CN115460687A - 定位方法、装置及相关设备 - Google Patents
定位方法、装置及相关设备 Download PDFInfo
- Publication number
- CN115460687A CN115460687A CN202110631714.2A CN202110631714A CN115460687A CN 115460687 A CN115460687 A CN 115460687A CN 202110631714 A CN202110631714 A CN 202110631714A CN 115460687 A CN115460687 A CN 115460687A
- Authority
- CN
- China
- Prior art keywords
- aps
- weighted centroid
- class
- positioning
- preset 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000003064 k means clustering Methods 0.000 claims abstract description 16
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 description 10
- 238000007635 classification algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本申请提供一种定位方法、装置及相关设备;其中,该方法包括:基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,所述多个AP的无线网络均覆盖待定位设备;对第一类进行加权质心定位,得到第一加权质心位置;其中,所述第一类为所述分类结果中AP数量最多的类;所述第一加权质心位置为所述待定位设备的位置。通过本申请,解决了现有技术中基于测距类的质心算法存在定位误差较大的问题。
Description
技术领域
本申请实施例涉及通信技术领域,尤其涉及一种定位方法、装置及相关设备。
背景技术
现有基于Wi-Fi(无线保真)测距类的定位技术一般基于Wi-Fi信号的质心算法主要依靠信号强度进行加权直接求取,例如:使用测距后的区域相交面积再求取质心,或者对测距结果进行分类最小二乘计算再求取质心定位等。
基于测距类的质心算法会因为测距本身具备比较大的不确定性因素比如环境复杂性和非视距误差等等导致误差较大。此外,基于Wi-Fi信号强度的质心加权没有甄别Wi-Fi信号是否合理的判断,也可能会导致误差较大。
发明内容
本申请实施例提供一种定位方法、装置及相关设备,以解决现有技术中基于测距类的质心算法存在定位误差较大的问题。
为解决上述问题,本申请是这样实现的:
第一方面,本申请实施例提供了一种定位方法,所述方法包括:基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,所述多个AP的无线网络均覆盖待定位设备;对第一类进行加权质心定位,得到第一加权质心位置;其中,所述第一类为所述分类结果中AP数量最多的类;所述第一加权质心位置为所述待定位设备的位置。
第二方面,本申请实施例提供了一种定位装置,所述装置包括:分类模块,用于基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,所述多个AP的无线网络均覆盖待定位设备;定位模块,用于对第一类进行加权质心定位,得到第一加权质心位置;其中,所述第一类为所述分类结果中AP数量最多的类;所述第一加权质心位置为所述待定位设备的位置。
第三方面,本申请实施例还提供一种电子设备,包括:收发机、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程序;其特征在于,所述处理器,用于读取存储器中的程序实现如前述第一方面所述方法中的步骤。
第四方面,本申请实施例还提供一种可读存储介质,用于存储程序,所述程序被处理器执行时实现如前述第一方面所述方法中的步骤。
在本申请实施例中,先对覆盖待定位设备的多个AP基于k均值聚类算法进行分类,进而对分类后中的第一类进行加权质心定位,进而得到第一加权质心位置。可见,在本申请实施例中无需测距,且由于第一类为AP数量最多的类,从而可以避免位置较偏的AP,而通过加权质心定位能够得到更加准确的定位位置,从而解决了现有技术中基于测距类的质心算法存在定位误差较大的问题。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的定位方法的流程示意图;
图2是本申请实施例提供的核心点的选取及确定过程的流程示意图;
图3是本申请实施例提供的核心区域加权质心定位过程的流程示意图;
图4是本申请实施提供的定位装置的结构示意图;
图5是本申请实施提供的电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,本申请中使用“和/或”表示所连接对象的至少其中之一,例如A和/或B和/或C,表示包含单独A,单独B,单独C,以及A和B都存在,B和C都存在,A和C都存在,以及A、B和C都存在的7种情况。
以下对本申请实施例提供的定位方法进行说明。
参见图1,图1是本申请实施例提供的定位方法的流程示意图。图1所示的定位方法可以由终端执行。
如图1所示,定位方法可以包括以下步骤:
步骤101,基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,多个AP的无线网络均覆盖待定位设备;
步骤102,对第一类进行加权质心定位,得到第一加权质心位置;其中,第一类为分类结果中AP数量最多的类;第一加权质心位置为待定位设备的位置。
通过本申请实施例的步骤101和步骤102,先对覆盖待定位设备的多个AP基于k均值聚类算法进行分类,进而对分类后中的第一类进行加权质心定位,进而得到第一加权质心位置。可见,在本申请实施例中无需测距,且由于第一类为AP数量最多的类,从而可以避免位置较偏的AP,而通过加权质心定位能够得到更加准确的定位位置,从而解决了现有技术中基于测距类的质心算法存在定位误差较大的问题。
在本申请实施例中,对于步骤101中涉及到的基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果的方式进一步可以包括:
步骤101-11,从多个AP中选取接收的信号强度指示(Received Signal StrengthIndication,RSSI)值最大的第一AP,以及与第一AP距离最远的第二AP作为聚类点;
步骤101-12,基于k均值聚类算法,通过第一AP和第二AP对多个AP进行分类,得到分类结果;
其中,分类结果中的每一类满足以下之一的条件:AP数量小于第一预设值、平均距离小于第二预设值;平均距离为对第二类中所有AP到类的中心点的距离之和求平均的结果;第二类为分类结果中的任一类。
需要说明的是,本申请实施例中的第一预设值可以是3、4等,第二预设值可以是1km、1.5km。第一预设值和第二预设值的具体取值可以根据实际情况进行相应的设置。
对于上述步骤101-11和101-12在具体应用场景中,以第一预设值,以及第二预设值为1km为例,具体可以是:第一次k-means分类算法(k均值聚类算法)计算完毕后,对核心区域备选组内的所有AP位置求取均值得到该区域的中心点。然后对备选组内AP与其中心点计算一个平均距离,若这个平均距离大于1km则需要继续分类,说明此时仍然含有距离较远的点,给定位带来较大误差。k-means选取停止的条件有两个,一个是剩余AP数量已经小于3个了,另一个是剩余AP平均距离满足条件。通过该方式能够剔除距离中心点较远的AP,从而可以使得定位更加准确。
在本申请实施例中,对于步骤102中涉及到的对第一类进行加权质心定位,得到第一加权质心位置的方式,进一步可以包括:
步骤102-11,在第一类中AP数量超过第三预设值的情况下,对第一类中的AP进行排列组合;其中,每一排序组合中AP的数量为第四预设值,第四预设值小于第三预设值;
步骤102-12,对排列组合后的AP进行加权质心定位,得到第二加权质心位置;
其中,该步骤102-12进一步可以是在第二加权质心位置在核心AP的覆盖范围内的情况下,保存第二加权质心位置以及每一排列组合中AP的RSSI之和;其中,第一类中接收的信号强度指示RSSI取值最大的AP为核心AP。
步骤102-13,保存第二加权质心位置以及每一排列组合中AP的RSSI之和;
步骤102-14,对保存的第二加权质心位置和RSSI之和再进行加权质心定位,得到第一加权质心位置。
可见,在本申请实施例中第三预设值可以是5、6等,第四预设值可以是3、4等,只要第四预设值小于第三预设值即可,具体第三预设值和第四预设值的取值可以根据实际情况进行相应的设置。
可见,在本申请实施例中当所有的排列组合计算完成之后,对存取的所有组合的位置以及RSSI再进行加权质心计算,作为最终输出结果。即对于满足核心区域的组合AP可以再次确定其计算位置在KAP信号覆盖范围以内,并且由信号强度进行了加权,进一步提高了定位的精准度。
此外,在本申请实施例中对于步骤102中涉及到的对第一类进行加权质心定位,得到第一加权质心位置的方式,进一步可以包括:
步骤102-21,在第一类中AP数量小于或等于第三预设值的情况下,对第一类中AP进行加权质心定位,得到第一加权质心位置。
也就是说,如果第一类中的AP数量较小,则可以直接通过加权质心定位获得第一加权质心位置。
本申请实施例中介绍的多种可选的实施方式,在彼此不冲突的情况下可以相互结合实现,也可以单独实现,对此本申请实施例不作限定。
为方便理解,示例说明如下:
该具体示例提供了一种基于Wi-Fi热点分布核心区域的加权质心定位方法,该方法包括两个主要过程:一是核心点的选取及确定;二是核心点区域范围内进行加权质心定位。
如图2所示,核心点的选取及确定包括以下步骤:
步骤201,接收到的AP进行位置查询;
步骤202,判断是否有ConAP;如果没有,执行步骤203,如果有,执行步骤207;
步骤203,选取其中RSSI最大值的AP以及与其距离最远的AP作为K值;
步骤204,用K-means++分类;
步骤205,平均距离是否大于1km;如果是,执行步骤203;如果不是,执行步骤206;
步骤206,选择MaxRSSI作为KAP(核心点)。
步骤207,选择ConA平作为KAP。
对于上述步骤201值步骤207,首先对所有接收到的Wi-Fi热点(AP)进行位置查询,并在其中查找是否含有与设备连接的用于通信的热点(Connect AP,ConAP),如果有就直接作为KAP(核心点)输出。若没有ConAP,选取RSSI最大值的AP(max RSSI AP,MaxAP)和与其距离最远的AP作为K值的聚类点进行k-means分类算法。完成分类后,在所分类别中,选取AP数目最多的类别作为核心区域备选组,如果有数目相等的,选取平均RSSI信号强度最强的一组。
其中,第一次k-means分类算法计算完毕后,对核心区域备选组内的所有AP位置求取均值得到该区域的中心点。然后对备选组内AP与其中心点计算一个平均距离,若这个平均距离大于1km则需要继续分类,说明此时仍然含有距离较远的点,给定位带来较大误差。k-means选取停止的条件有两个,一个是剩余AP数量已经小于3个了,另一个是剩余AP平均距离满足条件。
最后满足距离条件的分类即为当期设备接收含有位置信息AP的核心区域,在该区域中选择当前MaxAP作为KAP输出。至此,核心点以及核心区域选取完毕,位置距离较远的AP被剔除,得到的合理区间类似于无线传感网络但是其密集程度、数量、坐标准确度都远远不及无线传感网络。
如图3所示,核心区域加权质心定位过程包括以下步骤:
步骤301,选取的类别中AP是否小于4;如果不是,执行步骤302;如果是,执行步骤308;
步骤302,任意选取3个AP求取加权质心;
步骤303,求取的加权质心位置是否在KAP的半径内;如果是,则执行步骤304;如果不是,则执行步骤302;
步骤304,存储位置CenPos并计算RSSI之和SumRSSI;
步骤305,遍历是否完成;如果完成,执行步骤306;如果没有完成,执行步骤302;
步骤306,求取CenPos的加权质心;
步骤307,求取当前AP的加权质心。
其中,由于选取核心区域的过程中会剔除很多接收到的AP,所以剩余AP的数量难以保证,如果剩余AP数量小于4个,就直接计算当前的加权质心即可。
当大于4个的时候,要对所有AP进行排列组合计算,并将计算后的位置与KAP的位置进行比较,由于每个AP除了位置信息、信号强度RSSI、MAC地址信息以外还可以获取其理论的信号半径R,所以可以利用这个条件进一步对排列组合计算的结果进行选取。
具体的:任意选取三个AP求取加权质心位置并判断该位置是否在KAP半径R范围以内,如果在则记录该位置,并将这三个AP的RSSI之和(sum of 3RSSI,s3RSSI)一并存取。由于每个排列组合的AP数量都控制在3个(这里是借鉴APIT区域计算再求平均的思想所在),这个RSSI之和就对标了由这三个AP计算的质心位置。当所有的排列组合计算完成之后,对存取的所有组合的位置以及s3RSSI再进行加权质心计算,作为最终输出结果。
对于RSSI加权计算的方法,统一解释如下:加权质心计算需要先对RSSI进行一定的处理,一般接收到的RSSI值为[0,-100]之间,对AP(i)的RSSI(i)求取平方,再由其倒数平方和加权来计算:
可见,本申请首先对接收AP进行核心点以及核心区域的确定,保证其准确性和合理性,明确了待求点在核心区域之内,降低了异常点带来的风险。其次对于满足核心区域的组合AP再次确定其计算位置在KAP信号覆盖范围以内,并且由信号强度进行了加权,进一步缩小了误差范围,输出最后的定位结果。经过上述步骤计算以后,可以在一个比较合理的核心区域之内计算求得相对精确的位置。
参见图4,图4是本申请实施例提供的定位装置的结构图。如图4所示,定位装置包括:
分类模块42,用于基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,多个AP的无线网络均覆盖待定位设备;
定位模块44,用于对第一类进行加权质心定位,得到第一加权质心位置;其中,第一类为分类结果中AP数量最多的类;第一加权质心位置为待定位设备的位置。
可选地,本申请实施例总的分类模块42进一步可以包括:选取单元,用于从多个AP中选取接收的信号强度指示RSSI值最大的第一AP,以及与第一AP距离最远的第二AP作为聚类点;分类单元,用于基于k均值聚类算法,通过第一AP和第二AP对多个AP进行分类,得到分类结果;
其中,分类结果中的每一类满足以下之一的条件:AP数量小于第一预设值、平均距离小于第二预设值;平均距离为对第二类中所有AP到类的中心点的距离之和求平均的结果;第二类为分类结果中的任一类。
可选地,本申请实施例总的定位模块44进一步可以包括:处理单元,用于在第一类中AP数量超过第三预设值的情况下,对第一类中的AP进行排列组合;其中,每一排序组合中AP的数量为第四预设值,第四预设值小于第三预设值;第一定位单元,用于对排列组合后的AP进行加权质心定位,得到第二加权质心位置;保存单元,用于保存第二加权质心位置以及每一排列组合中AP的RSSI之和;第二定位单元,用于对保存的第二加权质心位置和RSSI之和再进行加权质心定位,得到第一加权质心位置。
其中,第一保存单元包括:保存子单元,用于在第二加权质心位置在核心AP的覆盖范围内的情况下,保存第二加权质心位置以及每一排列组合中AP的RSSI之和;其中,第一类中接收的信号强度指示RSSI取值最大的AP为核心AP。
可选地,本申请实施例中的定位模块进一步可以包括:第三定位单元,用于在第一类中AP数量小于或等于第三预设值的情况下,对第一类中AP进行加权质心定位,得到第一加权质心位置。
本申请实施例还提供一种电子设备。请参见图5,电子设备可以包括处理器501、存储器502及存储在存储器502上并可在处理器501上运行的程序5021。
在电子设备为终端的情况下,程序5021被处理器501执行时可实现图1对应的方法实施例中的任意步骤及达到相同的有益效果,此处不再赘述。
本领域普通技术人员可以理解实现上述实施例方法的全部或者部分步骤是可以通过程序指令相关的硬件来完成,所述的程序可以存储于一可读取介质中。本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时可实现上述图1对应的方法实施例中的任意步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
所述的存储介质,如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
以上所述是本申请实施例的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请所述原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (12)
1.一种定位方法,其特征在于,所述方法包括:
基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,所述多个AP的无线网络均覆盖待定位设备;
对第一类进行加权质心定位,得到第一加权质心位置;其中,所述第一类为所述分类结果中AP数量最多的类;所述第一加权质心位置为所述待定位设备的位置。
2.根据权利要求1所述的方法,其特征在于,所述基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果包括:
从所述多个AP中选取接收的信号强度指示RSSI值最大的第一AP,以及与所述第一AP距离最远的第二AP作为聚类点;
基于所述k均值聚类算法,通过所述第一AP和所述第二AP对所述多个AP进行分类,得到所述分类结果;
其中,所述分类结果中的每一类满足以下之一的条件:AP数量小于第一预设值、平均距离小于第二预设值;所述平均距离为对第二类中所有AP到所述类的中心点的距离之和求平均的结果;所述第二类为所述分类结果中的任一类。
3.根据权利要求1所述的方法,其特征在于,所述对所述第一类进行加权质心定位,得到第一加权质心位置,包括:
在所述第一类中AP数量超过第三预设值的情况下,对所述第一类中的AP进行排列组合;其中,每一排序组合中AP的数量为第四预设值,所述第四预设值小于所述第三预设值;
对排列组合后的AP进行加权质心定位,得到第二加权质心位置;
保存所述第二加权质心位置以及每一排列组合中AP的RSSI之和;
对保存的所述第二加权质心位置和所述RSSI之和再进行加权质心定位,得到所述第一加权质心位置。
4.根据权利要求3所述的方法,其特征在于,所述保存所述第二加权质心位置以及每一排列组合中AP的RSSI之和,包括:
在所述第二加权质心位置在核心AP的覆盖范围内的情况下,保存所述第二加权质心位置以及每一排列组合中AP的RSSI之和;其中,所述第一类中接收的信号强度指示RSSI取值最大的AP为所述核心AP。
5.根据权利要求1或3所述的方法,其特征在于,所述对所述第一类进行加权质心定位,得到第一加权质心位置,包括:
在所述第一类中AP数量小于或等于所述第三预设值的情况下,对所述第一类中AP进行加权质心定位,得到所述第一加权质心位置。
6.一种定位装置,其特征在于,所述装置包括:
分类模块,用于基于k均值聚类算法对多个无线访问接入点AP进行分类,得到分类结果;其中,所述多个AP的无线网络均覆盖待定位设备;
定位模块,用于对第一类进行加权质心定位,得到第一加权质心位置;其中,所述第一类为所述分类结果中AP数量最多的类;所述第一加权质心位置为所述待定位设备的位置。
7.根据权利要求6所述的装置,其特征在于,所述分类模块包括:
选取单元,用于从所述多个AP中选取接收的信号强度指示RSSI值最大的第一AP,以及与所述第一AP距离最远的第二AP作为聚类点;
分类单元,用于基于所述k均值聚类算法,通过所述第一AP和所述第二AP对所述多个AP进行分类,得到所述分类结果;
其中,所述分类结果中的每一类满足以下之一的条件:AP数量小于第一预设值、平均距离小于第二预设值;所述平均距离为对第二类中所有AP到所述类的中心点的距离之和求平均的结果;所述第二类为所述分类结果中的任一类。
8.根据权利要求6所述的装置,其特征在于,所述定位模块包括:
处理单元,用于在所述第一类中AP数量超过第三预设值的情况下,对所述第一类中的AP进行排列组合;其中,每一排序组合中AP的数量为第四预设值,所述第四预设值小于所述第三预设值;
第一定位单元,用于对排列组合后的AP进行加权质心定位,得到第二加权质心位置;
保存单元,用于保存所述第二加权质心位置以及每一排列组合中AP的RSSI之和;
第二定位单元,用于对保存的所述第二加权质心位置和所述RSSI之和再进行加权质心定位,得到所述第一加权质心位置。
9.根据权利要求8所述的装置,其特征在于,所述第一保存单元包括:
保存子单元,用于在所述第二加权质心位置在核心AP的覆盖范围内的情况下,保存所述第二加权质心位置以及每一排列组合中AP的RSSI之和;其中,所述第一类中接收的信号强度指示RSSI取值最大的AP为所述核心AP。
10.根据权利要求6或8所述的装置,其特征在于,所述定位模块包括:
第三定位单元,用于在所述第一类中AP数量小于或等于所述第三预设值的情况下,对所述第一类中AP进行加权质心定位,得到所述第一加权质心位置。
11.一种电子设备,包括:收发机、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程序;其特征在于,所述处理器,用于读取存储器中的程序实现如权利要求1至5中任一项所述的方法步骤。
12.一种可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现如权利要求1至5中任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631714.2A CN115460687A (zh) | 2021-06-07 | 2021-06-07 | 定位方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110631714.2A CN115460687A (zh) | 2021-06-07 | 2021-06-07 | 定位方法、装置及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115460687A true CN115460687A (zh) | 2022-12-09 |
Family
ID=84294591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110631714.2A Pending CN115460687A (zh) | 2021-06-07 | 2021-06-07 | 定位方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115460687A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105407529A (zh) * | 2015-12-04 | 2016-03-16 | 河海大学 | 基于模糊c均值聚类的无线传感器网络节点定位算法 |
CN106643736A (zh) * | 2017-01-06 | 2017-05-10 | 中国人民解放军信息工程大学 | 一种室内定位方法及*** |
CN108375753A (zh) * | 2018-02-12 | 2018-08-07 | 华南理工大学 | 基于双模多重加权质心算法的无钥匙进入***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*** |
CN111356072A (zh) * | 2018-12-21 | 2020-06-30 | 珠海格力电器股份有限公司 | 一种室内定位的位置估计方法、装置及可读存储介质 |
CN112135248A (zh) * | 2020-10-09 | 2020-12-25 | 西安建筑科技大学 | 一种基于K-means最优估计的WIFI指纹定位方法 |
CN112444778A (zh) * | 2020-11-18 | 2021-03-05 | 安徽理工大学 | 一种基于dbscan的参考点加权三边质心定位方法 |
-
2021
- 2021-06-07 CN CN202110631714.2A patent/CN115460687A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105407529A (zh) * | 2015-12-04 | 2016-03-16 | 河海大学 | 基于模糊c均值聚类的无线传感器网络节点定位算法 |
CN106643736A (zh) * | 2017-01-06 | 2017-05-10 | 中国人民解放军信息工程大学 | 一种室内定位方法及*** |
CN108375753A (zh) * | 2018-02-12 | 2018-08-07 | 华南理工大学 | 基于双模多重加权质心算法的无钥匙进入***定位方法 |
CN111356072A (zh) * | 2018-12-21 | 2020-06-30 | 珠海格力电器股份有限公司 | 一种室内定位的位置估计方法、装置及可读存储介质 |
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*** |
CN112135248A (zh) * | 2020-10-09 | 2020-12-25 | 西安建筑科技大学 | 一种基于K-means最优估计的WIFI指纹定位方法 |
CN112444778A (zh) * | 2020-11-18 | 2021-03-05 | 安徽理工大学 | 一种基于dbscan的参考点加权三边质心定位方法 |
Non-Patent Citations (3)
Title |
---|
宫月: "无线传感器网络定位算法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》, 15 January 2014 (2014-01-15), pages 5 * |
李海啸;于东;胡毅;于皓宇;: "改进的无线传感器网络三边质心定位算法", 小型微型计算机***, no. 06, 29 May 2020 (2020-05-29) * |
王培良;张婷;肖英杰;: "改进指纹库精度下的室内定位算法研究", 电子技术应用, no. 10, 6 October 2018 (2018-10-06) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9185677B2 (en) | Method device and system for estimating access points using log data | |
US9602960B2 (en) | Positioning method | |
CN106888426A (zh) | 一种蓝牙、WiFi及惯导技术融合的室内定位方法以及*** | |
EP1677458A1 (en) | Methods for determining the adjacency of access points in a wireless network | |
CN111352069B (zh) | 一种室内定位方法、服务器、存储介质及程序产品 | |
US20170067982A1 (en) | Method and apparatus for cross device automatic calibration | |
KR20120070172A (ko) | 근거리 통신을 위한 액세스 포인트를 이용한 위치 측정 방법 및 장치와 액세스 포인트의 위치 추정 방법 | |
KR101691905B1 (ko) | 위치 기반 서비스를 위한 건물 층 결정 | |
CN106324585A (zh) | 一种基于信号发射装置天线方向修正的定位方法和定位*** | |
CN106646574A (zh) | 室内外无缝定位方法及定位*** | |
CN109890041A (zh) | 基于终端采集数据的越区覆盖评估方法及装置 | |
US10219103B2 (en) | Power-efficient location estimation | |
CN104125538A (zh) | 基于wifi网络的rssi信号强度的二次定位方法及装置 | |
CN111246383A (zh) | 基于蓝牙室内定位算法优化 | |
KR20120070174A (ko) | 위치 측정을 위한 액세스 포인트 정보의 현행화 방법 및 이를 위한 장치 | |
KR20120059968A (ko) | 근거리 통신을 위한 액세스 포인트를 이용한 위치 측정 방법 및 장치 | |
CN102045836A (zh) | 一种实体的定位方法及装置 | |
CN115066012A (zh) | 一种基于uwb的多用户无锚点定位方法 | |
CN112291844A (zh) | 基于mr和mdt的定位方法和装置 | |
CN115460687A (zh) | 定位方法、装置及相关设备 | |
KR101703304B1 (ko) | 단말기의 위치 측정 방법 및 이를 지원하는 단말기 | |
US7949346B2 (en) | Method and system for locating a terminal in a wireless telecommunications network, computer program product therefor | |
CN116669180A (zh) | 一种干扰定位方法、装置、电子设备及存储介质 | |
CN115022961A (zh) | 定位方法及设备 | |
Yang et al. | Positioning in an indoor environment based on iBeacons |
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 |