CN106792465B - 一种基于众包指纹的室内指纹地图构建方法 - Google Patents

一种基于众包指纹的室内指纹地图构建方法 Download PDF

Info

Publication number
CN106792465B
CN106792465B CN201611219485.9A CN201611219485A CN106792465B CN 106792465 B CN106792465 B CN 106792465B CN 201611219485 A CN201611219485 A CN 201611219485A CN 106792465 B CN106792465 B CN 106792465B
Authority
CN
China
Prior art keywords
fingerprint
grid
crowdsourcing
fitting
supported collection
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
Application number
CN201611219485.9A
Other languages
English (en)
Other versions
CN106792465A (zh
Inventor
王邦
叶炎珍
王忠思
刘文予
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201611219485.9A priority Critical patent/CN106792465B/zh
Publication of CN106792465A publication Critical patent/CN106792465A/zh
Application granted granted Critical
Publication of CN106792465B publication Critical patent/CN106792465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Collating Specific Patterns (AREA)

Abstract

一种基于众包指纹的室内指纹地图构建方法，属于基于指纹的室内定位技术，解决现有基于众包指纹构建室内指纹地图所存在的众包指纹位置标注不准确、维度不同和分布不均导致的定位准确度不高和计算量大的问题，用于通信与无线网络技术领域。本发明包括栅格划分步骤、获得众包指纹步骤、众包指纹拆分步骤、众包指纹数量判断步骤、AP筛选步骤、直接构造栅格指纹步骤和指纹曲面拟合步骤。本发明减少了指纹采集工作量，有利于提高定位准确度，同时减少指纹对比工作量。

Description

一种基于众包指纹的室内指纹地图构建方法
技术领域
本发明属于基于指纹的室内定位技术，具体涉及一种基于众包指纹的室内指纹地图构建方法，用于通信与无线网络技术领域。
背景技术
随着移动互联网的不断发展，人们对于室内基于位置的信息服务不断增加。室内基于位置的信息服务主要包括停车位查找、物流管理、商品促销信息推送服务等。目前已经开发出多种室内定位技术，主要包括：WiFi定位、蓝牙定位、红外定位等等。其中基于WiFi的室内定位技术得到了广泛的研究，其原因在于已经大规模部署的WiFi信号大大节约了基础设施的成本，且现在的智能手机都能够检测到WiFi信号。
基于WiFi的室内定位技术主要分为两类:基于测距的定位技术和基于指纹的定位技术。基于测距的定位技术主要采用基于传播模型测距的多边定位技术。然而，在复杂的室内环境中，由于隔断及阻挡等复杂的室内布局，以及信号反射散射等造成的信号非视距传播，使得传播模型参数估计非常不准，从而使得距离估计误差较大，导致定位性能大幅度下降。
当前基于指纹定位技术的研究重点是基于WiFi信号来构造指纹并建立指纹地图。基于指纹的定位技术主要由两个阶段组成：离线指纹地图构造阶段和在线设备定位阶段。离线指纹地图构造阶段通常由专业测量人员测量已知位置上的指纹，并构建室内指纹地图。在线设备定位阶段主要比较手机实时指纹与指纹地图中的参考指纹，用基于概率的方法或基于相似度匹配的方法进行定位。基于指纹的定位技术又可以分为传统的基于现场勘测的定位技术和基于众包指纹的定位技术。传统的基于现场勘测的定位技术是通过专门测量人员在已知坐标的参考点上进行信号测量来构建室内指纹地图。虽然这种技术具有较高的定位准确度，但这种技术需要专业的测量人员，耗时费力。
近年来，一些学者提出了基于众包指纹的室内定位技术，其思想主要是利用对一般人群进行有意识的或随意的测量作为指纹来源，避免了专人现场勘测的过程，还能保持众包数据的经常更新，适应环境的变化。但基于众包指纹的室内定位技术带来了一些新的问题，主要包括：(1)众包指纹位置标注不准确。无论是采用众包用户主动标注的方式或是采用轨迹匹配的被动标注方式，相比现场勘测专业人员的测量，众包指纹位置的标注都会存在较大的误差；(2)众包指纹维度不同。由于WiFi信号传播距离有限，可能在有些功能区域能够接收到较多的接入点(AP，Access Point)信号而在其他位置只能够接收到较少的AP信号，另外，不同用户使用不同品牌手机接收到的AP信号的数量也不相同，从而造成接收到的众包指纹具有不同的AP集合和长度；(3)众包指纹分布不均匀。由于室内布局的限制和用户采集行为的不受控制，从而造成接收得到的众包指纹位置分布不均，有些易到达的位置可能存在较多的众包指纹而不易到达的地方只含有较少的众包指纹，甚至有些地方根本没有众包指纹。
发明内容
本发明提供一种基于众包指纹的室内指纹地图构建方法，解决现有基于众包指纹构建室内指纹地图所存在的众包指纹位置标注不准确、维度不同和分布不均导致的定位准确度不高和计算量大的问题。
本发明所提供的一种基于众包指纹的室内指纹地图构建方法，包括栅格划分步骤、获得众包指纹步骤、众包指纹拆分步骤、众包指纹数量判断步骤、AP筛选步骤、直接构造栅格指纹步骤和指纹曲面拟合步骤：
(1)栅格划分步骤：
建立平面直角坐标系，将平面目标区域依照其物理结构划分为K个相互不重叠的功能区域，并将每个功能区域划分为大小基本相等的栅格，其中，第k个功能区域划分为J(k)个栅格，第j个栅格的栅格中心坐标记为(Xj，Yj)，j＝1，2，…，J(k)，k＝1，2，…，K；K为正整数；
(2)获得众包指纹步骤：
通过行走轨迹的方式采集目标区域已有的WiFi信号，采集频率为0.5～2Hz，行走轨迹限制在目标区域中可行走区域，行走轨迹的数量应达到目标区域内numf≥0.5个，numf为每平方米包含众包指纹数量；每条行走轨迹近似直线且基本保持匀速行走，并记录每条行走轨迹的起始点坐标(xb，yb)与终止点坐标(xe，ye)，该行走轨迹的指纹集合ltraj：ltraj＝<(xb，yb)，(xe，ye)，(f1，f2，…，fT)>；
其中，行走轨迹中第t个众包指纹ft：T为行走轨迹中采样的众包指纹数量，rt2为第t个众包指纹中接收到第2个AP的信号强度，以下类推；Nf为第t个众包指纹中接收到AP的数量；根据可行走区域的分布状况，轨迹的长度是不定的；根据不同行人行走速率不同，轨迹上众包指纹数量不同；由于AP覆盖范围有限，各众包指纹中接收到的AP的个数是不相等的；
对各条行走轨迹，在通过起始点坐标(xb，yb)和终止点坐标(xe，ye)的线段上，按行走轨迹中众包指纹数量，给各众包指纹均匀分配一个近似坐标；第k个功能区域中，第i个众包指纹fi的坐标记为(xi，yi)，i＝1，2，…I(k)，I(k)为第k个功能区域中包含众包指纹的数目；
(3)众包指纹拆分步骤：
在同一功能区域中，计算第i个众包指纹fi到第j个栅格的栅格中心的欧式距离dij：
判断是否dij≤R，是则以拆分概率pij将第i个众包指纹fi加入第j个栅格的栅格指纹支撑集GFj中，否则，在栅格指纹支撑集GFj中不加入第i个众包指纹fi，用公式表示为：dij≤R，90cm≤拆分阈值R≤150cm；
本步骤中将一个众包指纹拆分到多个栅格中的原因是：一方面，基于众包方式收集得到的指纹位置信息标注不准确；另一方面，即使部分众包指纹位置信息标注在正确的栅格中，根据信号传播特性，在某位置接收到的信号值能够代表其相邻较小区域的信号特征；
(4)众包指纹数量判断步骤：
判断目标区域内是否numf≥2，是则进行步骤(5)；否则进行步骤(6)；
即使numf≥2，由于众包指纹分布不均，仍然有些不能到达的局部区域不存在众包指纹，采用步骤(5)和步骤(7)得到栅格指纹；当0.5≤numf＜2时，采用步骤(6)和步骤(7)得到栅格指纹；
(5)AP筛选步骤：
对于同一功能区域每个栅格，判断其栅格指纹支撑集中是否拆分得到的众包指纹的数目≥Q，筛选阈值Q≥3，是则对该栅格指纹支撑集进行AP筛选，并构造栅格指纹；否则进行步骤(7)；
(6)直接构造栅格指纹步骤：
对于同一功能区域每个栅格，判断其栅格指纹支撑集中是否存在拆分得到的众包指纹，存在则对该栅格直接构造栅格指纹；否则进行步骤(7)；
(7)指纹曲面拟合步骤：
对于该栅格指纹支撑集对应的第j个栅格，其栅格中心坐标为(Xj，Yj)，基于其邻近栅格指纹，针对邻近栅格指纹包含的每个AP，采用指纹曲面拟合构造一个局部连续的无线电地图，在该无线电地图中计算栅格中心坐标(Xj，Yj)处的每个AP的拟合信号强度值，并将其作为该栅格的栅格指纹；其邻近栅格指纹为通过AP筛选步骤或直接构造栅格指纹步骤得到的邻近栅格的栅格指纹。
所述步骤(3)中，拆分概率pij＝1，或者
其中，dij≤R，L为第i个众包指纹根据拆分阈值R，拆分到邻近栅格的数量。
所述的室内指纹地图构建方法，其特征在于：
所述步骤(5)中，对于第j个栅格，对于其栅格指纹支撑集GFj进行AP筛选并构造栅格指纹包括以下子步骤：
(5.1)将拆分到其中的M(j)个众包指纹，构造一个M(j)×N(j)维的RSS(接收信号强度，Received Signal Strength)矩阵RM(j)×N(j)：
其中，rmn为第m个众包指纹接收到第n个AP的信号强度，m＝1、…、M(j)，n＝1、…、N(j)，M(j)和N(j)分别表示该栅格指纹支撑集中众包指纹的数目和接收到的AP的数目；
若在第m个众包指纹中未接收到第n个AP的信号，则令rmn＝0；由于栅格中的众包指纹包含不同的AP集合且长度不一，因此矩阵RM(j)×N(j)为稀疏矩阵；
(5.2)计算RSS矩阵RM(j)×N(j)中每列的非零数值矩阵单元的方差Vn：
其中，表示第n个AP在该栅格中接收到的信号强度的均值，Vn即为第n个AP在相应栅格中的接收到的信号值的方差；|Wn|表示矩阵RM(j)×N(j)中第n列非零元素的个数；
(5.3)判断是否Vn≤σ，0≤方差阈值σ≤0.5，是则在RSS矩阵RM(j)×N(j)中，剔除Vn所对应的列，否则保留相应的列；得到M(j)×N1(j)维的新RSS矩阵
其中，N1(j)为剔除相应AP后的AP数目，N1(j)＜N(j)；
(5.4)构造第j个栅格的栅格指纹其中，栅格指纹中得到的第a个AP的信号值
其中，Pmj表示将第m个众包指纹加入第j个栅格的栅格指纹支撑集中的拆分概率。
子步骤(5.3)中采用这种方法剔除AP的原因是，一方面，拆分到同一栅格的众包指纹来自于不同的物理位置且接收到的时间不同，根据信号传播特征，栅格中同一AP的信号强度值理论上应该是不完全相等的；若某个AP的信号强度值在一个栅格中的包含该AP的所有众包指纹中完全相等，即所求得到的方差值较小，则认为该AP在此栅格中没有区分能，因此将其剔除；另一方面，若某个AP在栅格中仅包含于一个或较少数目的众包指纹中，即所求得到的方差值较小，则认为该AP在此栅格中接受率较低，可能提供不准确的定位信息，甚至可能是噪声信号，因此将其剔除，所以AP筛选的目的是剔除没有区分能力的AP和接受率较低的AP。
所述的室内指纹地图构建方法，其特征在于，步骤(6)中，对于第j个栅格，直接构造栅格指纹包括以下子步骤：
(6.1)将拆分到其其栅格指纹支撑集GFj中的M(j)个众包指纹，构造一个M(j)×N(j)维的RSS矩阵RM(j)×N(j)：
其中，rmn为第m个众包指纹接收到第n个AP的信号强度，m＝1、…、M(j)，n＝1、…、N(j)，M(j)和N(j)分别表示该栅格指纹支撑集中众包指纹的数目和接收到的AP的数目；
若在第m个众包指纹中未接收到第n个AP的信号，则令rmn＝0；由于栅格中的众包指纹包含不同的AP集合且长度不一，因此矩阵RM(j)×N(j)为稀疏矩阵；
(6.2)构造第j个栅格的栅格指纹其中，栅格指纹中得到的第n个AP的信号值
其中，pmi表示将第m个众包指纹加入第j个栅格的栅格指纹支撑集中的拆分概率。
所述的室内指纹地图构建方法，其特征在于，步骤(6)包括以下子步骤：
(6.1)构造拟合指纹支撑集C：
以该栅格为中心，通过向外扩张的的方式逐层查找其邻近栅格是否具有栅格指纹，直到具有栅格指纹的栅格数目达到拟合阈值S，S≥6，从而得到该栅格的拟合指纹支撑集C，C由具有栅格指纹的栅格的中心坐标及其对应的栅格指纹构成；
(6.2)构建目标函数θ：
其中，为二元多项式信号强度拟合函数在第g个栅格的值，表示在拟合指纹支撑集C中，第g个栅格第s个AP的拟合信号强度值；
其中，ωscd为拟合系数，Xg、Yg为第g个栅格中心的横、纵坐标，指数c＝1，…，p；指数d＝1，…，q；为避免过拟合和降低计算复杂度，p、q＝2；
为第g个栅格的栅格指纹中，第s个AP的信号强度值；|C|表示拟合指纹支撑集C中存在栅格指纹的栅格的数目；
(6.3)求取拟合系数ωscd：
求取目标函数θ关于拟合系数ωscd的偏导数，使偏导数为0，即使得目标函数θ具有最小值，得到拟合系数ωscd：
其中，中间符号
中间符号
指数e＝1，…，p，指数h＝1，…，q；
(6.4)将该栅格的栅格中心坐标(Xj，Yj)及拟合系数ωscd代入二元多项式信号强度拟合函数以求取该栅格中第s个AP的拟合信号强度值则该栅格的栅格指纹为其中，s＝1，…，N2(j)。
子步骤(5.4)中子步骤(6.2)中和子步骤(7.4)中均表示在相应序列中接收到的第a个、第n个或第s个AP的信号值。
子步骤(7.1)构造拟合指纹支撑集的过程中，每个栅格有其8邻域栅格，包围8邻域栅格的外层是16邻域栅格，包围16邻域栅格的外层是24邻域栅格，…，如此由内向外逐层查找其邻近栅格是否具有栅格指纹；通过利用指纹曲面拟合技术得到的栅格指纹不参与构造其它栅格拟合指纹支撑集的过程。其原因是拟合得到的栅格指纹本身是由其邻近栅格指纹采用指纹曲面拟合技术得到的。而邻近栅格指纹又是由众包指纹支撑集得到的，本身存在误差。若拟合得到的栅格指纹参与构造其它栅格拟合指纹支撑集，则累计误差会越来越大。另外，选取的邻近栅格指纹与需要进行拟合的栅格应在同一功能区域中，避免由于不同功能区域导致信号强度值相差较大，拟合不准确。
应用本发明构建的室内指纹地图时，可采用基于贝叶斯推理法的概率定位方法进行定位(以numf≥2的情况进行说明，0.5≤numf＜2的情况与此类似，仅栅格指纹中AP数量不同)：
在经历了本发明的各个步骤后，每个栅格都具有相应的栅格指纹，第j个栅格的栅格指纹为或利用高斯核函数结合栅格指纹的信号强度或和方差Va或Vs将其转化为高斯分布，则在第j个栅格得到测试指纹的概率：
z＝1，…，N3,N3表示测试指纹接受到的AP数量，当第z个AP与第a个AP或第s个AP为同一个AP时，上式才有意义。
其中，或表示在第j个栅格中，第a或s个AP信号强度值为或所得到的高斯分布中，接收到的信号强度值为的概率；
最终选择概率P(Ft|Fj)最大的栅格的栅格中心坐标作为该测试指纹的评估位置。
其中计算概率P(Ft|Fj)的过程中，Fj与Ft中可能包含不同的AP集合。因此规定，对于存在于Fj中而不存在于Ft中的第a或s个AP，直接忽略其条件概率或相反地，对于存在于Ft中而不存在于Fj中的第z个AP，将其条件概率设置为一个较小的概率值或为pmin＝0.001。
本发明首先依照目标区域的物理结构将其划分为K个互相不重叠的功能区域，并将每个功能区域划分大小基本相等的栅格；采用普通群众采集的众包指纹，例如利用行走轨迹的方式收集目标区域可采集的WiFi信号，并对众包指纹进行位置标注，例如可以采用轨迹匹配算法给轨迹中每个众包指纹赋予近似坐标。将每个众包指纹以一定的概率拆分到与其所标注位置相邻的一个或多个栅格中去。对于每一个栅格，形成栅格指纹支撑集；并对栅格指纹支撑集中指纹进行AP筛选，构造栅格指纹。对于缺乏栅格指纹支撑集的或支撑集中含有较少指纹数量的栅格，利用其邻近栅格的栅格指纹，通过指纹拟合构造其栅格指纹，例如采用指纹曲面拟合技术进行拟合得到栅格指纹。
应用本发明构建的室内指纹地图，可利用概率的方法对测试指纹进行位置评估定位。
与现有技术相比较，本发明具有下列有益效果：
(1)减少指纹采集工作量：由于采用了众包指纹拆分步骤，将指纹拆分到多个栅格中去，增加了指纹数量，使其利用较少的众包指纹具有较好的定位结果。
(2)有利于提高定位准确度：由于采用了众包指纹拆分步骤，将众包指纹拆分到多个栅格中去，解决了众包指纹位置标注不准确的问题；由于采用了众包指纹拆分步骤和指纹曲面拟合步骤，采用指纹拆分与指纹拟合技术，解决了指纹位置分布不均的问题；由于采用AP筛选步骤，进行AP筛选，剔除栅格中接受率低的AP，减少了噪声信号的影响；上述三个过程的结合大大有利于提高定位准确度。
(3)减少指纹对比工作量：建立基于栅格的室内指纹地图，定位阶段需要对比的指纹数量只与栅格的数目相关，大大少于众包指纹的数量。另外，由于采用了AP筛选步骤，AP筛选降低了指纹对比的计算复杂度。
附图说明
图1是本发明的流程示意图；
图2是本发明应用实例的定位场景图；
图3是本发明中将一个众包指纹拆分到多个栅格的示意图；
图4是AP筛选步骤流程示意图；
图5是指纹曲面拟合步骤流程示意图；
图6是本发明中曲面指纹拟合技术中，获取拟合指纹支撑集的示意图；
图7是采用不同众包指纹数目时，不同构建方案平均定位误差比较；
图8是不同构建方案定位误差累计分布图比较；
图9是指纹标注误差对不同构建方案平均定位误差的影响。
具体实施方式
以下结合附图及实施例对本发明进一步详细说明。
如图1所示，本发明包括栅格划分步骤、获得众包指纹步骤、众包指纹拆分步骤、众包指纹数量判断步骤、AP筛选步骤、直接构造栅格指纹步骤和指纹曲面拟合步骤。
作为本发明的一个实施例：
(1)栅格划分步骤：
建立平面直角坐标系，如图2所示，将平面目标区域依照其物理结构划分为6间教室和1条走廊共7个相互不重叠的功能区域，其中奇数号教室面积各为10.5×9.56m2，偶数号教室面积各为10.5×7.76m2，走廊面积为32.6×3.62m2，各功能区域间水泥墙厚度为0.3m，总面积约为717m2；并将每个功能区域划分为大小基本相等的栅格，其中,第k个功能区域划分为J(k)个栅格，第j个栅格的栅格中心坐标记为(Xj，Yj)，j＝1，2，…，J(k)，k＝1，2，…，7；
比如，在本实施例的场景中，将功能区域划分为长宽各约为0.6米的栅格，奇数号教室可划分为272个栅格，偶数号教室可划分为221个栅格，走廊可划分为324个栅格；
(2)获得众包指纹步骤：
通过行走轨迹的方式采集目标区域已有的WiFi信号，采集频率为1Hz，行走轨迹限制在目标区域中可行走区域(如图2所示，可行走区域主要包括教室内走廊和教室间走廊，而在教室中座椅附近无众包指纹，且行走轨迹是随机分布在可行走区域，因此，在目标区域，众包指纹位置分布不均，有些位置根本没有众包指纹)，行走轨迹的数量应达到目标区域内numf约为10个(为了研究众包指纹数量对定位准确度的影响，因此收集了足够多的众包指纹)；每条行走轨迹近似直线且基本保持匀速行走(本实施例中，行走速率为1m/s，接收到的AP数量变化范围为100+～400+)，并记录每条行走轨迹的起始点坐标(xb，yb)与终止点坐标(xe，ye)，该行走轨迹的指纹集合ltraj：ltrai＝<(xb，yb)，(xe，ye)，(f1，f2，…，fT)>；
其中，行走轨迹中第t个众包指纹ft：T为行走轨迹中采样的众包指纹数量，rt2为第t个众包指纹中接收到第2个AP的信号强度，以下类推；Nf为第t个众包指纹中接收到AP的数量；
如图4的走廊中，该行走轨迹的指纹集合lAB：
lAB＝<(xA，yA)，(xB，yB)，(f1，f2，…，f14)>，
其中，行走轨迹中第t个众包指纹ft：行走轨迹lAB中共有14众包指纹；
对各条行走轨迹，在通过起始点坐标(xb，yb)和终止点坐标(xe，ye)的线段上，按行走轨迹中众包指纹数量，给各众包指纹均匀分配一个近似坐标；第k个功能区域中，第i个众包指纹fi的坐标记为(xi，yi)，i＝1，2，…I(k)，I(k)为第k个功能区域中包含众包指纹的数目；
在测试中使用MEIZU MX5作为终端设备进行信号强度的采集。采集的指纹分为两部分：一部分为测试指纹，共采集了725个测试指纹，其间隔为1m×1m，均匀地分布在该目标区域中，每个测试点进行20秒采样，每秒采样一次；另一部分为训练指纹，用于构建室内指纹地图。训练指纹又包括通过现场勘测得到的位于可行走区域的参考指纹(1362个，使用参考指纹的目标仅是为了增加指纹的数量)和通过轨迹方式得到的众包指纹(6830个)。图2中教室412中黑色三角形的点表示栅格指纹，教室408中曲线上的黑色圆点表示通过轨迹方式得到的众包指纹，教室409中黑色五边形的点表示基于现场勘测得到的参考指纹(使用所有的参考指纹进行对比实验)。
(3)众包指纹拆分步骤：
在同一功能区域中，计算第i个众包指纹fi到第j个栅格的栅格中心的欧式距离dij：
判断是否dij≤R，是则以拆分概率pij将第i个众包指纹fi加入第j个栅格的栅格指纹支撑集GFj中，否则，在栅格指纹支撑集GFj中不加入第i个众包指纹fi，用公式表示为：dij≤R，本实施例中，拆分阈值R设置为100cm；拆分概率pij＝1；
如图3所示，黑色圆点表示众包指纹fi，黑色方点表示栅格中心，计算黑色圆点与黑色方点间的欧式距离，若该欧式距离小于拆分阈值R，则将众包指纹分配到该栅格中去；
(4)众包指纹数量判断步骤：
判断目标区域内是否numf≥2，是则进行步骤(5)；否则进行步骤(6)；
(5)AP筛选步骤：
对于同一功能区域每个栅格，判断其栅格指纹支撑集中是否拆分得到的众包指纹的数目≥3，是则对该栅格指纹支撑集进行AP筛选，并构造栅格指纹；否则进行步骤(7)；
如图4所示，所述步骤(5)中，对于第j个栅格，对于其栅格指纹支撑集GFj进行AP筛选并构造栅格指纹包括以下子步骤：
(5.1)将拆分到其中的M(j)个众包指纹，构造一个M(j)×N(j)维的RSS矩阵RM(j)×N(j)：
其中，rmn为第m个众包指纹接收到第n个AP的信号强度，m＝1、…、M(j)，n＝1、…、N(j)，M(j)和N(j)分别表示该栅格指纹支撑集中众包指纹的数目和接收到的AP的数目；
若在第m个众包指纹中未接收到第n个AP的信号，则令rmn＝0；由于栅格中的众包指纹包含不同的AP集合且长度不一，因此矩阵RM(j)×N(j)为稀疏矩阵；
(5.2)计算RSS矩阵RM(j)×N(j)中每列的非零数值矩阵单元的方差Vn：
其中，表示第n个AP在该栅格中接收到的信号强度的均值，Vn即为第n个AP在相应栅格中的接收到的信号值的方差；|Wn|表示矩阵RM(j)×N(j)中第n列非零元素的个数；
(5.3)判断是否Vn≤σ，本实施例中，方差阈值σ设置为0，是则在RSS矩阵RM(j)×N(j)中，剔除Vn所对应的列，否则保留相应的列；得到M(j)×N1(j)维的新RSS矩阵
其中，N1(j)为剔除相应AP后的AP数目，N1(j)＜N(j)；
(5.4)构造第j个栅格的栅格指纹其中，栅格指纹中得到的第a个AP的信号值
其中，pmj表示将第m个众包指纹加入第j个栅格的栅格指纹支撑集中的拆分概率；
表1给出了每个功能区域中平均每个指纹所接收到的AP数量、执行AP筛选过程所剔除的AP数量，以及剔除AP的数量所占的比率。从表2中可看出，每个功能区域剔除AP的比率均超过25％。这一过程降低了定位过程中对比计算的复杂度；
表1
APs 走廊 408 409 410 411 412 413
平均AP数 425.7 279.5 270.1 300.4 193.3 319.1 357.7
剔除AP 162.6 83.3 96.7 79.3 48.7 85.2 161.7
剔除比率 0.382 0.298 0.358 0.264 0.252 0.267 0.452
(6)直接构造栅格指纹步骤：
对于同一功能区域每个栅格，判断其栅格指纹支撑集中是否存在拆分得到的众包指纹，存在则对该栅格直接构造栅格指纹；否则进行步骤(7)；
对于第j个栅格，直接构造栅格指纹包括以下子步骤：
(6.1)将拆分到其栅格指纹支撑集GFj中的M(j)个众包指纹，构造一个M(j)×N(j)维的RSS矩阵RM(j)×N(j)：
其中，rmn为第m个众包指纹接收到第n个AP的信号强度，m＝1、…、M(j)，n＝1、…、N(j)，M(j)和N(j)分别表示该栅格指纹支撑集中众包指纹的数目和接收到的AP的数目；
若在第m个众包指纹中未接收到第n个AP的信号，则令rmn＝0；由于栅格中的众包指纹包含不同的AP集合且长度不一，因此矩阵RM(j)×N(j)为稀疏矩阵；
(6.2)构造第j个栅格的栅格指纹其中，栅格指纹中得到的第n个AP的信号值
其中，pmj表示将第m个众包指纹加入第j个栅格的栅格指纹支撑集中的拆分概率；
(7)指纹曲面拟合步骤：
对于该栅格指纹支撑集对应的第j个栅格，其栅格中心坐标为(Xj，Yj)，基于其邻近栅格指纹，针对邻近栅格指纹包含的每个AP，采用指纹曲面拟合构造一个局部连续的无线电地图，在该无线电地图中计算栅格中心坐标(Xj，Yj)处的每个AP的拟合信号强度值，并将其作为该栅格的栅格指纹；其邻近栅格指纹为通过AP筛选步骤或直接构造栅格指纹步骤得到的邻近栅格的栅格指纹；
如图5所示，步骤(7)包括以下子步骤：
(7.1)构造拟合指纹支撑集C：
以该栅格为中心，通过向外扩张的的方式逐层查找其邻近栅格是否具有栅格指纹，直到具有栅格指纹的栅格数目达到拟合阈值S，本实施例中，拟合阈值S设置为6，从而得到该栅格的拟合指纹支撑集C，C由具有栅格指纹的栅格的中心坐标及其对应的栅格指纹构成；
如图6所示，数值1代表该栅格存在栅格指纹，数值0表示该栅格中无栅格指纹，需要采用指纹曲面拟合技术得到栅格指纹。针对图中标黑色方形的栅格而言，为获得拟合指纹支撑集，首先查找最近一层虚线框所包含的栅格中是否存在栅格指纹，若这些栅格中栅格指纹的数量达到拟合阈值，则停止查找，由查找得到的栅格指纹构成该栅格的拟合指纹支撑集；否则，将查找范围扩大到接下来虚线框所包含的栅格，继续上一步操作过程；
(7.2)构建目标函数θ：
其中，为二元多项式信号强度拟合函数在第g个栅格的值，表示在拟合指纹支撑集C中，第g个栅格第s个AP的拟合信号强度值；
其中，ωscd为拟合系数，Xg、Yg为第g个栅格中心的横、纵坐标，指数c＝1，…，p；指数d＝1，…，q；为避免过拟合和降低计算复杂度，p、q＝2；
为第g个栅格的栅格指纹中，第s个AP的信号强度值；|C|表示拟合指纹支撑集C中存在栅格指纹的栅格的数目；
(7.3)求取拟合系数ωscd：
求取目标函数θ关于拟合系数ωscd的偏导数，使偏导数为0，即使得目标函数θ具有最小值，得到拟合系数ωscd：
其中，中间符号
中间符号
指数e＝1，…，p，指数h＝1，…，q；
(7.4)将该栅格的栅格中心坐标(Xj，Yj)及拟合系数ωscd代入二元多项式信号强度拟合函数以求取该栅格中第s个AP的拟合信号强度值则该栅格的栅格指纹为其中，s＝1，…，N2(j)。
其中，子步骤(5.4)中子步骤(6.2)中和子步骤(7.4)中均表示在相应序列中接收到的第a个、第n个或第s个AP的信号值。
为比较本发明中提出的众包指纹拆分、AP筛选和指纹曲面拟合这三个步骤的性能，共测试了6种构建室内指纹地图的方案，分别是：
(a)无拆分+无筛选+无拟合，为基准方案，即仅包括本发明的步骤(1)和步骤(2)；
(b)无拆分+无筛选+拟合，即仅包括本发明的步骤(1)、步骤(2)和步骤(7)；
(c)拆分+无筛选+无拟合，即仅包括本发明的步骤(1)、步骤(2)和步骤(3)；
(d)拆分+无筛选+拟合，即包括本发明的步骤(1)、步骤(2)、步骤(3)、步骤(6)和步骤(7)，适用于目标区域中，0.5≤numf＜2的情况；
(e)拆分+筛选+拟合，即包括本发明的步骤(1)、步骤(2)、步骤(3)、步骤(5)和步骤(7)，适用于目标区域中，numf≥2的情况；；
现场勘测间隔0.6×0.6m2
图7表示采用不同众包指纹数目时，方案(a)、(b)、(c)、(d)平均定位误差的比较。从图7中可以看出，方案(c)、(d)采用了众包指纹拆分技术，相对方案(a)、(b)而言，平均定位准确度具有较大提高。从图7中还可看出，众包指纹拆分技术相对指纹曲面拟合技术性能更好，这是因为，拟合指纹支撑集采用的是栅格指纹，本身存在一定误差，经过指纹曲面拟合后，误差会更大。在此图7中，未描绘AP筛选方案的性能的原因是，能够执行AP筛选的栅格的前提是，需要保证每个栅格具有一定数量的众包指纹。
图8表示方案(a)、(d)、(e)以及基于现场勘测的定位误差累计分布，表2给出了这四种方案的平均定位误差、50％定位误差和90％定位误差。
表2
平均定位误差(m) 平均 50％ 90％
现场勘测间隔0.6×0.6m<sup>2</sup> 3.06 1.92 7.50
(a)无拆分+无筛选+无拟合 1.96 1.20 4.63
(b)拆分+无筛选+拟合 1.65 1.02 3.65
(c)拆分+筛选+拟合 1.48 1.01 3.16
结合图8以及表2可看出，方案(e)相对方案(a)、(d)和基于现场勘测的定位性能有较大的提高。
图9给出了指纹标注误差对定位方案(a)、(d)、(e)平均定位误差的影响。从图9中可以看出，随着标注误差的标准差增加，三种方案的平均定位误差都有所提高，但方案(d)、(e)变化相对平缓，且方案(e)的平均定位误差仍是最小的。因此，将众包指纹拆分到多个栅格中去能够降低由于指纹标注不准确所造成的影响。

Claims (5)

1.一种基于众包指纹的室内指纹地图构建方法，包括栅格划分步骤、获得众包指纹步骤、众包指纹拆分步骤、众包指纹数量判断步骤、AP筛选步骤、直接构造栅格指纹步骤和指纹曲面拟合步骤，其特征在于：
(1)栅格划分步骤：
建立平面直角坐标系，将平面目标区域依照其物理结构划分为K个相互不重叠的功能区域，并将每个功能区域划分为大小基本相等的栅格，其中，第k个功能区域划分为J(k)个栅格，第j个栅格的栅格中心坐标记为(Xj，Yj)，j＝1，2，…，J(k)，k＝1，2，…，K；K为正整数；
(2)获得众包指纹步骤：
通过行走轨迹的方式采集目标区域已有的WiFi信号，采集频率为0.5～2Hz，行走轨迹限制在目标区域中可行走区域，行走轨迹的数量应达到目标区域内numf≥0.5个，numf为每平方米包含众包指纹数量；每条行走轨迹近似直线且基本保持匀速行走，并记录每条行走轨迹的起始点坐标(xb，yb)与终止点坐标(xe，ye)，该行走轨迹的指纹集合ltraj：ltraj＝＜(xb，yb)，(xe，ye)，(f1，f2，…，fr)＞；
其中，行走轨迹中第t个众包指纹ft：T为行走轨迹中采样的众包指纹数量，rt2为第t个众包指纹中接收到第2个AP的信号强度，以下类推；Nf为第t个众包指纹中接收到AP的数量；
对各条行走轨迹，在通过起始点坐标(xb，yb)和终止点坐标(xe，ye)的线段上，按行走轨迹中众包指纹数量，给各众包指纹均匀分配一个近似坐标；第k个功能区域中，第i个众包指纹fi的坐标记为(xi，yi)，i＝1，2，…I(k)，I(k)为第k个功能区域中包含众包指纹的数目；
(3)众包指纹拆分步骤：
在同一功能区域中，计算第i个众包指纹fi到第j个栅格的栅格中心的欧式距离dij：
判断是否dij≤R，是则以拆分概率pij将第i个众包指纹fi加入第j个栅格的栅格指纹支撑集GFj中，否则，在栅格指纹支撑集GFj中不加入第i个众包指纹fi，用公式表示为：dij≤R，90cm≤拆分阈值R≤150cm；
(4)众包指纹数量判断步骤：
判断目标区域内是否numf≥2，是则进行步骤(5)；否则进行步骤(6)；
(5)AP筛选步骤：
对于同一功能区域每个栅格，判断其栅格指纹支撑集中是否拆分得到的众包指纹的数目≥Q，筛选阈值Q≥3，是则对该栅格指纹支撑集进行AP筛选，并构造栅格指纹；否则进行步骤(7)；
(6)直接构造栅格指纹步骤：
对于同一功能区域每个栅格，判断其栅格指纹支撑集中是否存在拆分得到的众包指纹，是则对该栅格直接构造栅格指纹；否则进行步骤(7)；
(7)指纹曲面拟合步骤：
对于该栅格指纹支撑集对应的第j个栅格，其栅格中心坐标为(Xj，Yj)，基于其邻近栅格指纹，针对邻近栅格指纹包含的每个AP，采用指纹曲面拟合构造一个局部连续的无线电地图，在该无线电地图中计算栅格中心坐标(Xj，Yj)处的每个AP的拟合信号强度值，并将其作为该栅格的栅格指纹；其邻近栅格指纹为通过AP筛选步骤或直接构造栅格指纹步骤得到的邻近栅格的栅格指纹。
2.如权利要求1所述的室内指纹地图构建方法，其特征在于：
所述步骤(3)中，拆分概率pij＝1，或者
其中，dij≤R，L为第i个众包指纹根据拆分阈值R，拆分到邻近栅格的数量。
3.如权利要求1或2所述的室内指纹地图构建方法，其特征在于：
所述步骤(5)中，对于第j个栅格，对于其栅格指纹支撑集GFj进行AP筛选并构造栅格指纹包括以下子步骤：
(5.1)将拆分到其中的M(j)个众包指纹，构造一个M(j)×N(j)维的RSS矩阵RM(j)×N(j)：
其中，rmn为第m个众包指纹接收到第n个AP的信号强度，m＝1、…、M(j)，n＝1、…、N(j)，M(j)和N(j)分别表示该栅格指纹支撑集中众包指纹的数目和接收到的AP的数目；
若在第m个众包指纹中未接收到第n个AP的信号，则令rmn＝0；由于栅格中的众包指纹包含不同的AP集合且长度不一，因此矩阵RM(j)×N(j)为稀疏矩阵；
(5.2)计算RSS矩阵RM(j)×N(j)中每列的非零数值矩阵单元的方差Vn：
其中，表示第n个AP在该栅格中接收到的信号强度的均值，Vn即为第n个AP在相应栅格中的接收到的信号值的方差；|Wn|表示矩阵RM(j)×N(j)中第n列非零元素的个数；
(5.3)判断是否Vn≤σ，0≤方差阈值σ≤0.5，是则在RSS矩阵RM(j)×N(j)中，剔除Vn所对应的列，否则保留相应的列；得到M(j)×N1(j)维的新RSS矩阵
其中，N1(j)为剔除相应AP后的AP数目，N1(j)＜N(j)；
(5.4)构造第j个栅格的栅格指纹其中，栅格指纹中得到的第a个AP的信号值
其中，pmj表示将第m个众包指纹加入第j个栅格的栅格指纹支撑集中的拆分概率。
4.如权利要求1或2所述的室内指纹地图构建方法，其特征在于，所述步骤(6)中，对于第j个栅格，直接构造栅格指纹包括以下子步骤：
(6.1)将拆分到其栅格指纹支撑集GFj中的M(j)个众包指纹，构造一个M(j)×N(j)维的RSS矩阵RM(j)×N(j)：
其中，rmn为第m个众包指纹接收到第n个AP的信号强度，m＝1、…、M(j)，n＝1、…、N(j)，M(j)和N(j)分别表示该栅格指纹支撑集中众包指纹的数目和接收到的AP的数目；
若在第m个众包指纹中未接收到第n个AP的信号，则令rmn＝0；由于栅格中的众包指纹包含不同的AP集合且长度不一，因此矩阵RM(j)×N(j)为稀疏矩阵；
(6.2)构造第j个栅格的栅格指纹其中，栅格指纹中得到的第n个AP的信号值
其中，pmj表示将第m个众包指纹加入第j个栅格的栅格指纹支撑集中的拆分概率。
5.如权利要求1或2所述的室内指纹地图构建方法，其特征在于，步骤(7)包括以下子步骤：
(7.1)构造拟合指纹支撑集C：
以该栅格为中心，通过向外扩张的的方式逐层查找其邻近栅格是否具有栅格指纹，直到具有栅格指纹的栅格数目达到拟合阈值S，S≥6，从而得到该栅格的拟合指纹支撑集C，C由具有栅格指纹的栅格的中心坐标及其对应的栅格指纹构成；
(7.2)构建目标函数θ：
其中，为二元多项式信号强度拟合函数在第g个栅格的值，表示在拟合指纹支撑集C中，第g个栅格第s个AP的拟合信号强度值；
其中，ωscd为拟合系数，Xg、Yg为第g个栅格中心的横、纵坐标，指数c＝1，…，p；指数d＝1，…，q；为避免过拟合和降低计算复杂度，p、q＝2；
为第g个栅格的栅格指纹中，第s个AP的信号强度值；|C|表示拟合指纹支撑集C中存在栅格指纹的栅格的数目；
(7.3)求取拟合系数ωscd：
求取目标函数θ关于拟合系数ωscd的偏导数，使偏导数为0，即使得目标函数θ具有最小值，得到拟合系数ωscd：
其中，中间符号
中间符号
指数e＝1，…，p，指数h＝1，…，q；
(7.4)将该栅格的栅格中心坐标(Xj，Yj)及拟合系数ωscd代入二元多项式信号强度拟合函数以求取该栅格中第s个AP的拟合信号强度值则该栅格的栅格指纹为其中，s＝1，…，N2(j)。
CN201611219485.9A 2016-12-26 2016-12-26 一种基于众包指纹的室内指纹地图构建方法 Active CN106792465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611219485.9A CN106792465B (zh) 2016-12-26 2016-12-26 一种基于众包指纹的室内指纹地图构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611219485.9A CN106792465B (zh) 2016-12-26 2016-12-26 一种基于众包指纹的室内指纹地图构建方法

Publications (2)

Publication Number Publication Date
CN106792465A CN106792465A (zh) 2017-05-31
CN106792465B true CN106792465B (zh) 2019-08-30

Family

ID=58926757

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611219485.9A Active CN106792465B (zh) 2016-12-26 2016-12-26 一种基于众包指纹的室内指纹地图构建方法

Country Status (1)

Country Link
CN (1) CN106792465B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107290715B (zh) * 2017-07-18 2019-05-14 华中科技大学 一种基于指纹校准和指纹转换的室内定位方法
CN108534779B (zh) * 2018-03-09 2020-09-08 华中科技大学 一种基于轨迹纠正和指纹改进的室内定位地图构建方法
CN108413975B (zh) * 2018-03-15 2021-11-09 斑马网络技术有限公司 地图获取方法、***、云处理器及车辆
CN108449709B (zh) * 2018-03-16 2019-06-18 华中科技大学 一种基于众包样本的室内无线电地图构建方法
CN108709557B (zh) * 2018-05-18 2021-09-24 东南大学 基于多用户轨迹拟合的室内地图生成方法
CN108810817B (zh) * 2018-05-18 2020-10-27 东南大学 基于移动众包模式的室内地图生成与轨迹加密方法
CN110530363B (zh) * 2018-05-24 2022-08-19 北京智慧图科技有限责任公司 一种建筑物级ap众包生成的方法
CN109059919B (zh) * 2018-06-08 2020-05-19 华中科技大学 一种基于众包样本加权曲面拟合的室内定位方法
CN108919177B (zh) * 2018-07-16 2020-12-18 华中科技大学 一种基于虚拟信源估计与轨迹校正的定位地图构建方法
CN110264154B (zh) * 2019-05-28 2023-06-09 南京航空航天大学 一种基于自编码器的众包信号地图构建方法
CN110716512A (zh) * 2019-09-02 2020-01-21 华电电力科学研究院有限公司 一种基于燃煤电站运行数据的环保装备性能预测方法
CN111474516B (zh) * 2020-04-17 2022-01-11 华中科技大学 一种基于众包样本曲面拟合的多层次室内定位方法及***
CN112068073B (zh) * 2020-09-09 2023-09-01 中山大学 Uwb定位误差校正方法、uwb定位***、设备、存储介质
CN112543938B (zh) * 2020-09-29 2022-02-08 华为技术有限公司 占据栅格地图的生成方法和装置
CN115685060A (zh) * 2021-07-28 2023-02-03 华为技术有限公司 一种室内指纹地图的构建方法及相关装置
CN113727273B (zh) * 2021-08-19 2022-04-26 武汉大学 一种基于无线众包数据的人员室内语义轨迹重建方法
CN115683121B (zh) * 2022-12-30 2023-03-17 武汉大学 一种基于实测轨迹生成多源泛在定位指纹的方法
CN117135573B (zh) * 2023-04-14 2024-06-21 荣耀终端有限公司 Cell位置的更新方法、服务器及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394588A (zh) * 2014-11-15 2015-03-04 北京航空航天大学 基于Wi-Fi指纹和多维尺度分析的室内定位方法
CN104462281A (zh) * 2014-11-26 2015-03-25 杭州优体科技有限公司 一种用于指纹定位的分布式并行勘测***
CN104869639A (zh) * 2015-05-29 2015-08-26 福建星网锐捷网络有限公司 一种室内定位方法和装置
CN105242239A (zh) * 2015-10-19 2016-01-13 华中科技大学 一种基于众包指纹分簇和匹配的室内子区域定位方法
CN105263113A (zh) * 2015-10-26 2016-01-20 深圳大学 一种基于众包的WiFi位置指纹地图构建方法及其***

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9537889B2 (en) * 2011-12-05 2017-01-03 Microsoft Technology Licensing, Llc Trusting crowdsourced data with issued tags
US9107178B2 (en) * 2012-12-24 2015-08-11 Intel Corporation Geo-location signal fingerprinting

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104394588A (zh) * 2014-11-15 2015-03-04 北京航空航天大学 基于Wi-Fi指纹和多维尺度分析的室内定位方法
CN104462281A (zh) * 2014-11-26 2015-03-25 杭州优体科技有限公司 一种用于指纹定位的分布式并行勘测***
CN104869639A (zh) * 2015-05-29 2015-08-26 福建星网锐捷网络有限公司 一种室内定位方法和装置
CN105242239A (zh) * 2015-10-19 2016-01-13 华中科技大学 一种基于众包指纹分簇和匹配的室内子区域定位方法
CN105263113A (zh) * 2015-10-26 2016-01-20 深圳大学 一种基于众包的WiFi位置指纹地图构建方法及其***

Also Published As

Publication number Publication date
CN106792465A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106792465B (zh) 一种基于众包指纹的室内指纹地图构建方法
CN106793086B (zh) 一种室内定位方法
US9313617B2 (en) Identification of points of interest and positioning based on points of interest
US8983490B2 (en) Locating a mobile device
US20160021494A1 (en) Systems and methods for adaptive multi-feature semantic location sensing
Cengiz Comprehensive analysis on least-squares lateration for indoor positioning systems
CN104717744B (zh) 一种基于无线局域网及分层聚类的室内定位方法
CN106233798A (zh) 在目标区域中的无线用户设备装置的定位
CN103197280A (zh) 一种基于射频信号强度的ap位置估计方法
CN103813448A (zh) 一种基于rssi的室内定位方法
CN103338509A (zh) 一种基于隐含马尔可夫模型的wsn室内定位方法
CN106255059B (zh) 一种基于几何方式的无设备目标定位方法
Alitaleshi et al. EA-CNN: A smart indoor 3D positioning scheme based on Wi-Fi fingerprinting and deep learning
CN105974361A (zh) 一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法
KR20110116565A (ko) 베이지안 알고리즘을 이용한 실내 측위 방법
CN104581945B (zh) 基于距离约束的半监督apc聚类算法的wlan室内定位方法
CN110213710A (zh) 一种基于随机森林的高性能室内定位方法、室内定位***
CN104144499A (zh) 基于rssi向量相近度和广义逆的无线传感器网络定位方法
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
CN104039008B (zh) 一种混合定位方法
Yu et al. Floor positioning method indoors with smartphone’s barometer
Kwak et al. Magnetic field based indoor localization system: A crowdsourcing approach
CN106060841A (zh) 一种基于非自主部署ap的室内定位方法及装置
Utsch et al. Monitoring microscopic pedestrian mobility using bluetooth
Ma et al. Subway station real-time indoor positioning system for cell phones

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant