员轨迹识别方法、系统、存储介质和设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717483A (zh) * | 2016-02-06 | 2016-06-29 | 北京邮电大学 | 一种基于多源定位方式的位置确定方法及装置 |
CN106646338A (zh) * | 2016-12-07 | 2017-05-10 | 华南理工大学 | 一种快速精确的室内定位方法 |
CN109151716A (zh) * | 2018-09-06 | 2019-01-04 | 杭州电子科技大学 | 一种基于iBeacon的优选信标节点的室内定位方法 |
CN111257830A (zh) * | 2018-12-03 | 2020-06-09 | 南京理工大学 | 基于预先设定ap位置的wifi定位算法 |
CN111836194A (zh) * | 2020-08-21 | 2020-10-27 | 桂林电子科技大学 | 一种基于WiFi和蓝牙的室内定位方法 |
CN112135250A (zh) * | 2020-08-12 | 2020-12-25 | 浙江大华技术股份有限公司 | 室内定位方法、装置、计算机设备和可读存储介质 |
-
2021
- 2021-01-21 CN CN202110082349.4A patent/CN112770258B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717483A (zh) * | 2016-02-06 | 2016-06-29 | 北京邮电大学 | 一种基于多源定位方式的位置确定方法及装置 |
CN106646338A (zh) * | 2016-12-07 | 2017-05-10 | 华南理工大学 | 一种快速精确的室内定位方法 |
CN109151716A (zh) * | 2018-09-06 | 2019-01-04 | 杭州电子科技大学 | 一种基于iBeacon的优选信标节点的室内定位方法 |
CN111257830A (zh) * | 2018-12-03 | 2020-06-09 | 南京理工大学 | 基于预先设定ap位置的wifi定位算法 |
CN112135250A (zh) * | 2020-08-12 | 2020-12-25 | 浙江大华技术股份有限公司 | 室内定位方法、装置、计算机设备和可读存储介质 |
CN111836194A (zh) * | 2020-08-21 | 2020-10-27 | 桂林电子科技大学 | 一种基于WiFi和蓝牙的室内定位方法 |
Non-Patent Citations (1)
Title |
---|
基于RSSI的室内定位算法;吴锋;《信阳农林学院学报》;20190615;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112770258A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413578B (zh) | 一种基于wifi与pdr融合的室内定位方法 | |
CN108534779B (zh) | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 | |
CN110958575B (zh) | 一种基于WiFi融合预测的定位方法及系统 | |
KR102116824B1 (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
CN106412839B (zh) | 基于二级分区与指纹梯度匹配的室内定位与跟踪方法 | |
US9244152B1 (en) | Determining device locations using movement, signal strength | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN105704652B (zh) | 一种wlan/蓝牙定位中的指纹库采集和优化方法 | |
CN109298725B (zh) | 一种基于phd滤波的群体机器人分布式多目标跟踪方法 | |
Teuber et al. | A two-stage fuzzy logic approach for wireless LAN indoor positioning | |
CN111970633A (zh) | 基于WiFi、蓝牙和步行者行航位推算融合的室内定位方法 | |
CN105120433A (zh) | 基于连续采样及模糊聚类处理的wlan室内定位方法 | |
CN109511085B (zh) | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 | |
Guo et al. | WiMag: Multimode fusion localization system based on Magnetic/WiFi/PDR | |
CN111901749A (zh) | 一种基于多源融合的高精度三维室内定位方法 | |
CN113721253B (zh) | 基于fmcw激光雷达的运动物体速度检测方法 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
Tao et al. | AIPS: An accurate indoor positioning system with fingerprint map adaptation | |
CN112770258B (zh) | 一种基于信标筛选的实时室内位置定位方法 | |
Han et al. | A wireless fingerprint location method based on target tracking | |
CN110366109B (zh) | 一种用于室内目标的定位方法及系统 | |
Abusara et al. | RSS fingerprints dimensionality reduction in WLAN-based indoor positioning | |
CN109121081B (zh) | 一种基于位置候选集与em算法的室内定位方法 | |
Ang | Vehicle positioning using WIFI fingerprinting in urban environment | |
CN108064020B (zh) | 一种优化的室内定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |