CN114698094B - 一种数据处理方法及装置 - Google Patents

一种数据处理方法及装置 Download PDF

Info

Publication number
CN114698094B
CN114698094B CN202011602647.3A CN202011602647A CN114698094B CN 114698094 B CN114698094 B CN 114698094B CN 202011602647 A CN202011602647 A CN 202011602647A CN 114698094 B CN114698094 B CN 114698094B
Authority
CN
China
Prior art keywords
similarity
similarities
wireless signal
information
data
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
CN202011602647.3A
Other languages
English (en)
Other versions
CN114698094A (zh
Inventor
周才发
王永亮
曾丹丹
李治
吴龙海
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies Co Ltd
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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN202011602647.3A priority Critical patent/CN114698094B/zh
Priority to EP21914445.8A priority patent/EP4258766A4/en
Priority to PCT/CN2021/142268 priority patent/WO2022143711A1/zh
Publication of CN114698094A publication Critical patent/CN114698094A/zh
Priority to US18/342,077 priority patent/US20230354258A1/en
Application granted granted Critical
Publication of CN114698094B publication Critical patent/CN114698094B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01S5/0269—Inferred or constrained positioning, e.g. employing knowledge of the physical or electromagnetic environment, state of motion or other contextual information to infer or constrain a position
    • 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
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65—Raman scattering
    • 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
    • G01S5/0252—Radio frequency fingerprinting
    • 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
    • G01S5/0278—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 involving statistical or probabilistic considerations
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Electromagnetism (AREA)
  • Probability & Statistics with Applications (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请公开了一种数据处理方法，包括：获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，位置点在预设区域内，且第一位置信息用于表示位置点与预设位置点之间的相对位置；根据多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度；根据多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系；获取多条在预设区域内的预设轨迹，并以目标映射关系为约束，对多条预设轨迹进行轨迹融合，以得到轨迹融合结果。本申请通过对众包数据进行组合以进行相对位置‑信号对的构造，从相对位置信息及无线信号信息中构建几何约束，提高了无线信号模型的定位精度。

Description

一种数据处理方法及装置
技术领域
本申请涉及人工智能领域，尤其涉及一种数据处理方法及装置。
背景技术
移动设备的普及与移动通信技术的发展为实现定位导航提供了不同的可能。以定位为例，移动设备中集成的芯片可以用于为用户提供精准的室外定位服务。基于卫星的室外定位导航已经能够满足用户的许多室外出行需求，但由于建筑物等遮挡，基于卫星信号的定位技术无法在室内提供可用的定位服务。从现有的室内定位解决方案来看，可用的广泛存在特征或信号包括：视觉图像、光声信号、地磁场以及来自移动基站、WiFi、蓝牙等的无线信号。作为一种可以构建低成本、高可用的室内定位服务的方法，基于无线信号特征匹配的室内定位是最具前景的解决方案之一。
基于无线信号特征匹配的室内定位方法中包含两个关键步骤：一是对室内区域中可测量的无线信号进行建模，建立的模型可以包括室内区域各个位置点的位置信息与无线信号信息之间的映射关系；二是根据用户移动终端测量到的无线信号信息进行用户的位置估计。
然而，现有在进行无线信号建模的实现中，通过将终端设备在室内场所内采集到的的众包数据(包括位置点的绝对位置以及无线信号信息)作为训练输入，通过大量的数据训练得到无线信号模型。然而，众包数据包括的为位置点的绝对位置，通过位置点的绝对位置来拟合每个无线信号源的传播模型，然后由于终端设备携带的传感器的精度限制，获取到的绝对位置不是很精确，因此会影响到建立的模型的定位精度。
发明内容
第一方面，本申请提供了一种数据处理方法，所述方法包括：
获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；
服务器为了进行针对于某一个室内区域(本实施例中称之为预设区域)的无线信号建模，可以接收到终端设备发送的由终端设备在预设区域内采集到的众包数据。具体的，众包数据可以为同一个终端设备在不同时刻采集到的数据，或者，众包数据可以为不同终端设备在相同或不同时刻采集到的数据。
终端设备可以以某一终端运动轨迹运动，运动轨迹上包括多个位置点，终端设备可以采集得到各个位置点的第一位置信息以及无线信号信息，其中，第一位置信息为基于惯性测量单元(inertial measurement unit，IMU)采集的数据得到的，具体的，可以对IMU采集的数据进行处理(如双积分处理、基于深度学习模型的处理等等)，从而得到用户的连续运行轨迹，第一位置信息为连续运行轨迹上的第一位置点相对预设位置的位置。第一位置信息也可以通过终端设备侧集成的视觉惯性里程计(visual–inertial odometry，VIO)来获取。
预设位置点可以是终端运动轨迹的起始点，或者是终端运动轨迹中相邻前一时刻的位置点，或者是终端运动轨迹中之前不相邻时刻的的位置点，本申请并不限定。例如，终端运动轨迹可以包括A位置点、B位置点和C位置点，A位置点、B位置点和C位置点为依次相邻的时刻的位置点，B位置点为C位置点相邻前一时刻的位置点，A位置点为C位置点之前不相邻时刻的位置点。
无线信号信息可以通过终端设备侧已有的无线信号芯片及其系统层数据测量端口来获取，例如可以获取来自WiFi接入点、蓝牙信标或移动基站的数据。本实施例中，无线信号信息也可以称之为接入点参数信息，具体的可以指终端设备在某一位置点处所检测到的各无线信号源的标识，以及各无线信号源的信号的特征参数。
根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；
服务器可以将来自于同一条终端运动轨迹的众包数据进行两两组合，以构造多个位置 -信号对，并计算各个位置-信号对之间包括的第一位置信息之间的位置相似度以及无线信号信息之间的信号相似度。
根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；
所述多个第一相似度可以分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，服务器可以获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计(maximum likelihood estimation，MLE)结果，并根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。其中，不确定度可以表示确定出的两个位置点第一位置信息之间的位置相似度在约束中的权重。其中，约束可以用于进行后续的轨迹融合，约束可以用于表示在确定两个位置点的无线信号信息的相似度的情况下，两个位置点之间的位置相似度之间的距离约束，具体的，可以通过非线性优化计算多轨迹间的位置变换关系，使得约束(包括基于目标映射关系确定出的位置相似度)的损失函数值最小，从而实现轨迹融合。示例性的，轨迹A包括A位置点，B轨迹包括 B位置点，基于A位置点的无线信号信息和B位置点的无线信号信息之间的相似度，可以通过目标映射关系确定出A位置和B位置之间的位置相似度，若该位置相似度对应的不确定度较大，则该位置相似度在进行轨迹融合时对应的位置约束的权重占比较大，若该位置相似度对应的不确定度较小，则该位置相似度在进行轨迹融合时对应的位置约束的权重占比较小。获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
轨迹融合是将来自多个不同坐标系的预设轨迹进行坐标一致化与对齐的过程，其中，预设轨迹是轨迹融合的对象，预设轨迹是在各自局部坐标系表达的轨迹，本实施例中也将预设轨迹称之为相对轨迹或者预设运动轨迹或者预设的运动轨迹。基于无线信号的轨迹融合方案是在几何约束建模的基础上，构造多轨迹间的多类几何约束，其中几何约束可以包括目标映射关系以及相对位置约束。
在进行轨迹融合时，服务器可以通过非线性优化计算多轨迹间的位置变换关系使得给定的约束(包括目标映射关系，可选的，还可以包括相对位置约束)的损失函数值最小，从而实现轨迹融合。
绝对位置也可以称之为全局位置，即位置点在物理平面上具体的位置，基于绝对位置可以确定终端设备位于预设区域内的哪一个点。
当用户的终端设备在预设区域内采集到一组无线信号时，可以将其与轨迹融合结果中的各个无线信号信息进行匹配(例如基于k-近邻算法进行匹配)，从而计算终端设备所处的位置(第二位置信息)。上述定位过程可以在端侧的终端设备或者云侧的服务器中实施，在端侧的终端设备中实施时，终端设备可以获取到在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息。在云侧的服务器中实施时服务器可以获取到在终端设备发送的由终端设备采集的在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息。
通过上述方式，通过对众包数据进行组合以进行相对位置-信号对的构造，从相对位置信息及无线信号信息中构建几何约束(也就是本实施例中的目标映射关系)，可以实现在不依赖于绝对位置信息的前提下，就可以基于众包数据确定无线信号模型(也就是本实施例中的轨迹融合结果)，提高了无线信号模型的定位精度。
在一种可能的实现中，所述多个众包数据为同一条终端运动轨迹上的位置点的数据。多个众包数据为同一条终端运动轨迹上的位置点的数据，也就是说，多个众包数据中的每个众包数据包括的第一位置信息为同一条运行轨迹的各个位置点相对于预设位置点的相对位置。
在一种可能的实现中，所述多个第一相似度分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，所述根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，包括：获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果；服务器可以根据相似度的取值范围，将其划分为若干个相似度区间，并将落在对应相似度区间的位置-信号对计算所得的距离与相似度归入相应的区间。根据落入每个相似度区间的距离(第一相似度)，可以将其假设为一种分布，一种可以用于拟合这些距离分布为瑞利(Rayleigh)分布(如图6所示)。在瑞利分布的假设下，根据相似度区间内的距离可以采用最大似然估计(maximumlikelihood estimation，MLE)来计算瑞利分布的参数。
根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
其中，所谓连续函数估计是指，将原本离散的数据对应关系，确定出一条连续的函数映射关系，该函数映射关系可以拟合出原本离散的数据对应关系。
本实施例通过假设相似度区间内的距离分布为瑞利分布，并对其分布参数进行估计，从而实现从无线信号相似度至距离相似度及其不确定度的估计。
在一种可能的实现中，所述瑞利分布参数为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
在一种可能的实现中，所述根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系，包括：根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离；根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述无线信号信息包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。无线信号信息可以通过终端设备侧已有的无线信号芯片及其系统层数据测量端口来获取，例如可以获取来自WiFi接入点、蓝牙信标或移动基站的数据。本实施例中，无线信号信息也可以称之为接入点参数信息，具体的可以指终端设备在某一位置点处所检测到的各无线信号源的标识，以及各无线信号源的信号的特征参数。例如，无线信号源可以为无线局域网(wireless areanetworks， WLAN)中的接入点(access point，AP)，无线信号源标识可以为该AP的媒体访问控制(media access control，MAC)地址，而无线信号源的信号的特征参数可以为接收信号强度指示 (received signal strength indication，RSSI)。其中，无线信号源可以包括但不限于接入点(access point，AP)、蓝牙信号源等近距离无线通信信号源。AP具体可以指无线路由、手机热点等，本申请实施例不作限定。每个AP具有一个特有的WiFi标识，WiFi标识可以是服务集标识 (Service Set Identifier，SSID)，或者WiFi名称。其中，WiFi标识还可以包括AP的MAC地址， RSSI等。
在一种可能的实现中，所述第二相似度为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi,Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi,Oj)用于表示所述无线信号的信号强度信息之间的相似度。服务器可以根据无线信号的可测量性及其信号强度信息来计算无线信号信息之间的信号相似度，示例性的，无线信号O可以表示为可测量信号的唯一标识(例如Media AccessControl,MAC地址)及信号强度，即其中|O|表示该无线信号测量包含的信号源的个数。无线信号O中包含的所有的可测量的无线信号的唯一标识表示为A。在计算无线信号信息的相似度时，可以联合考虑无线信号的可测量性及其信号强度信息。
在一种可能的实现中，所述方法还包括：
获取到终端设备在所述预设区域内的第一无线信号信息；
根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
轨迹融合结果可以用于进行终端设备的定位，服务器可以获取到终端设备在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
具体的，当用户的终端设备在预设区域内采集到一组无线信号时，可以将其与轨迹融合结果中的各个无线信号信息进行匹配(例如基于k-近邻算法进行匹配)，从而计算终端设备所处的位置(第二位置信息)。上述定位过程可以在端侧的终端设备或者云侧的服务器中实施，在端侧的终端设备中实施时，终端设备可以获取到在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息。在云侧的服务器中实施时服务器可以获取到在终端设备发送的由终端设备采集的在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息。
第二方面，本申请提供了一种数据处理装置，所述装置包括：
获取模块，用于获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；
相似度确定模块，用于根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；
映射关系确定模块，用于根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；
轨迹融合模块，用于获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
在一种可能的实现中，所述多个众包数据为同一条终端运动轨迹上的位置点的数据。
在一种可能的实现中，所述多个第一相似度分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，所述映射关系确定模块，用于：
获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果；
根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述瑞利分布参数为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
在一种可能的实现中，所述映射关系确定模块，用于：
根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离；
根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述无线信号信息包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。
在一种可能的实现中，所述第二相似度为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi,Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi,Oj)用于表示所述无线信号的信号强度信息之间的相似度。
在一种可能的实现中，所述装置还包括：
定位模块，用于获取到终端设备在所述预设区域内的第一无线信号信息；
根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
第三方面，本申请实施例提供了一种数据处理装置，可以包括存储器、处理器以及总线系统，其中，存储器用于存储程序，处理器用于执行存储器中的程序，以执行如上述第一方面及其任一可选的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机执行上述第一方面及其任一可选的方法。
第五方面，本申请实施例提供了一种计算机程序，所述计算机程序产品包括代码，当所述代码被执行时，以实现上述第一方面及其任一可选的方法。
第六方面，本申请提供了一种芯片系统，该芯片系统包括处理器，用于支持执行设备或训练设备实现上述方面中所涉及的功能，例如，发送或处理上述方法中所涉及的数据；或，信息。在一种可能的设计中，所述芯片系统还包括存储器，所述存储器，用于保存执行设备或训练设备必要的程序指令和数据。该芯片系统，可以由芯片构成，也可以包括芯片和其他分立器件。
本申请实施例提供了一种数据处理方法，所述方法包括：获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。通过上述方式，通过对众包数据进行组合以进行相对位置-信号对的构造，从相对位置信息及无线信号信息中构建几何约束(也就是本实施例中的目标映射关系)，可以实现在不依赖于绝对位置信息的前提下，就可以基于众包数据确定无线信号模型(也就是本实施例中的轨迹融合结果)，提高了无线信号模型的定位精度。
附图说明
图1为本申请实施例提供的一种服务器的结构示意图；
图2为本申请实施例提供的一种应用架构示意；
图3为本申请实施例提供的一种数据处理方法的流程示意；
图4为本申请实施例提供的一种终端运动轨迹示意；
图5为本申请实施例提供的一种相似度分布示意；
图6为本申请实施例提供的一种位置相似度分布示意；
图7为本申请实施例提供的一种无线信号相似度与距离估计之间的拟合示意；
图8为本申请实施例提供的一种无线信号相似度与距离估计之间的拟合示意；
图9为本申请实施例提供的一种轨迹融合示意；
图10为本申请实施例提供的一种轨迹融合示意；
图11为本申请实施例提供的一种软件架构示意；
图12为本申请实施例提供的一种数据处理装置的结构示意；
图13为本申请实施例提供的一种数据处理装置的结构示意；
图14为本申请实施例提供的芯片的一种结构示意图。
具体实施方式
下面结合本发明实施例中的附图对本发明实施例进行描述。本发明的实施方式部分使用的术语仅用于对本发明的具体实施例进行解释，而非旨在限定本发明。
下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。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，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，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单元。
在本申请实施例中的方法应用在在一台或多台数据处理装置中，该数据处理装置可以为终端或服务器，通过软件和/或硬件实现获取数据、数据训练和数据融合判断的过程。以服务器为例，请参考图1，是本申请实施例提供的一种服务器结构示意图，本申请实施例中由服务器所执行的步骤可以基于该图1所示的服务器结构。
该服务器100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)122(例如，一个或一个以上处理器)和存储器132，一个或一个以上存储应用程序142或数据144的存储介质130(例如一个或一个以上海量存储设备)。其中，存储器132和存储介质130可以是短暂存储或持久存储。存储在存储介质130 的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器122可以设置为与存储介质130通信，在服务器100 上执行存储介质130中的一系列指令操作。
服务器100还可以包括一个或一个以上电源126，一个或一个以上有线或无线网络接口 150，一个或一个以上输入输出接口158，和/或，一个或一个以上操作系统141，例如Windows ServerTM，Mac OS XTM，UnixTM，LinuxTM，FreeBSDTM等等。
本申请实施例中，CPU122可以获取到存储介质130中的代码，以执行本申请实施例中的提供的数据处理方法。
首先对本申请实施例涉及的一些概念进行介绍。
(1)众包数据，指的是通过一定的触发机制，在用户无感知的情况下，收集的用户智能终端的传感器信号、射频信号及网络信号等可用数据。
(2)、接入点参数信息，指的是电子设备在某一地理位置处所检测到的各无线信号源的标识，以及各无线信号源的信号的特征参数。例如，无线信号源可以为无线局域网(wireless area networks，WLAN)中的接入点(access point，AP)，无线信号源标识可以为该 AP的媒体访问控制(media access control，MAC)地址，而无线信号源的信号的特征参数可以为接收信号强度指示(received signal strength indication，RSSI)。
(3)、无线信号源，可以是接入点(access point，AP)、蓝牙信号源等近距离无线通信信号源。AP具体可以指无线路由、手机热点等，本申请实施例不作限定。每个AP具有一个特有的WiFi标识，WiFi标识可以是服务集标识(Service Set Identifier，SSID)，或者WiFi名称。其中，WiFi标识还可以包括AP的MAC地址，RSSI等。
图2为一种室内定位场景架构示意图，该场景架构包括位于室内空间的终端设备100 和服务器200，以及分别位于室内空间中的不同楼层位置的多个无线信号源(例如AP1/AP2/AP3/AP4)。终端设备100和服务器200可以通过通信网络互相通信。示意性地，图2中的室内空间为一幢楼，AP1/AP2/AP3/AP4分别位于不同楼层。服务器200可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是云服务器。
该通信网络可以是局域网，也可以是通过中继(relay)设备转接的广域网，或者包括局域网和广域网。当该通信网络为局域网时，示例性的，该通信网络可以是WiFi热点网络、 WiFi P2P网络、蓝牙网络、zigbee网络或近场通信(near field communication，NFC)网络等近距离通信网络。当该通信网络为广域网时，示例性的，该通信网络可以是第三代移动通信技术(3rd-generation wireless telephone technology，3G)网络、第四代移动通信技术(the 4th generation mobile communication technology，4G)网络、第五代移动通信技术(5th-generation mobile communication technology，5G)网络、未来演进的公共陆地移动网络(public land mobile network，PLMN)或因特网等。
参照图3，图3为本申请实施例提供的一种数据处理方法的实施例示意，本申请实施例提供的一种数据处理方法可以应用在服务器或终端设备上，如图3示出的那样，本申请实施例提供的一种数据处理方法包括：
301、获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置。
本申请实施例中，服务器为了进行针对于某一个室内区域(本实施例中称之为预设区域)的无线信号建模，可以接收到终端设备发送的由终端设备在预设区域内采集到的众包数据。具体的，众包数据可以为同一个终端设备在不同时刻采集到的数据，或者，众包数据可以为不同终端设备在相同或不同时刻采集到的数据。
本申请实施例中，终端设备可以以某一运动轨迹运动，运动轨迹上包括多个位置点，终端设备可以采集得到各个位置点的第一位置信息以及无线信号信息，其中，第一位置信息为基于惯性测量单元(inertial measurement unit，IMU)采集的数据得到的，具体的，可以对IMU采集的数据进行处理(如双积分处理、基于深度学习模型的处理等等)，从而得到用户的连续运行轨迹，第一位置信息为连续运行轨迹上的第一位置点相对预设位置的位置。第一位置信息也可以通过终端设备侧集成的视觉惯性里程计(visual–inertialodometry， VIO)来获取。
本申请实施例中，第一位置信息用于表示位置点与预设位置点之间的相对位置，所述多个众包数据为同一条终端运动轨迹上的位置点的数据，也就是说，多个众包数据中的每个众包数据包括的第一位置信息为同一条运行轨迹的各个位置点相对于预设位置点的相对位置。其中，预设位置点可以是终端运动轨迹的起始点，或者是终端运动轨迹中相邻前一时刻的位置点，或者是终端运动轨迹中之前不相邻时刻的之前时刻的位置点，本申请并不限定。例如，终端运动轨迹可以包括A位置点、B位置点和C位置点，A位置点、B位置点和C位置点为依次相邻的时刻的位置点，B位置点为C位置点相邻前一时刻的位置点，A位置点为C位置点之前不相邻时刻的位置点，本申请并不限定。
应理解，第一位置信息可以是在二维(x-y坐标)或者三维(x-y-z坐标)中表示，本申请并不限定。
应理解，服务器还可以获取到终端设备的其他终端运动轨迹的众包数据。
本申请实施例中，无线信号信息可以通过终端设备侧已有的无线信号芯片及其系统层数据测量端口来获取，例如可以获取来自WiFi接入点、蓝牙信标或移动基站的数据。本实施例中，无线信号信息也可以称之为接入点参数信息，具体的可以指终端设备在某一位置点处所检测到的各无线信号源的标识，以及各无线信号源的信号的特征参数。例如，无线信号源可以为无线局域网(wireless area networks，WLAN)中的接入点(access point，AP)，无线信号源标识可以为该AP的媒体访问控制(media access control，MAC)地址，而无线信号源的信号的特征参数可以为接收信号强度指示(received signal strengthindication，RSSI)。其中，无线信号源可以包括但不限于接入点(access point，AP)、蓝牙信号源等近距离无线通信信号源。AP具体可以指无线路由、手机热点等，本申请实施例不作限定。每个AP具有一个特有的WiFi标识，WiFi标识可以是服务集标识(Service SetIdentifier，SSID)，或者 WiFi名称。其中，WiFi标识还可以包括AP的MAC地址，RSSI等。
由于第一位置信息与无线信号信息是由不同传感器采集，传感器之间并没有实现同步测量。因此，可以将无线信号信息对齐到相应的第一位置信息。这一过程可以通过对相对位置进行插值完成。
进而，服务器可以获取到来自同一终端的一条终端运动轨迹中各个位置点之间的相对位置(第一位置信息)及无线信号信息，即其中，pi表示第一位置信息，Oi表示无线信号信息。类似的，服务器可以获取到多条终端运动轨迹的众包数据。
如图4所示，在一条终端运动轨迹上，可以包括多个位置点，在其中的部分位置点处 (在图4中用圆形标识表示)，其中，一部分位置点的第一位置信息可以基于传感器获取到的数据确定，一部分位置点的第一位置信息可以基于插值的方式确定，如图4所示，还可以获取到无线信号信息(其对应的无线信号源在图4中用正方形标识表示)，例如图4中可以获取到5个众包数据。
302、根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度。
本申请实施例中，服务器获取到多个众包数据之后，可以根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度。
具体的，本申请实施例中，服务器可以将来自于同一条终端运动轨迹的众包数据进行两两组合，以构造多个位置-信号对，并计算各个位置-信号对之间包括的第一位置信息之间的位置相似度以及无线信号信息之间的信号相似度。
接下来首先描述服务器如何将来自于同一条终端运动轨迹的众包数据进行两两组合，以构造多个位置-信号对：
本申请实施例中，服务器可以对来自同一终端运动轨迹的多个众包数据(例如以来表示)将其进行两两组合(N个众包数据最多构成N(N-1)/2)，以构造多个位置-信号对[(pi,Oi),pj,Oj)]。例如，图4示出的终端运动轨迹中有5个众包数据，可以以两两组合出10个位置-信号对。
类似的，服务器针对于每条终端运动轨迹上的众包数据都可以进行两两组合，例如，可以从多个用户各种终端采集获取到K条终端运动轨迹的众包数据，对每一条终端运动轨迹进行众包数据的两两组合，从而得到M·K个位置-信号对这些位置-信号对构成了几何约束建模所需的样本，从而在不依赖于绝对位置信息的前提下可以进行几何约束的估计。
接下来首先描述服务器如何计算各个位置-信号对之间包括的第一位置信息之间的位置相似度以及无线信号信息之间的信号相似度：
本申请实施例中，所述无线信号信息可以包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，相应的，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。
在一种实现中，所述第二相似度可以为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi,Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi,Oj)用于表示所述无线信号的信号强度信息之间的相似度。
具体的，服务器可以根据无线信号的可测量性及其信号强度信息来计算无线信号信息之间的信号相似度，示例性的，无线信号O可以表示为可测量信号的唯一标识(例如Media Access Control,MAC地址)及信号强度，即其中|O|表示该无线信号测量包含的信号源的个数。无线信号O中包含的所有的可测量的无线信号的唯一标识表示为A。在计算无线信号信息的相似度时，可以联合考虑无线信号的可测量性及其信号强度信息。一种实现这一相似度计算的方式是将可测量性与信号强度信息相似性进行几何平均，即：
其中β为加权因子，用于均衡信号可测量性及信号强度信息对相似度的贡献。g1(OiOj) 用于表示信号可测量性对相似度的贡献，可以由如下式计算：
上式中，分子表示的是位置-信号对中，两组无线信号信息共同测量到的信号源的个数，分子表示两组无线信号信息总共测量到的信号源的个数。g2(Oi,Oj)用于表示可测量信号的信号强度信息之间的相似度，可以由下式计算得到：
本申请实施例中，各个位置-信号对之间包括的第一位置信息之间的位置相似度可以定义为所在物理位置之间二维或三维坐标的欧氏距离，具体可以如下式所示(以二维坐标为例)：
此时，针对于每两个众包数据，可以得到一个第一相似度和一个第二相似度，可以将一组相似度(包括一个第一相似度和一个第二相似度)作为二维坐标系上的一个坐标点，一次得到由坐标点构成的相似度分布。示例性的，可以如图5所示，图5为一种相似度分布的示意，其中第一相似度的数值范围是[0，1]。定性来看，当第一相似度越接近于0时，无线信号间的距离越远，几何约束越弱，则相对距离越大，第二相似度越小；而当第一相似度越接近于1时，无线信号间的距离越近，几何约束越强，则相对距离越小，第二相似度越大。其中，随着第一相似度的增加，第二相似度的大小越小(第二相似度表示的是位置之间的相似度，位置相似度越大，则相对位置距离越小)。
303、根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度。
本申请实施例中，在根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度之后，可以根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度。
具体的，本实施例中，所述多个第一相似度可以分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，服务器可以获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果，并根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
在一种实现中，所述瑞利分布参数可以为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
服务器可以根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离，根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
本申请实施例中，服务器可以根据相似度的取值范围，将其划分为若干个相似度区间，并将落在对应相似度区间的位置-信号对计算所得的距离与相似度归入相应的区间。根据落入每个相似度区间的距离(第一相似度)，可以将其假设为一种分布，一种可以用于拟合这些距离分布为瑞利(Rayleigh)分布(如图6所示)。在瑞利分布的假设下，根据相似度区间内的距离可以采用最大似然估计(maximum likelihood estimation，MLE)来计算瑞利分布的参数σ：
假设落入相似度区间gc内的n对相对位置的距离为则MLE的估计结果为：
根据瑞利分布的特性，该相似度区间所对应的预期的几何距离约束及不确定度可以由瑞利分布的参数计算所得：
其中，μd表示预期的几何距离约束，表示不确定度。
示例性的，服务器可以通过将相似度区间进行划分及分布参数估计，得出每个离散相似度对应的几何约束。为了估计任意相似度所对应的几何约束，对相似度区间及其对应的分布参数值进行连续函数估计。其中一种估计方法是假设相似度与分布参数值符合对数- 线性关系(如图7和图8所示)，即：
ln(σ)＝f(g(Oi,Oj))＝ag(Oi,Oj)+b；
使用已有相似度区间及对应的分布参数值进行最小二乘估计即可得出上式的参数a、b。当得出上式所示的目标映射关系后，即可计算预期的几何距离约束及不确定度。
304、获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
本申请实施例中，在根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系之后，可以获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果。
本申请实施例中，轨迹融合是将来自多个不同坐标系的预设轨迹进行坐标一致化与对齐的过程(例如可以如图9和图10所示)，其中，预设轨迹是轨迹融合的对象，预设轨迹是在各自局部坐标系表达的轨迹，本实施例中也将预设轨迹称之为相对轨迹或者预设运动轨迹或者预设的运动轨迹。基于无线信号的轨迹融合方案是在几何约束建模的基础上，构造多轨迹间的多类几何约束，其中几何约束可以包括步骤303得到的目标映射关系以及相对位置约束。
其中，目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度，在进行轨迹融合时，可以获取到多条轨迹中的任意两个位置点的无线信号信息，并计算无线信号信息之间的相似度，基于目标映射关系确定该两个位置点第一位置信息之间的位置相似度，以及不确定度，不确定度可以表示确定出的两个位置点第一位置信息之间的位置相似度在约束中的权重。其中，约束可以用于进行后续的轨迹融合，约束可以用于表示在确定两个位置点的无线信号信息的相似度的情况下，两个位置点之间的位置相似度之间的距离约束，具体的，可以通过非线性优化计算多轨迹间的位置变换关系，使得约束(包括目标映射关系，可选的，还可以包括相对位置约束)的损失函数值最小，从而实现轨迹融合。示例性的，轨迹A包括A位置点，B轨迹包括B位置点，基于A位置点的无线信号信息和B位置点的无线信号信息之间的相似度，可以通过目标映射关系确定出A位置和B位置之间的位置相似度，若该位置相似度对应的不确定度较大，则该位置相似度在进行轨迹融合时对应的位置约束的权重占比较大，若该位置相似度对应的不确定度较小，则该位置相似度在进行轨迹融合时对应的位置约束的权重占比较小。
此外，相对位置约束是指由IMU或者VIO得到相邻位置间的距离及方向约束，其不确定度由IMU的相对位置估计算法(如双积分)或者VIO算法给出。
在进行轨迹融合时，服务器可以通过非线性优化计算多轨迹间的位置变换关系使得给定的约束之间的损失函数值最小，从而实现轨迹融合。
本申请实施例中，轨迹融合结果也可以称之为无线信号模型，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
本申请实施例中，轨迹融合结果可以用于进行终端设备的定位，服务器可以获取到终端设备在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
具体的，当用户的终端设备在预设区域内采集到一组无线信号时，可以将其与轨迹融合结果中的各个无线信号信息进行匹配(例如基于k-近邻算法进行匹配)，从而计算终端设备所处的位置(第二位置信息)。上述定位过程可以在端侧的终端设备或者云侧的服务器中实施，若在端侧的终端设备中实施时，终端设备可以获取到在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息。若在云侧的服务器中实施时服务器可以获取到在终端设备发送的由终端设备采集的在所述预设区域内的第一无线信号信息，并根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的第二位置信息。
服务器在完成终端设备的定位之后(也就是计算得到终端设备的第二位置信息之后)，可以将终端设备的第二位置信息发送至终端设备，以便终端设备获取到自身所处的位置。
应理解，在一种实现中，服务器还可以直接将轨迹融合结果发送至终端设备，终端设备可以基于轨迹融合结果自己完成第二位置信息的计算，本实施例并不限定。
应理解，终端设备还可以获取到终端设备的偏航角、俯仰角和滚转角，并基于第二位置信息以及偏航角、俯仰角和滚转角进行增强现实(augmented reality，AR)相关的功能实现。例如，可以进行室内的AR导航，AR导航是指根据移动终端得到的视觉信息(如摄像头)，并结合位置估计结果为用户提供实时导航。在提供室内AR导航的过程中，需要在端侧实则进行位置估计及轨迹优化。其中位置估计由室内定位实施，并提供位置估计及其不确定度，构成几何约束。同时，通过VIO获取相对位置变化位置(距离及航向)。在以上两种约束的前提下，对用户的轨迹进行实时优化(如非线性优化器)。在这个过程中，可以在不依赖视觉定位的前提下实现室内AR导航。
本申请实施例提供了一种数据处理方法，所述方法包括：获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。通过上述方式，通过对众包数据进行组合以进行相对位置-信号对的构造，从相对位置信息及无线信号信息中构建几何约束(也就是本实施例中的目标映射关系)，可以实现在不依赖于绝对位置信息的前提下，就可以基于众包数据确定无线信号模型(也就是本实施例中的轨迹融合结果)，提高了无线信号模型的定位精度。
此外，通过假设相似度区间内的距离分布为瑞利分布，并对其分布参数进行估计，从而实现从无线信号相似度至距离相似度及其不确定度的估计。
参照图11，图11为本实施例提供的一种系统架构图，具体的，可以首先进行端侧数据的获取，具体的，可以从智能移动终端中获取用于估计用户的相对位置的数据信息，例如可以包括IMU、视觉惯导里程计等传感器采集的数据；以及空间存在的无线信号，如 WiFi、蓝牙、移动基站等。之后进行几何约束的建模，具体的，可以根据从不同终端获取的轨迹数据(包括相对位置及无线信号信息)自适应地估计无线信号与几何约束映射关系；之后可以进行定位与导航，具体的，根据构建的无线信号与几何约束间的模型，对众包轨迹进行融合构建室内无线信号模型，并实现低成本、高可用的室内定位服务以及无线信号增强的AR相关的功能实现。
参照图12，图12为本申请实施例提供的一种数据处理装置1200的示意，如图12中示出的那样，本申请提供的数据处理装置1200包括：
获取模块1201，用于获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；
获取模块1201的具体描述可以参照步骤301的描述，这里不再赘述。
相似度确定模块1202，用于根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；
相似度确定模块1202的具体描述可以参照步骤302的描述，这里不再赘述。
映射关系确定模块1203，用于根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；
映射关系确定模块1203的具体描述可以参照步骤303的描述，这里不再赘述。
轨迹融合模块1204，用于获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
轨迹融合模块1204的具体描述可以参照步骤304的描述，这里不再赘述。
在一种可能的实现中，所述多个众包数据为同一条终端运动轨迹上的位置点的数据。
在一种可能的实现中，所述多个第一相似度分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，所述映射关系确定模块，用于：
获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果；
根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述瑞利分布参数为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
在一种可能的实现中，所述映射关系确定模块，用于：
根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离；
根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述无线信号信息包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。
在一种可能的实现中，所述第二相似度为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi,Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi,Oj)用于表示所述无线信号的信号强度信息之间的相似度。
在一种可能的实现中，所述装置还包括：
定位模块，用于获取到终端设备在所述预设区域内的第一无线信号信息；
根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
本申请实施例提供了一种数据处理装置，所述装置包括：获取模块，用于获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；相似度确定模块，用于根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；映射关系确定模块，用于根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；轨迹融合模块，用于获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。通过对众包数据进行组合以进行相对位置-信号对的构造，从相对位置信息及无线信号信息中构建几何约束(也就是本实施例中的目标映射关系)，可以实现在不依赖于绝对位置信息的前提下，就可以基于众包数据确定无线信号模型(也就是本实施例中的轨迹融合结果)，提高了无线信号模型的定位精度。
接下来介绍本申请实施例提供的一种数据处理装置，请参阅图13，图13为本申请实施例提供的数据处理装置的一种结构示意图，数据处理装置1300具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等，此处不做限定。其中，数据处理装置1300 上可以部署有图12对应实施例中所描述的数据处理装置，用于实现图12对应实施例中数据处理的功能。具体的，数据处理装置1300包括：接收器1301、发射器1302、处理器1303 和存储器1304(其中执行设备1300中的处理器1303的数量可以一个或多个，图13中以一个处理器为例)，其中，处理器1303可以包括应用处理器13031和通信处理器13032。在本申请的一些实施例中，接收器1301、发射器1302、处理器1303和存储器1304可通过总线或其它方式连接。
存储器1304可以包括只读存储器和随机存取存储器，并向处理器1303提供指令和数据。存储器1304的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器1304存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。
处理器1303控制执行设备的操作。具体的应用中，执行设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。
上述本申请实施例揭示的方法可以应用于处理器1303中，或者由处理器1303实现。处理器1303可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1303中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1303可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器，还可进一步包括专用集成电路(application specific integratedcircuit， ASIC)、现场可编程门阵列(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。该处理器1303可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1304，处理器1303读取存储器1304中的信息，结合其硬件完成上述方法的步骤。
接收器1301可用于接收输入的数字或字符信息，以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1302可用于通过第一接口输出数字或字符信息；发射器1302还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1302还可以包括显示屏等显示设备。
本申请实施例中，在一种情况下，处理器1303，用于执行图3对应实施例中的服务器执行的数据处理方法。
具体的，处理器1303用于获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；
根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；
根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；
获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
在一种可能的实现中，所述多个众包数据为同一条终端运动轨迹上的位置点的数据。
在一种可能的实现中，所述多个第一相似度分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，具体的，处理器1303用于获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果；
根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述瑞利分布参数为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
在一种可能的实现中，具体的，处理器1303用于根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离；
根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
在一种可能的实现中，所述无线信号信息包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。
在一种可能的实现中，所述第二相似度为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi,Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi,Oj)用于表示所述无线信号的信号强度信息之间的相似度。
在一种可能的实现中，具体的，处理器1303用于获取到终端设备在所述预设区域内的第一无线信号信息；
根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
本申请实施例中还提供一种包括计算机程序产品，当其在计算机上运行时，使得计算机执行如前述数据处理装置所执行的步骤。
本申请实施例中还提供一种计算机可读存储介质，该计算机可读存储介质中存储有用于进行信号处理的程序，当其在计算机上运行时，使得计算机执行如前述数据处理装置所执行的步骤。
本申请实施例提供的数据处理装置具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使执行设备内的芯片执行上述实施例描述的数据处理方法，或者，以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。
具体的，请参阅图14，图14为本申请实施例提供的芯片的一种结构示意图，所述芯片可以表现为神经网络处理器NPU 1400，NPU 1400作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1403，通过控制器1404 控制运算电路1403提取存储器中的矩阵数据并进行乘法运算。
在一些实现中，运算电路1403内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1403是二维脉动阵列。运算电路1403还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1403是通用的矩阵处理器。
举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1402中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1401 中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1408中。
统一存储器1406用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1405，DMAC被搬运到权重存储器1402中。输入数据也通过DMAC被搬运到统一存储器1406中。
BIU为Bus Interface Unit即，总线接口单元1414，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1409的交互。
总线接口单元1414(Bus Interface Unit，简称BIU)，用于取指存储器1409从外部存储器获取指令，还用于存储单元访问控制器1405从外部存储器获取输入矩阵A或者权重矩阵B的原数据。
DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1406或将权重数据搬运到权重存储器1402中或将输入数据数据搬运到输入存储器1401中。
向量计算单元1407包括多个运算处理单元，在需要的情况下，对运算电路1403的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对特征平面进行上采样等。
在一些实现中，向量计算单元1407能将经处理的输出的向量存储到统一存储器1406。例如，向量计算单元1407可以将线性函数；或，非线性函数应用到运算电路1403的输出，例如对卷积层提取的特征平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1407生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1403的激活输入，例如用于在神经网络中的后续层中的使用。
控制器1404连接的取指存储器(instruction fetch buffer)1409，用于存储控制器1404 使用的指令；
统一存储器1406，输入存储器1401，权重存储器1402以及取指存储器1409均为On-Chip存储器。外部存储器私有于该NPU硬件架构。
其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。
另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用 CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

Claims (18)

1.一种数据处理方法，其特征在于，所述方法包括：
获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；
根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；
根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；
获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
2.根据权利要求1所述的方法，其特征在于，所述多个众包数据为同一条终端运动轨迹上的位置点的数据。
3.根据权利要求1或2所述的方法，其特征在于，所述多个第一相似度分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，所述根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，包括：
获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果；
根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
4.根据权利要求3所述的方法，其特征在于，所述瑞利分布参数为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第i个第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
5.根据权利要求3所述的方法，其特征在于，所述根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系，包括：
根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离；
根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
6.根据权利要求1或2所述的方法，其特征在于，所述无线信号信息包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。
7.根据权利要求6所述的方法，其特征在于，所述第二相似度为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi，Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi，Oj)用于表示所述无线信号的信号强度信息之间的相似度，所述Oi表示第i个众包数据，所述Oj表示第j个众包数据。
8.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
获取到终端设备在所述预设区域内的第一无线信号信息；
根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
9.一种数据处理装置，其特征在于，所述装置包括：
获取模块，用于获取多个众包数据，每个众包数据包括终端在一个位置点的第一位置信息以及接收到的无线信号信息，其中，所述位置点在预设区域内，且所述第一位置信息用于表示位置点与预设位置点之间的相对位置；
相似度确定模块，用于根据所述多个众包数据，获取多个第一相似度以及每个第一相似度对应的第二相似度，其中，每个第一相似度用于表示每两个众包数据包括的无线信号信息之间的信号相似度，每个第二相似度用于表示每两个众包数据包括的第一位置信息之间的位置相似度；
映射关系确定模块，用于根据所述多个第一相似度以及每个第一相似度对应的第二相似度，确定目标映射关系，所述目标映射关系包括终端在不同位置时，第一位置信息之间的位置相似度与接收到的无线信号信息之间的信号相似度的映射关系，以及所述映射关系的不确定度；
轨迹融合模块，用于获取多条在所述预设区域内的预设轨迹，并以所述目标映射关系为约束，对所述多条预设轨迹进行轨迹融合，以得到轨迹融合结果，其中，所述轨迹融合结果包括在所述预设区域内的多个位置点的第二位置信息以及无线信号信息，所述第二位置信息用于表示位置点在所述预设区域内的绝对位置。
10.根据权利要求9所述的装置，其特征在于，所述多个众包数据为同一条终端运动轨迹上的位置点的数据。
11.根据权利要求9或10所述的装置，其特征在于，所述多个第一相似度分布于M个相似度区间内，每个相似度区间包括多个第一相似度，且在每个相似度区间内的多个第一相似度对应的第二相似度满足瑞利分布，所述映射关系确定模块，用于：
获取所述M个相似度区间中每个相似度区间内的多个第一相似度对应的第二相似度满足的瑞利分布的瑞利分布参数，所述瑞利分布参数用于表示在相似度区间内的多个第一相似度对应的第二相似度的最大似然估计结果；
根据M个瑞利分布参数，通过连续函数估计，确定所述目标映射关系。
12.根据权利要求11所述的装置，其特征在于，所述瑞利分布参数为基于如下式得到：
其中，所述表示瑞利分布参数，所述di表示第i个第二相似度，所述n表示每个相似度区间包括的第一相似度的数量。
13.根据权利要求11所述的装置，其特征在于，所述映射关系确定模块，用于：
根据所述M个瑞利分布参数，确定每个瑞利分布参数对应的相似度区间内的估计几何距离；
根据M个估计几何距离以及每个估计几何距离对应的相似度区间，通过连续函数估计，确定所述目标映射关系。
14.根据权利要求9或10所述的装置，其特征在于，所述无线信号信息包括发射无线信号的无线信号源的标识以及无线信号的信号强度信息，所述第二相似度包括所述发射无线信号的无线信号源的标识之间的相似度以及所述无线信号的信号强度信息之间的相似度。
15.根据权利要求14所述的装置，其特征在于，所述第二相似度为基于如下公式得到：
其中，β为预设值的加权值，所述g1(Oi，Oj)用于表示所述发射无线信号的无线信号源的标识之间的相似度，所述g2(Oi，Oj)用于表示所述无线信号的信号强度信息之间的相似度，所述Oi表示第i个众包数据，所述Oj表示第j个众包数据。
16.根据权利要求9或10所述的装置，其特征在于，所述装置还包括：
定位模块，用于获取到终端设备在所述预设区域内的第一无线信号信息；
根据所述第一无线信号信息以及所述轨迹融合结果，确定所述终端设备的位置信息；其中，所述第一无线信号信息与所述轨迹融合结果中的目标无线信号信息的相似度最高，且在所述轨迹融合结果中，所述目标无线信号信息对应于所述终端设备的位置信息。
17.一种数据处理装置，其特征在于，所述装置包括存储器和处理器；所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至8任一所述的方法。
18.一种计算机存储介质，其特征在于，所述计算机存储介质存储有一个或多个指令，所述指令在由一个或多个计算机执行时使得所述一个或多个计算机实施权利要求1至8任一所述的方法。
CN202011602647.3A 2020-12-29 2020-12-29 一种数据处理方法及装置 Active CN114698094B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202011602647.3A CN114698094B (zh) 2020-12-29 2020-12-29 一种数据处理方法及装置
EP21914445.8A EP4258766A4 (en) 2020-12-29 2021-12-29 DATA PROCESSING METHOD AND APPARATUS
PCT/CN2021/142268 WO2022143711A1 (zh) 2020-12-29 2021-12-29 一种数据处理方法及装置
US18/342,077 US20230354258A1 (en) 2020-12-29 2023-06-27 Data processing method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011602647.3A CN114698094B (zh) 2020-12-29 2020-12-29 一种数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN114698094A CN114698094A (zh) 2022-07-01
CN114698094B true CN114698094B (zh) 2024-09-10

Family

ID=82133089

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011602647.3A Active CN114698094B (zh) 2020-12-29 2020-12-29 一种数据处理方法及装置

Country Status (4)

Country Link
US (1) US20230354258A1 (zh)
EP (1) EP4258766A4 (zh)
CN (1) CN114698094B (zh)
WO (1) WO2022143711A1 (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110035384A (zh) * 2019-05-09 2019-07-19 桂林电子科技大学 一种融合多传感器信号滤波优化的室内定位方法
CN111879305A (zh) * 2020-06-16 2020-11-03 华中科技大学 一种面向高危生产环境的多模态感知定位模型与系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103476115B (zh) * 2013-09-22 2016-03-23 中国地质大学（武汉） 一种基于AP集相似度的Wi-Fi指纹定位方法
CN109791209B (zh) * 2017-04-06 2022-02-25 华为技术有限公司 一种定位方法及装置
CN107328416B (zh) * 2017-05-19 2019-09-03 南京邮电大学 一种基于地磁的智能手机实时定位方法
CN109141420B (zh) * 2018-07-05 2020-06-05 杭州电子科技大学 一种基于众包数据的室内定位方法
CN111277946A (zh) * 2018-12-04 2020-06-12 重庆邮电大学 一种蓝牙室内定位系统中指纹库自适应更新方法
US10671921B1 (en) * 2019-05-01 2020-06-02 Mapsted Corp. Crowd-sourced training of a neural network for RSS fingerprinting

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110035384A (zh) * 2019-05-09 2019-07-19 桂林电子科技大学 一种融合多传感器信号滤波优化的室内定位方法
CN111879305A (zh) * 2020-06-16 2020-11-03 华中科技大学 一种面向高危生产环境的多模态感知定位模型与系统

Also Published As

Publication number Publication date
WO2022143711A1 (zh) 2022-07-07
CN114698094A (zh) 2022-07-01
EP4258766A1 (en) 2023-10-11
EP4258766A4 (en) 2024-06-12
US20230354258A1 (en) 2023-11-02

Similar Documents

Publication Publication Date Title
Tuba et al. Two stage wireless sensor node localization using firefly algorithm
JP7225556B2 (ja) 複数のビーコンの位置を決定するための方法、プログラム及びコンピュータシステム
WO2021012879A1 (zh) 轨迹重建方法、装置、计算机设备和存储介质
CN108709557B (zh) 基于多用户轨迹拟合的室内地图生成方法
JP2015531053A (ja) 無線マップを動的に作成するためのシステム、方法、及びコンピュータプログラム
CN111684293A (zh) 用于跟踪电子装置的移动的设备和方法
CN107547598A (zh) 一种定位方法、服务器及终端
US20180328738A1 (en) Systems and methods for utilizing graph based map information as priors for localization using particle filter
Liu et al. Geomagnetism-based indoor navigation by offloading strategy in NB-IoT
Tian et al. HiQuadLoc: A RSS fingerprinting based indoor localization system for quadrotors
Chen et al. MeshMap: A magnetic field-based indoor navigation system with crowdsourcing support
Varma et al. Indoor localization for IoT applications: Review, challenges and manual site survey approach
CN111182460A (zh) 混合型室内定位方法、装置、计算机设备及存储介质
US20240159857A1 (en) Method for constructing indoor map and related apparatus
Pau et al. A practical approach based on Bluetooth Low Energy and Neural Networks for indoor localization and targeted devices’ identification by smartphones
Zhou et al. WIO-EKF: Extended Kalman Filtering-Based Wi-Fi and Inertial Odometry Fusion Method for Indoor Localization
Munadhil et al. Distance estimation-based PSO between patient with Alzheimer’s disease and beacon node in wireless sensor networks
KR102612792B1 (ko) 전자 장치 및 전자 장치의 관심 영역 진입 판단 방법
CN114760684A (zh) 无线定位方法、路径识别模型的训练方法和装置
CN108322889A (zh) 一种多源数据融合室内定位的方法、存储介质及智能终端
CN114698094B (zh) 一种数据处理方法及装置
KR20210048697A (ko) 실내측위 장치 및 방법
EP4002891A1 (en) Method and apparatus for selectively utilizing an online positioning system to determine a reference position associated with fingerprint data
Sakr et al. Efficient Wi-Fi signal strength maps using sparse Gaussian process models
JP7411885B2 (ja) 位置推定方法、位置推定プログラム、および移動無線装置

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
GR01 Patent grant
GR01 Patent grant