CN114630274B - 一种指纹定位的精度估计方法 - Google Patents

一种指纹定位的精度估计方法 Download PDF

Info

Publication number
CN114630274B
CN114630274B CN202210329200.6A CN202210329200A CN114630274B CN 114630274 B CN114630274 B CN 114630274B CN 202210329200 A CN202210329200 A CN 202210329200A CN 114630274 B CN114630274 B CN 114630274B
Authority
CN
China
Prior art keywords
positioning
environment
test point
accuracy
test
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
Application number
CN202210329200.6A
Other languages
English (en)
Other versions
CN114630274A (zh
Inventor
文培
邹德岳
陈亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN202210329200.6A priority Critical patent/CN114630274B/zh
Publication of CN114630274A publication Critical patent/CN114630274A/zh
Application granted granted Critical
Publication of CN114630274B publication Critical patent/CN114630274B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04W4/023—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
    • 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
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种指纹定位的精度估计方法，属于导航定位技术领域。首先，在特定的环境，对一个测试点进行传统位置解算，得到定位结果。其次，计算参与位置估计的k个参考点与测试点之间的欧氏距离的最大值，并分别计算参与位置估计的k个参考点的位置与定位结果之间的距离，得到其最大值。再次，在应用环境中需要进行环境测试。最后，在此环境中对位置未知的用户进行定位后，估计定位精度。本发明不仅包含用户跨出服务区域的情况，还包括用户处于服务区内部但系统受损或受到严重干扰的情况，且在系统可用的基础上，各参考点与定位结果间的距离与定位精度具有单调性，因此以各参考点与定位结果间的距离来反向估计定位精度，估计方法更加准确、可行，能够适应复杂环境。

Description

一种指纹定位的精度估计方法
技术领域
本发明属于导航定位技术领域，涉及到指纹定位，特别涉及到可用度估计和精度估计方法。
背景技术
异构定位网络中，软/硬切换的方式可以对多种定位网络进行融合，从而达到扩大覆盖范围，提高定位精度的功能。而软/硬切换的实现都离不开定位精度。定位精度在定位过程中无法实时测量，因此需要定位精度估计。当出现系统不可用状态时，需要进行边缘切换，因此需要可用度估计。
经对现有文献检索发现，Zou,Deyue,Meng,Weixiao和Han,Shuai于2013年在IEEEWireless Communications and Networking Conference(WCNC)发表了“Euclideandistance based handoff algorithm for fingerprint positioning of WLAN system”(2013年的IEEE无线通信和网络会议，《一基于欧氏距离的无线局域网指纹定位切换算法》)研究了当用户跨出指纹图之外，KNN的欧氏距离会有显著增大，因此可以通过欧氏距离判断是否在服务区内，但其只通过分析用户是否在服务区内来判断系统是否可用，没有考虑到用户在服务区内时的可用性情况。
Zou,Deyue,Meng,Weixiao和Han,Shuai于2014年在International Conferenceon Instrumentation and Measurement,Computer,Communication and Control(IMCCC)发表了“An Accuracy Estimation Algorithm for Fingerprint Positioning System”(2014年的仪表和测量、计算机、通信和控制国际会议，《一种指纹定位系统的精度估计算法》)提出了一种用于计算指纹定位系统的定位精度估计算法，这种算法利用了在一定范围内“各参考点(RP)与定位结果间的最大距离”与“定位精度”所呈现的单调特性。但进一步研究中发现，定位精度更广的范围内二者的单调性不存在。
本发明在上述基础上对指纹定位的可用度估计和定位精度估计做了进一步研究，其中可用度估计考虑到了用户处于指纹图内时定位系损坏或受到严重干扰的情况，在定位精度方面，本发明研究了范围更广的“定位精度”与“各参考点(RP)与定位结果间的平均距离”的关系，最后提出一种更具可行性的基于可用度估计的定位精度估计方法。
发明内容
本发明要解决的技术问题是多种定位系统间软硬切换过程中指纹定位的定位精度在定位过程中无法实时测量，以及系统的可用性难以辨别，导致不便进行精准切换。本发明的目的是提供指纹定位的可用度估计和精度估计的方法，提高定位切换的准确性。本发明针对基于欧氏距离的指纹定位算法，包括但不限于K最邻近算法(KNN)。
提前说明，在特定的环境，对一个测试点(TP)进行传统位置解算的过程如下：
步骤1.1：假设定位环境中有n个热点、m个参考点和一个测试点(TP)，测试点(TP)获取的n个热点发射的信号强度值记为S＝(s1,s2,…,sn)，指纹数据库中每个参考点(RP)i(i＝1,2,…,m)接收到n个热点发射的信号强度值记为RSSi＝(RSSi1,RSSi2,…,RSSin)。
步骤1.2：将测试点信号强度S与指纹数据库中的RSSi(i＝1,2,…m)进行匹配，即求各个参考点(RP)i(i＝1,2,…m)与测试点(TP)之间的欧氏距离为：
Figure BDA0003574332500000021
步骤1.3：对m个参考点(RP)i(i＝1,2,…m)对应的的欧氏距离Ei(i＝1,2,…m)进行比较，得到欧氏距离最小即匹配度最高的k个参考点：RP1,RP2,…,RPk。
步骤1.4：由被选择的k个参考点(RP)的位置(xi,yi)(i＝1,2,…k)估计测试点(TP)的位置：
Figure BDA0003574332500000022
则(xc,yc)作为此次的定位结果。
本发明在以上传统的位置解算过程中加入两个额外的步骤，具体如下：
步骤1.5：计算参与位置估计的k个参考点(RP)与测试点(TP)之间的欧氏距离Ei(i＝1,2,…k)的最大值Em＝max{E1,E2,…,Ek}。此处Em可以替换为Ei(i＝1,2,…k)的最小值En或者均值Eu，其中：En＝min{E1,E2,…,Ek}，Eu＝(E1+E2+…+Ek)/k。
步骤1.6：分别计算参与位置估计的k个参考点(RP)的位置(xi,yi)与定位结果(xc,yc)之间的距离
Figure BDA0003574332500000031
然后计算Di的最大值Dm＝max{D1,D2,…,Dk}。此处Dm可以替换为Di(i＝1,2,…k)的最小值Dn或者均值Du，其中：Dn＝min{D1,D2,…,Dk}，Du＝(D1+D2+…+Dk)/k。其中，步骤1.5与步骤1.6所选参数类型相同，都为最小值或都为均值或都为最大值。
首先，在应用环境中需要进行环境测试：
步骤2.1：对于特定的环境，将位置(xTP,yTP)已知的测试点(TP)通过步骤1.1到1.6进行定位，可以得到一组Dm、Em，以及此次的定位结果为(xc,yc)，然后计算此次的定位精度即测试点的实际位置与定位结果之间的距离
Figure BDA0003574332500000032
步骤2.2：在同一环境下，将测试点(TP)取不同的位置多次重复步骤2.1，每次重复都能得到一组包含R、Dm、Em的样本，因此可以得到多组样本，以这些样本统计不同的定位精度R对应的欧氏距离Em。
步骤2.3：为了得到系统失效时对应的定位精度，假设指纹定位系统完全失效时，测试点的定位结果是不受测试点实际位置的影响在定位环境中随机分布的，由此可根据定位环境的覆盖范围统计此时的平均定位精度R为M米，将R为M米对应的欧氏距离Em记为Eth，则每次定位结束后可以通过欧氏距离Em是否超过Eth来判定系统是否完全失效。
步骤2.4：从步骤2.1的多组样本中排除所有欧氏距离Em大于阈值Eth的样本，则剩余的样本是在系统可用条件下的样本，利用剩余样本拟合定位精度R与Dm的关系：R＝f(Dm)。
最后，在此环境中每次通过步骤1.1到1.6对位置未知的用户(测试点)进行定位后，可通过如下步骤估计定位精度：
步骤3.1：如果定位过程中的欧氏距离Em大于阈值Eth，则认为系统不可用，此时对定位精度进行估计是没有意义的，反之认为系统正常工作，进入下一步。
步骤3.2：将定位过程中记录的Dm代入函数R＝f(Dm)中，得到精度估计值R。
本发明的效果与益处是：
本发明是另外两个文献中“通过欧氏距离判断用户是否跨出服务区”和“通过各参考点与定位结果间的最大距离估计定位精度”的结合与改进，其中可用性估计方面，本发明不仅包含用户跨出服务区域的情况，还包括用户处于服务区内部但系统受损或受到严重干扰的情况，且在系统可用的基础上，各参考点与定位结果间的距离与定位精度具有单调性，因此本发明以各参考点与定位结果间的距离来反向估计定位精度，这种定位精度的估计方法更加准确、可行，能够适应更加复杂的环境。
附图说明
图1是参考点几何分布示意图，图中1代表TP，2代表未参与解算的参考点，3代表参与解算的参考点。在理想状态下，KNN算法拣选的应该是在测试点(TP)周边与其最为接近的参考点(RP)，如附图一中左半部分所示。而在噪声等干扰下，实际定位中选择的参考点(RP)组合可能比较松散，从而导致定位误差，如附图一中右半部分所示。
图2是具体实施的指纹定位场景，图中1、2、3、4为热点位置。
具体实施方式
以下结合技术方案(和附图)详细叙述本发明的具体实施方式。
提前说明，在附图2的定位环境对一个测试点(TP)进行定位的过程为：
步骤(1.1)：定位环境中有4个热点、37个参考点和一个测试点(TP)，测试点(TP)获取的4个热点发射的信号强度值记为S＝(s1,s2,s3,s4)，指纹数据库中每个参考点(RP)i(i＝1,2,…,37)接收到4个热点发射的信号强度值记为RSSi＝(RSSi1,RSSi2,RSSi3,RSSi4)。
步骤(1.2)：将测试点信号强度S与指纹数据库中的RSSi(i＝1,2,…37)进行匹配，即求37个参考点(RP)i(i＝1,2,…37)与测试点(TP)之间的欧氏距离为：
Figure BDA0003574332500000051
步骤(1.3)：对37个参考点(RP)对应的欧氏距离Ei(i＝1,2,…37)进行比较，得到欧氏距离最小即匹配度最高的4个参考点：RP1,RP2,RP3,RP4。
步骤(1.4)：由被选择的4个参考点(RP)的位置(xi,yi)(i＝1,2,…4)估计测试点(TP)的位置：
Figure BDA0003574332500000052
(xc,yc)作为此次的定位结果。
步骤(1.5)：计算参与位置估计的4个参考点(RP)与测试点(TP)的欧氏距离Ei(i＝1,2,3,4)的最大值Em＝max{E1,E2,E3,E4}。
步骤(1.6)：分别计算参与位置估计的4个参考点(RP)的位置(xi,yi)与定位结果(xc,yc)之间的距离
Figure BDA0003574332500000053
然后计算Di的均值Du＝(D1+D2+D3+D4)/4。
首先，在附图2的应用环境中进行环境测试：
步骤(2.1)：对于特定的环境，将位置(xTP,yTP)已知的测试点(TP)通过步骤(1.1)到(1.6)进行定位，可以得到一组Du、Em，以及此次的定位结果为(xc,yc)，计算此次的定位精度即测试点的实际位置与定位结果之间的距离
Figure BDA0003574332500000054
步骤(2.2)：将测试点(TP)取不同的位置重复步骤(2.1)十万次，每次重复得到一组包含R、Du、Em的样本，因此可以得到十万组样本，以这些样本统计不同的定位精度R对应的欧氏距离Em。
步骤(2.3)：假设指纹定位系统完全失效时，即测试点的定位结果不受测试点的实际位置的影响在定位环境中随机分布时，统计其平均定位精度为7米，对应的欧氏距离15.74dBm记为阈值。
步骤(2.4)：从步骤(2.1)的十万组样本中排除所有异常的欧氏距离Em大于阈值15.74dBm的样本，利用剩余样本线性拟合定位精度R与D的关系：R＝f(Du)。
然后在附图二环境中通过步骤(1.1)到(1.6)对位置未知的用户(测试点)进行定位，通过如下步骤估计定位精度：
步骤(3.1)：读出定位过程中的Em为15.15dBm，由于15.15dBm大于阈值15.74dBm，则认为系统正常工作，进入下一步。
步骤(3.2)：读出定位过程中Du值为0.7224m，代入函数R＝f(Du)中，得到此次定位结果的精度估计值R为4m。
以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。

Claims (2)

1.一种指纹定位的精度估计方法，其特征在于，包括以下步骤：
首先，在特定的环境，对一个测试点TP进行传统位置解算的过程如下：
步骤1.1：假设定位环境中有n个热点、m个参考点和一个测试点TP，测试点TP获取的n个热点发射的信号强度值记为S＝(s1,s2,…,sn)，指纹数据库中每个参考点(RP)i(i＝1,2,…,m)接收到n个热点发射的信号强度值记为RSSi＝(RSSi1,RSSi2,…,RSSin)；
步骤1.2：将测试点信号强度S与指纹数据库中的RSSi(i＝1,2,…m)进行匹配，即求各个参考点(RP)i(i＝1,2,…m)与测试点TP之间的欧氏距离为：
Figure FDA0004022581600000011
步骤1.3：对m个参考点(RP)i(i＝1,2,…m)对应的欧氏距离Ei(i＝1,2,…m)进行比较，得到欧氏距离最小即匹配度最高的k个参考点：RP1,RP2,…,RPk；
步骤1.4：由被选择的k个参考点(RP)的位置(xi,yi)(i＝1,2,…k)估计测试点TP的位置：
Figure FDA0004022581600000012
则(xc,yc)作为此次的定位结果；
步骤1.5：计算参与位置估计的k个参考点RP与测试点TP之间的欧氏距离Ei(i＝1,2,…k)的最大值Em＝max{E1,E2,…,Ek}；
步骤1.6：分别计算参与位置估计的k个参考点RP的位置(xi,yi)与定位结果(xc,yc)之间的距离
Figure FDA0004022581600000013
然后计算Di的最大值Dm＝max{D1,D2,…,Dk}；
其次，在应用环境中需要进行环境测试：
步骤2.1：对于特定的环境，将位置(xTP,yTP)已知的测试点TP通过步骤1.1到1.6进行定位，可以得到一组Dm、Em，以及此次的定位结果为(xc,yc)，然后计算此次的定位精度即测试点的实际位置与定位结果之间的距离
Figure FDA0004022581600000014
步骤2.2：在同一环境下，将测试点TP取不同的位置多次重复步骤2.1，每次重复都能得到一组包含R、Dm、Em的样本，因此可以得到多组样本，以这些样本统计不同的定位精度R对应的欧氏距离Em；
步骤2.3：为了得到系统失效时对应的定位精度，假设指纹定位系统完全失效时，测试点的定位结果是不受测试点实际位置的影响在定位环境中随机分布的，由此可根据定位环境的覆盖范围统计此时的平均定位精度R为M米，将R为M米对应的欧氏距离Em记为Eth，则每次定位结束后可以通过欧氏距离Em是否超过Eth来判定系统是否完全失效；
步骤2.4：从步骤2.2的多组样本中排除所有欧氏距离Em大于阈值Eth的样本，则剩余的样本是在系统可用条件下的样本，利用剩余样本拟合定位精度R与Dm的关系：R＝f(Dm)；
最后，在此环境中每次通过步骤1.1到1.6对位置未知的测试点进行定位后，通过如下步骤估计定位精度：
步骤3.1：如果定位过程中的欧氏距离Em大于阈值Eth，则认为系统不可用，此时对定位精度进行估计是没有意义的，反之认为系统正常工作，进入下一步；
步骤3.2：将定位过程中记录的Dm代入函数R＝f(Dm)中，得到精度估计值R。
2.根据权利要求1所述的一种指纹定位的精度估计方法，其特征在于，所述步骤1.5中的Em可以替换为Ei(i＝1,2,…k)的最小值En或者均值Eu，其中：En＝min{E1,E2,…,Ek}，Eu＝(E1+E2+…+Ek)/k；对应的，所述步骤1.6中的Dm可以替换为Di(i＝1,2,…k)的最小值Dn或者均值Du，其中：Dn＝min{D1,D2,…,Dk}，Du＝(D1+D2+…+Dk)/k。
CN202210329200.6A 2022-03-31 2022-03-31 一种指纹定位的精度估计方法 Active CN114630274B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210329200.6A CN114630274B (zh) 2022-03-31 2022-03-31 一种指纹定位的精度估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210329200.6A CN114630274B (zh) 2022-03-31 2022-03-31 一种指纹定位的精度估计方法

Publications (2)

Publication Number Publication Date
CN114630274A CN114630274A (zh) 2022-06-14
CN114630274B true CN114630274B (zh) 2023-03-14

Family

ID=81904568

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210329200.6A Active CN114630274B (zh) 2022-03-31 2022-03-31 一种指纹定位的精度估计方法

Country Status (1)

Country Link
CN (1) CN114630274B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104502889A (zh) * 2014-12-29 2015-04-08 哈尔滨工业大学 指纹定位中基于参考点最大距离的定位可信度计算方法
CN105916201A (zh) * 2016-06-07 2016-08-31 天津大学 一种基于rss欧氏距离拟合的knn指纹定位方法
CN106792509A (zh) * 2016-11-25 2017-05-31 大连理工大学 一种指纹定位中的扩散式指纹图搜索方法
CN107948930A (zh) * 2017-12-31 2018-04-20 电子科技大学 基于位置指纹算法的室内定位优化方法
CN108093364A (zh) * 2017-12-14 2018-05-29 武汉大学 一种基于rssi不均匀空间分辨率的改进加权定位方法
CN108445443A (zh) * 2018-02-07 2018-08-24 武汉大学 一种基于knn的指纹点聚类方法
CN108712718A (zh) * 2018-05-14 2018-10-26 中国联合网络通信集团有限公司 定位处理方法、装置、服务器及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107484118A (zh) * 2016-06-07 2017-12-15 滴滴（中国）科技有限公司 一种基于建筑物WiFi指纹的室内场景定位方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104502889A (zh) * 2014-12-29 2015-04-08 哈尔滨工业大学 指纹定位中基于参考点最大距离的定位可信度计算方法
CN105916201A (zh) * 2016-06-07 2016-08-31 天津大学 一种基于rss欧氏距离拟合的knn指纹定位方法
CN106792509A (zh) * 2016-11-25 2017-05-31 大连理工大学 一种指纹定位中的扩散式指纹图搜索方法
CN108093364A (zh) * 2017-12-14 2018-05-29 武汉大学 一种基于rssi不均匀空间分辨率的改进加权定位方法
CN107948930A (zh) * 2017-12-31 2018-04-20 电子科技大学 基于位置指纹算法的室内定位优化方法
CN108445443A (zh) * 2018-02-07 2018-08-24 武汉大学 一种基于knn的指纹点聚类方法
CN108712718A (zh) * 2018-05-14 2018-10-26 中国联合网络通信集团有限公司 定位处理方法、装置、服务器及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
An accuracy estimation algorithm for fingerprint positioning system;D. Zou, W et al.;《International Conference on Instrumentation & Measurement》;20141230;全文 *
Dynamic active area clustering with inertial information for fingerprinting based indoor localization systems;Fan Yang et al;《2015 IFIP Networking Conference (IFIP Networking)》;20150702;全文 *
WiFi指纹定位及跟踪技术研究;叶欢;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150715;全文 *
无源标签多径环境下基于凸优化的定位算法;马永涛 等;《天津大学学报(自然科学与工程技术版)》;20170915(第09期);全文 *

Also Published As

Publication number Publication date
CN114630274A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
Zhou et al. An information-theoretic view of WLAN localization error bound in GPS-denied environment
Han et al. Cosine similarity based fingerprinting algorithm in WLAN indoor positioning against device diversity
Khalajmehrabadi et al. A joint indoor WLAN localization and outlier detection scheme using LASSO and elastic-net optimization techniques
Talvitie et al. Distance-based interpolation and extrapolation methods for RSS-based localization with indoor wireless signals
Kaemarungsi et al. Modeling of indoor positioning systems based on location fingerprinting
So et al. An improved location estimation method for wifi fingerprint-based indoor localization
JP2009545754A (ja) 受信信号の到来時間と端末位置を共同推定するための反復法
JP5129356B2 (ja) 位置決定におけるアンビギティーの解決方法
Fang et al. Accurate indoor location estimation by incorporating the importance of access points in wireless local area networks
Biswas et al. Semidefinite programming algorithms for sensor network localization using angle information
CN111505570A (zh) 基于线性搜索的超宽带二维定位方法
Xue et al. Improved clustering algorithm of neighboring reference points based on KNN for indoor localization
Ko et al. A framework for proactive indoor positioning in densely deployed WiFi networks
Apte et al. Improving the accuracy of wireless LAN based location determination systems using Kalman filter and multiple observers
CN114630274B (zh) 一种指纹定位的精度估计方法
Alfakih et al. An enhanced indoor positioning method based on Wi-fi RSS fingerprinting
Chen et al. Rule-based wifi localization methods
Mo et al. Occurrence-based fingerprint clustering for fast pattern-matching location determination
Tseng et al. Geometry-assisted localization algorithms for wireless networks
Gu et al. The effect of ground truth accuracy on the evaluation of localization systems
Hossain et al. Fingerprint-based location estimation with virtual access points
Aziz et al. An Improved Indoor Location Technique Using Combination of Kalman Filter and Centroid Positioning.
Liu et al. A novel indoor positioning method based on location fingerprinting
Chen et al. Automatic radio map adaptation for wifi fingerprint positioning systems
Li et al. Measurement-based AP deployment mechanism for fingerprint-based indoor location systems

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