CN116148766A - 一种基于超宽带定位与指纹定位的三维室内定位方法与系统 - Google Patents

一种基于超宽带定位与指纹定位的三维室内定位方法与系统 Download PDF

Info

Publication number
CN116148766A
CN116148766A CN202310061165.9A CN202310061165A CN116148766A CN 116148766 A CN116148766 A CN 116148766A CN 202310061165 A CN202310061165 A CN 202310061165A CN 116148766 A CN116148766 A CN 116148766A
Authority
CN
China
Prior art keywords
information
fingerprint
positioning
library
module
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
Application number
CN202310061165.9A
Other languages
English (en)
Inventor
宫法明
刘浩田
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.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
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 China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202310061165.9A priority Critical patent/CN116148766A/zh
Publication of CN116148766A publication Critical patent/CN116148766A/zh
Pending legal-status Critical Current

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
    • G01S5/0252—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
    • G01S5/0257—Hybrid positioning
    • G01S5/0258—Hybrid positioning by combining or switching between measurements derived from different systems
    • G01S5/02585—Hybrid positioning by combining or switching between measurements derived from different systems at least one of the measurements being a non-radio measurement
    • 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
    • H04W4/02—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
    • H04W4/029—Location-based management or tracking services
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明提出了一种基于超宽带定位与指纹定位的三维室内定位方法，通过获取室内轮廓信息部署UWB基站并将室内环境划分区域，根据轮廓信息将所述室内环境分成网格区域并进行数据采集；将采集到的数据进行处理，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；收集终端用户的指纹信息；将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。此方法所用的系统包括基站设置模块、数据采集模块、指纹库建立模块和终端匹配模块，所述方案的有益效果是增加了定位精度，实现了简单快捷定位。

Description

一种基于超宽带定位与指纹定位的三维室内定位方法与系统
技术领域
本发明涉及室内定位技术领域，特别涉及一种基于超宽带定位与指纹定位的三维室内定位方法与系统。
背景技术
现如今，随着科技日益进步，电子产品越来越普及，功能也越来越强大，人们对位置信息的需求越来越大，不仅在人们的日常生活方面需要位置的信息，在工业、商业和服务业都对位置的信息有着很大的需求。定位就是确定某人或物体的位置。定位技术根据环境不同又可以分为室外环境下的定位技术和室内环境下的定位技术，这两种技术之间看似相似却大相径庭。首先是环境的不同，室外环境相对空旷，障碍物较少，而室内环境障碍物多，例如墙壁、家具等；其次是维数不同，室外环境下，一般实现二维定位即可，而在室内环境下因为楼房和地下建筑较多，二维定位已经远远不能满足需求；再有对定位精度的要求也不同，室外定位实现“米级”已经可以满足绝大部分普通用户的需求，甚至“十米级”也已足矣，但是在室内环境中的定位对精度要求更高甚至要达到“厘米级”。
在室内条件下，障碍物多、环境复杂甚至多维，使得室外定位技术一旦应用到室内环境条件下，使用的精度会出现很大程度的降低，所以室外定位技术无法直接应用到室内。比如说基于GPS的定位系统在室内因为卫星和GPS接收器之间很难通信，所以很难实现定位。那么，如何实现在复杂的室内环境下获得位置信息，已经成为现今的研究热点，针对不同的局限性需要采取不同的解决方案。
发明内容
本发明提供了一种基于超宽带定位与指纹定位的三维室内定位方法和系统，用以解决室内定位难，精度不高的问题。
本发明提出的一种基于超宽带定位与指纹定位的三维室内定位方法，所述方法包括：
S1、通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；
S2、根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)；
S3、将采集到的数据进行处理，将信号强度(RSSI)和时间差信息(TDOA)转化为位置信息，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；
S4、收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
进一步的，所述通过扫描获取室内环境的整体轮廓信息和空间大小信息，根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；包括：
S101、通过3D扫描仪扫描室内环境得到整体轮廓信息；
S102、将得到的整体轮廓信息转化为类似长方体，测量类似长方体的长度、宽度和高度，得到空间大小信息存入数据库；
S103、将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N；
S104、根据正方体的个数设置基站,并记录基站的位置信息，其中正方体个数为N,基站个数为N+3，基站沿区域边沿设置，四个基站不在一个平面。
进一步的，所述根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)，包括：
S201、根据轮廓信息将所述室内环境分成网格区域；根据环境的不同设置不同的网格标准；
S202、将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不低于20组数据，最高100组数据，根据网格内环境不同设置不同的采集位置和采集点数量；采样点的间隔距离不小于20厘米不大于50厘米，每组数据包括距离UWB测距信息d,信号强度和信号到达基站的时间差。
进一步的，所述将采集到的数进行处理，将信号强度(RSSI)和时间差信息(TDOA)转化为位置信息，构建指纹库，包括：
S301、将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度(RSSI)和到达时间差(TDOA)作为每个测试点的基本数据；
S302、根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，从而获得UWB标签的RSSI定位结果P r；
S303、根据所述基本数据，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果P t；
S304、将所述信号强度的定位结果P r和所述基于到达时间差定位结果P t进行加权融合，得到最终位置P＝aP r+bPt，其中a和b为权重系数；
S305、将所述UWB测距信息d、信号强度(RSSI)和所述时间差信息(TDOA)作为指纹特征，与所述最终位置信息相对应，录入指纹库；
S306、利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心；
进一步的，所述收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置，包括：
S401、收集终端用户的指纹信息；
S402、将所述终端用户指纹信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；
S403、将所述终端用户指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；
S404、根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
一种基于超宽带定位与指纹定位的三维室内定位系统，所述系统包括：
基站设置模块：通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；
数据采集模块：根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)；
指纹库建立模块：将采集到的数据进行处理，将信号强度(RSSI)和时间差信息(TDOA)转化为位置信息，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；
终端匹配模块：收集终端用户的指纹信息并所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
进一步的所述的一种基于超宽带定位与指纹定位的三维室内定位系统，其特征在于，所述基站设置模块包括：
室内环境获取模块：通过3D扫描仪扫描室内环境得到整体轮廓信息；
轮廓信息转化模块：将得到的整体轮廓信息转化为类似长方体，测量类似长方体的长度、宽度和高度，得到空间大小信息存入数据库；
环境分割模块：将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N；
基站数量设置模块：根据正方体的个数设置基站,并记录基站的位置信息，其中正方体个数为N,基站个数为N+3，基站沿区域边沿设置，四个基站不在一个平面。
进一步的，一种基于超宽带定位与指纹定位的三维室内定位系统，所述数据采集模块包括：
室内环境分区模块：根据轮廓信息将所述室内环境分成网格区域；根据环境的不同设置不同的网格标准；
UWB标签采集模块：将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不低于20组数据，最高100组数据，根据网格内环境不同设置不同的采集位置和采集点数量；采样点的间隔距离不小于20厘米不大于50厘米，每组数据包括距离UWB测距信息d,信号强度和信号到达基站的时间差。
进一步的，一种基于超宽带定位与指纹定位的三维室内定位系统，所述指纹库建立模块包括：
基站选择模块：将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度(RSSI)和到达时间差(TDOA)作为每个测试点的基本数据；
RSSI定位模块：根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，从而获得UWB标签的RSSI定位结果P r；
TDOA定位模块：根据所述基本数据，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果P t；
融合定位模块：将所述信号强度的定位结果P r和所述基于到达时间差定位结果Pt进行加权融合，得到最终位置P＝aP r+bPt，其中a和b为权重系数；
信息录入模块：将所述UWB测距信息d、信号强度(RSSI)和所述时间差信息(TDOA)作为指纹特征，与所述最终位置信息相对应，录入指纹库；
数据库归类模块：利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心；
进一步基于超宽带的，一种定位与指纹定位的三维室内定位系统，所述终端匹配模块包括：
用户信息收集模块：收集终端用户的指纹信息；
子类数据库选择模块：将终端用户信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；
相似度计算模块：将所述户终端指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；
相似度匹配模块：根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
本发明有益效果：本发明提出一种基于超宽带定位与指纹定位的三维室内定位方法和系统，通过这种超宽带和指纹定位融合的三维定位，可以对复杂的室内环境进行定位，例如地下建筑物较多，障碍物较多的情况下，实现精准近距离定位，超宽带定位传输率高，穿透力强，解决了普通无线电技术在传输过程中信号衰减从而影响精度的问题，超宽带定位建立指纹库，实现定位精度高，方便管理。
附图说明
图1为本发明所述一种基于超宽带定位和指纹定位的三维室内定位方法示意图；
图2为本发明所述一种基于超宽带定位和指纹定位的三维室内定位系统示意图；
图3为本发明所述基站设置示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明一个实施例一种基于超宽带定位与指纹定位的三维室内定位方法，包括：
S1、通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；
S2、根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签按在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)；
S3、将采集到的数据进行处理，将信号强度(RSSI)和时间差信息(TDOA)转化为位置信息，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；
S4、收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
上述技术方案的工作原理为：通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；根据轮廓信息划分网格区域并在区域内采集数据，对采集的数据进行处理，构建指纹库并聚类处理得到聚类后的指纹库，将终端用户的指纹信息与指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
上述技术方案的效果为：通过扫描获取室内环境的整体轮廓信息和空间大小信息，根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站，避免基站过多或者过少，过多造成资源浪费，过少信号无法完全覆盖从而导致某些位置定位不准确；根据轮廓信息划分网格区域并在区域采集数据，设置合理的网格区域，可以在达到精度的同时尽量减少数据量和运算量；通过对采集的数据进行处理，得到相对准确的定位结果，然后根据结果构建指纹库，对指纹库聚类处理得到聚类后的指纹库，可以将指纹库中比较接近的指纹特征进行归类，减少后面比对的计算，提高计算效率。
本发明的一个实施例，通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站，包括：
S101、通过3D扫描仪扫描室内环境得到整体轮廓信息；
S102、将得到的整体轮廓信息转化为类似长方体，测量类似长方体的长度、宽度和高度，得到空间大小信息存入数据库；室内环境可能为不规整的，将不规整的形状转化为外切长方体有利于计算；
S103、将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N；例如一个转化后区域长15米，宽20米，高20米，则N＝1,如果长60M,宽50M,高30M,则N＝4，如果长60M,宽50M,高50M,则N＝8；
S104、根据正方体的个数设置基站,并记录基站的位置信息，其中正方体个数为N,基站个数为N+3,沿着区域边沿设置，使UWB信号完全覆盖，如图3所示。
上述技术方案的工作原理为：通过3D扫描仪扫描室内环境得到整体轮廓信息；将得到的整体轮廓信息转化为类似长方体并得到空间大小信息存入数据库；将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N，根据正方体的个数设置基站,正方体个数为N,基站个数为N+3，因为三维定位，而且需要计算时间差，所以一个区域内设置4个基站，沿着区域边沿设置，并且4个基站不能在一个平面，使UWB信号完全覆盖。
上述技术方案的效果为：通过3D扫描仪扫描室内环境得到整体轮廓信息；将得到的整体轮廓信息转化为类似长方体并得到空间大小信息存入数据库，类长方体有利于分区；将类长方体进行分区，得到长方体个数N,根据长方体个数设置基站个数和位置；因为三维定位，而且需要计算时间差，所以一个区域内设置4个基站，沿着区域边沿设置基站，并且四个基站不能在同一平面，使UWB信号完全覆盖，增加定位准确度并且不会浪费资源。
本发明的一个实施例，根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)，包括：
S201、根据轮廓信息将所述室内环境分成网格区域；根据环境的不同设置不同的网格标准，网格数量为M；
S202、将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不低于20组数据，最高100组数据，根据网格内环境不同设置不同的采集位置和采集点数量；采样点的间隔距离不小于20厘米不大于50厘米，每组数据包括距离UWB测距信息d,信号强度和信号到达基站的时间差；
其中S201根据轮廓信息将所述室内环境分成网格区域；根据环境的不同设置不同的网格标准，网格数量为M；其中所属环境包括但不限于住宅环境、工厂环境、办公大楼和商场；先将不规则环境转化为类似外切长方体再划分网格，如果室内环境高度H小于等于3.2米，按照长1mX宽1m X高度H划分网格；如果室内环境高度大于3.2米，按照2mX2mX2m的标准划分网格，如长10X宽5米X高4米的的环境，划分网格数量M为30；
其中S202将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不低于20组数据，最高100组数据，根据网格内环境不同设置不同的采集位置和采集点数量；采样点的间隔距离不小于20厘米不大于50厘米，每组数据包括距离UWB测距信息d,信号强度和信号到达基站的时间差；采集数据点的位置和数量根据网格内的情况而定，如果网格内比较空旷，在距离网格中心点1米区间内采样10次，采样点间隔不小于20厘米，距离网格中心点1米到2米区间采样10次，采样点间隔30厘米；如果网格内环境复杂，障碍物比较多，适当增加采样次数，在网格边沿、中心点附近和障碍物边沿分别设置若干采样点，网格内最高采样100次，原则上采样点间隔不小于20厘米不大于50厘米。
上述技术方案的工作原理为：根据轮廓信息将所述室内环境分成网格区域，根据环境的不同设置不同的网格标准，网格数量为M,将UWB标签所述网格区域内进行移动，在每个区域内连续采集不低于20组数据不高于100组数据，采集数据点的位置和数量根据网格内的情况而定；每组数据包括距离UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)。
上述技术方案的效果为：根据轮廓信息将所述室内环境分成网格区域，网格越细，精度越高，但是计算量越大，需要在精度和计算量中找平衡点，根据环境的不同设置不同的网格标准，如果室内环境高度是3.2米以下，一般为住宅和办公室高度，高度上可以不用分割，只按照长度和宽度分割网格，在平面范围网格标准可以适当小一点，提高精度；如果室内高度大于3.2米，常见的就是工厂，一般范围比较大，网格设置需要在高度上考虑，可以适当增大网格设置标准，不损失精度的同时适当减少采集量；采样点的设置同样根据环境而定，在每个网格区域的中心和相对外围都要设置采样点，空旷的地方比如工厂地面有很多设备，顶部有管道等，但是中间很多地方是空旷的，这些空旷的地方可以适当减少采集点，环境复杂的地方比如设备管道多的地方可是适当增加采集点，采集点之间设置一定的间隔，原则上间隔不小于20厘米不大于50厘米，比较均匀跟分布网格内，障碍物周边，有助于对区域内的采样更加全面，提高数据库精度，同时减少计算量，减少数据冗余。
本发明的一个实施例，将采集到的数据进行处理，将信号强度(RSSI)和时间差信息(TDOA)转化为位置信息，构建指纹库，包括：
S301、将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度(RSSI)和到达时间差(TDOA)作为每个测试点的基本数据，剩下的数据可以作为备份；
S302、根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，结合基站的位置，从而获得UWB标签的RSSI定位结果P r；
S303、根据所述基本数据，利用到达时间差TDOA定位技术对所述UWB标签进行定位，得到基于到达时间差TDOA的定位结果P t；根据TDOA测量值，就可以得到目标到定位基站之间的近似距离差，多个TDOA测量值可以构成一组关于目标位置的定位方程组，采用最大似然估计法求解求解该方程组就可以得到目标的三维位置估计值Pt；
S304、将所述信号强度的定位结果P r和所述基于到达时间差定位结果P t进行加权融合，得到最终位置P＝aP r+bPt，其中a和b为权重系数；一般来说对于4个基站三维定位，a为0.15，b为0.85；
S305、将所述UWB测距信息d、信号强度(RSSI)和所述时间差信息(TDOA)作为指纹特征，与所述最终位置信息相对应，录入指纹库；定期更新指纹库，当室内空间物体位置发生重大变化时更新指纹库；
S306、利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心。
其中S302根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，结合基站的位置，从而获得UWB标签的RSSI定位结果P r，包括：
先是将rssi信号通过普遍采用的理论模型转换为标签与基站的距离R；普遍采用的理论模型为：R＝10^((ABS(RSSI)-A)/(10*n))；其中R为标签与基站的距离，单位是m；RSSI为rssi信号强度；A为距离标签距离基站1m时的rssi值的绝对值，n为环境衰减因子；然后利用标签点实际测距信息d和信号强度结合线性回归分析，得到最优的n，最佳范围在3.25-4.5之间；根据最优模型，求得R的值；
用矩阵求解方程得到标签的坐标即为位置信息Pr，方程如下：
Figure BDA0004061247700000091
Figure BDA0004061247700000092
Figure BDA0004061247700000093
Figure BDA0004061247700000094
其中UWB标签的坐标是(x,y,z)，已知的四个基站的位置为(x1,y1,z1)，(x2,y2,z2)，(x3,y3,z3)，(x4,y4,z4)，r1到r4为所求的点到四个基站的距离。
上述技术方案的工作原理为：将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度(RSSI)和到达时间差(TDOA)作为每个测试点的基本数据；将所述基本数据的信号UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系和所从而获得UWB标签的RSSI定位结果P r；利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果P t；将所述信号强度的定位结果P r和所述基于到达时间差定位结果P t进行加权融合，得到最终位置P＝aP r+bPt，其中a和b为权重系数；将所述UWB测距信息d、信号强度(RSSI)和所述时间差信息(TDOA)作为指纹特征，与所述最终位置信息相对应，录入指纹库；将采样的指纹信息和位置关系经过模型训练得到函数关系，扩充指纹库；利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心。
上述技术方案的效果为：将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度(RSSI)和到达时间差(TDOA)作为每个测试点的基本数据；如果空间足够大，基站数量大于4个，全部选择数据量会很大，计算难度也大，选择最近四个会减少计算量和计算难度，距离近信号也最好，计算精度也够高，基本数据的信号UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系和所从而获得UWB标签的RSSI定位结果P r，通过线性回归拟合，得到线性关系，根据线性关系还可以扩充其它点的位置信息，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果P t；将所述信号强度的定位结果P r和所述基于到达时间差定位结果P t进行加权融合，得到最终位置P＝aP r+bPt，将两种定位方式进行融合，提到定位准确度；将采样的指纹信息和位置关系经过模型训练得到函数关系，扩充指纹库；可以补充采样可能的不完整，增加定位精度；将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心，用户匹配时选择合适的字库进行匹配，减少计算量，提高效率。
本发明的一个实施例，终端用户指纹收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；包括：
S401、收集终端用户的指纹信息；
S402、将所述终端用户指纹收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；
S403、将所述终端用户指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；
S404、根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
上述技术方案的工作原理为：收集终端用户的指纹信息；将所述终端用户指纹收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；将所述终端用户指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
上述技术方案的效果为：将终端用户信息先匹配最接近的子库，再在子库内进行指纹匹配，减少匹配的运算量，然后根据相似度排行，选取最接近的指纹特征，提到定位准确度。
本发明一个实施例一种基于超宽带定位与指纹定位的三维室内定位系统，包括：
基站设置模块：通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；
数据采集模块：根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)；
指纹库建立模块：将采集到的数据进行处理，将信号强度(RSSI)和时间差信息(TDOA)转化为位置信息，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；
终端匹配模块：收集终端用户的指纹信息并所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
上述技术方案的工作原理为：通过基站设置模块，设置基站的位置和数量；通过数据采集模块，采集UWB标签信息；通过指纹库建立模块，将采集到的信息处理，分类建立指纹库；通过终端匹配模块，将终端用户指纹信息与指纹库信息匹配得到位置信息。
上述技术方案的技术效果为：通过基站设置模块，设置合理的基站数量和位置，使UWB信号完全覆盖，并减少资源浪费，通过数据采集模块，合理采集数据，保证精度的情况下尽量减少采集量，从而减少运算量和数据库冗余，通过指纹库建立模块，建立指纹库并将指纹库进行分类，减少匹配的计算量，提高效率；通过终端匹配模块，按照相似度排序，尽量保证定位准确度。
本发明一个实施例一种基于超宽带定位与指纹定位的三维室内定位系统，所述基站设置模块包括：
室内环境获取模块：通过3D扫描仪扫描室内环境得到整体轮廓信息；
轮廓信息转化模块：将得到的整体轮廓信息转化为类似长方体，测量类似长方体的长度、宽度和高度，得到空间大小信息存入数据库；
环境分割模块：将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N；
基站数量设置模块：根据正方体的个数设置基站,并记录基站的位置信息，其中正方体个数为N,基站个数为N+3，基站沿区域边沿设置，四个基站不在一个平面。
上述技术方案的工作原理为：利用室内环境获取模块，获取室内整体轮廓信息，利用轮廓信息转化模块，将轮廓信息转化为类长方体，利用环境分割模块，将类长方体按照30mX30mX30m的标准进行分区得到正方体的个数N；利用基站数量设置模块设置基站的数量和位置。
上述技术方案的技术效果为：利用室内环境获取模块，获取室内整体轮廓信息，利用轮廓信息转化模块，将轮廓信息转化为类长方体，有利于进行基站设置，利用环境分割模块，将类长方体按照30mX30mX30m的标准进行分区得到正方体的个数N；利用基站数量设置模块设置基站的数量和位置；因为三维定位，而且需要计算时间差，所以一个区域内至少设置4个基站，所以基站个数是N+3，沿着区域边沿设置基站，使UWB信号完全覆盖，增加定位准确度并且不会浪费资源。
本发明一个实施例一种基于超宽带定位与指纹定位的三维室内定位系统，所述数据采集模块包括：
室内环境分区模块：根据轮廓信息将所述室内环境分成网格区域，根据环境的不同设置不同的网格标准；网格数量为M；
UWB标签采集模块：将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不小于20组最高100组数据；每组数据包括距离UWB测距信息d,信号强度(RSSI)和信号到达基站的时间差(TDOA)。
上述技术方案的工作原理为：通过室内环境分区模块，将室内环境划分网格区域；通过UWB标签采集模块，采集网格内的数据。
上述技术方案的技术效果为：根据轮廓信息将所述室内环境分成网格区域，网格越细，精度越高，但是计算量越大，需要在精度和计算量中找平衡点，根据环境的不同设置不同的网格标准，可以提高精度的同时适当减少采集量，并且空旷的地方可以适当减少采集点，环境复杂的地方可是适当增加采集点，采集点之间设置一定的间隔，比较均匀跟分布网格内，障碍物周边，有助于对区域内的位置情况更加全面，同时减少计算量。
本发明一个实施例一种基于超宽带定位与指纹定位的三维室内定位系统，所述指纹库建立模块包括：
基站选择模块：将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度(RSSI)和到达时间差(TDOA)作为每个测试点的基本数据；
RSSI定位模块：根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，从而获得UWB标签的RSSI定位结果P r；
TDOA定位模块：根据所述基本数据，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果P t；
融合定位模块：将所述信号强度的定位结果P r和所述基于到达时间差定位结果Pt进行加权融合，得到最终位置P＝aP r+bPt，其中a和b为权重系数；
信息录入模块：将所述UWB测距信息d、信号强度(RSSI)和所述时间差信息(TDOA)作为指纹特征，与所述最终位置信息相对应，录入指纹库；
数据库归类模块：利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心。
上述技术方案的工作原理为：通过基站选择模块，选择距离标签最近的四个基站的数据作为基本数据；通过RSSI定位模块，得到标签基于信号强度的定位；通过TDOA定位模块，得到标签基于时间差的定位；通过融合定位模块，得到基于信号强度和时间差的融合定位；通过信息录入模块，将指纹信息录入系统建立指纹库；通过数据库归类模块，将指纹信息进行聚类得到聚类后的子库和子库的聚类中心。
上述技术方案的技术效果为：将通过基站选择模块，选择距离标签最近的四个基站的数据作为基本数据；如果空间足够大，基站数量大于4个，全部选择数据量会很大，计算难度也大，选择最近四个会减少计算量和计算难度，距离近信号也最好，计算精度也高；通过RSSI定位模块，得到标签基于信号强度的定位，基本数据的信号UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系和所从而获得UWB标签的RSSI定位结果P r，通过线性回归拟合，得到线性关系，根据线性关系还可以扩充其它点的位置信息，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果Pt；将所述信号强度的定位结果P r和所述基于到达时间差定位结果P t进行加权融合，得到最终位置P＝aP r+bPt，将两种定位方式进行融合，提到定位准确度；将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心，用户匹配时选择合适的字库进行匹配，减少计算量，提高效率。
本发明一个实施例一种基于超宽带定位与指纹定位的三维室内定位系统，所述终端匹配模块包括：
用户信息收集模块：收集终端用户的指纹信息；
子类数据库选择模块：将终端用户信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；
相似度计算模块：将所述终端用户指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；
相似度匹配模块：根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
上述技术方案的工作原理为：通过用户信息收集模块，收集终端用户的指纹信息；通过子类数据库选择模块，选择最近接终端用户指纹的子类数据库；通过相似度计算模块，计算终端用户指纹与子类数据库中的指纹信息的相似度；通过相似度匹配模块，匹配最接近的指纹特征，从而得到终端用户的位置。
上述技术方案的技术效果为：将终端用户信息先匹配最接近的子库，再在子库内进行指纹匹配，减少匹配的运算量，然后根据相似度排行，选取最接近的指纹特征，提到定位准确度。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于超宽带定位与指纹定位的三维室内定位方法，其特征在于，过程包括：
S1、通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；
S2、根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度和信号到达基站的时间差；
S3、将采集到的数据进行处理，将信号强度和时间差信息转化为位置信息，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；
S4、收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
2.根据权利要求1所述的一种基于超宽带定位与指纹定位的三维室内定位方法，其特征在于，所述通过扫描获取室内环境的整体轮廓信息和空间大小信息，根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；包括：
S101、通过3D扫描仪扫描室内环境得到整体轮廓信息；
S102、将得到的整体轮廓信息转化为类似长方体，测量类似长方体的长度、宽度和高度，得到空间大小信息存入数据库；
S103、将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N；
S104、根据正方体的个数设置基站,并记录基站的位置信息，其中正方体个数为N,基站个数为N+3，基站沿区域边沿设置，四个基站不在一个平面。
3.根据权利要求2所述的一种基于超宽带定位与指纹定位的三维室内定位方法，其特征在于，所述根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签在所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度和信号到达基站的时间差，包括：
S201、根据轮廓信息将所述室内环境分成网格区域；根据环境的不同设置不同的网格标准；
S202、将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不低于20组数据，最高100组数据，根据网格内环境不同设置不同的采集位置和采集点数量；采样点的间隔距离不小于20厘米不大于50厘米，每组数据包括距离UWB测距信息d,信号强度和信号到达基站的时间差。
4.根据权利要求1或3所述的一种基于超宽带定位与指纹定位的三维室内定位方法，其特征在于，所述将采集到的数据进行处理，将信号强度和时间差信息转化为位置信息，构建指纹库，包括：
S301、将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度和到达时间差作为每个测试点的基本数据；
S302、根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，从而获得UWB标签的RSSI定位结果Pr；
S303、根据所述基本数据，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果Pt；
S304、将所述信号强度的定位结果Pr和所述基于到达时间差定位结果Pt进行加权融合，得到最终位置P＝aPr+bPt，其中a和b为权重系数；
S305、将所述UWB测距信息d、信号强度和所述时间差信息作为指纹特征，与所述最终位置信息相对应，录入指纹库；
S306、利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心。
5.根据权利要求1或4所述的一种基于超宽带定位与指纹定位的三维室内定位方法，其特征在于，所述出最接近的一个位置指纹即为该用户的位置，包括：
S401、收集终端用户的指纹信息；
S402、将所述终端用户指纹收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；
S403、将所述终端用户指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；
S404、根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
6.一种基于超宽带定位与指纹定位的三维室内定位系统，其特征在于，所述系统包括：
基站设置模块：通过扫描获取室内环境的整体轮廓信息和空间大小信息；根据整体轮廓信息和空间大小信息部署可以接收UWB超带宽脉冲信号的基站；
数据采集模块：根据轮廓信息将所述室内环境分成网格区域，每个网格区域作为一个数据采集区域，将UWB标签所述网格区域内进行移动并采集数据；其中，数据包括UWB测距信息d,信号强度和信号到达基站的时间差；
指纹库建立块：将采集到的数据进行处理，将信号强度和时间差信息转化为位置信息，构建指纹库并对指纹库进行聚类处理得到聚类后的指纹库；
终端匹配模块：收集终端用户的指纹信息并将所述终端用户的指纹信息与所述指纹库中的指纹信息进行匹配，找出最接近的一个位置指纹即为该用户的位置。
7.根据权利要求6所述的一种基于超宽带定位与指纹定位的三维室内定位系统，其特征在于，所述基站设置模块包括：
室内环境获取模块：通过3D扫描仪扫描室内环境得到整体轮廓信息；
轮廓信息转化模块：将得到的整体轮廓信息转化为类似长方体，测量类似长方体的长度、宽度和高度，得到空间大小信息存入数据库；
环境分割模块：将所述类似长方体以30mX30mX30m的标准进行分区得到正方体的个数N；
基站数量设置模块：根据正方体的个数设置基站,并记录基站的位置信息，其中正方体个数为N,基站个数为N+3，基站沿区域边沿设置，四个基站不在一个平面。
8.根据权利要求6所述的一种基于超宽带定位与指纹定位的三维室内定位系统，其特征在于，所述数据采集模块包括：
室内环境分区模块：根据轮廓信息将所述室内环境分成网格区域；根据环境的不同设置不同的网格标准；
UWB标签采集模块：将UWB标签在所述网格区域内进行移动，在每个区域内连续采集不低于20组数据，最高100组数据，根据网格内环境不同设置不同的采集位置和采集点数量；采样点的间隔距离不小于20厘米不大于50厘米，每组数据包括距离UWB测距信息d,信号强度和信号到达基站的时间差。
9.根据权利要求6所述的一种基于超宽带定位与指纹定位的三维室内定位系统，其特征在于，所述指纹库建立模块包括：
基站选择模块：将采集到的数据分别根据所述UWB测距信息d,选择UWB标签距离最近的四个基站的信号强度和到达时间差作为每个测试点的基本数据；
RSSI定位模块：根据所述基本数据，将所述信号强度RSSI和所述UWB测距信息d通过线性回归分析，得出信号强度RSSI和UWB测距信息d的线性关系，从而获得UWB标签的RSSI定位结果Pr；
TDOA定位模块：根据所述基本数据，利用到达时间差定位技术对所述UWB标签进行定位，得到基于到达时间差的定位结果Pt；
融合定位模块：将所述信号强度的定位结果Pr和所述基于到达时间差定位结果Pt进行加权融合，得到最终位置P＝aPr+bPt，其中a和b为权重系数；
信息录入模块：将所述UWB测距信息d、信号强度和所述时间差信息作为指纹特征，与所述最终位置信息相对应，录入指纹库；
数据库归类模块：利用MeanShit算法将指纹库进行聚类处理得到聚类后的子库和子库的聚类中心。
10.根据权利要求6所述的一种基于超宽带定位与指纹定位的三维室内定位系统，其特征在于，所述终端匹配模块包括：
用户信息收集模块：收集终端用户的指纹信息；
子类数据库选择模块：将终端用户信息与子库的聚类中心进行匹配，选取距离最短的聚类中心所在的子库；
相似度计算模块：将所述户终端指纹信息与距离最短的聚类中心所在的子库进行匹配，算出所述终端用户指纹信息与子库内各个指纹特征的相似度；
相似度匹配模块：根据所述相似度排序，选取最接近的指纹特征，该指纹特征对应的位置即为用户的位置。
CN202310061165.9A 2023-01-17 2023-01-17 一种基于超宽带定位与指纹定位的三维室内定位方法与系统 Pending CN116148766A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310061165.9A CN116148766A (zh) 2023-01-17 2023-01-17 一种基于超宽带定位与指纹定位的三维室内定位方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310061165.9A CN116148766A (zh) 2023-01-17 2023-01-17 一种基于超宽带定位与指纹定位的三维室内定位方法与系统

Publications (1)

Publication Number Publication Date
CN116148766A true CN116148766A (zh) 2023-05-23

Family

ID=86355704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310061165.9A Pending CN116148766A (zh) 2023-01-17 2023-01-17 一种基于超宽带定位与指纹定位的三维室内定位方法与系统

Country Status (1)

Country Link
CN (1) CN116148766A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113126026A (zh) * 2019-12-31 2021-07-16 中移(成都)信息通信科技有限公司 定位系统、方法及存储介质
CN117761620A (zh) * 2023-12-20 2024-03-26 国网山东省电力公司德州供电公司 基于多信息演变匹配的uwb高精度三维定位方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113126026A (zh) * 2019-12-31 2021-07-16 中移(成都)信息通信科技有限公司 定位系统、方法及存储介质
CN113126026B (zh) * 2019-12-31 2024-04-19 中移(成都)信息通信科技有限公司 定位系统、方法及存储介质
CN117761620A (zh) * 2023-12-20 2024-03-26 国网山东省电力公司德州供电公司 基于多信息演变匹配的uwb高精度三维定位方法及装置

Similar Documents

Publication Publication Date Title
CN110012428B (zh) 一种基于WiFi的室内定位方法
CN116148766A (zh) 一种基于超宽带定位与指纹定位的三维室内定位方法与系统
JP4421287B2 (ja) 選択的合成法による無線通信装置の位置決定方法
CN101883424B (zh) 基于近邻点数优化的wlan室内knn定位方法
CN109672973B (zh) 一种基于最强ap的室内定位融合方法
CN110926461B (zh) 一种基于超宽带室内定位方法和系统、导航方法和系统
CN108696932A (zh) 一种利用csi多径及机器学习的室外指纹定位方法
KR100938806B1 (ko) 알에프수신신호세기의 확률적 필터링을 이용한무선센서노드 위치추적방법
CN102932911A (zh) 位置指纹定位方法及定位系统
CN103402258A (zh) 一种基于Wi-Fi的室内定位系统和方法
CN104038901A (zh) 一种减少指纹数据采集工作量的室内定位方法
CN108828643B (zh) 一种基于灰色预测模型的室内外无缝定位系统及方法
CN102325369A (zh) 基于参考点位置优化的wlan室内单源线性wknn定位方法
US20200413365A1 (en) Radiation source positioning method based on radio spectrum monitoring big data processing
CN102253365B (zh) 基于无线信号源参数估计的室内定位方法
CN102480784A (zh) 一种指纹定位误差的评估方法和系统
CN112526572B (zh) 室内外无缝导航的网络切换方法与定位系统
CN112616184B (zh) 基于多基站信道状态信息融合的移动设备位置估计方法
CN111405461B (zh) 一种优化等间隔指纹采样个数的无线室内定位方法
Li et al. Location estimation in large indoor multi-floor buildings using hybrid networks
CN113596989A (zh) 一种用于智慧车间的室内定位方法及系统
CN103249144A (zh) 一种基于c型的无线传感器网络节点定位方法
CN110049441B (zh) 基于深度集成学习的WiFi室内定位方法
CN109640253B (zh) 一种移动机器人定位方法
Zhang et al. Indoor positioning based on FM radio signals strength

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