CN110166930A - 一种基于WiFi信号的室内定位方法及*** - Google Patents
一种基于WiFi信号的室内定位方法及*** Download PDFInfo
- Publication number
- CN110166930A CN110166930A CN201910267553.6A CN201910267553A CN110166930A CN 110166930 A CN110166930 A CN 110166930A CN 201910267553 A CN201910267553 A CN 201910267553A CN 110166930 A CN110166930 A CN 110166930A
- Authority
- CN
- China
- Prior art keywords
- reference point
- feature
- measured
- signal
- coordinate
- 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
- H04W4/02—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
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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
-
- 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
- H04W64/003—Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于WiFi信号的室内定位方法及***。方法包括:在待定位区域选择参考点采集数据信息,经数据预处理和接入点筛选后,将参考点对应接入点的信号强度及标准差作为位置特征,构建位置指纹数据库;采集待测位置信号向量,计算特征欧式距离,并在坐标计算时将特征距离和实际物理位置距离共同作为权重加权估算最终位置坐标。***包括离线采样模块,用于获得包含参考点位置坐标及位置特征的位置指纹数据库;在线定位模块,用于通过采集待测位置信号通过查询位置指纹数据库获得所述待测位置坐标。本发明充分考虑室内WiFi信号的波动信息,将AP稳定性作为衡量其定位贡献的特征之一,尽量保证小计算量的同时提高了定位***的定位精度和鲁棒性。
Description
技术领域
本发明属于通信技术领域,更具体地,涉及一种基于WiFi信号的室内定位方法及***。
背景技术
随着智能手机和互联网的发展,使用移动终端实现位置定位极大地便利了人们的日常生活。基于卫星的GPS室外定位技术已经非常成熟,相比之下,由于建筑对GPS信号的遮挡,及室内环境通常较为复杂,因此GPS定位技术很难应用于室内。通常选择室内已有的WiFi、蓝牙等无线信号作为信源,根据几何测量法或指纹定位法进行位置估计。
基于WiFi信号的位置指纹定位算法主要分为两个阶段,离线采样阶段和在线定位阶段。离线采样阶段主要完成指纹数据库的构建,即建立定位区域内物理位置与无线信号特征之间的关联。使用智能手机对,首先对区域划分网格选取一系列参考点,使用智能手机采集参考点位置处能接收到的各个接入点(AP,Access Point)的WiFi信号强度,原始数据经过一定的预处理后得到每个参考点对应的信号强度(RSS,Received Signal Strength),按照一定格式存入数据库作为指纹地图。在线定位阶段,在待测位置用手机采集该点的指纹数据,通过一定的匹配算法与指纹地图中的数据进行匹配,估算出当前位置坐标,算法原理示意图如图1所示。
室内环境中无线信号受反射、折射、衍射等的影响,信号衰减毫无规律,并且环境复杂多变,人体的运动和障碍物遮挡均会引起无线信号的波动,使得AP信号不稳定。因此离线阶段需要对信号进行一定的去噪及筛选预处理。在现阶段匹配算法主要有确定型算法如最近邻算法,概率型算法如贝叶斯算法等,近年来也有神经网络、支持向量机等算法被应用于室内定位指纹匹配过程中。但这些已有的基于WiFi指纹的室内定位方法的不同AP在各个参考点处因为多种因素存在波动,过于不稳定的信号不适于记录入数据库作为参考AP,并且由于每个位置处接收到的不同AP距离位置等不同,导致强度及稳定性表现均不同,因此对定位算法的贡献均不同。
WiFi信号受多径效应及环境的影响,使得指纹库中确定性的数据无法反映其真实的分布情况,为解决这一问题,许多基于概率统计的方法被提出,美国加利福尼亚大学提出的Nibble***将信噪比作为信号特征参数构建指纹数据库;还有学者提出了Horus***,采用概率统计模型,在指纹地图中存储RSS高斯分布拟合。这些方法虽然将WiFi的波动性通过概率模型作为特征记录入指纹库中,更全面的反应了环境中信号的真实情况,但也增加了数据库的存储成本,同时也增加了后续在线匹配算法的复杂度。
发明内容
针对现有技术的缺陷,本发明的目的在于提供一种基于WiFi信号的室内定位方法及***,旨在解决现有定位方法AP信号不稳定、匹配算法复杂的问题。
为实现上述目的,按照本发明的一个方面,提供了一种基于WiFi信号的室内定位方法,其特征在于,包括离线采样阶段和在线定位阶段,其中,离线采样阶段包括:
将待定位区域划分网格,网格格点作为参考点,采集各参考点处接收到的各AP的原始数据信息;
对原始数据信息进行预处理得到筛选后的数据信息;
将筛选后的数据信息中各参考点处接收到的各AP的信号强度及标准差作为位置特征;
利用参考点位置坐标及位置特征建立位置指纹数据库;
在线定位阶段包括:
采集待测位置接收到的各AP的WiFi信号,得到待测位置信号向量;
计算待测位置信号向量与位置指纹数据库中各参考点的位置特征的特征欧式距离;
选取特征欧式距离最小的四个参考点作为候选参考点;
根据候选参考点的位置坐标,结合特征欧式距离与实际物理位置加权计算待测位置坐标。
优选地,原始数据信息包括参考点的坐标,接收到的每个AP的名称、MAC地址、信号强度。
优选地,原始数据信息进行预处理包括滤除RSS值跳变为0的时刻、根据筛选出环境中安装的固定AP,再按照AP信号强度由高到低进行排序,滤除信号强度低于预设值的AP,滤除稳定性低于预设值的AP。
优选地,稳定性为AP信号强度值的标准差。
优选地,利用参考点位置坐标及位置特征建立位置指纹数据库包括建立参考点位置坐标与该位置处的位置特征的映射关系,生成一条条记录,存入数据库。
优选地,位置指纹数据库包括述参考点的坐标,每个AP的名称、MAC地址,每个AP的信号强度均值、标准差。
优选地,假设待测位置接收到n个AP的信号,第j个AP处的信号强度为RSSj。对于第i个采样点位置处,第j个AP处的信号强度为rssij。由于每个位置处接收到的AP表现能力不同,根据AP的信号强度及稳定性为每个AP赋予不同的权重后,再计算特征欧式距离,计算公式为:
其中,di为待测位置与位置指纹数据库中第i个采样点的加权特征欧式距离,wij为第i个采样点位置处第j个AP的权重,根据AP的信号强度的标准差计算出贡献度后,由下式计算得到权重:
选取出候选参考点后,计算4个候选参考点中各点与其他点的物理位置坐标距离和,对于第i个候选参考点为dli,用下式计算:
综合考虑特征欧式距离di和参考点物理距离dli作为第i个候选参考点的加权因子wi:
最终计算待测点位置坐标为:
本发明基于确定性算法的原理,提取WiFi信号波动的标准差作为表征其稳定性的特征值,分别在离线采样指纹库构建阶段和在线定位指纹匹配阶段进行改进,通过AP选择算法过滤掉模糊、冗余不稳定的接入点,并在定位阶段充分利用各位置处AP的表现能力信息,加权计算特征欧式距离,在尽量节约数据库成本的情况下提高定位算法的准确度。
按照本发明的另一个方面,提供了一种基于WiFi信号的室内定位***,包括:
离线采样模块,用于获得包含参考点位置坐标及位置特征的位置指纹数据库;
在线定位模块,用于通过采集待测位置信号通过查询位置指纹数据库获得所述待测位置坐标。
优选地,离线采样模块包括:
采集单元,用于采集原始数据信息;
筛选单元,用于筛选所述采集单元采集到的原始数据信息;
构建单元,用于利用筛选后的数据信息构建位置指纹数据库。
优选地,在线定位模块包括:
计算单元,用于计算待测位置的特征欧式距离;
定位单元,用于根据参考点位置坐标定位待测位置坐标。
通过本发明所构思的以上技术方案,与现有技术相比,能够取得以下
有益效果:
1、本发明改进了离线指纹库构建阶段的数据预处理算法,过滤掉AP异常点得到可靠的WiFi信号强度作为指纹存入数据库,并提出一种AP选择算法,选择出可靠的能够有效提供定位参考的接入点,过滤掉模糊的、不稳定的AP,提高定位精度的同时,减小了位置指纹库的大小;
2、本发明在尽量不增大数据库压力和在线匹配计算复杂度的情况下,引入标准差作为衡量AP波动特性的特征依据,后期在线匹配算法综合考虑AP在该位置处的强度及稳定性作为其对定位的贡献值,根据表现力不同赋予不同权重计算特征距离;
3、本发明在选择出参考点估算坐标时,考虑到特征模糊性,每个参考位置对待测点的坐标贡献不同,简单的计算坐标均值会引入较大误差,综合考虑参考点实际物理距离与特征距离,提出一种加权算法估算待测坐标。
附图说明
图1是现有技术基于WiFi信号的室内定位方法的原理示意图;
图2是本发明提供的基于WiFi信号的室内定位方法的流程示意图;
图3是本发明实施例提供的室内定位方法的区域参考点分布示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间不构成冲突就可以相互组合。
本发明的主要方案是在离线采样阶段通过AP选择算法过滤掉不适合作为参考的AP,并将AP的波动标准差作为衡量其稳定性的特征,同其处理后的RSS强度值一同存入对应位置作为指纹;在在线定位阶段,综合考虑每个位置处不同AP的强度和稳定性作为其贡献因子,计算加权AP特征距离,通过对待测点位置选取合适数量的参考点,最终分析参考点的贡献度实现加权坐标估算,如图2所示,具体步骤如下:
步骤S1:将待定位区域划分网格,建立坐标系,依据网格划分空间坐标,将网格格点作为参考点,在每个参考点位置多次采集该位置接收到的来自各AP的信号强度值,采集到的信息包括参考点坐标,AP的名称、MAC地址和信号强度值。
1.1定位区域参考点选取:选取如图3所示区域作为定位区域建立二维坐标系,按照一定的间隔距离对其进行网格划分,划分密度视场景大小及数据库容量而确定,本示例选择参考点间隔为0.8m,选取网格中心依据坐标系分配位置坐标,将网格点作为参考点采样位置,参考点位置信息用(id,x,y)表示,其中id表示该点在指纹库中序号,x,y则分别表示该点在坐标系中的位置坐标。
1.2参考点原始数据信息采集:人员手持智能设备终端,依次在上一节中的选取的各参考点,使用采集软件,在每一位置处一段时间内多次采样能接受到的所有AP的信号,采集频率与终端设备有关,本示例设置采样频率1Hz,在每个采样点处连续采样10分钟,信号采集获得的信息包括:AP的名称、MAC地址和信号强度。
步骤S2:对步骤S1采集获得的原始数据信息预处理。由于WiFi信号受环境多径效应、人员走动、建筑物遮挡等多个因素的影响,采集到的WiFi信号强度随时间存在波动。需要对原始数据做预处理去除噪声影响,计算获得需要存入位置指纹数据库的位置特征。
具体过程如下:
2.1某些时刻某个AP的信号不稳定跳变为0,表示该时刻信号过于微弱设备无法检测到该信号,剔除此时刻的值。
2.2在某一参考点位置处,对于接收到的第i个AP,计算过滤后的一段时间内信号强度均值记为
2.3计算每个参考点位置处各个AP的信号标准差σi作为衡量其稳定性的依据,对于第i个AP的标准差用如下公式计算:
其中,表示来自第i个AP的第j个信号强度值,Ni为AP的个数。
步骤S3:通过AP选择算法过滤掉波动较大、信号微弱、不稳定的个人热点等不适合作为参考的接入点,具体操作步骤如下:
3.1首先通过SSID名称过滤掉一些个人热点,选择出环境中固定的接入网作为待筛选AP,然后按照信号强度值对其由强到弱进行排序。
3.2设定初始AP个数K值和初始RSS强度阈值Thrss,即取前K个AP作为可用AP,比较第K个AP信号与Thrss大小,大于则进入3.3,小于则进入3.4。
3.3继续比较第k+1个AP的RSS与Thrss,大于则继续往下比较,直至小于进入3.4。
3.4设定波动阈值Thsd,计算所有之前步骤选出的AP的标准差,当其小于Thsd时,作为最终被选中的AP。
步骤S4:构建位置指纹数据库:将定位区域参考点位置坐标与该位置处的位置特征建立映射关系,生成为一条条记录,存入数据库。其中每条记录包括:参考位置坐标x,y,AP的名称、MAC地址,处理后的各AP信号强度均值,标准差。具体记录格式如图所示,对于第i条记录,参考点位置坐标为(Xi,Yi),接收到的n个AP对应的指纹为:
对于同一个位置指纹数据库,距离较远的两个点能够接收到的AP不尽相同,如果分别在两个区域采集,可能导致AP采集顺序不一致等问题,给后期实时定位阶段匹配对应的AP带来问题,为了简化计算,采集软件在离线实验时,对于新出现的AP信号,只追加信息在AP文件后面,预处理数据时,对于未检测到的数据,统一赋予一个较小的值-100dBm作为默认值。
步骤S5:在线匹配阶段,在待测位置采集该处的WiFi信号强度,手持智能终端设备,实时检测接收到的所有AP的信号,与位置指纹数据库中保存的AP的MAC地址记录比较,筛选出对应AP的信号强度,假设接收到的第j个AP处的信号强度为RSSj。对于未检测到的指纹库中已有的AP的信号,默认该信号强度值为-100dBm。
步骤S6:待测位置指纹与位置指纹数据库中的记录作比较,计算当前待测位置的指纹与位置指纹数据库中各指纹的特征欧式距离。
对于第i个参考点,假设位置指纹数据库最终选择n个可用AP,则对于接收到的第j个AP,信号强度为rssij。由于每个位置处接收到的AP表现能力不同,根据AP的信号强度及稳定性为每个AP赋予不同的权重后,再计算特征距离,具体计算方法为:
其中,di为待测位置WiFi指纹与位置指纹数据库中第i个采样点的加权特征距离,wij为i位置处第j个AP的权重,根据AP的信号强度即标准差计算出贡献度后,由下式计算得到权重:
步骤S7:计算出待测位置与位置指纹数据库中各个参考点的特征欧式距离后,按照距离由小到大排序,选择出前4个参考点作为候选参考点。
步骤S8:根据选取出的候选参考点的位置坐标,通过加权坐标计算法估算待测位置。首先计算候选参考点中各点与其他点的物理位置坐标距离和,对于第i个参考点为dli,用下式计算:
综合考虑特征欧式距离di和参考点物理距离dli作为参考点i的加权因子wi:
最终计算待测点位置坐标为:
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于WiFi信号的室内定位方法,其特征在于,包括以下步骤:
将待定位区域划分网格,网格格点作为参考点,采集原始数据信息;
对所述原始数据信息进行预处理得到筛选后的数据信息;
将所述筛选后的数据信息中各参考点处接收到的各AP的信号强度及标准差作为位置特征;
利用所述参考点的位置坐标及所述位置特征建立位置指纹数据库;
采集待测位置接收到的各AP的WiFi信号,得到待测位置信号向量;
计算所述待测位置信号向量与所述位置指纹数据库中各参考点的位置特征的特征欧式距离;
选取所述特征欧式距离中最小的四个参考点作为候选参考点;
根据所述候选参考点的位置坐标计算待测位置坐标。
2.如权利要求1所述的方法,其特征在于,所述原始数据信息包括所述参考点的坐标,接收到的各AP的名称、MAC地址、信号强度。
3.如权利要求1所述的方法,其特征在于,所述对所述原始数据信息进行预处理包括滤除RSS值跳变为0的时刻、滤除名称不固定的AP,滤除信号强度低于预设值的AP,滤除稳定性低于预设值的AP。
4.如权利要求3所述的方法,其特征在于,所述稳定性为AP信号强度的标准差。
5.如权利要求1所述的方法,其特征在于,所述利用所述参考点位置坐标及所述位置特征建立位置指纹数据库包括建立所述参考点位置坐标与该位置处的位置特征的映射关系。
6.如权利要求5所述的方法,其特征在于,所述位置指纹数据库包括所述参考点的位置坐标,各AP的名称、MAC地址,各AP的信号强度均值、标准差。
7.如权利要求1所述的方法,其特征在于,所述根据所述候选参考点的位置坐标计算待测位置坐标包括结合特征欧式距离和所述候选参考点的物理位置关系计算所述候选参考点的权重,加权估算待测位置坐标。
8.一种基于权利要求1至7任一项所述的WiFi信号的室内定位方法的***,其特征在于,包括:
离线采样模块,用于获得包含参考点位置坐标及位置特征的位置指纹数据库;
在线定位模块,用于通过采集待测位置信号通过查询位置指纹数据库获得所述待测位置坐标。
9.如权利要求8所述的***,其特征在于,所述离线采样模块包括:
采集单元,用于采集原始数据信息;
筛选单元,用于筛选所述采集单元采集到的原始数据信息;
构建单元,用于利用筛选后的数据信息构建位置指纹数据库。
10.如权利要求8所述的***,其特征在于,所述在线定位模块包括:
计算单元,用于计算待测位置的特征欧式距离;
定位单元,用于根据参考点位置坐标定位待测位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910267553.6A CN110166930A (zh) | 2019-04-03 | 2019-04-03 | 一种基于WiFi信号的室内定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910267553.6A CN110166930A (zh) | 2019-04-03 | 2019-04-03 | 一种基于WiFi信号的室内定位方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110166930A true CN110166930A (zh) | 2019-08-23 |
Family
ID=67638939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910267553.6A Pending CN110166930A (zh) | 2019-04-03 | 2019-04-03 | 一种基于WiFi信号的室内定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110166930A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110536235A (zh) * | 2019-08-30 | 2019-12-03 | 哈尔滨工程大学 | 一种基于位置指纹筛选的室内定位方法 |
CN110602651A (zh) * | 2019-09-20 | 2019-12-20 | 北京智芯微电子科技有限公司 | 基于wifi位置指纹的定位方法以及机器人的定位*** |
CN110826603A (zh) * | 2019-10-23 | 2020-02-21 | 天津大学 | 基于深度学习的WiFi指纹定位方法 |
CN110891241A (zh) * | 2020-01-08 | 2020-03-17 | 北京理工大学重庆创新中心 | 一种基于长短时间记忆网络模型与接入点选择策略的指纹定位方法 |
CN111050275A (zh) * | 2019-11-26 | 2020-04-21 | 武汉虹信技术服务有限责任公司 | 一种基于rssi特征值的蓝牙定位方法 |
CN111629432A (zh) * | 2020-05-18 | 2020-09-04 | 上海图聚智能科技股份有限公司 | 基于多阶滤波算法的蓝牙指纹定位方法、装置和设备 |
CN111867056A (zh) * | 2020-08-05 | 2020-10-30 | 重庆邮电大学 | 基于定位精度与指纹开销优化的Wi-Fi定位参考点标记方法 |
CN112526566A (zh) * | 2020-11-27 | 2021-03-19 | 深圳市和讯华谷信息技术有限公司 | 定位参考物位置稳定方法、装置、计算机设备及存储介质 |
CN112637765A (zh) * | 2020-12-17 | 2021-04-09 | 湖南中建管廊运营有限公司 | 一种城市地下综合管廊的无线ap定位方法 |
CN112738712A (zh) * | 2020-12-28 | 2021-04-30 | 燕山大学 | 一种基于区域划分的室内定位方法 |
CN113079466A (zh) * | 2020-10-21 | 2021-07-06 | 中移(上海)信息通信科技有限公司 | 指纹数据库的构建方法、装置、设备及计算机存储介质 |
CN113194411A (zh) * | 2021-04-30 | 2021-07-30 | 湖南大学 | 一种WiFi指纹地图的绘制方法及其*** |
CN113261943A (zh) * | 2021-04-29 | 2021-08-17 | 湖南万脉医疗科技有限公司 | 一种基于wifi的呼吸机数据采集方法及*** |
CN113286361A (zh) * | 2021-05-19 | 2021-08-20 | 北华航天工业学院 | 一种基于WiFi的定位***及其定位方法 |
CN113518424A (zh) * | 2021-08-04 | 2021-10-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种变电站操作机器人及其精准定位方法 |
WO2022099999A1 (zh) * | 2020-11-11 | 2022-05-19 | 中移(上海)信息通信科技有限公司 | 一种室内定位方法、装置、设备及存储介质 |
CN117041982A (zh) * | 2023-06-26 | 2023-11-10 | 中国软件评测中心(工业和信息化部软件与集成电路促进中心) | 一种空口传输数据的正确性检测***及方法 |
CN118055362A (zh) * | 2024-03-11 | 2024-05-17 | 南京信息工程大学 | 一种室内指纹定位接入点和参考点筛选方法及*** |
CN112526566B (zh) * | 2020-11-27 | 2024-07-16 | 深圳市和讯华谷信息技术有限公司 | 定位参考物位置稳定方法、装置、计算机设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103796305A (zh) * | 2014-02-11 | 2014-05-14 | 上海交通大学 | 一种基于Wi-Fi位置指纹的室内定位方法 |
WO2014091181A1 (en) * | 2012-12-12 | 2014-06-19 | Ahmad Al-Najjar | System and method for determining a position of a mobile unit |
CN104703143A (zh) * | 2015-03-18 | 2015-06-10 | 北京理工大学 | 一种基于wifi信号强度的室内定位方法 |
CN105137390A (zh) * | 2015-09-14 | 2015-12-09 | 上海工程技术大学 | 一种基于可调发射功率ap的室内定位方法 |
CN105338498A (zh) * | 2015-09-29 | 2016-02-17 | 北京航空航天大学 | 一种WiFi室内定位***中指纹库的构建方法 |
CN106376080A (zh) * | 2016-11-09 | 2017-02-01 | 北京邮电大学 | 一种ap过滤方法及装置 |
CN107333276A (zh) * | 2017-05-27 | 2017-11-07 | 南京邮电大学 | 基于加权卡方距离的WiFi位置指纹定位方法 |
CN107509171A (zh) * | 2017-09-01 | 2017-12-22 | 广州杰赛科技股份有限公司 | 室内定位方法及装置 |
CN107948930A (zh) * | 2017-12-31 | 2018-04-20 | 电子科技大学 | 基于位置指纹算法的室内定位优化方法 |
CN109511085A (zh) * | 2018-10-29 | 2019-03-22 | 中国矿业大学 | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 |
-
2019
- 2019-04-03 CN CN201910267553.6A patent/CN110166930A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014091181A1 (en) * | 2012-12-12 | 2014-06-19 | Ahmad Al-Najjar | System and method for determining a position of a mobile unit |
CN103796305A (zh) * | 2014-02-11 | 2014-05-14 | 上海交通大学 | 一种基于Wi-Fi位置指纹的室内定位方法 |
CN104703143A (zh) * | 2015-03-18 | 2015-06-10 | 北京理工大学 | 一种基于wifi信号强度的室内定位方法 |
CN105137390A (zh) * | 2015-09-14 | 2015-12-09 | 上海工程技术大学 | 一种基于可调发射功率ap的室内定位方法 |
CN105338498A (zh) * | 2015-09-29 | 2016-02-17 | 北京航空航天大学 | 一种WiFi室内定位***中指纹库的构建方法 |
CN106376080A (zh) * | 2016-11-09 | 2017-02-01 | 北京邮电大学 | 一种ap过滤方法及装置 |
CN107333276A (zh) * | 2017-05-27 | 2017-11-07 | 南京邮电大学 | 基于加权卡方距离的WiFi位置指纹定位方法 |
CN107509171A (zh) * | 2017-09-01 | 2017-12-22 | 广州杰赛科技股份有限公司 | 室内定位方法及装置 |
CN107948930A (zh) * | 2017-12-31 | 2018-04-20 | 电子科技大学 | 基于位置指纹算法的室内定位优化方法 |
CN109511085A (zh) * | 2018-10-29 | 2019-03-22 | 中国矿业大学 | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 |
Non-Patent Citations (1)
Title |
---|
毛永毅: "基于WiFi的一种改进的室内定位算法", 《测控技术》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110536235A (zh) * | 2019-08-30 | 2019-12-03 | 哈尔滨工程大学 | 一种基于位置指纹筛选的室内定位方法 |
CN110602651A (zh) * | 2019-09-20 | 2019-12-20 | 北京智芯微电子科技有限公司 | 基于wifi位置指纹的定位方法以及机器人的定位*** |
CN110826603A (zh) * | 2019-10-23 | 2020-02-21 | 天津大学 | 基于深度学习的WiFi指纹定位方法 |
CN111050275A (zh) * | 2019-11-26 | 2020-04-21 | 武汉虹信技术服务有限责任公司 | 一种基于rssi特征值的蓝牙定位方法 |
CN110891241A (zh) * | 2020-01-08 | 2020-03-17 | 北京理工大学重庆创新中心 | 一种基于长短时间记忆网络模型与接入点选择策略的指纹定位方法 |
CN111629432A (zh) * | 2020-05-18 | 2020-09-04 | 上海图聚智能科技股份有限公司 | 基于多阶滤波算法的蓝牙指纹定位方法、装置和设备 |
CN111867056A (zh) * | 2020-08-05 | 2020-10-30 | 重庆邮电大学 | 基于定位精度与指纹开销优化的Wi-Fi定位参考点标记方法 |
CN113079466A (zh) * | 2020-10-21 | 2021-07-06 | 中移(上海)信息通信科技有限公司 | 指纹数据库的构建方法、装置、设备及计算机存储介质 |
WO2022099999A1 (zh) * | 2020-11-11 | 2022-05-19 | 中移(上海)信息通信科技有限公司 | 一种室内定位方法、装置、设备及存储介质 |
CN112526566A (zh) * | 2020-11-27 | 2021-03-19 | 深圳市和讯华谷信息技术有限公司 | 定位参考物位置稳定方法、装置、计算机设备及存储介质 |
CN112526566B (zh) * | 2020-11-27 | 2024-07-16 | 深圳市和讯华谷信息技术有限公司 | 定位参考物位置稳定方法、装置、计算机设备及存储介质 |
CN112637765A (zh) * | 2020-12-17 | 2021-04-09 | 湖南中建管廊运营有限公司 | 一种城市地下综合管廊的无线ap定位方法 |
CN112637765B (zh) * | 2020-12-17 | 2022-04-22 | 中建五局城市运营管理有限公司 | 一种城市地下综合管廊的无线ap定位方法 |
CN112738712A (zh) * | 2020-12-28 | 2021-04-30 | 燕山大学 | 一种基于区域划分的室内定位方法 |
CN113261943A (zh) * | 2021-04-29 | 2021-08-17 | 湖南万脉医疗科技有限公司 | 一种基于wifi的呼吸机数据采集方法及*** |
CN113194411A (zh) * | 2021-04-30 | 2021-07-30 | 湖南大学 | 一种WiFi指纹地图的绘制方法及其*** |
CN113286361B (zh) * | 2021-05-19 | 2024-04-19 | 北华航天工业学院 | 一种基于WiFi的定位***及其定位方法 |
CN113286361A (zh) * | 2021-05-19 | 2021-08-20 | 北华航天工业学院 | 一种基于WiFi的定位***及其定位方法 |
CN113518424A (zh) * | 2021-08-04 | 2021-10-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种变电站操作机器人及其精准定位方法 |
CN117041982A (zh) * | 2023-06-26 | 2023-11-10 | 中国软件评测中心(工业和信息化部软件与集成电路促进中心) | 一种空口传输数据的正确性检测***及方法 |
CN118055362A (zh) * | 2024-03-11 | 2024-05-17 | 南京信息工程大学 | 一种室内指纹定位接入点和参考点筛选方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110166930A (zh) | 一种基于WiFi信号的室内定位方法及*** | |
CN106792465B (zh) | 一种基于众包指纹的室内指纹地图构建方法 | |
CN106793082B (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN103197280B (zh) | 一种基于射频信号强度的ap位置估计方法 | |
CN107948930A (zh) | 基于位置指纹算法的室内定位优化方法 | |
CN108540929B (zh) | 基于rssi信号强度排序的室内指纹定位方法 | |
CN109743683A (zh) | 一种采用深度学习融合网络模型确定手机用户位置的方法 | |
CN103889051B (zh) | 基于ap id过滤和卡尔曼滤波的室内wlan指纹定位方法 | |
CN106970379B (zh) | 基于泰勒级数展开对室内目标的测距定位方法 | |
CN109444813A (zh) | 一种基于bp和dnn双神经网络的rfid室内定位方法 | |
CN105898692B (zh) | 一种室内定位方法及装置 | |
CN103747419B (zh) | 一种基于信号强度差值与动态线性插值的室内定位方法 | |
CN105163385B (zh) | 一种基于扇形重叠区域聚类分析的定位方法 | |
CN110351660B (zh) | 一种基于双步指纹匹配架构的蓝牙室内定位方法 | |
CN108174343A (zh) | 一种面向电力室内通信运维场景的无线定位方法及*** | |
CN106793080A (zh) | 一种基于无线热点的可离线定位方法 | |
CN107333276A (zh) | 基于加权卡方距离的WiFi位置指纹定位方法 | |
CN110536245A (zh) | 一种基于深度学习的室内无线定位方法及*** | |
CN109068267A (zh) | 一种基于LoRa SX1280的室内定位方法 | |
CN113438731B (zh) | 一种基于信号质量控制与特征指纹增强的定位方法及*** | |
Siyang et al. | WKNN indoor Wi-Fi localization method using k-means clustering based radio mapping | |
CN108038419A (zh) | 基于Wi-Fi的室内人员被动检测方法 | |
CN109740522A (zh) | 一种人员检测方法、装置、设备及介质 | |
CN110430578A (zh) | 基于移动终端数据实现小区方位角预测的方法 | |
CN106060841B (zh) | 一种基于非自主部署ap的室内定位方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |