CN109413578B - 一种基于wifi与pdr融合的室内定位方法 - Google Patents
一种基于wifi与pdr融合的室内定位方法 Download PDFInfo
- Publication number
- CN109413578B CN109413578B CN201811083050.5A CN201811083050A CN109413578B CN 109413578 B CN109413578 B CN 109413578B CN 201811083050 A CN201811083050 A CN 201811083050A CN 109413578 B CN109413578 B CN 109413578B
- Authority
- CN
- China
- Prior art keywords
- positioning
- rssi
- pdr
- wifi
- vector
- 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
-
- 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
-
- 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
- G01S5/0257—Hybrid positioning
-
- 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
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于WIFI与PDR融合的室内定位方法,涉及WIFI信号和行人航位推算的室内定位技术领域,解决的技术问题是提供一种测量精度高的室内定位方法,包括如下步骤:(1)建立WIFI离线指纹数据库;(2)聚类训练样本得到聚类样本和对应类别;(3)通过加权K近邻算法得到定位坐标;(4)融合PDR定位进行状态和位置的更新;(5)使用融合结果作为PDR的校正源;(6)通过评价参数获取校正因子校正PDR结果。本发明缩短了WIFI定位时间、提高了定位精度,同时具有定位精度高、软件运算量低的特点,在保证定位精度的前提下实现实时定位要求。
Description
技术领域
本发明涉及WIFI信号和行人航位推算的室内定位技术领域,尤其涉及一种基于WIFI与PDR融合的室内定位方法。
背景技术
据统计,人的一生当中80%的时间是待在室内,但GPS却不能在室内运作。出行导航、智能制造、智能服务等行业也亟待人们开始重新审视室内位置的价值。室内定位技术作为打开室内位置服务大门的钥匙,近年也越来越被重视。目前比较成熟的室内定位包括有超声波定位、UWB定位、惯导定位、射频识别(RFID)定位、蓝牙定位、WIFI定位等技术。相较于其他室内无线定位技术,WIFI有其独特的优势,WIFI热点遍布城市各个角落和楼区,由于其普遍存在性,使得其部署成本较低,硬件易于安装,易与智能手机结合定位,且其覆盖范围广、定位精度较高、易于实现,迅速成为了室内定位技术的研究热点。
利用WIFI指纹进行定位过程中,由于室内环境复杂,WIFI信号易受到干扰,信号强度容易产生较大幅度的跳变,并且存在WIFI信号不能覆盖的区域,这就导致WIFI定位偏差大。因此,只利用WIFI技术进行室内定位无法满足人们的需求。
利用智能终端进行室内定位过程中,由于移动终端普遍配有陀螺仪、加速度传感器、电子罗盘等运动传感器,这使得移动终端的惯性导航技术具有较好的推广性,具有不易受环境影响、稳定性高等优势。但是,由于电子罗盘容易受到环境干扰,会导致航向角出现偏差,且步态判断误差和步长估计误差会导致行走距离误差,造成的累积误差会导致惯性***无法长时间进行精确定位,如何有效消除累积误差成为解决问题的关键。
中国发明CN106610292 A公开了一种混合WIFI与航迹推算(PDR)的室内定位方法,将待测目的初始位置采用WIFI定位子***来获得,当获得待测目标的初始位置之后,***中两套定位子***WIFI定位子***和PDR定位子***将分别输出待测目标的位置。***采用一个时间窗效用函数,将WIFI定位子***输出的坐标,以及基于PDR的定位子***输出的坐标进行有效的线性加权,加权之后再通过卡尔曼滤波进行处理得到混合WIFI和PDR的全局定位坐标。该方法定位没有考虑PDR融合校准,由于WIFI定位的不稳定性以及PDR定位的累计误差,因而得出的定位坐标精度还是欠精准。
中国发明CN107302754 A公开了一种基于WIFI与PDR的室内定位简易方法,通过设定初始位置和步长,通过加速度传感器测量的加速度对行人的运动状态进行判定,通过RSSI值进行WIFI定位方法,采集多个参考节点的RSSI值,当检测到RSSI值超过阈值时,运用改进后的算法计算出当前位置,将当前位置作为实际位置值,进行PDR定位对室内行人进行航迹推算得到位置估计。该方法PDR初始位置为自行定位,也没有考虑校准,由于WIFI定位的不稳定性以及PDR定位的累计误差,因而得出的定位坐标精度同样还是欠精准。
发明内容
针对现有技术的不足,本发明所解决的问题是提供一种测量精度高的室内定位方法。
为解决上述技术问题,本发明采用的技术方案是一种基于WIFI与PDR融合的室内定位方法,包括如下步骤:
(1)建立WIFI离线指纹数据库:在定位区域布置M个发射WIFI热点的AP节点,将定位区域划分为N个节点,计算各个节点的实际位置,采集N个节点中来自各个AP节点的信号强度RSSI,得到RSSI训练样本,将RSSI训练样本与其实际位置对应,建立指纹数据库I;指纹数据集I表示为:
I={(r1,o1),(r2,o2),...,(ri,oi),...,(rN,oN)} (1)
其中,向量ri=(ri1,ri2,...,riM)∈RM表示来自M个AP的RSSI,ri1为来自第1个WIFI热点的RSSI,riM为第M个AP的RSSI,位置向量oi=(x,y)∈R2表示ri向量对应的位置,x为该位置的x轴坐标,y为该位置的y轴坐标,RSSI训练样本的RSSI向量ri和位置向量oi都是已知的,i=1,2,...N;
(2)聚类训练样本得到聚类样本和对应类别:通过K-means算法对指纹数据库I进行聚类,将指纹数据库I分为V个类{c1,c2,.cv..cV},每个类中心向量定义为{C1,C2,...CV},指纹数据库中RSSI训练样本分别划分到V个类中,得到聚类样本数据集:
L={(r1,cv1),(r2,cv2),...(ri,cvi),...,(rN,cvN)} (2),
其中,ri=(ri1,ri2,...,riM)∈RM表示M个AP的RSSI,表示其属于的V类别,cv类由p个RSSI训练样本{rv1,rv2,...,rvp}组成,对所有cv类RSSI训练样本取平均值得到cv类中心向量
(3)通过加权K近邻算法得到定位坐标:在线获取实时RSSI样本,找出与获取的实时RSSI样本最相似的类,通过K个最近邻样本预测在线获取的实时RSSI样本的属性值,对K个RSSI训练样本对应的位置进行加权,获得其位置坐标;在线获取的实时RSSI样本记为T=((rj1,rj2,...,rjM),(x,y)),其中在线获取的实时RSSI样本r为rj=(rj1,rj2,...,rjM)∈RM,位置向量o=(x,y)表示在线获取的实时RSSI样本的位置信息,其中在线获取的RSSI向量已知,位置向量(x,y)未知;
同理,计算r向量与其他类别中心RSSI向量的相似度,经过V次计算,得到V个余弦相似度{Sim1,Sim2,...,SimV},其中最大相似度所对应的类别cv就是与r向量最相似的类别;
确定最相似类别cv与r向量最相似的K个样本rK1,rK2,.rKi..,rKK相似度分别为SimK1,SimK2,...,SimKK,
(xK1,yK1),(xK2,yK2),...,(xKK,yKK)表示对应的坐标,(ri1,r12,...riM)表示选取的最相似的样本rKi对应的RSSI样本,归一化处理相似度,定义影响定位结果的权重为{wK1,wK2,...,wKK};
加权样本坐标,得到在线获取的RSSI的位置坐标:
x=wK1xK1+wK2xK2+...+wKKxKK (6),
y=wK1yK1+wK2yK2+...+wKKyKK (7),
(4)融合PDR定位进行状态和位置的更新:构建行人行走的***模型Xk,PDR定位的初始位置坐标通过WIFI定位获得,融合WIFI定位和PDR定位得到误差阈值门限,通过加速度传感器获得行走步长,通过智能终端内置陀螺仪获取行走后的朝向角变化量,使用量测方程Zk更新状态信息和位置信息;
所述行人行走的***模型Xk如下:
其中行走的步数用k表示,行走后的位置信息用xk,yk表示,θk表示k步后的方位朝向角,Wk-1表示噪声,为步长平均值,采用步长模型匹配加速度传感器结果,设步长是60cm,为朝向角变化量;量测方程Zk如下所示:
其中,xk,yk表示通过WIFI定位获得的定位结果;sk表示行人平均行走步长,通过加速度传感器结果获得,Δθk表示行人行走后的朝向角变化量,可以通过智能终端内置陀螺仪获取,θk表示行人行走后的朝向角;Vk表示噪声。
(5)使用融合结果作为PDR的校正源;
设定PDR偏差阈值门限εpdr,如果偏差超过设定的门限值,校正定位结果,得到WIFI和PDR融合定位结果,使用WIFI和PDR融合结果作为PDR的校正源,参见公式(9);
(6)通过评价参数获取校正因子校正PDR结果;
使用间隔时间段即在[0,T]时间内的数据来获取评价参数,评价参数见公式(13)、公式(14),通过评价参数获取校正因子,校正因子见公式(15),对PDR结果进行校正,具体过程如下:
y2=y1+S12 cos θ1 (10),
x2=x1+S12 sin θ1 (11),
(x1,x2)为PDR初始位置,(x2,y2)为PDR定位坐标,位移S由步长模型匹配加速度传感器获得,选取为行人步长60cm,方向角θ通过传感器及陀螺仪获得,
其定位结果差为:
设在[0,K]时间内,累积误差表示为:
使用该特征作为PDR定位的校正因子,其校正原则如下:
若累计误差Cx和Cy绝对值∈[0,σ1],定位误差可忽略,无需校正;
若累计误差Cx和Cy绝对值∈[σ1,σ2],满足误差评价要求,校正定位结果;
若累计误差Cx和Cy绝对值∈[σ2,∞],不满足误差评价要求,WIFI定位误差大,重新进行融合定位,
由于PDR定位结果存在累积误差问题,会导致校正信息不对应,矫正能力过弱,通过设置校正比例因子α来代表当前时间的误差和前一段时间的误差的比例关系,[0,K]表示时间段,CN=αCk表示比例关系,通过下式平滑M时间段内的校正过程,解决定位结果突变问题:
式中,j∈[1,M]。
与现有技术相比,本发明的有益效果:
将K-means算法与K近邻法相结合,缩短了WIFI定位时间,提高了定位精度。利用WIFI定位结果与PDR融合定位,使用校正因子对***的定位因子进行校正。具有定位精度高、软件运算量低的特点,在保证定位精度的前提下实现实时要求。
附图说明
图1为本发明的方法流程图;
图2WIFI定位融合PDR定位的融合结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的说明,但不是对本发明的限定。
图1示出了一种基于WIFI与PDR融合的室内定位方法,包括如下步骤:
(1)建立WIFI离线指纹数据库:在定位区域布置M个发射WIFI热点的AP节点,将定位区域划分为N个节点,计算各个节点的实际位置,采集N个节点中来自各个AP节点的信号强度RSSI,得到RSSI训练样本,将RSSI训练样本与其实际位置对应,建立指纹数据库I;指纹数据集I表示为:
I={(r1,o1),(r2,o2),...,(ri,oi),...,(rN,oN)} (1),
其中,向量ri=(ri1,ri2,...,riM)∈RM表示来自M个AP的RSSI,ri1为来自第1个WIFI热点的RSSI,riM为第M个AP的RSSI,位置向量oi=(x,y)∈R2表示ri向量对应的位置,x为该位置的x轴坐标,y为该位置的y轴坐标,RSSI训练样本的RSSI向量ri和位置向量oi都是已知的,i=1,2,...N;
(2)聚类训练样本得到聚类样本和对应类别:通过K-means算法对指纹数据库I进行聚类,将指纹数据库I分为V个类{c1,c2,.cv..cV},每个类中心向量定义为{C1,C2,...CV},指纹数据库中RSSI训练样本分别划分到V个类中,得到聚类样本数据集:
L={(r1,cv1),(r2,cv2),...(ri,cvi),...,(rN,cvN)} (2),
其中,ri=(ri1,ri2,...,riM)∈RM表示M个AP的RSSI,表示其属于的V类别,cv类由p个RSSI训练样本{rv1,rv2,...,rvp}组成,对所有cv类RSSI训练样本取平均值得到cv类中心向量
(3)通过加权K近邻算法得到定位坐标:在线获取实时RSSI样本,找出与获取的实时RSSI样本最相似的类,通过K个最近邻样本预测在线获取的实时RSSI样本的属性值,对K个最近邻训练样本对应的位置进行加权,获得其位置坐标;线获取的实时RSSI样本记为T=((rj1,rj2,...,rjM),(x,y)),其中在线获取的实时RSSI样本r由rj=(rj1,rj2,...,rjM)∈RM表示,表示在线接收的M个AP的RSSI,位置向量o=(x,y)表示在线获取的实时RSSI样本的位置信息,其中在线获取的RSSI向量已知,位置向量(x,y)未知,
同理,计算r向量与其他类别中心RSSI向量的相似度,经过V次计算,得到V个余弦相似度{Sim1,Sim2,...,SimV},其中最大相似度所对应的类别cv就是与r向量最相似的类别;
确定最相似类别cv与r向量最相似的K个样本rK1,rK2,..rKi.,rKK相似度分别为SimK1,SimK2,...,SimKK,
(xK1,yK1),(xK2,yK2),...,(xKK,yKK)表示对应的坐标,(ri1,r12,...riM)表示选取的最相似的样本rKi对应的RSSI样本,归一化处理相似度,定义影响定位结果的权重为{wK1,wK2,...,wKK};
加权样本坐标,得到在线获取的RSSI的位置坐标:
x=wK1xK1+wK2xK2+...+wKKxKK (6),
y=wK1yK1+wK2yK2+...+wKKyKK (7),
(4)融合PDR定位进行状态和位置的更新:构建行人行走的***模型Xk,PDR定位的初始位置坐标通过WIFI定位获得,融合WIFI定位和PDR定位得到误差阈值门限,通过加速度传感器获得行走步长,通过智能终端内置陀螺仪获取行走后的朝向角变化量,使用量测方程Zk更新状态信息和位置信息,所述行人行走的***模型如下:
其中,xk,yk表示通过WIFI定位获得的定位结果;sk表示行人平均行走步长,通过加速度传感器获得,Δθk表示行人行走后的朝向角变化量,通过智能终端内置陀螺仪获取,θk表示行人行走后的朝向角;Vk表示噪声;
(5)使用融合结果作为PDR的校正源:设定PDR偏差阈值门限εpdr,如果偏差超过设定的门限值,校正定位结果,得到WIFI和PDR融合定位结果,使用WIFI和PDR融合结果作为PDR的校正源,参见公式(9);
(6)通过评价参数获取校正因子校正PDR结果:使用间隔时间段即在[0,T]时间内的数据来获取评价参数,评价参数见公式(13)、(14),通过评价参数获取校正因子校正因子见公式(15),对PDR结果进行校正;具体过程如下:
y2=y1+S12 cos θ1 (10),
x2=x1+S12 sin θ1 (11),
(x1,x2)为PDR初始位置,(x2,y2)为PDR定位坐标,位移S由步长模型匹配加速度传感器获得,选取为行人步长60cm,方向角θ通过传感器及陀螺仪获得,
其定位结果差为:
设在[0,K]时间内,累积误差表示为:
使用该特征作为PDR定位的校正因子,其校正原则如下:
若累计误差Cx和Cy绝对值∈[0,σ1],定位误差可忽略,无需校正;
若累计误差Cx和Cy绝对值∈[σ1,σ2],满足误差评价要求,校正定位结果;
若累计误差Cx和Cy绝对值∈[σ2,∞],不满足误差评价要求,WIFI定位误差大,重新进行融合定位;
由于PDR定位结果存在累积误差等问题,会导致校正信息不对应,矫正能力过弱,通过设置校正比例因子α来代表当前时间的误差和前一段时间的误差的比例关系,[0,K]表示时间段,CN=αCk表示比例关系,通过下式平滑M时间段内的校正过程,解决定位结果突变问题:
式中,j∈[1,M]。
图2示出了WIFI定位融合PDR定位的融合结构,通过WIFI定位获得PDR定位的初始位置坐标,融合WIFI定位和PDR定位得到误差阈值门限;使用WIFI和PDR融合结果作为PDR的校正源,设定PDR偏差阈值门限,如果偏差超过设定的门限值,校正定位结果;使用间隔时间段的数据来获取评价参数,通过评价参数获取校正因子,对PDR结果进行校正。
与现有技术相比,本发明的有益效果:
将K-means算法与K近邻法相结合,缩短了WIFI定位时间,提高了定位精度。利用WIFI定位结果与PDR融合定位,使用校正因子对***的定位因子进行校正。具有定位精度高、软件运算量低的特点,在保证定位精度的前提下实现实时要求。
以上结合附图对本发明的实施方式做出了详细说明,但本发明不局限于所描述的实施方式。对于本领域技术人员而言,在不脱离本发明的原理和精神的情况下,对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。
Claims (2)
1.一种基于WIFI与PDR融合的室内定位方法,其特征在于,包括如下步骤:
(1)建立WIFI离线指纹数据库:在定位区域布置M个发射WIFI热点的AP,将定位区域划分为N个节点,计算各个节点的实际位置,采集N个节点中来自各个AP的信号强度RSSI,得到RSSI训练样本,将RSSI训练样本与其实际位置对应,建立指纹数据库I;
(2)聚类训练样本得到聚类样本和对应类别:通过K-means算法对指纹数据库I进行聚类,将指纹数据库I分为V个类{c1,c2,.cv..cV},每个类中心向量定义为{C1,C2,...CV},指纹数据库中RSSI训练样本分别划分到V个类中,得到聚类样本数据集:
L={(r1,cv1),(r2,cv2),...(ri,cvi),...,(rN,cvN)} (2),
其中,ri=(ri1,ri2,...,riM)∈RM表示M个AP的RSSI,其对应的类别表示其属于的V类别,cv类由p个RSSI训练样本{rv1,rv2,...,rvp}组成,对所有cv类RSSI训练样本取平均值得到cv类中心向量
(3)通过加权K近邻算法得到定位坐标:在线获取实时RSSI样本,在指纹数据库I找出与获取的实时RSSI样本最相似的类,通过K个最近邻样本预测在线获取的实时RSSI样本的属性值,对K个最近邻样本对应的位置进行加权,获得其位置坐标;在线获取的实时RSSI样本记为T=((rj1,rj2,...,rjM),(x,y)),其中在线获取的实时RSSI样本r由rj=(rj1,rj2,...,rjM)∈RM表示,表示在线接收的M个AP的RSSI,位置向量o=(x,y)表示在线获取的实时RSSI样本的位置信息,其中在线获取的RSSI向量已知,位置向量(x,y)未知;
同理,计算r向量与其他类别中心RSSI向量的相似度,经过V次计算,得到V个余弦相似度{Sim1,Sim2,...,SimV},其中最大相似度所对应的类别cv就是与r向量最相似的类别,
确定最相似类别cv与r向量最相似的K个样本rK1,rK2,.rKi..,rKK相似度分别为SimK1,SimK2,...,SimKK,
(xK1,yK1),(xK2,yK2),...,(xKK,yKK)表示对应的坐标,(ri1,r12,...riM)表示选取的最相似的样本rKi对应的RSSI样本,归一化处理相似度,定义影响定位结果的权重为{wK1,wK2,...,wKK},
加权样本坐标,得到在线获取的RSSI的位置坐标:
x=wK1xK1+wK2xK2+...+wKKxKK (6),
y=wK1yK1+wK2yK2+...+wKKyKK (7),
(4)融合PDR定位进行状态和位置的更新;
构建行人行走的***模型Xk,PDR定位的初始位置坐标通过WIFI定位获得,融合WIFI定位和PDR定位得到误差阈值门限,通过加速度传感器获得行走步长,通过智能终端内置陀螺仪获取行走后的朝向角变化量,使用量测方程更新状态信息和位置信息;
(5)使用融合结果作为PDR的校正源:设定PDR偏差阈值门限εpdr,如果偏差超过设定的门限值,校正定位结果,得到WIFI和PDR融合定位结果,使用WIFI和PDR融合结果作为PDR的校正源,参见公式(9);
(6)通过评价参数获取校正因子校正PDR结果:使用间隔时间段即在[0,T] 时间内的数据来获取评价参数,评价参数见公式(13)、公式(14),通过评价参数获取校正因子,校正因子见公式(15),对PDR结果进行校正,具体过程如下:
y2=y1+S12cosθ1 (10),
x2=x1+S12sinθ1 (11),
(x1,x2)为PDR初始位置,(x2,y2)为PDR定位坐标,位移S由步长模型匹配加速度传感器获得,选取为行人步长60cm,方向角θ通过传感器及陀螺仪获得;
其定位结果差为:
设在[0,K]时间内,累积误差表示为:
使用该特征作为PDR定位的校正因子,其校正原则如下:
若累计误差Cx和Cy绝对值∈[0,σ1],定位误差可忽略,无需校正;
若累计误差Cx和Cy绝对值∈[σ1,σ2],满足误差评价要求,校正定位结果;
若累计误差Cx和Cy绝对值∈[σ2,∞],不满足误差评价要求,此时WIFI定位误差大,重新进行融合定位,设置校正比例因子α来代表当前时间的误差和前一段时间的误差的比例关系,[0,K]表示时间段,CN=αCk表示比例关系,通过下式平滑M时间段内的校正过程,解决定位结果突变问题:
式中,j∈[1,M],所述行人行走的***模型如下:
其中行走的步数用k表示,行走后的位置信息用xi,yi表示,θk表示k步后的方位朝向角,Wk-1表示噪声,为步长平均值,通过步长模型匹配加速度传感器结果,选择步长为60cm,为朝向角变化量;量测方程如下所示:
其中,xk,yk表示通过WIFI定位获得的定位结果;sk表示行人平均行走步长,通过加速度传感器获得,Δθk表示行人行走后的朝向角变化量,通过智能终端内置陀螺仪获取,θk表示行人行走后的朝向角;Vk表示噪声。
2.根据权利要求1所述的基于WIFI与PDR融合的室内定位方法,其特征在于,步骤(1)中,所述训练样本的数集表示为:
I={(r1,o1),(r2,o2),...,(ri,oi),...,(rN,oN)} (1)
其中,向量ri=(ri1,ri2,...,riM)∈RM表示来自M个AP的RSSI向量,ri1为来自第1个WIFI热点的RSSI,riM为第M个AP的RSSI,位置向量oi=(x,y)∈R2表示ri向量对应的位置,x为该位置的x轴坐标,y为该位置的y轴坐标,训练样本的RSSI向量ri和位置向量oi都是已知的,i=1,2,...N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083050.5A CN109413578B (zh) | 2018-11-02 | 2018-11-02 | 一种基于wifi与pdr融合的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811083050.5A CN109413578B (zh) | 2018-11-02 | 2018-11-02 | 一种基于wifi与pdr融合的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109413578A CN109413578A (zh) | 2019-03-01 |
CN109413578B true CN109413578B (zh) | 2020-10-23 |
Family
ID=65464918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811083050.5A Active CN109413578B (zh) | 2018-11-02 | 2018-11-02 | 一种基于wifi与pdr融合的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109413578B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109982263A (zh) * | 2019-04-04 | 2019-07-05 | 中国矿业大学 | 一种基于惯性测量轨迹点的WiFi指纹库更新方法 |
CN110231592A (zh) * | 2019-04-11 | 2019-09-13 | 深圳市城市交通规划设计研究中心有限公司 | 室内定位方法、装置、计算机可读存储介质及终端设备 |
CN110187308B (zh) * | 2019-06-20 | 2023-06-16 | 华南师范大学 | 一种基于信号指纹库的室内定位方法、装置、设备及介质 |
CN110320495A (zh) * | 2019-08-01 | 2019-10-11 | 桂林电子科技大学 | 一种基于Wi-Fi、蓝牙和PDR融合定位的室内定位方法 |
CN110557829B (zh) * | 2019-09-17 | 2020-12-11 | 北京东方国信科技股份有限公司 | 一种融合指纹库的定位方法及定位装置 |
CN111970633A (zh) * | 2020-08-24 | 2020-11-20 | 桂林电子科技大学 | 基于WiFi、蓝牙和步行者行航位推算融合的室内定位方法 |
CN112637762A (zh) * | 2020-12-11 | 2021-04-09 | 武汉科技大学 | 一种基于改进pdr算法的室内融合定位方法 |
CN113645561A (zh) * | 2021-06-30 | 2021-11-12 | 南京邮电大学 | 基于室内区域划分的自适应切换定位方法 |
CN114353787B (zh) * | 2021-12-06 | 2024-05-10 | 理大产学研基地(深圳)有限公司 | 一种多源融合定位方法 |
CN114554389B (zh) * | 2021-12-29 | 2023-06-20 | 重庆邮电大学 | 一种行人导航定位***融合方法 |
CN114501312A (zh) * | 2022-02-17 | 2022-05-13 | 北京工业大学 | 一种融合wifi和pdr定位技术的室内定位方法及*** |
CN114743378A (zh) * | 2022-05-16 | 2022-07-12 | 青岛理工大学 | 一种隧道内车流监测方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105588566A (zh) * | 2016-01-08 | 2016-05-18 | 重庆邮电大学 | 一种基于蓝牙与mems融合的室内定位***及方法 |
CN107426687A (zh) * | 2017-04-28 | 2017-12-01 | 重庆邮电大学 | 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法 |
CN108303672A (zh) * | 2017-12-26 | 2018-07-20 | 武汉创驰蓝天信息科技有限公司 | 基于位置指纹的wlan室内定位误差修正方法及*** |
CN108632761A (zh) * | 2018-04-20 | 2018-10-09 | 西安交通大学 | 一种基于粒子滤波算法的室内定位方法 |
-
2018
- 2018-11-02 CN CN201811083050.5A patent/CN109413578B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105588566A (zh) * | 2016-01-08 | 2016-05-18 | 重庆邮电大学 | 一种基于蓝牙与mems融合的室内定位***及方法 |
CN107426687A (zh) * | 2017-04-28 | 2017-12-01 | 重庆邮电大学 | 面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法 |
CN108303672A (zh) * | 2017-12-26 | 2018-07-20 | 武汉创驰蓝天信息科技有限公司 | 基于位置指纹的wlan室内定位误差修正方法及*** |
CN108632761A (zh) * | 2018-04-20 | 2018-10-09 | 西安交通大学 | 一种基于粒子滤波算法的室内定位方法 |
Non-Patent Citations (1)
Title |
---|
WiFi-PDR室内组合定位的无迹卡尔曼滤波算法;陈国良,张言哲,汪云甲,孟晓林;《测绘学报》;20151231;第44卷;第1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109413578A (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109413578B (zh) | 一种基于wifi与pdr融合的室内定位方法 | |
Dinh et al. | Smartphone-based indoor positioning using BLE iBeacon and reliable lightweight fingerprint map | |
CN109298389B (zh) | 基于多粒子群优化的室内行人组合位姿估计方法 | |
Liu et al. | Kalman filter-based data fusion of Wi-Fi RTT and PDR for indoor localization | |
CN106412839B (zh) | 基于二级分区与指纹梯度匹配的室内定位与跟踪方法 | |
CN110856112B (zh) | 一种群智感知的多源信息融合室内定位方法及*** | |
CN108534779B (zh) | 一种基于轨迹纠正和指纹改进的室内定位地图构建方法 | |
CN111491367B (zh) | 一种基于群智感知和多融合技术的室内定位方法 | |
CN110958575B (zh) | 一种基于WiFi融合预测的定位方法及*** | |
CN107396321B (zh) | 基于手机传感器和iBeacon的无监督式室内定位方法 | |
Liu et al. | Fusing similarity-based sequence and dead reckoning for indoor positioning without training | |
CN105263113A (zh) | 一种基于众包的WiFi位置指纹地图构建方法及其*** | |
CN110320495A (zh) | 一种基于Wi-Fi、蓝牙和PDR融合定位的室内定位方法 | |
CN108521627B (zh) | 基于HMM的wifi和地磁融合的室内定位***及方法 | |
CN111970633A (zh) | 基于WiFi、蓝牙和步行者行航位推算融合的室内定位方法 | |
CN107941211B (zh) | 基于二阶级联的多元素融合定位方法、装置及电子设备 | |
Lee et al. | An experimental heuristic approach to multi-pose pedestrian dead reckoning without using magnetometers for indoor localization | |
Du et al. | CRCLoc: A crowdsourcing-based radio map construction method for WiFi fingerprinting localization | |
CN111901749A (zh) | 一种基于多源融合的高精度三维室内定位方法 | |
CN108156580B (zh) | 一种基于智能手机的室内楼层定位方法 | |
Hao et al. | A multi-floor location method based on multi-sensor and WiFi fingerprint fusion | |
CN112729301A (zh) | 一种基于多源数据融合的室内定位方法 | |
CN113566820B (zh) | 一种基于位置指纹和pdr算法的融合人行定位方法 | |
CN105898711B (zh) | 一种基于地磁基准线的定位方法及装置 | |
Seco et al. | RFID-based centralized cooperative localization in indoor environments |
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 |