CN103901398A - 一种基于组合排序分类的位置指纹定位方法 - Google Patents
一种基于组合排序分类的位置指纹定位方法 Download PDFInfo
- Publication number
- CN103901398A CN103901398A CN201410153087.6A CN201410153087A CN103901398A CN 103901398 A CN103901398 A CN 103901398A CN 201410153087 A CN201410153087 A CN 201410153087A CN 103901398 A CN103901398 A CN 103901398A
- Authority
- CN
- China
- Prior art keywords
- signal strength
- strength values
- reference point
- signal source
- location
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提出了一种基于组合排序分类的位置指纹定位方法,包括步骤如下:步骤一:学习阶段;步骤二:位置指纹库分类;步骤三:定位阶段;步骤四:阈值判定。本发明通过在位置指纹定位算法中对位置指纹库进行组合排序分类处理,将位置指纹库划分成了多个子类,从而大大降低了在定位阶段的运算复杂度,达到定位实时性好的目的。相对于传统的定位算法,本发明更适合定位面积大、参考点密度高、信号源个数多的环境,反应迅速,误差较小。
Description
技术领域
本发明涉及一种基于组合排序分类的位置指纹定位方法,属于室内定位与导航技术领域。
背景技术
随着科技的进步和社会的发展,对象的定位已经成为交通、安全、医疗等行业关注的焦点。如通过GPS(Global Positioning System)标签跟踪车辆位置、通过交通路口的摄像头捕捉实时交通流、百度地图软件、嘀嘀打车软件等都是定位技术的典型应用。然而在有些相对复杂的环境下,如室内、地下矿井、隧道、停车场等,现有的室外定位技术无法满足定位精度的要求。
随着WLAN技术的成熟,Wi-Fi网络的覆盖越来越广。尽管Wi-Fi技术的设计初衷并不是为了定位,但是在IEEE802.ll标准中,无线网卡或AP的电路能够测量接收信号强度指示(RSSI,Received Signal Strength Indicator)。根据无线信道的传输模型,接收信号的强度值在一定程度上能反应传输距离,因此绝大多数的Wi-Fi定位***都是利用RSS。Wi-Fi定位的算法主要分为两大类:三角形算法和位置指纹识别算法。因为基于位置指纹识别的无线定位不需要知道AP的位置和准确的信道模型,所以不管在具体实施上还是定位性能上,相比基于三角形算法的定位都具有较大的优越性。
位置指纹识别算法依靠的是预先建立起来的位置指纹数据库进行识别,主要分为学习阶段和定位阶段。在学习阶段首先选择合理的参考点分布,接着依次在所有参考点上测量来自不同AP的RSS值,并将以上信息存入位置指纹库。在定位阶段,将在待测点上测量到的周围AP的RSS值与位置指纹库中数据按照一定的算法匹配,计算出最终的位置坐标。常用的匹配算法有最邻近算法(Nearest neighbor in Signal Space,NNSS)、K-最邻近算法(KNNSS)等。
然而,不管是NNSS算法还是KNNSS算法,其原理都是通过计算待定位点的信号强度值向量和所有样本点的信号强度值向量的距离来得到最终的定位结果的。该方法存在一个明显的缺点:计算复杂度会随着定位区域面积和信号源个数的增加而增加。因此,定位面积比较大的环境下,传统的定位算法具有很高的复杂度,造成定位时间太长而影响定位的实时性。
发明内容
针对现有技术的不足,本发明提出了一种基于组合排序分类的位置指纹定位方法。该定位方法适合大型室内定位环境,该定位方法的原理是,首先在学习阶段,将所有参考点的位置指纹库按照组合排序规则分为多个子类;在定位阶段,将待测点接收到的信号强度值向量按照相同的规则进行类别判定,找出其对应子类,然后运用KNNSS从该子类中计算出定位结果。
本发明的技术方案如下:
一种基于组合排序分类的位置指纹定位方法,包括步骤如下:
设室内定位环境中分布着M个无线AP信号源和N个平均分布在室内空间的参考点,为保证定位精度,防止偶然误差,室内定位环境中的每个位置都能接收到至少两个无线信号源发出的无线信号,并且无线信号强度大于-98dBm;确定分类时所选取有效信号源的个数为m,且m≤M;
步骤一:学习阶段
在室内定位环境中每一个参考点处采样Wi-Fi信号,并根据每个参考点接收到的信号强度值向量R=[rap1,rap2......rapM]建立位置指纹库,其中rapi表示该参考点接收到的第i个信号源的信号强度值;
步骤二:位置指纹库分类
首先设定参与分类的信号源个数的基准值m,针对每一个参考点的信号强度值向量,如果两个参考点Ri和Rj的信号强度值向量具同时满足以下条件,则将其归为同一子类:
1)Ri和Rj中前m大的信号强度值对应的信号源是同一信号源集合SAP={AP0,AP1,AP2......APm-1},其中APi表示信号源编号;
2)在满足1)的条件下,R=[rap1,rap2......rapM]中SAP对应的信号强度值的大小顺序是一致的:即如果分别对Ri和Rj中前m大的信号强度值进行由大到小排序,或由小到大排序,Ri和Rj中前m大的信号强度值排序之后,该m个信号强度值所对应的信号源编号顺序是一致的;
如果不同时满足以上两个条件,则将Ri和Rj归为不同的子类;这样就将全部的位置指纹库划分为 个子类,即 其中Ci表示同时满足以上两个条件的所有参考点的信号强度值构成集合;
步骤三:定位阶段
首先,从待定位点接收到的信号强度值向量Rx=[rap1,rap2......rapM]找出前m个最大的信号强度值,然后再根据步骤二中的两个条件判决出Rx所属子类:即先对前m个信号强度值,按照与步骤二的2)相同的排序规则进行排序,根据该排序所对应信号源的编号顺序来判定Rx的位置指纹库Cx,其中Cx∈C;
然后,运用K最邻近结点算法计算出首次定位位置:即设Cx中前K个最邻近参考点的坐标集合是{(x1,y1),(x2,y2).......(xK-1,yK-1)},待测点的首次定位坐标是:其中K为不小于2的正整数;
步骤四:阈值判定
设定一个误差阈值V,如果本次定位位置(x,y)与上一次定位位置(xpre,ypre)的欧式距离超过V,则视为误差过大,将两个位置的平均值设定为本次定位位置,即再次计算(x,y)与(xpre,ypre)之间的欧式距离,直到位置距离不超过V,得到的定位位置(x,y)即为最终定位结果。本发明在实际的室内定位环境中,外界干扰因素很可能会使得参考点在某一时刻接收到的某个信号源的信号强度值过大或过小,我们称之为奇异值。为了尽量避免因奇异值而造成分类判决错误,我们用多次采样求平均值的方法来减少定位误差。
本发明的有益效果:
本发明通过在位置指纹定位算法中对位置指纹库进行组合排序分类处理,将位置指纹库划分成了多个子类,从而大大降低了在定位阶段的运算复杂度,达到定位实时性好的目的。同时,采用KNN匹配算法有效的降低了信号的波动所带来的误差。相对于传统的定位算法,本发明更适合定位面积大、参考点密度高、信号源个数多的环境,反应迅速,误差较小。
附图说明
图1是本发明所述定位方法的***框图;
图2是本发明具体实施方式所述的某大学实验室平面示意图。
具体实施方式
以下将结合具体实施实例对本发明提供的技术方法进行详细说明,下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
一种基于组合排序分类的位置指纹定位方法,包括步骤如下:
实验环境的部署方式如图2所示,在21m×36m的长方形区域中放置M=3个AP信号源(D-Link无线路由器),路由器的功率设置为100%,选择信道1-3,传输带宽为20MHz。使用Android客户端来扫描环境中的信号强度。
实施的软件分为客户端软件和服务器端软件,客户端软件实现扫描周围环境中的信号源信息,包括SSID(Service Set Identifier)、MAC、RSSI等,并通过无线网络发送至服务器端;服务器端软件主要完成定位结果的计算;两者通过部署的无线网络进行数据传输。
所述无线信号强度大于-98dBm;确定分类时所选取有效信号源的个数为m,且m≤M;
步骤一:学习阶段
在室内定位环境中每一个参考点处采样Wi-Fi信号,并根据每个参考点接收到的信号强度值向量R=[rap1,rap2......rapM]建立位置指纹库,其中rapi表示该参考点接收到的第i个信号源的信号强度值;
步骤1:以长为X轴,宽为Y轴,建立二维坐标系,原点设定为右下角交点位置,按照2m×2m的正方形网格分布划分出N=180个参考点,相邻两个参考点之间的距离为2m;
步骤2:将所述3个无线路由安装到定位环境中,确保手机终端能够稳定的接收到至少两个路由器的信号强度值;
步骤3:针对这180个参考点,客户端软件扫描定位环境中每个参考点接收到无线信号源信息,每个点以不同的方向采集S次(S不小于50),取平均值之后发送至服务器端;服务器端接收到参考点的信号强度向量之后,从中提取出有效信号源的信号强度值向量,将其添加到***的数据库当中,直到所有的参考点采样完成;
步骤二:位置指纹库分类
首先设定参与分类的信号源个数的基准值m,针对每一个参考点的信号强度值向量,如果两个参考点Ri和Rj的信号强度值向量具同时满足以下条件,则将其归为同一子类:
1)Ri和Rj中前m大的信号强度值对应的信号源是同一信号源集合SAP={AP0,AP1,AP2......APm-1},其中APi表示信号源编号;
2)在满足1)的条件下,R=[rap1,rap2......rapM]中SAP对应的信号强度值的大小顺序是一致的:即如果分别对Ri和Rj中前m大的信号强度值进行由大到小排序,或由小到大排序,Ri和Rj中前m大的信号强度值排序之后,该m个信号强度值所对应的信号源编号顺序是一致的;
如果不同时满足1)和2)中所述的条件,则将Ri和Rj归为不同的子类;这样就将全部的位置指纹库分为 个子类,即 其中Ci表示同时满足2)中两个条件的所有参考点的信号强度值构成集合;
当服务器端接收到来自客户端的定位请求时,解析请求中的信号源信息,因为该信息向量中可能包含部署的3个信号源之外的信号源信息,所以需要提取有效的信号源构成的信号强度值;
根据Wi-Fi网络环境中已经部署的信号源信息表,从服务器端接收到的信号源信息中提取出有效信号源的信号强度值,如没有接收到的信号源强度值,则以默认值-98dBm填充,并将其按照信号源编号排序之后,作为待测点的信号强度值向量Rx;
步骤三:定位阶段
首先,从待定位点接收到的信号强度值向量Rx=[rap1,rap2......rapM]找出前m个最大的信号强度值,然后再根据步骤二中的两个条件判决出Rx所属子类:即先对前m个信号强度值,按照与步骤二的2)相同的排序规则进行排序,根据该排序所对应信号源的编号顺序来判定Rx的位置指纹库Cx,其中Cx∈C;
然后,运用K最邻近结点算法,计算出首次定位位置:根据公式 计算出Rx与Cx中每个参考点之间的欧式距离,选取前K个距离最小的参考点,其中K值最小值为3,再对前K个参考点的位置坐标进行取平均值作为首次定位位置;设参考点坐标集合是{(x1,y1),(x2,y2).......(xK,yK)},待测点的首次定位坐标是:
步骤四:阈值判定
Claims (1)
1.一种基于组合排序分类的位置指纹定位方法,其特征在于,该指纹定位包括步骤如下:
设室内定位环境中分布着M个无线AP信号源和N个平均分布在室内空间的参考点,室内定位环境中的每个位置都能接收到至少两个无线信号源发出的无线信号,并且无线信号强度大于-98dBm;确定分类时所选取有效信号源的个数为m,且m≤M;
步骤一:学习阶段
在室内定位环境中每一个参考点处采样Wi-Fi信号,并根据每个参考点接收到的信号强度值向量R=[rap1,rap2......rapM]建立位置指纹库,其中rapi表示该参考点接收到的第i个信号源的信号强度值;
步骤二:位置指纹库分类
首先设定参与分类的信号源个数的基准值m,针对每一个参考点的信号强度值向量,如果两个参考点Ri和Rj的信号强度值向量具同时满足以下条件,则将其归为同一子类:
1)Ri和Rj中前m大的信号强度值对应的信号源是同一信号源集合SAP={AP0,AP1,AP2......APm-1},其中APi表示信号源编号;
2)在满足1)的条件下,R=[rap1,rap2......rapM]中SAP对应的信号强度值的大小顺序是一致的:即如果分别对Ri和Rj中前m大的信号强度值进行由大到小排序,或由小到大排序,Ri和Rj中前m大的信号强度值排序之后,该m个信号强度值所对应的信号源编号顺序是一致的;
步骤三:定位阶段
首先,从待定位点接收到的信号强度值向量Rx=[rap1,rap2......rapM] 找出前m个最大的信号强度值,然后再根据步骤二中的两个条件判决出Rx所属子类:即先对前m个信号强度值,按照与步骤二的2)相同的排序规则进行排序,根据该排序所对应信号源的编号顺序来判定Rx的位置指纹库Cx,其中Cx∈C;
然后,运用K最邻近结点算法计算出首次定位位置:即设Cx中前K个最邻近参考点的坐标集合是{(x1,y1),(x2,y2).......(xK-1,yK-1)},待测点的首次定位坐标是:其中K为不小于2的正整数;
步骤四:阈值判定
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410153087.6A CN103901398B (zh) | 2014-04-16 | 2014-04-16 | 一种基于组合排序分类的位置指纹定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410153087.6A CN103901398B (zh) | 2014-04-16 | 2014-04-16 | 一种基于组合排序分类的位置指纹定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103901398A true CN103901398A (zh) | 2014-07-02 |
CN103901398B CN103901398B (zh) | 2016-08-24 |
Family
ID=50992848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410153087.6A Active CN103901398B (zh) | 2014-04-16 | 2014-04-16 | 一种基于组合排序分类的位置指纹定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103901398B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105357647A (zh) * | 2015-10-03 | 2016-02-24 | 上海大学 | 一种在线性不稳定环境下的wifi室内定位方法 |
CN105578420A (zh) * | 2014-10-17 | 2016-05-11 | 深圳航天科技创新研究院 | 一种基于wlan的室内定位方法和装置 |
WO2016165459A1 (zh) * | 2015-09-23 | 2016-10-20 | 中兴通讯股份有限公司 | 一种室内定位方法和设备 |
CN106507475A (zh) * | 2016-11-14 | 2017-03-15 | 华南理工大学 | 基于EKNN的室内区域WiFi定位方法及*** |
CN106559750A (zh) * | 2016-11-25 | 2017-04-05 | 天津大学 | 基于无源超高频rfid的多目标室内被动式定位算法 |
CN106686042A (zh) * | 2015-11-11 | 2017-05-17 | 中国电信股份有限公司 | 反向位置指纹识别定位方法、装置和*** |
CN106792524A (zh) * | 2016-12-12 | 2017-05-31 | 太原理工大学 | 一种基于动态环境双向校正的混合室内定位***算法 |
CN106804060A (zh) * | 2017-03-07 | 2017-06-06 | 京信通信技术(广州)有限公司 | 一种指纹定位方法和装置 |
WO2018184263A1 (zh) * | 2017-04-06 | 2018-10-11 | 华为技术有限公司 | 一种定位方法及装置 |
CN109121083A (zh) * | 2018-09-25 | 2019-01-01 | 西安电子科技大学 | 一种基于ap序列的指纹相似度的室内定位方法 |
CN110856255A (zh) * | 2019-11-25 | 2020-02-28 | 北京眸星科技有限公司 | 一种抗差位置指纹定位方法 |
CN112188385A (zh) * | 2019-07-02 | 2021-01-05 | 天津工业大学 | 一种基于ap序列的缩小定位区域的室内定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526601A (zh) * | 2008-03-04 | 2009-09-09 | 日电(中国)有限公司 | 采取toa与rss融合方式的自适应定位方法、设备和*** |
EP2141957A1 (en) * | 2008-07-02 | 2010-01-06 | IBBT vzw | System and method for position estimation |
CN102098780A (zh) * | 2010-12-14 | 2011-06-15 | 北京邮电大学 | 一种定位方法和装置 |
WO2012011624A1 (ko) * | 2010-07-21 | 2012-01-26 | (주)브이아이소프트 | 위치 추정에 사용자 이동성을 활용하는 와이파이 라디오 맵 기반 실내 네비게이션 시스템 및 방법 |
EP2632215A2 (en) * | 2012-02-24 | 2013-08-28 | Broadcom Corporation | Wireless communication device capable of performing enhanced fingerprint mapping and location identification |
-
2014
- 2014-04-16 CN CN201410153087.6A patent/CN103901398B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101526601A (zh) * | 2008-03-04 | 2009-09-09 | 日电(中国)有限公司 | 采取toa与rss融合方式的自适应定位方法、设备和*** |
EP2141957A1 (en) * | 2008-07-02 | 2010-01-06 | IBBT vzw | System and method for position estimation |
WO2012011624A1 (ko) * | 2010-07-21 | 2012-01-26 | (주)브이아이소프트 | 위치 추정에 사용자 이동성을 활용하는 와이파이 라디오 맵 기반 실내 네비게이션 시스템 및 방법 |
CN102098780A (zh) * | 2010-12-14 | 2011-06-15 | 北京邮电大学 | 一种定位方法和装置 |
EP2632215A2 (en) * | 2012-02-24 | 2013-08-28 | Broadcom Corporation | Wireless communication device capable of performing enhanced fingerprint mapping and location identification |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105578420A (zh) * | 2014-10-17 | 2016-05-11 | 深圳航天科技创新研究院 | 一种基于wlan的室内定位方法和装置 |
WO2016165459A1 (zh) * | 2015-09-23 | 2016-10-20 | 中兴通讯股份有限公司 | 一种室内定位方法和设备 |
CN106550331A (zh) * | 2015-09-23 | 2017-03-29 | 中兴通讯股份有限公司 | 一种室内定位方法和设备 |
CN106550331B (zh) * | 2015-09-23 | 2020-10-16 | 南京中兴新软件有限责任公司 | 一种室内定位方法和设备 |
CN105357647B (zh) * | 2015-10-03 | 2019-02-01 | 上海大学 | 一种在线性不稳定环境下的wifi室内定位方法 |
CN105357647A (zh) * | 2015-10-03 | 2016-02-24 | 上海大学 | 一种在线性不稳定环境下的wifi室内定位方法 |
CN106686042A (zh) * | 2015-11-11 | 2017-05-17 | 中国电信股份有限公司 | 反向位置指纹识别定位方法、装置和*** |
CN106507475A (zh) * | 2016-11-14 | 2017-03-15 | 华南理工大学 | 基于EKNN的室内区域WiFi定位方法及*** |
CN106507475B (zh) * | 2016-11-14 | 2019-07-16 | 华南理工大学 | 基于EKNN的室内区域WiFi定位方法及*** |
CN106559750A (zh) * | 2016-11-25 | 2017-04-05 | 天津大学 | 基于无源超高频rfid的多目标室内被动式定位算法 |
CN106559750B (zh) * | 2016-11-25 | 2019-11-15 | 天津大学 | 基于无源超高频rfid的多目标室内被动式定位方法 |
CN106792524B (zh) * | 2016-12-12 | 2019-11-22 | 太原理工大学 | 一种基于动态环境双向校正的混合室内定位方法 |
CN106792524A (zh) * | 2016-12-12 | 2017-05-31 | 太原理工大学 | 一种基于动态环境双向校正的混合室内定位***算法 |
CN106804060A (zh) * | 2017-03-07 | 2017-06-06 | 京信通信技术(广州)有限公司 | 一种指纹定位方法和装置 |
CN106804060B (zh) * | 2017-03-07 | 2020-06-23 | 京信通信***(中国)有限公司 | 一种指纹定位方法和装置 |
CN109791209A (zh) * | 2017-04-06 | 2019-05-21 | 华为技术有限公司 | 一种定位方法及装置 |
WO2018184263A1 (zh) * | 2017-04-06 | 2018-10-11 | 华为技术有限公司 | 一种定位方法及装置 |
US10962653B2 (en) | 2017-04-06 | 2021-03-30 | Huawei Technologies Co., Ltd. | Positioning method and apparatus |
CN109791209B (zh) * | 2017-04-06 | 2022-02-25 | 华为技术有限公司 | 一种定位方法及装置 |
CN109121083A (zh) * | 2018-09-25 | 2019-01-01 | 西安电子科技大学 | 一种基于ap序列的指纹相似度的室内定位方法 |
CN109121083B (zh) * | 2018-09-25 | 2020-06-19 | 西安电子科技大学 | 一种基于ap序列的指纹相似度的室内定位方法 |
CN112188385A (zh) * | 2019-07-02 | 2021-01-05 | 天津工业大学 | 一种基于ap序列的缩小定位区域的室内定位方法 |
CN110856255A (zh) * | 2019-11-25 | 2020-02-28 | 北京眸星科技有限公司 | 一种抗差位置指纹定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103901398B (zh) | 2016-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103901398B (zh) | 一种基于组合排序分类的位置指纹定位方法 | |
CN106102161B (zh) | 基于聚类算法分析数据优化的室内定位方法 | |
CN106658399B (zh) | 一种基于手机用户位置指纹进行手机位置定位的方法 | |
EP2111721B1 (en) | System and method for generating non-uniform grid points from calibration data | |
EP2959267B1 (en) | Mobile device positioning | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN104635203B (zh) | 一种基于粒子滤波算法的无线电干扰源测向定位方法 | |
CN104066172B (zh) | 一种对无线局域网中的ap进行定位的方法 | |
US11419088B2 (en) | Radiation source positioning method based on radio spectrum monitoring big data processing | |
CN103796163A (zh) | 一种接收信号强度排序指纹的室内定位方法 | |
CN106937251B (zh) | 一种室内定位方法及服务器 | |
CN112203293B (zh) | 小区过覆盖识别方法、装置、设备及计算机存储介质 | |
CN103068039A (zh) | 一种基于WiFi信号的RSSI值的定位方法 | |
WO2018112825A1 (zh) | 基于wi-fi接入点的定位方法、设备 | |
CN108111965A (zh) | 一种基站位置的确定方法和装置 | |
CN106507475A (zh) | 基于EKNN的室内区域WiFi定位方法及*** | |
CN109819394A (zh) | 基于WiFi与超声波混合的室内定位方法及其*** | |
CN104540219A (zh) | 一种低复杂度的Wi-Fi指纹室内定位方法 | |
CN103945526A (zh) | 基于诱发探测技术的无线设备定位方法及*** | |
CN103167605B (zh) | 一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法 | |
CN108260076A (zh) | 无人机运行轨迹监控的方法、平台和*** | |
CN109429330B (zh) | 室内定位方法、装置、设备和介质 | |
CN109982368B (zh) | 小区方位角的核查方法、装置、设备及介质 | |
Zhang et al. | Indoor localization method based on AP and local linear regression algorithm | |
Elbakly et al. | A calibration-free RF localization system |
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 |