CN115665852A - 室内定位方法、装置、设备及存储介质 - Google Patents
室内定位方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115665852A CN115665852A CN202211602927.3A CN202211602927A CN115665852A CN 115665852 A CN115665852 A CN 115665852A CN 202211602927 A CN202211602927 A CN 202211602927A CN 115665852 A CN115665852 A CN 115665852A
- Authority
- CN
- China
- Prior art keywords
- signal data
- reference signal
- communication device
- equipment
- wireless signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请公开了一种室内定位方法、装置、设备及存储介质,该方法包括:目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据;根据各个所述通信设备对应的所述无线信号数据,得到所述目标设备的检测信号数据组;根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,其中,所述设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系,实现了提高室内定位的精准性。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种室内定位方法、装置、设备及存储介质。
背景技术
现今,基于手机、平板、智能可穿戴设备等设备进行定位,已经渗透到人们的日常生活和工作当中。目前,可以采用WiFi(Wireless Fidelity,无线保真)定位、蓝牙定位、UWB(Ultra Wide Band,超宽带)定位等定位技术进行室内定位,不过每种定位方式都存在些问题,比如,WiFi定位不准,会产生漂移,定位结果不准确,用户体验效果差;对于复杂的空间环境,蓝牙定位的稳定性差,受噪声信号干扰大,也会导致定位不准;UWB定位的要求是无遮挡是最优的,如果中间有厚的水泥墙之类的遮挡,那就需要多布置基站,否则定位精度就会下降,定位出现问题。
因此,如何提高室内定位的精准性成为亟需解决的问题。
发明内容
本申请实施例提供一种室内定位方法、装置、设备及存储介质,可以提高室内定位的精准性。
第一方面,本申请实施例提供了一种室内定位方法,所述室内定位方法包括:
目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据;
根据各个所述通信设备对应的所述无线信号数据,得到所述目标设备的检测信号数据组;
根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,其中,所述设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。
第二方面,本申请实施例还提供了一种室内定位装置,所述室内定位装置包括处理器和存储器,所述存储器中存储有计算机程序,所述处理器调用所述存储器中的计算机程序时执行上述的室内定位方法。
第三方面,本申请实施例还提供了一种设备,所述设备包括如上述的室内定位装置。
第四方面,本申请实施例还提供了一种存储介质,所述存储介质用于存储计算机程序,所述计算机程序被处理器执行时使所述处理器实现上述的室内定位方法。
本申请实施例提供了一种室内定位方法、装置、设备及存储介质,在需要对目标设备进行定位时,目标设备与室内多个其他的通信设备进行分布式软总线连接组网,之后,获取目标设备实时检测到的组网内的各个通信设备对应的无线信号数据,根据各个通信设备对应的无线信号数据,得到目标设备的检测信号数据组,然后根据该检测信号数据组,以及预先配置的设备信号指纹库,对目标设备进行定位,其中,设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系,相比于常规的采用WiFi、蓝牙、UWB等定位技术进行室内定位,提高了室内定位的精准性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种室内定位方法的步骤示意流程图;
图2是分布式软总线架构示意图;
图3是本申请实施例提供的另一种室内定位方法的步骤示意流程图;
图4是本申请实施例提供的一种获取每个所述通信设备检测得到的参照信号数据组的步骤示意流程图;
图5是本申请实施例提供的又一种室内定位方法的步骤示意流程图;
图6是本申请实施例提供的一种根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位的步骤示意流程图;
图7是一种基于KNN分类的示意图;
图8是本申请实施例提供的一种对目标设备进行定位的流程示意图;
图9是本申请实施例提供的一种室内定位装置的示意性框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。基于本申请中的实施例,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,都属于本申请保护的范围。
需要说明的是,在本申请中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在部分实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本申请要求的保护范围之内。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供了一种室内定位方法、装置、设备及存储介质,实现了提高室内定位的精准性。
请参阅图1,图1是本申请实施例提供的室内定位方法的流程示意图,该方法可以应用于设备,其中,设备可以是手机、相机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、个人计算机(personal computer,PC)、上网本、个人数字助理(personal digital assistant,PDA)中任一者,或者应用于服务器等,本申请实施例中不作任何限制。下文将该方法应用于计算机设备为例进行详细说明。
如图1所示,本申请实施例提供的室内定位方法包括步骤S101至步骤S103。
S101、目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据。
为了便于区分描述,下文将待进行室内定位的设备称为目标设备,室内还有其他的具有通信功能的通信设备。例如,假设处于某大型商场中,目标设备为手机,此时周围有许多的通信设备,如显示屏、电脑、摄像头、手表、手环、音响等。目标设备与这些通信设备配备蓝牙、WiFi等通信模块,目标设备与室内这些通信设备通过分布式软总线进行自发现、自组网。
分布式软总线架构如图2所示,分布式软总线实现近场设备间统一的分布式通信管理能力,提供不区分链路的设备间发现连接、组网和传输能力,主要功能如下:
发现连接:提供基于WiFi、蓝牙等通信方式的设备发现连接能力。
设备组网:提供统一的设备组网和拓扑管理能力,为数据传输提供已组网设备信息。
数据传输:提供数据传输通道,支持消息、字节数据传输等能力。
目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,目标设备实时检测得到组网内的各个通信设备对应的无线信号数据。示例性的,无线信号数据包括但不限于RSSI(Received Signal Strength Indicator,接收信号强度指示)、AP(AccessPoint,访问接入点)地址等。目标设备得到组网内的各个通信设备对应的无线信号数据之后,将各个通信设备对应的无线信号数据进行上报。
S102、根据各个所述通信设备对应的所述无线信号数据,得到所述目标设备的检测信号数据组。
获得各个通信设备对应的无线信号数据后,基于这些无线信号数据,生成目标设备的信号数据组。为了便于区分描述,下文将其称为检测信号数据组。示例性的,检测信号数据组可以是一个关于无线信号数据的多维向量。例如,检测信号数据组为:r=[r1,r2,r3...ri...],其中,ri是第i个通信设备对应的无线信号数据,如RSSI数据。
示例性的,目标设备可以多次检测得到组网内的各个通信设备对应的无线信号数据,并进行上报,这样就接收获得组网内的各个通信设备对应的多个无线信号数据,对多个无线信号数据进行取平均值计算,将计算得到的平均值作为最终的通信设备对应的无线信号数据,然后根据各个通信设备最终对应的无线信号数据,也即平均值,得到目标设备的检测信号数据组。
S103、根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,其中,所述设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。
为了实现定位,预先配置设备信号指纹库,其中,设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。示例性的,设备信号指纹库中的参照信号数据组可以是一个关于无线信号数据的多维向量。
在一些实施例中,如图3所示,步骤S101之前可以包括步骤S104和步骤S105。
S104、获取多个通信设备的位置,以及获取每个所述通信设备检测得到的参照信号数据组;
S105、根据每个所述通信设备的所述位置以及所述参照信号数据组,生成所述设备信号指纹库。
为了配置设备信号指纹库,进行数据采集操作,示例性的,室内的各个通信设备通过WiFi、蓝牙等组网,处于网络中的通信设备都可以进行数据交流,检测得到对应的信号数据组,如RSSI数据组。为了便于区分描述,下文将其称为参照信号数据组。
在一些实施例中,所述获取每个所述通信设备检测得到的参照信号数据组,包括:
获取每个所述通信设备检测到的各个其他通信设备的无线信号数据,得到每个所述通信设备对应的所述参照信号数据组。
每个通信设备检测处于网络中的其他通信设备的无线信号数据,如RSSI数据,由其他多个通信设备的无线信号数据,得到每个通信设备检测对应的参照信号数据组。
示例性的,参照信号数据组可以是一个关于无线信号数据的多维向量。例如,参照信号数据组为:ρ=[ρ1,ρ2,ρ3...ρi...],其中,ρi是第i个通信设备对应的无线信号数据,如RSSI数据。
每个通信设备将检测得到的参照信号数据组以及位置信息进行上报,接收获得各个通信设备的位置以及参照信号数据组等信息。获得各个通信设备的位置以及参照信号数据组等信息之后,通过各个通信设备的位置以及参照信号数据组等信息,生成设备信号指纹库。其中,设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。
例如,假设参照信号数据组是n维的,也就是说有n个通信设备对应的无线信号数据,每个参照信号数据组对应的指纹是一个n维向量:ρ=[ρ1,ρ2,ρ3...ρn],而每个通信设备可以对应一个或多个参照信号数据组,也即一个或多个指纹,因此,设备信号指纹库中总共可以有m(m>n)个指纹。
在一些实施例中,如图4所示,步骤S104可以包括子步骤S1041至子步骤S1043。
S1041、多次获取每个所述通信设备检测到的各个其他通信设备的无线信号数据;
S1042、对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行取平均值计算,得到对应的无线信号数据平均值;
S1043、根据各个其他通信设备对应的所述无线信号数据平均值,得到每个所述通信设备对应的所述参照信号数据组。
示例性的,通过设置检测周期,每个通信设备根据检测周期,每间隔一个检测周期采集检测一次其他各个通信设备的无线信号数据,如RSSI数据,并进行上报,获得每个通信设备上报的其他各个通信设备的多个无线信号数据后,对其他各个通信设备的多个无线信号数据进行取平均值计算,得到其他各个通信设备的多个无线信号数据对应的无线信号数据平均值。将各个通信设备的多个无线信号数据对应的无线信号数据平均值作为最终的无线信号数据,生成参照信号数据组。
例如,假设每个通信设备采集p次其他各个通信设备的RSSI数据,获得每个通信设备上报的其他通信设备的p个RSSI数据RSSI1、RSSI2...RSSIp后,对RSSI1、RSSI2...RSSIp进行取平均值计算,得到对应的RSSI数据平均值RSSI´。根据每一个其他通信设备对应的RSSI数据平均值RSSI´,生成每个通信设备对应的参照信号数据组。
需要说明的是,除了上述通过取平均值的方式获得参照信号数据组,进而生成设备信号指纹库的方式以外,还可以通过其他方式获得设备信号指纹库。比如,通过对每个通信设备上报的其他各个通信设备的多个无线信号数据进行筛选,保留其中部分无线信号数据,由保留的部分无线信号数据,得到对应的参照信号数据组,然后由得到的所有参照信号数据组,生成设备信号指纹库。
在一些实施例中,所述多次获取每个所述通信设备检测到的各个其他通信设备的无线信号数据之后,包括:
对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行异常数据预处理,得到对应的多个参照无线信号数据;
所述对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行取平均值计算,得到对应的无线信号数据平均值,包括:
对各个其他通信设备对应的多个所述参照无线信号数据进行取平均值计算,得到所述无线信号数据平均值。
实际操作当中,每个通信设备检测到的各个其他各个其他通信设备对应的多个无线信号数据可能会存在异常数据,为了避免异常数据对定位造成干扰,对获得的所有无线信号数据进行异常数据预处理,示例性的,异常数据预处理包括但不限于DLF(DigitalLoop Filter,数字环路滤波器)滤波等滤波算法,通过滤波算法对其中的异常数据进行过滤,保留正常的无线信号数据,作为参照无线信号数据。之后,根据异常数据预处理后的留下的参照无线信号数据,对其进行取平均值计算,得到无线信号数据平均值。
通过上述方式得到设备信号指纹库之后,一方面,可以直接通过设备信号指纹库对目标设备进行定位。另一方面,可以通过设备信号指纹库进行神经网络模型训练,进而通过训练好的神经网络模型对目标设备进行定位。
示例性的,通信设备间基于分布式软总线可以自由通信,各个通信设备可以实时获取准确的无线信号数据,通过通信设备自主收集无线信号数据,基于各个通信设备获取的无线信号数据,设备信号指纹库可以定时进行更新。例如,预先设置更新周期,根据更新周期,每隔一个更新周期的时间对设备信号指纹库进行一次更新操作。
在一些实施例中,如图5所示,步骤S103之前包括步骤S106,步骤S103可以包括子步骤S1031。
S106、将所述设备信号指纹库中映射的多对位置和参照信号数据组输入神经网络模型进行模型训练,获得训练好的神经网络模型;
S1031、将所述检测信号数据组输入所述训练好的神经网络模型,输出所述目标设备对应的位置。
在上述生成设备信号指纹库的过程中,获得了多对映射的位置和参照信号数据组,将它们作为样本数据,输入神经网络模型进行模型训练,得到训练好的神经网络模型。
之后,在对目标设备进行定位时,调用训练好的神经网络模型,将目标设备检测得到的检测信号数据组输入训练好的神经网络模型,输出目标设备对应的位置,实现对目标设备进行定位。
在一些实施例中,如图6所示,步骤S103可以包括子步骤S1032和子步骤S1033。
S1032、确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组;
S1033、根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位。
在对目标设备进行定位时,直接调用设备信号指纹库,将目标设备检测得到的检测信号数据组与设备信号指纹库中的参照信号数据组进行比对,确定设备信号指纹库中与检测信号数据组匹配的一个或多个参照信号数据组。例如,对检测信号数据组与设备信号指纹库中的参照信号数据组进行相似度计算,将相似度大于预设相似度阈值的参照信号数据组确定为与检测信号数据组匹配的一个或多个参照信号数据组。
在一些实施例中,所述确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组,包括:
计算所述检测信号数据组与所述设备信号指纹库中各个参照信号数据组的逻辑距离;
将逻辑距离最近的参照信号数据组,确定为与所述检测信号数据组匹配的参照信号数据组;
所述根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位,包括:
将与所述检测信号数据组匹配的参照信号数据组映射的位置,确定为所述目标设备的当前位置。
示例性的,逻辑距离包括但不限于欧氏距离。可以通过以下公式计算检测信号数据组与设备信号指纹库中任一个参照信号数据组的欧氏距离D:
D=(|γ1-ρ1|2+…+|γi-ρi|2+…+|γN-ρN|2)1/2
其中,γi是检测信号数据组中第i个通信设备对应的无线信号数据,如RSSI数据,ρi是参照信号数据组中第i个通信设备对应的无线信号数据,如RSSI数据,N是检测信号数据组与参照信号数据组对应的维度,也即是说有N个通信设备对应的无线信号数据。
通过上述方式计算得到检测信号数据组与每个参照信号数据组的欧氏距离D之后,直接将欧氏距离D最近的参照信号数据组,确定为与检测信号数据组匹配的参照信号数据组,然后将匹配的该参照信号数据组所对应的位置确定为目标设备的当前位置。
在一些实施例中,所述确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组,包括:
计算所述检测信号数据组与所述设备信号指纹库中各个参照信号数据组的逻辑距离;
将逻辑距离小于或等于预设距离阈值的多个参照信号数据组,确定为与所述检测信号数据组匹配的多个参照信号数据组;
所述根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位,包括:
将所述多个参照信号数据组映射的多个位置进行区域分类,并将分类后包含位置的数量最多的区域确定为所述目标设备所在区域。
示例性的,预先设置一预设距离阈值,需要说明的是,该预设距离阈值可以根据实际情况进行灵活设置,本申请中不作具体限制。
通过上述方式计算得到检测信号数据组与每个参照信号数据组的欧氏距离D之后,将欧氏距离D小于或等于预设距离阈值的多个参照信号数据组,确定为与检测信号数据组匹配的多个参照信号数据组。然后基于这多个参照信号数据组对应的位置,对目标设备进行定位。
首先将匹配的多个参照信号数据组映射的多个位置进行区域分类,示例性的,采用KNN(K-Nearest Neighbor,近邻算法)分类算法对匹配的多个参照信号数据组映射的多个位置进行区域分类。
下面对KNN分类算法进行简单介绍:对于一个需要预测的输入向量x,在训练数据集中寻找k个与向量x最近的向量的集合,然后把向量x的类别预测为集合中向量数最多的那一类别。例如,如图7所示,需要预测的向量为x,ω1、ω2、ω3分别代表三个类别,其中,与x最相近的5个点(k=5)如图中箭头所指,很明显从图中可以看出与x最相近的5个点中,ω1类别中包括4个点,ω3类别中包括1个点因此,点数最多的类别为ω1,KNN算法将x的类别预测为ω1类别。
采用KNN分类算法对匹配的多个参照信号数据组映射的多个位置进行区域分类,每个区域中包含相应数量的匹配的参照信号数据组映射的位置,将分类后包含位置的数量最多的区域确定为目标设备所在区域。
例如,假设匹配的参照信号数据组映射的位置包括k个,k个位置进行区域分类后划分为A区域、B区域和C区域,其中,A区域中包含k1个位置,B区域中包含k2个位置,C区域中包含k3个位置,k1+k2+k3=k,且k1、k2、k3中k1最大,也即A区域包含位置的数量最多,因此,确定A区域为目标设备所在区域,实现对目标设备进行定位。
示例性的,对目标设备进行定位之后,将目标设备的位置信息反馈给目标设备,目标设备接收到位置信息之后,可以进行输出显示。
如图8所示,对目标设备进行定位的整体流程如下:
a、通信设备通过分布式软总线进行自发现、自组网;
b、通信设备之间采集无线信号数据(如RSSI数据);
c、数据异常处理后,构建设备信号指纹库;
d、目标设备检测获得各个其他通信设备的无线信号数据(如RSSI数据);
e、调用设备信号指纹库,将目标设备检测到的各个其他通信设备的无线信号数据与设备信号指纹库进行比对,对目标设备进行定位。
通过上述方式实现对目标设备进行定位,无需部署定位基站等设备,成本降低;而且,通过检测组网内各个通信设备对应的无线信号数据,根据各个通信设备对应的无线信号数据,调用设备信号指纹库对目标设备进行定位,提高了定位的精准性。
示例性的,当计算机设备自身计算能力不足时,为了及时准确地进行定位,选择其他备用设备对目标设备进行定位处理,并返回定位结果。
上述实施例中,在需要对目标设备进行定位时,目标设备与室内多个其他的通信设备进行分布式软总线连接组网,之后,获取目标设备实时检测到的组网内的各个通信设备对应的无线信号数据,根据各个通信设备对应的无线信号数据,得到目标设备的检测信号数据组,然后根据该检测信号数据组,以及预先配置的设备信号指纹库,对目标设备进行定位,其中,设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系,相比于常规的采用WiFi、蓝牙、UWB等定位技术进行室内定位,提高了室内定位的精准性。
请参阅图9,图9为本申请实施例提供的一种室内定位装置的示意性框图。
如图9所示,该室内定位装置200可以包括处理器211和存储器212,处理器211和存储器212通过总线连接,该总线比如为I2C(Inter-integrated Circuit)总线。
具体地,处理器211可以是微控制单元(Micro-controller Unit,MCU)、中央处理单元(Central Processing Unit,CPU)或数字信号处理器(Digital Signal Processor,DSP)等。
具体地,存储器212可以是Flash芯片、只读存储器(ROM,Read-Only Memory)磁盘、光盘、U盘或移动硬盘等。存储器212中存储有供处理器211执行的各种计算机程序。
其中,所述处理器211用于运行存储在存储器处理器211中的计算机程序,并在执行所述计算机程序时实现如下步骤:
目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据;
根据各个所述通信设备对应的所述无线信号数据,得到所述目标设备的检测信号数据组;
根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,其中,所述设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。
在一些实施例中,处理器211在实现所述目标设备与室内的多个通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据之前,用于实现:
获取多个通信设备的位置,以及获取每个所述通信设备检测得到的参照信号数据组;
根据每个所述通信设备的所述位置以及所述参照信号数据组,生成所述设备信号指纹库。
在一些实施例中,处理器211在实现所述获取每个所述通信设备检测得到的参照信号数据组时,用于实现:
获取每个所述通信设备检测到的各个其他通信设备的无线信号数据,得到每个所述通信设备对应的所述参照信号数据组。
在一些实施例中,处理器211在实现所述获取每个所述通信设备检测到的各个其他通信设备的无线信号数据,得到每个所述通信设备对应的所述参照信号数据组时,用于实现:
多次获取每个所述通信设备检测到的各个其他通信设备的无线信号数据;
对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行取平均值计算,得到对应的无线信号数据平均值;
根据各个其他通信设备对应的所述无线信号数据平均值,得到每个所述通信设备对应的所述参照信号数据组。
在一些实施例中,处理器211在实现所述多次获取每个所述通信设备检测到的各个其他通信设备的无线信号数据之后,用于实现:
对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行异常数据预处理,得到对应的多个参照无线信号数据;
处理器211在实现所述对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行取平均值计算,得到对应的无线信号数据平均值时,用于实现:
对各个其他通信设备对应的多个所述参照无线信号数据进行取平均值计算,得到所述无线信号数据平均值。
在一些实施例中,处理器211在实现所述根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位之前,用于实现:
将所述设备信号指纹库中映射的多对位置和参照信号数据组输入神经网络模型进行模型训练,获得训练好的神经网络模型;
处理器211在实现所述根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位时,用于实现:
将所述检测信号数据组输入所述训练好的神经网络模型,输出所述目标设备对应的位置。
在一些实施例中,处理器211在实现所述根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位时,用于实现:
确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组;
根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位。
在一些实施例中,处理器211在实现所述确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组时,用于实现:
计算所述检测信号数据组与所述设备信号指纹库中各个参照信号数据组的逻辑距离;
将逻辑距离最近的参照信号数据组,确定为与所述检测信号数据组匹配的参照信号数据组;
处理器211在实现所述根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位时,用于实现:
将与所述检测信号数据组匹配的参照信号数据组映射的位置,确定为所述目标设备的当前位置。
在一些实施例中,处理器211在实现所述确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组时,用于实现:
计算所述检测信号数据组与所述设备信号指纹库中各个参照信号数据组的逻辑距离;
将逻辑距离小于或等于预设距离阈值的多个参照信号数据组,确定为与所述检测信号数据组匹配的多个参照信号数据组;
处理器211在实现所述根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位时,用于实现:
将所述多个参照信号数据组映射的多个位置进行区域分类,并将分类后包含位置的数量最多的区域确定为所述目标设备所在区域。
本申请的实施例中还提供一种设备,该设备的类型包括但不限于是手机、相机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtualreality,VR)设备、笔记本电脑、个人计算机(personal computer,PC)、上网本、个人数字助理(personal digital assistant,PDA)等,本申请实施例中不作任何限制。
其中,该设备包括室内定位装置,示例性的,该室内定位装置可以为上述实施例中所述的室内定位装置200。设备可以执行本申请实施例所提供的任一种室内定位方法,因此,可以实现本申请实施例所提供的任一种室内定位方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
本申请的实施例中还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序中包括程序指令,所述处理器执行所述程序指令,实现上述实施例提供的室内定位方法的步骤。例如,该计算机程序被处理器加载,可以执行如下步骤:
目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据;
根据各个所述通信设备对应的所述无线信号数据,得到所述目标设备的检测信号数据组;
根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,其中,所述设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,所述存储介质可以是前述实施例的室内定位装置或设备的内部存储单元,例如室内定位装置或设备的硬盘或内存。所述存储介质也可以是室内定位装置或设备的外部存储设备,例如室内定位装置或设备上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
由于该存储介质中所存储的计算机程序,可以执行本申请实施例所提供的任一种室内定位方法,因此,可以实现本申请实施例所提供的任一种室内定位方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (12)
1.一种室内定位方法,其特征在于,所述室内定位方法包括:
目标设备与室内多个其他的通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据;
根据各个所述通信设备对应的所述无线信号数据,得到所述目标设备的检测信号数据组;
根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,其中,所述设备信号指纹库包括多个指纹,每个指纹表征位置与参照信号数据组的映射关系。
2.根据权利要求1所述的方法,其特征在于,所述目标设备与室内的多个通信设备进行分布式软总线连接组网后,获取所述目标设备实时检测到的组网内的各个所述通信设备对应的无线信号数据之前,包括:
获取多个通信设备的位置,以及获取每个所述通信设备检测得到的参照信号数据组;
根据每个所述通信设备的所述位置以及所述参照信号数据组,生成所述设备信号指纹库。
3.根据权利要求2所述的方法,其特征在于,所述获取每个所述通信设备检测得到的参照信号数据组,包括:
获取每个所述通信设备检测到的各个其他通信设备的无线信号数据,得到每个所述通信设备对应的所述参照信号数据组。
4.根据权利要求3所述的方法,其特征在于,所述获取每个所述通信设备检测到的各个其他通信设备的无线信号数据,得到每个所述通信设备对应的所述参照信号数据组,包括:
多次获取每个所述通信设备检测到的各个其他通信设备的无线信号数据;
对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行取平均值计算,得到对应的无线信号数据平均值;
根据各个其他通信设备对应的所述无线信号数据平均值,得到每个所述通信设备对应的所述参照信号数据组。
5.根据权利要求4所述的方法,其特征在于,所述多次获取每个所述通信设备检测到的各个其他通信设备的无线信号数据之后,包括:
对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行异常数据预处理,得到对应的多个参照无线信号数据;
所述对每个所述通信设备检测到的各个其他通信设备对应的多个所述无线信号数据进行取平均值计算,得到对应的无线信号数据平均值,包括:
对各个其他通信设备对应的多个所述参照无线信号数据进行取平均值计算,得到所述无线信号数据平均值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位之前,包括:
将所述设备信号指纹库中映射的多对位置和参照信号数据组输入神经网络模型进行模型训练,获得训练好的神经网络模型;
所述根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,包括:
将所述检测信号数据组输入所述训练好的神经网络模型,输出所述目标设备对应的位置。
7.根据权利要求1至5任一项所述的方法,其特征在于,所述根据所述检测信号数据组,以及预先配置的设备信号指纹库,对所述目标设备进行定位,包括:
确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组;
根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位。
8.根据权利要求7所述的方法,其特征在于,所述确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组,包括:
计算所述检测信号数据组与所述设备信号指纹库中各个参照信号数据组的逻辑距离;
将逻辑距离最近的参照信号数据组,确定为与所述检测信号数据组匹配的参照信号数据组;
所述根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位,包括:
将与所述检测信号数据组匹配的参照信号数据组映射的位置,确定为所述目标设备的当前位置。
9.根据权利要求7所述的方法,其特征在于,所述确定所述设备信号指纹库中与所述检测信号数据组匹配的至少一个参照信号数据组,包括:
计算所述检测信号数据组与所述设备信号指纹库中各个参照信号数据组的逻辑距离;
将逻辑距离小于或等于预设距离阈值的多个参照信号数据组,确定为与所述检测信号数据组匹配的多个参照信号数据组;
所述根据所述至少一个参照信号数据组映射的位置,对所述目标设备进行定位,包括:
将所述多个参照信号数据组映射的多个位置进行区域分类,并将分类后包含位置的数量最多的区域确定为所述目标设备所在区域。
10.一种室内定位装置,其特征在于,所述室内定位装置包括处理器、存储器,所述存储器存储有可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时,实现如权利要求1至9中任一项所述的室内定位方法。
11.一种设备,其特征在于,所述设备包括如权利要求10所述的室内定位装置。
12.一种存储介质,用于计算机可读存储,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至9中任一项所述的室内定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602927.3A CN115665852B (zh) | 2022-12-14 | 2022-12-14 | 室内定位方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211602927.3A CN115665852B (zh) | 2022-12-14 | 2022-12-14 | 室内定位方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115665852A true CN115665852A (zh) | 2023-01-31 |
CN115665852B CN115665852B (zh) | 2023-05-05 |
Family
ID=85022605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211602927.3A Active CN115665852B (zh) | 2022-12-14 | 2022-12-14 | 室内定位方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115665852B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117336852A (zh) * | 2023-12-01 | 2024-01-02 | 广州斯沃德科技有限公司 | 一种分布式协同定位方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102573049A (zh) * | 2010-12-14 | 2012-07-11 | 北京智慧图科技发展有限责任公司 | 一种室内定位方法及系统 |
WO2015127858A1 (zh) * | 2014-02-27 | 2015-09-03 | 华为技术有限公司 | 室内定位方法和装置 |
CN106792561A (zh) * | 2017-01-19 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种无线指纹定位方法及系统 |
CN113099384A (zh) * | 2020-11-11 | 2021-07-09 | 中移(上海)信息通信科技有限公司 | 一种室内定位方法、装置、设备及计算机存储介质 |
CN113163484A (zh) * | 2021-01-08 | 2021-07-23 | 广东工业大学 | 一种室内定位方法 |
-
2022
- 2022-12-14 CN CN202211602927.3A patent/CN115665852B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102573049A (zh) * | 2010-12-14 | 2012-07-11 | 北京智慧图科技发展有限责任公司 | 一种室内定位方法及系统 |
WO2015127858A1 (zh) * | 2014-02-27 | 2015-09-03 | 华为技术有限公司 | 室内定位方法和装置 |
CN106792561A (zh) * | 2017-01-19 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种无线指纹定位方法及系统 |
CN113099384A (zh) * | 2020-11-11 | 2021-07-09 | 中移(上海)信息通信科技有限公司 | 一种室内定位方法、装置、设备及计算机存储介质 |
CN113163484A (zh) * | 2021-01-08 | 2021-07-23 | 广东工业大学 | 一种室内定位方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117336852A (zh) * | 2023-12-01 | 2024-01-02 | 广州斯沃德科技有限公司 | 一种分布式协同定位方法、装置、电子设备及存储介质 |
CN117336852B (zh) * | 2023-12-01 | 2024-04-02 | 广州斯沃德科技有限公司 | 一种分布式协同定位方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115665852B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110032670B (zh) | 时序数据的异常检测方法、装置、设备及存储介质 | |
CN109389162B (zh) | 样本图像筛选方法和装置、电子设备及存储介质 | |
CN110363076A (zh) | 人员信息关联方法、装置及终端设备 | |
CN111935820B (zh) | 基于无线网络的定位实现方法及相关设备 | |
CN106384348B (zh) | 监控图像的异常检测方法及装置 | |
CN110443120A (zh) | 一种人脸识别方法及设备 | |
WO2019132564A1 (en) | Method and system for classifying time-series data | |
CN115665852B (zh) | 室内定位方法、装置、设备及存储介质 | |
EP2919136A1 (en) | Method and device for clustering | |
KR20120111592A (ko) | 모바일 단말기의 사용자 행동패턴을 이용하여 개인화 서비스를 제공하는 방법 및 이를 위한 모바일 단말기 | |
KR102469664B1 (ko) | 이상 행위 탐지 방법 및 시스템 | |
CN109061611A (zh) | 接近传感器校准方法及相关装置 | |
CN115238787A (zh) | 异常数据检测方法、装置、设备及存储介质 | |
CN111797148A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
WO2019000468A1 (zh) | 用户位置识别方法、装置、存储介质及电子设备 | |
CN111182452A (zh) | 一种基于分类自学习的wifi定位方法及系统 | |
CN107295105B (zh) | 儿童行为的分析方法及终端设备、计算机可读存储介质 | |
CN104113910A (zh) | 无线通信网络中的定位系统 | |
CN113222771B (zh) | 一种基于知识图谱确定目标群体的方法、装置及电子设备 | |
CN111797860B (zh) | 特征提取方法、装置、存储介质及电子设备 | |
US11315265B2 (en) | Fingertip detection method, fingertip detection device, and medium | |
US20150262033A1 (en) | Method and terminal device for clustering | |
CN113742430A (zh) | 确定图数据中结点构成三角形结构个数的方法及系统 | |
CN112036519A (zh) | 基于多位sigmoid的分类处理方法、装置及电子设备 | |
CN112925963B (zh) | 数据推荐方法和装置 |
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 |