CN1920593A - 一种位置指纹识别定位方法 - Google Patents
一种位置指纹识别定位方法 Download PDFInfo
- Publication number
- CN1920593A CN1920593A CNA2005100366729A CN200510036672A CN1920593A CN 1920593 A CN1920593 A CN 1920593A CN A2005100366729 A CNA2005100366729 A CN A2005100366729A CN 200510036672 A CN200510036672 A CN 200510036672A CN 1920593 A CN1920593 A CN 1920593A
- Authority
- CN
- China
- Prior art keywords
- location
- positioning area
- location fingerprint
- portable terminal
- training
- 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
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种位置指纹识别定位方法，包括确定定位区、辅助区及其名称、范围、位置指纹特征提取、识别定位、训练或再训练；辅助区位于定位区外围、内部、或定位区之间，在需要高精度定位的位置设立定位区，在不需要高精度定位但被定位区覆盖影响其定位精度的位置设立辅助区，定位区和辅助区可增加或取消，位置指纹数据可下载、上传或互相传送；不需要建立庞大的位置指纹数据库，用户可随时随地在需要的地方高精度定位，能够在高、中、低各档次移动终端上实现高精度自主定位，有效保护隐私，基本不增加成本，没有日常定位费用；也可用于基于网络或第三方的定位，既能实现大范围内一般精度的定位，又能实现特定位置的高精度定位，满足各种不同定位精度业务的需求。
Description
技术领域
本发明涉及移动终端定位，特别是涉及无线电传播环境和模式识别的无线电定位方法。
背景技术
无线电定位分为卫星无线电定位和地面无线电定位。卫星无线电定位利用多个卫星实现移动终端定位，地面无线电定位通过测量无线电波从发射机到接收机的传波时间、时间差、信号强度、相位或入射角等参数来实现移动终端定位。
GPS定位精度高，但是需要移动终端配备GPS功能，成本较高，耗电较大，体积较大，一般要求至少接收4颗卫星定位信号。在密集的市区高楼之间，在建筑物内以及在只能见到4颗以下卫星的任何地区，标准的卫星定位一般不起作用。
蜂窝移动通信网小区(CELL-ID)定位简单，覆盖率高，但是它的定位精度与位置区的大小成正比，采用微蜂窝时的定位精度可在100米以内，采用宏蜂窝时的定位精度在3公里到6公里以内。蜂窝移动通信网小区测量定位受多径传播和非视距(NLOS)传播影响严重，在高楼林立的城市地区或者蜂窝基站密度较低的乡村地区，定位精度受到影响。
专利申请号为99118134具有美国专利优先权的中国专利申请公开了一种模式识别定位方法，将蜂窝移动通信网的小区划分成栅格状的子小区，例如将半径为25公里的小区按125米间距划分成40000个方形栅格子小区；将每个子小区的一组射频特征存储在基站或者移动交换机的数据库中；基站或者移动交换机将来自移动终端的一组射频特征和数据库中的每组射频特征比较，射频特征最接近的子小区被识别为移动终端所在的子小区。
专利申请号为200310115431的中国专利申请公开了一种基于网络无线环境的移动通信定位方法，将无线网络划分成像元，像元是移动通信网络覆盖范围内按照精度确定的最小单元区域；在每个像元现场中，网络和移动终端测量接收信号强度、相位，到达时间等特征参数，存储在网络侧的数据库中；在定位时，网络和移动终端测量特征参数，汇总到网络，网络将这些特征参数和数据库中的特征参数比较，特征参数全匹配的像元位置为移动终端所在的位置。
专利申请号为20040259575的美国专利(专利名称为Location DeterminationUsing RF Fingerprinting)应用射频指纹(RF Finger Printing)即接收信号强度、调谐参数等一组射频特征来定位。将蜂窝移动通信服务区划分成栅格，测量每个栅格的射频特征参数，生成数据库；将移动终端测量的射频特征参数和数据库中各栅格的特征参数比较，特征参数最匹配的栅格为移动终端所在的位置。
这些定位方法采用射频特征和模式识别进行定位，优点是避开了无线电波多径传播和非视距传播对无线电测量定位精度的影响，充分利用了无线电波经建筑物和其它障碍物的反射和折射产生与周围环境密切相关的射频特征，提高定位精度。
但是，也存在如下技术问题。首先，在射频指纹定位系统投入实际使用前，必须建立庞大完整的射频指纹数据库，详细记录每个地方每个可分辩最小区域的特征。因此，虽然这些定位方法已经发明多年，但是至今没有成功实施；第二，射频指纹数据库需要不断更新，无线电波传播受建筑物和其它障碍物等周围环境影响很大，需要保持与每个地方无线电波传播环境变化同步，以保证指纹样本的有效性、可靠性和准确性；第三，定位精度受划分的栅格或者像元的大小影响，栅格越大，定位精度越低，不能发挥它的定位优势；栅格越小，定位精度越高，射频指纹数据库越庞大，维护越困难，射频指纹获取越困难，例如进入私人住宅测量射频指纹几乎是不可能的；第四，由于手持移动终端要求体积小，重量轻，成本低，节省电源，计算处理速度和存储器容量等资源非常有限，庞大的射频指纹数据库不能存储在手持移动终端中，不能实现移动终端自主定位，带来了移动终端用户隐私保护和费用开销等问题。
因此，目前的各种定位方法都不能完全适应各种各样的无线电传播环境，在不同的无线电传播环境下所能提供的定位精度不同。由于定位精度低或者成本高或者实施困难等原因，导致许多与位置有关的业务不能实施。例如，基于位置的通信费率，在家里或者办公室等不需要移动的地方，使用移动通信的通信费率可以比需要移动的地方费率低。或者在家里和办公室等有线电话机旁，移动电话可以自动地呼叫转移到该有线电话机，以便得到更优质的通信服务，这些基于位置的业务对移动终端定位的精度要求很高。
发明内容
为了解决现有定位方法存在的以上技术问题，本发明提供一种位置指纹识别定位方法，不需要建立庞大的位置指纹数据库，用户可随时随地在需要的地方高精度定位，即学(训练)即用；位置指纹特征在移动终端定位的同时进行再训练，实现位置指纹特征更新，不需要另行维护；用户根据需要指定定位范围或精度；实现移动终端自主定位，特别是能够在高、中、低各档次的移动终端上实现自主定位，能够有效保护用户隐私，基本不增加移动终端成本，不需要支付日常定位费用；也可用于基于网络或者第三方的定位。
本发明提供的位置指纹识别定位方法，包括以下步骤：
A.确定定位区、辅助区及其范围或者与范围关联的位置指纹识别判决阈值，并生成离开阈值、再训练阈值、训练提示阈值；
B.确定定位区的名称或地理坐标、关联的电子地图；
C.位置指纹特征提取，提取移动终端当前所处位置的位置指纹特征；
D.位置指纹识别定位，确定移动终端当前所在定位区的名称或地理坐标或者不在任何定位区；
E.定位训练或再训练，移动终端首次进入定位区或者辅助区，用户操作开始定位训练，位置指纹特征训练结果保存在该定位区或者辅助区关联的数据中；用户操作结束定位训练或者自动结束定位训练；在每次步骤D定位后，再训练。
辅助区位于一个定位区的外围、内部、或者两个或多个定位区之间，提高与它相邻的定位区的定位精度，缩小与它相邻的定位区的区域范围。
定位区是需要高精度定位的一个区域，例如办公室、会议室、住房里的客厅、卧室、书房等，不同的定位区能够互相区别。由于定位精度的限制，定位的位置总是一个有一定范围的区域，随着定位精度的进一步提高，定位的区域范围可进一步缩小。
辅助区和定位区类似，但是定位区是用户需要高精度定位的一个区域，辅助区不是用户需要高精度定位的区域，它可以是用户需要一般精度定位的区域或者不是用户需要定位的区域，辅助区为与它相邻的定位区提供一种辅助作用，以提高与它相邻的定位区的定位精度，缩小与它相邻的定位区的区域范围。
除定位区需要高精度定位外，其它位置是用户需要一般精度定位的区域或者不是用户需要定位的区域。本发明提供的定位方法，使用位置指纹识别定位实现高精度定位，使用小区(或者扇区)全球标识(CGI)定位等方法实现一般精度定位。
当由用户指定定位区、辅助区的区域范围大小时，通过该区域范围大小自动形成位置指纹识别判决阈值；用户也可以直接指定一个数值作为位置指纹识别判决阈值；范围或阈值的大小可根据实际定位区域范围大小调整。
每个定位区可指定一个名称来标识，该名称与关联的电子地图上的名称一致时，定位区可在电子地图上显示，并通过电子地图自动得到定位区的地理坐标；也可以通过电子地图得到定位区的地理坐标或者根据定位区现场标明的地理坐标来指定定位区的地理坐标，指定定位区地理坐标的目的是能够将定位应用到使用地理坐标的现有各种基于位置的服务中。在许多其它基于位置的服务中，可以不需要地理坐标。和定位区一样，每个辅助区也可以指定一个名称来标识，可指定辅助区的地理坐标、关联的电子地图。
在需要高精度定位的位置设立定位区，在不需要高精度定位但被一个定位区覆盖影响该定位区定位精度的位置设立辅助区。
不同位置的位置指纹特征之间的差异有大有小，例如室内和室外的位置指纹特征之间的差异显著，空旷平地相距不远的不同位置的位置指纹特征之间的差异较小。但是，不同位置的位置指纹特征之间的差异总是存在的。由于具有相近的位置指纹特征的一个区域可能是各种形状的一个区域，通常需要定位的区域是一个规则的区域，例如大楼里边的一个房间，离开这个房间就是离开这个房间的定位区。可是，这个房间门外走廊处的位置指纹特征和这个房间的位置指纹特征比较接近，两个位置指纹特征向量的距离在位置指纹识别判决阈值以内。因此，在这个房间门外走廊处设立一个辅助区，使得门外走廊处属于该辅助区的定位范围，而不属于房间定位区的定位范围，使房间定位区的定位范围缩小，定位精度得到提高。如果这个房间门外走廊处也是一个需要定位的位置，就在该位置设立一个定位区。在这种情况下，对房间定位区而言，不需要在门外走廊处再设立一个辅助区。
通常辅助区位于一个定位区的外围，特别是当这个定位区是一个孤立的定位区时，在该定位区的外围设立一个或多个辅助区，能够提高该定位区的定位精度，缩小定位区范围。当一个定位区内部的一个或多个位置不需要定位时，这些位置已被该定位区的定位范围覆盖，可在这些位置设立一个或多个辅助区。如果两个相邻定位区之间的距离比较远，可以在它们之间设立一个辅助区。被一个定位区的定位范围覆盖的任何位置，不管这些位置是连成一片的还是分离的，如果不需要在这些位置高精度定位，就在这些位置设立一个或者多个辅助区。
定位区和辅助区可以是一个平面区域或者立体空间。步骤A和B用于确定新增加的定位区和辅助区的位置及其信息，定位区和辅助区可随时随地增加或取消，步骤C和D、E循环重复进行。
位置指纹特征是一组无线电波信号强度、相位、相位差、频率、到达时间、到达时间差、入射角及其统计特征参数、时间提前量、功率控制参数、无线信道Rake接收机中各径信号相对时延和相关峰及其统计特征参数、无线信道均衡器中各抽头时延和增益及其统计特征参数、一组发射基站标识、小区或者扇区标识。
无线电波传播受到频率、传播距离、电波极化方式、天线高度、地形、地物、地面及各种散射体与反射体的电特性参数、时间、季节等多种因素的影响。因此，在一个位置接收到的一组无线电波信号强度、相位、相位差、频率、到达时间、到达时间差、入射角及其统计特征参数与该位置及其周围的无线电传播环境密切相关，具有多径传播、非视距传播、不同的电波场强衰减特性等特征。
无线信道Rake接收机用来分离多径扩频信号，对每个路径使用一个相关接收机，各相关接收机与经过延时的本地伪随机码相关，得到各径信号的相对时延和与信号幅度有关的相关峰，各径信号的相对时延和相关峰与接收机所处位置多径传播特征密切相关；无线信道均衡器用来消除由于无线电波多径传播引起的码间干扰，均衡器各抽头时延和增益与接收机所处位置多径传播特征密切相关。多用户检测接收机也进行类似的多径扩频信号分离或者码间干扰均衡。
为了使接收端的信号达到预定的电平，需要控制移动终端的发射功率，功率控制参数与位置有关，不同位置的功率控制参数不同。多数移动通信网络需要功率控制，以便减少干扰，节省电源消耗，特别是第二代和第三代基于CDMA的移动通信网络，通过功率控制减少“远近效应”。但是下行导频频道和广播频道不进行功率控制。因此，一个位置的一组导频频道和广播频道的信号强度及其统计特征可作为该位置的位置指纹特征之一。
一些移动通信网络，例如GSM移动通信网，使用时间提前量，时间提前量与移动终端所处位置有关。在固定基站网络中，对于特定的位置，发射基站标识、小区或者扇区标识基本上是固定的。因此，它们都可以作为一个位置的位置指纹特征。
统计特征参数有观测统计到的概率、条件概率及其分布或者概率密度、均值、方差、协方差等统计特征。
步骤D位置指纹识别定位进一步包括：
D1.比较，移动终端当前所处位置的位置指纹特征与存储的定位区或辅助区的位置指纹特征比较，得到位置指纹特征向量判决值；
D2.识别，位置指纹特征向量最匹配且判决值在该位置的位置指纹识别判决阈值之内的定位区或辅助区为移动终端当前所处位置；特征向量最匹配且判决值在该位置的位置指纹识别判决阈值以外的定位区或辅助区不是移动终端当前所处位置；
或者步骤D位置指纹识别定位进一步包括：
D3.识别前一定位区或辅助区，移动终端当前所处位置的位置指纹特征与在此之前移动终端所处定位区或辅助区的位置指纹特征比较，得到的位置指纹特征向量判决值在该位置的离开阈值之内，该定位区或辅助区仍然为移动终端当前所处位置；
D4.比较，当在步骤D3中的位置指纹特征向量判决值在离开阈值以外，移动终端当前所处位置的位置指纹特征与存储的定位区或辅助区的位置指纹特征比较，得到位置指纹特征向量判决值；
D5.识别，位置指纹特征向量最匹配且判决值在该位置的位置指纹识别判决阈值之内的定位区或辅助区为移动终端当前所处位置；特征向量最匹配且判决值在该位置的位置指纹识别判决阈值以外的定位区或辅助区不是移动终端当前所处位置。
两个位置区(定位区或辅助区)很相近时，在两个位置区可能观测到相同的位置指纹特征，例如相同基站标识相同信道号的相同信号强度的无线电信号。但是，它们在两个位置区出现的概率或者概率密度分布不同。在训练过程中，统计得到观测到的位置指纹特征及其出现的概率或者概率密度分布。
位置指纹识别可使用各种模式识别方法、模糊模式识别方法、人工神经网络模式识别方法，例如Bayes估计、最大似然估计、最小距离分类器、加权最小距离分类器、最近邻分类器、加权最近邻分类器、自适应估计器、非线性分类器等。
位置指纹特征向量的匹配、判决值和判决阈值的具体内容与模式识别方法有关。如果模式识别采用Bayes判别分类法，位置指纹特征向量最匹配是指在该位置出现移动终端当前提取的位置指纹特征的概率最大，判决值是出现的概率大小。可以对每次提取的位置指纹特征进行Bayes判别分类法识别定位，确定移动终端所处位置。
如果模式识别采用最小距离分类器，位置指纹特征向量最匹配是指位置指纹特征向量距离最小，判决值是位置指纹特征向量距离。一种简单的方法是，不计算位置指纹出现的概率，将每次提取的位置指纹特征进行平滑，例如滑动窗口平均或者指数加权平均，然后进行最小距离分类识别定位，确定移动终端所处位置。位置指纹特征向量距离可是两个位置指纹特征向量的明氏(Minkowski)距离、马氏(Mahalanobis)距离等。
位置指纹识别判决可使用多种方法，例如在最小距离分类方法中，一般是按向量距离最小来判决，也可以按向量的各维分量(或者加权后各维分量)差的绝对值的最大值最小来判决。
如果移动终端自主定位，则训练得到的位置指纹特征存储在移动终端，位置指纹识别也在移动终端进行。如果是网络或者第三方定位，则训练得到的位置指纹特征存储在网络或者第三方，位置指纹识别在网络或者第三方进行。
下面以最小距离分类器模式识别方法的向量距离和移动终端自主定位为例来说明。
使用步骤D1和D2，使得每次比较识别后得到的移动终端当前所处位置是它与存储在移动终端中的定位区或辅助区位置指纹特征向量距离最小且满足该位置的位置指纹识别判决阈值或者范围的定位区或辅助区。
使用步骤D3、D4和D5，移动终端当前所处位置优先和它所处前一定位区或辅助区比较，如果两者的位置指纹特征向量距离在该位置的离开阈值之内，则不管它们的位置指纹特征向量距离是否是所有位置指纹特征向量距离中最小的，移动终端仍然在它所处的定位区或辅助区；如果两者的位置指纹特征向量距离在该位置的位置指纹识别判决阈值之外，则移动终端离开它所处的定位区或辅助区；如果两者的位置指纹特征向量距离在该位置的离开阈值之外，但是在该位置的位置指纹识别判决阈值之内，则移动终端是否离开它所处的定位区或辅助区，要由它们的位置指纹特征向量距离是否是所有位置指纹特征向量距离中最小来决定。
因此，使用步骤D3、D4和D5，使得移动终端“不轻易”离开它所处的定位区或辅助区，以便使用更小的判决阈值，使定位区或辅助区的范围更小。
步骤E定位训练或再训练可进一步包括：
E1.再训练，在每次步骤D定位后，位置指纹特征向量判决值在再训练阈值之内，以本次提取的位置指纹特征进行一次再训练；
E2.重新训练，在一个位置的位置指纹特征向量判决值的统计值大于训练提示阈值，提示用户启动定位训练；用户操作结束定位训练或者自动结束定位训练；
E3.多模式训练，一个位置的位置指纹特征按不同模式分别训练；
E4.模式分析和加权系数确定，在定位训练结束后，对保存的位置指纹特征进行模式分析，确定位置指纹特征向量各维分量的加权系数。
再训练阈值比位置指纹识别判决阈值和离开阈值都要小。因此，在每次步骤D定位后，如果位置指纹特征向量判决值在再训练阈值之内，则移动终端处在一个定位区或辅助区，并且可信度大，以本次提取的位置指纹特征进行一次再训练，是对保存的该位置的位置指纹特征的一次微小调整，以便跟踪该位置的实际位置指纹特征的变化。如果位置指纹特征向量判决值在再训练阈值之外，则不进行再训练。
移动终端处于定位区或辅助区时，对每次步骤D的位置指纹特征向量判决值进行统计，当位置指纹特征向量判决值统计结果大于训练提示阈值时，说明保存的位置指纹特征不能很好地反映实际的位置指纹特征，需要用户启动定位训练。
无线电波传播与其周围的环境密切相关，例如在一个房间的门口或窗口处和房间角落处的无线电信号强度有明显差别；人体对无线电信号强度的影响很大，放在腰部和肩部的移动终端接收的无线电信号强度分别比离开人体几个波长距离时降低4-7分贝和1-2分贝。
在一个位置定位训练时，可以将该位置各种情况下的位置指纹特征综合到一组位置指纹特征中。在定位时，需要较大的位置指纹识别判决阈值，以便兼顾到各种情况下提取的位置指纹特征。
多模式训练是将一个位置各种情况下的位置指纹特征分别作为一组位置指纹特征来保存、比较和判决。因此，多模式训练能够降低位置指纹识别判决阈值，提高定位分辨率，多模式训练与辅助区的作用类似。
通过模式特征分析与选取，选择那些在特征向量空间中类间距离大而类内方差小的特征，或者选择特征向量各维分量的加权系数，对特征向量中类间方差大而类内方差小的分量进行加强，对类间方差小而类内方差大的分量进行抑制，提高模式识别分辨率。
模式特征分析与选取有多种方法，在基于样本集合协方差矩阵本征向量的特征变换与排序方法中，本征值大的向量或者向量分量对分类有利；在基于各类模式各维分量样本均值和方差的方法中，均值之间差距越大而方差越小的向量或者向量分量对分类有利；还有散布矩阵准则、散度准则、离散K-L变换等方法。
自动结束定位训练的依据可以是已经训练的时间、样本数、新样本与已训练结果之间的距离大小等。
位置指纹特征数据可从本地或者网络远程下载或上传，或者移动终端之间互相传送。
商业区、车站、旅游景点等一些公共热点地区的位置指纹特征数据，可通过网络等方式下载，实现数据共享和重复利用。
定位区、辅助区可增加或取消，不同定位区或辅助区的范围、形状可以不同。
位置指纹识别判决阈值可以是动态的。
当一个位置(例如两个位置区边界处)的位置指纹特征分别与两个相邻位置区训练存储的位置指纹特征距离相近且在它们的判决阈值之内，定位的位置在两个相邻位置区频繁变动，可通过动态判决阈值克服这种现象。例如，在进入一个位置区之前，该位置区的位置指纹识别判决阈值可以调小一些，进入该位置区后，位置指纹识别判决阈值为正常值，使得该位置“不轻易”进入。
本发明提供的位置指纹识别定位方法，实现了移动终端自主定位，这种定位方法也可用于基于网络或者第三方的定位及跟踪服务。网络服务器收集移动终端所处位置的位置指纹特征，或者移动终端定期将它所处位置的位置指纹特征报告给网络或者第三方，网络服务器或者第三方经过定位训练后，或者在移动终端自主定位的位置指纹特征数据传送给网络服务器或者第三方后，可对移动终端进行定位及跟踪，如果没有经过定位训练，网络服务器或者第三方也可跟踪移动终端重复出现的精确位置和时间。
本发明提供的位置指纹识别定位方法，能够充分利用移动终端已有的一组无线电波信号测量报告、时间提前量、功率控制参数、Rake接收机或均衡器参数、基站标识、小区或者扇区标识，实现较高精度定位。能够在高、中、低各档次的移动终端上实现，对移动终端的处理速度和存储容量要求很低，占用很少资源，可以和基于小区或者扇区标识(CGI)的定位、到达信号场强测量定位(SSOA)、信号到达时间/时间差(TOA/TDOA)等定位方法联合使用，既能实现大范围内的一般精度的定位，又能实现特定位置的高精度定位，满足多种不同定位精度的业务需求。
本发明提供的位置指纹识别定位方法，可用于GSM、CDMA第二代移动通信网、TD-SCDMA、WCDMA、CDMA2000等第三代移动通信网、TETRA和iDEN等制式数字集群移动通信网、PHS(小灵通)和SCDMA(大灵通)等制式的个人通信接入系统(PAS)、WiFi等无线局域网(WLAN)、WiMax等无线城域网(WMAN)、无线本地环路(WLL)、无线广播等各种无线网络中的移动终端立体空间定位。
本发明的有益效果：
本发明提供的位置指纹识别定位方法，对影响无线电定位精度的多径传播和非视距传播加以利用，提高定位精度。不需要建立庞大的位置指纹数据库，用户可随时随地在需要的地方高精度定位；位置指纹特征在移动终端定位的同时进行再训练，实现位置指纹特征自动更新；用户根据需要指定定位范围或精度；实现移动终端自主定位，特别是能够在高、中、低各档次的移动终端上实现自主定位，能够有效保护用户隐私，基本不增加移动终端成本，不需要支付日常定位费用；也可用于基于网络或者第三方的定位。既能实现大范围内的一般精度的定位，又能实现特定位置的高精度定位，满足了各种不同定位精度的业务需求。
具体实施方式
在本实施例中，移动终端自主定位，移动终端为GSM手机，蜂窝移动通信网为GSM网。在网络覆盖范围内，GSM手机总是驻留在一个具有小区全球标识(CGI)的服务小区(或者扇区，下面以小区为例来说明)，并按照GSM标准的规定不断进行小区重选，定期测量报告服务小区和相邻小区广播信道的信号强度、信道号(频率)、发射该信号的基站标识(BSIC)，还提供时间提前量(TA)、小区和系统信息等。
GSM小区全球标识(CGI：Cell Global Identifier)由移动国家号码(MCC)、移动网络号码(MNC)、位置区码(LAC)、蜂窝小区或扇区标识(CI)组成，具有全球唯一性。在本实施例中，采用位置指纹识别来实现高精度定位，采用小区(或者扇区)全球标识来实现一般精度定位；首先通过小区全球标识定位到小区(或者扇区)，小区(或者扇区)内部不同位置由位置指纹来识别，实现了在一般精度定位基础上的高精度定位。模式识别方法采用最小距离分类器，距离是两个位置指纹特征向量的明氏(Minkowski)距离，位置指纹特征向量最匹配是指位置指纹特征向量距离最小，位置指纹识别判决值是位置指纹特征向量距离。
现有办公室和会议室、家里三个地方需要高精度定位。办公室在会议室的隔壁，家里和办公室相距较远，例如200米，具体定位方法如下：
步骤A：在本实施例中，定位区有3个，分别是办公室、会议室、家里。辅助区有5个，分别是办公室左边、会议室右边、办公楼前面、家前面、家后面。办公室、会议室的位置指纹识别判决阈值都是30，家里、办公室左边、会议室右边、办公楼前面、家前面、家后面的位置指纹识别判决阈值都是40，各位置的离开阈值、再训练阈值、训练提示阈值可分别取相应位置指纹识别判决阈值的1/3、1/4、3/4。在本实施例中，特征向量距离和阈值的单位为1/4dBm。
步骤B：确定办公室定位区名称为海滨市海滨路100号202房，会议室定位区名称为海滨市海滨路100号203房，家里定位区名称为海滨市海滨路110号602房，5个辅助区的名称分别为办公室左边、会议室右边、办公楼前面、家前面、家后面。在本实施例中，不需要地理坐标和电子地图显示，因此，可不指定地理坐标和电子地图。
步骤C：在本实施例中，位置指纹特征是移动终端所处位置的小区全球标识(CGI)、服务小区广播信道的信号强度、信道号、基站标识(BSIC)、15个信号强度最强的相邻小区广播信道的信号强度、信道号、基站标识。移动终端定期测量报告它当前所处位置的小区全球标识、服务小区广播信道的信号强度、信道号、基站标识、相邻小区广播信道的信号强度、信道号、基站标识等信息。16个信道中各信道号的信号强度可以分别按滑动窗口平均或者指数加权平均进行平滑。
步骤D：位置指纹识别定位，确定移动终端当前所在定位区的名称。
在各定位区和辅助区第一次定位之前，需要进行步骤E的定位训练，经过定位训练，移动终端中保存了各定位区和辅助区的位置指纹特征。按一定时间间隔，将步骤C提取的移动终端当前所处位置的位置指纹特征和保存的各定位区和辅助区的位置指纹特征按模式识别方法识别定位。
如果两个位置指纹特征向量具有相同的小区全球标识(CGI)，则位置指纹特征向量距离是具有相同信道号和基站标识的两个信号强度差的绝对值之和。在一些情况下，可能接收不到16个信道的信号强度。因此，以信号强度差的绝对值之和的平均值或者加权平均值作为位置指纹特征向量距离即最小距离分类器的判决值，加权系数在步骤E中确定。由于GSM手机按照标准的规定不断进行小区重选，在一个位置上可能在不同时间驻留在不同小区，因此，在一个位置上可能有多组与驻留小区有关的位置指纹特征。
如果在移动终端中保存的各定位区或者辅助区中，找不到移动终端当前所处移动国家号码(MCC)或移动网络号码(MNC)或位置区码(LAC)或者小区或扇区标识(CI)，则移动终端当前所处位置不需要位置指纹识别定位。因此，在这种情况下，不进行位置指纹特征提取和位置指纹识别定位，以便节省电源消耗。
在本实施例中，步骤D位置指纹识别定位进一步包括：
步骤D3：识别前一定位区或辅助区，例如移动终端在此之前所处位置为办公室，如果移动终端当前所处位置的位置指纹特征与办公室的位置指纹特征向量距离小于10，则移动终端当前所处位置仍然为办公室。如果位置指纹特征向量距离大于或等于10，则进行步骤D4和D5。
步骤D4：比较，移动终端当前所处位置的位置指纹特征分别与办公室、会议室、家里、办公室左边、会议室右边、办公楼前面、家前面、家后面各位置的位置指纹特征比较，得到位置指纹特征向量距离。
步骤D5：识别，例如移动终端当前所处位置的位置指纹特征与会议室的位置指纹特征向量距离最小且小于会议室的位置指纹识别判决阈值30，判决移动终端当前所处位置为会议室。
步骤E：定位训练或再训练。例如移动终端首次进入办公室定位，在定位之前，用户操作移动终端开始定位训练，移动终端捕捉办公室所有小区全球标识及其服务小区广播信道的信号强度、信道号、基站标识、15个信号强度最强的相邻小区广播信道的信号强度、信道号、基站标识。16个信道中各信道号的信号强度分别按滑动窗口平均或者指数加权平均进行平滑，这些位置指纹特征保存在“办公室”关联的数据中，用户操作移动终端结束定位训练。
步骤E可进一步包括：
步骤E1：再训练，在每次步骤D定位后，例如在办公室定位区，如果位置指纹特征向量距离小于7，则本次提取的16个信道中各信道号的信号强度和已保存在“办公室”中的相同小区全球标识相同信道号的信号强度分别按指数加权平均，实现对保存的位置指纹特征的一次微小调整，以便跟踪实际位置指纹特征的变化。
步骤E2：重新训练，例如在办公室定位区，如果位置指纹特征向量距离平均值大于训练提示阈值22，则提示用户启动定位训练。
步骤E3：多模式训练，例如在办公室定位区，第一种模式是手持手机或者手机放在办公桌上，第二种模式是将手机放在口袋里，两种模式分别训练，得到两组位置指纹特征。
步骤E4：模式分析和加权系数确定，在本实施例中，采用基于各类模式中各维分量样本均值和方差的方法，例如办公室和会议室两个定位区的位置指纹特征中16个信道的信号强度向量距离比较小，可通过模式分析和系数加权增大它们的距离。设在训练中得到的办公室和会议室两个定位区的16个信道中第k个信号强度的样本均值分别为mbk、mhk，方差分别为σbk、σhk，它们的信道号相同，利用准则函数：
Gk＝(mbk-mhk)2/(σ2 bk+σ2 hk)，k＝1，2，3，…，16
将{Gk，k＝1，2，3，……，16}按大小顺序排列，使Gk越大的信道号的信号强度的加权系数越大。
在定位训练结束后，位置指纹特征数据可上传到网络或者PC机备份，或者在移动终端之间互相传送。在一个位置定位训练结束后，可立即进入该位置进行定位，可以随时随地增加新的定位区或辅助区，并对它们训练。因此，具有即学(训练)即用的特点。在本实施例中，最小距离分类器的计算量和存储量都很小。
Claims (9)
1、一种位置指纹识别定位方法，其特征在于包括以下步骤：
A.确定定位区、辅助区及其范围或者与范围关联的位置指纹识别判决阈值，并生成离开阈值、再训练阈值、训练提示阈值；
B.确定定位区的名称或地理坐标、关联的电子地图；
C.位置指纹特征提取，提取移动终端当前所处位置的位置指纹特征；
D.位置指纹识别定位，确定移动终端当前所在定位区的名称或地理坐标或者不在任何定位区；
E.定位训练或再训练，移动终端首次进入定位区或者辅助区，用户操作开始定位训练，位置指纹特征训练结果保存在该定位区或者辅助区关联的数据中；用户操作结束定位训练或者自动结束定位训练；在每次步骤D定位后，再训练。
2、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于辅助区位于一个定位区的外围、内部、或者两个或多个定位区之间，提高与它相邻的定位区的定位精度，缩小与它相邻的定位区的区域范围。
3、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于在需要高精度定位的位置设立定位区，在不需要高精度定位但被一个定位区覆盖影响该定位区定位精度的位置设立辅助区。
4、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于位置指纹特征是一组无线电波信号强度、相位、相位差、频率、到达时间、到达时间差、入射角及其统计特征参数、时间提前量、功率控制参数、无线信道Rake接收机中各径信号相对时延和相关峰及其统计特征参数、无线信道均衡器中各抽头时延和增益及其统计特征参数、一组发射基站标识、小区或者扇区标识。
5、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于所述步骤D位置指纹识别定位进一步包括：
D1.比较，移动终端当前所处位置的位置指纹特征与存储的定位区或辅助区的位置指纹特征比较，得到位置指纹特征向量判决值；
D2.识别，位置指纹特征向量最匹配且判决值在该位置的位置指纹识别判决阈值之内的定位区或辅助区为移动终端当前所处位置；特征向量最匹配且判决值在该位置的位置指纹识别判决阈值以外的定位区或辅助区不是移动终端当前所处位置；
或者步骤D位置指纹识别定位进一步包括：
D3.识别前一定位区或辅助区，移动终端当前所处位置的位置指纹特征与在此之前移动终端所处定位区或辅助区的位置指纹特征比较，得到的位置指纹特征向量判决值在该位置的离开阈值之内，该定位区或辅助区仍然为移动终端当前所处位置；
D4.比较，当在步骤D3中的位置指纹特征向量判决值在离开阈值以外，移动终端当前所处位置的位置指纹特征与存储的定位区或辅助区的位置指纹特征比较，得到位置指纹特征向量判决值；
D5.识别，位置指纹特征向量最匹配且判决值在该位置的位置指纹识别判决阈值之内的定位区或辅助区为移动终端当前所处位置；特征向量最匹配且判决值在该位置的位置指纹识别判决阈值以外的定位区或辅助区不是移动终端当前所处位置。
6、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于所述步骤E定位训练或再训练可进一步包括：
E1.再训练，在每次步骤D定位后，位置指纹特征向量判决值在再训练阈值之内，以本次提取的位置指纹特征进行一次再训练；
E2.重新训练，在一个位置的位置指纹特征向量判决值的统计值大于训练提示阈值，提示用户启动定位训练；用户操作结束定位训练或者自动结束定位训练；
E3.多模式训练，一个位置的位置指纹特征按不同模式分别训练；
E4.模式分析和加权系数确定，在定位训练结束后，对保存的位置指纹特征进行模式分析，确定位置指纹特征向量各维分量的加权系数。
7、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于位置指纹特征数据可从本地或者网络远程下载或上传，或者移动终端之间互相传送。
8、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于定位区、辅助区可增加或取消，不同定位区或辅助区的范围、形状可以不同。
9、根据权利要求1所述的一种位置指纹识别定位方法，其特征在于位置指纹识别判决阈值可以是动态的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2005100366729A CN1920593A (zh) | 2005-08-25 | 2005-08-25 | 一种位置指纹识别定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2005100366729A CN1920593A (zh) | 2005-08-25 | 2005-08-25 | 一种位置指纹识别定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1920593A true CN1920593A (zh) | 2007-02-28 |
Family
ID=37778353
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2005100366729A Pending CN1920593A (zh) | 2005-08-25 | 2005-08-25 | 一种位置指纹识别定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1920593A (zh) |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329723B (zh) * | 2008-08-04 | 2010-06-02 | 南京理工大学 | 指纹核心点快速鲁棒定位方法 |
| CN102082996A (zh) * | 2009-12-01 | 2011-06-01 | 北京邮电大学 | 自主定位移动终端及方法 |
| CN102186239A (zh) * | 2011-04-13 | 2011-09-14 | 福建星网锐捷网络有限公司 | 射频指纹定位方法、装置及网络设备 |
| CN102209380A (zh) * | 2011-04-21 | 2011-10-05 | 为一智联(北京)科技有限公司 | 基于gsm基站bsic信息的移动终端定位方法 |
| CN102271397A (zh) * | 2011-09-09 | 2011-12-07 | 上海聚美物联网科技有限公司 | 基于wifi网络的定位系统与方法 |
| CN102348160A (zh) * | 2011-07-15 | 2012-02-08 | 中国电信股份有限公司 | 基于多模信号的定位方法与系统、定位平台 |
| WO2012058960A1 (zh) * | 2010-11-05 | 2012-05-10 | 中兴通讯股份有限公司 | 一种移动终端的定位方法及装置 |
| CN102638888A (zh) * | 2012-03-19 | 2012-08-15 | 华中科技大学 | 基于信号统计的室内定位指纹分组方法 |
| CN103369669A (zh) * | 2012-03-30 | 2013-10-23 | 北京千橡网景科技发展有限公司 | 用于移动终端的无线定位方法和设备 |
| CN103533640A (zh) * | 2013-10-10 | 2014-01-22 | 东南大学 | 无线定位识别系统、定位识别方法和定位终端的出厂方法 |
| CN103581831A (zh) * | 2013-10-12 | 2014-02-12 | 上海交通大学 | 基于WiFi以及移动终端的室内定位算法 |
| CN103581830A (zh) * | 2012-11-26 | 2014-02-12 | 华平信息技术股份有限公司 | 基于wsn的室内定位方法 |
| CN104020443A (zh) * | 2014-05-23 | 2014-09-03 | 上海炫雅科技有限公司 | 基于无线噪声的无线定位方法及系统 |
| CN104904287A (zh) * | 2013-03-13 | 2015-09-09 | 华为技术有限公司 | 用于定位无线设备的系统和方法 |
| CN104965190A (zh) * | 2015-05-21 | 2015-10-07 | 湘潭大学 | 基于位置指纹的轴向解耦室内定位方法 |
| CN105203994A (zh) * | 2015-09-24 | 2015-12-30 | 深圳市金溢科技股份有限公司 | 一种电子标签定位方法、装置、服务器及系统 |
| US9532184B2 (en) | 2013-01-31 | 2016-12-27 | Apple Inc. | Survey techniques for generating location fingerprint data |
| CN106793070A (zh) * | 2016-11-28 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于加强深度神经网络的WiFi定位方法及服务器 |
| CN103747525B (zh) * | 2014-01-26 | 2017-10-24 | 林汉忠 | 一种基于移动通信网络的复合定位系统 |
| WO2017206553A1 (zh) * | 2016-05-31 | 2017-12-07 | 大唐移动通信设备有限公司 | 一种定位方法及装置 |
| CN108718254A (zh) * | 2018-05-14 | 2018-10-30 | 中国联合网络通信有限公司湖北省分公司 | 地铁室内分布系统故障定位方法及系统 |
| CN108966341A (zh) * | 2017-05-27 | 2018-12-07 | 中国移动通信有限公司研究院 | 一种定位方法和定位装置 |
| CN109255926A (zh) * | 2017-07-12 | 2019-01-22 | 北京金坤科创技术有限公司 | 智能高空坠落报警装置 |
| US11388550B2 (en) * | 2017-08-11 | 2022-07-12 | Huawei Technologies Co., Ltd. | Positioning method and apparatus |
| CN116665329A (zh) * | 2023-05-22 | 2023-08-29 | 中华人民共和国公安部特勤局 | 队伍管理中应用的考勤系统打卡方法及考勤服务器 |
-
2005
- 2005-08-25 CN CNA2005100366729A patent/CN1920593A/zh active Pending
Cited By (38)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101329723B (zh) * | 2008-08-04 | 2010-06-02 | 南京理工大学 | 指纹核心点快速鲁棒定位方法 |
| CN102082996A (zh) * | 2009-12-01 | 2011-06-01 | 北京邮电大学 | 自主定位移动终端及方法 |
| WO2012058960A1 (zh) * | 2010-11-05 | 2012-05-10 | 中兴通讯股份有限公司 | 一种移动终端的定位方法及装置 |
| CN102186239A (zh) * | 2011-04-13 | 2011-09-14 | 福建星网锐捷网络有限公司 | 射频指纹定位方法、装置及网络设备 |
| CN102186239B (zh) * | 2011-04-13 | 2014-01-22 | 福建星网锐捷网络有限公司 | 射频指纹定位方法、装置及网络设备 |
| CN102209380A (zh) * | 2011-04-21 | 2011-10-05 | 为一智联(北京)科技有限公司 | 基于gsm基站bsic信息的移动终端定位方法 |
| CN102348160A (zh) * | 2011-07-15 | 2012-02-08 | 中国电信股份有限公司 | 基于多模信号的定位方法与系统、定位平台 |
| CN102348160B (zh) * | 2011-07-15 | 2014-01-22 | 中国电信股份有限公司 | 基于多模信号的定位方法与系统、定位平台 |
| CN102271397A (zh) * | 2011-09-09 | 2011-12-07 | 上海聚美物联网科技有限公司 | 基于wifi网络的定位系统与方法 |
| CN102638888B (zh) * | 2012-03-19 | 2014-07-23 | 华中科技大学 | 基于信号统计的室内定位指纹分组方法 |
| CN102638888A (zh) * | 2012-03-19 | 2012-08-15 | 华中科技大学 | 基于信号统计的室内定位指纹分组方法 |
| CN103369669A (zh) * | 2012-03-30 | 2013-10-23 | 北京千橡网景科技发展有限公司 | 用于移动终端的无线定位方法和设备 |
| CN103581830B (zh) * | 2012-11-26 | 2016-12-21 | 华平信息技术股份有限公司 | 基于wsn的室内定位方法 |
| CN103581830A (zh) * | 2012-11-26 | 2014-02-12 | 华平信息技术股份有限公司 | 基于wsn的室内定位方法 |
| CN104956236B (zh) * | 2013-01-31 | 2017-06-23 | 苹果公司 | 用于生成位置指纹数据的调查技术 |
| US9532184B2 (en) | 2013-01-31 | 2016-12-27 | Apple Inc. | Survey techniques for generating location fingerprint data |
| CN104904287A (zh) * | 2013-03-13 | 2015-09-09 | 华为技术有限公司 | 用于定位无线设备的系统和方法 |
| CN104904287B (zh) * | 2013-03-13 | 2019-07-12 | 华为技术有限公司 | 用于定位无线设备的系统和方法 |
| CN103533640A (zh) * | 2013-10-10 | 2014-01-22 | 东南大学 | 无线定位识别系统、定位识别方法和定位终端的出厂方法 |
| CN103533640B (zh) * | 2013-10-10 | 2016-04-20 | 东南大学 | 无线定位识别系统、定位识别方法和定位终端的出厂方法 |
| CN103581831A (zh) * | 2013-10-12 | 2014-02-12 | 上海交通大学 | 基于WiFi以及移动终端的室内定位算法 |
| CN103581831B (zh) * | 2013-10-12 | 2017-01-11 | 上海交通大学 | 基于WiFi以及移动终端的室内定位方法 |
| CN103747525B (zh) * | 2014-01-26 | 2017-10-24 | 林汉忠 | 一种基于移动通信网络的复合定位系统 |
| CN104020443A (zh) * | 2014-05-23 | 2014-09-03 | 上海炫雅科技有限公司 | 基于无线噪声的无线定位方法及系统 |
| CN104965190A (zh) * | 2015-05-21 | 2015-10-07 | 湘潭大学 | 基于位置指纹的轴向解耦室内定位方法 |
| CN105203994A (zh) * | 2015-09-24 | 2015-12-30 | 深圳市金溢科技股份有限公司 | 一种电子标签定位方法、装置、服务器及系统 |
| CN105203994B (zh) * | 2015-09-24 | 2018-05-22 | 深圳市金溢科技股份有限公司 | 一种电子标签定位方法、装置、服务器及系统 |
| WO2017206553A1 (zh) * | 2016-05-31 | 2017-12-07 | 大唐移动通信设备有限公司 | 一种定位方法及装置 |
| US10631132B2 (en) | 2016-05-31 | 2020-04-21 | Datang Mobile Communications Equipment Co., Ltd. | Positioning method and device |
| CN106793070A (zh) * | 2016-11-28 | 2017-05-31 | 上海斐讯数据通信技术有限公司 | 一种基于加强深度神经网络的WiFi定位方法及服务器 |
| CN108966341A (zh) * | 2017-05-27 | 2018-12-07 | 中国移动通信有限公司研究院 | 一种定位方法和定位装置 |
| CN108966341B (zh) * | 2017-05-27 | 2021-04-27 | 中国移动通信有限公司研究院 | 一种定位方法和定位装置 |
| CN109255926A (zh) * | 2017-07-12 | 2019-01-22 | 北京金坤科创技术有限公司 | 智能高空坠落报警装置 |
| US11388550B2 (en) * | 2017-08-11 | 2022-07-12 | Huawei Technologies Co., Ltd. | Positioning method and apparatus |
| US11917494B2 (en) | 2017-08-11 | 2024-02-27 | Huawei Technologies Co., Ltd. | Positioning method and apparatus |
| CN108718254A (zh) * | 2018-05-14 | 2018-10-30 | 中国联合网络通信有限公司湖北省分公司 | 地铁室内分布系统故障定位方法及系统 |
| CN108718254B (zh) * | 2018-05-14 | 2021-05-28 | 中国联合网络通信有限公司湖北省分公司 | 地铁室内分布系统故障定位方法及系统 |
| CN116665329A (zh) * | 2023-05-22 | 2023-08-29 | 中华人民共和国公安部特勤局 | 队伍管理中应用的考勤系统打卡方法及考勤服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1920593A (zh) | 一种位置指纹识别定位方法 | |
| Otsason et al. | Accurate GSM indoor localization | |
| Moghtadaiee et al. | Indoor localization using FM radio signals: A fingerprinting approach | |
| CN102065432B (zh) | 一种基于传播模型的网络覆盖修正方法及系统 | |
| Popleteev et al. | Investigation of indoor localization with ambient FM radio stations | |
| Lui et al. | Differences in RSSI readings made by different Wi-Fi chipsets: A limitation of WLAN localization | |
| Popleteev | Indoor positioning using FM radio signals | |
| Yeh et al. | A study on outdoor positioning technology using GPS and WiFi networks | |
| Agiwal et al. | LOCATOR: location estimation system For wireless LANs | |
| US20040203905A1 (en) | Method and system for determining the speed and distance of a mobile unit | |
| Della Rosa et al. | Human‐Induced Effects on RSS Ranging Measurements for Cooperative Positioning | |
| Ding et al. | Efficient indoor fingerprinting localization technique using regional propagation model | |
| ur Rehman et al. | CILoS: A CDMA indoor localization system | |
| CN109348501B (zh) | 基于lte信号的室内外区分方法 | |
| Ma et al. | LTE user equipment RSRP difference elimination method using multidimensional scaling for LTE fingerprint-based positioning system | |
| Smit et al. | An analysis of base station location accuracy within mobilecellular networks | |
| Zhou et al. | Enhancing indoor positioning accuracy by utilizing signals from both the mobile phone network and the wireless local area network | |
| Moghtadaiee et al. | Indoor positioning based on fm signals and wi-fi signals | |
| Mondal et al. | An efficient grid-based RF fingerprint positioning algorithm for user location estimation in heterogeneous small cell networks | |
| Gundegård et al. | Cellular positioning using fingerprinting based on observed time differences | |
| Oluwafemi et al. | Propagation profile and signal strength variation of VHF signal in Ekiti State Nigeria | |
| Li et al. | Outdoor location estimation in changeable environments | |
| Khalaf-Allah et al. | Mobile location in GSM networks using database correlation with bayesian estimation | |
| Farid et al. | Leveraging existing WLAN infrastructure for wireless indoor positioning based on fingerprinting and clustering technique | |
| Qiu et al. | Physical pseudo random function in radio frequency sources for security |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| DD01 | Delivery of document by public notice |
Addressee: Liao Riping Document name: Notification that Application Deemed to be Withdrawn |
|
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20070228 |