一种面向室内定位的移动AP识别方法

    公开(公告)号:CN108521631A

    公开(公告)日:2018-09-11

    申请号:CN201810330121.0

    申请日:2018-04-13

    Abstract: 本发明公开了一种面向室内定位的移动AP识别方法。首先,在待定位区域内布置若干固定AP和移动AP,沿若干已知路径采集来自不同AP的RSS序列;其次,利用对数衰减传播模型,计算与AP一定距离范围内的信号衰减值,并依据此信号衰减值对采集到的来自每个AP的RSS数据进行筛选,同时得到筛选后的RSS信号的地理位置坐标;最后,对筛选后的RSS位置坐标进行基于密度的聚类,并求出簇的类内最大距离,以此判断AP是否是移动的。本发明基于指纹的室内定位算法,针对移动AP的存在而导致的室内定位干扰问题,提出了该种移动AP识别的方法。

    基于样本容量优化与方差分析的WLAN室内定位方法

    公开(公告)号:CN108495258A

    公开(公告)日:2018-09-04

    申请号:CN201810229998.0

    申请日:2018-03-20

    CPC classification number: H04W4/023 G01S11/06 H04W4/33 H04W64/006

    Abstract: 本发明公开了一种基于样本容量优化与方差分析的WLAN室内定位方法。首先,在离线阶段,基于对RSS样本特性的分析,使用OC函数优化用于指纹数据库构造可允许的最小RSS样本容量;其次,通过基于信息增益的AP(接入点)选择方法,选择最优AP用于指纹数据库构建;最后,在线阶段利用RSS样本均值、样本容量对样本间相似度的影响,通过统计假设方差分析方法对目标终端进行粗定位,并进而提出基于方差分析的KNN算法以完成对目标终端的精定位。本发明方法解决了指纹数据采集的盲目性和不可靠性及RSS样本波动对定位性能的影响。实验结果表明,此方法用有限的样本容量获得较稳定的定位结果,显著地减少了人力和时间开销。

    基于SimRank相似组合邻近图构建的室内WLAN定位组网方法

    公开(公告)号:CN104683953B

    公开(公告)日:2018-06-01

    申请号:CN201510140702.4

    申请日:2015-03-27

    Abstract: 本发明公开了一种基于SimRank相似组合邻近图构建的室内无线局域网(WLAN)定位组网方法,它首先构造定位目标环境中不同位置参考点之间的物理位置邻近图及接收信号强度(RSS)邻近图,并按一定准则将两幅邻近图进行组合以得到参考点邻近图;然后从图论的角度构建SimRank模型,以计算参考点间的相似度,并在增大参考点间差异性(或称减小参考点间相似度)的基础上,建立室内WLAN接入点(AP)位置优化的目标函数;最后运用模拟退火算法求解目标函数,以实现对AP位置的快速优化。该方法在保证较高定位精度的同时,显著降低了多AP条件下(当AP数大于2时)定位系统的计算时间开销。

    基于随机用户信号逻辑图映射的室内WLAN定位方法

    公开(公告)号:CN104602341B

    公开(公告)日:2018-03-13

    申请号:CN201510008983.8

    申请日:2015-01-08

    Abstract: 基于随机用户信号逻辑图映射的室内WLAN(Wireless Local Area Network)定位方法,主要面向室内无线局域网定位,解决WLAN位置指纹定位方法中离线阶段需要大量人力及时间开销进行位置指纹采集的问题。它首先利用随机用户采集的接收信号强度RSS(Received Signal Strength)序列,通过谱聚类及序列拼接方法,构建随机用户在定位目标区域内的信号逻辑图;其次,根据相应的映射准则,建立信号逻辑图中的RSS聚类节点到物理环境图中的区域位置节点之间的映射;最终利用最优信号逻辑图到物理环境图的映射关系,实现对目标用户的位置估计。本发明方法能够运用于无线电通信网络环境。

    面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法

    公开(公告)号:CN107426687A

    公开(公告)日:2017-12-01

    申请号:CN201710290974.1

    申请日:2017-04-28

    CPC classification number: H04W4/023 G01C21/206 G01S5/0294 G01S5/14

    Abstract: 本发明公开了一种面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法,首先用户手持终端设备在目标区域内,接收来自每个AP的RSSI,在对数正态分布的路径损耗模型下,利用加权最小二乘法得到用户的位置,同时通过PDR算法中的估算模型得到用户位置,然后利用自适应卡尔曼滤波将基于传播模型的定位信息与PDR的定位信息进行多次融合,得到用户的最佳位置,其中,自适应卡尔曼滤波体现在反馈机制上,即将每次融合定位结果对加权最小二乘法中的路径损耗指数等参数进行动态修正,最终使得传播模型更符合室内环境。本发明解决了在室内环境下单一WiFi定位精度低和PDR存在累积误差的问题,还能够实时跟踪传播模型的路径损耗指数,增强了定位性能的稳定性。

    一种低成本高精度BD/MEMS融合姿态测量方法

    公开(公告)号:CN105607106A

    公开(公告)日:2016-05-25

    申请号:CN201510958214.4

    申请日:2015-12-18

    CPC classification number: G01S19/55 G01C21/165

    Abstract: 本发明涉及一种低成本高精度BD/MEMS融合姿态测量方法,属于导航技术领域。MEMS惯性传感器模块包括一个三轴加速度计,一个三轴陀螺仪和一个三轴磁力计。BD接收机模块包括2个天线,一个集成BD导航芯片。在该方法中,根据MEMS惯性传感器信息求解出载体姿态角,然后辅助AFM(模糊度函数法)算法求解整周模糊度,最后通过扩展卡尔曼滤波器实现BD/MEMS融合姿态测量。本方法解决了在BD信号被障碍物遮情况下,观测到的卫星颗数不足导致卫星测姿系统无法正常工作的问题,解决了信号失锁带来的整周模糊度求解困难,也解决了陀螺仪、加速度计累计误差的问题,该方法相比于传统方法实时性、可靠性等性能更强,精度更高。

    一种基于蓝牙与MEMS融合的室内定位系统及方法

    公开(公告)号:CN105588566A

    公开(公告)日:2016-05-18

    申请号:CN201610011331.4

    申请日:2016-01-08

    Abstract: 本发明公开了一种基于蓝牙与MEMS融合的室内定位系统及方法,设计了蓝牙/MEMS融合定位的粒子滤波器,充分利用两个子系统的可用信息,其中蓝牙系统是依据离线建库后在线匹配获取用户信息,MEMS组合系统是通过航向角解算和动态步长估计来获得用户的位置预测信息。采用扩展卡尔曼近似粒子滤波器作为融合导航滤波器,融合两个子系统的用户位置信息数据,通过合理选取状态变量和观测变量,建立状态方程和观测方程,最终得到最优的用户位置信息,实现室内准确定位。本发明采用蓝牙/MEMS室内融合定位能够解决传统室内定位系统中存在的定位精度低、设备成本高、覆盖范围小、定位连续性差等缺点。

    基于双频WLAN接入点的室内差分定位方法

    公开(公告)号:CN105516931A

    公开(公告)日:2016-04-20

    申请号:CN201610110984.8

    申请日:2016-02-29

    CPC classification number: H04W64/00 H04W84/12

    Abstract: 本发明公开了一种基于双频WLAN接入点的室内差分定位方法,采用多个能同时发射2.4GHz和5GHz无线信号的双频WLAN接入点进行定位区域的信号覆盖,离线阶段利用接收端同时测量这两个频点的无线信号强度并进行差分,建立差分位置指纹数据库;在线阶段时,利用测量两个频点的信号强度的差分进行数据库匹配,得到对用户位置的估计。本发明充分考虑了无线信号在2.4GHz和5GHz两个频点的传播特征差异性以及信号源位置一致的两个无线信号经历的环境相似,能够减小环境变化带来的定位精度下降,增强了定位精度的鲁棒性。

Patent Agency Ranking