[發(fā)明專利]一種定位方法和裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201010602913.2
• 申請(qǐng)日: 2010-12-14
• 公開（公告）號(hào): CN102098780A
• 公開（公告）日: 2011-06-15
• 發(fā)明（設(shè)計(jì)）人: 鄧中亮;朱宇佳;徐連明;劉文龍;李欣欣;方靈;盛慶;劉雯;崔艷雯;孫子硯;王珂;畢乾;劉晨;史丹丹;裘昕
• 申請(qǐng)（專利權(quán)）人: 北京郵電大學(xué)
• 主分類號(hào): H04W64/00
• 分類號(hào): H04W64/00;H04B17/00
• 代理公司: 北京三高永信知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11138
• 代理人: 張正星

技術(shù)領(lǐng)域

本發(fā)明涉及無(wú)線通信應(yīng)用領(lǐng)域，特別涉及一種定位方法和裝置。

背景技術(shù)

隨著物聯(lián)網(wǎng)應(yīng)用的不斷擴(kuò)大和深入，位置感知計(jì)算(Location-aware?Computing)、基于位置的服務(wù)(LBS，Location-based?Services)顯得越來越重要，離開位置信息，感知數(shù)據(jù)也失去了應(yīng)用價(jià)值。由于RSSI(Received?signal?strength?index，接收信號(hào)強(qiáng)度指示)無(wú)需額外的硬件裝置，成本低，能滿足大規(guī)模應(yīng)用要求，目前，室內(nèi)定位大多采用基于RSSI的定位方式。

在現(xiàn)有技術(shù)中，基于RSSI的定位方式主要通過測(cè)距的方法實(shí)現(xiàn)，根據(jù)需要通過物理手段直接測(cè)量節(jié)點(diǎn)間的距離，以判斷定位目標(biāo)的位置。在對(duì)節(jié)點(diǎn)間的距離測(cè)量時(shí)，需要獲取目標(biāo)的接收發(fā)射信號(hào)的信號(hào)強(qiáng)度。定位目標(biāo)根據(jù)接收到的信號(hào)強(qiáng)度，計(jì)算信號(hào)在傳播過程中的損耗，使用理論或經(jīng)驗(yàn)的信號(hào)傳播模型將傳播損耗轉(zhuǎn)化為距離，通過該距離計(jì)算與信號(hào)發(fā)射器的距離，達(dá)到定位的目的。

但是，在發(fā)明人實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在如下問題：

定位環(huán)境通常相對(duì)復(fù)雜，尤其表現(xiàn)在對(duì)室內(nèi)環(huán)境進(jìn)行定位時(shí)，信號(hào)微弱，且多徑、反射現(xiàn)象嚴(yán)重，測(cè)距過程很容易受其影響產(chǎn)生測(cè)距誤差，且由此帶來的定位誤差容易造成累積，影響定位精度。并且，在進(jìn)行定位時(shí)，定位目標(biāo)經(jīng)常處于移動(dòng)的狀態(tài)，每一次定位都是獨(dú)立的，不能體現(xiàn)定位目標(biāo)前后位置的相關(guān)性，缺乏定位精度。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)中定位存在的問題，本發(fā)明提出了一種定位方法和裝置。所述技術(shù)方案如下：

本發(fā)明實(shí)施例提出了一種定位方法，所述方法包括：

獲取未知位置的無(wú)線信號(hào)及所述無(wú)線信號(hào)的信號(hào)強(qiáng)度和所述無(wú)線信號(hào)所屬的預(yù)先布設(shè)的信標(biāo)節(jié)點(diǎn)的ID(Identity，標(biāo)識(shí)碼)；

對(duì)所述無(wú)線信號(hào)所屬的預(yù)先布設(shè)的信標(biāo)節(jié)點(diǎn)的ID和信號(hào)強(qiáng)度進(jìn)行處理得到未知位置特征；

獲取所述未知位置的上一個(gè)位置的坐標(biāo)，并根據(jù)所述上一個(gè)位置的坐標(biāo)對(duì)定位區(qū)域內(nèi)預(yù)先劃分的網(wǎng)格進(jìn)行剔除；

根據(jù)所述未知位置特征和所述定位區(qū)域內(nèi)進(jìn)行網(wǎng)格剔除后的剩余網(wǎng)格的重心坐標(biāo)計(jì)算得到所述未知位置的坐標(biāo)。

進(jìn)一步地，在獲取未知位置的無(wú)線信號(hào)及該無(wú)線信號(hào)的信標(biāo)節(jié)點(diǎn)和信號(hào)強(qiáng)度之前，所述方法還包括：

獲取所述定位區(qū)域內(nèi)的網(wǎng)格的信號(hào)特征；

通過訓(xùn)練建立網(wǎng)格分類模型；

相應(yīng)地，所述根據(jù)所述未知位置特征和所述定位區(qū)域內(nèi)進(jìn)行網(wǎng)格剔除后的剩余網(wǎng)格的重心坐標(biāo)計(jì)算得到所述未知位置的坐標(biāo)，具體的為，根據(jù)所述未知位置特征和所述網(wǎng)格分類模型對(duì)所述定位區(qū)域內(nèi)預(yù)先劃分的網(wǎng)格進(jìn)行排序，并獲取排序靠前的約定個(gè)網(wǎng)格的重心坐標(biāo)，根據(jù)所述排序靠前的約定個(gè)網(wǎng)格的重心坐標(biāo)計(jì)算得到所述未知位置的坐標(biāo)。

進(jìn)一步地，獲取定位區(qū)域內(nèi)的網(wǎng)格的信號(hào)特征，具體包括：

采用在所述每一個(gè)網(wǎng)格中自由移動(dòng)的方式逐一的采集所述定位區(qū)域內(nèi)的每一個(gè)網(wǎng)格的多個(gè)位置的信號(hào)特征，并將所述定位區(qū)域內(nèi)的每一個(gè)網(wǎng)格的多個(gè)位置的信號(hào)特征集合起來作為所述定位區(qū)域內(nèi)的網(wǎng)格的信號(hào)特征。

進(jìn)一步地，所述采集所述每一個(gè)網(wǎng)格的多個(gè)位置的信號(hào)特征中的一個(gè)位置的信號(hào)特征，具體包括：

接收當(dāng)前位置可得到的無(wú)線信號(hào)，測(cè)量并讀取得到所述無(wú)線信號(hào)中的信標(biāo)節(jié)點(diǎn)ID和所述當(dāng)前位置接收到的每個(gè)ID的信標(biāo)節(jié)點(diǎn)的無(wú)線信號(hào)的信號(hào)強(qiáng)度，并將當(dāng)前位置接收不到的所述預(yù)先布設(shè)的信標(biāo)節(jié)點(diǎn)的無(wú)線信號(hào)的信號(hào)強(qiáng)度設(shè)置為默認(rèn)值；

對(duì)所述每個(gè)ID的信標(biāo)節(jié)點(diǎn)的無(wú)線信號(hào)的信號(hào)強(qiáng)度進(jìn)行濾波處理；

將所述進(jìn)行濾波處理后得到的所述每個(gè)ID的信標(biāo)節(jié)點(diǎn)的無(wú)線信號(hào)的信號(hào)強(qiáng)度保存為所述當(dāng)前位置的信號(hào)特征；

其中，所述信號(hào)特征在保存時(shí)，每個(gè)經(jīng)過濾波處理后的無(wú)線信號(hào)的信號(hào)強(qiáng)度與所述無(wú)線信號(hào)的信號(hào)強(qiáng)度所屬的信標(biāo)節(jié)點(diǎn)的ID相對(duì)應(yīng)。

進(jìn)一步地，所述通過訓(xùn)練建立網(wǎng)格分類模型，具體包括：

對(duì)所述信號(hào)特征進(jìn)行歸一化處理，并將歸一化處理結(jié)果作為所述網(wǎng)格的網(wǎng)格特征；

根據(jù)所述網(wǎng)格特征建立所述網(wǎng)格分類模型的訓(xùn)練集；

取所述訓(xùn)練集中的每個(gè)樣本中的預(yù)設(shè)部分輸入到SVM(support?vector?machines，支持向量機(jī))中建立訓(xùn)練模型；

將所述訓(xùn)練集中每個(gè)樣本中的剩余部分輸入到SVM中進(jìn)行測(cè)試，判斷所述訓(xùn)練模型的準(zhǔn)確率，并根據(jù)所述準(zhǔn)確率調(diào)整訓(xùn)練模型參數(shù)，將所述準(zhǔn)確率達(dá)到最高時(shí)得出的訓(xùn)練模型作為網(wǎng)格分類模型；

其中，所述訓(xùn)練集中每個(gè)樣本中的剩余部分為所述訓(xùn)練集中除去所述每個(gè)樣本中的預(yù)設(shè)部分后剩余的部分。