CN109547936A - 基于Wi-Fi信号和环境背景声的室内定位方法 - Google Patents
基于Wi-Fi信号和环境背景声的室内定位方法 Download PDFInfo
- Publication number
- CN109547936A CN109547936A CN201811631536.8A CN201811631536A CN109547936A CN 109547936 A CN109547936 A CN 109547936A CN 201811631536 A CN201811631536 A CN 201811631536A CN 109547936 A CN109547936 A CN 109547936A
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- room
- indicate
- subregion
- line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000007613 environmental effect Effects 0.000 title claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 241000854291 Dianthus carthusianorum Species 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- 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
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种基于Wi‑Fi信号和环境背景音的室内定位方法,该方法利用智能手机采集室内已存在的Wi‑Fi信号和房间内子区域的环境背景声,利用Jaccard similarity相似度和DBSCAN密度聚类算法提取每个房间Wi‑Fi的最优指纹,指纹匹配算法为欧氏距离匹配;提取每个子区域的环境背景声组合指纹CSIE,再利用皮尔逊相似度提取每个子区域的代表性指纹,指纹匹配算法为方差匹配。相比传统分类识别算法,能较好地提高室内定位精度。
Description
技术领域
本发明涉及室内定位方法,具体是一种基于Wi-Fi信号和环境背景声的室内定位方法。
背景技术
目前,室外定位技术得到了极大的发展,以北斗卫星和GPS为代表的室外定位技术定位精度高,得到了广泛的应用。但是,由于建筑墙壁对北斗卫星和GPS信号有严重的屏蔽作用,所以并不能应用于室内定位,因此急需一种高效、便捷、准确的室内定位技术来填补空白。
当前较成熟的有基于蓝牙、红外线、超宽带(UWB)、超声波等室内定位技术。其中:
基于蓝牙的定位技术优点是功耗低、易集成,但是定位距离短、易受噪声干扰,增加定位区域时需要额外购买蓝牙基站以及花费人力和时间去布置和采集指纹;
基于红外线的定位技术精度高,但是不能穿越障碍,同时造价高,功耗较大,扩展性差,不能用于大规模定位;
基于超宽带的定位技术虽然定位精度高,但是设备昂贵,不易扩展定位区域;
基于超声波的室内定位技术精度较高,但存在多径效应、衰减明显、容易受到物体干扰,成本也较高。
另外,基于群智感知的Wi-Fi和环境背景声定位的技术优点是不需要布置其它基础设施,且只需要通过软件采集建筑内存在的Wi-Fi信号和环境背景声。如今,室内路由器分布广泛,不需要再购买以及人工布置,Wi-Fi信号极易大量采集,虽然Wi-Fi信号的波动较大,但是同一个房间内的Wi-Fi信号波动较小,范围在10db作用,所以Wi-Fi可以用于进行房间级定位,环境背景声是在环境相对安静时采集的,作为一种时间与空间分布特殊的声波,会形成一定规律的听觉感知效应。同时,环境背景声也是一种信息载体,反映发声体的物理属性、外部激励力等众多环境因素的重要特性。由于同一个房间的物体摆放、空间环境和建筑结构(如子区域靠墙或者靠近走廊)不同,所以同一个房间内的不同子区域的环境背景声也会不同,因此可以利用环境背景声进行房间内子区域定位。
目前,已经有一些室内定位***方案,利用智能手机多传感优势,采集Wi-Fi信号、蓝牙、图像和地磁数据等作为指纹,进行多信息的融合定位;少量文献有专门研究室内环境背景声定位的方法,如:通过背景声指纹提取和KNN算法进行背景声室内定位等。然而,这些方案都有局限性,定位空间小,不易扩展且精度低。
发明内容
针对上述现有技术中指出的缺陷,本发明提供了一种基于Wi-Fi信号和环境背景声的室内定位方法,该方法房间级定位精度高,且房间内子区域定位精度高。
实现本发明目的的技术方案是:
基于Wi-Fi信号和环境背景声的室内定位方法,包括线下建立指纹地图和线上定位两个阶段,其中:
所述线下建立指纹地图阶段,包括如下步骤:
(1)利用智能手机采集室内待定位点已存在的Wi-Fi信号和环境声数据;
(2)标注每个Wi-Fi信号的房间号和标注每段背景声音数据的房间号及房间内子区域号;
(3)提取背景声音的组合特征CSIE;
(4)用Jaccard相似度计算每个房间内Wi-Fi信号的相似,提取最优Wi-Fi指纹,用皮尔逊相似度计算每个房间的每个子区域内CSIE的相似度,提取最优环境背景声指纹;
(5)根据获取的每个房间和子区域的最大相似度指纹,建立指纹地图;
所述线上定位阶段,包括如下步骤:
(1)利用智能手机采集室内待定位点已存在的Wi-Fi信号和环境声数据,同时提取背景声音的组合特征CSIE;
(2)计算线上Wi-Fi信号和线下地图Wi-Fi信号,得出用户所在房间号;
(3)由房间号调用对应的CSIE指纹与线上CSIE指纹做比较,得出房间内子区域编号;
(4)输出用户所在的房间号和子区域号,即可完成定位。
所述Wi-Fi最优指纹提取算法,包括如下步骤:
1)按标签将每个房间的Wi-Fi指纹分类,则Wi-Fi指纹表示如下:
Fingerprintr m={Room number,(mac,RSSI1),(mac,RSSI2),...,(mac,RSSII)}(1)
其中,r代表房间号,m代表单个房间内的指纹数,I代表单个Wi-Fi指纹录取到的Wi-Fi信号个数,mac表示每个Wi-Fi信号对应路由器的mac地址;
2)同一个房间内两个指纹间的Jaccard相似度计算方法如下:
其中,x∩y表示指纹x与指纹y内相同mac地址的信号相减,小于10即计数1,没有相同mac的信号补0,x∪y表示指纹x与指纹y内相同的mac个数;
3)计算每个房间的Wi-Fi相似度矩阵,表示如下:
其中,Wr表示相似度矩阵,Sr表示第r个房间内两两指纹间的相似度;
4)计算房间内每个指纹与其它指纹相似度的和,选出Wi-Fi指纹与其它Wi-Fi指纹相似度最大的一个,建立指纹地图,公式如下:
其中,k表示指纹从1到I的任意一个指纹,n表示代表性指纹编号,公式4表示对每个指纹与其它指纹相似度的求和。公式5表示求出最大相似度的指纹,公式6为公式4和5的简写;
5)将每个房间的最大相似度Wi-Fi指纹作为定位房间的代表性指纹,建立指纹地图。
所述环境背景声最优指纹提取算法,包括如下步骤:
1)将同一房间内不同区域的背景声指纹按区域编号分类,一个背景声指纹时长为10秒,则背景音指纹表示如下:
Fingerprinti j={Subarea positioni,featurej}(7)
2)同一个子区域的CSIE指纹两两间相似度的计算方法如下:
其中,表示X和Y两个CSIE间的相似度,σX表示x指纹的标准差,σY表示y指纹的标准差,E表示均值;
3)计算每个子区域内指纹间的相似度,建立相似度矩阵,表示如下:
其中,Mi表示单个子区域内CSIE指纹间的相似度矩阵,si(x,y)表示两个指纹间的相似度,j表示子区域指纹的个数;
4)计算每个子区域内单个指纹与其它指纹相似度的和,并比较所有和的大小,取出和最大的指纹,作为子区域代表性指纹,公式如下:
其中,k表示子区域内某一个CSIE指纹,公式10表示求每个指纹与其他指纹相似度的和,公式11表示选取相似度和最大的值,并将该指纹作为子区域的代表性指纹,以建立指纹地图,公式12为公式10和11的简写。
所述线上定位阶段,主要是Wi-Fi指纹和环境背景声CSIE的匹配过程,包括如下步骤:
所述Wi-Fi指纹的匹配算法是利用欧式距离匹配,公式如下:
1)Wi-Fi指纹匹配算法主要是利用欧式距离,如果两个相同mac地址的Wi-Fi信号强度相减的绝对值在10db以内则判定两个Wi-Fi信号相同,具体表达式如下:
Gf={(mac1,rssi1),(mac2,rssi2),…,(mack,rssik)}(13)
Roomi=argmax{O1,O2,...,Oi,...,Oj}(16)
其中,Gf表示线上用户采集的的Wi-Fi指纹,表示线下建立的地图中某一个Wi-Fi指纹。参数Oi表示两个指纹匹配计算法的数值,i为WiFi指纹代表的房间号。表示线上随机采集的指纹Gf(mac)与指纹库中的指纹相同的地址下的值rssi相减,绝对值小于等于10时记为1。表示线上随机采集的指纹Gf(mac)与指纹库中的指纹有相同的mac地址记为1。公式16表示,选取线上指纹Gf与指纹库中所有的指纹计算后的最大值,参数i表示房间号。
所述环境背景声组合指纹CSIE匹配算法主要是利用方差匹配,公式如下:
其中,参数X表示线上采集的声音提取的组合特征CSIE,表示房间内每个子区域的代表性声音指纹,e表示CSIE指纹矩阵中的元素个数,n表示每个子区域内原始声音数据的编号,Distancei表示X与所定位到的房间内所有子区域簇头计算结果的最小值,i表示子区域编号。
经过Wi-Fi指纹匹配定位到房间,再由环境背景声组合指纹CSIE定位到房间内子区域,整个定位过程完成。
本发明的优点是:本发明提出了一套Wi-Fi+室内背景声定位的方法,该方法无需预部署其它基础设施,特征提取过程和定位匹配过程计算简单,模型识别率高,相较传统模型性能有较大程度的提升和较大的成本节省,更适用于大规模的室内定位场景。
附图说明
图1为本发明实施例Wi-Fi和背景声指纹地图建立过程框图;
图2为本发明实施例线上定位过程框图。
具体实施方式
实施例:
本发明提供一种仅需利用智能手机采集室内已存在的Wi-Fi信号和房间内子区域的环境背景声,利用Jaccard similarity相似度和DBSCAN密度聚类算法提取每个房间Wi-Fi的最优指纹,指纹匹配算法为欧氏距离匹配;提取每个子区域的环境背景声组合指纹CSIE,再利用皮尔逊相似度提取每个子区域的代表性指纹,指纹匹配算法为方差匹配。相比传统分类识别算法,能较好地提高室内定位精度。
Wi-Fi信号与环境背景声组合特征CSIE指纹地图的建立与匹配分为两个阶段,数据采集与线上定位。
线下指纹地图建立:采集阶段首先需要采集大量的Wi-Fi信号和房间内每个子区域的背景声数据,并标注每个Wi-Fi信号的房间号和标注每段背景声数据的房间号和房间内子区域号;然后提取背景声音的组合特征CSIE;用Jaccard相似度计算每个房间内Wi-Fi信号的相似,提取最优Wi-Fi指纹,用皮尔逊相似度计算每个房间的每个子区域内CSIE的相似度,提取最优指纹;最后建立指纹地图。(如图1所示)
线上定位过程:线上定位阶段需在待定位地点采集Wi-Fi信号和背景声数据,采集同时提取背景声的组合特征CSIE;先计算线上Wi-Fi信号与地图Wi-Fi信号,得出用户所在房间号;再由房间号调用对应的CSIE指纹与线上CSIE指纹做比较得出房间内子区域编号;最后输出用户所在的房间号和子区域号。(如图2所示)
本发明通过Wi-Fi信号和环境背景声实现房间级定位和子区域定位功能,并且有较高的定位精度。最优指纹提取算法以及匹配算法如下:
1.Wi-Fi最优指纹提取
1)按标签将每个房间的Wi-Fi指纹分类,则Wi-Fi指纹表示如下:
Fingerprintr m={Room number,(mac,RSSI1),(mac,RSSI2),...,(mac,RSSII)}(1)
其中,r代表房间号,m代表单个房间内的指纹数,I代表单个Wi-Fi指纹录取到的Wi-Fi信号个数,mac表示每个Wi-Fi信号对应路由器的mac地址。
2)同一个房间内两个指纹间的Jaccard相似度计算方法如下:
其中,x∩y表示指纹x与指纹y内相同mac地址的信号相减,小于10即计数1,没有相同mac的信号补0,x∪y表示指纹x与指纹y内相同的mac个数。
3)计算每个房间的Wi-Fi相似度矩阵,表示如下:
其中,Wr表示相似度矩阵,Sr表示第r个房间内两两指纹间的相似度。
4)计算房间内每个指纹与其它指纹相似度的和,选出Wi-Fi指纹与其它Wi-Fi指纹相似度最大的一个,建立指纹地图,公式如下:
其中,k表示指纹从1到I的任意一个指纹,n表示代表性指纹编号。公式4表示对每个指纹与其它指纹相似度的求和。公式5表示求出最大相似度的指纹。公式6为公式4和5的简写。
5)最后,将每个房间的最大相似度Wi-Fi指纹作为定位房间的代表性指纹。建立指纹地图。
2.环境背景声最优指纹提取
1)将同一房间内不同区域的背景声指纹按区域编号分类,一个背景声指纹时长为10秒,则背景音指纹表示如下:
Fingerprinti j={Subarea positioni,featurej}(7)
2)同一个子区域的CSIE指纹两两间相似度的计算方法如下:
其中,表示X和Y两个CSIE间的相似度,σX表示x指纹的标准差,σY表示y指纹的标准差,E表示均值。
3)计算每个子区域内指纹间的相似度,建立相似度矩阵,表示如下:
其中,Mi表示单个子区域内CSIE指纹间的相似度矩阵,si(x,y)表示两个指纹间的相似度,j表示子区域指纹的个数。
4)计算每个子区域内单个指纹与其它指纹相似度的和,并比较所有和的大小,取出和最大的指纹,作为子区域代表性指纹,公式如下:
其中,k表示子区域内某一个CSIE指纹,公式10表示求每个指纹与其他指纹相似度的和,公式11表示选取相似度和最大的值,并将该指纹作为子区域的代表性指纹,以建立指纹地图。公式12为公式10和11的简写。
3.匹配算法
1)Wi-Fi指纹匹配算法
Wi-Fi指纹匹配算法主要是利用欧式距离,如果两个相同mac地址的Wi-Fi信号强度相减的绝对值在10db以内则判定两个Wi-Fi信号相同,具体表达式如下:
Gf={(mac1,rssi1),(mac2,rssi2),…,(mack,rssik)}(13)
Roomi=argmax{O1,O2,...,Oi,...,Oj}(16)
其中,Gf表示线上用户采集的的Wi-Fi指纹,表示线下建立的地图中某一个Wi-Fi指纹。参数Oi表示两个指纹匹配计算法的数值,i为WiFi指纹代表的房间号。表示线上随机采集的指纹Gf(mac)与指纹库中的指纹相同的地址下的值rssi相减,绝对值小于等于10时记为1。表示线上随机采集的指纹Gf(mac)与指纹库中的指纹有相同的mac地址记为1。公式16表示,选取线上指纹Gf与指纹库中所有的指纹计算后的最大值,参数i表示房间号。
2)环境背景声组合指纹CSIE匹配算法
环境背景声匹配算法主要是利用方差匹配。公式如下:
其中,参数X表示线上采集的声音提取的组合特征CSIE,表示房间内每个子区域的代表性声音指纹,e表示CSIE指纹矩阵中的元素个数,n表示每个子区域内原始声音数据的编号,Distancei表示X与所定位到的房间内所有子区域簇头计算结果的最小值,i表示子区域编号。
经过Wi-Fi指纹匹配定位到房间,再由环境背景声组合指纹CSIE定位到房间内子区域,整个定位过程完成。
Claims (5)
1.基于Wi-Fi信号和环境背景声的室内定位方法,其特征是:包括线下建立指纹地图和线上定位两个阶段,其中:
所述线下建立指纹地图阶段,包括如下步骤:
(1)利用智能手机采集室内待定位点已存在的Wi-Fi信号和环境声数据;
(2)标注每个Wi-Fi信号的房间号和标注每段背景声音数据的房间号及房间内子区域号;
(3)提取背景声音的组合特征CSIE;
(4)用Jaccard相似度计算每个房间内Wi-Fi信号的相似,提取最优Wi-Fi指纹,用皮尔逊相似度计算每个房间的每个子区域内CSIE的相似度,提取最优环境背景声指纹;
(5)根据获取的每个房间和子区域的最大相似度指纹,建立指纹地图;
所述线上定位阶段,包括如下步骤:
(1)利用智能手机采集室内待定位点已存在的Wi-Fi信号和环境声数据,同时提取背景声音的组合特征CSIE;
(2)计算线上Wi-Fi信号和线下地图Wi-Fi信号,得出用户所在房间号;
(3)由房间号调用对应的CSIE指纹与线上CSIE指纹做比较,得出房间内子区域编号;
(4)输出用户所在的房间号和子区域号,即可完成定位。
2.根据权利要求1所述的室内定位方法,其特征是:所述Wi-Fi最优指纹提取算法,包括如下步骤:
1)按标签将每个房间的Wi-Fi指纹分类,则Wi-Fi指纹表示如下:
Fingerprintr m={Room number,(mac,RSSI1),(mac,RSSI2),...,(mac,RSSII)} (1)
其中,r代表房间号,m代表单个房间内的指纹数,I代表单个Wi-Fi指纹录取到的Wi-Fi信号个数,mac表示每个Wi-Fi信号对应路由器的mac地址;
2)同一个房间内两个指纹间的Jaccard相似度计算方法如下:
其中,x∩y表示指纹x与指纹y内相同mac地址的信号相减,小于10即计数1,没有相同mac的信号补0,x∪y表示指纹x与指纹y内相同的mac个数;
3)计算每个房间的Wi-Fi相似度矩阵,表示如下:
其中,Wr表示相似度矩阵,Sr表示第r个房间内两两指纹间的相似度;
4)计算房间内每个指纹与其它指纹相似度的和,选出Wi-Fi指纹与其它Wi-Fi指纹相似度最大的一个,建立指纹地图,公式如下:
其中,k表示指纹从1到I的任意一个指纹,n表示代表性指纹编号,公式4表示对每个指纹与其它指纹相似度的求和。公式5表示求出最大相似度的指纹,公式6为公式4和5的简写;
5)将每个房间的最大相似度Wi-Fi指纹作为定位房间的代表性指纹,建立指纹地图。
3.根据权利要求1所述的室内定位方法,其特征是:所述环境背景声最优指纹提取算法,包括如下步骤:
1)将同一房间内不同区域的背景声指纹按区域编号分类,一个背景声指纹时长为10秒,则背景音指纹表示如下:
Fingerprinti j={Subarea positioni,featurej} (7)
2)同一个子区域的CSIE指纹两两间相似度的计算方法如下:
其中,表示X和Y两个CSIE间的相似度,σX表示x指纹的标准差,σY表示y指纹的标准差,E表示均值;
3)计算每个子区域内指纹间的相似度,建立相似度矩阵,表示如下:
其中,Mi表示单个子区域内CSIE指纹间的相似度矩阵,si(x,y)表示两个指纹间的相似度,j表示子区域指纹的个数;
4)计算每个子区域内单个指纹与其它指纹相似度的和,并比较所有和的大小,取出和最大的指纹,作为子区域代表性指纹,公式如下:
其中,k表示子区域内某一个CSIE指纹,公式10表示求每个指纹与其他指纹相似度的和,公式11表示选取相似度和最大的值,并将该指纹作为子区域的代表性指纹,以建立指纹地图,公式12为公式10和11的简写。
4.根据权利要求1所述的室内定位方法,其特征是:所述线上定位阶段,主要是Wi-Fi指纹和环境背景声CSIE的匹配过程,其中:
Wi-Fi指纹的匹配算法是利用欧式距离匹配,公式如下:
1)Wi-Fi指纹匹配算法主要是利用欧式距离,如果两个相同mac地址的Wi-Fi信号强度相减的绝对值在10db以内则判定两个Wi-Fi信号相同,具体表达式如下:
Gf={(mac1,rssi1),(mac2,rssi2),...,(mack,rssik)} (13)
Roomi=argmax{O1,O2,...,Oi,...,Oj} (16)
其中,Gf表示线上用户采集的的Wi-Fi指纹,表示线下建立的地图中某一个Wi-Fi指纹,参数Oi表示两个指纹匹配计算法的数值,i为WiFi指纹代表的房间号,表示线上随机采集的指纹Gf(mac)与指纹库中的指纹相同的地址下的值rssi相减,绝对值小于等于10时记为1,表示线上随机采集的指纹Gf(mac)与指纹库中的指纹有相同的mac地址记为1,公式16表示,选取线上指纹Gf与指纹库中所有的指纹计算后的最大值,参数i表示房间号。
5.根据权利要求1所述的室内定位方法,其特征是:所述环境背景声组合指纹CSIE匹配算法主要是利用方差匹配,公式如下:
其中,参数X表示线上采集的声音提取的组合特征CSIE,Clusteri n表示房间内每个子区域的代表性声音指纹,e表示CSIE指纹矩阵中的元素个数,n表示每个子区域内原始声音数据的编号,Distancei表示X与所定位到的房间内所有子区域簇头计算结果的最小值,i表示子区域编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631536.8A CN109547936A (zh) | 2018-12-29 | 2018-12-29 | 基于Wi-Fi信号和环境背景声的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811631536.8A CN109547936A (zh) | 2018-12-29 | 2018-12-29 | 基于Wi-Fi信号和环境背景声的室内定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109547936A true CN109547936A (zh) | 2019-03-29 |
Family
ID=65830941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811631536.8A Pending CN109547936A (zh) | 2018-12-29 | 2018-12-29 | 基于Wi-Fi信号和环境背景声的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109547936A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333484A (zh) * | 2019-07-15 | 2019-10-15 | 桂林电子科技大学 | 基于环境背景声感知与分析的室内区域级定位方法 |
CN112684412A (zh) * | 2021-01-12 | 2021-04-20 | 中北大学 | 一种基于模式聚类的声源定位方法及*** |
CN117271499A (zh) * | 2023-11-17 | 2023-12-22 | 威海市驰云网络科技有限公司 | 一种IP技术中Wi-Fi地理定位基准点数据清洗方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096466A (zh) * | 2013-01-17 | 2013-05-08 | 哈尔滨工业大学 | Wi-Fi室内定位方法 |
CN106131959A (zh) * | 2016-08-11 | 2016-11-16 | 电子科技大学 | 一种基于Wi‑Fi信号空间划分的两级定位方法 |
CN106443579A (zh) * | 2016-10-20 | 2017-02-22 | 东华大学 | 一种基于广义Jaccard相似度的室内WiFi定位方法 |
US9736699B1 (en) * | 2015-07-28 | 2017-08-15 | Sanjay K. Rao | Wireless Communication Streams for Devices, Vehicles and Drones |
CN108810838A (zh) * | 2018-06-03 | 2018-11-13 | 桂林电子科技大学 | 基于智能手机室内背景声感知的房间级定位方法 |
CN109031202A (zh) * | 2018-06-03 | 2018-12-18 | 桂林电子科技大学 | 基于听觉场景分析的室内环境区域定位***及方法 |
-
2018
- 2018-12-29 CN CN201811631536.8A patent/CN109547936A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096466A (zh) * | 2013-01-17 | 2013-05-08 | 哈尔滨工业大学 | Wi-Fi室内定位方法 |
US9736699B1 (en) * | 2015-07-28 | 2017-08-15 | Sanjay K. Rao | Wireless Communication Streams for Devices, Vehicles and Drones |
CN106131959A (zh) * | 2016-08-11 | 2016-11-16 | 电子科技大学 | 一种基于Wi‑Fi信号空间划分的两级定位方法 |
CN106443579A (zh) * | 2016-10-20 | 2017-02-22 | 东华大学 | 一种基于广义Jaccard相似度的室内WiFi定位方法 |
CN108810838A (zh) * | 2018-06-03 | 2018-11-13 | 桂林电子科技大学 | 基于智能手机室内背景声感知的房间级定位方法 |
CN109031202A (zh) * | 2018-06-03 | 2018-12-18 | 桂林电子科技大学 | 基于听觉场景分析的室内环境区域定位***及方法 |
Non-Patent Citations (1)
Title |
---|
昂晨,王玫,罗丽燕,等: "智能手机室内背景声感知与定位", 《无线电工程》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110333484A (zh) * | 2019-07-15 | 2019-10-15 | 桂林电子科技大学 | 基于环境背景声感知与分析的室内区域级定位方法 |
CN110333484B (zh) * | 2019-07-15 | 2021-04-13 | 桂林电子科技大学 | 基于环境背景声感知与分析的室内区域级定位方法 |
CN112684412A (zh) * | 2021-01-12 | 2021-04-20 | 中北大学 | 一种基于模式聚类的声源定位方法及*** |
CN112684412B (zh) * | 2021-01-12 | 2022-09-13 | 中北大学 | 一种基于模式聚类的声源定位方法及*** |
CN117271499A (zh) * | 2023-11-17 | 2023-12-22 | 威海市驰云网络科技有限公司 | 一种IP技术中Wi-Fi地理定位基准点数据清洗方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110012428B (zh) | 一种基于WiFi的室内定位方法 | |
CN109547936A (zh) | 基于Wi-Fi信号和环境背景声的室内定位方法 | |
CN105573498B (zh) | 一种基于Wi-Fi信号的手势识别方法 | |
CN111479231A (zh) | 一种用于毫米波大规模mimo***的室内指纹定位方法 | |
CN103440318A (zh) | 移动终端的景观识别*** | |
CN101576616A (zh) | 基于rfid技术的室内定位*** | |
CN103200520A (zh) | 一种利用Wi-Fi的移动终端快速精确定位方法 | |
Zhang et al. | CSI-based human activity recognition with graph few-shot learning | |
CN104602342A (zh) | 一种基于iBeacon设备的高效室内定位方法 | |
CN109640262B (zh) | 一种基于混合指纹的定位方法及***、设备、存储介质 | |
CN108924756A (zh) | 基于WiFi双频带的室内定位方法 | |
CN110446160A (zh) | 一种基于多路径信道状态信息的车辆位置估计的深度学习方法 | |
CN110300372A (zh) | 一种基于位置指纹的wifi室内定位方法 | |
Zhong et al. | WiFi indoor localization based on K-means | |
CN107220607B (zh) | 基于3d平稳小波的运动轨迹行为识别方法 | |
Tarekegn et al. | Applying long short-term memory (LSTM) mechanisms for fingerprinting outdoor positioning in hybrid networks | |
WO2022088099A1 (zh) | 一种定位方法、定位设备及定位*** | |
CN107170004A (zh) | 一种无人车单目视觉定位中对匹配矩阵的图像匹配方法 | |
CN111817794B (zh) | 一种基于深度学习的多域协同无人机探测方法及*** | |
Hassan et al. | A Smart autonomous tour guide for museums | |
CN106776813A (zh) | 基于ssift算法的大型室内场馆快速定位与导航方法 | |
CN114630266A (zh) | 一种基于神经网络的多模态数据融合室内定位*** | |
CN111372211A (zh) | 一种基于集成学习的智能手机WiFi室内定位方法 | |
US10989786B2 (en) | Outdoor localization using hotspot labels | |
Wang et al. | An enhanced road vehicle positioning method using roadside furniture with radio frequency identity tags and the EPC Gen2 standard |
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: 20190329 |
|
WD01 | Invention patent application deemed withdrawn after publication |