CN113949986B - 基于wr和射频指纹技术的定位方法、系统及监控方法 - Google Patents
基于wr和射频指纹技术的定位方法、系统及监控方法 Download PDFInfo
- Publication number
- CN113949986B CN113949986B CN202110920975.6A CN202110920975A CN113949986B CN 113949986 B CN113949986 B CN 113949986B CN 202110920975 A CN202110920975 A CN 202110920975A CN 113949986 B CN113949986 B CN 113949986B
- Authority
- CN
- China
- Prior art keywords
- radio frequency
- frequency signal
- server
- signals
- transient
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 230000001052 transient effect Effects 0.000 claims abstract description 82
- 230000001360 synchronised effect Effects 0.000 claims abstract description 19
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 23
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 241000283973 Oryctolagus cuniculus Species 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000012790 confirmation Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 230000006854 communication Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
- G06F18/2414—Smoothing the distance, e.g. radial basis function networks [RBFN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/047—Probabilistic or stochastic networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/24—Electrical actuation by interference with electromagnetic field distribution
- G08B13/2491—Intrusion detection systems, i.e. where the body of an intruder causes the interference with the electromagnetic field
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04J—MULTIPLEX COMMUNICATION
- H04J3/00—Time-division multiplex systems
- H04J3/02—Details
- H04J3/06—Synchronising arrangements
- H04J3/0635—Clock or time synchronisation in a network
- H04J3/0638—Clock or time synchronisation among nodes; Internode synchronisation
- H04J3/0658—Clock or time synchronisation among packet nodes
- H04J3/0661—Clock or time synchronisation among packet nodes using timestamps
- H04J3/0667—Bidirectional timestamps, e.g. NTP or PTP for compensation of clock drift and for compensation of propagation delays
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W56/00—Synchronisation arrangements
- H04W56/001—Synchronization between nodes
- H04W56/0015—Synchronization between nodes one node acting as a reference for the others
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
本发明提供WR和射频指纹技术的定位方法、系统及监控方法,方法包括服务器与同步设备连接,若干个射频信号接收机分别与同步设备连接;射频信号接收机捕捉到射频信号后,经同步设备传输至服务器;服务器依据射频信号提取瞬态信号,获取瞬态信号对应的瞬态特征和各个接收机接收信号的到达时间差;服务器依据瞬态特征查找射频指纹库,判断是否存在与瞬态特征匹配的射频指纹;若存在,则依据射频指纹确定射频标签;依据所述到达时间差和接收机的坐标位置,计算得到射频标签的坐标位置。本发明能够精准地辨别发送射频信号的射频标签的身份,并准确地定位其所在位置。使得室内定位技术在精确度上得到提升,同时在监控方面具有较高实用性。
Description
技术领域
本发明涉及定位技术领域,特别涉及基于WR技术和射频指纹识别技术的定位方法、系统及监控方法。
背景技术
目前的室内定位技术精确度不高,难以实现对特定区域内的非法入侵情况进行精准、有效监控。因此,有必要提供一种精确度高的室内定位技术方案,从而能够实现对特定区域内的非法入侵情况进行精准、有效监控,进而保障人身和财产的安全。
发明内容
本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此,本发明的一个目的在于提出一种基于WR技术和射频指纹识别技术的定位方法,能够准确识别区域内的射频标签的身份,并精准定位射频标签的坐标位置。
本发明的第二个目的在于提出一种基于WR技术和射频指纹识别技术的监控方法,能够在室内精准定位射频标签的坐标位置,并在判定射频标签对应擅入者时自动警报,具备有效、安全、可靠的防护效果。
本发明的第三个目的在于提出一种基于WR技术和射频指纹识别技术的系统,能够准确识别区域内的射频标签的身份,并精准定位射频标签的坐标位置。
为达到上述目的,本发明第一方面实施例提出了一种基于WR技术和射频指纹识别技术的定位方法,包括同步设备、服务器以及若干个射频信号接收机;其中,所述服务器与所述同步设备连接,所述若干个射频信号接收机分别与所述同步设备连接;
射频信号接收机捕捉到射频信号后,经所述同步设备将其传输至服务器;
服务器依据接收到的射频信号,提取瞬态信号,获取瞬态信号对应的瞬态特征和各个射频信号接收机接收到所述射频信号的到达时间差;
服务器依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹;
若存在,则依据匹配得到的射频指纹确定对应的射频标签;
依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频标签的坐标位置。
根据本发明实施例的基于WR技术和射频指纹识别技术的定位方法,基于WR技术保证服务器与各个射频信号接收机之间具有超高精度的时钟同步,以此确保信号处理结果具备超高精准度,从而保障据此定位得到的信号发出端坐标位置的精准度;同时,基于射频指纹识别技术实现对区域内射频标签身份进行高效、准确识别;二者的结合,能够实现在室内高效、精准辨别射频标签的身份并定位其所在位置。本发明在监控领域具有很高的实用价值,能够显著提高室内终端定位以及终端身份确认的准确度。
另外,根据本发明上述实施例提出的一种基于WR技术和射频指纹识别技术的定位方法,还可以具有如下附加的技术特征:
优选地,所述同步设备采用白兔精确时间协议与所述服务器和所述若干个射频信号接收机连接;
所述方法还包括:
同步设备将服务器的时钟信号作为主时钟信号,同步至所述若干个射频信号接收机,以使服务器与所述若干个射频信号接收机之间保持超高精度的时钟同步。
优选地,所述服务器依据起点检测法提取所述瞬态信号,依据广义相关法计算得到所述到达时间差。
优选地,服务器依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹,包括:
依据射频指纹库,在所述服务器中构建一深度卷积神经网络;
服务器获取所述瞬态特征后,通过所述深度卷积神经网络计算所述瞬态特征与射频指纹库中各个射频指纹的匹配程度,输出匹配结果。
优选地,若所述瞬态特征与射频指纹库中一射频指纹的匹配程度匹配高于预设阈值,则所述匹配结果为所述射频指纹以及对应匹配成功的提示;
若所述瞬态特征与射频指纹库中的任一射频指纹的匹配程度匹配均低于预设阈值,则所述匹配结果为对应匹配失败的提示。
优选地,所述射频标签的坐标位置依据TDOA算法计算得到。
为达到上述目的,本发明第二方面实施例提出了一种基于WR技术和射频指纹识别技术的监控方法,包括上述基于WR技术和射频指纹识别技术的定位方法;
在所述的判断是否存在与所述瞬态特征匹配的射频指纹,之后,还包括:
若不存在,则依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频信号对应的射频标签的坐标位置,并发出包括计算得到的坐标位置的警告信息。
根据本发明实施例提供的一种基于WR技术和射频指纹识别技术的监控方法,基于WR技术保证服务器与各个射频信号接收机之间具有超高精度的时钟同步,以此确保信号处理结果具备超高精准度,从而保障据此定位得到的信号发出端坐标位置的精准度;同时,基于射频指纹识别技术实现对区域内射频标签身份进行高效、准确识别;将二者结合运用在监控领域,实现了在室内高效、精准地辨识射频标签的身份是否为擅入者,并能够精准定位其所在位置,以及在确定为擅入者时自动警报。本实施例具有很高的实用价值,能够在显著提高室内终端定位以及终端身份确认的准确度的同时,具有有效、安全、可靠的防护效果。
为达到上述目的,本发明第三方面实施例提供一种基于WR技术和射频指纹识别技术的定位系统,所述同步设备采用白兔精确时间协议与所述服务器和所述若干个射频信号接收机连接;
所述同步设备,用于将服务器的时钟信号作为主时钟信号,同步至所述若干个射频信号接收机,以使服务器与所述若干个射频信号接收机之间保持超高精度的时钟同步。
根据本发明实施例提供的一种基于WR技术和射频指纹识别技术的定位系统,基于WR同步设备保证服务器与各个射频信号接收机之间具有超高精度的时钟同步,以此确保信号处理结果具备超高精准度,从而保障据此定位得到的信号发出端坐标位置的精准度;同时,基于射频指纹识别技术使服务器实现对区域内射频标签身份进行高效、准确识别;因此,本实施例能够实现在室内高效、精准辨别射频标签的身份以及定位其所在位置。该定位系统在监控领域具有很高的实用价值,能够显著提高室内终端定位以及终端身份确认的准确度。
另外,根据本发明上述实施例提出的一种基于WR技术和射频指纹识别技术的定位系统,还可以具有如下附加的技术特征:
优选地,所述同步设备采用白兔精确时间协议与所述服务器和所述若干个射频信号接收机连接;
所述同步设备,用于将服务器的时钟信号作为主时钟信号,同步至所述若干个射频信号接收机,以使服务器与所述若干个射频信号接收机之间保持超高精度的时钟同步。
优选地,所述服务器包括信号处理模块、定位模块以及识别模块;
所述信号处理模块,用于依据起点检测法从接收到的射频信号中提取瞬态信号,获取瞬态信号对应的瞬态特征和各个射频信号接收机接收到所述射频信号的到达时间差;
所述识别模块,包括一深度卷积神经网络,用于获取所述瞬态特征后,通过所述深度卷积神经网络计算所述瞬态特征与射频指纹库中各个射频指纹的匹配程度,输出匹配结果;
所述定位模块,用于若识别模块的匹配结果对应匹配成功,则依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到与所述瞬态特征匹配的射频标签的坐标位置。
附图说明
图1为根据本发明实施例的一种基于WR技术和射频指纹识别技术的定位方法的流程示意图;
图2为根据本发明实施例的一种基于WR技术和射频指纹识别技术的定位系统的结构组成示意图;
图3为根据本发明实施例中识别射频信号的流程示意图;
图4为根据本发明实施例中信号处理模块的系统框图;
图5为根据本发明实施例中所述深度卷积神经网络的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明结合WR技术以及射频指纹识别技术,能够精准地辨别发送射频信号的射频标签的身份,准确地定位其所在位置。使得室内定位技术在精确度上得到提升,同时在监控方面具有较高实用性。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
首先,对本发明实施例所涉及的技术用词进行解释:
射频指纹,指无线终端设备在通信过程中,模块发射信号时产生的瞬态信号部分。射频指纹来源于设备的硬件部分,而设备在生产过程中是无法保证每个仪器的电路走线、元器件容差以及制作工艺等是完全相同的,这些细微的差异最终体现在了设备产生的实际信号包含着个体特征。这些特征就与人的指纹相似,具有唯一的特性,无法被假冒。
射频指纹识别的目的在于通过研究分析设备无线信号的特征而达到识别发射设备的效果。
卷积神经网络,是带有卷积核结构的模型,其能有效降低深层网络带来的内存占有量,降低网络的参数,有效缓解模型训练阶段的过拟合问题;卷积运算能最大程度的提取出信号的特征,有效的进行分类识别。
定位原理的分类:根据定位原理的不同,定位系统可以分为基于接收信号强度测量(RSS)、到达信号角度测量(AOA)、到达时间测量(TOA)和到达时间差测量(TDOA)的定位系统。这四种方式各有优缺点,具体如下:
(1)基于接收信号强度测量(RSS)的方法是在接收端测量接收信号的功率,根据信道的衰减模型,计算发射点和接收点之间的距离,通过至少三个接收点,可以实现对发射端的三位定位,但是系统容易受到多径效应的影响,并且难以实现非视距范围的定位。
(2)基于到达信号角度测量(AOA)是计算信号从基站到发射端的角度,然后绘制标签可能存在的区域。基本上,这个区域是一条与接收端有一定角度的直线,虽然估计标签的位置至少需要两个接收机,但如果AoA估计中出现一个小的误差,位置估计误差可能会很大。因此,基于AoA的技术对于定位效果有限,系统需要配置阵列天线,结构复杂。
(3)ToA方法计算信号从接收端到发射端所需要的时间,标签在一个以接收端为中心的圆周上,通过ToA测量的到达时间乘以速度可以计算出圆半径d。因此,为了检测标签的确切位置,至少需要3个接收端点。但是这要求发射端和各个接收端通信之前,需要实现时钟的高精度同步,否则得到的飞行时间是不准确的,导致了时间同步精度直接影响定位精度。
(4)基于时间差测量(TDOA)的定位系统,通过测量移动终端到不同发送端的时间差从而估计到不同终端的距离之差进而进行定位。由于不需要检测信号传输时间,系统对时间同步的要求大大降低。可以构造三组以接收点为焦点的双曲线,且发射端在双曲线上,即可获取发射点的三维坐标。TDOA要求各接收端时钟之间保持高精度的时间同步,同步精度和到达时间的测量精度直接决定发射点的定位精度,对于发射端和接收端的同步不作要求。
请参阅图1,本发明实施例针对目前室内定位的精确度不高且无法准确判断进入者身份的问题,提供基于WR技术和射频指纹识别技术的定位方法,能够高效、精准识别进入者是否为擅入者,并能够精准定位其所在位置,对区域监控具有有效、安全、可靠的防护作用。
本实施例所述的基于WR技术和射频指纹识别技术的定位方法,基于下述系统框架实现,请参阅图2,系统包括同步设备、服务器以及若干个射频信号接收机;其中,所述服务器与所述同步设备连接,所述若干个射频信号接收机分别与所述同步设备连接;
特别的,所述同步设备采用白兔精确时间协议(White Rabbit-PTP)建立所述服务器与所述若干个射频信号接收机的连接,以保证服务器和各个射频信号接收机之间保持超高精度(亚纳秒级)的时间同步。
基于上述系统框架的方法可以包括以下步骤:
S1:射频信号接收机捕捉到射频信号后,经同步设备将其传输至服务器;
射频信号接收机主要负责捕捉空间中的射频信号。所述射频信号由射频标签发出,而射频标签可以设于任何终端上。在一具体示例中,所述射频信号由手机发出,手机上的射频标签只需要保持网络连接通畅,既有射频信号不时的发送出来。由此,便可实现对特定空间区域(由若干个射频信号接收机设置的位置确定)内持有手机的人的活动位置进行监控。
S2:服务器依据接收到的射频信号,提取瞬态信号,获取瞬态信号对应的瞬态特征和各个射频信号接收机接收到所述射频信号的到达时间差;
作为一具体实例,信号处理过程包括两部分的处理,步骤一是服务器采用基于基本贝叶斯检测理论的起点检测法切割得到瞬态信号;步骤二是采用广义互相关的方法来估计信号到各个接收机的时间差。
对于步骤一,具体而言,所述的起点检测方法采用的是基于基本贝叶斯检测理论而设计的算法。具体实现过程为:假设独立随机变量序列为X={X1,X2,…XN},并且服从某种参数类型的概率分布p={p(x|θ);θΘ},其中n为序列的长度,θ为未知参数。假设m为可能的变化点位置,且满足条件1≤m≤n。这样序列X就被变化点分成前后两部分,分别为Xe,Xl。如果影响序列X的因素在某一时刻发生,那么在该时刻的前后Xe,Xl的统计参数将不再相同,即θe,θl。在本具体实例中,实际采集的到的发射机暂态时间序列,由于辐射源开机状态的影响,使得暂态时间序列在某一时刻发生了改变,这个时刻就是变化点的位置,这必将使得前后两部分序列的统计参数,如均值或方差,产生差异。依据统计参数的这个变化就可以确定出暂态信号的起点位置。
对于二s(t),那么对于不同的接收机采集到的信号可以得到如下表示:
其中,n1,2,3,4(t)分别表示在四个不同接收机下接收信号的噪声,D1,2,3,4分别表示2,3,4号接收机与1号接收机之间的接收时间差,即到达时间差,这里以1号接收机为基准,计算信号到达其余接收机的时间差。计算他们的互相关可得:
将互相关进行最大化即可得时间差:
接收机得到的信号长度为TL,可以得到互相关的估计:
通过以上公式,可以计算得到接收时间差。
S3:服务器依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹。
所述的射频指纹库,其存储的可以是不同射频标签与其射频指纹(由瞬态特征表征)之间的对应关系;也可以仅存储不同射频指纹信息,射频指纹信息与对应射频标签的对应关系另存在服务器的其他地方。但无论如何,不同射频标签均直接对应不同的终端设备。由此,便可以简单理解为射频指纹库中存储的是特定终端设备的身份信息。
对应不同的运用场景,所述射频指纹库可以对应授权终端设备,即,授权终端名单,用于判断当前采集到的射频信号对应的终端是否属于“授权对象”,此种情况可以在住宅、公司等私人场所用于对进出区域的人员进行有效监管。当然,所述射频指纹库也可以对应“黑名单”,用于识别当前采集到的射频信号对应的终端是否属于“禁止的对象”。
因此,在本发明上述实施例中,通过射频指纹库的设置,实现了对射频发射端的分类(是善类还是异类),可以据此高效并准确地识别射频信号发射端的身份。
所述查找的方式,可以是将瞬态特征与射频指纹库中记录的射频指纹类进行匹配,若能成功匹配,则获取与之匹配的射频指纹对应的射频标签。
作为一具体实例,服务器可以通过构建一依据射频指纹库构建的深度卷积神经网络来实现更高效、精准地识别采集到的瞬态特征。
预先依据射频指纹库,在所述服务器中构建一深度卷积神经网络;在服务器获取所述瞬态特征后,通过所述深度卷积神经网络计算所述瞬态特征与射频指纹库中各个射频指纹的匹配程度,输出匹配结果。
作为一具体示例,如图5所示,所述深度卷积神经网络为基于一维无线信号的CNN深度学习网络,模型共有9层网络,其中隐含层中包含4个卷积层和2个池化层,其中的卷积核都属于一维卷积核,输出层由3个全连接网络层组成。模型用Relu激活函数为全连接层提供线性变换。模型训练过程中,往往要防止出现过拟合。本模型采用在全连接阶段加入Dropout层的方法来防止过拟合现象。具体做法可以是,在训练时预设一个概率值p使得神经元的激活状态受到限制,只有部分神经元保持激活状态继续工作。在进行测试时,则把P值设定为1,这样得到的分类识别效果将会被增强。
具体而言,上述模型的损失函数可以采用交叉熵算法进行计算,利用Softmax函数将输出结果转化为概率分布的形式,得出:
式中的y代表模型的训练的预测输出值,class表示类别的标签值。
模型参数决定了模型最终的走向,因此对于模型参数的优化是十分重要的。所述模型采用Adam自适应优化器,其能有效提高模型的计算效率和降低内存占有。Adam自适应优化器能够从梯度均值及梯度平方两个角度进行综合考虑计算出更新步长,最终可以对不同的参数的自适应的调整不同的学习速率。
S4:若射频指纹库中存在与所述瞬态特征匹配的射频指纹,则依据该射频指纹确定对应的射频标签;
至此,实现了由所采集的射频信号出发高效定位到具体的信号发射端。对应具体运用场景,则能够高效锁定信号发射对象,如哪一部手机,进而锁定进入区域的对象。若射频指纹库对应“授权对象”,则可以据此掌握进入区域的对象是谁;若射频指纹库对应“黑名单”,则可以据此及时地发现存在擅入区域的对象,以便及时采取相应防护措施。上述具体运用场景在监控领域具有极高的实用性,能够高效地对进入区域的对象进行分类。
S5:依据所述各个接收机之间信号到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频标签的坐标位置。其中,所述射频信号接收机指的是所有接收到所述射频信号的射频信号接收机。
上述不仅可以用于对“已知射频标签”即在射频指纹库中登记的射频标签进行坐标位置定位;而且也适用于对“未知射频标签”即不在射频指纹库中的射频标签进行坐标位置。据此掌握进入区域的任一对象的坐标位置,为对象监控所用。
作为一具体实例,服务器可以依据TDOA算法计算得到射频标签所在坐标位置。其实现过程可以是:
假设接收机的坐标为:p1(0,0,0),p2(2l1,0,0),p3(0,2l2,0),p4(0,0,2l3),手机标签的坐标为p(x,y,z),到达时间差为:ΔT1,ΔT2,ΔT3。
根据d=c*T,c为电磁波传播的速度,可以计算出距离,又由坐标信息可以得到三组曲面方程:
其中a1,b1为接收机p1,p2作为焦点的双曲线的实轴和虚轴,a2,b2为接收机p1,p3作为焦点的双曲线的实轴和虚轴,a3,b3为接收机p1,p4作为焦点的双曲线的实轴和虚轴,根据曲线的特征则有:
△T1,2,3*c=2*a1,2,3
在另一具体实施例中,可以将服务器的射频指纹库识别结果进一步具体化,以获取更明确的定位/监控结果。
具体而言,服务端依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹时,
若所述瞬态特征与射频指纹库中一射频指纹的匹配程度匹配高于预设阈值(如90%,具体阈值支持灵活配置),则所述匹配结果为匹配得到的射频指纹以及对应匹配成功的提示。
在一具体示例中,若射频指纹库对应“授权名单”,则在相似度高于90%判断为相同射频指纹时,则将该射频指纹的相关数值(如对应射频标签关联的手机用户、相似度等)发送到显示模块进行显示,并提示为安全用户;若射频指纹库对应“黑名单”,则在匹配成功后,提示的内容则对应警告信息。如图3所示。
若所述瞬态特征与射频指纹库中的任一射频指纹的匹配程度匹配均低于预设阈值(如90%,具体阈值支持灵活配置),或者是匹配程度在预设阈值范围(如30%-90%之间),则所述匹配结果为对应匹配失败的提示。
在一具体示例中,若射频指纹库对应“授权名单”,则匹配失败后对应的提示内容为警告信息,如提示“擅入/非法用户”的警告信息;若射频指纹库对应“黑名单”,则在匹配失败后,则提示内容可以为“安全用户”。
可见,具体提示内容与射频指纹库对应的终端类别相关联,射频指纹库是划分“善类”和“异类”的依据。若提示内容为警告信息,则进行匹配的射频信号的发出端要么在授权名单之外,要么在黑名单之内;而射频指纹库对应授权名单还是对应黑名单,可执行灵活配置。因而本具体实施例更具实用性,具有更广泛的运用前景。
在另一具体实施例中,基于上述具体实施例提供的基于WR技术和射频指纹识别技术的监控方法,本具体实施例提供一种基于WR技术和射频指纹识别技术的监控方法,除了包含上述各个具体实施例对应的方法以外,将对应其在监控工领域的运用做进一步限定。
具体而言,服务端不论查找射频指纹库的结果如何,均会对射频信号发出端进行坐标位置的定位,以掌握监控对象的坐标位置。具体定位方式为依据各个接收机接收到的射频信号间的相对时间差和接收到射频信号的各个接收机的坐标位置,依据TDOA算法计算得到所述射频信号对应的射频标签的坐标位置,并发出包括计算得到的坐标位置的警告信息。
在本具体实施例提供的监控方法中,将结合依据射频指纹库明确的射频信号发出端的身份(是安全用户还是擅入/非法用户)与计算得到的发出端的坐标位置,有效掌握进入区域的用户的身份和动向,并在判定射频标签对应擅入/非法者时自动警报。因此,本具体实施例所述的监控方法具备有效、安全、可靠的防护效果,具有良好的运用前景。
在另一具体实施例中,基于上述具体实施例提供的基于WR技术和射频指纹识别技术的监控方法,本具体实施例提供一种基于WR技术和射频指纹识别技术的定位系统。
本具体实施例提供的定位系统,请参阅图2,包括WR同步设备、服务器、若干个射频信号接收机以及射频标签;其中,所述服务器与所述WR同步设备连接,所述若干个射频信号接收机分别与所述WR同步设备连接。即所述同步设备采用白兔精确时间协议与所述服务器和所述若干个射频信号接收机连接。
系统中,所述同步设备,用于将服务器的时钟信号作为主时钟信号,同步至所述若干个射频信号接收机,以使服务器与所述若干个射频信号接收机之间保持超高精度的时钟同步。
在一具体示例中,所述WR同步设备可以是来自信科太公司的CUTE-WR-DP以及WRS-18交换机:CUTE-WR-DP是双端口WR子卡,该模块是符合VITA 57标准的FMC板卡,集成了WR节点功能,能为载板提供高性能同步时钟和千兆数据传输通道。配备双SFP端口,支持串联、并联连接模式;WRS-18是高性能WR时钟同步交换机,可以作为WR网络的核心设备,将时间频率信号分发到多个相连的WR设备,可构建多个节点的时间同步网络,具有18个光纤同步端口。两者的时间同步偏差小于1ns,时钟同步精度小于100ps,同步距离20公里(可选光模块支持100公里),支持级联(可扩展上万个节点),自动刻度和补偿光纤链路延迟等特点。
所述射频标签,在一具体示例中对应手机端,作为监控对象,手机端发射的射频信号为手机网络传输过程中产生的射频信号,无需特点生成,更具有普遍性。
所述射频信号接收机,设置位置是固定的,具有特定的坐标位置,并提前录入服务器系统中。用于接收机捕捉到射频信号后,经所述同步设备将其传输至服务器;
在一具体示例中,所述射频信号接收机采用USRP设备进行射频信号的接收,其能高效准确的捕捉手机的射频信号,且USRP采用开源软件无线电平台GNURadio作为信号的处理端,使其能够与核心服务器端搭配进行信号的预处理。
所述服务器,用于依据接收到的射频信号,提取瞬态信号,获取瞬态信号对应的瞬态特征和各个接收机间信号的到达时间差;以及依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹;若存在,则依据匹配得到的射频指纹确定对应的射频标签;以及依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频标签的坐标位置。
设备物理层的射频指纹就像人类的指纹一样有着唯一的特性。而射频指纹的来源的根本因素取决于设备的硬件部分。在发射机的硬件层面,有着许许多多形形色色的电子元器件,即使是同种类型的发射机,其内部的电子元件仍存在着多多少少的差异,这最终形成了发射机发射的无线信号有着区别于其他设备信号的特征。该信号特征具备唯一可识别性,且能保持一定的稳定性。不同于密码体制,物理层的射频指纹无法被篡改,盗取,可作为设备无线信号物理层安全识别认证的唯一标识。
所述射频指纹库,在上述具体示例中,是保存已有的手机射频指纹,提前收录到系统里的信号,其采集方式也是经所述接收机采集,起点检测后得到的暂态信号,因此所述库内的信号类型与系统运行实时采集到的射频信号类型一致。
作为一具体实例,所述射频信号接收机包括时间同步模块、数据传输模块和信号接收模块。其中,时间同步模块与WR设备进行连接,实现高精度的时间同步;数据传输模块则是与服务器相连,传输采集到的射频信号;信号接收模块则是对空间中的射频信号进行捕获采集。
作为一具体实例,上述服务器包括信号处理模块、定位模块以及识别模块;
所述信号处理模块,用于依据起点检测法从接收到的射频信号中提取瞬态信号,获取瞬态信号对应的瞬态特征和各个接收机的信号到达时间差;
信号处理模块的具体执行过程可以参考上述步骤S2,同时,信号处理模块在计算得到接收时间差后,会将其与接收机编号打包一起发送到定位模块进行下一步的定位计算。信号处理模块流程图如图4所示。
所述识别模块,包括一深度卷积神经网络,用于获取所述瞬态特征后,通过所述深度卷积神经网络计算所述瞬态特征与射频指纹库中各个射频指纹的匹配程度,输出匹配结果。具体的实现过程可以参见上述具体实施例关于深度卷积神经网络的论述,在此不进行复述。
所述定位模块,用于若识别模块的匹配结果对应匹配成功,则依据所述各个接收机的信号到达时间差和所述射频信号接收机的坐标位置,计算得到与所述瞬态特征匹配的射频标签的坐标位置。具体的实现过程可以参见上述具体实施例关于起点检测方法的论述,在此不进行复述。
作为一具体实例,所述系统还包括显示模块,用于显示定位结果以及匹配结果。
作为一具体运用场景,上述系统工作时,采用WR设备将各个接收机和服务器采用光纤的方式进行连接,使得它们之间的同步精度处于100ps左右;服务器的识别模块根据射频指纹库里面的射频信号进行训练,模型采用的是基于一维卷积神经网络的网络架构,经过训练后的识别模型将处于准备就绪状态,等待手机射频指纹的接入;射频接收机准备就绪后,等待手机射频信号的接入,手机标签进入系统覆盖的区域后,与互联网进行通信时,射频接收机将采集到手机射频的信号;然后传输至服务器,服务器的信号处理模块首先对该类信号处理,进行信号的起点检测,截取暂态信号,并记录起点检测的时间戳,将两者分别保存打包发送至识别模块和定位模块;识别模块将收到的暂态信号,放入已经训练好的深度卷积网络中,最终得到该类信号与库内射频信号的相似度,对于相似度高于90%判断为相同信号,并将该信号的相关数值发送到显示模块,输出安全用户;对于相似度介于30%到90%的射频信号判断为非法用户信号,发送到显示端输出非法用户警告;对于其他类型的相似度,判断为错误信号类型,即判断该信号并非是手机的射频信号,为其他干扰信号,发送到显示模块输出错误信号类型警告。
与现有的技术相比,本发明上述实施例提供的系统具有以下几个优点:
本发明提出的系统融合了射频指纹识别技术和WR高精度时间同步技术,WR协议采用光纤进行连接,为接收机和服务器之间提供了超高精度的时间同步效果,使得定位的精度得到了很大的提升;且本发明采用的信号是手机的射频信号,无需进行额外的开销,降低了成本;同时,本发明采用的定位技术基于TDOA的算法,对于手机标签和接收机之间的同步没有要求,增加了适用性,降低了能耗;另外,本发明采用了基于深度学习的射频指纹识别技术,提供了安全识别的效果,对于非法传入的用户,能够高效的进行辨别。
由此可见,本发明针对目前室内定位的精确度不高及特定区域非法入侵的问题,提出了融合超高精度的时间同步技术和射频指纹识别技术,能够自动识别手机射频信号类别,并对其进行高精度定位的系统,能够在智慧工厂等领域能有重大的用处。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是,在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
在本发明的描述中,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。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;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或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
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应理解为必须针对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一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
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 (8)
1.一种基于WR技术和射频指纹识别技术的定位方法,其特征在于,包括同步设备、服务器以及若干个射频信号接收机;其中,所述同步设备采用白兔精确时间协议与所述服务器和所述若干个射频信号接收机连接;
射频信号接收机捕捉到射频信号后,经所述同步设备将其传输至服务器;
服务器依据接收到的射频信号,提取瞬态信号,获取瞬态信号对应的瞬态特征和各个射频信号接收机接收到所述射频信号的到达时间差;
服务器依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹;
若存在,则依据匹配得到的射频指纹确定对应的射频标签;
依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频标签的坐标位置;
其中,所述服务器依据起点检测法提取所述瞬态信号,依据广义相关法计算得到所述到达时间差;
其中,服务器依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹,包括:
依据射频指纹库,在所述服务器中构建一深度卷积神经网络;
服务器获取所述瞬态特征后,通过所述深度卷积神经网络计算所述瞬态特征与射频指纹库中各个射频指纹的匹配程度,输出匹配结果;
具体对于不同的射频信号接收机采集到的信号可以得到如下表示:
其中,n1,2,3,4(t)分别表示在四个不同射频信号接收机下接收信号的噪声,ΔT1,2,3分别表示2,3,4号射频信号接收机与1号射频信号接收机之间的接收时间差,即到达时间差,以1号接收机为基准,计算信号到达其余射频信号接收机的时间差,计算他们的互相关可得:
将互相关进行最大化即可得时间差:
其中,TL为射频信号接收机得到的信号长度。
2.如权利要求1所述的一种基于WR技术和射频指纹识别技术的定位方法,其特征在于,所述方法还包括:
同步设备将服务器的时钟信号作为主时钟信号,同步至所述若干个射频信号接收机,以使服务器与所述若干个射频信号接收机之间保持超高精度的时钟同步。
3.如权利要求2所述的一种基于WR技术和射频指纹识别技术的定位方法,其特征在于,
若所述瞬态特征与射频指纹库中一射频指纹的匹配程度匹配高于预设阈值,则所述匹配结果为所述射频指纹以及对应匹配成功的提示;
若所述瞬态特征与射频指纹库中的任一射频指纹的匹配程度匹配均低于预设阈值,则所述匹配结果为对应匹配失败的提示。
4.如权利要求1所述的一种基于WR技术和射频指纹识别技术的定位方法,其特征在于,所述射频标签的坐标位置依据TDOA算法计算得到。
5.一种基于WR技术和射频指纹识别技术的监控方法,其特征在于,包括上述权利要求1至4任意一项所述的基于WR技术和射频指纹识别技术的定位方法;
在所述的判断是否存在与所述瞬态特征匹配的射频指纹,之后,还包括:
若不存在,则依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频信号对应的射频标签的坐标位置,并发出包括计算得到的坐标位置的警告信息。
6.一种基于WR技术和射频指纹识别技术的定位系统,其特征在于,包括同步设备、服务器以及若干个射频信号接收机;其中,所述同步设备采用白兔精确时间协议与所述服务器和所述若干个射频信号接收机连接;
所述射频信号接收机,用于接收机捕捉到射频信号后,经所述同步设备将其传输至服务器;
所述服务器,用于依据接收到的射频信号,提取瞬态信号,获取瞬态信号对应的瞬态特征和各个射频信号接收机接收到所述射频信号的到达时间差;以及
依据所述瞬态特征查找射频指纹库,判断是否存在与所述瞬态特征匹配的射频指纹;若存在,则依据匹配得到的射频指纹确定对应的射频标签;以及
依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到所述射频标签的坐标位置;
其中,所述服务器依据起点检测法提取所述瞬态信号,依据广义相关法计算得到所述到达时间差;
其中,所述服务器包括识别模块,所述识别模块,包括一深度卷积神经网络,用于获取所述瞬态特征后,通过所述深度卷积神经网络计算所述瞬态特征与射频指纹库中各个射频指纹的匹配程度,输出匹配结果;
具体对于不同的射频信号接收机采集到的信号可以得到如下表示:
其中,n1,2,3,4(t)分别表示在四个不同射频信号接收机下接收信号的噪声,ΔT1,2,3分别表示2,3,4号射频信号接收机与1号射频信号接收机之间的接收时间差,即到达时间差,以1号接收机为基准,计算信号到达其余射频信号接收机的时间差,计算他们的互相关可得:
将互相关进行最大化即可得时间差:
其中,TL为射频信号接收机得到的信号长度。
7.如权利要求6所述的一种基于WR技术和射频指纹识别技术的定位系统,其特征在于,所述同步设备,用于将服务器的时钟信号作为主时钟信号,同步至所述若干个射频信号接收机,以使服务器与所述若干个射频信号接收机之间保持超高精度的时钟同步。
8.如权利要求6所述的一种基于WR技术和射频指纹识别技术的定位系统,其特征在于,所述服务器还包括信号处理模块和定位模块;
所述信号处理模块,用于依据起点检测法从接收到的射频信号中提取瞬态信号,获取瞬态信号对应的瞬态特征和各个射频信号接收机接收到所述射频信号的到达时间差;
所述定位模块,用于若识别模块的匹配结果对应匹配成功,则依据所述到达时间差和所述射频信号接收机的坐标位置,计算得到与所述瞬态特征匹配的射频标签的坐标位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110920975.6A CN113949986B (zh) | 2021-08-11 | 2021-08-11 | 基于wr和射频指纹技术的定位方法、系统及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110920975.6A CN113949986B (zh) | 2021-08-11 | 2021-08-11 | 基于wr和射频指纹技术的定位方法、系统及监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113949986A CN113949986A (zh) | 2022-01-18 |
CN113949986B true CN113949986B (zh) | 2024-03-29 |
Family
ID=79327931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110920975.6A Active CN113949986B (zh) | 2021-08-11 | 2021-08-11 | 基于wr和射频指纹技术的定位方法、系统及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113949986B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117676588A (zh) * | 2022-08-31 | 2024-03-08 | 华为技术有限公司 | 一种设备识别方法、装置及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102056293A (zh) * | 2010-12-10 | 2011-05-11 | 北京星网锐捷网络技术有限公司 | 射频指纹定位方法、系统、无线控制器及定位服务器 |
CN106358155A (zh) * | 2016-09-13 | 2017-01-25 | 京信通信技术(广州)有限公司 | 一种射频指纹数据库的建立方法及装置 |
CN107368732A (zh) * | 2017-07-14 | 2017-11-21 | 南京安璞信息技术有限公司 | 一种基于设备物理指纹特征的目标识别定位系统及方法 |
CN107765217A (zh) * | 2017-09-14 | 2018-03-06 | 清华大学 | 基于高精度时钟同步技术的uwb室内定位系统 |
CN111034298A (zh) * | 2017-08-17 | 2020-04-17 | 高通股份有限公司 | 共享射频频谱中的信道保留传输方案 |
CN111212473A (zh) * | 2019-12-30 | 2020-05-29 | 深圳蓝奥声科技有限公司 | 一种基于无线物联网的协同定位方法和系统 |
CN111601307A (zh) * | 2020-05-18 | 2020-08-28 | 江苏电力信息技术有限公司 | 一种基于瞬态-稳态的部分叠加射频指纹方法 |
CN112867010A (zh) * | 2021-01-14 | 2021-05-28 | 中国科学院国家空间科学中心 | 基于卷积神经网络的射频指纹嵌入式实时识别方法及系统 |
-
2021
- 2021-08-11 CN CN202110920975.6A patent/CN113949986B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102056293A (zh) * | 2010-12-10 | 2011-05-11 | 北京星网锐捷网络技术有限公司 | 射频指纹定位方法、系统、无线控制器及定位服务器 |
CN106358155A (zh) * | 2016-09-13 | 2017-01-25 | 京信通信技术(广州)有限公司 | 一种射频指纹数据库的建立方法及装置 |
CN107368732A (zh) * | 2017-07-14 | 2017-11-21 | 南京安璞信息技术有限公司 | 一种基于设备物理指纹特征的目标识别定位系统及方法 |
CN111034298A (zh) * | 2017-08-17 | 2020-04-17 | 高通股份有限公司 | 共享射频频谱中的信道保留传输方案 |
CN107765217A (zh) * | 2017-09-14 | 2018-03-06 | 清华大学 | 基于高精度时钟同步技术的uwb室内定位系统 |
CN111212473A (zh) * | 2019-12-30 | 2020-05-29 | 深圳蓝奥声科技有限公司 | 一种基于无线物联网的协同定位方法和系统 |
CN111601307A (zh) * | 2020-05-18 | 2020-08-28 | 江苏电力信息技术有限公司 | 一种基于瞬态-稳态的部分叠加射频指纹方法 |
CN112867010A (zh) * | 2021-01-14 | 2021-05-28 | 中国科学院国家空间科学中心 | 基于卷积神经网络的射频指纹嵌入式实时识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘燕平 ; 田金鹏 ; 陈泳.特征融合的射频指纹识别方法.《上海大学学报(自然科学版)》.2017, * |
基于UWB室内实时精准定位系统的设计与研究;朱雨豪;《中国优秀硕士论文电子期刊网》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113949986A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | RSS distribution-based passive localization and its application in sensor networks | |
CN105527303B (zh) | 利用毫米波检测材料的方法及系统 | |
Youssef et al. | Challenges: device-free passive localization for wireless environments | |
Shangguan et al. | OTrack: Order tracking for luggage in mobile RFID systems | |
CN109076191B (zh) | 监视系统、方法、非暂时性计算机可读介质和控制单元 | |
EP3304121B1 (en) | Systems and methods for locating and determining the orientation of a handheld device | |
CN111083642A (zh) | 一种金库内的人员定位方法 | |
Li et al. | Machine learning based high accuracy indoor visible light location algorithm | |
CN113949986B (zh) | 基于wr和射频指纹技术的定位方法、系统及监控方法 | |
WO2019091164A1 (zh) | 一种智能球场定位系统及方法 | |
CN108226912B (zh) | 基于稀疏网络的非接触物体感知定位的方法及系统 | |
Ni et al. | Fingerprint-MDS based algorithm for indoor wireless localization | |
CN111090074A (zh) | 基于机器学习的室内可见光定位方法和设备 | |
CN113391267A (zh) | 一种基于atdoa算法的频谱检测系统定位方法 | |
CN111611921B (zh) | 一种基于遥感大数据的太阳能板识别系统 | |
Vojtech et al. | Outdoor localization technique using active RFID technology aimed for security and disaster management applications | |
Liu et al. | Deep-learning-based wireless human motion tracking for mobile ship environments | |
CN104952133B (zh) | 出入管理系统 | |
CN109587136B (zh) | 一种基于双极大值的射频指纹特征提取和识别方法 | |
Kaur et al. | AI-enabled CSI fingerprinting for indoor localisation towards context-aware networking in 6G | |
CN112528690A (zh) | 非接触式物品材质和形状识别方法、存储介质及计算设备 | |
Yuen et al. | Wi-fi and bluetooth contact tracing without user intervention | |
CN109309921A (zh) | 一种基于爬行波的物理传播特性的安全认证方法和系统 | |
Wang et al. | RSAR: A New Method for Accurate Localization of Tagged Objects Via RFID-equipped Robots | |
Cong et al. | Proposal of On-road Vehicle Detection Method Using WiFi Signal |
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 |