CN114415113B - 室内定位方法、装置、计算机设备及存储介质 - Google Patents
室内定位方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114415113B CN114415113B CN202210043369.5A CN202210043369A CN114415113B CN 114415113 B CN114415113 B CN 114415113B CN 202210043369 A CN202210043369 A CN 202210043369A CN 114415113 B CN114415113 B CN 114415113B
- Authority
- CN
- China
- Prior art keywords
- positioning
- distance
- base station
- initial
- positioning base
- 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
-
- 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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种室内定位方法、装置、计算机设备及存储介质,应用于无线定向技术领域,用于提高室内进行定位的精确性。本发明提供的方法包括:根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据;根据预设的权重计算方式,结合每个初始距离数据进行权重计算,得到每个定位基站对应的权重数据;按照每个定位基站的初始距离数据和权重数据,构建定位方程组,并对定位方程组进行求解,得到待定位对象的初始坐标向量;针对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息。
Description
技术领域
本发明涉及无线定向技术领域,尤其涉及一种室内定位方法、装置、计算机设备及存储介质。
背景技术
目前,随着物联网技术的快速推动和第五代通信技术应用的积极展开,促使人们对于各种场景下的自适应环境感知需求日益增长,室外环境下的环境感知服务有了较大发展,基于全球定位系统进行位置感知的应用也较为成熟。相对于室外环境,室内环境的定位技术主要有:基于计算机视觉、红外线、超声波和无线射频识别、基于接收信号场强RSSI定位等。进一步,根据定位原理的不同分为基于指纹匹配的定位方法和基于几何解析的方法。
基于指纹匹配的定位方法需要不断更新指纹数据库,指纹采集需要占用大量时间,提高了定位系统的复杂度。
基于几何解析的方法在复杂的室内环境中,信号的传播容易受到各种障碍物的遮挡和噪声干扰,导致定位的精度不高。
现有的室内定位技术还有基于UWB基站的定位方法,根据各个UWB基站与定位标签之间的距离,计算得到定位标签的定位。这种方法过于依赖基站的测距,与实际距离存在系统误差,导致测量值与实际值误差较大,造成测距精度更低。
发明内容
本发明提供一种室内定位方法、装置、计算机设备及存储介质,以提高在室内进行定位的定位精确度。
一种室内定位方法,包括:
根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据;
根据预设的权重计算方式,结合每个所述初始距离数据进行权重计算,得到每个定位基站对应的权重数据;
按照每个定位基站的所述初始距离数据和所述权重数据,构建定位方程组,并对所述定位方程组进行求解,得到所述待定位对象的初始坐标向量;
针对所述初始坐标向量进行非线性最优化处理,得到所述待定位对象的位置坐标信息。
一种室内定位装置,包括:
初始距离计算模块,用于根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据;
权重计算模块,用于根据预设的权重计算方式,结合每个所述初始距离数据进行权重计算,得到每个定位基站对应的权重数据;
初始坐标计算模块,用于按照每个定位基站的所述初始距离数据和所述权重数据,构建定位方程组,并对所述定位方程组进行求解,得到所述待定位对象的初始坐标向量;
位置坐标计算模块,用于针对所述初始坐标向量进行非线性最优化处理,得到所述待定位对象的位置坐标信息。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述室内定位方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述室内定位方法的步骤。
本发明提供的室内定位方法、装置、计算机设备及存储介质,通过飞行时间法,确定待定位对象与每个定位基站之间的距离,作为待定位对象与每个定位基站的初始距离数据,基于每个定位基站的初始距离数据,根据预设的权重计算方式,计算出每个定位基站的权重数据,基于每个定位基站的初始距离数据和权重数据,构建定位方程组并求解出待定位对象的初始坐标向量,再对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息,基于待定位对象与定位基站的初始距离数据,为每个定位基站生成权重数据,减小不同的定位基站对得到待定位对象的位置的影响,提高确定待定位对象的位置信息的准确性,同时,对待定位对象的初始坐标向量进行非线性最优化处理,进一步提高在室内进行无线测距以及无线定位的精确度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述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是本发明实施例的应用环境示意图;
图2是本发明一实施例中室内定位方法的一应用环境示意图;
图3是本发明一实施例中室内定位方法的一流程图;
图4是本发明一实施例中室内定位装置的结构示意图;
图5是本发明一实施例中计算机设备的一示意图。
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。
本发明实施例可应用在如图1所示的应用环境中,其中,定位基站11即共用移动通信基站,是移动设备接入互联网的接口设备,也是无线电台站的一种形式,是指在一定的无线电覆盖区中,通过移动通信交换中心,与移动终端之间进行信息传递的无线代收发信电台。
在本实施例中,定位基站11用于接收待定位对象12的定位信号,并通过测距技术,返回待定位对象12与定位基站11之间的距离。
需要说明的是,待定位对象12是指需要进行位置定位的移动终端、携带移动终端的人等。移动终端可以是手机等随身携带的移动设备或者带有电子定位芯片的卡片等。
在待定位对象12移动的时候,会进行定位基站的切换,通过定位基站11的参数可以判断出待定位对象12的定位信息和/或移动轨迹。
在室内环境中,对待定位对象12进行定位时,则需要根据待定位对象与多个定位基站11的相对距离,计算得到待定对象12的位置坐标。
在本实施例中,定位基站11的数量有多个,图1中定位基站11的数量仅做示意,不作本发明实施例的限定。
本发明实施例提供的室内定位方法,可应用在如图2的应用环境中,其中,终端设备通过网络与服务器进行通信。其中,终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备通过网络与服务器交互,以接收或者发送消息等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture EpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureEperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本发明实施例所提供的室内定位方法由服务器执行,相应地,室内定位装置设置于服务器中。
应该理解,图2中的终端设备、网络和服务器的数目仅仅是示意性的,根据实现需要,可以具有任意数目的终端设备、网络和服务器,本发明实施例中的终端设备具体可以对应的是实际生产中的应用系统。
在一实施例中,如图3所示,提供一种室内定位方法,以该方法应用在图2中的服务器为例进行说明,包括如下步骤:
S10,根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据。
具体的,待定位对象是指需要进行定位的目标,具体可以是移动终端或者携带移动终端的人等,当待定位对象向周围的定位基站发起定位请求时,基于UWB定位技术,定位基站接收待定位对象的UWB信号,根据飞行时间法,计算出待定位对象与其周边的定位基站的距离,作为初始距离数据。
飞行时间法(TimeofFlight,TOF)是一种双向测距技术,通过测量UWB信号在定位基站与待定位对象之间往返的飞行时间来计算待定位对象与定位基站之间的距离,作为初始距离数据。
UWB(UltraWideBand,超宽带)技术是一种无线载波通信技术,欧诺个频谱几款的超宽基带脉冲进行通信。待定位对象向定位基站发送UWB信号,根据飞行时间法,通过UWB信号在待定位对象与定位基站之间的飞行时间,计算得到初始距离数据。
需要说明的是,待定位对象周边的定位基站的数量应有多个,每个定位基站在接收到UWB信号时,根据待定位对象发出UWB信号的时间,计算该待定位对象与定位基站的初始距离。
具体的,TOF测距技术使用最多的为SS-TWR(single-sidedTwo-wayRanging,单边双向测距)、DS-TWR(Double-sided Two-wayRanging,双边双向测距)。
DS-TWR的测距方式是:待定位对象与定位基站之间进行两次测距,待定位对象A发起第一次定位请求,定位基站1响应,当待定位对象A收到返回数据后,记录了数据往返的时间差,时间差计算飞行时间进行测距,飞行时间根据如下公式(1)计算:
其中,Tround1是待定位对象发起第一次定位请求到收到第一次响应的时间差,Treply2是待定位对象在接收到第一次响应到发起第二次定位请求的时间差,Tround2是指定位基站在向带定位对象返回第一次响应到收到第二次定位请求的时间差,TOF是UWB信号的飞行时间。
根据飞行时间计算得到待定位对象与定位基站的初始距离数据,其中,初始距离数据可以根据如下公式(2)计算得到:
l=TOF*c (2)
其中,l是初始距离数据,c为光速。
S20,根据预设的权重计算方式,结合每个初始距离数据进行权重计算,得到每个定位基站对应的权重数据。
具体的,当计算得到每个定位基站与待定位对象之间的初始距离数据后,基于每个定位基站的初始距离数据,为每个定位基站生成对应的权重数据。
其中,每个定位基站的权重数据根据其初始距离数据,按照一定的对应关系得到。
S30,按照每个定位基站的初始距离数据和权重数据,构建定位方程组,并对定位方程组进行求解,得到待定位对象的初始坐标向量。
具体的,结合每个定位基站的初始距离数据和权重数据,构建定位方程,在将所有定位基站的定位方程组合构成定位方程组,再根据法线方程对定位方程组进行求解,得到待定位对象的初始坐标向量。
具体是,根据定位基站的坐标,将待定位对象的作为未知数,构建距离公式,作为定位方程。
其中,定位方程中包括每个定位基站的权重数据。
具体是,待定位对象的周围有m个定位基站,将m个定位基站的定位方程组合形成一个二次二元方程组,可通过如下公式(3)表示:
其中,W1是第一个定位基站的权重数据,x1是第一个定位基站的横坐标,y1是第一个定位基站的纵坐标。是第一个定位基站与待定位对象的初始距离数据的平方,将其开平方后得到第一个定位基站与待定位对象的初始距离数据。X={x,y}是需要求解的待定位对象的初始坐标向量,对初始坐标向量进行求解后,得到待定位对象的位置坐标信息。
S40,针对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息。
具体是,通过非线性最优化方法,对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息。
其中,非线性最优化方法就是对一个非线性函数求极值的方式,对非线性函数求导,再令导数为零,达到对初始坐标向量进行非线性最优化处理的方式,最后求解出一个迭代值,作为位置坐标信息。
其中,非线性最优化方法包括但不限于Levenberg-Marquard、高斯-牛顿法和共轭梯度下降法等。
Levenberg-Marquard(列文伯格-马夸尔特)算法是一种非线性最小二乘法,将最速下降法和线性优化法加以综合的一种方法,最优化是寻找使得非线性函数值最小的参数向量。
高斯-牛顿法(Gauss-Newtoniterationmethod)是非线性回归模型中对回归参数进行最小二乘法的一种迭代方法,该法使用泰勒级数展开式去近似地代替非线性回归模型,然后通过多次迭代,多次修正回归系数,使回归系数不断逼近非线性回归模型的最佳回归系数。
本发明实施例提供的室内定位方法、装置、计算机设备及存储介质,通过飞行时间法,确定待定位对象与每个定位基站之间的距离,作为待定位对象与每个定位基站的初始距离数据,基于每个定位基站的初始距离数据,根据预设的权重计算方式,计算出每个定位基站的权重数据,基于每个定位基站的初始距离数据和权重数据,构建定位方程组并求解出待定位对象的初始坐标向量,再对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息,基于待定位对象与定位基站的初始距离数据,为每个定位基站生成权重数据,减小不同的定位基站对得到待定位对象的位置的影响,提高确定待定位对象的位置信息的准确性,同时,对待定位对象的初始坐标向量进行非线性最优化处理,进一步提高在室内进行无线测距以及无线定位的精确度。
在本实施例中,作为一种优选的实现方式,步骤S10中,根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据包括:
S101,根据双向飞行时间法,计算出待定位对象发送的定位信号到达每个定位基站的飞行时间。
S102,根据TOF测距公式和飞行时间,计算得到待定位对象与每个定位基站的距离,作为初始距离数据。
具体是,双向飞行时间法是一种双向测距技术,当待定位对象发出定位信号即UWB信号并传送到定位基站,计算待定位信号发出定位信号到定位基站接收到待定位对象发送的定位信号的时间差,计算得到定位信号从待定微信号发送到定位基站的飞行时间。
通过距离计算公式,飞行时间乘上速度得到两点之间的距离,即定位基站与待定位对象之间的距离,作为初始距离数据。
在本实施例中,通过双向飞行时间法计算出待定位对象与每个定位基站之间的初始距离数据,其中,双向飞行时间法在室内定位场景中,能够提高待定位对象与定位基站之间的距离的精确性,并且,提高最终定位到的待定位对象的位置坐标信息。
在本实施例中,作为一种优选的实现方式,步骤S20中,根据预设的权重计算方式,结合每个初始距离数据进行权重计算,得到每个定位基站对应的权重数据包括:
S211,根据均值漂移算法,基于距离数据对每个定位基站进行簇聚类,得到多个聚类簇。
S212,根据预设公式,计算得到每个聚类簇中的定位基站的权重数据。
具体是,首先从m个定位基站的初始距离数据中任意选出3个不带有权重数据的定位方程计算出待定位对象的位置信息,得到个位置信息,形成点集云,点集云中的点根据位置信息形成;再点集云中选择出一个位置信息作为中心。
定义一个阈值半径R,其中阈值半径R可根据求每个位置信息之间的距离计算平均值得到。
将离中心的距离小于阈值半径R之内的点,记作集合M,计算集合M的除中心之外的每个点到中心的向量,将所有的向量相加得到向量shift,将中心点按照向量shift的方向移动,移动的距离是||shift||。
返回分簇,确定分簇的中心以及计算中心到簇内每个点的向量shift的步骤,直到向量shift不再变化,迭代完成。
重复以上分簇过程,知道所有的点都分类完毕。在分簇过程中,若两个簇的中心的距离差小于阈值半径R,则将这两个出合并形成新的簇,得到P个簇,以及每个簇所拥有的点的个数Kn,每个簇的权重分别为cn=Kn V,其中,v为非负实数,n=1,2,,,P。
根据最终形成的簇分类,为每个簇内的定位基站计算权重数据,可根据如下公式(4)计算得到:
在本实施例中,通过均值漂移聚类法,基于每个定位基站的初始距离数据,将定位基站进行分簇,每个簇中的定位基站的个数不同,根据每个簇中的定位基站的个数,为每个定位基站分配更为正确的权重数据,在计算定位方程组,能够有效减少系统误差,提高计算得到的位置坐标信息的准确性。
在本实施例中,作为一种优选的实现方式,步骤S20中,根据预设的权重计算方式,结合每个初始距离数据进行权重计算,得到每个定位基站对应的权重数据包括:
S221,获取任意两个相邻的定位基站,作为一组基础基站。
S222,计算每组基础基站中每个定位基站对应的初始距离数据之间的差值,作为距离差,并将距离差与预设的合并距离进行比较,得到比较结果。
S223,若比较结果为距离差小于预设的合并距离,则将基础基站的两个定位基站进行合并,作为聚类簇。
S224,返回获取任意两个相邻的定位基站,作为一组基础基站的步骤继续执行,直到比较结果为距离差大于预设的合并距离。
S225,计算得到每个聚类簇的距离均值数据,并基于距离均值数据,根据预设的权重计算公式,计算得到每个定位基站的权重数据。
具体是,获取任意两个相邻的定位基站,作为一组基础基站。
其中,相邻的定位基站是指地理位置相邻的两个定位基站,或者与待定位对象的初始距离数据的数值相邻的两个定位基站。优选的,选取两个最相近的定位基站作为一组基础基站。
预设的合并距离是根据各个定位基站的地理分布情况,计算得到的阈值数据。作为一种优选的实施方式,对所有的初始距离数据进行求和取平均值,得到预设的合并距离。
计算每组基础基站中的两个定位基站之间的距离,作为距离差,若距离差小于预设的合并距离,则将该基础基站的两个定位基站为一个簇,这个簇的值是两个定位基站的初始距离数据的均值。
返回选取基础基站的步骤,知道一组基础基站的距离差大于预设的合并距离,聚类过程收敛,聚类完成。
将定位基站分为n个簇,每个簇的均值为cn,且每个簇中的定位基站的权重数据可根据如下公式(5)计算得到:
在本实施例中,能够减少距离待定位对象较近的定位基站对位置坐标信息的影响,根据分簇结果为每个定位基站生成权重数据,在根据权重数据构成定位方程组时,能够准确的求解出待定位对象的位置坐标信息。
在本实施例中,作为一种优选的实现方式,在步骤S30中,按照每个定位基站的初始距离数据和权重数据,构建定位方程组,并对定位方程组进行求解,得到待定位对象的初始坐标向量包括:
S301,根据每个定位基站的初始距离数据和对应的权重数据,构建距离计算方程,并将所有的距离计算方程进行组合,构成定位方程组。
S302,对定位方程组进行高阶消元处理,得到初始坐标矩阵。
S303,通过法线方程对初始坐标矩阵进行求解,得到待定位对象的初始坐标向量。
具体是,将每个定位基站的权重数据以及初始距离数据构成距离计算方程,组合构成定位方程组,如公式(6)所示:
对定位方程组进行高阶消元处理,得到初始坐标矩阵。
具体是,对定位方程组进行高阶消元处理后得到,如公式(7)所示:
在本实施例中,通过权重数据构建定位方程组,最使得最终计算得到的矩阵能够减小定位基站的测距方法造成的系统误差,提高室内定位的精度。
在本实施例中,作为一种优选的实现方式,步骤S40中,非线性最优化处理的方式为Levenberg-Marquard、高斯-牛顿法和共轭梯度下降法中的任意一种。
在本实施例中,作为一种优选的实现方式,步骤S40中,针对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息包括:
S401,基于初始位置向量生成目标求解函数,并根据非线性最优化方法,求解得到目标求解函数的雅克比矩阵。
S402,根据Levenberg-Marquard迭代方式对雅克比矩阵进行迭代,得到目标求解函数的收敛值,作为待定位对象的位置坐标信息。
具体的,将求解出的初始位置向量代入到加权非线性最小二乘法中进行迭代求解,通过非线性最优化方法,求解出最终的收敛值,作为待定位对象的位置坐标信息。
采用Levenberg-Marquard迭代方式计算目标求解函数的极值,并根据目标求解函数的极值与雅克比矩阵的关系,求解出最终的收敛值,作为待定位对象的位置坐标信息。
在收敛开始时,设置收敛过程的正则化常数,根据迭代过程中,残差平方和的变化,适当调整正则化常数的值。例如,残差平方和减小,则适当增大正则化常数,残差平方和增大,则适当减小正则化常数。
设置正则化常数的值有利于保证收敛值的精度。
在本实施例中,通过法线方程求解出初始坐标向量,再通过非线性最优化方法求解出最优收敛值,作为位置坐标向量,即通过法线方程单次求解线性得到一个较为准确的初始值,保证了位置坐标的精确性,再利用非线性最优化方法的正则化计算方式,使得最终得到的位置坐标信息更准确,提高了室内定位的精确度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种室内定位装置,该室内定位装置与上述实施例中室内定位方法一一对应。如图4所示,该室内定位装置包括:
初始距离计算模块41,用于根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据。
权重计算模块42,用于根据预设的权重计算方式,结合每个初始距离数据进行权重计算,得到每个定位基站对应的权重数据。
初始坐标计算模块43,用于按照每个定位基站的初始距离数据和权重数据,构建定位方程组,并对定位方程组进行求解,得到待定位对象的初始坐标向量。
位置坐标计算模块44,用于针对初始坐标向量进行非线性最优化处理,得到待定位对象的位置坐标信息。
进一步的,在本实施例中,初始距离计算模块41包括:
飞行时间计算单元,用于根据双向飞行时间法,计算出待定位对象发送的定位信号到达每个定位基站的飞行时间。
初始距离计算单元,用于根据TOF测距公式和飞行时间,计算得到待定位对象与每个定位基站的距离,作为初始距离数据。
进一步的,在本实施例中,权重计算模块42包括:
第一聚类簇单元,用于根据均值漂移算法,基于距离数据对每个定位基站进行簇聚类,得到多个聚类簇。
第一权重计算单元,用于根据预设公式,计算得到每个聚类簇中的定位基站的权重数据。
进一步的,在本实施例中,权重计算模块42包括:
基础基站单元,用于获取任意两个相邻的定位基站,作为一组基础基站。
比较结果单元,用于计算每组基础基站中每个定位基站对应的初始距离数据之间的差值,作为距离差,并将距离差与预设的合并距离进行比较,得到比较结果。
第二聚类簇单元,用于若比较结果为距离差小于预设的合并距离,则将基础基站的两个定位基站进行合并,作为聚类簇。
聚类迭代单元,用于返回获取任意两个相邻的定位基站,作为一组基础基站的步骤继续执行,直到比较结果为距离差大于预设的合并距离。
第二权重计算单元,用于计算得到每个聚类簇的距离均值数据,并基于距离均值数据,根据预设的权重计算公式,计算得到每个定位基站的权重数据。
进一步的,在本实施例中,初始坐标计算模块43包括:
方程组构建单元,用于根据每个定位基站的初始距离数据和对应的权重数据,构建距离计算方程,并将所有的距离计算方程进行组合,构成定位方程组。
矩阵计算单元,用于对定位方程组进行高阶消元处理,得到初始坐标矩阵。
初始坐标向量单元,用于通过法线方程对初始坐标矩阵进行求解,得到待定位对象的初始坐标向量。
进一步的,在本实施例中,位置坐标计算模块44包括:
非线性处理单元,用于选取非线性最优化处理的方式,非线性最优化处理的方式为Levenberg-Marquard、高斯-牛顿法和共轭梯度下降法中的任意一种。
进一步的,在本实施例中,位置坐标计算模块44包括:
矩阵求解单元,用于基于初始位置向量生成目标求解函数,并根据非线性最优化方法,求解得到目标求解函数的雅克比矩阵。
位置坐标计算单元,用于根据Levenberg-Marquard迭代方式对雅克比矩阵进行迭代,得到目标求解函数的收敛值,作为待定位对象的位置坐标信息。
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/单元加以区分,并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块,本申请中所出现的模块的划分,仅仅是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式。
关于室内定位装置的具体限定可以参见上文中对于室内定位方法的限定,在此不再赘述。上述室内定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储室内定位方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种室内定位方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例中室内定位方法的步骤,例如图3所示的步骤S10至步骤S40及该方法的其它扩展和相关步骤的延伸。或者,处理器执行计算机程序时实现上述实施例中室内定位装置的各模块/单元的功能,例如图4所示模块41至模块44的功能。为避免重复,这里不再赘述。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
所述存储器可以集成在所述处理器中,也可以与所述处理器分开设置。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中室内定位方法的步骤,例如图3所示的步骤S10至步骤S40及该方法的其它扩展和相关步骤的延伸。或者,计算机程序被处理器执行时实现上述实施例中室内定位装置的各模块/单元的功能,例如图4所示模块41至模块44的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述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,均应包含在本发明的保护范围之内。
Claims (9)
1.一种室内定位方法,其特征在于,包括:
根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据;
根据预设的权重计算方式,结合每个所述初始距离数据进行权重计算,得到每个定位基站对应的权重数据;
按照每个定位基站的所述初始距离数据和所述权重数据,构建定位方程组,并对所述定位方程组进行求解,得到所述待定位对象的初始坐标向量;
针对所述初始坐标向量进行非线性最优化处理,得到所述待定位对象的位置坐标信息;
其中,所述根据预设的权重计算方式,结合每个所述初始距离数据进行权重计算,得到每个定位基站对应的权重数据包括:
获取任意两个相邻的定位基站,作为一组基础基站;
计算每组基础基站中每个所述定位基站对应的初始距离数据之间的差值,作为距离差,并将所述距离差与预设的合并距离进行比较,得到比较结果;
若所述比较结果为所述距离差小于预设的合并距离,则将所述基础基站的两个定位基站进行合并,作为聚类簇;
返回所述获取任意两个相邻的定位基站,作为一组基础基站的步骤继续执行,直到所述比较结果为所述距离差大于预设的合并距离;
计算得到每个聚类簇的距离均值数据,并基于所述距离均值数据,根据预设的权重计算公式,计算得到每个定位基站的权重数据。
2.根据权利要求1所述的室内定位方法,其特征在于,所述针对所述初始坐标向量进行非线性最优处理,得到所述待定位对象的位置坐标信息包括:
基于所述初始位置向量生成目标求解函数,并根据非线性最优化方法,求解得到所述目标求解函数的雅克比矩阵;
根据Levenberg-Marquard迭代方式对所述雅克比矩阵进行迭代,得到所述目标求解函数的收敛值,作为所述待定位对象的位置坐标信息。
3.根据权利要求1所述的室内定位方法,其特征在于,所述按照每个定位基站的所述初始距离数据和所述权重数据,构建定位方程组,并对所述定位方程组进行求解,得到所述待定位对象的初始坐标向量包括:
根据每个定位基站的初始距离数据和对应的权重数据,构建距离计算方程,并将所有的距离计算方程进行组合,构成定位方程组;
对所述定位方程组进行高阶消元处理,得到初始坐标矩阵;
通过法线方程对所述初始坐标矩阵进行求解,得到所述待定位对象的初始坐标向量。
4.根据权利要求1所述的室内定位方法,其特征在于,所述根据预设的权重计算方式,结合每个所述初始距离数据进行权重计算,得到每个定位基站对应的权重数据包括:
根据均值漂移算法,基于所述距离数据对每个定位基站进行簇聚类,得到多个聚类簇;
根据预设公式,计算得到每个聚类簇中的定位基站的权重数据。
5.根据权利要求1所述的室内定位方法,其特征在于,根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据包括:
根据双向飞行时间法,计算出所述待定位对象发送的定位信号到达每个定位基站的飞行时间;
根据TOF测距公式和所述飞行时间,计算得到所述待定位对象与每个定位基站的距离,作为初始距离数据。
6.根据权利要求1所述的室内定位方法,其特征在于,所述非线性最优化处理的方式为Levenberg-Marquard、高斯-牛顿法和共轭梯度下降法中的任意一种。
7.一种室内定位装置,其特征在于,包括:
初始距离计算模块,用于根据飞行时间法,确定待定位对象与每个定位基站之间的距离,作为初始距离数据;
权重计算模块,用于根据预设的权重计算方式,结合每个所述初始距离数据进行权重计算,得到每个定位基站对应的权重数据;
初始坐标计算模块,用于按照每个定位基站的所述初始距离数据和所述权重数据,构建定位方程组,并对所述定位方程组进行求解,得到所述待定位对象的初始坐标向量;
位置坐标计算模块,用于针对所述初始坐标向量进行非线性最优化处理,得到所述待定位对象的位置坐标信息;
其中,所述权重计算模块包括:
基础基站单元,用于获取任意两个相邻的定位基站,作为一组基础基站;
比较结果单元,用于计算每组基础基站中每个所述定位基站对应的初始距离数据之间的差值,作为距离差,并将所述距离差与预设的合并距离进行比较,得到比较结果;
第二聚类簇单元,用于若所述比较结果为所述距离差小于预设的合并距离,则将所述基础基站的两个定位基站进行合并,作为聚类簇;
聚类迭代单元,用于返回所述获取任意两个相邻的定位基站,作为一组基础基站的步骤继续执行,直到所述比较结果为所述距离差大于预设的合并距离;
第二权重计算单元,用于计算得到每个聚类簇的距离均值数据,并基于所述距离均值数据,根据预设的权重计算公式,计算得到每个定位基站的权重数据。
8.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述室内定位方法的步骤。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述室内定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210043369.5A CN114415113B (zh) | 2022-01-14 | 2022-01-14 | 室内定位方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210043369.5A CN114415113B (zh) | 2022-01-14 | 2022-01-14 | 室内定位方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114415113A CN114415113A (zh) | 2022-04-29 |
CN114415113B true CN114415113B (zh) | 2022-12-09 |
Family
ID=81274171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210043369.5A Active CN114415113B (zh) | 2022-01-14 | 2022-01-14 | 室内定位方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415113B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116930864B (zh) * | 2023-06-27 | 2024-02-23 | 中铁第四勘察设计院集团有限公司 | 一种室内外无缝统一基准构建方法及装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109696654B (zh) * | 2017-10-23 | 2020-12-15 | 深圳市优必选科技有限公司 | 定位方法及终端设备 |
US10578743B1 (en) * | 2018-12-27 | 2020-03-03 | Intel Corporation | System and method of location determination using multiple location inputs |
CN111381209A (zh) * | 2018-12-29 | 2020-07-07 | 深圳市优必选科技有限公司 | 一种测距定位的方法及装置 |
CN110087308B (zh) * | 2019-04-29 | 2020-09-18 | 中国矿业大学(北京) | 一种基于rss和toa互补的矿井移动目标定位方法 |
CN110825826A (zh) * | 2019-11-07 | 2020-02-21 | 深圳大学 | 聚类簇计算方法、装置、终端及存储介质 |
CN111294731B (zh) * | 2020-01-16 | 2020-12-01 | 珠海格力电器股份有限公司 | Uwb室内定位方法、装置、电子设备及存储介质 |
CN111896914A (zh) * | 2020-04-10 | 2020-11-06 | 中兴通讯股份有限公司 | 一种协同定位方法、装置、设备和存储介质 |
CN111583700A (zh) * | 2020-06-01 | 2020-08-25 | 珠海格力电器股份有限公司 | 定位方法、装置、设备、系统、存储介质和车库导航方法 |
CN113329492B (zh) * | 2021-08-04 | 2021-11-19 | 深圳市海豚科技创新有限公司 | 基于tdoa的定位方法、装置、计算机设备及存储介质 |
CN113777557B (zh) * | 2021-09-26 | 2023-09-15 | 北方工业大学 | 基于冗余距离筛选的uwb室内定位方法及系统 |
-
2022
- 2022-01-14 CN CN202210043369.5A patent/CN114415113B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114415113A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2840250C (en) | An improved system and method for wireless positioning in wireless network-enabled environments | |
Luo et al. | Enhancing Wi-Fi fingerprinting for indoor positioning using human-centric collaborative feedback | |
CN113329437B (zh) | 无线网络信号传播路径损耗预测方法及电子设备 | |
CN111352069B (zh) | 一种室内定位方法、服务器、存储介质及程序产品 | |
US20140274109A1 (en) | Positioning performance prediction | |
US9591495B2 (en) | Facilitation of delay error correction in timing-based location systems | |
CN109379711B (zh) | 一种定位方法 | |
CN108732559B (zh) | 一种定位方法、装置、电子设备及可读存储介质 | |
CN103068035A (zh) | 一种无线网络定位方法、装置及系统 | |
WO2020207096A1 (zh) | 一种5g场景下的定位方法、定位平台及用户终端 | |
JP2009517988A (ja) | 無線ネットワークにおいて動作するモバイル機器の位置を算出するためのシステムおよび方法 | |
WO2016112758A1 (zh) | 终端的定位方法及装置 | |
CN107343315B (zh) | 基于无线局域网络多频点联合测量的定位系统及方法 | |
CN114415113B (zh) | 室内定位方法、装置、计算机设备及存储介质 | |
US20230362039A1 (en) | Neural network-based channel estimation method and communication apparatus | |
CN113329492B (zh) | 基于tdoa的定位方法、装置、计算机设备及存储介质 | |
JP2018032939A (ja) | 品質推定装置及び品質推定方法 | |
Mukhtar et al. | Machine learning-enabled localization in 5g using lidar and rss data | |
JP2021114689A (ja) | 基地局、情報処理装置、無線通信方法、及び、プログラム | |
Wu et al. | Research on RSS based indoor location method | |
CN111385757B (zh) | 一种用于室内定位WiFi指纹库设备异构性的消除技术 | |
Arias et al. | GPS-less location algorithm for wireless sensor networks | |
Liu et al. | Edge big data-enabled low-cost indoor localization based on Bayesian analysis of RSS | |
CN112188613A (zh) | 一种基于深度学习的多天线室内定位方法及装置 | |
Azoulay et al. | Machine learning techniques for received signal strength indicator prediction |
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 |