CN115589569A - 一种使用Wi-Fi物理层信息校准FTM的方法 - Google Patents
一种使用Wi-Fi物理层信息校准FTM的方法 Download PDFInfo
- Publication number
- CN115589569A CN115589569A CN202211083478.6A CN202211083478A CN115589569A CN 115589569 A CN115589569 A CN 115589569A CN 202211083478 A CN202211083478 A CN 202211083478A CN 115589569 A CN115589569 A CN 115589569A
- Authority
- CN
- China
- Prior art keywords
- ftm
- path
- strength
- distance
- imu
- 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 38
- 239000000835 fiber Substances 0.000 title abstract description 7
- 238000001228 spectrum Methods 0.000 claims abstract description 8
- 238000005457 optimization Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- 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)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明属于无线定位领域，提出一种使用Wi‑Fi物理层信息校准FTM的方法。该方法从收发端设备获取FTM、IMU和CSI信息；将所得到的CSI信息利用MUSIC算法转换到频谱上分析，并通过设定阈值方法获取可靠路径集；在可靠路径集中提取信号传播路径数量、路径强度、路径的相对强度和时延特征；建立起特征信息与FTM的数学模型，该模型可返回直接路径的距离；结合实际中设备的可移动性，设计一种基于欧氏平面几何的优化方法来提高直接路径距离的准确性，这有助于在实际场景中的应用；使用一种基于参考选择的加权最小二乘法来进行最终的设备定位；最终提高了FTM在无线定位领域的定位准确性。
Description
技术领域
本发明涉及无线定位领域，尤其涉及一种使用Wi-Fi物理层信息校准FTM的方法。
背景技术
室内定位一直是一个活跃的研究领域。目前，室内定位的方式多种多样，包括UWB，Wi-Fi，声音等。在所有这些技术中，使用Wi-Fi基础设施的技术由于在室内环境中的普及而引起了越来越多的关注。
IEEE 802.11-2016规范了精细时间测量(FTM)协议，这是一种基于信号往返时间(RTT)的方法，用于计算Wi-Fi客户和AP之间的距离。目前，许多移动设备和路由器都支持FTM，如谷歌Pixel系列、三星Note 10+和Compulab WILD路由器。与接收信号强度信息相比，FTM能够在开放空间实现预期的米级测距精度，这决定了FTM的广泛应用，如三维室内定位和车辆跟踪等。
由于室内环境复杂多变，无线信号会受到多径效应和时间变化的信道特性的影响。当信号通过不同路径到达接收器时，这些路径的不同长度将导致不同的RTT。一般来说，直接路径的信号强度在NLOS中可能会严重降低，从而导致更大的RTT。在这种情况下，无论信号沿着哪条路径到达接收器，都会产生偏差。考虑到LOS条件下，直接信号分量比其他信号分量占优势，这时FTM返回一个更准确的值。在复杂的NLOS环境中，多径信道和接收机信号的叠加会大大影响测距精度。定位系统只要能分辨出直接路径和反射路径，就有很好的精度，准确检测它们需要对信道进行细粒度的多径分解。
鉴于此，FTM需要被校准以适应环境的变化。已经有很多工作通过不同的方法对FTM进行校准，包括基于深度学习的工作、基于几何学的工作、以及基于传感器辅助的工作。上述工作都需要进行复杂的计算。我们探讨了通过使用多信号分类(MUSIC)处理信道状态信息(CSI)来校准FTM误差的可行性，这是解决多径和计算直接路径TOF的可行方法。无线信号的传播模型可以由CSI从时域和频域的角度进行详细描述。CSI可以反映信道的多径特性，使其适用于高精度的应用，例如，室内定位、无线测距、动作识别、人体跟踪等。提供CSI信息的最突出的现成设备是基于IEEE 802.11n标准Intel 5300网卡。然而，802.11n已经存在了10年之久。较新的标准，如802.11ac和802.11ax可能提供更好的性能。我们使用AX200网卡和Picoscence平台从物理层提取CSI作为细粒度的特征。
基于现有的技术，需要提出一种基于Wi-Fi物理层信息的误差校准模型，能够自动识别环境特征并估计信号传播路径的长度，并表现出良好的测距以及定位能力。
发明内容
本发明的目的在于提供一种使用Wi-Fi物理层信息校准FTM的方法，融合Wi-Fi物理层特征信息提高测距的准确性；采用基于用户流动性的优化方法，以进一步提高在实际环境中的定位鲁棒性。提出的方法能够提高在实际环境中FTM技术测距的准确性和鲁棒性，利用Wi-Fi物理层的信道状态信息建立一种误差校准模型和利用基于欧氏几何的设备移动策略优化误差，达到FTM可以自动识别环境特征并具有高精度测距及定位的目的。
本发明技术方案如下：
一种使用Wi-Fi物理层信息校准FTM的方法，包括特征数据的处理和校准算法的实现，步骤如下：
1)获取收发端设备之间的FTM数据集和CSI信息；利用正态分布拟合空旷环境下测得的FTM数据集，与收发端实际距离相比，支持FTM协议的设备的硬件误差为1.11m～1.13m；利用多信号分类MUSIC算法将CSI信息转换到功率延迟剖面PDP频谱上分析；
2)通过提取频谱的峰值确定传播路径；首先对路径强度进行离差标准化处理使其路径强度值处于0～1之间，然后设定强度阈值，提取路径强度不小于该强度阈值的路径，得到可靠路径集PATH；从可靠路径集中提取信号传播路径数量K、路径强度P、路径相对强度R和路径的时延特征τ；
其中，第k条路径的相对强度Rk计算如下：
2.1)可靠路径集PATH中提取每条路径k的路径强度Pk；
2.2)得到每条路径k的相对强度Rk：
3)设置FTM在新的请求之前的延迟时间为500ms～1000ms，获取至少20s的样本数据平均值
建立路径的相对强度Rk与FTM的校准公式，得到直接路径D1的距离：
其中，Dk是每条信号传播路径的距离，k＝1对应的是直接路径；
直接路径和反射路径的时间差对应于实际的时间差：
Dk＝D1+(τk-τ1)c，
其中，τk是每条信号传播路径的时延，τ1对应的是直接路径的时延，c为光速；
4)考虑到在实际场景中，行人携带设备往往是实时移动的，因此获取两个不同时刻下的上述结果，具体为值
和直接路径距离D1，利用欧氏平面几何优化FTM的结果；优化方案包括对FTM的值的筛选和对直接路径距离的优化，具体过程如下：
4.1)给定一个固定的AP，利用用户的随机移动性，收集在不同时刻下的两个位置A和B各自的FTM和CSI值，并通过每条路径的相对强度Rk与FTM的校准公式得到各自位置下用户到AP的直接路径距离D1(A)、D1(B)；增加三角形三边约束过滤掉与位移不一致的估计距离；
4.2)访问手机的惯性测量单元IMU，如加速度计和陀螺仪计算A和B两个位置之间的直线估计距离Dimu，距离Dimu不超过5m；
4.3)当用户从位置A移动到位置B时，AP端的运动角度被记为Δθ，通过三角形的性质，计算角度值：
其中，Dftm(A)和Dftm(B)是在A和B位置下测量的FTM值；
4.4)假设小范围的偏移对受多径影响的Dimu和Dfsi产生类似的影响，每米单位上的误差为：
其中，Dfsi是最终校准后的FTM值；上述计算得到
由于D1的值在NLOS和多径中比地面真实值高，选取Dfsi较小值作为输出；
其中，
由A、B两个位置下得到的直接路径距离D1(A)、D1(B)和Δθ计算获得：
5)定位方法：采用基于参考选择的加权最小二乘法来进行目标定位，以此来提高定位的准确性；其中在对权重系数的选择上，参考直接路径的相对强度R1的大小；权重系数
的设置规则如下：当R1＞0.5时，
当0.1≤R1≤0.5时，
当R1＜0.1时，
最后得到最佳估计的坐标(x,y)。
所述步骤2)中的强度阈值为0.15-0.25。
本发明的有益效果：本发明提供一种使用Wi-Fi物理层信息校准FTM的方法，通过获取接收端设备在不同位置处的FTM和IMU信息，并结合每个位置下测量的Wi-Fi物理层的信道状态信息，建立了FTM测距误差校准模型，该模型在实际的行人移动场景下具有良好的鲁棒性。同时通过基于参考选择的加权最小二乘法进行目标定位，权重系数的选择依赖于物理层特征信息，提高了FTM在无线定位领域的定位准确性。
附图说明
图1为本发明应用场所和部署实例。
图2为本发明采用基于欧氏平面几何法应用于实际的示意图。
图3为本发明使用Wi-Fi物理层信息校准FTM的方法流程图。
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他实施例，都属于本发明保护的范围。
本发明的目的在于提供一种使用Wi-Fi物理层信息校准FTM的方法，其利用Wi-Fi物理层信息校准FTM测距误差，其中使用来自Wi-Fi物理层的信道状态信息CSI，并且通过多信号分类算法MUSIC来转换到功率延迟剖面PDP频谱上分析，从而提取特征信息：信号传播路径数量K、路径强度P、路径相对强度R和路径的时延特征τ。在进行数据过滤与处理后，建立起FTM与信号传播路径数量K、路径强度P、路径相对强度R和路径的时延特征τ等变量的数学模型，最终解析出信号直达路径的长度。如图1所示，该方法的数据输入分别为FTM、IMU和CSI。在此基础上，为了应对实际环境中行人携带设备实时移动的困难，如图2所示，设计一种基于欧氏平面几何的优化方案，主要提高了在实际应用中的鲁棒性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。如图3所示的具体流程，其具体步骤如下：
实施例1
(1)首先，获取到收发端设备之间的FTM和CSI信息，利用正态分布拟合空旷环境下大量的FTM数据并进行硬件误差校准，与收发端实际距离相比，多次数据拟合的结果表明支持FTM协议的设备的硬件误差为1.12m的偏移量，同时利用MUSIC算法将CSI转换到功率延迟剖面PDP频谱上分析；
(2)通过提取频谱的峰值确定传播路径；首先对路径强度进行离差标准化处理使其路径强度值处于0～1之间，然后设定强度阈值ε，得到可靠路径集P，其中阈值ε设定为0.2，此时能保证能够频谱图上的路径数量贴合实际环境中的信号传播路径个数。然后提取信号传播路径数量K、路径相对强度R和路径时延特征τ；其中，第k条路径的相对强度Rk的实现如下：
(2.1)首先从可靠路径集P中提取每条路径的强度Pk并作离差标准化处理；在此基础上，我们通过自定义函数来重置信号传播路径的强度：
其中，τk是每条信号传播路径的时延，τ1对应的是直接路径的时延；
(2.2)得到每条路径的相对强度：
(3)设置FTM在新的请求之前的延迟时间为500ms，从而获取20s内的FTM样本数据平均值
建立起每条路径k的相对强度Rk与FTM的校准公式，从而求出直接路径的距离；Rk是每条路径的长度权重系数，最后返回FTM的样本数据的平均值。对于Rk，定义其函数：
其中F是一个增函数；
和Rk是非线性依赖。这里设定
和Rk是直接成比例的，系数为1：
其中，Dk是每条路径的距离。尽管直接路径和反射路径的估计距离有很大的误差，但它们的距离差对应于实际的差异，因此两条路径的时间差对应于实际的时间差：
Dk＝D1+(τk-τ1)c，
其中，τk是每条信号传播路径的时延，τ1对应的是直接路径的时延，c为光速；
(4)考虑到在实际场景中，行人携带设备往往是实时移动的，为此获取两个时刻下的值
和直接路径距离D1，利用欧氏平面几何来优化FTM的结果。优化方案主要包括对FTM的值的筛选和对直接路径距离的优化。具体过程如下：
(4.1)给定一个固定的AP，利用用户的移动性来收集不同地点的多个测量值。为了过滤掉与位移不一致的估计距离，需要对它们施加额外的约束。适当的值可以通过使用三角不等式来选择，对于其中的异常值，我们采用如下规则：如果Dftm(B)＜|Dftm(A)-Dimu|c，则Dftm(B)＝|Dftm(A)-Dimu|；如果Dftm(B)＞Dftm(A)+Dimu，则Dftm(B)＝Dftm(A)+Dimu；
(4.2)通过访问手机的惯性测量单元(IMU)，如加速度计和陀螺仪来计算两个位置之间的实际距离；尽管基于IMU的测距会产生一些误差，但进行小幅度运动(<5m)时，其精确度仍然很高；因此可以得到A、B两个位置间直线距离Dimu；
(4.3)当用户从位置A移动到位置B时，AP端的运动角度被记为Δθ，通过三角形的性质，可以计算角度值：
其中Dftm(A)和Dftm(B)是在A和B位置下测量的FTM值；
(4.4)假设小范围的偏移对受多径影响的Dimu和Dfsi产生类似的影响，可以得到每米单位上的误差即：
其中
由A、B两个位置下得到的直接路径距离D1(A)、D1(B)和Δθ计算得来：
Dfsi是最终校准后的FTM值，它不太容易受到多径反射的影响，特别是当D1是由精确和高时间分辨率产生时，我们可以获得校准的范围值。计算得到
获得两个值。由于D1的值在NLOS和多径中比地面真实值高，我们选择两者中较小的值作为输出；
(5)定位方法：采用基于参考选择(LLS-RS)的加权最小二乘法来进行目标定位，以此来提高定位的准确性；其中在对权重系数的选择上，参考直接路径的相对信号强度的大小；由于直接路径的相对信号强度的大小在一定程度上可以反映FTM误差的大小，即权重系数
的设置规则如下：当R1＞0.5时，
当0.1≤R1≤0.5时，
当R1＜0.1时，
最后，我们可以得到最佳估计的坐标(x,y)。
(6)效果
与原始的FTM数据集进行效果上的比较，我们提出的方法提高了26.80％的测距精度和27.45％的定位精度，体现了本发明在测距以及定位的准确性。
实施例2
重复实施例1，有以下不同点：设定强度阈值ε为0.25，此时能保证能够频谱图上的路径数量贴合实际环境中的信号传播路径个数。设置FTM在新的请求之前的延迟时间为700ms，从而获取20s内的FTM样本数据平均值
与原始的FTM数据集进行测距效果上的比较，我们提出的方法提高了24.20％的测距精度和30.43％的定位精度。
综上所述，本发明提出一种使用Wi-Fi物理层信息校准FTM的方法。此外，基于实际中行人携带设备实时移动的特性，设计一种基于欧氏几何的方法来优化结果，这使得本发明提出的方法适用于实际环境，并且它可以作为一个独立的应用程序在移动设备上实现。最后采用基于参考选择的加权最小二乘法来定位目标，其权重系数的选择依赖于Wi-Fi物理层信息的输出，这些都大大提高了测距和定位的准确性。
Claims (3)
1.一种使用Wi-Fi物理层信息校准FTM的方法，其特征在于，使用Wi-Fi物理层信息校准FTM的方法包括特征数据的处理和校准算法的实现，步骤如下：
1)获取收发端设备之间的FTM数据集和CSI信息；利用正态分布拟合空旷环境下测得的FTM数据集，与收发端实际距离相比，支持FTM协议的设备的硬件误差为1.11m～1.13m；利用多信号分类MUSIC算法将CSI信息转换到功率延迟剖面PDP频谱上分析；
2)通过提取频谱的峰值确定传播路径；首先对路径强度进行离差标准化处理使其路径强度值处于0～1之间，然后设定强度阈值，提取路径强度不小于该强度阈值的路径，得到可靠路径集PATH；从可靠路径集中提取信号传播路径数量K、路径强度P、路径相对强度R和路径的时延特征τ；
其中，第k条路径的相对强度Rk计算如下：
2.1)可靠路径集PATH中提取每条路径k的路径强度Pk；
2.2)得到每条路径k的相对强度Rk：
3)设置FTM在新的请求之前的延迟时间为500ms～1000ms，获取至少20s的样本数据平均值
建立路径的相对强度Rk与FTM的校准公式，得到直接路径D1的距离：
其中，Dk是每条信号传播路径的距离，k＝1对应的是直接路径；
直接路径和反射路径的时间差对应于实际的时间差：
Dk＝D1+(τk-τ1)c，
其中，τk是每条信号传播路径的时延，τ1对应的是直接路径的时延，c为光速；
4)获取两个不同时刻下的上述结果，具体为值
和直接路径距离D1，利用欧氏平面几何优化FTM的结果；优化方案包括对FTM的值的筛选和对直接路径距离的优化，具体过程如下：
4.1)给定一个固定的AP，利用用户的随机移动性，收集在不同时刻下的两个位置A和B各自的FTM和CSI值，并通过每条路径的相对强度Rk与FTM的校准公式得到各自位置下用户到AP的直接路径距离D1(A)、D1(B)；增加三角形三边约束过滤掉与位移不一致的估计距离；
4.2)访问手机的惯性测量单元IMU，计算A和B两个位置之间的直线估计距离Dimu，距离Dimu不超过5m；
4.3)当用户从位置A移动到位置B时，AP端的运动角度被记为Δθ，通过三角形的性质，计算角度值：
其中，Dftm(A)和Dftm(B)是在A和B位置下测量的FTM值；
4.4)每米单位上的误差为：
其中，Dfsi是最终校准后的FTM值；计算得到
选取Dfsi较小值作为输出；
其中，
由A、B两个位置下得到的直接路径距离D1(A)、D1(B)和Δθ计算获得：
5)定位方法：采用基于参考选择的加权最小二乘法来进行目标定位；其中在对权重系数的选择上，参考直接路径的相对强度R1的大小；权重系数l的设置规则如下：当R1>0.5时，l＝1；当0.1≤R1≤0.5时，l＝0.5；当R1<0.1时，l＝0；最后得到最佳估计的坐标(x,y)。
2.根据权利要求1所述的使用Wi-Fi物理层信息校准FTM的方法，其特征在于，所述步骤2)中的强度阈值为0.15-0.25。
3.根据权利要求1所述的使用Wi-Fi物理层信息校准FTM的方法，其特征在于，所述三角形三边约束具体为：当Dftm(B)<|Dftm(A)-Dimu|时，Dftm(B)＝|Dftm(A)-Dimu|；当Dftm(B)>Dftm(A)+Dimu时，Dftm(B)＝Dftm(A)+Dimu。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211083478.6A CN115589569A (zh) | 2022-09-06 | 2022-09-06 | 一种使用Wi-Fi物理层信息校准FTM的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211083478.6A CN115589569A (zh) | 2022-09-06 | 2022-09-06 | 一种使用Wi-Fi物理层信息校准FTM的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115589569A true CN115589569A (zh) | 2023-01-10 |
Family
ID=84772633
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211083478.6A Pending CN115589569A (zh) | 2022-09-06 | 2022-09-06 | 一种使用Wi-Fi物理层信息校准FTM的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115589569A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114173413A (zh) * | 2021-12-23 | 2022-03-11 | 重庆邮电大学 | 一种基于Wi-Fi精准时间测量的无线定位方法 |
-
2022
- 2022-09-06 CN CN202211083478.6A patent/CN115589569A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114173413A (zh) * | 2021-12-23 | 2022-03-11 | 重庆邮电大学 | 一种基于Wi-Fi精准时间测量的无线定位方法 |
| CN114173413B (zh) * | 2021-12-23 | 2024-03-29 | 深圳泓越信息科技有限公司 | 一种基于Wi-Fi精准时间测量的无线定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sorour et al. | Joint indoor localization and radio map construction with limited deployment load | |
| CN105898865B (zh) | 非线性非高斯条件下基于ekf和pf的协同定位方法 | |
| CN105898713A (zh) | 一种基于加权余弦相似度的WiFi指纹室内定位方法 | |
| US20120225678A1 (en) | Apparatus and method for constructing wireless ap map | |
| CN111148217B (zh) | 一种定位方法、装置及电子设备 | |
| Yan et al. | Wi-Fi RTT based indoor positioning with dynamic weighted multidimensional scaling | |
| CN113194427B (zh) | 一种基于软判决可视与非可视信道的识别方法、系统及装置 | |
| CN105652235A (zh) | 基于线性回归算法的wlan室内定位多用户rss融合方法 | |
| CN110663081B (zh) | 基于网格偏移方法的联合宽带源定位和获取 | |
| CN108279411B (zh) | 一种基于mds的被动mimo时差定位方法 | |
| CN115589569A (zh) | 一种使用Wi-Fi物理层信息校准FTM的方法 | |
| CN107071898A (zh) | 移动通信信号源数据域直接位置估计方法及其装置 | |
| Ren et al. | A Novel Indoor Positioning Algorithm for Wireless Sensor Network Based on Received Signal Strength Indicator Filtering and Improved Taylor Series Expansion. | |
| Kasebzadeh et al. | Indoor localization via WLAN path-loss models and Dempster-Shafer combining | |
| CN106358233B (zh) | 一种基于多维尺度分析算法的rss数据平滑方法 | |
| Wang et al. | A novel indoor ranging method using weighted altofrequent RSSI measurements | |
| CN114089273B (zh) | 一种基于gps及uwb的运动平台定位方法 | |
| CN116930963A (zh) | 一种基于无线通信系统的穿墙成像方法 | |
| Wang et al. | A deep learning based AoA estimation method in NLOS environments | |
| CN110536410B (zh) | 非视距环境下基于rss和tdoa测量的定位方法 | |
| CN116736342A (zh) | 一种基于集成cnn的gnss欺骗检测方法及系统 | |
| CN113347705B (zh) | 基于ica和cs的超宽带aoa室内定位方法 | |
| Waqar et al. | A range error reduction technique for positioning applications in sports | |
| Tian et al. | SAPIL: single access point based indoor localisation using Wi‐Fi L‐shaped antenna array | |
| Hou et al. | Indoor location based on WiFi |
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 |