CN103400115B - 一种无线信号指纹匹配方法 - Google Patents
一种无线信号指纹匹配方法 Download PDFInfo
- Publication number
- CN103400115B CN103400115B CN201310309069.8A CN201310309069A CN103400115B CN 103400115 B CN103400115 B CN 103400115B CN 201310309069 A CN201310309069 A CN 201310309069A CN 103400115 B CN103400115 B CN 103400115B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- received signal
- signal strength
- common
- characterization
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012512 characterization method Methods 0.000 claims description 45
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 238000005070 sampling Methods 0.000 claims description 21
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 claims description 7
- 238000005562 fading Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008878 coupling Effects 0.000 abstract 1
- 238000010168 coupling process Methods 0.000 abstract 1
- 238000005859 coupling reaction Methods 0.000 abstract 1
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种无线信号指纹匹配方法,包括如下步骤:S1、在指纹数据库中选定一条指纹记录Fk;S2、确定用户指纹Fu与Fk的公共表征AP;S3、计算各个所述公共表征AP的表征能力系数;S4、根据上述各个公共表征AP的接收信号强度差和所述表征能力系数,计算Fu与Fk的匹配距离;S5、更新k值,重复上述步骤,直至得到用户指纹Fu与指纹数据库中的所有指纹记录的匹配距离;S6、找出与用户指纹Fu的匹配距离最小且相邻指纹与用户指纹Fu的匹配距离满足一定阈值的指纹作为用户指纹Fu的目标指纹,对应的位置为用户位置。本发明利用圈定位方法,可以有效防止错误匹配的现象,提高匹配的准确度;利用鲁棒规约技术解决了由于AP的不稳定性造成的指纹匹配精度不高的问题。
Description
技术领域
本发明涉及无线室内定位技术领域,尤其涉及一种应用于室内精确定位的无线信号指纹匹配方法。
背景技术
智能手机的广泛普及和无线设备的大规模推广催生了大量关于无线室内定位的研究。目前大多数的室内定位方法利用环境中已有的无线接入点(AccessPoint,AP)(如WiFi、GSM、ZigBee等无线技术的接入点)来实现定位。由于接收信号强度(ReceivedSignalStrength,RSS)的易获得性,其成为最常用的物理特征。对于各个AP的接收信号强度通常可以直接从无线网络设备上读取。采用无线信号作为位置特征的方法成为最广泛使用的室内定位方法,又称基于指纹的室内定位或指纹定位。
无线指纹定位方法通常分为两阶段:训练和运行。在训练阶段,需要对定位环境进行现场勘测。在这个过程中,工程师通过在感兴趣区域中的各个位置记录RSS指纹来建立一个指纹数据库。即将指纹和与其相关的位置一起记录在数据库中。在运行阶段,当用户发送一个位置查询的请求时,定位算法利用该用户目前的RSS指纹检索指纹数据库并返回最佳匹配的记录,将该记录对应的位置作为用户的位置估计。
指纹匹配算法直接关乎定位精度。由于无线信号在复杂的室内环境下传播受到多径、折射、反射等影响,再加上环境的动态性,无线信号指纹存在时间上不稳定、空间上不唯一的问题。具体而言,主要表现为:
1)同空间位置可能检测到相似的指纹。换言之,同一条用户指纹可能与空间中相隔很远的两个位置上的指纹均具有较高的相似性,从而给用户指纹的位置估计带来不确定性。
2)AP的不稳定性,接收信号强度在短时间内呈现小幅度的波动,在长时间内呈现大幅度的变化。而且不同AP所表现的出来的稳定性各不相同。
现有的信号指纹匹配技术中都没有考虑上述因素,往往造成错误匹配或者匹配精度较低等问题。
发明内容
(一)要解决的技术问题
本发明所要解决的技术问题是:如何提供一种无线信号指纹匹配方法,解决现有技术中匹配准确度和精度不高的问题。
(二)技术方案
为了解决上述技术问题,一方面,本发明提供了一种无线信号指纹匹配方法,包括如下步骤:
S1、在指纹数据库中选定一条指纹记录Fk;
S2、确定用户指纹Fu与Fk的各个公共表征AP;
S3、计算各个所述公共表征AP的表征能力系数;
S4、根据上述各个公共表征AP的接收信号强度差和所述表征能力系数,计算Fu与Fk的匹配距离;
S5、更新k值,重复上述步骤,直至得到用户指纹Fu与指纹数据库中的所有指纹记录的匹配距离;
S6、找出与用户指纹Fu的欧式距离最小且相邻指纹与用户指纹Fu的匹配距离满足一定阈值的指纹作为用户指纹Fu的目标指纹,对应的位置为用户位置;
所述各个公共表征AP的接收信号强度差标记为ΔF=[xi,i=1,2,...,Q],其中Q为公共表征AP的个数。
优选地,步骤S3之后还包括步骤:
S3B、对所述Fu与Fk对应公共表征AP的接收信号强度差进行规约。
具体地,所述S3B的具体实现步骤为:
S3B1、根据最小二乘中值定理,对所述ΔF生成回归估计值;
S3B2、判断各个公共表征AP的接收信号强度差是否异常值;
S3B3、用步骤S3B1得到的回归估计值替代对应的异常的公共表征AP的接收信号强度差。
具体地,所述步骤S3B2判断各个公共表征AP的接收信号强度差是否异常值具体为:
判断每一个公共表征AP的接收信号强度差xi(i∈{1,2,...,Q})对应的估计残差是否超过设定的阈值,若超过该阈值则判定xi为异常值;否则判定为非异常值。
具体地,所述步骤S3B2判断各个公共表征AP的接收信号强度差是否异常值具体为:
根据xi(i∈{1,2,...,Q})的抗性诊断指标判断接收信号强度差xi是否为异常值。xi的抗性诊断指标RDi具体为:
其中,med表示中位数。当RDi<2.5时,xi不属于异常值;当RDi≥2.5时,xi属于异常值。
进一步地,所述步骤S2中Fu与Fk的公共表征AP具体是通过执行以下步骤获得的:
S21、分别删除Fu与Fk中接收信号强度小于设定阈值的AP,得到的Fu′和Fk′,其中Fu′对应的AP的集合为Fk′对应的AP的集合为
S22、对和求交集,令表示交集中AP的个数,若P=0则输出指纹Fu和所述指纹Fk不匹配,更新k值,回到步骤S1;
若P≠0,执行S23;
S23、对和求并集,并集中的所有AP就是用户指纹Fu与所述Fk的公共表征AP。
进一步地,所述步骤S3中计算各个所述公共表征AP的表征能力系数具体步骤如下:
S31、用所述公共表征AP的接收信号强度重新表示Fu与Fk;
S32、计算各个公共表征AP与Fu的物理距离Du=[du,q,q=1,2,...,Q],du,q表示第q个公共表征AP与Fu的物理距离;
计算各个公共表征AP与Fk的物理距离Dk=[dk,q,q=1,2,...,Q],dk,q表示第q个公共表征AP与Fk的物理距离;
S33、基于步骤S32得到的du,q和dk,q,q=1,2,...,Q,分别计算第q个公共表征AP对于用户指纹Fu与Fk的表征能力系数ρu,q与ρk,q如下:
其中, t∈{u,k};
S34、取步骤S33得到的ρu,q和ρk,q中较大的值,作为第q个Fu与Fk的公共表征AP的表征能力系数ρq,q=1,2,...,Q。
进一步地,所述步骤S32中步骤计算du,q或者dk,q的具体过程为:
根据对数距离路径衰落模型(Log-normalDistancePathLoss)可知:
PL(dq)=PL0+10γlg(dq)
其中,PL0表示与第q个公共表征AP的物理距离为1米时的接收信号强度,γ是路径衰减指数,PL(dq)表示与第q个公共表征AP的物理距离为du,q时的接收信号强度,PL(dq)能够从Fu或者Fk中直接得到;
解上述方程可得du,q或者dk,q的值。
具体地,所述步骤S4中Fu与Fk的匹配距离的匹配距离计算如下:
其中,Q表示Fu与Fk的公共表征AP的个数,P表示Fu与Fk中接收信号强度大于等于设定阈值的AP的交集的个数,ρq表示Fu与Fk的第q公共表征AP的表征能力系数,xq表示Fu与Fk的第q公共表征AP的接收信号强度的差值。
具体的,所述步骤S6中所述阈值为指纹数据库中任两条相邻位置上的指纹之间的匹配距离的最大值。
进一步地,所述步骤S6中的相邻指纹是指:所述指纹数据库中记录的相邻采样点对应的指纹;
优选地,相邻指纹选取东、西、南、北四个方向的相邻采样点的指纹。
(三)有益效果
本发明所记载的无线信号指纹匹配方法提出了圈定位的概念,指纹数据库中确定的与用户指纹匹配的指纹,其相邻指纹与用户指纹的匹配距离也要满足一定的条件。以此防止错误匹配的现象,提高匹配的准确度。
在指纹匹配过程中,本发明所记载的方法,不使用全部AP,而仅选择表征能力强的公共表征AP减小了匹配过程的复杂度。利用鲁棒规约技术筛除了待匹配的两条指纹之间异常的RSS差,从而解决了由于AP的不稳定性造成的指纹匹配精度不高的问题。
同时,该方法不需要任何额外的硬件设备,也无需修改现场勘测或定位终端,可以和目前通用的各类方法直接集成使用,具有很高的普适性。
结合附图阅读本发明实施方式的详细说明后,本发明的其他优点和特点将变得更加清楚。
附图说明
图1为本发明的一种实施方式中无线信号指纹匹配方法的步骤流程示意图;
图2为本发明的一种实施方式中圈定位原理示意图;
图3为本发明的实施例二中对异常公共表征AP的加收信号强度差进行鲁棒规约示意图。
具体实施方式
下面结合说明书附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明,但不用来限制本发明的范围。
为了便于叙述和说明本发明的具体实施方式,在以下实施例中公共表征AP的接收信号强度差是指:在待匹配的两条指纹中,分别记录的同一个公共表征AP的接收信号强度的差值;AP与指纹Fk的物理距离是指:AP所在的位置与该指纹所对应的物理位置之间的距离。
实施例一
如图1所示,本实施例记载了一种无线信号指纹匹配方法,包括如下步骤:
S1、在指纹数据库中选定一条指纹记录Fk;
具体的,室内无线网络通常由多个无线AP组成,通过在室内现场勘测所述AP接收信号强度,可以得到定位目标区域的指纹数据库。勘测过程为:首先按照一定密度按照网格状方式选择采样点(如,每两米设置一个采样);其次,在每一个采样点上记录各个AP的接收信号强度,作为该采样点所对应位置的无线信号指纹,存储在指纹数据库中。也就是说,指纹数据库中的每条指纹都对应着一个准确的物理位置标签。
假设定位区域共有N个无线AP分别为{AP1,AP2,...,APN},指纹Fk可以表示为:Fk=[fk,1,fk,2,...,fk,N],其中fk,n(1≤n≤N)表示Fk所表示的采样点对APn的接收信号强度,若采样点接收不到某一个AP的信号,对应该AP的接收信号强度记为-100dBm。
S2、确定用户指纹Fu与上述Fk的公共表征AP,计算各个公共表征AP的表征能力系数;
通常,一条指纹中AP的接收信号强度越强,说明该AP越靠近该指纹所表示的位置。在本实施例,不使用指纹中的全部AP,而仅选择接收信号强度较强的AP作为公共表征AP可以有效的减少计算匹配距离是的复杂度。
用户发出位置查询请求时的指纹信息记为Fu=[fu,1,fu,2,...,fu,N],确定用户指纹Fu与所述Fk的公共表征AP具体包括以下步骤:
S21、分别删除用户指纹Fu与所述Fk中接收信号强度小于设定阈值σ的AP,得到的Fu′和Fk′,其中Fu′对应的AP的集合为Fk′对应的AP的集合为
所述σ的值可以根据经验测量值来获得,通常选为-95dBm;
S22、对和求交集,令表示交集中AP的个数,若P=0则输出指纹Fu和所述指纹Fk不匹配,更新k值,回到步骤S1;
若P≠0,执行S23;
S23、对和求并集,记 其中Q≤N, 中的所有无线AP就是用户指纹Fu与所述Fk的公共表征AP。
S3、计算各个公共表征AP的表征能力系数;
由与某一位置距离越近的AP,对该位置的表征能力系数就越大。本实施例中AP的表征能力系数的就是用距离来表示的,具体为:
S31、对上述Fu′和Fk′进行扩展,使Fu′=[fu′,1,fu′,2,...,fu′,Q],其中fu′,q(1≤q≤Q)表示Fu所表示的物理位置对APq′的接收信号强度,若则记fu′,q=-100,单位为dBm;
相似的,使Fk′=[fk′,1,fk′,2,...,fk′,Q],其中fk′,q(1≤q≤Q)表示Fk所表示的采样点对APq′的接收信号强度,若则记fk′,q=-100,单位为dBm;
令xq=|fu′,q-fk′,q|,q=1,2,...,Q,表示公共表征AP在Fu与Fk中的接收信号强度差,记ΔF=[x1,x2,...,xQ]。
S32、计算中的各个AP所在的位置与Fu所表示的位置的物理距离。
具体的,APq′(1≤q≤Q)到Fu所表示的位置的距离du,q可根据对数距离路径衰落模型(Log-normalDistancePathLoss)计算得到:
PL(du,q)=PL0+10γlg(du,q)
其中,PL0表示与APq′的距离为1米时的接收信号强度,γ是路径衰减指数,PL(du,q)表示与APq′的距离为du,q时的接收信号强度,在本实施例里PL(du,q)=fu′,q。
同理,可计算出中的各个AP所在的位置与Fk所表示的位置的物理距离。
S33、基于上述步骤得到的du,q计算APq′(q=1,2,...,Q)对于用户指纹Fu′=[fu′,1,fu′,2,...,fu′,Q]的表征能力系数如下:
其中,是一个归一化参数,使得Fu′=[fu′,1,fu′,2,...,fu′,Q]中各个AP的表征能力系数总和
同理,可计算得到APq′(q=1,2,...,Q)对于用户指纹Fk′=[fk′,1,fk′,2,...,fk′,Q]的表征能力系数ρk,q,q=1,2,...,Q。
S34、取步骤S33得到的ρu,q和ρk,q中较大的值,作为第q个Fu与Fk的公共表征AP的表征能力系数,即ρq=max{ρu,q,ρk,q},q=1,2,...,Q。
S4、计算Fu与Fk的匹配距离;
基于上述步骤,Fu与Fk的匹配距离的匹配距离计算如下:
S5、更新k,重复上述步骤,直至得到用户指纹Fu与指纹数据库中的所有指纹记录的匹配距离;
S6、找出与用户指纹Fu的匹配距离最小且四周指纹与用户指纹Fu的匹配距离满足一定阈值的指纹作为用户指纹Fu的目标指纹,对应的位置为用户位置。
在上述步骤的基础之上,本实施例引入“圈定位”的概念,来提高定位精度。如图2所示,圈定位指的是,在指纹匹配过程中不使用单点匹配的方式,(即将用户指纹与指纹数据库中的指纹逐条匹配,寻找最相似的目标指纹),而采用多点匹配。多点匹配相对于单点而言,是指匹配时不仅要保证用户指纹与目标指纹相似,同时要保证用户指纹与目标指纹相邻位置对应的指纹也较为相近。具体地,给定用户指纹Fu,对指纹数据库中的每一条指纹Fk,记其周围四个方向上采样点的指纹为Fk1,Fk2,Fk3和Fk4,依据上述步骤可以得到Φ(Fu,Fx),其中Fx∈{Fk,Fk1,Fk2,Fk3,Fk4},
当
且
时,选定F*为目标指纹,F*对应的位置为目标位置。其中,ε为相邻指纹相似度阈值,通常取指纹数据库中任意两条相邻位置上的指纹之间的匹配距离的最大值。
如果满足以上条件的目标指纹不存在,则判定用户不处于当前指纹数据库所对应的定位区域范围之内,无法返回用户的位置。
本实施例的这一步骤中,对于指纹数据库中的每一条指纹Fk,其周围四个方向上采样点的指纹可以是东、南、西、北四个方向上相邻的采样点,也可以是东南、东北、西南、西北四个方向上相邻的采样点。更进一步,在本发明的其他实施例中也可以不取周围四个方向的指纹,改为取相邻指纹中距离最近的指纹,或者只取左、右相邻的采样点的指纹或者只取前、后相邻的采样点的指纹。本领域的技术人员应当明白,对周围采样点指纹的选取还可以有其他方式,也应当理解为属于本发明所要保护的范围。
实施例二
在实施例一的基础上,步骤S3之后步骤S4之前还包括以下步骤:
S3B、对异常公共表征AP的接收信号强度差进行鲁棒规约。
由于各个AP的稳定性不同,不同时间对相同的采样点进行勘测,得到的采样指纹可能不同。特别的,如果某些AP的稳定性很差,那么对该AP接收信号强度的勘测结果可能会出现两种情况:一种是在同一采样点,该AP的接收信号强度在短时间内出现较大的波动,另一种是位置非常接近的两个采用点,勘测到的该AP的接收信号强度却有很大差异,这两种情况都会对用户指纹的匹配结果产生很大影响。这种稳定性差的AP就叫做异常AP。
异常AP如果作为待匹配指纹的公共表征AP,就会产生异常的接收信号强度差,进而对待匹配指纹的匹配距离造成较大误差。为了消除异常AP造成的不利影响,准确的匹配用户指纹,就需要异常AP引起的异常接收信号强度差进行规约。本实施例采用鲁棒规约技术对异常接收信号强度差进行修正。
如图3所示,鲁棒规约的效果是当绝大多数RSS差值都较小时,少数差值极大的异常值会被调整为较小的估计值,当绝大多数RSS差值都较大时,少数差值极小的异常值则被调整为较大的估计值。鲁棒规约的具体步骤如下:
S3B1、对接收信号强度差向量ΔF=[x1,x2,...,xQ]生成一个回归估计量得到对ΔF的一组估计 其中 i=1,2,...,Q。
根据最小二乘中值定理,设定回归估计的最优化目标为:
其中med表示中位数,为估计残差;
有上述优化公式可以解的θ值和e值,从而得到i=1,2,...,Q。
S3B2、对异常接收信号强度差进行修正;
判断接收信号强度差是否异常,可以采用以下两种方式:
一种是判断每一个接收信号强度差xi(i∈{1,2,...,Q})对应的估计残差ri是否超过设定的阈值,若超过该阈值则判定xi为异常值;否则判定为非异常值。
另一种是采用抗性诊断(ResistantDiagnostic)指标判断接收信号强度差xi(i∈{1,2,...,Q})是否为异常值。xi的抗性诊断指标RDi具体为:
其中,med表示中位数。当RDi<2.5时,xi不属于异常值;当RDi≥2.5时,xi属于异常值。
S3B3、根据上述两种判定方法,记规约后的接收信号强度差为,i∈{1,2,...,Q},那么
实施例一中的步骤S4改为:基于规约后的接收信号强度差,结合上一步计算的AP表征能力系数,Fu与Fk的匹配距离的匹配距离计算如下:
实施例1中的其他步骤不变。
对AP的接收信号强度差进行规约,能够消除异常AP对匹配结果的影响,大大提高匹配精度。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (9)
1.一种无线信号指纹匹配方法,其特征在于,包括以下步骤:
S1、在指纹数据库中选定一条指纹记录Fk;
S2、确定用户指纹Fu与Fk的各个公共表征AP;
S3、计算各个所述公共表征AP的表征能力系数;
S4、根据上述各个公共表征AP的接收信号强度差和所述表征能力系数,计算Fu与Fk的匹配距离;
S5、更新k值,重复上述步骤,直至得到用户指纹Fu与指纹数据库中的所有指纹记录的匹配距离;
S6、找出与用户指纹Fu的匹配距离最小且相邻指纹与用户指纹Fu的匹配距离满足一定阈值的指纹作为用户指纹Fu的目标指纹,对应的位置为用户位置;
所述各个公共表征AP的接收信号强度差标记为ΔF=[xi,i=1,2,...,Q],其中Q为公共表征AP的个数;
其中,所述步骤S2中Fu与Fk的公共表征AP具体是通过执行以下步骤获得的:
S21、分别选取Fu与Fk中接收信号强度大于等于设定阈值的AP,Fu对应的AP的集合为Au,Fk对应的AP的集合为Ak;
S22、对Au和Ak求交集,令P表示交集中AP的个数,若P=0则输出指纹Fu和所述指纹Fk不匹配,更新k值,回到步骤S1;
若P≠0,执行S23;
S23、对Au和Ak求并集,并集中的所有AP就是Fu与Fk的公共表征AP;
所述步骤S3中计算各个所述公共表征AP的表征能力系数具体步骤如下:
S31、用所述公共表征AP的接收信号强度重新表示Fu与Fk;
S32、计算各个公共表征AP与Fu的物理距离Du=[du,q,q=1,2,...,Q],du,q表示第q个公共表征AP与Fu的物理距离;
计算各个公共表征AP与Fk的物理距离Dk=[dk,q,q=1,2,...,Q],dk,q表示第q个公共表征AP与Fk的物理距离;
S33、基于步骤S32得到的du,q和dk,q,q=1,2,...,Q,分别计算第q个公共表征AP对于用户指纹Fu与Fk的表征能力系数ρu,q与ρk,q如下:
其中, t∈{u,k};
S34、取步骤S33得到的ρu,q和ρk,q中较大的值,作为第q个Fu与Fk的公共表征AP的表征能力系数ρq,q=1,2,...,Q。
2.如权利要求1所述的方法,其特征在于,步骤S3之后还包括步骤:
S3B、对所述Fu与Fk的各个公共表征AP的接收信号强度差进行规约。
3.如权利要求2所述的方法,其特征在于,所述S3B的具体实现步骤为:
S3B1、根据最小二乘中值定理,对所述ΔF生成回归估计值;
S3B2、判断各个公共表征AP的接收信号强度差是否异常值;
S3B3、用步骤S3B1得到的回归估计值替代对应的异常的公共表征AP的接收信号强度差。
4.如权利要求3所述的方法,其特征在于,所述步骤S3B2判断各个公共表征AP的接收信号强度差是否异常值具体为:
判断每一个公共表征AP的接收信号强度差xi(i∈{1,2,...,Q})对应的估计残差是否超过设定的阈值,若超过该阈值则判定xi为异常值;否则判定为非异常值。
5.如权利要求3所述的方法,其特征在于,所述步骤S3B2判断各个公共表征AP的接收信号强度差是否异常值具体为:
根据xi(i∈{1,2,...,Q})的抗性诊断指标判断接收信号强度差xi是否为异常值,xi的抗性诊断指标RDi具体为:
其中,med表示中位数,当RDi<2.5时,xi不属于异常值;当RDi≥2.5时,xi属于异常值。
6.如权利要求1所述的方法,其特征在于,所述步骤S32中步骤计算du,q或者dk,q的具体过程为:
根据对数距离路径衰落模型可知:
PL(dq)=PL0+10γlg(dq)
其中,PL0表示与第q个公共表征AP的物理距离为1米时的接收信号强度,γ是路径衰减指数,PL(dq)表示与第q个公共表征AP的物理距离为du,q时的接收信号强度,PL(dq)能够从Fu或者Fk中直接得到;
解上述方程可得du,q或者dk,q的值。
7.如权利要求1至6中任一项所述的方法,其特征在于,所述步骤S4中Fu与Fk的匹配距离计算如下:
其中,P表示Fu与Fk中接收信号强度大于等于设定阈值的AP的交集的个数,ρq表示Fu与Fk的第q公共表征AP的表征能力系数,xq表示Fu与Fk的第q公共表征AP的接收信号强度的差值。
8.如权利要求1至6中任一项所述的方法,其特征在于,所述步骤S6中所述阈值为指纹数据库中任两条相邻位置上的指纹之间的匹配距离的最大值。
9.如权利要求1至6中任一项所述的方法,其特征在于,所述步骤S6中的相邻指纹是指:所述指纹数据库中记录的相邻采样点对应的指纹;
相邻指纹选取东、西、南、北四个方向的相邻采样点的指纹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309069.8A CN103400115B (zh) | 2013-07-22 | 2013-07-22 | 一种无线信号指纹匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310309069.8A CN103400115B (zh) | 2013-07-22 | 2013-07-22 | 一种无线信号指纹匹配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103400115A CN103400115A (zh) | 2013-11-20 |
CN103400115B true CN103400115B (zh) | 2016-06-15 |
Family
ID=49563733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310309069.8A Active CN103400115B (zh) | 2013-07-22 | 2013-07-22 | 一种无线信号指纹匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103400115B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104519573B (zh) * | 2014-12-31 | 2018-01-23 | 电子科技大学 | 一种定位方法、装置以及*** |
CN106358228B (zh) * | 2016-11-09 | 2019-03-29 | 北京航空航天大学 | 一种wifi室内定位***中无效ap的动态检测与过滤方法 |
CN106612493B (zh) * | 2016-12-31 | 2020-06-12 | 清华大学 | 一种基于无线信号的定位导航方法 |
US10382892B2 (en) * | 2017-04-28 | 2019-08-13 | Hewlett Packard Enterprise Development Lp | Bluetooth device locator |
CN112954678B (zh) * | 2021-01-26 | 2022-10-04 | 国网电力科学研究院有限公司 | 电力无线专网终端无线信号指纹构造方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101778399A (zh) * | 2010-01-18 | 2010-07-14 | 哈尔滨工业大学 | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 |
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 |
CN102711239A (zh) * | 2012-05-10 | 2012-10-03 | 电子科技大学 | 基于rss指纹数据库的二次模糊聚类室内定位方法 |
CN103139907A (zh) * | 2013-02-04 | 2013-06-05 | 北京工业大学 | 一种利用指纹法的室内无线定位方法 |
-
2013
- 2013-07-22 CN CN201310309069.8A patent/CN103400115B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101778399A (zh) * | 2010-01-18 | 2010-07-14 | 哈尔滨工业大学 | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 |
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 |
CN102711239A (zh) * | 2012-05-10 | 2012-10-03 | 电子科技大学 | 基于rss指纹数据库的二次模糊聚类室内定位方法 |
CN103139907A (zh) * | 2013-02-04 | 2013-06-05 | 北京工业大学 | 一种利用指纹法的室内无线定位方法 |
Non-Patent Citations (1)
Title |
---|
位置指纹定位技术;李昊;《山西电子技术》;20070531(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103400115A (zh) | 2013-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103400115B (zh) | 一种无线信号指纹匹配方法 | |
CN104080165B (zh) | 一种基于tdoa的室内无线传感器网络定位方法 | |
TWI608744B (zh) | 估算裝置及其無線網路之通訊品質估算方法及電表安裝方法 | |
CN108668358B (zh) | 一种应用于无线传感网络的基于到达时间的协作定位方法 | |
CN105745522A (zh) | 确定不同传感器的压力的校准测量 | |
CN110174643A (zh) | 一种无需噪声功率信息的基于到达时间差的定位方法 | |
JP6681617B2 (ja) | 波源位置推定装置、コンピュータに実行させるためのプログラム、およびプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
CN103743435A (zh) | 一种多传感器数据融合方法 | |
Ampeliotis et al. | Low complexity multiple acoustic source localization in sensor networks based on energy measurements | |
JP2013036887A (ja) | 観測値信頼度評価装置、観測値信頼度評価方法及び観測値信頼度評価プログラム | |
US11209502B2 (en) | System for object position estimation based on magnetic field signal using underwater sensor network and method thereof | |
JP6159594B2 (ja) | 観測値処理装置、観測値処理方法及び観測値処理プログラム | |
CN110068727A (zh) | 一种基于Candan-Rife综合内插的单频信号频率估计方法 | |
CN104144495A (zh) | 一种基于方向传感器与wlan网络的指纹定位方法 | |
Caso et al. | Frequentist inference for WiFi fingerprinting 3D indoor positioning | |
Si et al. | An adaptive weighted Wi-Fi FTM-based positioning method in an NLOS environment | |
Wang et al. | Distance estimation by constructing the virtual ruler in anisotropic sensor networks | |
CN104050254A (zh) | 利用室内数据构建3d室内特征库的方法 | |
WO2017067479A1 (zh) | 一种节点定位的方法及设备 | |
KR102036442B1 (ko) | 딥 러닝 기반 사용자 단말 위치 추정 장치 및 방법 | |
CN111770528B (zh) | 基于信道参数萃取方法的视距与非视距识别方法及装置 | |
CN110289986B (zh) | 一种网络仿真数据的准确性量化方法 | |
CN104715160A (zh) | 基于kmdb的软测量建模数据异常点检测方法 | |
Zhu et al. | WIFI fingerprinting indoor localization system based on spatio-temporal (ST) metrics | |
KR20140119333A (ko) | 위치 정확도 향상을 위한 위치 측위 방법 및 장치 |
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 |