CN113259842A - 一种基于RSSI测距模型的Wi-Fi室内定位方法 - Google Patents
一种基于RSSI测距模型的Wi-Fi室内定位方法 Download PDFInfo
- Publication number
- CN113259842A CN113259842A CN202110608438.8A CN202110608438A CN113259842A CN 113259842 A CN113259842 A CN 113259842A CN 202110608438 A CN202110608438 A CN 202110608438A CN 113259842 A CN113259842 A CN 113259842A
- Authority
- CN
- China
- Prior art keywords
- model
- rssi
- distance
- ranging model
- ranging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 33
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
本发明公开一种基于RSSI测距模型的Wi‑Fi室内定位方法,包括:在每个参考点均采集各个AP的RSSI数据,并根据采集到的RSSI数据构建样本集;其中,参考点和AP设置在室内,参考点、AP均为一个或多个;构建第一测距模型,其中,第一测距模型中存在待确定的参数,第一测距模型是基于距离残差修正的模型,待确定的参数为一个或多个;使用样本集对第一测距模型中的待确定的参数进行求解,得到所有待确定参数的值;将所有待确定的参数的值输入到第一测距模型中,得到第二测距模型,其中,第二测距模型用于根据在待定位点采集的各个AP的RSSI数据确定待定位点与各个AP之间的距离。本发明能够有效提高室内定位的准确性。
Description
技术领域
本发明涉及室内定位技术领域,特别是涉及一种基于RSSI测距模型的Wi-Fi室内定位方法。
背景技术
现如今,室内定位技术的应用越来越广泛。应用领域主要有:(1)医院中的应用。在大型医院,通过室内导航可以准确快速地找到科室的路径,减少病人因迷路而消耗的时间;通过在医院布置传感器,并且让每一位重病患者携带监视器,一旦出现危情,便可快速准确找到病患位置,争取宝贵的抢救时间。(2)商场、电影院等娱乐场合中的应用。在商场、电影院等室内环境中,室内定位技术可以为用户提供准确的室内导航、室内寻车等服务。(3)在抢险救灾中的应用。当室内出现火灾险情时,通过室内定位技术可以让消防人员准确找到安全线路,并且实时监控消防人员的位置以及身体状况,将损失降到最小。因此,室内定位技术的前景非常广阔。
其中,基于RSSI测距模型的Wi-Fi室内定位技术根据信号强度随传播距离变化的规律来实现定位。该方法除了无线网络接口网卡之外,在接收端不需要专门的硬件,可直接利用现有的广泛部署的无线局域网(Wireless Local Area Network,WLAN)基础设施进行位置定位,具有检测机制简单、开发成本低、容易实现等特点,是现今主流的室内定位方法。
基于RSSI测距的定位方法其原理是将无线传播模型应用于室内定位技术中估计出待定位点与信标节点之间的距离,然后将获得的距离结合定位算法从而实现定位。因此,室内无线传播模型对该技术至关重要,很大程度上影响了后期定位的准确性。然而,由于接收端硬件的设置和设备的差异以及越来越复杂化的室内无线环境使得无线信号的传播受非视距传输和多径效应等各种因素的干扰,导致传播模型容易具有误差性。
因此,提供一种基于RSSI测距模型的Wi-Fi室内定位方法显得尤为必要。
发明内容
本发明的目的是提供一种基于RSSI测距模型的Wi-Fi室内定位方法,以解决现有技术的问题,能够有效提高室内定位的准确性。
为实现上述目的,本发明提供了如下方案:本发明提供一种基于RSSI测距模型的Wi-Fi室内定位方法,包括如下步骤:
在每个参考点均采集各个AP的RSSI数据,并根据采集到的所述RSSI数据,构建样本集;其中,所述参考点和所述AP设置在室内,所述参考点为一个或多个,所述AP为一个或多个;
构建第一测距模型,其中,所述第一测距模型中存在待确定的参数,所述第一测距模型是基于距离残差修正的模型,所述待确定的参数为一个或多个;
使用所述样本集对所述第一测距模型中的所述待确定的参数进行求解,得到所有所述待确定参数的值;
将所述所有待确定的参数的值输入到所述第一测距模型中,得到第二测距模型,其中,所述第二测距模型用于根据在待定位点采集的所述各个AP的RSSI数据确定所述待定位点与所述各个AP之间的距离。
优选地,在得到所述第二测距模型之后,所述方法还包括:
采集待定位点处各AP的RSSI数据,并输入至所述第二测距模型,得到待定位点与各AP的距离;
根据待定位点与各AP的距离获取待定位点的位置坐标。
优选地,在根据采集到的所述RSSI数据构建样本集之前,所述方法还包括对采集到的所述RSSI数据进行预处理,所述预处理包括:异常值剔除,其中所述异常值采用2σ准则进行判别。
优选地,对采集到的所述RSSI数据进行预处理的方法还包括均值滤波处理。
优选地,所述第一测距模型包括基于参数修正的对数距离路径损耗模型、距离残差修正方程;
所述基于参数修正的对数距离路径损耗模型用于预测所述参考点与所述AP的距离;所述距离残差修正方程用于对所述基于参数修正的对数距离路径损耗模型的预测结果进行修正。
优选地,所述距离残差修正的测距模型如式3所示:
式中,为所述基于参数修正的对数距离路径损耗模型对第i个参考点中所述AP的RSSI值的预测结果,R0(d0)为距离所述AP的参考距离d0处的接收信号强度,n为所述基于参数修正的对数距离路径损耗模型的损耗参数,di为第i个参考点到所述AP的实测距离,Xσi为第i个参考点处测量的所述AP的RSSI的标准差,di”为所述基于距离残差修正的测距模型对第i个参考点与所述AP的距离的预测结果,a,b为残差因子,di'为所述基于参数修正的对数距离路径损耗模型对第i个参考点与所述AP的距离的预测结果。
优选地,R0(d0)、n的计算根据所述RSSI值的预测结果与所述RSSI值的实测值之差的平方和最小得到,其中,所述RSSI值的预测结果通过所述基于参数修正的对数距离路径损耗模型预测得到。
优选地,残差因子a,b的计算根据di”与di之差的平方和最小得到。
优选地,待定位点的位置坐标的获取方法为:基于待定位点与各AP的距离,采用最小二乘定位法获取待定位点的位置坐标。
本发明公开了以下技术效果:
本发明提供了一种基于RSSI测距模型的Wi-Fi室内定位方法,通过基于距离残差修正的测距模型进行测距,并基于测距结果,通过最小二乘定位算法进行室内定位,考虑到Wi-Fi信号在传播过程中易受多径效应等因素的影响,导致接收端采集到的信号强度会在一个区间内上下波动,具有不稳定性,本发明通过距离残差修正方程对基于参数修正的对数距离路径损耗模型预测出的距离进行进一步修正,使最终预测出的距离更加接近真实距离,降低测距误差,有效提高了室内定位的准确性。
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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明基于RSSI测距模型的Wi-Fi室内定位方法流程图。
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,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1所示,本实施例提供一种基于RSSI测距模型的Wi-Fi室内定位方法,包括如下步骤:
步骤S1、在室内设置若干个参考点、若干个测试点,若干个AP,在每个所述参考点、测试点,均采集各个所述AP的RSSI数据;
本实施例中,采用Wireless Mon信号收集软件进行接收信号强度(RSSI)的采集,为了减小同频干扰和邻频干扰,AP(Wireless Access Point,无线接入点)使用的无线信道是信道3,所使用的AP为TL-WR742N,其全向天线与地面垂直向上,发射功率为100mW,采用802.11n标准,最大传输速率为150Mbps。
在基于无线局域网的室内定位系统中,需要配备有无线网卡的接收终端来接收无线信号。在无人体遮挡的情况下,当接收端的天线处于不同朝向时,接收到的信号强度存在传播路径的不同,导致发射机和接收机之间的距离有所变化,从而使接收到的信号能量也有所不同,影响测距的精度。因此,本实施例中,RSSI数据采集的整个过程中,控制接收端始终处于同一朝向,使用相同无线网卡,且无线网卡与3个AP节点处于同一水平位置,采集5个参考点和4个测试点的数据;其中,5个参考点用于前期建立传播模型,4个测试点用于后期进行实际定位,检验传播模型的效果;5个参考点和4个测试点均对每个AP采集若干次信号,对于每个参考点/测试点,对每个AP采集到的信号计算其平均值作为该点采集到的该AP的RSSI值。
步骤S2、对所述参考点、测试点采集的RSSI数据进行数据预处理,并将所述参考点预处理后的所采集RSSI数据构建为样本集;
在实际中,某一时间段内接收端可以收到n个RSSI值,由于客观环境的影响,导致这些RSSI值存在异常现象,所以在实际应用之前需要将收集到的数据先进行异常值的剔除得到一个比较平滑准确的值。
RSSI随机变量在大多数情况下服从或近似服从正态分布,所以在本实施例中采用了2σ准则来进行粗大误差判别,剔除异常值。
2σ准则就是先假设一组检测数据只含有随机误差,对原始数据进行计算处理得到标准差,然后按一定的概率确定一个区间,认为误差超过这个区间的就属于异常值。
假设环境中的RSSI数据服从于均值为μ,方差为σ2的高斯分布,则其概率密度函数f(RSSI)如式(1)所示:
本实施例选取2σ的范围对数据进行异常值的剔除。将[-2σ+μ,2σ+μ]范围内的RSSI值全部取出,再求算数平均值,即可得到最终的RSSI测量值。假设m个RSSI值经过处理后,在[-2σ+μ,2σ+μ]范围内的数据为RSSI(1),RSSI(2),…,RSSI(m),则RSSI测量值RSSIgauss如式(2)所示:
本实施例中,5个参考点和4个测试点预处理后的数据分别如表1、表2所示;表1、表2中,d1、d2、d3分别为参考点/测试点到三个AP的距离,R(d1)、R(d2)、R(d3)分别为参考点/测试点收集到的来自三个AP的实测RSSI值,X(d1)、X(d2)、X(d3)分别为参考点收集到的来自三个AP的RSSI实测标准差。
表1
表2
步骤S3、构建基于距离残差修正的第一测距模型,使用所述样本集对所述第一测距模型中的待确定的参数进行求解,得到所有待确定参数的值;将所有待确定的参数的值输入到所述第一测距模型,得到第二测距模型;其中,所述第二测距模型用于根据在待定位点采集的所述各个AP的RSSI数据确定待定位点与各个AP之间的距离;
由于环境等因素的影响,测量到的接收信号强度与真实值之间本身容易存在误差,再利用传播模型解算距离来定位会导致双重误差,这样就使得只简单的利用基于参数修正的对数距离路径损耗测距模型或基于多项式拟合的测距模型把测量到的接收信号强度换算成距离来直接进行定位会引入一定程度的定位误差。
由于Wi-Fi信号在传播过程中易受多径效应等因素的影响,导致接收端采集到的信号强度会在一个区间内上下波动,具有不稳定性。尽管采用均值滤波对采集到的数据进行处理会在一定程度上减少噪声影响,但是还是会存在有一定的误差使得测量到的信号强度无法完全真实的反应距离,即:会出现在相同距离采集到不同的信号强度值或者在不同距离处采集到相同的信号强度值。故而仅仅使用经模型计算出的信号强度预测值和经实测得到的信号强度值之差的平方和最小来修正或推算模型的参数从而构建模型仍会存在有一定的误差。基于这个问题,本实施例提出一种基于距离残差修正的测距模型,以模型计算出的模型距离di”和经实测得到的距离di之差的平方和最小来修正由基于参数修正的对数距离路径损耗模型所计算出的距离di',并将修正后的距离用于后续的定位。基于距离残差修正的测距模型如式(3)所示:
式中,为所述基于参数修正的对数距离路径损耗模型对第i个参考点中所述AP的RSSI值的预测结果,R0(d0)为距离所述AP的参考距离d0处的接收信号强度,n为所述基于参数修正的对数距离路径损耗模型的损耗参数,di为第i个参考点到所述AP的实测距离,Xσi为第i个参考点处测量的所述AP的RSSI的标准差,di”为所述基于距离残差修正的测距模型对第i个参考点与所述AP的距离的预测结果,a,b为残差因子,di'为所述基于参数修正的对数距离路径损耗模型对第i个参考点与所述AP的距离的预测结果。其中,R0(d0)、n的计算以经基于参数修正的对数距离路径损耗模型计算出的接收信号强度预测值和经实测得到的接收信号强度值之差的平方和最小得到,本实施例中,R0(d0)、n的参数估计值如表3所示;求解出R0(d0)、n后,将参考点数据代入到式(3)中的方程1即可得到预测的距离di'。
表3
本实施例基于距离残差修正的测距模型由两个方程构成,针对单个AP。其中,方程为基于参数修正的对数距离路径损耗模型,在此基础上,通过距离残差修正方程d″i=a+bd′i来修正由基于参数修正的对数距离路径损耗模型所推算出的距离di'。由于参数修正的对数距离路径损耗模型所推断出的距离di'与真实的距离之间还会存在有一定的误差,而这个误差只是一个数值的波动区间,因此真实距离与由基于参数修正的对数距离路径损耗模型推断出的距离di'会存在有一个线性关系,故而本实施例通过距离残差修正方程d″i=a+bd′i来修正由基于参数修正的对数距离路径损耗模型推断出的距离,使最终由模型推断出的距离更加接近真实距离,降低测距误差为后续定位的准确性奠定基础。
经基于参数修正的对数距离路径损耗模型求解出di'之后,以经基于距离残差修正的测距模型计算出的模型距离di”和经实测得到的距离di之差的平方和最小,即样本误差的平方和最小为条件来确定距离残差修正方程中的残差因子a,b。可得到形如误差方程,如式(4)所示:
由最小二乘原理得到残差因子的解,如式(5)所示:
各AP发射端所获得的参数如表4所示,并将其重新代入所提出的基于距离残差修正的测距模型用于观测拟合当前的室内环境。
表4
步骤S4、通过所述测试点预处理后的RSSI数据对所述第二测距模型进行准确性验证;
为进一步验证本发明基于距离残差修正的测距模型的有效性,本实施例基于测试点所采集的数据,将常规基于参数修正的对数距离路径损耗测距模型(模型1)、基于多项式拟合的测距模型(模型2)的定位结果与本发明基于距离残差修正的测距模型(模型3)的定位结果进行对比,模型1、模型2、模型3的测距结果分别如表5-7所示:
表5
表6
表7
根据以上对比可知,本发明模型定位精度明显高于现有模型1、模型2,在测距精度上相较于模型1、模型2分别提高了58%和51%左右。
步骤S5、采集待定位点处各AP的RSSI数据,并输入至所述第二测距模型,得到待定位点与各AP的距离,基于待定位点与各AP的距离,采用最小二乘定位法获取待定位点的位置坐标,完成室内定位。
模型1、模型2、模型3的定位结果分别如表8-10所示:
表8
表9
表10
模型1、模型2、模型3的估算坐标精度对比如表11所示:
表11
根据以上对比可知,本发明模型定位精度明显高于现有模型1、模型2,在定位精度上相较于模型1、模型2分别提高了69%和80%左右。
以上所述的实施例仅是对本发明的优选方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (9)
1.一种基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,包括如下步骤:
在每个参考点均采集各个AP的RSSI数据,并根据采集到的所述RSSI数据,构建样本集;其中,所述参考点和所述AP设置在室内,所述参考点为一个或多个,所述AP为一个或多个;
构建第一测距模型,其中,所述第一测距模型中存在待确定的参数,所述第一测距模型是基于距离残差修正的模型,所述待确定的参数为一个或多个;
使用所述样本集对所述第一测距模型中的所述待确定的参数进行求解,得到所有所述待确定参数的值;
将所述所有待确定的参数的值输入到所述第一测距模型中,得到第二测距模型,其中,所述第二测距模型用于根据在待定位点采集的所述各个AP的RSSI数据确定所述待定位点与所述各个AP之间的距离。
2.根据权利要求1所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,在得到所述第二测距模型之后,所述方法还包括:
采集待定位点处各AP的RSSI数据,并输入至所述第二测距模型,得到待定位点与各AP的距离;
根据待定位点与各AP的距离获取待定位点的位置坐标。
3.根据权利要求1所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,在根据采集到的所述RSSI数据构建样本集之前,所述方法还包括对采集到的所述RSSI数据进行预处理,所述预处理包括:异常值剔除,其中所述异常值采用2σ准则进行判别。
4.根据权利要求3所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,对采集到的所述RSSI数据进行预处理的方法还包括均值滤波处理。
5.根据权利要求1所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,所述第一测距模型包括基于参数修正的对数距离路径损耗模型、距离残差修正方程;
所述基于参数修正的对数距离路径损耗模型用于预测所述参考点与所述AP的距离;所述距离残差修正方程用于对所述基于参数修正的对数距离路径损耗模型的预测结果进行修正。
6.根据权利要求5所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,所述距离残差修正的测距模型如式3所示:
7.根据权利要求6所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,R0(d0)、n的计算根据所述RSSI值的预测结果与所述RSSI值的实测值之差的平方和最小得到,其中,所述RSSI值的预测结果通过所述基于参数修正的对数距离路径损耗模型预测得到。
8.根据权利要求6所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,残差因子a,b的计算根据di”与di之差的平方和最小得到。
9.根据权利要求2所述的基于RSSI测距模型的Wi-Fi室内定位方法,其特征在于,待定位点的位置坐标的获取方法为:基于待定位点与各AP的距离,采用最小二乘定位法获取待定位点的位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110608438.8A CN113259842A (zh) | 2021-06-01 | 2021-06-01 | 一种基于RSSI测距模型的Wi-Fi室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110608438.8A CN113259842A (zh) | 2021-06-01 | 2021-06-01 | 一种基于RSSI测距模型的Wi-Fi室内定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113259842A true CN113259842A (zh) | 2021-08-13 |
Family
ID=77185741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110608438.8A Pending CN113259842A (zh) | 2021-06-01 | 2021-06-01 | 一种基于RSSI测距模型的Wi-Fi室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113259842A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115297426A (zh) * | 2022-07-29 | 2022-11-04 | 成都智元汇信息技术股份有限公司 | 一种适用于特殊情况下基于wifi探针确定目标位置的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107801147A (zh) * | 2017-07-21 | 2018-03-13 | 西安工程大学 | 一种基于rssi测距改进的多区域自适应室内定位方法 |
US20180266826A1 (en) * | 2017-03-16 | 2018-09-20 | Quantek, Inc. | Method of Room Based Position Determination |
-
2021
- 2021-06-01 CN CN202110608438.8A patent/CN113259842A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180266826A1 (en) * | 2017-03-16 | 2018-09-20 | Quantek, Inc. | Method of Room Based Position Determination |
CN107801147A (zh) * | 2017-07-21 | 2018-03-13 | 西安工程大学 | 一种基于rssi测距改进的多区域自适应室内定位方法 |
Non-Patent Citations (1)
Title |
---|
林敏敏: "基于RSSI测距模型的Wi-Fi室内定位技术研究" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115297426A (zh) * | 2022-07-29 | 2022-11-04 | 成都智元汇信息技术股份有限公司 | 一种适用于特殊情况下基于wifi探针确定目标位置的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9913092B2 (en) | Mitigating signal noise for fingerprint-based indoor localization | |
Xue et al. | Improved Wi-Fi RSSI measurement for indoor localization | |
US8565106B2 (en) | Iterative localization techniques | |
CN108307301B (zh) | 基于rssi测距和轨迹相似性的室内定位方法 | |
CN109951798A (zh) | 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法 | |
CN106454747B (zh) | 手机终端的无线定位方法 | |
US8583050B2 (en) | Building influence estimation apparatus and building influence estimation method | |
US20140243025A1 (en) | Positioning method | |
CN111225439A (zh) | 确定终端位置的方法、装置及存储介质 | |
Figuera et al. | Nonparametric model comparison and uncertainty evaluation for signal strength indoor location | |
KR20180059094A (ko) | 비콘 기반 실내 측위에서의 rssi 보정 방법 및 시스템 | |
CN113259842A (zh) | 一种基于RSSI测距模型的Wi-Fi室内定位方法 | |
Naghdi et al. | Trilateration with BLE RSSI accounting for pathloss due to human obstacles | |
CN114363808A (zh) | 一种基于rssi测距的室内定位方法 | |
CN109302674B (zh) | 一种基于多重滤波的WiFi室内定位方法 | |
Palazon et al. | Experimental RSSI-based localization system using wireless sensor networks | |
Li et al. | NQRELoc: AP selection via nonuniform quantization RSSI entropy for indoor localization | |
CN108574927A (zh) | 一种移动终端定位方法及装置 | |
CN103987063B (zh) | 一种基于多点监测的消除nlos误差定位方法 | |
Kuxdorf-Alkirata et al. | A passive fingerprinting approach for device-free surveillance and localization applications using a Bluetooth Low Energy infrastructure | |
CN110456307B (zh) | 一种基于室内伪卫星信号载噪比的终端定位方法 | |
Liu et al. | Antenna‐height‐dependent path loss model and shadowing characteristics under indoor stair environment at 2.6 GHz | |
Miyamoto et al. | User data selection scheme to reduce database update errors for fingerprint localization | |
Jung et al. | A localization method with insufficient rss samples using neural network | |
CN111398942A (zh) | 一种基于天线对的定位系统及其方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210813 |