TWI669615B - 行動定位修正之系統與方法 - Google Patents
行動定位修正之系統與方法 Download PDFInfo
- Publication number
- TWI669615B TWI669615B TW107144318A TW107144318A TWI669615B TW I669615 B TWI669615 B TW I669615B TW 107144318 A TW107144318 A TW 107144318A TW 107144318 A TW107144318 A TW 107144318A TW I669615 B TWI669615 B TW I669615B
- Authority
- TW
- Taiwan
- Prior art keywords
- action
- data
- positioning
- location data
- correction
- Prior art date
Links
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
一種行動定位修正之系統與方法,係利用資料接收模組接收基地台從行動裝置取得的行動定位資料,並利用資料修正模組將該行動定位資料輸入至一行動定位修正模型進行修正,以取得準確的行動定位資料。
Description
本發明係有關一種定位修正之技術,尤指一種行動定位修正之系統與方法。
傳統對行動定位資料的修正方式多半是收集行動裝置之訊號強度集合,並將此集合與過去的資料進行比對,並將最為相似的資料之經緯度座標進行加權平均,作為該行動裝置當下的位置資訊,然而利用此種訊號強度分析位置資訊的技術在受到訊號干擾下,容易從過去的資料中找出錯誤的資料來分析,進而造成行動裝置之定位上的誤差。
因此,如何有效提供精確的行動定位資料,即為本發明所要解決之技術問題。
為克服習知技術之缺失,本發明係提供一種行動定位修正之系統,係包括:資料接收模組,係接收行動定位資料,其中,該行動定位資料係為行動信令訊號中的定位資料,而該行動信令訊號係為一行動裝置在開機狀態時與基
地台連線的訊號;以及資料修正模組,係將該行動定位資料輸入至一行動定位修正模型進行修正。
於一實施例中,該資料接收模組係更包括接收GPS定位資料。
於一實施例中,該系統更包括:訓練學習模組,係將該行動定位資料及該GPS定位資料透過機器學習取得該行動定位修正模型,以將該行動定位修正模型提供給該資料修正模組使用。
於一實施例中,該訓練學習模組係將具有相同該基地台識別碼、相同該行動裝置識別資訊及時間差正負預設時間(如1秒)的該行動定位資料及該GPS定位資料進行該機器學習。
於一實施例中,該機器學習係為線性回歸方式。
於一實施例中,該系統更包括:過濾模組,係設定該行動定位資料的服務範圍,接收該資料接收模組所取得的該行動定位資料及該GPS定位資料,以將該GPS定位資料及該服務範圍內的該行動定位資料傳送至該訓練學習模組進行該機器學習。
本發明另提供一種行動定位修正之方法,係包括下列步驟:(1)接收行動定位資料,其中,該行動定位資料係為行動信令訊號中的定位資料,而該行動信令訊號係為一行動裝置在開機狀態時與基地台連線的訊號;以及(2)將該行動定位資料輸入至一行動定位修正模型進行修正。
於一實施例中,該行動定位修正模型的取得方式係包
括下列步驟:(2-1)接收行動定位資料及GPS定位資料;以及(2-2)將該步驟(2-1)中的該行動定位資料及該GPS定位資料透過機器學習取得該行動定位修正模型。
於一實施例中,該步驟(2-2)係將該步驟(2-1)中具有相同該基地台識別碼、相同該行動裝置識別資訊及時間差正負預設時間(如1秒)的該行動定位資料及該GPS定位資料透過該機器學習取得該行動定位修正模型。
於一實施例中,該步驟(2-1)更包括先設定該行動定位資料的服務範圍,以將所接收到位於該服務範圍之外的該行動定位資料過濾掉。
由上述可得知,本發明將行動定位資料與GPS定位資料透過機器學習分析行動定位資料和GPS定位資料的差異,並且修正該差異,進而產生行動定位修正模型,令該行動定位修正模型可對該行動定位資料直接進行該差異的修正,其次,於機器學習前利用過濾模組將異常的行動定位資料過濾掉,進而使機器學習所產生的該行動定位修正模型有更精準的該差異之修正。
1,1’,1”‧‧‧行動定位修正之系統
11‧‧‧資料接收模組
12‧‧‧資料修正模組
13‧‧‧訓練學習模組
14‧‧‧過濾模組
S41~S42,S51~S52,S61~S64‧‧‧步驟
第1圖為本發明之行動定位修正之系統之第一實施例之示意圖;第2圖為本發明之行動定位修正之系統之第二實施例之示意圖;第3圖為本發明之行動定位修正之系統之第三實施例之示意圖;
第4圖為本發明之行動定位修正之方法之第一實施例之步驟流程圖;第5圖為本發明之行動定位修正之方法之第二實施例之步驟流程圖;以及第6圖為本發明之行動定位修正之方法之第三實施例之步驟流程圖。
以下藉由特定的具體實施例說明本發明之實施方式,熟悉此技藝之人士可由本說明書所揭示之內容輕易地瞭解本發明之其他優點及功效。
須知,本說明書所附圖式所繪示之結構、比例、大小等,均僅用以配合說明書所揭示之內容,以供熟悉此技藝之人士之瞭解與閱讀,並非用以限定本發明可實施之限定條件,故不具技術上之實質意義,任何結構之修飾、比例關係之改變或大小之調整,在不影響本發明所能產生之功效及所能達成之目的下,均應仍落在本發明所揭示之技術內容得能涵蓋之範圍內。
請參閱第1圖,係本發明之行動定位修正之系統1之第一實施例之示意圖。該系統係包括:資料接收模組11及與資料接收模組11連接的資料修正模組12。
資料接收模組11係接收行動定位資料,其中,該行動定位資料係為行動信令訊號中的定位資料,而該行動信令訊號係為一行動裝置在開機狀態時與基地台連線的訊號。
資料修正模組12係接收資料接收模組11所取得的該
行動定位資料,並將該行動定位資料輸入至一行動定位修正模型進行修正,以取得修正後的行動定位資料。
於一實施例中,該行動定位資料係由基地台所提供的原始行動定位資料或由第三方的行動定位修正伺服器對基地台所提供的原始行動定位資料進行修正的已修正行動定位資料,但不以此為限。
於一實施例中,該行動定位資料係包含基地台識別碼、行動裝置識別資訊、時間、經度及緯度。
該行動定位修正模型係由線性回歸方式中的多變量回歸模型所取得,該多變量回歸模型之公式係為:y i =β 1 x i1+β 2 x i2+…+β p x ip +ε i ,
其中,Yi為學習目標值,Xij為第j個獨立變數的第i個值,β p為第j個獨立變數的斜率,ε i為實際yi值與直線的誤差或離差。
於本實施例中,Yi係為修正後的行動定位資料,例如經度或緯度,Xij係為該行動定位資料中的經度或緯度,而β p及ε i為已訓練好的參數。
該線性回歸方式依照基地台識別碼產生複數組多變量迴歸模型,其中一組多變量迴歸模型包含:經度=β 1*行動定位資料經度+β 2*行動定位資料緯度+ε 1緯度=β 3*行動定位資料經度+β 4*行動定位資料緯度+ε 2
於一實施例中,將已訓練完的參數β 1=0.9、β 2=0.1、
ε 1=0.001、β 3=0.1、β 4=0.9、ε 2=0.001帶入該組多變量迴歸模型後,即可獲得下列修正模型:經度=0.9*行動定位資料經度+0.4*行動定位資料緯度+0.1緯度=0.01*行動定位資料經度+0.9*行動定位資料緯度+0.2
當資料修正模組12接收到兩個行動裝置所傳送的該行動定位資料時,如下列表1所示,其中,由該行動裝置識別資訊區分不同的行動定位資料。
且提供表1之行動定位資料的行動裝置具有GPS定位
功能,且該GPS定位功能所提的GPS定位資料如下列表2所示。需理解的是,該行動定位資料與該GPS定位資料係為不同的定位方法所取得的定位資料。
將表1中的行動定位資料帶入該修正模型可到如下列表3的已修正行動定位資料。
由表3可知已修正行動定位資料已非常接近表2中的GPS定位資料。
於一實施例中,該行動定位資料及該GPS定位資料中的行動裝置識別資訊係為國際行動用戶識別碼或國際行動設備識別碼,但不以此為限。
請參閱第2圖,係本發明之行動定位修正之系統1’之第二實施例之示意圖。本實施例與第一實施例之差異在於訓練學習模組13,故以下將說明相異處,而不再贅述相同處。
該訓練學習模組13係與該資料接收模組11及該資料修正模組12連接,該資料接收模組11更包括接收GPS定位資料,以令該訓練學習模組13將該資料接收模組11所取得的該行動定位資料及該GPS定位資料透過機器學習取得該行動定位修正模型,並將該行動定位修正模型傳送給該資料修正模組12使用。
該機器學習係為線性迴歸方式中的多變量迴歸模型,輸入之因子為行動定位資料之經度及行動定位資料之緯度,學習目標GPS定位資料之經度及GPS定位資料之緯度,因此多變量迴歸模型的公式可整理如下:經度=β1X1+β2X2+ε1……………………………公式1
緯度=β3 X 1+β4 X 2+ε2……………………………公式2
公式1中,β1、β2、ε1的計算公式分別如下:
公式2中,β3、β4、ε2的計算公式分別如下:
其中,x 1為行動定位資料經度,x 2為行動定位資料緯度,y 1為GPS定位經度,y 2為GPS定位緯度,β1、β2、ε1、β3、β4、ε2即為修正模型參數。
假設該資料接收模組11所接收的該行動定位資料及該GPS定位資料如表4、5所示。
該訓練學習模組13係將具有相同該基地台識別碼、相同該國際行動用戶識別碼及時間差正負預設時間(如1秒)的該行動定位資料及該GPS定位資料進行該機器學習。
因此,表4中的行動定位資料及表5中的GPS定位資料皆需帶入該修正模型參數之公式進行計算可得到如下的修正模型參數:β 1=0.0001/0.00005=2 β 2=0.0005/0.00125=0.4 ε 1=120.19-2*120.095-0.4*24.475=-129.79 β 3=0.0005/0.00005=10 β 4=0.0025/0.00005=50 ε 2=24.95-10*120.095-50*24.475=-2399.75
該些修正模型參數可帶入該公式(1)及(2)即可得到如下的行動定位修正模型:經度=2*行動定位資料經度+0.4*行動定位資料緯度-129.79緯度=10*行動定位資料經度+50*行動定位資料緯度-2399.75
此時,該資料接收模組11將如表6所示新接收到的行動定位資料傳送給該資料修正模組12時,該資料修正模組12即可將表6的行動定位資料之經度及緯度帶入上述β 1=2、β 2=0.4、ε 1=-129.79、β 3=10、β 4=50及ε 2=-2399.75所得的行動定位修正模型中進行修正,最後可取得如表7所示的修正後的行動定位資料。
於一實施例中,行動定位修正模型所欲修正的行動定位資料與該訓練學習模組13進行該機器學習的行動定位資料係具有相同或不同的基地台識別碼,但不以此為限。
請參閱第3圖,係本發明之行動定位修正之系統1”之第三實施例之示意圖。本實施例與第二實施例之差異在於過濾模組14,故以下將說明相異處,而不再贅述相同處。
該過濾模組14係連接該資料接收模組11及該訓練學
習模組13,且該過濾模組14係設定該行動定位資料的服務範圍,以令該過濾模組14接收該資料接收模組11所取得的該行動定位資料及該GPS定位資料,並將位於該服務範圍外之異常行動定位資料過濾掉,進而將該GPS定位資料及該服務範圍內的該行動定位資料傳送至該訓練學習模組13進行該機器學習。
該過濾模組14所設定該行動定位資料的服務範圍係依據基地台經度、緯度、以及距離參數,並以基地台為中心,向外擴展一範圍形成該服務範圍。
於一實施例中,該服務範圍係為圓形、多邊形或扇形,但不以此為限。
請參閱下列表8,係為基地台的基本資料,而表9係為該過濾模組14欲過濾的行動定位資料。
當該過濾模組14以表8的基地台設定該行動定位資料的服務範圍為圓形時,以表8中的基地台識別碼1之基地台座標24.9559,121.16732為中心,服務距離200公尺為半徑,向外擴展一圓形範圍,屬於基地台識別碼1之行動定位資料與基地台距離若超出此範圍,則視為異常行動定位資料。
行動定位資料與基地台距離計算方式可運用圓球體計算公式計算兩位置點間之直線距離,該圓球體計算公式係說明如下:令,λ s ;,λ f 分別代表球面上兩點的經緯度,(s代表中心點的基地台,f代表行動定位資料之行動裝置的位置),△,△λ是兩者差的絕對值,那麼兩點之間的圓心角可由球面餘弦定律所給出:
此兩點間的大圓距離d,即可根據弧長公式得出;
其中,r為球體的半徑,且由於地球為近似球體之立體,因此,將r近似成地球半徑即可計算地球上兩點間的大圓距離d(即該基地台及行動定位資料之位置之間的直線距離),其中,該地球半徑為6,371.009公里。
將表8之基地台識別碼1的經緯度座標值{121.16732,24.9559}和表9中第1筆之行動定位資料的經緯度座標值{121.1673,24.9563}輸入該圓球體計算公式,可以得到兩位置點間的直線距離係45公尺。
將表8之基地台識別碼1的的經緯度座標值{121.16732,24.9559}和表9中第2筆之行動定位資料的經緯度座標值{121.16687,24.95797}輸入該圓球體計算公式,可以得到兩位置點間的直線距離係235公尺。
將表8之基地台識別碼1的的經緯度座標值{121.16732,24.9559}和表9中第3筆之行動定位資料的經緯度座標值{121.16791,24.95515}輸入該圓球體計算公式,可以得到兩位置點間的直線距離係102公尺。
由該圓球體計算公式的計算結果可知,表9中第2筆之行動定位資料之位置與基地台距離因超過服務範圍200公尺,因此,該過濾模組14將表9中第2筆之行動定位資料視為異常行動定位資料過濾掉。
當該過濾模組14以表8的基地台設定該行動定位資料
的服務範圍為多邊形時,以表8中的基地台識別碼1之基地台座標24.9559,121.16732為中心,任意選擇n點距離基地台座標為該基地台服務範圍之座標點,連線成為多邊形,若屬於基地台識別碼1之行動定位資料不在此服務範圍中,則視為異常行動定位資料。
當服務範圍為多邊形時,本實施例係以三角形進行說明,故n值設定為3(其表示為三角形,若n為4則表示為四邊形…),三角形的三個頂點座標分別為{121.16681,24.95763}、{121.16901,24.95684}、{121.16626,24.95437},並利用PNPoly演算法進行定位資料點是否落於範圍內,於範圍內之行動定位資料則視為異常需過濾。
PNPoly的演算法如下:function pnpoly (point, vs) { var x = point[0], y = point[1]; var inside = false; for (var i = 0, j = vs.length - 1; i < vs.length; j = i++) { var xi = vs[i][0], yi = vs[i][1]; var xj = vs[j][0], yj = vs[j][1]; var intersect = ((yi > y) ! = (yj > y)) && (x < (xj - xi) * (y - yi) / (yj - yi) + xi); if (intersect) inside = !inside;
} return inside; };
其中,point為欲判斷的座標點,vs則為各頂點座標。
將表9中第1筆之行動定位資料的經緯度座標值{121.1673,24.9563}和各頂點座標[[121.16681,24.95763],[121.16901,24.95684],[121.16626,24.95437]]帶入pnpoly方法,得到結果為true,表示此行動定位資料為正常。
將表9中第2筆之行動定位資料的經緯度座標值{121.16687,24.95797}和各頂點座標[[121.16681,24.95763],[121.16901,24.95684],[121.16626,24.95437]]帶入pnpoly方法,得到結果為false,表示此行動定位資料為異常。
將表9中第3筆之行動定位資料的經緯度座標值{121.16791,24.95515}和各頂點座標[[121.16681,24.95763],[121.16901,24.95684],[121.16626,24.95437]]帶入pnpoly方法,得到結果為true,表示此行動定位資料為正常。
當該過濾模組14係以表8的基地台設定該行動定位資料的服務範圍為扇形,且欲過濾的對象為表9中的第1及3筆之行動定位資料時。
將行動定位資料及基地台座標依基地台中心平移,平移方式為將表9中的第1及3筆之行動定位資料個別減去表8中的基地台座標值{121.16732,24.9559},平移後可得行
動定位資料座標為{0.00002,0.0004}、{0.00059,-0.00075},基地台中心座標則為{0,0},其中,已知表8中的基地台識別碼1角度為90°且方位角為000°,因此可得知此扇形的兩條邊斜率分別為-1與1。
當行動定位資料座標點與扇形同象限,且斜率介於-1,1之間則表示此行動定位資料落於扇形範圍內,反之則於扇形範圍外,需進行過濾,但不以此為限。
表9中的第1筆之行動定位資料平移後的座標為{0.00002,0.0004}經計算可知斜率為0.5,因斜率不在-1,1之間,故視為異常行動定位資料過濾掉,而表9中的第3筆之行動定位資料平移後的座標{0.00059,-0.00075}與扇形所屬象限不同,故視為異常資料過濾掉。
在本發明之第一~三實施例中,行動定位修正之系統係為一伺服器,且該第一~三實施例之行動定位修正之系統中的各個模組11、12、13或14係為應用程式並儲存在該伺服器的儲存裝置中,以供該伺服器的處理器執行各該模組中的應用程式,但不以此為限。
請參閱第4圖,係本發明之行動定位修正之方法之第一實施例之步驟流程圖。該方法係包括下列執行步驟。
在步驟S41中,令資料接收模組11接收行動定位資料,其中,該行動定位資料係為行動信令訊號中的定位資料,而該行動信令訊號係為一行動裝置在開機狀態時與基地台連線的訊號。
於一實施例中,令資料接收模組11接收的行動定位資
料係如表1所示。
在步驟S42中,令資料修正模組12接收資料接收模組11所取得的該行動定位資料,並將該行動定位資料輸入至一行動定位修正模型進行修正,以取得修正後的行動定位資料。
該步驟S42中的行動定位修正模型係與本發明之行動定位修正之系統之第一實施例一樣,而不再贅述相同處。
請參閱第5圖,係本發明之行動定位修正之方法之第二實施例之步驟流程圖。本實施例與第一實施例之差異在於行動定位修正模型的取得方式,故以下將說明相異處,而不再贅述相同處。
在步驟S51中,令資料接收模組11接收行動定位資料(如表4所示)及GPS定位資料(如表5所示)。
在步驟S52中,令訓練學習模組12將該步驟S51中的該行動定位資料及該GPS定位資料透過機器學習取得該行動定位修正模型。
該步驟S52中的機器學習係與本發明之行動定位修正之系統之第二實施例一樣,而不再贅述相同處。
於一實施例中,令訓練學習模組12將具有相同該基地台識別碼、相同該行動裝置識別資訊及時間差正負預設時間(如1秒)的該行動定位資料及該GPS定位資料透過該機器學習取得該行動定位修正模型。
請參閱第6圖,係本發明之行動定位修正之方法之第三實施例之步驟流程圖。本實施例與第二實施例之差異在
於該行動定位資料在輸入至該行動定位修正模型之前的過濾方式,故以下將說明相異處,而不再贅述相同處。
在步驟S61中,令過濾模組14設定該行動定位資料的服務範圍。
在步驟S62中,令資料接收模組11接收行動定位資料(如表4所示)及GPS定位資料(如表5所示)。
在步驟S63中,令過濾模組14將資料接收模組11將所接收到位於該服務範圍之外的該行動定位資料過濾掉。
在步驟S64中,令訓練學習模組12從過濾模組14接收該GPS定位資料及該服務範圍內的該行動定位資料,以將該GPS定位資料及該服務範圍內的該行動定位資料透過該機器學習取得該行動定位修正模型。
該步驟S61及步驟S63中的過濾模組14所執行的過濾方式係與本發明之行動定位修正之系統之第三實施例一樣,而不再贅述相同處。
由上述可得知,本發明將行動定位資料與GPS定位資料透過機器學習分析行動定位資料和GPS定位資料的差異,並且修正該差異,進而產生行動定位修正模型,令該行動定位修正模型可對該行動定位資料直接進行該差異的修正,其次,於機器學習前利用過濾模組將異常的行動定位資料過濾掉,進而使機器學習所產生的該行動定位修正模型有更精準的該差異之修正。
上述實施例係用以例示性說明本發明之原理及其功效,而非用於限制本發明。任何熟習此項技藝之人士均可
在不違背本發明之精神及範疇下,對上述實施例進行修改。因此本發明之權利保護範圍,應如後述之申請專利範圍所列。
Claims (10)
- 一種行動定位修正之系統,係包括:資料接收模組,係接收行動定位資料,其中,該行動定位資料係為行動信令訊號中的定位資料,而該行動信令訊號係為一行動裝置在開機狀態時與基地台連線的訊號;以及資料修正模組,係將該行動定位資料輸入至一行動定位修正模型進行修正。
- 如申請專利範圍第1項所述之系統,其中,該資料接收模組係更包括接收GPS定位資料。
- 如申請專利範圍第2項所述之系統,更包括:訓練學習模組,係將該行動定位資料及該GPS定位資料透過機器學習取得該行動定位修正模型,以將該行動定位修正模型提供給該資料修正模組使用。
- 如申請專利範圍第3項所述之系統,其中,該訓練學習模組係將具有相同該基地台識別碼、相同該行動裝置識別資訊及時間差正負預設時間的該行動定位資料及該GPS定位資料進行該機器學習,或者,該機器學習係為線性回歸方式。
- 如申請專利範圍第3項所述之系統,更包括:過濾模組,係設定該行動定位資料的服務範圍,接收該資料接收模組所取得的該行動定位資料及該GPS定位資料,以將該GPS定位資料及該服務範圍內的該行動定位資料傳送至該訓練學習模組進行該機器 學習。
- 如申請專利範圍第5項所述之系統,其中,該服務範圍係為圓形、多邊形或扇形。
- 一種行動定位修正之方法,係包括下列步驟:(1)接收行動定位資料,其中,該行動定位資料係為行動信令訊號中的定位資料,而該行動信令訊號係為一行動裝置在開機狀態時與基地台連線的訊號;以及(2)將該行動定位資料輸入至一行動定位修正模型進行修正。
- 如申請專利範圍第7項所述之方法,其中,該行動定位修正模型的取得方式係包括下列步驟:(2-1)接收行動定位資料及GPS定位資料;以及(2-2)將該步驟(2-1)中的該行動定位資料及該GPS定位資料透過機器學習取得該行動定位修正模型。
- 如申請專利範圍第8項所述之方法,其中,該步驟(2-2)係將該步驟(2-1)中具有相同該基地台識別碼、相同該行動裝置識別資訊及時間差正負預設時間的該行動定位資料及該GPS定位資料透過該機器學習取得該行動定位修正模型。
- 如申請專利範圍第8項所述之方法,其中,該步驟(2-1)更包括先設定該行動定位資料的服務範圍,以將所接收到位於該服務範圍之外的該行動定位資料過濾掉。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107144318A TWI669615B (zh) | 2018-12-10 | 2018-12-10 | 行動定位修正之系統與方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107144318A TWI669615B (zh) | 2018-12-10 | 2018-12-10 | 行動定位修正之系統與方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI669615B true TWI669615B (zh) | 2019-08-21 |
TW202022714A TW202022714A (zh) | 2020-06-16 |
Family
ID=68316315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107144318A TWI669615B (zh) | 2018-12-10 | 2018-12-10 | 行動定位修正之系統與方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI669615B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201205106A (en) * | 2010-07-30 | 2012-02-01 | Ibm | Method and system for determining position of moving wireless communication device |
TW201236489A (en) * | 2005-09-27 | 2012-09-01 | Qualcomm Inc | Position location using transmitters with timing offset and phase adjustment |
TW201237452A (en) * | 2011-03-11 | 2012-09-16 | Univ Nat Central | Hybrid indoor positioning method combining signal intensity characteristics matching and position prediction analysis |
TW201425878A (zh) * | 2012-12-19 | 2014-07-01 | Ind Tech Res Inst | 多姿態步距校正定位系統與方法 |
-
2018
- 2018-12-10 TW TW107144318A patent/TWI669615B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201236489A (en) * | 2005-09-27 | 2012-09-01 | Qualcomm Inc | Position location using transmitters with timing offset and phase adjustment |
TW201205106A (en) * | 2010-07-30 | 2012-02-01 | Ibm | Method and system for determining position of moving wireless communication device |
TW201237452A (en) * | 2011-03-11 | 2012-09-16 | Univ Nat Central | Hybrid indoor positioning method combining signal intensity characteristics matching and position prediction analysis |
TW201425878A (zh) * | 2012-12-19 | 2014-07-01 | Ind Tech Res Inst | 多姿態步距校正定位系統與方法 |
Also Published As
Publication number | Publication date |
---|---|
TW202022714A (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11714174B2 (en) | Parameter calibration method and apparatus of multi-line laser radar, device and readable medium | |
CN106793086B (zh) | 一种室内定位方法 | |
CN110764111B (zh) | 雷达坐标与大地坐标的转换方法、装置、系统及介质 | |
CN103426149B (zh) | 大视角图像畸变的校正处理方法 | |
CN103458369B (zh) | 一种基于锚点和位置指纹的WiFi室内定位方法 | |
Lo | Population estimation using geographically weighted regression | |
CN108168554B (zh) | 一种无人机电力巡线系统地图快速规划方法 | |
WO2019126950A1 (zh) | 一种定位方法、云端服务器、终端、系统、电子设备及计算机程序产品 | |
CN112218330B (zh) | 定位方法及通信装置 | |
WO2020093645A1 (zh) | 降低定位穿戴设备功耗的方法、系统、设备及存储介质 | |
JP2014509384A (ja) | 水平角を使用する位置決定 | |
CN110334349B (zh) | 商圈自动命名的方法、装置、计算机设备及存储介质 | |
JP2014029332A (ja) | 磁力計の方位を補正する方法、及び磁力計 | |
CN103499341A (zh) | 一种电杆倾斜测量仪及其使用方法 | |
CN106123819B (zh) | 一种注意力焦点测量方法 | |
CN107588775A (zh) | 一种新型室内定位方法 | |
CN109490728A (zh) | 一种基于正则化的变电站局部放电定位方法 | |
CN108344418A (zh) | 定位导航信息的获取方法及系统 | |
TWI669615B (zh) | 行動定位修正之系統與方法 | |
CN109827573B (zh) | 坐标系的判断方法、系统及应用 | |
CN109975745A (zh) | 一种基于到达时间差的近远场统一定位方法 | |
Zhang et al. | Dual-band wi-fi based indoor localization via stacked denosing autoencoder | |
CN105992239A (zh) | 一种实时定位伪基站的方法、装置和设备 | |
CN110411449B (zh) | 一种航空侦察载荷目标定位方法、系统及终端设备 | |
CN108282737A (zh) | 一种天线调整方法及设备 |