CN102880673A - 一种室内定位方法 - Google Patents
一种室内定位方法 Download PDFInfo
- Publication number
- CN102880673A CN102880673A CN2012103321908A CN201210332190A CN102880673A CN 102880673 A CN102880673 A CN 102880673A CN 2012103321908 A CN2012103321908 A CN 2012103321908A CN 201210332190 A CN201210332190 A CN 201210332190A CN 102880673 A CN102880673 A CN 102880673A
- Authority
- CN
- China
- Prior art keywords
- points
- neighbor
- neighbor points
- reference point
- point
- 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
- Collating Specific Patterns (AREA)
Abstract
本发明公开了一种室内定位方法,包括步骤:建立参考点的RSS指纹数据库;求每个参考点的K近邻点,并建立近邻点数据库;求待定位点的K近邻点,然后从近邻点数据库中找出这K个近邻点的近邻点中重复最多的n个近邻点;对得到的待定位点的K个近邻点和它的近邻点的n个近邻点的坐标加权求和,得到待定位点估计坐标。本发明的方法建立所有参考点的近邻点数据库,使得原本只是待定位点与参考点之间单一的关系,拓展为待定位点与参考点和待定位点的近邻点与其他参考点之间的网状关系,充分挖掘利用了RSS指纹数据库中有用的信息,有效避免了非视距传输效应、多径传播效应和RSS衰减规律异常的情况下对定位精度的影响。
Description
技术领域
本发明是模式识别领域内的一种室内定位方法,具体涉及到基于K近邻的近邻点数据库的室内定位方法。
背景技术
室内定位技术在商业、公共安全等方面的应用前景非常广阔,是现今研究的热点技术之一。在商业应用上,室内定位***可以用来跟踪定位有特殊需求的人、远离视线监管的小孩,给盲人导航,在医院内定位需要用到的仪器设备,大型仓库中的调度等;在公共安全方面,室内定位***可以用来跟踪监狱犯人,导航警察、消防员等以完成他们在室内的任务。
现阶段常用的室内定位方法一般分为基于基础设施和无基础设施。基于基础设施的方法有的是在通信节点上安装红外或超声波传感器,例如Active Badge和Cricket***。但由于传输距离和视距的限制,这种***使用范围很有限,而且定位精度依赖节点密集度。另外还有的基于基础设施的使用测角度的传感器阵列和高精度的定时器,例如到达角度定位(Angle ofArrival,AOA),到达时间定位(Time ofArrival,TOA)等方法,这类方法的定位***造价昂贵,而且定位精度往往不理想。无基础设施的方法就是直接使用定位节点通信使用的射频信号强度RSS定位。传统的RSS定位方式一般使用距离-损耗模型,在多径传播效应,以及信号衰减规律异常复杂的室内环境下,精度很不稳定。基于RSS指纹数据库的定位方法,可有效避免多径和障碍物等对定位精度的影响并且降低了定位算法复杂度。
RSS(Received Signal Strength)指纹数据库定位方法主要分为RSS指纹数据库建立阶段和定位阶段。RSS指纹数据库建立阶段,首先选择定位***覆盖范围内参考点的位置,然后记录各参考点位置处接收到的各信标节点的RSS值,将这些值组成该参考点特有的RSS向量,存入数据库。定位阶段,将待定位点处测得的RSS向量与RSS指纹数据库中的进行匹配,根据匹配结果,估算出待定位点的位置。基于RSS指纹数据库典型的方法有最近邻法、K近邻法等,但它们只是匹配得到待定位点与数据库中各参考点之间的单一的关系,得到最近邻点或K近邻点,忽略了更深层次的近邻点与近邻点、近邻点与其他参考点之间的关系,没有对RSS指纹数据库中的有用信息进行更进一步的发掘和利用,定位精度很难有更进一步的提高。
发明内容
本发明的目的是为了解决现有的RSS指纹数据库定位方法存在的上述问题,提出了一种室内定位方法。
本发明的技术方案为:一种室内定位方法,具体包括如下步骤:
步骤一、建立参考点的RSS指纹数据库;
步骤二、求每个参考点的K近邻点,并建立近邻点数据库;
步骤三、求待定位点的K近邻点,然后从近邻点数据库中找出这K个近邻点的近邻点中重复最多的n个近邻点;
步骤四、对步骤三得到的待定位点的K个近邻点以及K个近邻点的n个近邻点的坐标加权求和,得到待定位点的估计坐标。
本发明的有益效果:本发明的室内定位方法首先建立RSS指纹数据库,然后在K近邻算法的基础上建立所有参考点的近邻点数据库,使得原本只是待定位点与参考点之间单一的关系,拓展为待定位点与参考点和待定位点的近邻点与其他参考点之间的网状关系;本发明的方法在RSS指纹数据库的基础上,利用K近邻算法构造一个参考点的近邻点数据库,这样在定位运算时便可建立一种待定位点与参考点和待定位点的近邻点和其他参考点之间的网状关系,充分挖掘利用了RSS指纹数据库中有用的信息,在有效避免了由于非视距传输效应、多径传播效应和RSS衰减规律异常的情况下对定位精度的影响的同时,也找出了更多在物理位置上聚拢于待定位点的参考点。
附图说明
图1为本发明方法的实施过程流程图。
图2为本发明实验场地平面图,其中,BN1-BN7为信标节点位置。
图3为本发明方法处理得到的聚拢于待定位点的参考点,其中编号8为待定位点位置,3,5,20为K近邻算法得到的3个近邻点,4,7,9,10,14,2为3个近邻点的近邻点中重复次数最多的6个参考点。
图4为本发明的方法和K近邻算法的误差累积比较图。
具体实施方式
下面结合附图和具体实施例对本发明具体实施方案做进一步的说明。
本发明首先建立RSS指纹数据库,然后在K近邻算法的基础上,构造一个参考点的近邻点数据库,这样在定位运算时便可建立一种待定位点与参考点和待定位点的近邻点和其他参考点之间的网状关系,充分挖掘利用了RSS指纹数据库中有用的信息。
K近邻算法的基本思想是:在给定实例后,根据与该实例的相似度在训练样本集中选取与该新实例距离最近(最相似)的K个样本(参考点),然后由着K个样本进行新实例的值的判定。本发明的方法假定所有的实例对应于多为空间中的点,在该空间中任意一个实例x可以表示为如下的特征向量:<a1(x),a2(x),a3(x),…,an(x)> (1)
其中,ar(x)表示实例的第r个属性值,任意两个实例pi和pj之间的相似度可用向量相似度公式计算,表示为d(pi,pj)。
本方法采用如式(2)的Jffreys&Matusita距离公式:
该公式是在欧式距离(Euclidean)的基础上,放大了较小元素的误差的作用,对欧式距离有所修正,计算出相似度后,与新实例的K个最近邻的选取就依照此相似度进行判定。
本发明的基于K近邻的近邻点数据库的室内定位方法的数据库建立方法如下:
步骤一、建立RSS指纹数据库:
具体过程为:采集室内参考点处的RSS数据,对每个参考点处在一段时间内采集到的数据平均处理,得到每个参考点处的RSS平均值向量,进而可以建立RSS指纹数据库。
如表1所示,是RSS指纹数据库的数据组织方式。表1中每一列为同一个信标节点到待定位节点的RSS值,每一行是同一个参考点接收的各信标节点到待定位节点的RSS值。
表1
序号 | RSS1 | RSS2 | RSS3 | RSS4 | RSS5 | RSS6 | RSS7 |
1 | 24.4027 | 20.0940 | 15.0000 | 23.6577 | 12.7718 | 17.0805 | 18.4899 |
2 | 20.6783 | 18.7130 | 12.6609 | 24.4609 | 11.1913 | 18.5652 | 19.6174 |
3 | 16.0112 | 15.5506 | 12.1348 | 20.9663 | 11.6629 | 14.2135 | 12.6067 |
4 | 20.3143 | 19.8857 | 14.0857 | 20.0143 | 8.5571 | 16.3286 | 16.6143 |
... | ... | ... | ... | ... | ... | ... | ... |
步骤二、求每个参考点的K近邻点,并建立近邻点数据库:
利用K近邻算法计算出选择的所有参考点的K个近邻点,进而可以建立近邻点数据库,这里建立如表2的数据关系。
表2
序号 | rfp1 | rfp2 | rfp3 | rfp4 | rfp5 | rfp6 | rfp7 | rfp8 | rfp9 |
1 | 8 | 2 | 6 | 7 | 15 | 4 | 17 | 14 | 18 |
2 | 7 | 1 | 8 | 15 | 13 | 4 | 17 | 14 | 18 |
3 | 14 | 7 | 13 | 10 | 17 | 9 | 4 | 18 | 71 |
4 | 9 | 13 | 2 | 8 | 12 | 1 | 14 | 10 | 17 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
表2中每一行是每个参考点的9个近邻点,每一行的整数代表作为各参考点的近邻点的参考点序号。每一列从左到右依次按各参考点与各近邻点的相似度由大到小排列。
在做好建立好数据库等前期准备后,下面将举一个具体实例。本实例的实验环境如图2所示,是一个有五个房间和一个走廊的大小为17mX12m的室内环境,共设置了7个信标节点(BeaconNode,BN),位置如图2所示。分别在房间1,2,3,4和走廊布置了网状分布的78个参考点,参考点之间的距离为1.8m。
在本实例中,取待定位点数据向量<8,11,11,27,11,5,17>做具体实施说明。
步骤三是:求待定位点的K近邻点,然后从近邻点数据库中找出这K个近邻点的近邻点中重复最多的n个近邻点。这里得到的K个近邻点以及K个近邻点中的n个近邻点作为参考点,即待定位点的参考点数目为K+n,这里的n可以根据实际情况进行选择。
如图3,由K近邻算法得到待定位点的K(本实例取K为3)个近邻点,分别为参考点3,5,20。它们在近邻点数据库中的数据如表三所示,参考点3,5,20的在近邻点数据库中重复次数最多的n(本实例取n为6)个近邻点分别是参考点4,7,9,10,14,2,它们的重复次数分别为3,3,3,3,3,2。
可以看出纳入参考点3,5,20的近邻点4,7,9,10,14,2后,这些点大部分都在待定位点周围的点8的周围。
表3
序号 | rfp1 | rfp2 | rfp3 | rfp4 | rfp5 | rfp6 | rfp7 | rfp8 | rfp9 | rfp10 |
1 | 5 | 14 | 7 | 13 | 10 | 17 | 9 | 4 | 18 | 71 |
2 | 9 | 10 | 3 | 20 | 4 | 7 | 14 | 25 | 13 | 2 |
3 | 25 | 14 | 9 | 10 | 7 | 5 | 4 | 15 | 2 | 3 |
步骤四是:对步骤三得到的待定位点的K个近邻点以及K个近邻点中重复最多的n个近邻点的坐标加权求和,得到待定位点估计坐标。
具体过程如下:这里具体采用向量间相似度进行计算,可以根据式(2)分别计算待定位点与K个近邻点以及K个近邻点的n个近邻点的RSS向量相似度,以相似度作为权重衡量标准,然后利用得到的向量相似度根据式(3)计算出K个近邻点以及K个近邻点的n个近邻点坐标的权值wi,最后根据式(4)计算出待定位点估计坐标
其中,di表示参考点i点与待定位点的RSS向量相似度,m表示选择的参考点个数,m=K+n,(xi,yi)表示参考点i点的横坐标和纵坐标。图3中的‘+’符点就是通过本发明方法计算出的待定位点位置。
由以上实例,可以看出本发明方法通过建立K近邻数据库,将本来单一的待定位点和参考的关系拓展为待定位点与参考点,待定位点的近邻点与参考点之间的网状关系,挖掘出K近邻算法无法做到的精确的聚拢于待定位点的参考点,提高了定位精度。图4是本发明方法和K近邻算法处理2212个测试点得到的误差累积对比图。由图可看出本方法相较于K近邻算法,在小于两米的范围内的定位精度有明显提高。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (2)
1.一种室内定位方法,具体包括如下步骤:
步骤一、建立参考点的RSS指纹数据库;
步骤二、求每个参考点的K近邻点,并建立近邻点数据库;
步骤三、求待定位点的K近邻点,然后从近邻点数据库中找出这K个近邻点的近邻点中重复最多的n个近邻点;
步骤四、对步骤三得到的待定位点的K个近邻点以及K个近邻点的n个近邻点的坐标加权求和,得到待定位点估计坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210332190.8A CN102880673B (zh) | 2012-09-10 | 2012-09-10 | 一种室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210332190.8A CN102880673B (zh) | 2012-09-10 | 2012-09-10 | 一种室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102880673A true CN102880673A (zh) | 2013-01-16 |
CN102880673B CN102880673B (zh) | 2015-07-29 |
Family
ID=47481999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210332190.8A Expired - Fee Related CN102880673B (zh) | 2012-09-10 | 2012-09-10 | 一种室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102880673B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104038901A (zh) * | 2014-05-30 | 2014-09-10 | 中南大学 | 一种减少指纹数据采集工作量的室内定位方法 |
CN104066058A (zh) * | 2014-07-14 | 2014-09-24 | 大连理工大学 | 一种基于双套指纹叠加的wlan室内定位方法 |
CN104349275A (zh) * | 2013-07-26 | 2015-02-11 | 马维尔国际贸易有限公司 | 被应用于基于服务器的定位***的定位数据库管理 |
CN104754735A (zh) * | 2015-03-19 | 2015-07-01 | 电子科技大学 | 位置指纹库的构建方法以及基于该位置指纹库的定位方法 |
US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
US20220132270A1 (en) * | 2020-10-27 | 2022-04-28 | International Business Machines Corporation | Evaluation of device placement |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102325369A (zh) * | 2011-06-08 | 2012-01-18 | 哈尔滨工业大学 | 基于参考点位置优化的wlan室内单源线性wknn定位方法 |
US20120149415A1 (en) * | 2010-12-13 | 2012-06-14 | Shahrokh Valaee | System, method and computer program for anonymous localization |
-
2012
- 2012-09-10 CN CN201210332190.8A patent/CN102880673B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120149415A1 (en) * | 2010-12-13 | 2012-06-14 | Shahrokh Valaee | System, method and computer program for anonymous localization |
CN102325369A (zh) * | 2011-06-08 | 2012-01-18 | 哈尔滨工业大学 | 基于参考点位置优化的wlan室内单源线性wknn定位方法 |
Non-Patent Citations (1)
Title |
---|
DAN LIU ETC: "The research of th fuzzy cluster algorithm for indoor location based on RSSI", 《2012 IEEE 3RD INTERNATIONAL CONFERENCE ON SOFTWARE ENGINEERING AND SERVICE SCIENCE(ICSESS)》, 24 June 2012 (2012-06-24), pages 5 - 7 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104349275A (zh) * | 2013-07-26 | 2015-02-11 | 马维尔国际贸易有限公司 | 被应用于基于服务器的定位***的定位数据库管理 |
CN104349275B (zh) * | 2013-07-26 | 2019-08-23 | 马维尔国际贸易有限公司 | 被应用于基于服务器的定位***的定位数据库管理 |
USRE47940E1 (en) | 2013-07-26 | 2020-04-07 | Marvell World Trade Ltd. | Positioning database management applied to server-based positioning system |
CN104038901A (zh) * | 2014-05-30 | 2014-09-10 | 中南大学 | 一种减少指纹数据采集工作量的室内定位方法 |
CN104038901B (zh) * | 2014-05-30 | 2017-04-26 | 中南大学 | 一种减少指纹数据采集工作量的室内定位方法 |
CN104066058A (zh) * | 2014-07-14 | 2014-09-24 | 大连理工大学 | 一种基于双套指纹叠加的wlan室内定位方法 |
CN104066058B (zh) * | 2014-07-14 | 2017-07-11 | 大连理工大学 | 一种基于双套指纹叠加的wlan室内定位方法 |
CN104754735A (zh) * | 2015-03-19 | 2015-07-01 | 电子科技大学 | 位置指纹库的构建方法以及基于该位置指纹库的定位方法 |
CN104754735B (zh) * | 2015-03-19 | 2018-01-02 | 电子科技大学 | 基于位置指纹库的定位方法 |
US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
US20220132270A1 (en) * | 2020-10-27 | 2022-04-28 | International Business Machines Corporation | Evaluation of device placement |
US11805389B2 (en) * | 2020-10-27 | 2023-10-31 | International Business Machines Corporation | Evaluation of device placement |
Also Published As
Publication number | Publication date |
---|---|
CN102880673B (zh) | 2015-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Woo et al. | Application of WiFi-based indoor positioning system for labor tracking at construction sites: A case study in Guangzhou MTR | |
CN108089148B (zh) | 一种基于时差信息的无源多站多目标测向交叉定位方法 | |
CN102880673B (zh) | 一种室内定位方法 | |
CN110290491B (zh) | 一种基于多径辅助的室内目标定位方法 | |
CN106793087B (zh) | 一种基于aoa和pdoa的阵列天线室内定位方法 | |
CN103501538B (zh) | 基于多径能量指纹的室内定位方法 | |
CN102325369B (zh) | 基于参考点位置优化的wlan室内单源线性wknn定位方法 | |
CN109275095A (zh) | 一种基于蓝牙的室内定位***、定位设备和定位方法 | |
CN104469942A (zh) | 一种基于隐马尔科夫模型的室内定位方法 | |
CN106597363A (zh) | 一种室内wlan环境下的行人定位方法 | |
Xu et al. | Self-adapting multi-fingerprints joint indoor positioning algorithm in WLAN based on database of AP ID | |
CN103220777A (zh) | 一种移动设备定位*** | |
Khalife et al. | Indoor localization based on floor plans and power maps: Non-line of sight to virtual line of sight | |
CN109511085B (zh) | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 | |
CN105510948A (zh) | 联合无线电信号复包络和载波相位信息的多目标直接定位方法 | |
CN104507159A (zh) | 一种基于WiFi接收信号强度的混合室内定位方法 | |
CN104754735A (zh) | 位置指纹库的构建方法以及基于该位置指纹库的定位方法 | |
CN104038901A (zh) | 一种减少指纹数据采集工作量的室内定位方法 | |
Sadhukhan et al. | An efficient clustering with robust outlier mitigation for Wi-Fi fingerprint based indoor positioning | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
CN104394588A (zh) | 基于Wi-Fi指纹和多维尺度分析的室内定位方法 | |
Huang et al. | Analysis of TOA localization with heteroscedastic noises | |
CN104640204A (zh) | 一种非直达波环境下无线传感器网络节点定位方法 | |
Eldeeb et al. | Optimal placement of access points for indoor positioning using a genetic algorithm | |
CN114585082B (zh) | 一种电力物联网设备的无线定位方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150729 Termination date: 20160910 |
|
CF01 | Termination of patent right due to non-payment of annual fee |