CN111885702A - 定位方法、装置、***与计算机可读存储介质 - Google Patents

定位方法、装置、***与计算机可读存储介质 Download PDF

Info

Publication number
CN111885702A
CN111885702A CN202010702048.2A CN202010702048A CN111885702A CN 111885702 A CN111885702 A CN 111885702A CN 202010702048 A CN202010702048 A CN 202010702048A CN 111885702 A CN111885702 A CN 111885702A
Authority
CN
China
Prior art keywords
determining
acquisition
point
characteristic value
frequency
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.)
Granted
Application number
CN202010702048.2A
Other languages
English (en)
Other versions
CN111885702B (zh
Inventor
徐高峰
关淑菊
张星
裴卫斌
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.)
Shenzhen ZNV Technology Co Ltd
Nanjing ZNV Software Co Ltd
Original Assignee
Shenzhen ZNV Technology Co Ltd
Nanjing ZNV Software Co Ltd
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 Shenzhen ZNV Technology Co Ltd, Nanjing ZNV Software Co Ltd filed Critical Shenzhen ZNV Technology Co Ltd
Priority to CN202010702048.2A priority Critical patent/CN111885702B/zh
Publication of CN111885702A publication Critical patent/CN111885702A/zh
Application granted granted Critical
Publication of CN111885702B publication Critical patent/CN111885702B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W64/00Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W64/00Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/003Locating users or terminals or network equipment for network management purposes, e.g. mobility management locating network equipment
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种定位方法,包括:采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;基于所述目标特征值,确定目标对象在所述机房中的目标位置。本发明还公开了一种定位装置、***和计算机可读存储介质。本发明采集机房内有目标对象时的信号特征与无目标对象时的信号特征,通过比较有无目标对象的信号特征,定位目标对象的目标位置,从而实现目标对象的精确定位。

Description

定位方法、装置、***与计算机可读存储介质
技术领域
本发明涉及信息处理技术领域,尤其涉及定位方法、装置、***与计算机可读存储介质。
背景技术
随着社会经济的高速发展,各行各业信息化的程度越来越高,基础设施如数据中心机房、电信机房、电力机房等用于放置各种数据服务器柜、专业设备柜等专用设备的场所也大幅增加,这类场所应用于电信运营商、政府行业、互联网企业、金融行业、电力行业等需要大量数据汇聚、数据存储、数据处理的领域。由于机房不仅是具有高度机密性的数据中心,而且具有空间大、***复杂性高、内部噪声大等特点,如果有人私自闯入机房窃取机密数据,或者工作人员在机房工作时发生意外,如火灾或因身体不适导致晕倒、昏迷等情况,外部环境监控人员若不确定机房内人员的具***置,则无法及时采取相应的措施来保证机房的***数据安全或机房内工作人员的人身安全。因此,当有人进入机房时,外部环境监控人员需要确定人员的具***置。
传统意义上的环境监控,尤其是确定上述各类机房内人员的位置,一般采用摄像头采集、红外采集、声音采集等方式。若采用摄像头采集确定人员位置,则会由于机房内部的机柜高度一般高于2米,远远高于一般人员的身高,若采用少量摄像头采集则存在着视线死角的问题,不能有效判断人员的位置信息;若采用大量摄像头进行全方位监控,则会提高监控成本;若采用红外采集确定人员位置,由于机房内各种电子设备本身就具有发热功能,会严重影响红外采集装置定位的精确性;若采用声音采集来确定人员位置,由于机房内各类设备噪声干扰大,通过声音强度的采集方式也无法对机房内人员进行精确定位。
现有技术中有采用iBeacon(一种低功耗蓝牙定位技术)、UWB(Ultra Wide Band,超宽带无线通信技术)、WiFi(Wireless Fidelity,无线保真技术)等通过建立基站进行主动式定位的方式,但是也存在着工程实施复杂、可靠性低、信息安全性不高等问题。
发明内容
本发明的主要目的在于提出一种定位方法、装置、***与计算机可读存储介质,旨在提高机房内对目标对象定位的精确性。
为实现上述目的,本发明提供一种定位方法,所述定位方法包括如下步骤:
采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
基于所述目标特征值,确定目标对象在所述机房中的目标位置。
可选地,所述采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息步骤包括:
确定所述机房内预置的采集点,所述采集点至少包括两个,并确定所述机房对应的目标频段范围;
基于所述采集点,分别采集所述机房内所述目标频段范围对应的时域信号;
基于预设转换规则,分别对各所述采集点采集的时域信号进行转换,以得到各所述采集点对应的频域信息。
可选地,所述确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值的步骤包括:
依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和;
分别计算各所述采集点对应的频点的功率值与各所述采集点的功率总和的比值,得到各所述采集点对应的频点的频点特征值。
可选地,所述依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和的步骤包括:
确定各所述采集点对应的频点的采集时间,并基于所述采集时间,分别对各所述采集点的频点的瞬时功率进行积分;
计算出各所述采集点的频点的积分结果,并基于所述积分结果和所述采集时间,确定各所述采集点的频点的功率值;
将各所述采集点的频点的功率值相加,得到各所述采集点的功率总和。
可选地,所述基于所述频点特征值和预设特征值,确定目标特征值的步骤包括:
分别确定各所述采集点对应的频点特征值和预设特征值的差值,得到各所述采集点的差值特征值;
基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值。
可选地,所述基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值的步骤包括:
依次确定各所述采集点的差值特征值对应的频点的信号强度,以及各所述采集点的差值特征值对应的信号总强度;
基于所述信号强度和所述信号总强度,分别确定各所述采集点的分类特征值;
筛选出所有所述采集点中特征值相同的分类特征值,以得到目标特征值。
可选地,所述基于所述目标特征值,确定目标对象在所述机房中的目标位置的步骤包括:
将所述目标特征值输入预设算法中,从而得到所述目标特征值对应的目标坐标值;
基于所述目标坐标值,确定所述目标对象在所述机房中的目标位置。
此外,为实现上述目的,本发明还提供一种定位装置,所述定位装置包括:
采集转换模块,用于采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
第一确定模块,用于确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
第二确定模块,用于基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
第三确定模块,用于基于所述目标特征值,确定目标对象在所述机房中的目标位置。
可选地,所述采集转换模块还用于:
确定所述机房内预置的采集点,所述采集点至少包括两个,并确定所述机房对应的目标频段范围;
基于所述采集点,分别采集所述机房内所述目标频段范围对应的时域信号;
基于预设转换规则,分别对各所述采集点采集的时域信号进行转换,以得到各所述采集点对应的频域信息。
可选地,所述第一确定模块还用于:
依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和;
分别计算各所述采集点对应的频点的功率值与各所述采集点的功率总和的比值,得到各所述采集点对应的频点的频点特征值。
可选地,所述依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和的步骤包括:
确定各所述采集点对应的频点的采集时间,并基于所述采集时间,分别对各所述采集点的频点的瞬时功率进行积分;
计算出各所述采集点的频点的积分结果,并基于所述积分结果和所述采集时间,确定各所述采集点的频点的功率值;
将各所述采集点的频点的功率值相加,得到各所述采集点的功率总和。
可选地,所述第二确定模块还用于:
分别确定各所述采集点对应的频点特征值和预设特征值的差值,得到各所述采集点的差值特征值;
基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值。
可选地,所述第二确定模块还用于:
依次确定各所述采集点的差值特征值对应的频点的信号强度,以及各所述采集点的差值特征值对应的信号总强度;
基于所述信号强度和所述信号总强度,分别确定各所述采集点的分类特征值;
筛选出所有所述采集点中特征值相同的分类特征值,以得到目标特征值。
可选地,所述第三确定模块还用于:
将所述目标特征值输入预设算法中,从而得到所述目标特征值对应的目标坐标值;
基于所述目标坐标值,确定所述目标对象在所述机房中的目标位置。
此外,为实现上述目的,本发明还提供一种定位***,所述定位***包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的定位程序,所述定位程序被所述处理器执行时实现如上所述的定位方法的步骤。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有定位程序,所述定位程序被处理器执行时实现如上所述的定位方法的步骤。
本发明提出的定位方法,采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;基于所述目标特征值,确定目标对象在所述机房中的目标位置。本发明采集机房内有目标对象时的信号特征,与无目标对象时的信号特征,通过比较有无目标对象的信号特征,定位目标对象的目标位置,从而实现目标对象的精确定位。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的***结构示意图;
图2为本发明定位方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的***结构示意图。
本发明实施例***包括无线信号采集模块,无线信号转换模块,多点特征匹配模块,位置信息计算模块,数据矫正模块等。
如图1所示,该***可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WiFi接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的***结构并不构成对***的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及定位程序。
其中,操作***是管理和控制定位***与软件资源的程序,支持网络通信模块、用户接口模块、定位程序以及其他程序或软件的运行;网络通信模块用于管理和控制网络接口1002;用户接口模块用于管理和控制用户接口1003。
在图1所示的定位***中,所述定位***通过处理器1001调用存储器1005中存储的定位程序,并执行下述定位方法各个实施例中的操作。
基于上述硬件结构,提出本发明定位方法实施例。
参照图2,图2为本发明定位方法第一实施例的流程示意图,所述方法包括:
步骤S10,采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
步骤S20,确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
步骤S30,基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
步骤S40,基于所述目标特征值,确定目标对象在所述机房中的目标位置。
本实施例定位方法运用于数据中心机房、电信机房、电力机房等机房的定位***中。为了实现对机房内目标对象的精确定位,机房的定位***中均匀布置了多个信号采集点,除此之外,定位***还包括无线信号采集模块,无线信号转换模块,多点特征匹配模块,位置信息计算模块,数据矫正模块等,其中,无线信号采集模块用于通过采集点对机房内的无线时域信号进行采集;无线信号转换模块用于对采集到的时域信号进行频域转换,通过转换出的频域信息,分离出在预设信号频率范围内的频点,并确定各个频点的特征值;多点特征匹配模块用于对比多个信号采集点得到的特征值,把相同特征值的信号归为一类;位置信息计算模块用于通过有监督学习的算法计算出目标对象所在的目标位置;数据矫正模块用于接收用户输入的矫正参数,提高定位的精确性。
由于机房内部自身环境较为复杂,无线信号如蓝牙、WiFi、无线移动通讯等信号,在机房内存在着折射、反射、绕射等传播特性,采用传统的基于空间无线信号衰减的方式进行距离确定会出现较大的误差,进而导致基于这种RSSI(Received Signal StrengthIndication,接收的信号强度指示)信号强度的各种算法,如三角形空间定位算法、测向条件下的角度差算法等,在机房内的性能大打折扣,甚至无法有效实现其基本定位功能,因此,本实施例通过采集无线信号,并通过频域转换和特征值计算,确定对应的目标特征值,最后分析目标特征值从而定位目标对象的目标位置。可以理解的,正常情况下,也即无目标对象在机房内时,机房内部的信号特征是稳定的,若有目标对象进入机房,且目标对象本身散发信号,那么此时机房内部的信号是变化的,因此,可通过监测机房内的信号变化,分析引起信号变化的目标对象所在的位置。
需要说明的是,目标对象可以是人,且该人携带有如手机等向外发射信号的设备;目标对象还可以是物,且该物本身向外发射信号,如机器人等机器设备。
本实施例的定位***,通过采集机房内有目标对象时的信号特征与无目标对象时的信号特征,通过比较有无目标对象的信号特征,定位目标对象的目标位置,从而实现目标对象的精确定位。
以下将对各个步骤进行详细说明:
步骤S10,采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
在本实施例中,事先在机房内部均匀布置有采集点,定位***通过采集点采集机房内的时域信号,然后根据预设转换规则,将采集到的时域信号转换成频域信号,其中,预设转换规则可为傅里叶转换。
可以理解的,时域信号可以直观地观测到信号的形状,但是,不能用有限的参数对信号进行准确的描述,而频域分析可以将复杂信号分解为简单的信号(正弦信号)的叠加,可以更加精确的了解信号的“构造”。因此,在采集到机房内的时域信号之后,需要将时域信号转换成频域信号,以便后续进行定位分析。
需要说明的是,采集点可采集6G以内的无线信号,在采集时域信号的过程中,具体可根据实际需求进行时域的采集,如进行一段时间内全频段粗粒度的采集,或者一段时间内预设带宽的采集等,从而得到具备时域特性的无线信号,也即时域信号。
具体的,采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息步骤包括:
步骤a1,确定所述机房内预置的采集点,所述采集点至少包括两个,并确定所述机房对应的目标频段范围;
在本实施例中,在机房内预置的采集点是均匀分布的,并且至少包括两个采集点。可以理解的,由于机房内部自身环境较为复杂,无线信号如蓝牙、WiFi、无线移动通讯等信号,存在着折射、反射、绕射等传播特性,使得导致机房中的信号错综复杂,若进行单点采集,复杂的机房环境会导致采集点每次采集到的数据出现较大偏差,严重影响了对机房内目标对象定位的精确性。
步骤a2,基于所述采集点,分别采集所述机房内所述目标频段范围对应的时域信号;
在本实施例中,目标对象散发的信号可以是蓝牙、WiFi、无线移动通讯等无线信号,不同信号对应不同的频段范围,如已知蓝牙信号的目标频段范围是2.4—2.485GHz,在采集机房内的蓝牙信号时,要求各个采集点在2.4—2.485GHz频段范围内对信号进行采集。
步骤a3,基于预设转换规则,分别对各所述采集点采集的时域信号进行转换,以得到各所述采集点对应的频域信息。
在本实施例中,对采集到的时域信号基于预设转换规则,如傅里叶变换等,进行频域转换得到信号相应的频域信息,其中,频域信息在具体实施时,优选为频率、幅值、相位等信息。
步骤S20,确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
在本实施例中,各个采集点在得到信号的频域信息之后,结合信号的时域信息,即基于信号的频率、时间、电压、电流等信息,计算出各个采集点中各频点的功率值,并且计算出各采集点的功率总和,再分别计算各个采集点对应的频点的功率值与功率总和的比值,得到各个采集点对应的频点的频点特征值。其中,得到的频点特征值是对各个采集点中各频点功率值做归一化处理,便于后续的定位分析。
需要说明的是,信号的时间包括信号采集的某一时刻和信号采集从开始到结束的时长,即采集时间。
具体的,在本实施例中,所述确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值的步骤包括:
步骤b1,依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和;
在本实施例中,功率值是信号强度的一种表现形式。频点的功率值是指频点在一个采集时间内瞬时功率的平均值,功率总和是指单个采集点中频点的功率总和。
进一步地,在本实施例中,步骤b1包括:
步骤b11,确定各所述采集点对应的频点的采集时间,并基于所述采集时间,分别对各所述采集点的频点的瞬时功率进行积分;
在本实施例中,先确定各个采集点的采集时间,同时获取对应频点的电压、电流信息,在任意一个采集时间区间内对各个频点相应的瞬时功率进行积分。
需要说明的是,频点的瞬时功率是该频点相应的瞬时电压与瞬时电流的乘积,频点的瞬时电压和瞬时电流可由时域信息得到。
步骤b12,计算出各所述采集点的频点的积分结果,并基于所述积分结果和所述采集时间,确定各所述采集点的频点的功率值;
在本实施例中,各个采集点的频点的功率值是由采集时间的倒数与上述积分结果的乘积得到的。
也即,各个采集点的频点的功率值,具体公式为:
Figure BDA0002591864500000101
其中,P:各个频点的功率值;
T:采集到的周期信号的周期或非周期信号的任意一段采集时间;
t:信号采集的某一时刻;
u(t):信号在某一时刻的电压值;
i(t):信号在某一时刻的电流值;
步骤b13,将各所述采集点的频点的功率值相加,得到各所述采集点的功率总和。
具体的,各个采集点的功率总和,具体公式为:
Figure BDA0002591864500000102
其中,P总:单个采集点所有频点的功率总和;
n:单个采集点采集到的频点个数;
Pn:单个采集点上第n个频点的功率值。
步骤b2,分别计算各所述采集点对应的频点的功率值与各所述采集点的功率总和的比值,得到各所述采集点对应的频点的频点特征值。
在本实施例中,频点特征值是各个采集点对应的频点的功率值与该采集点的功率总和的比值。
由此得出,各个采集点对应的频点的频点特征值计算公式为:
w=P/P总
其中,w:单个采集点对应的频点的频点特征值。
步骤S30,基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
在本实施例中,机房内各个采集点在有无目标对象的情况下都进行信号的采集。当机房内无目标对象时,也是存在处于目标频段范围内的信号,所以预设特征值是可以在无目标对象的情况下通过采集点采集并计算出来的。基于频点特征值和预设特征值,分别计算各个采集点信号的频点特征值和预设特征值的差值,即为目标特征值。
步骤S40,基于所述目标特征值,确定目标对象在所述机房中的目标位置。
在本实施例中,将信号的目标特征值输入预设算法中,以得到目标特征值对应的目标坐标值,从而确定目标对象在机房中的目标位置。
其中,预设算法主要是采用有监督学习的算法,如朴素贝叶斯(Naive Bayesian)、K-近邻算法(k-Nearest Neighbors,KNN)、决策树(Decision Trees)、神经网络等算法,为描述方便,本实施例以K-近邻算法为例进行描述。
K-近邻算法模型的训练过程包括:
定位***通过采集点采集机房内各种无线信号,并依照采集信号的步骤确定每个采集点的训练特征值,以及训练特征值对应的训练位置,再将训练特征值作为模型的输入,将训练位置作为模型的输出,训练K-近邻算法模型。在训练过程中,训练位置为真实的位置,是事先确定的,通过改变K-近邻算法中K的值,调整模型的准确度,从而确定K-近邻算法模型。
因此,在定位目标对象的目标位置时,只需将确定的目标特征值输入预设算法中,即可得到对应的目标位置。
本实施例的定位方法,通过采集机房内的时域信号,并基于预设转换规则对时域信号进行频域转换,得到相应的频域信息;确定频域信息中各频点的功率值,并确定各频点的频点特征值;基于各频点的频点特征值和预设特征值,确定目标特征值;基于目标特征值,确定目标对象在机房中的目标位置。本发明采集机房内有目标对象时的信号特征,与无目标对象时的信号特征,通过比较有无目标对象的信号特征,定位目标对象的目标位置,从而实现目标对象的精确定位。
进一步地,基于本发明定位方法第一实施例,提出本发明定位方法第二实施例。
定位方法的第二实施例与定位方法的第一实施例的区别在于,步骤S30包括:
步骤c,分别确定各所述采集点对应的频点特征值和预设特征值的差值,得到各所述采集点的差值特征值;
步骤d,基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值。
本实施例的定位方法,为了进一步提高定位的精确性,通过分别确定各个采集点对应的频点特征值和预设特征值的差值,得到各个采集点的差值特征值,并且基于各个采集点的差值特征值的信号强度,确定各个采集点对应的目标特征值。
以下将对各个步骤进行详细说明:
步骤c,分别确定各所述采集点对应的频点特征值和预设特征值的差值,得到各所述采集点的差值特征值。
在本实施例中,将确定的频点特征值和预设特征值进行做差,得到差值特征值,具体过程在此不再赘述。
步骤d,基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值。
在本实施例中,为进一步得到较为理想的目标特征值,便于后续目标位置的准确定位,在得到差值特征值之后,对差值特征值做归一化处理,具体的,通过计算各个采集点中各频点的差值特征值的信号强度和各个采集点对应的信号总强度,得到各频点的分类特征值,从而确定目标特征值。
具体的,步骤d包括:
步骤d1,依次确定各所述采集点的差值特征值对应的频点的信号强度,以及各所述采集点的差值特征值对应的信号总强度;
在本实施例中,各个采集点对应的频点的信号强度RSSI,具体公式为:
RSSI=10logP
步骤d2,基于所述信号强度和所述信号总强度,分别确定各所述采集点的分类特征值;
在本实施例中,各个采集点中各频点的分类特征值是各频点对应的信号强度与频点所在的采集点的信号总强度的比值。
计算出各频点的信号强度之后,同理地,各个采集点的信号总强度,具体公式为:
RSSI=10logP
故各个采集点的频点的分类特征值的计算公式为:
w1=RSSI/RSSI总
其中,RSSI总:单个采集点的频点的信号总强度;
w1:单采集点的频点的分类特征值。
步骤d3,筛选出所有所述采集点中特征值相同的分类特征值,以得到目标特征值。
在本实施例中,由于机房中的信号错综复杂,若只对单个采集点所采集到的分类特征值进行分析,无法有效地对目标对象进行精确定位,因此需要对比多个采集点筛选出特征值相同的分类特征值,并把相同的分类特征值作为目标特征值。
最后通过预设算法,基于目标特征值确定目标对象的目标位置。需要说明的是,由于对差值特征值做了进一步的归一化处理,使得最终得到的目标特征值更为收敛集中,在将目标特征值输入预设算法时,可以得到更为准确的目标位置。
本实施例在得到各个采集点对应的频点特征值和预设特征值的差值,即差值特征值之后,通过分析差值特征值所对应的频点信号强度与频点所在采集点的信号总强度,得到频点对应的分类特征值,从而确定频点的目标特征值,对采集到的数据作了更深层次的处理和分析,进一步提高了对机房内目标对象定位的精确性。
进一步地,基于本发明定位方法第一、第二实施例,提出本发明定位方法第三实施例。
定位方法的第三实施例与定位方法的第一、第二实施例的区别在于,步骤S40包括:
步骤e,接收输入的矫正参数,对预设算法进行矫正。
在本实施例中,虽然预设算法是通过大量的数据训练得到的,但还是会存在通过预设算法得到的目标位置坐标与真实目标位置不匹配的情况,也即预设算法准确度不够的情况,因此,需要对预设算法进行矫正,通过不断完善算法模型来实现对目标对象的精确定位。对预设算法进行矫正,可以是接收用户输入的矫正参数,如上述K-近邻算法,可人为更改K的取值,从而提高对目标对象定位的精确性。
本实施例的定位方法是在通过算法模型得到的目标位置坐标与真实目标位置不匹配的情况下,接收用户输入的矫正参数,如人为改变算法模型输出的目标位置坐标,在实施过程中实现对目标位置的进一步精确定位,提高对机房内目标对象定位的精确性。
本发明还提供一种定位装置。本发明定位装置包括:
采集转换模块,用于采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
第一确定模块,用于确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
第二确定模块,用于基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
第三确定模块,用于基于所述目标特征值,确定目标对象在所述机房中的目标位置。
进一步地,所述采集转换模块还用于:
确定所述机房内预置的采集点,所述采集点至少包括两个,并确定所述机房对应的目标频段范围;
基于所述采集点,分别采集所述机房内所述目标频段范围对应的时域信号;
基于预设转换规则,分别对各所述采集点采集的时域信号进行转换,以得到各所述采集点对应的频域信息。
进一步地,所述第一确定模块还用于:
依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和;
分别计算各所述采集点对应的频点的功率值与各所述采集点的功率总和的比值,得到各所述采集点对应的频点的频点特征值。
进一步地,所述依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和的步骤包括:
确定各所述采集点对应的频点的采集时间,并基于所述采集时间,分别对各所述采集点的频点的瞬时功率进行积分;
计算出各所述采集点的频点的积分结果,并基于所述积分结果和所述采集时间,确定各所述采集点的频点的功率值;
将各所述采集点的频点的功率值相加,得到各所述采集点的功率总和。
进一步地,所述第二确定模块还用于:
分别确定各所述采集点对应的频点特征值和预设特征值的差值,得到各所述采集点的差值特征值;
基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值。
进一步地,所述第二确定模块还用于:
依次确定各所述采集点的差值特征值对应的频点的信号强度,以及各所述采集点的差值特征值对应的信号总强度;
基于所述信号强度和所述信号总强度,分别确定各所述采集点的分类特征值;
筛选出所有所述采集点中特征值相同的分类特征值,以得到目标特征值。
进一步地,所述第三确定模块还用于:
将所述目标特征值输入预设算法中,从而得到所述目标特征值对应的目标坐标值;
基于所述目标坐标值,确定所述目标对象在所述机房中的目标位置。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有定位程序,所述定位程序被处理器执行时实现如上所述的定位方法的步骤。
其中,在所述处理器上运行的定位程序被执行时所实现的方法可参照本发明定位方法各个实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的可选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种定位方法,其特征在于,所述定位方法包括如下步骤:
采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
基于所述目标特征值,确定目标对象在所述机房中的目标位置。
2.如权利要求1所述的定位方法,其特征在于,所述采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息步骤包括:
确定所述机房内预置的采集点,所述采集点至少包括两个,并确定所述机房对应的目标频段范围;
基于所述采集点,分别采集所述机房内所述目标频段范围对应的时域信号;
基于预设转换规则,分别对各所述采集点采集的时域信号进行转换,以得到各所述采集点对应的频域信息。
3.如权利要求2所述的定位方法,其特征在于,所述确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值的步骤包括:
依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和;
分别计算各所述采集点对应的频点的功率值与各所述采集点的功率总和的比值,得到各所述采集点对应的频点的频点特征值。
4.如权利要求3所述的定位方法,其特征在于,所述依次确定各所述采集点对应的频域信息中各频点的功率值,并基于各所述频点的功率值,确定各所述采集点的功率总和的步骤包括:
确定各所述采集点对应的频点的采集时间,并基于所述采集时间,分别对各所述采集点的频点的瞬时功率进行积分;
计算出各所述采集点的频点的积分结果,并基于所述积分结果和所述采集时间,确定各所述采集点的频点的功率值;
将各所述采集点的频点的功率值相加,得到各所述采集点的功率总和。
5.如权利要求2-4任一项所述的定位方法,其特征在于,所述基于所述频点特征值和预设特征值,确定目标特征值的步骤包括:
分别确定各所述采集点对应的频点特征值和预设特征值的差值,得到各所述采集点的差值特征值;
基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值。
6.如权利要求5所述的定位方法,其特征在于,所述基于各所述采集点的差值特征值的信号强度,确定各所述采集点对应的目标特征值的步骤包括:
依次确定各所述采集点的差值特征值对应的频点的信号强度,以及各所述采集点的差值特征值对应的信号总强度;
基于所述信号强度和所述信号总强度,分别确定各所述采集点的分类特征值;
筛选出所有所述采集点中特征值相同的分类特征值,以得到目标特征值。
7.如权利要求6所述的定位方法,其特征在于,所述基于所述目标特征值,确定目标对象在所述机房中的目标位置的步骤包括:
将所述目标特征值输入预设算法中,从而得到所述目标特征值对应的目标坐标值;
基于所述目标坐标值,确定所述目标对象在所述机房中的目标位置。
8.一种定位装置,其特征在于,所述定位装置包括:
采集转换模块,用于采集机房内的时域信号,并基于预设转换规则,对所述时域信号进行频域转换,以得到频域信息;
第一确定模块,用于确定所述频域信息中各频点的功率值,并基于所述功率值,确定各所述频点的频点特征值;
第二确定模块,用于基于所述频点特征值和预设特征值,确定目标特征值,所述预设特征值为所述机房内无目标对象时对应的特征值;
第三确定模块,用于基于所述目标特征值,确定目标对象在所述机房中的目标位置。
9.一种定位***,其特征在于,所述定位***包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的定位程序,所述定位程序被所述处理器执行时实现如权利要求1至7中任一项所述的定位方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有定位程序,所述定位程序被处理器执行时实现如权利要求1至7中任一项所述的定位方法的步骤。
CN202010702048.2A 2020-07-20 2020-07-20 定位方法、装置、***与计算机可读存储介质 Active CN111885702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010702048.2A CN111885702B (zh) 2020-07-20 2020-07-20 定位方法、装置、***与计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010702048.2A CN111885702B (zh) 2020-07-20 2020-07-20 定位方法、装置、***与计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN111885702A true CN111885702A (zh) 2020-11-03
CN111885702B CN111885702B (zh) 2022-06-03

Family

ID=73155137

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010702048.2A Active CN111885702B (zh) 2020-07-20 2020-07-20 定位方法、装置、***与计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN111885702B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5999131A (en) * 1997-07-01 1999-12-07 Information Systems Laboratories, Inc. Wireless geolocation system
CN101576616A (zh) * 2008-05-06 2009-11-11 广州香港科大研究开发有限公司 基于rfid技术的室内定位***
CN104535962A (zh) * 2014-12-24 2015-04-22 北京奇虎科技有限公司 室内定位方法和室内定位***
CN104780606A (zh) * 2015-03-30 2015-07-15 南京邮电大学 基于无线局域网的室内定位***及方法
CN107346014A (zh) * 2017-06-09 2017-11-14 宇龙计算机通信科技(深圳)有限公司 一种定位方法、装置及终端
CN107678051A (zh) * 2016-08-01 2018-02-09 华为技术服务有限公司 一种定位的方法及相关设备
CN108024328A (zh) * 2016-11-04 2018-05-11 中兴通讯股份有限公司 一种无线定位方法、装置及基站
CN109901107A (zh) * 2019-03-07 2019-06-18 西安电子科技大学 一种时差定位方法、装置、计算机设备及可读存储介质
CN110769370A (zh) * 2019-10-25 2020-02-07 中山大学 基于定向天线与全向天线信号融合的室内定位方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5999131A (en) * 1997-07-01 1999-12-07 Information Systems Laboratories, Inc. Wireless geolocation system
CN101576616A (zh) * 2008-05-06 2009-11-11 广州香港科大研究开发有限公司 基于rfid技术的室内定位***
CN104535962A (zh) * 2014-12-24 2015-04-22 北京奇虎科技有限公司 室内定位方法和室内定位***
CN104780606A (zh) * 2015-03-30 2015-07-15 南京邮电大学 基于无线局域网的室内定位***及方法
CN107678051A (zh) * 2016-08-01 2018-02-09 华为技术服务有限公司 一种定位的方法及相关设备
CN108024328A (zh) * 2016-11-04 2018-05-11 中兴通讯股份有限公司 一种无线定位方法、装置及基站
CN107346014A (zh) * 2017-06-09 2017-11-14 宇龙计算机通信科技(深圳)有限公司 一种定位方法、装置及终端
CN109901107A (zh) * 2019-03-07 2019-06-18 西安电子科技大学 一种时差定位方法、装置、计算机设备及可读存储介质
CN110769370A (zh) * 2019-10-25 2020-02-07 中山大学 基于定向天线与全向天线信号融合的室内定位方法

Also Published As

Publication number Publication date
CN111885702B (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
Hsieh et al. Deep learning-based indoor localization using received signal strength and channel state information
US20240187822A1 (en) Handling concept drift in wi-fi-based localization
JP7154295B2 (ja) 無線信号の特性の機械学習に基づく動き検出
Kosba et al. RASID: A robust WLAN device-free passive motion detection system
Khan et al. A deep learning framework using passive WiFi sensing for respiration monitoring
CN102404058B (zh) 电磁波区分设备、电磁波区分方法以及电磁波区分程序
US12015927B2 (en) System, method, and apparatus for providing dynamic, prioritized spectrum management and utilization
CN104540168B (zh) 一种测量人群拥挤度的方法、装置与***
EP3969933A1 (en) Determining a confidence for a motion zone identified as a location of motion for motion detected by wireless signals
CN104335564A (zh) 用于标识和分析用户的个人情景的***和方法
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
US20190302221A1 (en) Fog-based internet of things (iot) platform for real time locating systems (rtls)
CN106936517A (zh) 一种异常无线电信号的自动识别***及其方法
KR102469664B1 (ko) 이상 행위 탐지 방법 및 시스템
CN111885702B (zh) 定位方法、装置、***与计算机可读存储介质
CN104821854B (zh) 一种基于随机集的多主用户多维频谱感知方法
CN105162531A (zh) 一种超短波宽带监测***及方法
Careem et al. Wirelessly indoor positioning system based on RSS Signal
CN115665852B (zh) 室内定位方法、装置、设备及存储介质
Smith et al. Classifying WiFi" physical fingerprints" using complex deep learning
CN107798854A (zh) 一种基于图像识别的电表远程监控方法
CN110991566B (zh) 通过信息融合方式进行风力发电机故障诊断的方法和装置
Zhuang et al. Adaptive Scheme for Crowd Counting Using off-the-Shelf Wireless Routers.
Baylog et al. Multiple pass collaborative search in the presence of false alarms
Pipelidis et al. Cross-device radio map generation via crowdsourcing

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