CN110213813B - 一种室内定位技术中惯性传感器的智能管理方法 - Google Patents

一种室内定位技术中惯性传感器的智能管理方法 Download PDF

Info

Publication number
CN110213813B
CN110213813B CN201910555406.9A CN201910555406A CN110213813B CN 110213813 B CN110213813 B CN 110213813B CN 201910555406 A CN201910555406 A CN 201910555406A CN 110213813 B CN110213813 B CN 110213813B
Authority
CN
China
Prior art keywords
state
communication
inertial sensor
hidden
observation value
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
Application number
CN201910555406.9A
Other languages
English (en)
Other versions
CN110213813A (zh
Inventor
彭玉怀
史岩
吴菁晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN201910555406.9A priority Critical patent/CN110213813B/zh
Publication of CN110213813A publication Critical patent/CN110213813A/zh
Application granted granted Critical
Publication of CN110213813B publication Critical patent/CN110213813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • 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
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • H04W52/0245—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal according to signal strength
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Telephone Function (AREA)
  • Navigation (AREA)

Abstract

本发明涉及一种室内定位技术中惯性传感器的智能管理方法，获取待定位节点标签的环境观测值；将获取的环境观测值输入隐马尔可夫模型获取隐马尔可夫模型的隐藏状态；根据获取的隐藏状态判断是否启动惯性传感器；所述隐藏状态包括：通信良好状态、第一通信衰减状态、第二通信衰减状态、通信部分中断状态和通信完全中断状态；当定位节点标签的环境观测值处于第二通信衰减状态、通信部分中断状态和通信完全中断状态的任一状态时，同时启动惯性传感器和行人导航算法；本发明提供的管理方法，能够准确预估标签的定位环境，智能管理惯性传感器的启动或关闭，以达到低功耗的目的，从而大大增加标签的续航能力。

Description

一种室内定位技术中惯性传感器的智能管理方法
技术领域
本发明属于室内定位技术领域，尤其涉及一种室内定位技术中惯性传感器的智能管理方法。
背景技术
随着智能制造、物联网***的发展，在极端环境下的室内定位技术开始大范围引用，其中，超宽带定位与行人导航算法相结合是前景最好的方案之一。两种方法相结合可以规避各个算法自身存在的缺陷，达到较强的抗干扰能力。但行人导航算需要惯性传感器一直运行才能够完成定位，这回大大增加标签的功耗。首先，算法需要传感器一直保持运行，传感器本身就会增加标签的功耗；其次，控制芯片也要保持与传感器的通信并保存数据，这会导致控制芯片频繁从低功耗模式被唤醒，也会增加大量功耗；最后，行人导航算法较为复杂，该计算过程过占用大量时间，同样也会增加功耗。
发明内容
(一)要解决的技术问题
针对现有存在的技术问题，本发明提供一种室内定位技术中惯性传感器的智能管理方法，能够准确预估标签的定位环境，智能管理惯性传感器的启动或关闭，以达到低功耗的目的，从而大大增加标签的续航能力。
(二)技术方案
为了达到上述目的，本发明采用的主要技术方案包括：
一种室内定位技术中惯性传感器的智能管理方法，包括如下步骤：
获取待定位节点标签的环境观测值；
将获取的环境观测值输入隐马尔可夫模型获取隐马尔可夫模型的隐藏状态；
根据获取的隐藏状态判断是否启动惯性传感器；
所述隐藏状态包括：通信良好状态、第一通信衰减状态、第二通信衰减状态、通信部分中断状态和通信完全中断状态；
当定位节点标签的环境观测值处于第二通信衰减状态、通信部分中断状态和通信完全中断状态的任一状态时，同时启动惯性传感器和行人导航算法；
当定位节点标签的环境观测值处于第一通信衰减状态时，启动惯性传感器，不启动行人导航算法；
当定位节点标签的环境观测值处于通信良好状态时，关闭惯性传感器，不启动行人导航算法。
优选地，所述环境观测值包括：基站接收到标签信息的信号强度和接收到标签信息的基站数量。
优选地，环境观测值的时序状态为马尔可夫模型。
优选地，基站接收到标签信息的信号强度与距离之间符合如下表达式：
Figure BDA0002106752490000021
其中，d为距离，RSSI表示信号强度，A为基站和标签相距1米时的信号强度，n表示环境衰减因子。
优选地，环境观测值中的基站接收到标签信息的信号强度为：
abs(dr-dt)*k
其中，dr与dt分别为通过信号强度与信号飞行时间计算的距离，k为待定系数。
优选地，环境观测值中的基站数量为n。
优选地，隐马尔可夫模型需要训练数据集以计算状态转移矩阵，计算状态转移矩阵的公式为：
A＝[aij]，其中
Figure BDA0002106752490000031
状态qi转移到qj的概率为aij，在训练集中转移的频率为Aij。
优选地，隐马尔可夫模型的初始隐藏状态为通信良好状态。
优选地，隐马尔可夫模型中隐藏状态的判断与预测使用维特比算法完成。
(三)有益效果
本发明的有益效果是：本发明提供的一种室内定位技术中惯性传感器的智能管理方法具有以下有益效果：
本发明针对融合高精度超宽带定位与行人导航算法的室内定位技术，智能启动惯性传感器，以达到低功耗的目的。
本发明使用隐马尔可夫模型判断是否启动惯性传感器；隐马尔可夫模型将待定位节点(以下简称标签)所处的环境划分为五种环境；隐马尔可夫模型的观测值包括接收标签超宽带信号的各个基站数量、信号强度；隐马尔可夫模型根据观测值预估标签所处的环境，从而决定是否启动惯性传感器。
本发明能够准确预估标签的定位环境，智能管理惯性传感器的启动或关闭，以达到低功耗的目的，从而大大增加标签的续航能力。
附图说明
图1为本发明提供的一种室内定位技术中惯性传感器的智能管理方法中所针对的定位技术结构示意图。
附图标记说明：
1：定位基站；2：超宽带通信；3：标签；4：通信；5：上位机。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
本实施例提供一种室内定位技术中惯性传感器的智能管理方法，包括如下步骤：
获取待定位节点标签的环境观测值；
将获取的环境观测值输入隐马尔可夫模型获取隐马尔可夫模型的隐藏状态；
根据获取的隐藏状态判断是否启动惯性传感器；
所述隐藏状态包括：通信良好状态、第一通信衰减状态、第二通信衰减状态、通信部分中断状态和通信完全中断状态；
当定位节点标签的环境观测值处于第二通信衰减状态、通信部分中断状态和通信完全中断状态的任一状态时，同时启动惯性传感器和行人导航算法；
当定位节点标签的环境观测值处于第一通信衰减状态时，启动惯性传感器，不启动行人导航算法；
当定位节点标签的环境观测值处于通信良好状态时，关闭惯性传感器，不启动行人导航算法。
应说明的是：本实施例中所述的环境观测值包括：基站接收到标签信息的信号强度和接收到标签信息的基站数量。
本实施例中环境观测值的时序状态为马尔可夫模型。
应指出的是：基站接收到标签信息的信号强度与距离之间符合如下表达式：
Figure BDA0002106752490000041
其中，d为距离，RSSI表示信号强度，A为基站和标签相距1米时的信号强度，n表示环境衰减因子。
信号强度受环境影响较大，距离d与超宽带测量的距离差别越大，则表示环境越恶劣。
其次，本实施例中环境观测值中的基站接收到标签信息的信号强度为：
abs(dr-dt)*k
其中，dr与dt分别为通过信号强度与信号飞行时间计算的距离，k为待定系数。
应说明的是：环境观测值中的基站数量为n。
本实施例中隐马尔可夫模型需要训练数据集以计算状态转移矩阵，计算状态转移矩阵的公式为：
A＝[aij]，其中
Figure BDA0002106752490000051
状态qi转移到qj的概率为aij，在训练集中转移的频率为Aij。
本实施例中隐马尔可夫模型的初始隐藏状态为通信良好状态。
最后，应说的是：本实施例中隐马尔可夫模型中隐藏状态的判断与预测使用维特比算法完成。
本实施例针对的是超宽带与行人导航融合的室内定位技术中低功耗问题，要求的室内定位技术同时应用基于超宽带的高精度室内定位与基于行人导航算法的定位，并融合两种定位结果。在该定位技术中，要求在环境中布置定位基站1，基站坐标已知。待定位目标为人员并佩戴一个定位标签3，该标签3能够通过超宽带与基站进行无线通信4，如图1。同时标签3内安装有类似于mpu9250这样的9轴惯性传感器，包括三轴加速度计、三轴陀螺仪、三轴磁力计。两种算法的融合能够提高定位精度、提高抗干扰能力，但却会增加能耗，降低标签3续航能力。本实施例针对该问题实现的室内定位技术中惯性传感器的智能管理方法能够有效解决该问题，方案如下：
标签3中安装惯性传感器并实现行人导航算法，但是否启动算法或传感器则由上位机5决定。上位机5使用隐马尔可夫模型判断是否启动惯性传感器和行人导航算法，在模型中，将标签3所处的环境划分五中状态作为隐藏状态，相应地，接收标签超宽带通信2信号的各个基站数量、信号强度作为观测输入。然后，根据环境状态来管理算法与传感器的启动。当需要启动或关闭传感器时，上位机5通过基站将消息传递给标签3。
本实施例将标签3(定位标签)所处环境的时序状态链视为马尔科夫过程，即当前时刻t的环境状态概率只与上一时刻t-1的环境状态相关。相应地，将其划分为五个状态：通信良好状态；第一通信衰减状态；第二通信衰减状态；通信部分中断状态；通信完全中断状态。而行人导航算法和惯性传感器的启动与环境状态相关。其中当标签3环境处于状态第二通信衰减状态、通信部分中断状态、通信完全中断状态时，标签3启动惯性传感器，启动行人导航算法；当标签3环境处于第一通信衰减状态时，启动惯性传感器，但不启动行人导航算法；当标签3环境处于通信良好状态时，关闭惯性传感器，不启动行人导航算法。
在隐马尔可夫模型的观测值输入方面，本实施例主要参考两个方面：信号强度、接收到标签3信息的基站数量。
基站接收到标签信息的信号强度与距离之间存在如下关系：
Figure BDA0002106752490000061
其中，d为距离，RSSI表示信号强度，A为基站和标签3相距1米时的信号强度，n表示环境衰减因子。
信号强度受环境影响较大，距离d与超宽带测量的距离差别越大，则表示环境越恶劣。
环境状况观测(环境观测值)的一个参数为：
abs(dr-dt)*k
其中，dr与dt分别为通过信号强度与信号飞行时间计算的距离，k为待定系数。
环境状态观测的另一个参数为基站数量n，n越大表示换将状态越好。
模型建立后，要求一定数量的训练数据集以计算状态转移矩阵，计算方法为：
A＝[aij]，其中
Figure BDA0002106752490000071
在算法中，本发明假设状态qi转移到qj的概率为aij，在训练集中转移的频率为Aij。
隐马尔可夫模型的初始状态为通信良好状态，然后通过维特比算法完成隐藏状态的预测与判断，进而完成对行人导航算法与惯性传感器的启动管理。
以上结合具体实施例描述了本发明的技术原理，这些描述只是为了解释本发明的原理，不能以任何方式解释为对本发明保护范围的限制。基于此处解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (5)

1.一种室内定位技术中惯性传感器的智能管理方法，其特征在于，包括如下步骤：
获取待定位节点标签的环境观测值；
将获取的环境观测值输入隐马尔可夫模型获取隐马尔可夫模型的隐藏状态；
根据获取的隐藏状态判断是否启动惯性传感器；
所述隐藏状态包括：通信良好状态、第一通信衰减状态、第二通信衰减状态、通信部分中断状态和通信完全中断状态；
当定位节点标签的环境观测值处于第二通信衰减状态、通信部分中断状态和通信完全中断状态的任一状态时，同时启动惯性传感器和行人导航算法；
当定位节点标签的环境观测值处于第一通信衰减状态时，启动惯性传感器，不启动行人导航算法；
当定位节点标签的环境观测值处于通信良好状态时，关闭惯性传感器，不启动行人导航算法；
所述环境观测值包括：基站接收到标签信息的信号强度和接收到标签信息的基站数量；
环境观测值的时序状态为马尔可夫模型；
基站接收到标签信息的信号强度与距离之间符合如下表达式：
Figure FDA0002983013550000011
其中，d为距离，RSSI表示信号强度，A为基站和标签相距1米时的信号强度，n表示环境衰减因子；
环境观测值中的基站接收到标签信息的信号强度为：
abs(dr-dt)*k
其中，dr与dt分别为通过信号强度与信号飞行时间计算的距离，k为待定系数。
2.根据权利要求1所述的管理方法，其特征在于，
环境观测值中的基站数量为n。
3.根据权利要求2所述的管理方法，其特征在于，隐马尔可夫模型需要训练数据集以计算状态转移矩阵，计算状态转移矩阵的公式为：
A＝[aij]，其中
Figure FDA0002983013550000021
状态qi转移到qj的概率为aij，在训练集中转移的频率为Aij。
4.根据权利要求3所述的管理方法，其特征在于，隐马尔可夫模型的初始隐藏状态为通信良好状态。
5.根据权利要求4所述的管理方法，其特征在于，隐马尔可夫模型中隐藏状态的判断与预测使用维特比算法完成。
CN201910555406.9A 2019-06-25 2019-06-25 一种室内定位技术中惯性传感器的智能管理方法 Active CN110213813B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910555406.9A CN110213813B (zh) 2019-06-25 2019-06-25 一种室内定位技术中惯性传感器的智能管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910555406.9A CN110213813B (zh) 2019-06-25 2019-06-25 一种室内定位技术中惯性传感器的智能管理方法

Publications (2)

Publication Number Publication Date
CN110213813A CN110213813A (zh) 2019-09-06
CN110213813B true CN110213813B (zh) 2021-05-14

Family

ID=67794641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910555406.9A Active CN110213813B (zh) 2019-06-25 2019-06-25 一种室内定位技术中惯性传感器的智能管理方法

Country Status (1)

Country Link
CN (1) CN110213813B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110986952B (zh) * 2019-12-11 2023-06-02 东北大学 一种针对行人的高精度抗干扰室内定位方法
CN111174784B (zh) * 2020-01-03 2022-10-14 重庆邮电大学 一种室内停车场可见光与惯导融合定位方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105445776A (zh) * 2015-12-28 2016-03-30 天津大学 一种室内外无缝定位***
CN105682022A (zh) * 2015-12-30 2016-06-15 华东师范大学 一种基于Android设备的室内外无缝定位***及其定位方法
CN108761514A (zh) * 2018-08-03 2018-11-06 北斗国信智能科技（北京）有限公司 一种融合北斗或gps和传感器的定位***及定位方法
EP3454073A1 (de) * 2017-09-08 2019-03-13 SPIE SAG GmbH System und verfahren zur ortung innerhalb von gebäuden
CN109743680A (zh) * 2019-02-28 2019-05-10 电子科技大学 一种基于pdr结合隐马尔可夫模型的室内在线定位方法
CN109883429A (zh) * 2019-04-15 2019-06-14 山东建筑大学 基于隐马尔科夫模型的零速检测方法以及室内行人惯性导航***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10145934B2 (en) * 2015-09-14 2018-12-04 Samsung Electronics Co., Ltd. Terminal and method for measuring location thereof

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105445776A (zh) * 2015-12-28 2016-03-30 天津大学 一种室内外无缝定位***
CN105682022A (zh) * 2015-12-30 2016-06-15 华东师范大学 一种基于Android设备的室内外无缝定位***及其定位方法
EP3454073A1 (de) * 2017-09-08 2019-03-13 SPIE SAG GmbH System und verfahren zur ortung innerhalb von gebäuden
CN108761514A (zh) * 2018-08-03 2018-11-06 北斗国信智能科技（北京）有限公司 一种融合北斗或gps和传感器的定位***及定位方法
CN109743680A (zh) * 2019-02-28 2019-05-10 电子科技大学 一种基于pdr结合隐马尔可夫模型的室内在线定位方法
CN109883429A (zh) * 2019-04-15 2019-06-14 山东建筑大学 基于隐马尔科夫模型的零速检测方法以及室内行人惯性导航***

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A hidden Markov model for indoor user tracking based on WiFi fingerprinting and step detection;M.K. Hoang等;《IEEE》;20140508;全文 *
An energy-accuracy tradeoff scheme based on optimal communication policy for HetNet-based indoor localization framework;Jun Xia等;《IEEE》;20160407;全文 *
Localization in Wireless Sensor Networks by Hidden Markov Model;R. Arthi等;《IEEE》;20110307;全文 *
基于UWB/PDR的组合室内定位算法;陈隆亮等;《信息技术与网络安全》;20190510;全文 *
基于WIFI和隐马尔可夫模型的室内定位算法研究;王克会;《计算机时代》;20180115;全文 *
基于反馈校正的WLAN与PDR融合定位方法研究;姚团结等;《仪器仪表学报》;20160215;全文 *

Also Published As

Publication number Publication date
CN110213813A (zh) 2019-09-06

Similar Documents

Publication Publication Date Title
CN107659989B (zh) 无线传感器网络节点分布式测量休眠和目标跟踪方法
CN104090262B (zh) 一种基于多采样率多模型融合估计的移动目标跟踪方法
CN110213813B (zh) 一种室内定位技术中惯性传感器的智能管理方法
CN104864865B (zh) 一种面向室内行人导航的ahrs/uwb无缝组合导航方法
CN101820676B (zh) 传感器节点定位方法
CN109212476B (zh) 一种基于ddpg的rfid室内定位算法
CN106028446B (zh) 室内停车场定位方法
CN101458325A (zh) 一种基于自适应预测的无线传感器网络目标跟踪方法
CN112469115B (zh) 一种基于快速聚类多维标度fc-mds改进的无线传感器网络定位方法
CN109195110B (zh) 基于层次聚类技术和在线极限学习机的室内定位方法
CN103052128A (zh) 一种基于无线传感器网络能量有效的协同调度方法
KR20140050639A (ko) 상황정보 추출
CN101610567A (zh) 一种基于无线传感器网络的动态群组调度方法
EP3143814B1 (en) Running location provider processes
CN103648164A (zh) 一种基于到达时间差和Gossip算法的无线传感器网络分布式定位方法
CN112833876A (zh) 一种融合里程计与uwb的多机器人协作定位方法
CN104994579B (zh) 一种适用于事件触发的分布式移动目标跟踪方法
CN112556689B (zh) 一种融合加速度计和超宽带测距的定位方法
Xiang et al. Crowdsourcing-based indoor localization with knowledge-aided fingerprint transfer
Wang et al. Collaborative target tracking in WSNs using the combination of maximum likelihood estimation and Kalman filtering
CN110267342B (zh) 一种复杂室内场景下基于wifi的定位方法
CN106851800A (zh) 一种无线传感器网络定位中的锚节点调度方法
CN110191422A (zh) 海洋水下传感器网络目标跟踪方法
CN114710744B (zh) 一种深度融合WiFi测距与PDR推算的室内定位方法
CN116047410A (zh) 一种基于图卷积神经网络的uwb室内行人定位方法

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