CN107181543B - 一种基于传播模型和位置指纹的三维室内无源定位方法 - Google Patents
一种基于传播模型和位置指纹的三维室内无源定位方法 Download PDFInfo
- Publication number
- CN107181543B CN107181543B CN201710367249.XA CN201710367249A CN107181543B CN 107181543 B CN107181543 B CN 107181543B CN 201710367249 A CN201710367249 A CN 201710367249A CN 107181543 B CN107181543 B CN 107181543B
- Authority
- CN
- China
- Prior art keywords
- signal
- sensor nodes
- radiation source
- fingerprint
- 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.)
- Active
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
- G01S5/0252—Radio frequency fingerprinting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
一种基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:包括以下步骤:1)在室内布置传感器节点;2)构建位置指纹数据库;3)扫描全频段内的位置指纹信号;4)基于位置指纹的定位算法计算出该信号的二维平面空间位置;5)基于传播模型的三维的空间定位算法计算出该信号的高度位置。本发明能够利用传播模型和位置指纹,预先建立位置指纹数据库,进而通过扫描辐射源的方式,快速计算该辐射源在室内的位置。不但定位准确,而且比对速度快、可靠。
Description
技术领域
本发明涉及一种于传播模型和位置指纹的三维室内无源定位方法。
背景技术
随着新技术的不断发展,加上政界、商界、反恐领域、科技领域和军事领域利益最大化需求,窃取机密资料的手法也在日益精密,窃听窃视无疑是其中重要的组成部分。目前反窃听窃视设备较多,其中比较常用的设备大部分为国外产品,在使用方面存在较多不足,包括发现可疑信号能力弱、不具备信号源定位能力等。因此,深入研究非合作室内无源定位技术,对信息安全建设具有重大的现实意义。
室内定位方法大致可以按照三种最基本的定位思路进行归类,第一类是通过测量信号距离和角度来进行几何计算得到辐射源位置,其中TOA(Time of Arrival)通过测量时差计算距离差绘制双曲线方程获得辐射源位置,信号传播模型则通过电波传播理论建模,由测量幅度值映射为距离从而获得辐射源位置,AOA(Angle of Arrival)通过定线天线或者阵列天线测量信号方向,多站交叉获得辐射源位置;第二类是通过物理量感知发现辐射源“靠近”传感器,用传感器的位置来估计辐射源位置,具有代表性的为最近节点法;第三类是利用对已知位置的各种测量值作为该位置的“指纹”特征,利用辐射源特征与已知位置特征匹配获得辐射源位置,可利用幅度、信噪比等参数作为特征进行特征匹配,称为位置指纹法。上述方法的优缺点如下表1所示:
表1
发明内容
本发明所要解决的技术问题是提供一种能够快速准确定位室内辐射源的三维室内无源定位方法。
本发明解决上述技术问题所采用的技术方案为:一种基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:包括以下步骤:
1)在室内布置传感器节点;
2)构建位置指纹数据库;
3)扫描全频段内的位置指纹信号;
4)基于位置指纹的定位算法计算出该信号的二维平面空间位置;
5)基于传播模型的三维的空间定位算法计算出该信号的高度位置。
优选地,所述步骤1)中在室内均匀间隔布置多个传感器节点,所述传感器节点之间的间距为3米-6米,并且位于同一水平面内。
优选地,所述传感器节点的个数为4的倍数。
优选地,所述步骤2)中,利用传感器节点定期向外发射不同频段的信号,其他传感器节点同时接收该信号,将该传感器节点发送的信号强度和信噪比值记为1,并且将其他传感器节点接收到的信号的能量值和信噪比值进行归一化处理,按照传感器节点的顺序分别形成信号强度数列与信号信噪比数列,作为当前频段的该节点的位置指纹数据,形成位置指纹数据库。
优选地,该数据库中,Vx=[Vf1,Vf2,Vf3…Vfn]代表每个传感器节点接收到的信号强度的数列,即该x个传感节点在第f个序号的频率时的位置指纹中的信号强度数列,x为[1,n];Sx=[Sf1,Sf2,Sf3…Sfn]表示每个传感器节点接收到的信噪比数列,即该传感器节点的位置指纹中的信号信噪比数列,f表示频率的序号,n表示信号接收传感器节点的位置序号,其中上述两个数列中第x项记为1。
优选地,还可以采用内插的方法增加位置指纹数据库的密度。
优选地,上述步骤3)中,当室内有辐射源后,利用各个传感器节点扫描测量相应频段内的信号频率(F)、信号强度(v)和信噪比(s)。
优选地,上述步骤4)中,先通过信号频率(F)在位置指纹数据库中寻找最接近的频段的标定数据,然后将各个传感器节点扫描测得的信号强度和信噪比与各个位置指纹进行对比,找到最接近的位置指纹所对应的节点位置即为该辐射源的位置。
优选地,上述将各个传感器节点扫描测得的信号强度和信噪比与各个位置指纹进行对比的过程可以采用最近邻法进行匹配定位,具体为:扫描测得的信号的强度为v=[v1,v2,v3…vn]和信噪比测量值为s=[s1,s2,s3…sn],
其中,v和s向量为测量值,V和S为位置指纹数据库中的标定值,α为幅度和信噪比权重,可根据具体应用场景控制幅度方差和信噪比方差对△vsi的影响度,取所有方差的最小值△vsmin,其所对应的节点位置即为辐射源的匹配位置。
优选地上述步骤5)中,根据上述基于位置指纹的定位算法,确定两个最近的传感器节点并且确定一个该两个传感器所在的与水平面垂直的参考平面,该两个最接近的传感器节点中的其中一个即为上述步骤中确定的最接近的传感器节点的位置。然后根据这两个最近的传感器节点的位置指纹数据和在该参考平面内的具***置,和测量的位置指纹数据进行计算然后利用公式
求解方程组,上述公式中,D12两个传感器节点之间的距离,两个传感器节点的水平坐标分别为(x1,y1),(x2,y2),辐射源的水平坐标位置为(x,y),两个传感器节点到辐射源的路径损耗分别为A1,A2,定义X'=X1-X2,X1、X2分别是式1中的X的两个不同室内传播环境下的阴影衰落值,X”=X’/10n。
与现有技术相比,本发明的优点在于本发明能够利用传播模型和位置指纹,预先建立位置指纹数据库,进而通过扫描辐射源的方式,快速计算该辐射源在室内的位置。不但定位准确,而且比对速度快、可靠。
附图说明
图1a为80MHz的单音信号接收点信号强度与接收点与辐射源距离的关系示意图,图1b为800MHz的单音信号接收点信号强度与接收点与辐射源距离的关系示意图,图1c为2.4GHz的单音信号接收点信号强度与接收点与辐射源距离的关系示意图,图1d为4GHz的单音信号接收点信号强度与接收点与辐射源距离的关系示意图。
图2为室内传感器节点布点分布示意图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
在室内无线环境里,信号强度、信噪比都是比较容易测得的电磁特征。LEASE定位***通过部署若干wifi热点,使用wifi热点定期向外发射802.11协议的信号,再通过wifi终端接收802.11协议的信号。在利用信号场景的定位技术中,信号强度的样本数据集也被称为位置指纹或者无线电地图。本申请在对室内信号传播建模的基础上,提出了一种三维位置指纹定位方法,该方法实现了对室内未知辐射源实施非合作的无源定位,下面将详细说明理论依据和定位方法。
室内信号传播建模:
不同的无线电波模型适用于不同环境,这些传播模型都可以归结为:
A=k1+k2logf-k3logh1-k4loghr+10nlogd+X (1)
式中,A为路径损耗,k1、k2、k3、k4为传播模型参数,一般可分别取值36.58、26.16、13.82、6.55,f为载波频率,hl、hr分别为信号源高度和接收点高度,n为路径衰减因子,一般取值2.8,x为阴影衰落,一般取值16.3,单位为dB。式中,k1、k2、k3、k4、n、x为固定值已给出一般取值,f、hl、hr为测量值需要根据实际情况给出。当影响电波传播环境固定不变时,上述参数在环境较为单一的情况下均为不变因子,路径损耗A与距离d呈确定的对数关系。这个公式主要为了说明一旦环境因素确定后,接收信号强度与辐射源距离呈对数关系,因此可以提前标定信号强度和距离关系曲线,由测量确定频段的信号强度,通过对照查表来获得距离。
为了验证上述理论在室内环境下的传播特性,本申请以下对80MHz,800MHz,2.4GHz以及4GHz的单音信号辐射源进行了信号传播建模实验,在室内的固定位置放置全的信号辐射源,在不同的距离测量侦收到的信号强度并进行记录,实验结果如图1a、1b、1c和1d所示。图1a所示为80MHz的单音信号接收点信号强度与接收点与辐射源距离的关系,图1b所示为800MHz的单音信号接收点信号强度与接收点与辐射源距离的关系,图1c所示为2.4GHz的单音信号接收点信号强度与接收点与辐射源距离的关系,图1d所示为4GHz的单音信号接收点信号强度与接收点与辐射源距离的关系。
根据上述可知,当辐射源距离接收点的距离在3米以内时,由于距离近时接收点主要接收辐射源的直达波,因此距离和幅度关系接近理论方程,接收信号强度和辐射源距离呈理想的对数关系,输入一距离值,即可得到与之对应的接收信号场强。当辐射源距离接收点大于3米时,由于多径效应影响,辐射源的反射、衍射和绕射波对信号接收影响较大,因此接收信号强度和辐射源距离对数关系减弱,甚至无规律可循。
因此,本申请的基于传播模型和位置指纹的三维室内无源定位方法,包括以下步骤,1、布点,2、构建位置指纹库,3、扫描全频段内的信号位置指纹,获取辐射源信号的位置指纹,4、基于位置指纹数据库及其定位算法计算出该辐射源信号的二维平面空间位置,5、基于传播模型的三维的空间定位算法计算出该辐射源信号的高度位置。
首先,布点:根据室内信号传播建模的结论,按3-6米间隔布置传感器节点,可根据房间大小在室内布置4、8、16或32个传感器节点,最好是呈偶数个并且为4的倍数,如图2所示,一般仅需要在水平的一个平面内进行传感器节点的布点,如要对信号进行三维立体定位,也可在墙面上布置传感器节点,形成立方体的分布。并且如图2所示,在室内的某一个点设置无线AP用于将传感器节点组网,并且该无线AP连接至外界的信号处理机。
构建位置指纹库,传感器节点定期向外发射不同频段的信号,其他传感器节点同时接收该信号,将该传感器节点发送的信号强度和信噪比值记为1,并且将其他传感器节点接收到的信号强度值和信噪比值进行归一化处理,按照传感器节点的顺序分别形成信号强度数列与信号信噪比数列,作为当前频段的该节点的位置指纹数据传输至服务器的位置指纹数据库中。例如,布置16个传感器节点,位置序号为6的传感器节点发射信号时,位置序号1-5和7-16的传感器节点接收信号,测量信号强度和信噪比,将该发射信号的传感器的发射的信号强度和信号信噪比分别记为1,并将各个传感器节点测得的信号能量和信噪比值归一化后记录至数据库中。该记录格式如表2所示,当第x个传感器节点在以第f个序号的频率向外发射信号时,其中n=16,Vx=[Vf1,Vf2,Vf3…Vfn],代表每个传感器节点接收到的信号强度的数列,即该x个传感节点在第f个序号的频率时的位置指纹中的信号强度数列,x为[1,n],Sx=[Sf1,Sf2,Sf3…Sfn]表示每个传感器节点接收到的信噪比数列,即该传感器节点的位置指纹中的信号信噪比数列,f表示频率的序号,n表示信号接收传感器节点的位置序号,其中上述两个数列中第x项记为1,f为[1,60]。因此,将上述列成表2即可形成位置指纹数据库。在位置指纹数据库的基础上,还可以利用信号室内传播模型,采用内插的方法增加位置指纹数据库的密度。
表2
表2列出的是在不同序号的频率频段,每个传感器节点的位置指纹。位置指纹包括信号强度数列和信噪比数列,该两个数列均为归一化处理后的数列。
扫描信号位置指纹:当室内有辐射源后,用室内的各个传感器节点在不同的位置扫描测量相应频段内信号的频率F、信号强度v和信噪比s,记为测得的位置指纹,其中该测得位置指纹包括v=[v1,v2,v3…vn]和s=[s1,s2,s3…sn],n表示信号接收传感器节点的位置序号。
基于位置指纹的定位算法,将测得的位置指纹与位置指纹数据库中的位置指纹进行匹配,匹配位置指纹包含两部分内容,确定频率和节点匹配。通过信号频率F在位置指纹数据库中先寻找最接近的频段的标定数据,例如,当测量信号频率为1727MHz时,可选择1700MHz标定的位置指纹数据进行匹配,即利用上表中序号为17的那行数据。信号的强度测量值为v=[v1,v2,v3…vn]和信噪比测量值为s=[s1,s2,s3…sn],其中最简单直接的最近邻法进行匹配定位,即通过数据库中的位置指纹与测量得的位置指纹之间的最短欧几里得距离,求取各个传感器节点所对应的信号强度和信噪比的方差△vs1…△vsi…△vsn,如式(2)所示。
其中,v和s向量为测量值,V和S为表2中的标定值,α为强度和信噪比权重,一般可取0.5,可根据具体应用场景控制幅度方差和信噪比方差对△vsi的影响度,取所有方差的最小值△vsmin,其所对应的传感器节点位置即为辐射源信号的匹配位置。在这里也可以根据实际情况选择其他定位算法,例如朴素贝叶斯法等。主要是从位置指纹数据库中确定与测量的位置指纹最接近的数据,进而该位置指纹所对应的传感器节点的位置即为辐射源信号的匹配位置。
基于传播模型的三维空间定位算法,普通的室内环境是一个三维空间,在完成基于位置指纹定位算法后,可获得二维平面空间的位置,但无法获取辐射源在室内的高度。当辐射源距离传感器节点在3-4米以内时可通过接收信号场强反推获得辐射源距离。一般普通房间的单层层高为3米左右,恰好满足此结论的应用条件,因此可以基于传播模型通过最近两个传感器节点的信号场强幅度反推辐射源距离进行交叉定位。
先可以根据上述基于位置指纹的定位算法,确定两个最近的传感器节点并且确定一个该两个传感器所在的与水平面垂直的参考平面,该两个最接近的传感器节点中的其中一个即为上述步骤中确定的最接近的传感器节点的位置。然后根据这两个最近的传感器节点的位置指纹数据和在该参考平面内的具***置,和测量的位置指纹数据进行计算。
根据传播模型公式(1),假设两个不同位置的传感器节点都能够收到同一信号源发射的信号,且两传输路径有相同的传播模型参数,设两个传感器节点到辐射源的路径损耗分别为A1,A2,则两路径接收信号损耗差值为
式中,d1,d2为辐射源到传感器节点1,2的距离,定义X'=X1-X2,X1、X2分别是式1中的X的两个不同室内传播环境下的阴影衰落值,如果是相同室内传播环境则X1=X2,则
式中,反映阴影衰落的随机变量X”=X’/10n是零均值的高斯随机分布。假设辐射源在参考平面中的位置坐标为(x,y),两个传感器节点在参考平面中的的位置坐标分别为(x1,y1),(x2,y1),其中x=x1,y1=y2,则由式(3)可以得到
对式(4)、(5)整理得
式中,D12为两传感器节点之间的距离。于是两个位置的传感器节点之间的接收信号场强差就可以确定一个方程,求解上述公式4、5和6构成的方程组,就可以求得辐射源的坐标y,就可以得到该辐射源的高度位置,即可得到辐射源的室内空间的三维坐标。
综上所述,通过基于位置指纹的定位算法确定辐射源室内平面位置,通过基于传播模型定位方法确定辐射源室内的高度,两种方法的结合可获得辐射源室内三维空间位置。
Claims (5)
1.一种基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:包括以下步骤:
1)在室内布置传感器节点;
2)构建位置指纹数据库,利用传感器节点定期向外发射不同频段的信号,其他传感器节点同时接收该信号,将该传感器节点发送的信号强度和信噪比值记为1,并且将其他传感器节点接收到的信号的能量值和信噪比值进行归一化处理,按照传感器节点的顺序分别形成信号强度数列与信号信噪比数列,作为当前频段的该节点的位置指纹数据,形成位置指纹数据库;
3)扫描全频段内的位置指纹信号;当室内有辐射源后,利用各个传感器节点扫描测量相应频段内的信号频率(F)、信号强度(v)和信噪比(s);
4)基于位置指纹的定位算法计算出该信号的二维平面空间位置;先通过信号频率(F)在位置指纹数据库中寻找最接近的频段的标定数据,然后将各个传感器节点扫描测得的信号强度和信噪比与各个位置指纹进行对比,找到最接近的位置指纹所对应的节点位置即为该辐射源的位置;
上述将各个传感器节点扫描测得的信号强度和信噪比与各个位置指纹进行对比的过程可以采用最近邻法进行匹配定位,具体为:扫描测得的信号的强度为v=[v1,v2,v3…vn]和信噪比测量值为s=[s1,s2,s3…sn],其中,v和s向量为测量值,V和S为位置指纹数据库中的标定值,α为幅度和信噪比权重,可根据具体应用场景控制幅度方差和信噪比方差对△vsi的影响度,取所有方差的最小值△vsmin,其所对应的节点位置即为辐射源的匹配位置;
5)基于传播模型的三维的空间定位算法计算出该信号的高度位置;
上述步骤5)中,根据上述基于位置指纹的定位算法,确定两个最近的传感器节点并且确定一个该两个传感器节点所在的与水平面垂直的参考平面,该两个最近的传感器节点中的其中一个即为上述步骤中确定的最接近的传感器节点的位置,然后根据这两个最近的传感器节点的位置指纹数据和在该参考平面内的具***置,和测量的位置指纹数据进行计算然后利用公式
2.如权利要求1所述的基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:所述步骤1)中在室内均匀间隔布置多个传感器节点,所述传感器节点之间的间距为3米-6米,并且位于同一水平面内。
3.如权利要求2所述的基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:所述传感器节点的个数为4的倍数。
4.如权利要求1所述的基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:该数据库中,Vm=[Vf1,Vf2,Vf3…Vfn]代表每个传感器节点接收到的信号强度的数列,即该m个传感节点在第f个序号的频率时的位置指纹中的信号强度数列,m为[1,n];Sm=[Sf1,Sf2,Sf3…Sfn]表示每个传感器节点接收到的信噪比数列,即该传感器节点的位置指纹中的信号信噪比数列,f表示频率的序号,n表示信号接收传感器节点的位置序号,其中上述两个数列中第m项记为1。
5.如权利要求4所述的基于传播模型和位置指纹的三维室内无源定位方法,其特征在于:还可以采用内插的方法增加位置指纹数据库的密度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710367249.XA CN107181543B (zh) | 2017-05-23 | 2017-05-23 | 一种基于传播模型和位置指纹的三维室内无源定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710367249.XA CN107181543B (zh) | 2017-05-23 | 2017-05-23 | 一种基于传播模型和位置指纹的三维室内无源定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107181543A CN107181543A (zh) | 2017-09-19 |
CN107181543B true CN107181543B (zh) | 2020-10-27 |
Family
ID=59832342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710367249.XA Active CN107181543B (zh) | 2017-05-23 | 2017-05-23 | 一种基于传播模型和位置指纹的三维室内无源定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107181543B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108011975A (zh) * | 2017-12-25 | 2018-05-08 | 太平洋未来有限公司 | 一种建模信息云端分享方法 |
CN109741577A (zh) * | 2018-11-20 | 2019-05-10 | 广东优世联合控股集团股份有限公司 | 一种设备故障报警***及方法 |
US11367018B2 (en) | 2019-12-04 | 2022-06-21 | Oracle International Corporation | Autonomous cloud-node scoping framework for big-data machine learning use cases |
US11460500B2 (en) | 2020-02-07 | 2022-10-04 | Oracle International Corporation | Counterfeit device detection using EMI fingerprints |
US11255894B2 (en) | 2020-02-28 | 2022-02-22 | Oracle International Corporation | High sensitivity detection and identification of counterfeit components in utility power systems via EMI frequency kiviat tubes |
US11275144B2 (en) * | 2020-03-17 | 2022-03-15 | Oracle International Corporation | Automated calibration of EMI fingerprint scanning instrumentation for utility power system counterfeit detection |
US11948051B2 (en) | 2020-03-23 | 2024-04-02 | Oracle International Corporation | System and method for ensuring that the results of machine learning models can be audited |
CN113253202B (zh) * | 2021-05-13 | 2022-03-29 | 成都空间矩阵科技有限公司 | 一种脉冲辐射源的时域定位***及方法 |
US11822036B2 (en) | 2021-10-07 | 2023-11-21 | Oracle International Corporation | Passive spychip detection through time series monitoring of induced magnetic field and electromagnetic interference |
US11740122B2 (en) | 2021-10-20 | 2023-08-29 | Oracle International Corporation | Autonomous discrimination of operation vibration signals |
US12001254B2 (en) | 2021-11-02 | 2024-06-04 | Oracle International Corporation | Detection of feedback control instability in computing device thermal control |
US11729940B2 (en) | 2021-11-02 | 2023-08-15 | Oracle International Corporation | Unified control of cooling in computers |
CN114895242B (zh) * | 2022-07-12 | 2022-09-30 | 中国人民解放军国防科技大学 | 一种复杂电磁环境下的辐射源定位方法 |
CN115656645B (zh) * | 2022-12-12 | 2023-03-21 | 北京中超伟业信息安全技术股份有限公司 | 一种提高屏蔽性能的***和方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110116564A (ko) * | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | Knn/fcm 혼합 알고리즘을 이용한 실내 측위 방법 |
CN103686999A (zh) * | 2013-12-12 | 2014-03-26 | 中国石油大学(华东) | 基于WiFi信号的室内无线定位方法 |
CN105072581A (zh) * | 2015-08-26 | 2015-11-18 | 四川星网云联科技有限公司 | 一种基于路径衰减系数建库的室内定位方法 |
-
2017
- 2017-05-23 CN CN201710367249.XA patent/CN107181543B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110116564A (ko) * | 2010-04-19 | 2011-10-26 | 목포대학교산학협력단 | Knn/fcm 혼합 알고리즘을 이용한 실내 측위 방법 |
CN103686999A (zh) * | 2013-12-12 | 2014-03-26 | 中国石油大学(华东) | 基于WiFi信号的室内无线定位方法 |
CN105072581A (zh) * | 2015-08-26 | 2015-11-18 | 四川星网云联科技有限公司 | 一种基于路径衰减系数建库的室内定位方法 |
Non-Patent Citations (2)
Title |
---|
RSSI 位置指纹的定位误差分析与仿真;容晓峰 等;《西安工业大学学报》;20101231;第30卷(第6期);第574-576页 * |
基于移动终端的室内三维定位及跟踪技术研究;李海莲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131115;正文第11页-第43页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107181543A (zh) | 2017-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107181543B (zh) | 一种基于传播模型和位置指纹的三维室内无源定位方法 | |
Chang et al. | Robust indoor positioning using differential Wi-Fi access points | |
Yang et al. | Research on Wi-Fi indoor positioning in a smart exhibition hall based on received signal strength indication | |
Sadeghi et al. | Optimal geometry analysis for TDOA-based localization under communication constraints | |
Ahn et al. | Simulation of a RSSI-based indoor localization system using wireless sensor network | |
Zheng et al. | Localization algorithm based on RSSI and distance geometry constrain for wireless sensor network | |
Li et al. | Three-Dimensional Node Localization Algorithm for WSN Based on Differential RSS Irregular Transmission Model. | |
Guo et al. | Multi-source localization using time of arrival self-clustering method in wireless sensor networks | |
CN111107626A (zh) | 一种基于时间反演的doa定位方法 | |
Kumar et al. | Localization for wireless sensor networks: A neural network approach | |
Sinha et al. | Range based improved localization scheme in densely populated wireless sensor network | |
Fahama et al. | An experimental comparison of RSSI-based indoor localization techniques using ZigBee technology | |
Alvarez et al. | Novel received signal strength-based indoor location system: development and testing | |
Bohidar et al. | A comparative view on received signal strength (RSS) based location estimation in WSN | |
Thaljaoui et al. | Adopting dilution of precision for indoor localization | |
CN116930963A (zh) | 一种基于无线通信***的穿墙成像方法 | |
CN107801168A (zh) | 一种室外自适应的被动式目标的定位方法 | |
Park et al. | AoA localization system design and implementation based on zigbee for applying greenhouse | |
CN104254125B (zh) | 基于无线传感网的节点定位rssi算法的改进 | |
Gadhgadhi et al. | Distance estimation using polynomial approximation and neural network based on rssi technique | |
Das et al. | Node position estimation for efficient coverage hole-detection in wireless sensor network | |
Pflaum et al. | RSSI-based localization with minimal infrastructure using multivariate statistic techniques | |
Darakeh et al. | An accurate distributed rage free localization algorithm for WSN | |
Sumitra et al. | Study of hybrid localization noncooperative scheme in wireless sensor network | |
CN113573231B (zh) | 一种基于改进三边测量法的室内rssi多点定位方法 |
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 |