CN108616836A - 一种基于信号统计分布的wlan定位组网方法 - Google Patents
一种基于信号统计分布的wlan定位组网方法 Download PDFInfo
- Publication number
- CN108616836A CN108616836A CN201810328895.XA CN201810328895A CN108616836A CN 108616836 A CN108616836 A CN 108616836A CN 201810328895 A CN201810328895 A CN 201810328895A CN 108616836 A CN108616836 A CN 108616836A
- Authority
- CN
- China
- Prior art keywords
- probability
- reference point
- rss
- weighted
- target area
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
- H04W16/20—Network planning tools for indoor coverage or short range network deployment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
- H04W16/225—Traffic simulation tools or models for indoor or short range network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明所述一种基于信号统计分布的WLAN定位组网方法,首先考虑各接入点(Access point,AP)之间的相关性,计算出信号在参考点的概率密度函数;其次,利用概率密度函数计算出不同的信号矢量在参考点出现的概率,并且结合参考点的位置先验概率,计算参考点的加权概率;然后,计算参考点的平均定位精度,从而得出目标区域的平均定位精度;最后,利用模拟退火算法对目标区域中的AP位置进行优化。本发明所提供的一种基于信号统计分布的WLAN定位组网方法,可以合理选择AP位置,避免AP布置的盲目性。
Description
技术领域
本发明属于室内定位技术,具体涉及一种基于信号统计分布的WLAN定位组网方法。
背景技术
随着无线通信技术的迅猛发展以及移动设备的广泛普及,人们对于位置服务的需求不 断增长,这给位置服务带来了前所未有的发展空间。现如今,以全球定位***(GlobalPositioning System,GPS)为代表的室外定位***能够实现实时且可靠的室外定位。然而,由 于室内环境的复杂性以及建筑物等对信号的遮挡,室外定位***在室内的定位性能急剧下 降,难以满足人们的定位需求。因此,室内定位***成为了众多学者研究的热点。目前,室 内定位***采用的主流定位技术主要包括射频识别(Radio FrequencyIdentification,RFID)定位 技术、超宽带(Ultra Wideband,UWB)定位技术、WLAN(Wireless Local Area Network,WLAN) 室内定位技术、Zigbee室内定位技术、可见光室内定位技术等,其中,由于无线局域网部署 广泛、成本低廉,WLAN室内定位技术得到了广泛的应用。
WLAN室内定位技术所采用的定位方法主要有基于到达角度(Angle of Arrival,AOA)定 位方法、基于飞行时间(Time of Flight,TOF)定位方法、基于接收信号强度(Received Signal Strength,RSS)定位方法。基于RSS的室内定位方法凭借RSS易获取且精度较高等优点成为 了主要的室内定位方法之一。传统的RSS测距方法易受室内复杂环境的影响,定位性能较 差。基于位置指纹的定位方法可以很好的刻画目标环境,达到较高的定位精度。基于位置指 纹的定位方法主要包括离线阶段和在线阶段。离线阶段在每个参考点上采集RSS,建立物理 坐标与信号强度的映射关系,从而构建位置指纹数据库;在线阶段实时采集RSS,并将其数 据库进行对比,完成对目标位置的结算。
在构建位置指纹数据库时,需要在目标环境中布置若干个无线接入点(AccessPoint, AP),但是盲目的布置AP不仅消耗大量的人力物力,并且不能提高定位精度。为了寻找一 种合理布置AP的方法,有必要开发一种基于信号统计分布的WLAN定位组网方法。
发明内容
本发明的目的是提供一种基于信号统计分布的WLAN定位组网方法,该方法能够合理 选择AP位置,避免AP布置的盲目性。
本发明所述的一种基于信号统计分布的WLAN定位组网方法,包括以下步骤:
步骤一、选择待定位目标区域;
步骤二、确定目标区域中所有WLAN接入点的位置,在目标区域中布置m个AP,即AP1,AP2,...,APm;
步骤三、确定目标区域中所有参考点的位置,在目标区域中选定n个RP,即RP1,RP2,...,RPn;
步骤四、计算第i个RP与第j个AP物理空间的欧式距离其中,(xi,yi)为第i个RP的位置坐标,(xj,yj)为第j个AP的位置坐标;
步骤五、令RSS服从高斯分布,并考虑各个AP之间的相关性,计算在第i个RP处测得的RSS的概率密度函数;
步骤六、计算第q个RSS矢量Rq=[r1 r2 … rm]T(1≤q≤Q)在第i个参考点出现的概率 值pi1,其中ri(1≤i≤m)为第i个参考点接收到的来自第j个AP的RSS值,Q为所有可能的RSS矢量的个数;
步骤七、计算第i个参考点的位置先验概率pi2;
步骤八、计算RSS矢量Rq在第i个RP处出现的加权概率pi=pi1×pi2;
步骤九、计算第i个参考点的平均定位精度;
步骤十、计算目标区域的平均定位精度;
步骤十一、将目标区域的平均定位精度e作为模拟退火算法的目标函数,通过该算法寻 找目标函数的最优解,即使e值最小,从而得到最优的AP摆放位置;
步骤十二、算法结束,返回最优的AP位置坐标。
所述步骤五中,令RSS服从高斯分布,并考虑各个AP之间的相关性,计算在第i个RP处测得的RSS的概率密度函数,包括以下步骤:
5a、假定信号的传播模型符合对数正态路径损耗模型,则第i个参考点接收到的来自第 j个接入点的信号强度值Pij的表达式为:
其中,d0为参考距离,取d0=1m;P(d0)为参考点处的功率;γ为路径损耗指数,反应了信号强度的损耗与传播距离之间的关系;dij为第i个参考点到第j个AP的的欧氏距 离,ζ为服从高斯分布N(u,σ2)的随机噪声;
5b、在第i个参考点分别采集10000个来自m个AP的RSS值,共10000×m个RSS 值,用矩阵Ri表示为:
5c、利用步骤5b得到的矩阵Ri计算协方差矩阵C为:
其中,cjj(1≤j≤m)为来自第j个AP的RSS值的方差,cjk(1≤k≤m,j≠k)为来自第j个AP和第k个AP的RSS值的协方差;
5d、定义X=(x1,x2,...,xm)T为在第i个RP处测得的RSS矢量,其中xi(1≤i≤m)为来自第j个AP的RSS值,计算在第i个RP处测得的RSS的概率密度函数fi(X)为:
其中,Ui=(μ1,μ2,...,μm)T为在第i个RP处接收到的来自m个AP的RSS值的均值矢量。
所述步骤六中,计算一组RSS矢量在第i个参考点出现的概率值,包括以下步骤:
6a、确定RSS矢量的积分邻域δ(δ>0);
6b、RSS矢量在第i个RP处出现的概率为:
所述步骤七中,计算第i个参考点的位置先验概率pi2,包括以下步骤:
7a、设定家具周围的物理环境为感兴趣区域,障碍物为不可达区域;将目标区域的地图 转换为像素宽度为η的图像;初始化k=1,k为计数量;
7b、设定起点A与终点B;将A设置为待处理方格T;
7c、将T存入开启列表,开启列表是一个待检查方格列表;
7d、从开启列表删除T,并将T加入关闭列表,关闭列表存放的是不需要再次检查的方 格;对于T的可达邻接方格,检查其是否已在开启列表中,若是,则进入步骤7e;若否, 则进入步骤7f;
7e、计算T到其邻接方格的欧氏距离d,T到起点A的欧氏距离G,邻接方格到起点A的欧氏距离G′,若G+d<G′,则将T设为邻接方格的父方格,且代价函数的值为 F=G+H+d,H为邻接方格到终点B的曼哈顿距离;
7f、将T的邻接方格放入开启列表,设置T为其父方格;计算代价函数F=G+H,其中,G为邻接方格到起点A的欧氏距离;
7g、从开启列表中选择使代价函数值F最小的方格C,将C存入路径tracek,判断C是否等于终点B,若是,进入步骤7h,若否,将C设置为待处理方格T,进入步骤7c;
7h、得到仿真路径tracek,判断k是否小于等于路径条数K,若是,k=k+1,返回步骤7b;若否,路径仿真结束,得到K条仿真路径;
7i、将目标区域划分为五个子区域;观测仿真得到的K条路径,统计每个子区域的位置 先验概率;假设每个子区域中参考点等概出现,则根据参考点所属子区域的先验概率,得到 每个参考点的位置先验概率pi2。
所述步骤九中,计算第i个参考点的平均定位精度,包括以下步骤:
9a、计算RSS矢量Rq在所有参考点出现的加权概率p1,p2,...pn,并找出其出现的最大 加权概率:
pmax=max(p1,p2,...,pn);
记录下最大加权概率pmax所对应的参考点的物理坐标;
9b、计算第i个参考点到RSS矢量Rq出现加权概率最大的点的欧氏距离;
9c、取不同的RSS矢量,依次重复步骤六,步骤七与步骤八,得到所有可能的RSS矢量在第i个参考点出现的加权概率,加权概率矢量Pi为:
其中,Q为所有可能的RSS矢量的个数;为第q个RSS矢量在第i个参考点出现的加权概率;
9d、重复步骤9a及9b,在所有可能的RSS取值条件下,计算第i个参考点到RSS出现加权概率最大的点的距离矢量:
其中,为第i个参考点到第q个RSS矢量出现加权概率最大的点的欧氏距 离;
9e、利用步骤9c与步骤9d得到的加权概率矢量和距离矢量,得到第i个参考点的平均 定位精度为:
ei=Pi×Di。
所述步骤十一中,将目标区域的平均定位精度e作为模拟退火算法的目标函数,通过该 算法寻找目标函数的最优解,即使e值最小,从而得到最优的AP摆放位置,包括以下步骤:
11a、对模拟退火算法所涉及的参数进行初始化,即设置初始温度T0,温度下降率λ, 迭代次数L,温度下限Tmin;
11b、初始化l=1,T=T0,设置初始解状态w,并计算当前解状态下目标函数的值 f(w);
11c、随机将待选AP位置坐标与初始解中某一AP位置坐标进行替换,得到新解w*,并计算f(w*);
11d、计算Δf,Δf=f(w*)-f(w);
11e、若Δf<0,则接收w*作为当前解;否则,计算并且生成一个0到1之间的随机数,判断是否大于该随机数,是,则接受w*作为当前解,然后进入 步骤11f;否,则直接进入步骤11f;
11f、判断算法是否达到迭代次数L,是,则进入步骤11g;否,则l=l+1,进入步骤11c;
11g、判断算法当前温度T是否大于温度下限Tmin,是,则进入步骤11h;否,则进入步骤十二;
11h、令当前温度T=T×λ,迭代次数l=1,进入步骤11c。
有益效果
本发明考虑了AP之间的相关性,结合对数正态路径损耗模型,更加准确地刻画了参考 点处的RSS分布。在此基础上,结合参考点的位置先验概率,计算参考点的加权概率,从 而得到每个参考点的平均定位精度,最终得到目标区域的平均定位精度;并将其作为模拟退 火算法的目标函数,得到最合理的AP布置位置,以实现AP位置优化,并且在合理布置AP 位置的同时,保证了较高的室内定位精度。本发明能够运用于无线电通信网络环境,所提供 的方法能够合理的选择AP位置。
附图说明
图1为本发明中步骤一至步骤十二的流程图;
图2为本发明选定的目标区域以及参考点位置;
图3为路径仿真结果;
图4为子区域划分结果;
图5a为单AP放置在目标区域5个位置时,目标区域所有参考点定位精度的箱线图;
图5b为两个AP放置在目标区域5个位置时,目标区域所有参考点定位精度的箱线图;
图6a为单AP情况下,模拟退火算法的优化结果;
图6b为两个AP情况下,模拟退火算法的优化结果。
具体实施方案
下面结合附图对本发明作进一步说明。
本发明提供的一种基于信号统计分布的WLAN定位组网方法,包括以下步骤:
步骤一、选择待定位目标区域。
步骤二、确定目标区域中所有WLAN接入点的位置,在目标区域中布置m个AP,即AP1,AP2,...,APm。
步骤三、确定目标区域中所有参考点的位置,在目标区域中选定n个RP,即RP1,RP2,...,RPn。
步骤四、计算第i个RP与第j个AP物理空间的欧式距离其中,(xi,yi)为第i个RP的位置坐标,(xj,yj)为第j个AP的位置坐标。
步骤五、令RSS服从高斯分布,并考虑各个AP之间的相关性,计算在第i个RP处测得的RSS的概率密度函数,具体包括以下步骤:
5a、假定信号的传播模型符合对数正态路径损耗模型,则第i个参考点接收到的来自第 j个接入点的信号强度值Pij的表达式为:
其中,d0为参考距离,取d0=1m;P(d0)为参考点处的功率;γ为路径损耗指数,反应了信号强度的损耗与传播距离之间的关系;dij为第i个参考点到第j个AP的的欧氏距 离,ζ为服从高斯分布N(u,σ2)的随机噪声。
5b、在第i个参考点分别采集10000个来自m个AP的RSS值,共10000×m个RSS 值,用矩阵Ri表示为:
5c、利用步骤5b得到的矩阵Ri计算协方差矩阵C为:
其中,cjj(1≤j≤m)为来自第j个AP的RSS值的方差,cjk(1≤k≤m,j≠k)为来自第j个AP和第k个AP的RSS值的协方差。
5d、定义X=(x1,x2,...,xm)T为在第i个RP处测得的RSS矢量,其中xi(1≤i≤m)为来自第j个AP的RSS值,计算在第i个RP处测得的RSS的概率密度函数fi(X)为:
其中,Ui=(μ1,μ2,...,μm)T为在第i个RP处接收到的来自m个AP的RSS值的均值矢量。
步骤六、计算第q个RSS矢量Rq=[r1 r2 … rm]T(1≤q≤Q)在第i个参考点出现的概率 值pi1,其中ri(1≤i≤m)为第i个参考点接收到的来自第j个AP的RSS值,Q为所有可能的RSS矢量的个数;具体步骤如下:
6a、确定RSS矢量的积分邻域δ(δ>0);
6b、RSS矢量在第i个RP处出现的概率为:
步骤七、计算第i个参考点的位置先验概率pi2,具体步骤如下:
7a、设定家具周围的物理环境为感兴趣区域,障碍物为不可达区域;将目标区域的地图 转换为像素宽度为η的图像;初始化k=1,k为计数量。
7b、设定起点A与终点B;将A设置为待处理方格T。
7c、将T存入开启列表,开启列表是一个待检查方格列表。
7d、从开启列表删除T,并将T加入关闭列表,关闭列表存放的是不需要再次检查的方 格;对于T的可达邻接方格,检查其是否已在开启列表中,若是,则进入步骤7e;若否, 则进入步骤7f。
7e、计算T到其邻接方格的欧氏距离d,T到起点A的欧氏距离G,邻接方格到起点A的欧氏距离G′,若G+d<G′,则将T设为邻接方格的父方格,且代价函数的值为 F=G+H+d,H为邻接方格到终点B的曼哈顿距离。
7f、将T的邻接方格放入开启列表,设置T为其父方格;计算代价函数F=G+H,其中,G为邻接方格到起点A的欧氏距离。
7g、从开启列表中选择使代价函数值F最小的方格C,将C存入路径tracek,判断C是否等于终点B,若是,进入步骤7h,若否,将C设置为待处理方格T,进入步骤7c。
7h、得到仿真路径tracek,判断k是否小于等于路径条数K,若是,k=k+1,返回步骤7b;若否,路径仿真结束,得到K条仿真路径。
7i、将目标区域划分为五个子区域;观测仿真得到的K条路径,统计每个子区域的位置 先验概率;假设每个子区域中参考点等概出现,则根据参考点所属子区域的先验概率,得到 每个参考点的位置先验概率pi2。
步骤八、计算RSS矢量Rq在第i个RP处出现的加权概率pi=pi1×pi2。
步骤九、计算第i个参考点的平均定位精度,具体步骤如下:
9a、计算RSS矢量Rq在所有参考点出现的加权概率p1,p2,...pn,并找出其出现的最大 加权概率:
pmax=max(p1,p2,...,pn);
记录下最大加权概率pmax所对应的参考点的物理坐标。
9b、计算第i个参考点到RSS矢量Rq出现加权概率最大的点的欧氏距离。
9c、取不同的RSS矢量,依次重复步骤六,步骤七与步骤八,得到所有可能的RSS矢量在第i个参考点出现的加权概率,加权概率矢量Pi为:
其中,Q为所有可能的RSS矢量的个数;为第q个RSS矢量在第i个参考点出现的加权概率。
9d、重复步骤9a及9b,在所有可能的RSS取值条件下,计算第i个参考点到RSS出现加权概率最大的点的距离矢量:
其中,为第i个参考点到第q个RSS矢量出现加权概率最大的点的欧氏距 离。
9e、利用步骤9c与步骤9d得到的加权概率矢量和距离矢量,得到第i个参考点的平均 定位精度为:
ei=Pi×Di。
步骤十、计算目标区域的平均定位精度:
步骤十一、将目标区域的平均定位精度e作为模拟退火算法的目标函数,通过该算法寻 找目标函数的最优解,即使e值最小,从而得到最优的AP摆放位置,目标函数表示为:
其中,w为AP位置坐标,算法执行具体步骤如下:
11a、对模拟退火算法所涉及的参数进行初始化,即设置初始温度T0,温度下降率λ, 迭代次数L,温度下限Tmin。
11b、初始化l=1,T=T0,设置初始解状态w,并计算当前解状态下目标函数的值 f(w)。
11c、随机将待选AP位置坐标与初始解中某一AP位置坐标进行替换,得到新解w*,并计算f(w*)。
11d、计算Δf,Δf=f(w*)-f(w);
11e、若Δf<0,则接收w*作为当前解;否则,计算并且生成一个0到1之间的随机数,判断是否大于该随机数,是,则接受w*作为当前解,然后进入 步骤11f;否,则直接进入步骤11f。
11f、判断算法是否达到迭代次数L,是,则进入步骤11g;否,则l=l+1,进入步骤11c。
11g、判断算法当前温度T是否大于温度下限Tmin,是,则进入步骤11h;否,则进入步骤十二。
11h、令当前温度T=T×λ,迭代次数l=1,进入步骤11c。
步骤十二、算法结束,返回最优的AP位置坐标。
Claims (3)
1.一种基于信号统计分布的WLAN定位组网方法,其特征在于:包括以下步骤:
步骤一、选择待定位目标区域;
步骤二、确定目标区域中所有WLAN接入点的位置,在目标区域中布置m个AP,即AP1,AP2,...,APm;
步骤三、确定目标区域中所有参考点的位置,在目标区域中选定n个RP,即RP1,RP2,...,RPn;
步骤四、计算第i个RP与第j个AP物理空间的欧式距离其中,(xi,yi)为第i个RP的位置坐标,(xj,yj)为第j个AP的位置坐标;
步骤五、令RSS服从高斯分布,并考虑各个AP之间的相关性,计算在第i个RP处测得的RSS的概率密度函数;
步骤六、计算第q个RSS矢量Rq=[r1 r2 … rm]T(1≤q≤Q)在第i个参考点出现的概率值pi1,其中ri(1≤i≤m)为第i个参考点接收到的来自第j个AP的RSS值,Q为所有可能的RSS矢量的个数;
步骤七、计算第i个参考点的位置先验概率pi2;
步骤八、计算RSS矢量Rq在第i个RP处出现的加权概率pi=pi1×pi2;
步骤九、计算第i个参考点的平均定位精度;
步骤十、计算目标区域的平均定位精度;
步骤十一、将目标区域的平均定位精度e作为模拟退火算法的目标函数,通过该算法寻找目标函数的最优解,即使e值最小,从而得到最优的AP摆放位置;
步骤十二、算法结束,返回最优的AP位置坐标。
2.根据权利要求1所述的一种基于信号统计分布的WLAN定位组网方法,其特征在于:步骤七中,计算第i个参考点的位置先验概率pi2,包括以下步骤:
7a、设定家具周围的物理环境为感兴趣区域,障碍物为不可达区域;将目标区域的地图转换为像素宽度为η的图像;初始化k=1,k为计数量;
7b、设定起点A与终点B;将A设置为待处理方格T;
7c、将T存入开启列表,开启列表是一个待检查方格列表;
7d、从开启列表删除T,并将T加入关闭列表,关闭列表存放的是不需要再次检查的方格;对于T的可达邻接方格,检查其是否已在开启列表中,若是,则进入步骤7e;若否,则进入步骤7f;
7e、计算T到其邻接方格的欧氏距离d,T到起点A的欧氏距离G,邻接方格到起点A的欧氏距离G′,若G+d<G′,则将T设为邻接方格的父方格,且代价函数的值为F=G+H+d,H为邻接方格到终点B的曼哈顿距离;
7f、将T的邻接方格放入开启列表,设置T为其父方格;计算代价函数F=G+H,其中,G为邻接方格到起点A的欧氏距离;
7g、从开启列表中选择使代价函数值F最小的方格C,将C存入路径tracek,判断C是否等于终点B,若是,进入步骤7h,若否,将C设置为待处理方格T,进入步骤7c;
7h、得到仿真路径tracek,判断k是否小于等于路径条数K,若是,k=k+1,返回步骤7b;若否,路径仿真结束,得到K条仿真路径;
7i、将目标区域划分为五个子区域;观测仿真得到的K条路径,统计每个子区域的位置先验概率;假设每个子区域中参考点等概出现,则根据参考点所属子区域的先验概率,得到每个参考点的位置先验概率pi2。
3.根据权利要求1所述一种基于信号统计分布的WLAN定位组网方法,其特征在于:步骤九中,根据RSS值在每个参考点的加权概率,计算每个参考点的平均定位精度,包括以下步骤:
9a、计算RSS矢量Rq在所有参考点出现的加权概率p1,p2,...pn,并找出其出现的最大加权概率:
pmax=max(p1,p2,...,pn);
记录下最大加权概率pmax所对应的参考点的物理坐标;
9b、计算第i个参考点到RSS矢量Rq出现加权概率最大的点的欧氏距离;
9c、取不同的RSS矢量,依次重复步骤六,步骤七与步骤八,得到所有可能的RSS矢量在第i个参考点出现的加权概率,加权概率矢量Pi为:
其中,Q为所有可能的RSS矢量的个数;为第q个RSS矢量在第i个参考点出现的加权概率;
9d、重复步骤9a及9b,在所有可能的RSS取值条件下,计算第i个参考点到RSS出现加权概率最大的点的距离矢量:
其中,为第i个参考点到第q个RSS矢量出现加权概率最大的点的欧氏距离;
9e、利用步骤9c与步骤9d得到的加权概率矢量和距离矢量,得到第i个参考点的平均定位精度为:
ei=Pi×Di。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810328895.XA CN108616836A (zh) | 2018-04-13 | 2018-04-13 | 一种基于信号统计分布的wlan定位组网方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810328895.XA CN108616836A (zh) | 2018-04-13 | 2018-04-13 | 一种基于信号统计分布的wlan定位组网方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108616836A true CN108616836A (zh) | 2018-10-02 |
Family
ID=63659950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810328895.XA Pending CN108616836A (zh) | 2018-04-13 | 2018-04-13 | 一种基于信号统计分布的wlan定位组网方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108616836A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109282817A (zh) * | 2018-10-16 | 2019-01-29 | 中山大学 | 一种多机器人协同定位与控制方法 |
CN109379711A (zh) * | 2018-12-19 | 2019-02-22 | 香港中文大学(深圳) | 一种定位方法 |
CN110913474A (zh) * | 2019-11-26 | 2020-03-24 | 北京眸星科技有限公司 | 一种室内定位中的距离指纹数据采集方法 |
CN111757251A (zh) * | 2020-05-27 | 2020-10-09 | 重庆邮电大学 | 一种基于广义延拓逼近模型的接收信号强度估计方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100309059A1 (en) * | 2009-06-03 | 2010-12-09 | Cheng-Hsuan Wu | Method and Apparatus of Positioning for a Wireless Communication System |
CN104185270A (zh) * | 2013-05-28 | 2014-12-03 | 中国电信股份有限公司 | 室内定位方法、***和定位平台 |
CN104683953A (zh) * | 2015-03-27 | 2015-06-03 | 重庆邮电大学 | 基于SimRank相似组合邻近图构建的室内WLAN定位组网方法 |
CN104883734A (zh) * | 2015-05-12 | 2015-09-02 | 北京邮电大学 | 一种基于地理指纹的室内被动定位方法 |
US20160245896A1 (en) * | 2013-11-01 | 2016-08-25 | Huawei Technologies Co., Ltd. | Method and device for positioning terminal location |
-
2018
- 2018-04-13 CN CN201810328895.XA patent/CN108616836A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100309059A1 (en) * | 2009-06-03 | 2010-12-09 | Cheng-Hsuan Wu | Method and Apparatus of Positioning for a Wireless Communication System |
CN104185270A (zh) * | 2013-05-28 | 2014-12-03 | 中国电信股份有限公司 | 室内定位方法、***和定位平台 |
US20160245896A1 (en) * | 2013-11-01 | 2016-08-25 | Huawei Technologies Co., Ltd. | Method and device for positioning terminal location |
CN104683953A (zh) * | 2015-03-27 | 2015-06-03 | 重庆邮电大学 | 基于SimRank相似组合邻近图构建的室内WLAN定位组网方法 |
CN104883734A (zh) * | 2015-05-12 | 2015-09-02 | 北京邮电大学 | 一种基于地理指纹的室内被动定位方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109282817A (zh) * | 2018-10-16 | 2019-01-29 | 中山大学 | 一种多机器人协同定位与控制方法 |
CN109282817B (zh) * | 2018-10-16 | 2022-04-12 | 中山大学 | 一种多机器人协同定位与控制方法 |
CN109379711A (zh) * | 2018-12-19 | 2019-02-22 | 香港中文大学(深圳) | 一种定位方法 |
CN109379711B (zh) * | 2018-12-19 | 2019-12-13 | 香港中文大学(深圳) | 一种定位方法 |
CN110913474A (zh) * | 2019-11-26 | 2020-03-24 | 北京眸星科技有限公司 | 一种室内定位中的距离指纹数据采集方法 |
CN111757251A (zh) * | 2020-05-27 | 2020-10-09 | 重庆邮电大学 | 一种基于广义延拓逼近模型的接收信号强度估计方法 |
CN111757251B (zh) * | 2020-05-27 | 2022-04-29 | 重庆邮电大学 | 一种基于广义延拓逼近模型的接收信号强度估计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A novel weighted KNN algorithm based on RSS similarity and position distance for Wi-Fi fingerprint positioning | |
CN108616836A (zh) | 一种基于信号统计分布的wlan定位组网方法 | |
US20200015047A1 (en) | Wifi multi-band fingerprint-based indoor positioning | |
CN103197280B (zh) | 一种基于射频信号强度的ap位置估计方法 | |
CN104185270B (zh) | 室内定位方法、***和定位平台 | |
CN103476109B (zh) | 一种室内ap定位方法 | |
CN104853317B (zh) | 一种WiFi室内定位中指纹库的构建及更新方法 | |
CN103905992B (zh) | 一种基于指纹数据的无线传感器网络的室内定位方法 | |
CN104093205B (zh) | 基于接收信号强度指示的无线定位***锚节点部署方法 | |
CN106851573A (zh) | 基于对数路径损耗模型的联合加权k近邻室内定位方法 | |
CN106093852A (zh) | 一种提高WiFi指纹定位精度与效率的方法 | |
CN106131797A (zh) | 一种基于rssi测距的节水灌溉监测网络定位方法 | |
CN109188355A (zh) | 一种多点定位***接收天线优化及最优布站方法 | |
CN106535283B (zh) | 一种基于信标分簇的室内定位方法 | |
Ji et al. | A novel Wi-Fi AP localization method using Monte Carlo path-loss model fitting simulation | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
CN107850656A (zh) | 用于定位目的的模型参数的确定 | |
CN110290455A (zh) | 基于场景识别的目标场景确定方法及*** | |
CN104050254B (zh) | 利用室内数据构建3d室内特征库的方法 | |
CN104683953B (zh) | 基于SimRank相似组合邻近图构建的室内WLAN定位组网方法 | |
CN103476113A (zh) | 基于mnl概率辨识室内定位***及方法、定位模型建立*** | |
CN104965189A (zh) | 一种基于最大似然估计的室内人员定位方法 | |
CN105044659A (zh) | 基于环境光谱指纹的室内定位装置及方法 | |
Shakir et al. | Position location based on measurement reports in LTE cellular networks | |
Chan et al. | Wireless tracking analysis in location fingerprinting |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181002 |
|
WD01 | Invention patent application deemed withdrawn after publication |