CN117768843A - 一种基于接收信号强度的轨迹恢复及无线电地图构建方法 - Google Patents
一种基于接收信号强度的轨迹恢复及无线电地图构建方法 Download PDFInfo
- Publication number
- CN117768843A CN117768843A CN202311775494.6A CN202311775494A CN117768843A CN 117768843 A CN117768843 A CN 117768843A CN 202311775494 A CN202311775494 A CN 202311775494A CN 117768843 A CN117768843 A CN 117768843A
- Authority
- CN
- China
- Prior art keywords
- signal strength
- received signal
- mobile terminal
- time
- track
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 17
- 238000011084 recovery Methods 0.000 title claims abstract description 10
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims description 40
- 241000209094 Oryza Species 0.000 claims description 6
- 235000007164 Oryza sativa Nutrition 0.000 claims description 6
- 235000009566 rice Nutrition 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005562 fading Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000012887 quadratic function Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000007619 statistical method Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- 201000010099 disease Diseases 0.000 claims 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 1
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011430 maximum method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于接收信号强度的轨迹恢复及无线电地图构建方法，包括以下步骤：S1.移动端运动并记录来自移动端周围基站的信号的接收信号强度，利用基于指数权重的加权质心定位求解初始轨迹；S2.基于隐马尔可夫模型构造接收信号强度嵌入优化问题；S3.以初始轨迹为起始，进行信道传播参数与运动轨迹交替优化求解，得到信号强度嵌入优化问题的解并完成无线电地图的构建。本发明能够在不通过第三方手段对移动端进行定位的情况下，基于在基站端获得的没有位置标签的接收信号强度数据，构造无线电地图。
Description
技术领域
本发明涉及无线电地图构建，特别是涉及一种基于接收信号强度的轨迹恢复及无线电地图构建方法。
背景技术
无线电地图构建需要获得位置坐标以及在这个位置采集的信道状态信息。现有无线网络中的基站采集并存储了海量的不带位置标签的关于移动端的信道状态信息为我们构造无线电地图提供了便利。然而问题的关键是，如何通过分析信道状态信息，提取移动端的运动轨迹，结合移动端的位置标签和信道状态信息构造无线电地图。目前，主流的基于无线通信网络的运动轨迹恢复算法主要包括基于信号到达时间/时间差/角度的方法，以及基于接收信号强度的方法。
基于信号到达时间/时间差/角度的方法：通过精确测量信号的到达时间，结合到达时间之间的差异和相对角度信息，可以实现对目标的高度准确的定位和跟踪。在这种方法中，到达时间是指信号从发射源到达接收器的实际时间。通过同时测量多个到达时间，系统能够在三维空间中确定目标的位置。而到达时间差则是指不同信号到达接收器的时间差异，这一信息可以帮助系统进一步提高定位的准确性。此外，通过测量信号相对于接收器的角度，系统可以更全面地理解目标的位置。将每个时刻估计的位置连接起来，可以构成一条连续的运动轨迹。
然而，在实际应用中，由于信号在传播过程中可能遇到建筑物、地形或其他物体的阻挡，可能导致非直射路径的存在。这种非直射条件使得到达时间和到达时间差等定位信息的准确性受到影响，导致生成的轨迹并不理想。
基于接收信号强度的方法：利用移动端与周围基站之间的信号传播特性，通过测量接收到的信号强度来确定移动端的位置。通过采集移动端与多个基站之间的信号强度值，借助三角测量或基站指纹匹配等算法，来推断设备的位置坐标。另一种接收信号强度嵌入技术方法是通过构建一个将高维接收信号强度映射到低维潜在空间中的函数，而低维空间中的点则作为与接收信号强度相关联的虚拟位置。同样的，将每个时刻估计的位置连接起来，可以构成一条连续的运动轨迹。
然而，现有基于接收信号强度的算法很难有效地处理信号在室外环境中的传播衰减、多径效应和随机噪声等问题。此外，现有的接收信号强度嵌入技术无法在潜在空间中保留虚拟位置的物理拓扑结构，在潜在空间中无法使用实际的用户移动模型来预测接收信号强度的演变。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于接收信号强度的轨迹恢复及无线电地图构建方法，在不通过第三方手段对移动端进行定位的情况下，基于在基站端获得的没有位置标签的接收信号强度数据，构造无线电地图。
本发明的目的是通过以下技术方案来实现的：一种基于接收信号强度的轨迹恢复及无线电地图构建方法，包括以下步骤：
S1.移动端运动并记录来自移动端周围基站的信号的接收信号强度，利用基于指数权重的加权质心定位求解初始轨迹；
S2.基于隐马尔可夫模型构造接收信号强度嵌入优化问题；
S3.以初始轨迹为起始，进行信道传播参数与运动轨迹交替优化求解，得到信号强度嵌入优化问题的解并完成无线电地图的构建。
本发明的有益效果是：基于现有网络中多个基站所采集的海量的不带位置标签的关于移动端的接收信号强度数据，提取移动端的运动轨迹，从而获得移动端的位置标签。该位置标签的位置精度可与第三方设备或方法所获得的定位精度媲美，从而可以解决定位中需要第三方设备或依赖用户主动参与协作的难题。该方法可以让基站在现有的5G协议框架下，通过保存和处理现有的信道测量数据，获得较为精确的用户位置标签，构造无线电地图。
附图说明
图1为信号强度与运动轨迹关系示意图；
图2为本发明的方法流程图；
图3为定位误差的累积分布示意图；
图4为基于隐马尔可夫方法的平均定位误差与输入参数γ的关系示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
本发明通过移动端运动并记录来自移动端周围基站的信号的接收信号强度。利用道路信息生成一个图，图的节点是地理空间坐标点，当任意两个节点之间可以在单位时间内运动到达，则两个节点之间存在边。
如图1所示，希望从构建的图中选择一系列节点st-2,st-1,st,st+1,st+2和他们之间的边组成一条轨迹，使得该轨迹能够最大化移动端运动概率和接收信号强度yt-2,yt-1,yt,yt+1,yt+2,的采集概率。
本发明重点在于基于构建的运动模型和信号传播模型，将信道状态信息序列嵌入到隐马尔可夫模型中恢复运动轨迹，从运动轨迹中提取移动端位置，具体地：
如图2所示，一种基于接收信号强度的轨迹恢复及无线电地图构建方法，包括以下步骤：
S1.移动端运动并记录来自移动端周围基站的信号的接收信号强度，利用基于指数权重的加权质心定位求解初始轨迹：输入由移动端记录的时刻t＝1,2,…,T的接收信号强度序列y1,y2,…,yT，其中t时刻的信号强度yt＝{yt,1,yt,2,…,yt,Q},yt中的yt,q是t时刻第q基站的接收信号强度，yt,q＝{yt,q,1,yt,q,2,…,yt,q,M}，其中yt,q,m是t时刻第q基站的第m个波束接收信号强度；。已知移动端运动速度往往被最大限速所限制。具体来说，假设移动端在t-1时刻的位置为xt-1，在t时刻为xt，则从位置xt-1运动到xt的运动距离应小于vmaxδt米，其中vmaxm/s表示最大运动速度，δt表示t-1时刻到t时刻的时间间隔，单位为秒。
我们可以通过基站的地理位置，以及基站接收到的接收信号强度,利用基于指数权重的加权质心定位来大致估计移动端的位置。t时刻的移动端位置可以被估计为
估计的位置由于未考虑vmax和δt的限制而无法被认为是一条连续的轨迹，基于估计的移动端位置/>构造一条轨迹x1,x2,…,xT，满足从位置xt-1运动到xt的运动距离应小于vmaxδt米的要求；oq是第q个基站的地理位置。
构建如下凸优化问题：
通过最小化时刻t的轨迹位置xt和估计位置的欧式距离，即/>同时要求从位置xt-1运动到xt的运动距离应小于vmaxδt米，即‖xt-xt-1‖2≤vmaxδt；
上面的优化问题是一个凸优化问题，通过经典的凸优化算法求解初始运动轨迹x1,x2,…,xT。求解的轨迹虽然满足轨迹连续性要求，但是并不一定与道路匹配。
S2.基于隐马尔可夫模型构造接收信号强度嵌入优化问题；
对于一个沿着任意路径运动的移动端。考虑时间序列，t＝1,2,…,T，设为移动端在时刻t的位置。在无线通信网络中，移动端采集周边基站发出的信号的接收信号强度，其中第q个基站的位置表示为oq,q＝1,2,…,Q。令yt为在时刻t采集到基站的接收信号强度向量。在时刻t，采集到的第q个基站的第m个波束的接收信号强度值被建模为:
yt,q,m＝βq,m+αq,mlog10‖oq-xt‖2+aq,mexp[-bq,m(θt,q-cq,m)2]+ε
其中描述了基站q和移动端位置xt之间的对数正态阴影衰落。θt,q为基站q和移动端位置xt之间方向关系。{αq,m,βq,m,aq,m,bq,m,cq,m}为基站q的m波束的信道特征参数。因此，给定移动端位置xt的条件下，yt,q的概率密度函数可以表示为
其中，假设阴影衰落ε在不同基站之间是独立的。此外，我们还假设阴影衰落在不同时戳t之间也是独立的。由于独立性假设，接收信号强度向量yt＝({yt,1,m}m,{yt,2,m}m,…,{yt,Q,m}m)的概率密度函数为其中Θ＝{αq,m,βq,m,σq,m,aq,m,bq,m,cq,m}q,m是一组未知的传播参数，需要从数据中学习得到。学习方法见S3中设计的信道传播参数与轨迹交替优化求解；
移动端的移动受道路网络的限制，本文采用基于图的离散移动模型。具体而言，道路网络的拓扑结构是通过感兴趣区域的街道地图构建的图G＝(V,E)，其中V表示节点集合这里考虑两个V的构造方案：
方案一：已知道路信息，且已知移动端在道路上运动，节点均等间隔地分布在街道上，间距为γ米；
方案二：未知道路信息，且不限制移动端仅在道路上运动，节点均等间隔地分布在二维空间上，间距为γ米。
E表示直接边的集合，如果移动端能在采样时间间隔δt秒内从位置vi运动到位置vj，则点vi与点vj之间存在边。我们定义移动端以最大运动速度运动，在单位时间内到运动距离不会超过Kγ，其中K是一个整数参数。
移动端的移动使用G中节点之间的转移概率来建模。移动端从时间戳t的节点vi移动到下一个时间戳t+1的邻居节点vj的概率被建模为其中ak，k＝0,1,2,…K，是一组参数，/>是一个归一化因子，使得/>基于上述概率移动模型，移动端速度的概率分布可以计算为
假设移动端实际运动于任意速度的概率已知，则可以通过统计方法拟合移动端在实际中的速度分布的统计先验信息，获得参数ak的值，使得成为已知的；基于以上分析，我们构架如下基于马尔科夫模型的优化问题：
subject to xt∈V,t∈{1,2,…,T}
(xt,xt-1)∈E,t∈{2,3,…,T}
在地理位置xt收集到接收信号强度yt的概率由p(yt|xt,Θ)表征，从地理位置xt-1运动到地理位置xt的概率用P{xt|xt-1}表征。我们最大化接收信号强度被收集的概率以及移动端的运动概率，且满足移动端是在我们构造的图中运动的要求。优化问题中包含信道传播参数和运动轨迹两个未知参数，将以S1中的初始轨迹为起始，利用S3中的交替优化方法求解。
S3.进行信道传播参数与运动轨迹交替优化求解。
所述步骤S3包括：
S301.输入信号强度yt,t＝1,2,…,T,图参数γ,以及步骤S1中求得的运动轨迹xt,t＝1,2,…,T；
S302.已知运动轨迹，对信道传播参数Θ＝{αq,m,βq,m,σq,m,aq,m,bq,m,cq,m}q,m进行求解：
S3021.随机初始化参数{aq,m,bq,m,cq,m}q,m
初始化波束角度θt,q为t时刻位置xt＝(xt,1,xt,2)与基站位置oq＝(oq,1,oq,2),通过计算。
估计参数αq,m,βq,m:
其中
S3022.根据数据对{y′t,q,m,θt,q}t拟合下面二次函数等式中的系数{a′q,m,b′q,m,c′q,m}q,m
其中
则参数{aq,m,bq,m,cq,m}q,m被估计为
S3023.重复执行步骤S3021～S3022,交替优化直到参数不能被更新；
S3024.将方差估计为：
S303.已知信道传播参数，对运动轨迹进行求解：
根据{aq,m,bq,m,cq,m}q,m、yt,t＝1,2,…,T，通过经典的维特比算法求解运动轨迹；
S304.重复执行步骤S302～S303交替优化直到轨迹不再被更新；
S305.将信号强度yt,t＝1,2,…,T和运动轨迹xt,t＝1,2,…,T构成无线电地图。
本发明基于信号接收强度嵌入隐马尔可夫模型，实现运动轨迹恢复。在本申请的实施例中，实验场景是随意运动于成都市区，在运动过程中收集了邻近的5G基站发出信号的接收信号强度。驾驶测试历时30分钟。我们通过与3种方法对比，来说明本专利提出方法的有效性。1)最值法是从周围的基站中选择最强的信号，并通过所选基站的位置来估计位置。2)权重中心法是通过信号强度加权到移动端周围的基站位置。3)初始路径法是我们提出方法的步骤1的结果。
运动轨迹由一系列位置坐标构成，我们通过计算估计的位置坐标与实际的位置坐标xt的偏差/>来评价轨迹恢复性能。图3展示了定位误差的累积分布，表1展示了平均定位误差。
表1
| 方法 | 最值法 | 权重中心法 | 初始路径法 | 基于马尔可夫法 |
| 平均定位误差 | 167.8米 | 124.5米 | 60.3米 | 19.2米 |
与三种基线方法相比，我们提出的基于隐马尔可夫方法的定位误差都在50米以内，且平均定位误差最低(19.2米)。图4展示了提出的基于隐马尔可夫方法的平均定位误差与输入参数γ的关系。随着参数γ值的降低，意味着构造的路网图更精细，我们的方法的平均定位误差会越来越低。
以上所述是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应该看作是对其他实施例的排除，而可用于其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
Claims (5)
1.一种基于接收信号强度的轨迹恢复及无线电地图构建方法，其特征在于：包括以下步骤：
S1.移动端运动并记录来自移动端周围基站的信号的接收信号强度，利用基于指数权重的加权质心定位求解初始轨迹；
S2.基于隐马尔可夫模型构造接收信号强度嵌入优化问题；
S3.以初始轨迹为起始，进行信道传播参数与运动轨迹交替优化求解，得到信号强度嵌入优化问题的解并完成无线电地图的构建。
2.根据权利要求1所述的一种基于接收信号强度的轨迹恢复及无线电地图构建方法，其特征在于：所述步骤S1包括：
S101.输入由移动端记录的时刻t＝1，2，...，T的接收信号强度序列y1，y2，...，yT，其中t时刻的信号强度yt＝{yt，1，yt，2，...，yt，Q}，yt中的yt，q是t时刻第q基站的接收信号强度，yt，q＝{yt，q，1，yt，q，2，...，yt，q，M}，其中yt，q，m是t时刻第q基站的第m个波束接收信号强度；已知移动端运动速度往往被最大限速所限制：假设移动端在t-1时刻的位置为xt-1，在t时刻为xt，则从位置xt-1运动到xt的运动距离应小于vmaxδt米，其中vmaxm/s表示最大运动速度，δt表示t-1时刻到t时刻的时间间隔，单位为秒；
S102.给定基站的地理位置，以及接收信号强度，利用基于指数权重的加权质心定位得到t时刻的移动端位置：
估计的位置由于未考虑vmax和δt的限制而无法被认为是一条连续的轨迹，基于估计的移动端位置/>构造一条轨迹x1，x2，...，xT，满足从位置xt-1运动到xt的运动距离应小于vmaxδt米的要求；oq是第q个基站的地理位置；
S103.构建如下凸优化问题：
通过最小化时刻t的轨迹位置xt和估计位置的欧式距离，即/>同时要求从位置xt-1运动到xt的运动距离应小于vmaxδt米，即||xt-xt-1||2≤vmaxδt；
上面的优化问题是一个凸优化问题，通过经典的凸优化算法求解初始运动轨迹x1，x2，...，xT。
3.根据权利要求1所述的一种基于接收信号强度的轨迹恢复及无线电地图构建方法，其特征在于：所述步骤S2包括：
S201.对于一个沿着任意路径运动的移动端，考虑时间序列，t＝1，2，...，T，设为移动端在时刻t的位置；在无线通信网络中，移动端采集周边基站发出的信号的接收信号强度，其中第q个基站的位置表示为oq，q＝1，2，...，Q；
令yt为在时刻t采集到基站的接收信号强度向量，在时刻t，采集到的第q个基站的第m个波束的接收信号强度值被建模为：
yt，q，m＝βq，m+αq，mlog10||oq-xt||2+aq，mexp[-bq，m(θt，q-cq，m)2]+ε
其中描述了基站q和移动端位置xt之间的对数正态阴影衰落，θt，q为基站q和移动端位置xt之间方向关系，{αq，m，βq，m，aq，m，bq，m，cq，m}为基站q的m波束的信道特征参数；
S202.给定移动端位置xt的条件下，yt，q的概率密度函数表示为
其中，假设阴影衰落ε在不同基站之间是独立的，阴影衰落在不同时戳t之间也是独立的。由于独立性假设，接收信号强度向量yt＝({yt，1，m}m，{yt，2，m}m，...，{yt，Q，m}m)的概率密度函数为：
其中Θ＝{αq，m，βq，m，σq，m，aq，m，bq，m，cq，m}q，m是一组未知的信道传播参数；
S203.移动端的移动受道路网络的限制，采用基于图的离散移动模型：道路网络的拓扑结构是通过感兴趣区域的街道地图构建的图G＝(V，E)，其中V表示节点集合
E表示直接边的集合，如果移动端能在采样时间间隔δt秒内从位置vi运动到位置vj，则点vi与点vj之间存在边；定义移动端以最大运动速度运动，在单位时间内到运动距离不会超过Kγ，其中K是一个整数参数；
S204.对于移动端的移动使用G中节点之间的转移概率来建：移动端从时间戳t的节点vi移动到下一个时间戳t+1的邻居节点vj的概率被建模为其中ak，k＝0，1，2，...K，是一组参数，/>是一个归一化因子，使得/>基于上述概率移动模型，移动端速度的概率分布计算为
假设移动端实际运动于任意速度的概率已知，则通过统计方法拟合移动端在实际中的速度分布的统计先验信息，获得参数ak的值，使得成为已知的；
S204.构建如下基于马尔科夫模型的优化问题：
subject to xt∈V，t∈{1，2，...，T}
(xt，xt-1)∈E，t∈{2，3，...，T}
在地理位置xt收集到接收信号强度yt的概率由p(yt|xt，Θ)表征，从地理位置xt-1运动到地理位置xt的概率用P{xt|xt-1}表征；通过最大化接收信号强度被收集的概率以及移动端的运动概率，且满足移动端是在构造的图中运动的要求；优化问题中包含信道传播参数和运动轨迹两个未知参数。
4.根据权利要求3所述的一种基于接收信号强度的轨迹恢复及无线电地图构建方法，其特征在于：所述节点集合v采用如下方案构造：
方案一：已知道路信息，且已知移动端在道路上运动，节点均等间隔地分布在街道上，间距为γ米；
方案二：未知道路信息，且不限制移动端仅在道路上运动，节点均等间隔地分布在二维空间上，间距为γ米。
5.根据权利要求4所述的一种基于接收信号强度的轨迹恢复及无线电地图构建方法，其特征在于：所述步骤S3包括：
S301.输入信号强度yt，t＝1，2，...，T，图参数γ，以及步骤S1中求得的运动轨迹xt，t＝1，2，...，T；
S302.已知运动轨迹，对信道传播参数Θ＝{αq，m，βq，m，σq，m，aq，m，bq，m，cq，m}q，m进行求解：
S3021.随机初始化参数{aq，m，bq，m，cq，m}q，m
初始化波束角度θt，q为t时刻位置xt＝(xt，1，xt，2)与基站位置oq＝(oq，1，oq，2)，通过计算；
估计参数αq，m，βq，m：
其中
S3022.根据数据对{y′t，q，m，θt，q}t拟合下面二次函数等式中的系数{a′q，m，b′q，m，c′q，m}q，m
其中
则参数{aq，m，bq，m，cq，m}q，m被估计为
S3023.重复执行步骤S3021～S3022，交替优化直到参数不能被更新；
S3024.将方差估计为：
S303.已知信道传播参数，进行运动轨迹进行求解：
根据{aq，m，bq，m，cq，m}q，m、yt，t＝1，2，...，T，通过经典的维特比算法求解运动轨迹；
S304.重复执行步骤S302～S303交替优化直到轨迹不再被更新；
S305.将信号强度yt，t＝1，2，...，T和运动轨迹xt，t＝1，2，...，T构成无线电地图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311775494.6A CN117768843A (zh) | 2023-12-21 | 2023-12-21 | 一种基于接收信号强度的轨迹恢复及无线电地图构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311775494.6A CN117768843A (zh) | 2023-12-21 | 2023-12-21 | 一种基于接收信号强度的轨迹恢复及无线电地图构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117768843A true CN117768843A (zh) | 2024-03-26 |
Family
ID=90317651
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311775494.6A Pending CN117768843A (zh) | 2023-12-21 | 2023-12-21 | 一种基于接收信号强度的轨迹恢复及无线电地图构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117768843A (zh) |
-
2023
- 2023-12-21 CN CN202311775494.6A patent/CN117768843A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shu et al. | Gradient-based fingerprinting for indoor localization and tracking | |
| US9217788B2 (en) | Location and tracking system | |
| KR102116824B1 (ko) | 딥러닝 기반 측위 시스템 및 이의 구축 방법 | |
| CN110913344B (zh) | 协同目标跟踪系统和方法 | |
| JP4578505B2 (ja) | 無線端末の居場所の予測方法 | |
| CN104469942B (zh) | 一种基于隐马尔科夫模型的室内定位方法 | |
| CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
| CN110933599B (zh) | 一种融合uwb与wifi指纹的自适应定位方法 | |
| Zaidi et al. | Mobility estimation for wireless networks based on an autoregressive model | |
| KR20150035745A (ko) | 라디오 맵의 동적 생성을 위한 시스템, 방법 그리고 컴퓨터 프로그램 | |
| Caballero et al. | A general gaussian-mixture approach for range-only mapping using multiple hypotheses | |
| Esrafilian et al. | Three-dimensional-map-based trajectory design in UAV-aided wireless localization systems | |
| CN108828519B (zh) | 一种基于机器学习的高精度室内可见光定位方法 | |
| CN107607122A (zh) | 面向室内定位的位置指纹库构建和动态更新方法 | |
| JP2007316070A (ja) | 無線端末の居場所の予測方法 | |
| CN113207089A (zh) | 基于csi与众包迁移自校准更新的位置指纹定位方法 | |
| CN102184554B (zh) | 基于激活区域背景感知的红外目标跟踪方法 | |
| Shin et al. | MRI: Model-based radio interpolation for indoor war-walking | |
| CN109141420B (zh) | 一种基于众包数据的室内定位方法 | |
| CN109121081B (zh) | 一种基于位置候选集与em算法的室内定位方法 | |
| Kagi et al. | Localization in wireless sensor networks: A compact review on state-of-the-art models | |
| Xiang et al. | Crowdsourcing-based indoor localization with knowledge-aided fingerprint transfer | |
| Borenović et al. | Positioning in WLAN environment by use of artificial neural networks and space partitioning | |
| Zhang et al. | Kernel-based particle filtering for indoor tracking in WLANs | |
| CN117768843A (zh) | 一种基于接收信号强度的轨迹恢复及无线电地图构建方法 |
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 |