CN114126042A - 一种基于tdoa的wlan定位方法 - Google Patents
一种基于tdoa的wlan定位方法 Download PDFInfo
- Publication number
- CN114126042A CN114126042A CN202111386748.6A CN202111386748A CN114126042A CN 114126042 A CN114126042 A CN 114126042A CN 202111386748 A CN202111386748 A CN 202111386748A CN 114126042 A CN114126042 A CN 114126042A
- Authority
- CN
- China
- Prior art keywords
- distance
- time
- base station
- tdoa
- feedback signal
- 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 32
- 238000012937 correction Methods 0.000 claims description 36
- 238000012360 testing method Methods 0.000 claims description 26
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
-
- 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
- G01S5/10—Position of receiver fixed by co-ordinating a plurality of position lines defined by path-difference measurements, e.g. omega or decca systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area 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
-
- 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
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于TDOA的WLAN定位方法,涉及WLAN定位技术领域,解决了现有方案受限于距离因素,导致定位效果不佳和适用场景少的技术问题;本发明通过计算反馈信号的传播时间确定AP位置,能够在基站和WLAN之间距离较远的情况下,完成WLAN的定位,本发明使用场景更广;本发明通过一个主基站和至少两个辅基站,根据反馈信号确定至少三个圆形区域,通过三个圆形区域的唯一交点获取AP位置,本发明能够更加高效准确地确定AP位置;本发明在三个圆形区域不存在唯一交点时,通过设置调整距离来不断调整圆形区域的半径,保证三个圆形区域存在唯一交点,本发明能够更加精准地定位AP位置,避免相邻AP产生的信号干。
Description
技术领域
本发明属于WLAN定位技术领域,具体是一种基于TDOA的WLAN定位方法。
背景技术
现有WLAN定位方法是在设备开启WIFI的情况下,扫描并收集周围的AP信号,再根据AP信号获取对应的MAC地址,服务器根据MAC地址检索出AP信号发出的地理位置,即可完成对AP信号的定位;现有方案在实现WLAN定位时,局限于设备与AP信号位置之间的距离,导致WLAN定位效果不佳和适用场景少;因此,亟需一种应用场景更广、定位精度更好的WLAN定位方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一;为此,本发明提出了一种基于TDOA的WLAN定位方法,用于解决现有方案受限于距离因素,导致定位效果不佳和适用场景少的技术问题,本发明通过TDOA技术和人工智能模型解决了上述问题。
为实现上述目的,根据本发明的第一方面的实施例提出一种基于TDOA的WLAN定位方法,包括主基站和至少两个与主基站相连接的辅基站;包括:
主基站定时发送测试信号,AP接收到测试信号时发送反馈信号,主基站根据反馈信号和时间修正模型获取第一距离;
辅基站定时发送测试信号,AP接收到测试信号时发送反馈信号,辅基站根据反馈信号和时间修正模型获取第二距离和第三距离;其中,所述时间修正模型基于人工智能模型建立,且第二距离、第三距离与第一距离的获取流程一致;
根据第一距离、第二距离和第三距离确定AP位置。
优选的,待选基站中任选一个作为主基站,剩余基站作为辅基站,同时建立所述主基站和所述辅基站之间的通信连接;其中,待选基站中至少包括三座基站。
优选的,所述测试信号符合802.11无线技术。
优选的,根据所述反馈信号和时间修正模型获取第一距离,包括:
所述主基站接收到所述反馈信号时,记录接收时间,并根据所述反馈信号提取发送时间;其中,所述发送时间为反馈信号从AP的发送时刻;
获取所述发送时间和所述接收时间获取时间差值,并标记为时间差一;
根据实时环境参数和时间修正模型获取时间修正差,根据时间差一和时间修正差获取第一时间差;
根据反馈信号的传输速度和第一时间差获取第一距离。
优选的,所述时间修正模型基于人工智能模型训练获取,包括:
获取标准训练数据;其中,所述标准训练数据包括N条标准环境参数,以及每条所述标准环境参数对应的时间误差,每条所述标准环境参数均包括温度、湿度、气压和风速,所述时间误差通过实验获取,且时间误差包括正值和负值;
构建人工智能模型;其中,所述人工智能模型包括误差逆向反馈神经网络模型、RBF神经网络模型和深度卷积神经网络模型;
通过标准训练数据对人工智能模型进行训练,并将完成训练的人工智能模型标记为时间修正模型。
优选的,当标准训练数据中标准环境参数的数量低于数量阈值时,则通过插值法对标准环境参数以及对应的时间误差进行插值扩展;其中,数量阈值为大于等于1000的整数。
优选的,所述主基站和所述辅基站发送测试信号的时刻一致。
优选的,所述主基站和所述辅基站发送测试信号的时间差值小于时间阈值;其中,所述时间阈值小于定时周期。
优选的,AP位置的确定包括:
以所述第一距离、第二距离和第三距离为半径,以对应基站为圆心获取三个圆形区域;其中,所述圆形区域包括第一区域、第二区域和第三区域;
三个圆形区域的唯一交点为AP位置。
优选的,当三个所述圆形区域不存在唯一交点时,则将单位步长和调整比例结合对第一距离、第二距离和第三距离进行调整。
优选的,所述调整比例具体为第一距离、第二距离和第三距离之间的比值。
与现有技术相比,本发明的有益效果是:
1、本发明基于TDOA技术构建了WLAN的定位方法,通过计算反馈信号的传播时间确定AP位置,能够在基站和WLAN之间距离较远的情况下,完成WLAN的定位;较现有技术,本发明使用场景更广。
2、本发明通过一个主基站和至少两个辅基站,根据反馈信号确定至少三个圆形区域,通过三个圆形区域的唯一交点获取AP位置;较现有技术,本发明能够更加高效准确地确定AP位置。
3、本发明在三个圆形区域不存在唯一交点时,通过设置调整距离来不断调整圆形区域的半径,保证三个圆形区域存在唯一交点;较现有技术,本发明能够更加精准地定位AP位置,避免相邻AP产生的信号干扰。
附图说明
图1为本发明的系统原理示意图;
图2为本发明的工作步骤示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
请参阅图1-图2,现有WLAN定位方法局限于设备与AP信号之间的距离,导致定位精度不高,且适用场景小;因此本发明通过引入TDOA技术和人工智能模型解决上述问题。
本发明提供了一种基于TDOA的WLAN定位方法,包括主基站和至少两个与主基站相连接的辅基站。
值得注意的是,本发明的待选基站至少包括三座基站,任选其中一个或者指定其中一个基站作为主基站,剩余的待选基站作为辅基站即可,各个基站之间通信连接,保证能够及时完成数据交互。
本发明实施例中,主基站定时发送测试信号,AP接收到测试信号时发送反馈信号,主基站根据反馈信号和时间修正模型获取第一距离。
在一个具体的实施例中,测试信号的标准符合802.11无线技术。
在一个具体的实施例中,AP接收到测试信号时应该立即发送反馈信号,反馈信号中携带有反馈信号的发送时间。
在一个具体的实施例中,根据反馈信号和时间修正模型获取第一距离,包括:
主基站接收到反馈信号时,记录接收时间,并根据反馈信号提取发送时间;
主基站获取发送时间和接收时间获取时间差值,并标记为时间差一;
根据实时环境参数和时间修正模型获取时间修正差,根据时间差一和时间修正差获取第一时间差;
获取反馈信号(电磁波)在该区域的平均传输速度,结合第一时间差即可获取第一距离。
本发明实施例中,辅基站定时发送测试信号,AP接收到测试信号时发送反馈信号,辅基站根据反馈信号和时间修正模型获取第二距离和第三距离。
在一个具体实施例中,根据反馈信号和时间修正模型获取第二距离,包括:
辅基站获取发送时间和接收时间获取时间差值,并标记为时间差二;
根据实时环境参数和时间修正模型获取时间修正差,根据时间差二和时间修正差获取第二时间差;
获取反馈信号(电磁波)在该区域的平均传输速度,结合第二时间差即可获取第二距离。
在一个具体的实施例中,根据反馈信号和时间修正模型获取第三距离,包括:
另外一个辅基站获取发送时间和接收时间获取时间差值,并标记为时间差三;
根据实时环境参数和时间修正模型获取时间修正差,根据时间差三和时间修正差获取第三时间差;
获取反馈信号(电磁波)在该区域的平均传输速度,结合第三时间差即可获取第三距离。
在一个具体的实施例中,时间修正模型基于人工智能模型训练获取,包括:
获取标准训练数据,构建人工智能模型;
通过标准训练数据对人工智能模型进行训练,并将完成训练的人工智能模型标记为时间修正模型。
在一个可选的实施例中,标准训练数据包括N条标准环境参数,以及每条标准环境参数对应的时间误差,时间误差通过实验获取,且时间误差包括正值和负值。
在一个可选的实施例中,每条标准环境参数包括温度、湿度、气压和风速等影响电磁波传播速率或者造成电磁波传输衰减的参数。
在一个可选的实施例中,人工智能模型包括误差逆向反馈神经网络模型、RBF神经网络模型和深度卷积神经网络模型等具有非线性拟合能力和高效计算速率的模型。
在一个具体的实施例中,当标准训练数据中标准环境参数的数量低于数1000时,则通过插值法对标准环境参数以及对应的时间误差进行插值。
值得注意的是,在插值过程中要选取合理的插值步长,本实施例提供的插值步长的选取标准时,根据插值步长能够将现有标准环境参数的数量扩展至1000以上,且插值步长不小于0.1。
在一个具体的实施例中,主基站和辅基站发送测试信号的时刻一致,当需要对主基站和辅基站的进行时钟同步。
在一个具体的实施例中,主基站和辅基站发送测试信号的时刻可以不一致,但是需要保证两者的时间插值小于设定阈值,且时间阈值小于定时周期;本实施例中的定时周期是指主基站和辅基站定时发送测试信号的周期。
本发明实施例中,根据第一距离、第二距离和第三距离确定AP位置,AP位置确定的具体步骤包括:
以第一距离、第二距离和第三距离为半径,以对应基站为圆心获取三个圆形区域;
三个圆形区域的唯一交点为AP位置。
可以理解的是,当精度足够时,理论上三个圆形区域存在唯一交点,则这个交点可以判定为确定的AP位置,将AP位置进行转化,存储在基站,或者发送至智能终端;本实施例智能终端包括智能手机、平板电脑和笔记本电脑等能够展示或者用到AP位置的设备。
在一个可选的实施例中,当三个圆形区域不存在交点时,则无法确定AP位置,此时可通过对圆形区域的半径进行调整,使得三个圆形区域具有唯一交点,包括:
确定调整距离,将第一距离和调整距离之和作为新的第一距离;
将第二距离和第一比例距离之和作为新的第二距离;
将第三距离和第二比例距离之和作为新的第三距离;
通过新的第一距离、新的第二距离和新的第三距离重新获取圆形区域,此时三个圆形区域的唯一交点即为AP位置。
值得注意的是,当三个新的圆形区域仍然不存在唯一交点时,则重新确定调整距离;可以理解的是,本实施例所指的唯一交点是三个圆形区域均通过这一交点。
具体的,第一比例距离与调整距离的比值等于第二距离和第一距离的比值;第二比例距离与调整距离的比值等于第三距离和第一距离的比值;即DB/TJ=DR/DY;DB为第一比例距离,TJ为调整距离,DR为第二距离,DY为第一距离。
在一个可选的实施例中,当三个圆形区域存在不只一个交点时,则无法确定AP位置,此时可通过对圆形区域的半径进行调整,使得三个圆形区域具有唯一交点,包括:
确定调整距离,将第一距离和调整距离之差作为新的第一距离;
将第二距离和第一比例距离之差作为新的第二距离;
将第三距离和第二比例距离之差作为新的第三距离;
通过新的第一距离、新的第二距离和新的第三距离重新获取圆形区域,此时三个圆形区域的唯一交点即为AP位置。
值得注意的是,在根据一次调整距离还是无法确定三个圆形区域的唯一交点时,则可以进行叠加计算,即将调整距离的两倍作为新的调整距离,其目的是为了能够保证三个圆形区域存在唯一交点。
在一个可选的实施例中,当三个圆形区域存在相交区域时,在相交区域中可以结合蚁群算法、粒子群算法进行搜索确定AP位置。
上述公式中的部分数据均是去除量纲取其数值计算,公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式;公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理:
主基站定时发送测试信号,AP接收到测试信号时发送反馈信号,主基站根据反馈信号和时间修正模型获取第一距离。
辅基站定时发送测试信号,AP接收到测试信号时发送反馈信号,辅基站根据反馈信号和时间修正模型获取第二距离和第三距离。
以第一距离、第二距离和第三距离为半径,以对应基站为圆心获取三个圆形区域,对三个圆形区域不断调整,三个圆形区域的唯一交点为AP位置。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种基于TDOA的WLAN定位方法,其特征在于,包括:
主基站定时发送测试信号,AP接收到测试信号时发送反馈信号,主基站根据反馈信号和时间修正模型获取第一距离;
辅基站定时发送测试信号,AP接收到测试信号时发送反馈信号,辅基站根据反馈信号和时间修正模型获取第二距离和第三距离;其中,所述时间修正模型基于人工智能模型建立,且第二距离、第三距离与第一距离的获取流程一致;
根据第一距离、第二距离和第三距离确定AP位置。
2.根据权利要求1所述的一种基于TDOA的WLAN定位方法,其特征在于,待选基站中任选一个作为主基站,剩余基站作为辅基站,同时建立所述主基站和所述辅基站之间的通信连接;其中,待选基站中至少包括三座基站。
3.根据权利要求1所述的一种基于TDOA的WLAN定位方法,其特征在于,根据所述反馈信号和时间修正模型获取第一距离,包括:
所述主基站接收到所述反馈信号时,记录接收时间,并根据所述反馈信号提取发送时间;其中,所述发送时间为反馈信号从AP的发送时刻;
获取所述发送时间和所述接收时间获取时间差值,并标记为时间差一;
根据实时环境参数和时间修正模型获取时间修正差,根据时间差一和时间修正差获取第一时间差;
根据反馈信号的传输速度和第一时间差获取第一距离。
4.根据权利要求1或3所述的一种基于TDOA的WLAN定位方法,其特征在于,所述时间修正模型基于人工智能模型训练获取,包括:
获取标准训练数据;其中,所述标准训练数据包括N条标准环境参数,以及每条所述标准环境参数对应的时间误差,每条所述标准环境参数均包括温度、湿度、气压和风速,所述时间误差通过实验获取,且时间误差包括正值和负值;
构建人工智能模型;其中,所述人工智能模型包括误差逆向反馈神经网络模型、RBF神经网络模型和深度卷积神经网络模型;
通过标准训练数据对人工智能模型进行训练,并将完成训练的人工智能模型标记为时间修正模型。
5.根据权利要求4所述的一种基于TDOA的WLAN定位方法,其特征在于,当标准训练数据中标准环境参数的数量低于数量阈值时,则通过插值法对标准环境参数以及对应的时间误差进行插值扩展;其中,数量阈值为大于等于1000的整数。
6.根据权利要求1所述的一种基于TDOA的WLAN定位方法,其特征在于,所述主基站和所述辅基站发送测试信号的时刻一致。
7.根据权利要求1所述的一种基于TDOA的WLAN定位方法,其特征在于,所述主基站和所述辅基站发送测试信号的时间差值小于时间阈值;其中,所述时间阈值小于定时周期。
8.根据权利要求1所述的一种基于TDOA的WLAN定位方法,其特征在于,AP位置的确定包括:
以所述第一距离、第二距离和第三距离为半径,以对应基站为圆心获取三个圆形区域;其中,所述圆形区域包括第一区域、第二区域和第三区域;
三个圆形区域的唯一交点为AP位置。
9.根据权利要求8所述的一种基于TDOA的WLAN定位方法,其特征在于,当三个所述圆形区域不存在唯一交点时,则将单位步长和调整比例结合对第一距离、第二距离和第三距离进行调整。
10.根据权利要求9所述的一种基于TDOA的WLAN定位方法,其特征在于,所述调整比例具体为第一距离、第二距离和第三距离之间的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111386748.6A CN114126042A (zh) | 2021-11-22 | 2021-11-22 | 一种基于tdoa的wlan定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111386748.6A CN114126042A (zh) | 2021-11-22 | 2021-11-22 | 一种基于tdoa的wlan定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114126042A true CN114126042A (zh) | 2022-03-01 |
Family
ID=80439093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111386748.6A Pending CN114126042A (zh) | 2021-11-22 | 2021-11-22 | 一种基于tdoa的wlan定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114126042A (zh) |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6230018B1 (en) * | 1998-05-14 | 2001-05-08 | Nortel Networks Limited | Devices and processing in a mobile radio communication network having calibration terminals |
KR20060132191A (ko) * | 2005-06-17 | 2006-12-21 | 길 용 노 | 전파도달 시간차를 이용한 위치측정시스템 및 위치측정방법 |
KR20090088191A (ko) * | 2008-02-14 | 2009-08-19 | 영남대학교 산학협력단 | RSSI를 이용한 향상된 TDoA와 패턴 매칭 간의선택적 실내 측위 방법 |
CN104469941A (zh) * | 2014-12-23 | 2015-03-25 | 西安电子科技大学 | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 |
CN104684078A (zh) * | 2015-02-06 | 2015-06-03 | 四川长虹电器股份有限公司 | 基于仿真逼近的多基站定位算法 |
CN104735620A (zh) * | 2015-03-19 | 2015-06-24 | 北京工业大学 | 一种基于多个基站的精确定位方法 |
CN106851570A (zh) * | 2017-01-19 | 2017-06-13 | 中国移动通信集团江苏有限公司 | 基于mr对移动终端进行定位的方法及装置 |
CN107371129A (zh) * | 2017-08-29 | 2017-11-21 | 广州中海达定位技术有限公司 | 基于高度辅助修正的室内定位的tdoa定位方法 |
CN109655672A (zh) * | 2018-12-11 | 2019-04-19 | 上海无线电设备研究所 | 一种基于人工智能的电磁环境效应分析方法 |
CN110174641A (zh) * | 2019-06-14 | 2019-08-27 | 中国科学院自动化研究所 | 基于时间校正的tdoa定位方法、系统、装置 |
CN110784823A (zh) * | 2019-11-05 | 2020-02-11 | 西安电子科技大学 | 基于bp神经网络和tdoa的室外目标定位方法 |
CN110990505A (zh) * | 2019-11-24 | 2020-04-10 | 中国电子科技集团公司第二十研究所 | 一种基于神经网络的Loran-C ASF修正方法 |
CN111174792A (zh) * | 2020-01-16 | 2020-05-19 | 上海电机学院 | 一种基于uwb的无人机室内管道检测图像采集方法 |
CN111473755A (zh) * | 2020-04-21 | 2020-07-31 | 福建汇川物联网技术科技股份有限公司 | 一种远程测距方法及装置 |
CN111624634A (zh) * | 2020-05-11 | 2020-09-04 | 中国科学院深圳先进技术研究院 | 基于深度卷积神经网络的卫星定位误差评估方法和系统 |
CN111830463A (zh) * | 2020-06-02 | 2020-10-27 | 广州南方卫星导航仪器有限公司 | 一种基于tdoa的定位系统、方法及存储介质 |
CN111918385A (zh) * | 2020-06-29 | 2020-11-10 | 孙继国 | 标签定位方法、装置、计算机设备及存储介质 |
CN112327249A (zh) * | 2020-10-26 | 2021-02-05 | 广东电网有限责任公司广州供电局 | 一种线缆物资定位方法和装置 |
CN112399813A (zh) * | 2018-05-04 | 2021-02-23 | Lg电子株式会社 | 多个自主移动机器人及其控制方法 |
CN112558129A (zh) * | 2020-12-04 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种室内外场景的确定方法、相关装置、设备及存储介质 |
CN112711053A (zh) * | 2021-01-15 | 2021-04-27 | 千居智人工智能科技昆山有限公司 | 一种通信网络安全运营自动化监测与预警系统 |
CN112742010A (zh) * | 2020-12-22 | 2021-05-04 | 深圳市美芒科技有限公司 | 游泳测速数据的获取及展示方法、装置及其测速系统 |
CN113438733A (zh) * | 2021-06-21 | 2021-09-24 | 中国电信股份有限公司 | 基于5g和wifi实现室内定位的系统、方法及电子设备 |
CN113473363A (zh) * | 2021-07-01 | 2021-10-01 | 江苏希塔信息科技有限公司 | 一种基于缩放的相交圆室内定位方法 |
CN113487470A (zh) * | 2021-07-26 | 2021-10-08 | 广德绿巨人环境管理咨询有限公司 | 一种基于大数据的环保隐患精准监测定位方法 |
CN113596989A (zh) * | 2021-08-04 | 2021-11-02 | 电子科技大学 | 一种用于智慧车间的室内定位方法及系统 |
CN113660601A (zh) * | 2021-07-02 | 2021-11-16 | 位置互联(北京)科技有限公司 | 定位方法、装置及计算机可读存储介质 |
-
2021
- 2021-11-22 CN CN202111386748.6A patent/CN114126042A/zh active Pending
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6230018B1 (en) * | 1998-05-14 | 2001-05-08 | Nortel Networks Limited | Devices and processing in a mobile radio communication network having calibration terminals |
KR20060132191A (ko) * | 2005-06-17 | 2006-12-21 | 길 용 노 | 전파도달 시간차를 이용한 위치측정시스템 및 위치측정방법 |
KR20090088191A (ko) * | 2008-02-14 | 2009-08-19 | 영남대학교 산학협력단 | RSSI를 이용한 향상된 TDoA와 패턴 매칭 간의선택적 실내 측위 방법 |
CN104469941A (zh) * | 2014-12-23 | 2015-03-25 | 西安电子科技大学 | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 |
CN104684078A (zh) * | 2015-02-06 | 2015-06-03 | 四川长虹电器股份有限公司 | 基于仿真逼近的多基站定位算法 |
CN104735620A (zh) * | 2015-03-19 | 2015-06-24 | 北京工业大学 | 一种基于多个基站的精确定位方法 |
CN106851570A (zh) * | 2017-01-19 | 2017-06-13 | 中国移动通信集团江苏有限公司 | 基于mr对移动终端进行定位的方法及装置 |
CN107371129A (zh) * | 2017-08-29 | 2017-11-21 | 广州中海达定位技术有限公司 | 基于高度辅助修正的室内定位的tdoa定位方法 |
CN112399813A (zh) * | 2018-05-04 | 2021-02-23 | Lg电子株式会社 | 多个自主移动机器人及其控制方法 |
CN109655672A (zh) * | 2018-12-11 | 2019-04-19 | 上海无线电设备研究所 | 一种基于人工智能的电磁环境效应分析方法 |
CN110174641A (zh) * | 2019-06-14 | 2019-08-27 | 中国科学院自动化研究所 | 基于时间校正的tdoa定位方法、系统、装置 |
CN110784823A (zh) * | 2019-11-05 | 2020-02-11 | 西安电子科技大学 | 基于bp神经网络和tdoa的室外目标定位方法 |
CN110990505A (zh) * | 2019-11-24 | 2020-04-10 | 中国电子科技集团公司第二十研究所 | 一种基于神经网络的Loran-C ASF修正方法 |
CN111174792A (zh) * | 2020-01-16 | 2020-05-19 | 上海电机学院 | 一种基于uwb的无人机室内管道检测图像采集方法 |
CN111473755A (zh) * | 2020-04-21 | 2020-07-31 | 福建汇川物联网技术科技股份有限公司 | 一种远程测距方法及装置 |
CN111624634A (zh) * | 2020-05-11 | 2020-09-04 | 中国科学院深圳先进技术研究院 | 基于深度卷积神经网络的卫星定位误差评估方法和系统 |
CN111830463A (zh) * | 2020-06-02 | 2020-10-27 | 广州南方卫星导航仪器有限公司 | 一种基于tdoa的定位系统、方法及存储介质 |
CN111918385A (zh) * | 2020-06-29 | 2020-11-10 | 孙继国 | 标签定位方法、装置、计算机设备及存储介质 |
CN112327249A (zh) * | 2020-10-26 | 2021-02-05 | 广东电网有限责任公司广州供电局 | 一种线缆物资定位方法和装置 |
CN112558129A (zh) * | 2020-12-04 | 2021-03-26 | 腾讯科技(深圳)有限公司 | 一种室内外场景的确定方法、相关装置、设备及存储介质 |
CN112742010A (zh) * | 2020-12-22 | 2021-05-04 | 深圳市美芒科技有限公司 | 游泳测速数据的获取及展示方法、装置及其测速系统 |
CN112711053A (zh) * | 2021-01-15 | 2021-04-27 | 千居智人工智能科技昆山有限公司 | 一种通信网络安全运营自动化监测与预警系统 |
CN113438733A (zh) * | 2021-06-21 | 2021-09-24 | 中国电信股份有限公司 | 基于5g和wifi实现室内定位的系统、方法及电子设备 |
CN113473363A (zh) * | 2021-07-01 | 2021-10-01 | 江苏希塔信息科技有限公司 | 一种基于缩放的相交圆室内定位方法 |
CN113660601A (zh) * | 2021-07-02 | 2021-11-16 | 位置互联(北京)科技有限公司 | 定位方法、装置及计算机可读存储介质 |
CN113487470A (zh) * | 2021-07-26 | 2021-10-08 | 广德绿巨人环境管理咨询有限公司 | 一种基于大数据的环保隐患精准监测定位方法 |
CN113596989A (zh) * | 2021-08-04 | 2021-11-02 | 电子科技大学 | 一种用于智慧车间的室内定位方法及系统 |
Non-Patent Citations (8)
Title |
---|
任佳;徐慨;项顺祥;冯延青;: "基于BP网络的卫星通信雨衰预测模型", 无线电通信技术, no. 06 * |
周南;罗林根;高兆丽;沈大千;盛戈;江秀臣;: "基于多神经网络的局部放电特高频时延定位误差修正算法", 高电压技术, no. 11, 11 July 2018 (2018-07-11) * |
孙大洋;章荣炜;李赞;: "室内定位技术综述", 无人系统技术, no. 03 * |
张涛;徐晓苏;: "基于小波和人工智能技术的车辆无缝定位技术研究", 控制与决策, no. 07 * |
曹剑锋;叶晨辉;杨蕊鸿;: "基于无线通信基站的室内三维定位问题", 数学的实践与认识, no. 14 * |
曹瑞林;林伟;马向华;孙元华;刘东辉;: "焦炉机车定位系统的设计与温漂控制算法的研究", 电子技术, no. 08, 25 August 2017 (2017-08-25) * |
李丽娜;梁德;马俊;涂志;: "基于灰色-RBF神经网络的传播损耗模型训练", 计算机应用与软件, no. 08 * |
魏超;张慧娟;李冬;: "一种连续波系统测速时间误差的自适应修正方法", 兵器装备工程学报, no. 08 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106804046B (zh) | 基于测量报告的移动台定位方法及装置 | |
CN107466043B (zh) | 一种确定基站天线的方位角的方法和设备 | |
CN104620125B (zh) | 计算无线通信系统中的终端的位置的方法和装置 | |
CN109246592B (zh) | 一种用户终端位置信息的获取方法及装置 | |
CN106886552B (zh) | 位置指纹数据库更新方法及系统 | |
EP3213432A1 (en) | Method for predicting indoor three-dimensional space signal field strength using an outdoor-to-indoor propagation model | |
CN106851570A (zh) | 基于mr对移动终端进行定位的方法及装置 | |
CN104168650A (zh) | 基于动态无线接入点的室内定位方法 | |
CN106358155B (zh) | 一种射频指纹数据库的建立方法及装置 | |
CN109286946B (zh) | 基于无依托定位的移动通信室内无线网络优化方法和系统 | |
EP3213431A1 (en) | Method for predicting outdoor three-dimensional space signal field strength by extended cost-231-walfisch-ikegami propagation model | |
CN113133046B (zh) | 网络覆盖评估方法及装置、电子设备和计算机存储介质 | |
CN104883737A (zh) | 一种无线传感器网络的混合定位方法 | |
US8639255B2 (en) | Simulation system, simulation apparatus, and simulation method | |
CN101646179A (zh) | 一种无线场景的仿真方法、装置和系统 | |
CN115942454A (zh) | 用于定位的方法及装置 | |
CN104113849A (zh) | 传播模型的校正方法 | |
KR20190014907A (ko) | 액세스 포인트의 신호 세기를 이용하여 위치를 측정하는 장치 및 방법 | |
CN106922017B (zh) | 定位方法以及终端 | |
CN109827573B (zh) | 坐标系的判断方法、系统及应用 | |
CN105451263A (zh) | 一种wcdma网络小区软切换带的识别方法、设备和系统 | |
CN106707232A (zh) | 一种基于群智感知的wlan传播模型定位方法 | |
CN114126042A (zh) | 一种基于tdoa的wlan定位方法 | |
CN107371235B (zh) | 用户终端的定位方法及装置 | |
CN110346754A (zh) | 一种定位时刻获取方法及装置 |
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 |