CN107607935A - 一种基于共轭梯度法的室内定位方法 - Google Patents
一种基于共轭梯度法的室内定位方法 Download PDFInfo
- Publication number
- CN107607935A CN107607935A CN201710733363.XA CN201710733363A CN107607935A CN 107607935 A CN107607935 A CN 107607935A CN 201710733363 A CN201710733363 A CN 201710733363A CN 107607935 A CN107607935 A CN 107607935A
- Authority
- CN
- China
- Prior art keywords
- rfid
- value
- distance
- rssi
- conjugate gradient
- 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 49
- 238000002939 conjugate gradient method Methods 0.000 title claims abstract description 25
- 230000005540 biological transmission Effects 0.000 claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 230000009897 systematic effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于共轭梯度法的室内定位方法,属于室内定位方法领域,其基于信号强度的测距方法来进行未知标签的位置估计,并采用最优化的方法对结果进行最优估计,得出误差最小的位置结果,该方法考虑在对数常态传输损耗模型的条件下,测得接收信号的强度值,考虑到RSSI值受多方面因素的影响,采用高斯模型和均值法对RSSI值进行修正,利用最小二乘法对距离进行修正,通过三边定位算法求出未知标签位置,采用最优化方法中的共轭梯度法求出未知标签的准确位置,本发明能提高室内定位的精度,减小定位误差。
Description
技术领域
本发明涉及室内定位方法领域,特别涉及一种基于共轭梯度法的室内定位方法。
背景技术
室内定位技术是指在室内环境中实现位置定位,主要采用无线通讯、基站定位等多种技术集成形成一套室内位置定位体系,从而实现人员、物体等在室内空间中的位置监控。在室内环境无法使用卫星定位时,使用室内定位技术作为卫星定位的辅助定位,解决卫星信号到达地面时较弱、不能穿透建筑物的问题。
本发明采用的是基于RFID的WSN定位技术。RFID定位技术利用射频方式进行非接触式双向通信交换数据,实现移动设备识别和定位的目的。它可以在几毫秒内得到厘米级定位精度的信息,且传输范围大、成本较低是室内定位技术的研究前沿。
目前的RFID定位算法主要是在一个特定区域内布置多个RFID读取装置,RFID标签通过天线发射RFID标识信号,发出的信号随着距离按照一定的规律衰减,根据读取装置接收的信号强度大小,结合质心算法求出标签的坐标。但是如果在复杂的信道模型中,RFID载波信号易受到绕射、折射和散射等因素的影响,导致接收信号强度测量不准确,而且传统的质心算法的误差相对较大。
发明内容
本发明所要解决的技术问题是针对背景技术的缺陷,提出一种基于共轭梯度法的室内定位方法,实现如何解决RFID定位技术中质心算法定位不准确的问题。
本发明的上述技术问题是通过以下技术方案得以实现的:
一种基于共轭梯度法的室内定位方法,包括以下步骤:
一种基于共轭梯度法的室内定位方法,其特征是:包括以下步骤:
步骤1:建立对数常态传输消耗模型,对距离为1的时候接受信号强度值A和衰减因子n分别取值,三个RFID阅读器同时接收RFID标签的信号,在同一个RFID阅读器采集z个RSSI值;
步骤2:分析步骤1中采集的z个RSSI值,通过高斯分布模型对其进行收缩,进而求得数据分布的中心点
步骤3:若则保留该RSSI值,否则,去除该RSSI值;
步骤4:采用算术平均法分别求出三个RFID接收到的RSSI值的平均值分别为
步骤5:把步骤4中求得的代入对数常态传输损耗模型中,得到理论距离d1,d2,d3,在实际环境中布RFID阅读器和RFID定位标签,求出RFID阅读器和RFID定位标签间的实际距离a1,a2,a3,采用最小二乘法对实际距离和理论距离进行修正,得到修正值d1',d'2,d3';
步骤6:根据步骤5得到的d1',d'2,d3',利用三边定位算法求出未知标签的坐标x0(x,y),并令此坐标值为步骤7中的初始值;
步骤7:对所求出的坐标值x0进行最优估计,采用最优化技术中的共轭梯度法进行求解;
步骤8:执行xk+1=xk+αk*pk,其中,xk的初始值为x0,xk+1是求解出来的下一个迭代点,αk是步长,pk是下降方向,其中p0=-g0,p0是初始下降方向,g0是把初始x0代进去的一阶偏导值;
步骤9:若||gk||≤阈值,则输出最优解xk,否则,继续执行步骤8。
进一步的,步骤1中,对数常态传输损耗模型为:
其中,Xσ是系统误差,并取Xσ=0,且默认接收信号的功率P(d0)是在距离RFID阅读器d0=1处RFID定位标签的接收功率,d是RFID阅读器和标签之间的距离,简化为:
当d0=1时,令P(d0)=A,此时的Xσ忽略不计,则RSSI的测距公式简化为RSSI=-(10nlgd+A)。
进一步的,步骤2中,高斯分布式模型公式为:
进一步的,步骤4中,选取RSSI值比较大的前100个数据,对此100个数据求取平均值。
进一步的,所述步骤5包括以下步骤:
步骤5.1:在室内环境中布置好RFID阅读器m1,m2,m3和RFID标签m,设RFID阅读器为(xi,yi)和RFID标签为(x,y),参考节点和RFID标签在室内环境中是已知的,求出RFID标签和RFID阅读器间的实际距离a1,a2,a3;
步骤5.2:依据对数常态传输损耗模型,通过测得的三组不同的信号强度值采用式RSSI=-(10nlgd+A)来估计RFID阅读器与RFID标签之间的距离,得出RFID阅读器m1,m2,m3到RFID标签m的理论距离d1,d2,d3;
步骤5.3:利用最小二乘法,即使di'(i=1,2,3)和ai(i=1,2,3)之间呈线性表示,使di'=γ·ai+β,其中γ,β是修正参数,满足偏差平方和最小,即最小,通过对F(γ,β)求偏导得出γ,β的值,实现对距离d1,d2,d3进行修正,得到d1',d'2,d3';
进一步的,步骤6中:
列出三组方程式为:
分别求出三组解,每一组方程组求解出两组解,表示两个RFID阅读器在测量距离上相交的点,其中舍去离剩下的第三个RFID阅读器位置最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即并令此坐标值为步骤7中的初始值。
进一步的,步骤7包括以下步骤:
步骤7.1:建立目标方程
min W(x,y)=|α1|+|α2|+|α3|
=(x-x1)2+(y-y2)2-d1'2+(x-x2)2+(y-y2)2-d'2 2
+(x-x3)2+(y-y3)2-d3'2
改写为:
化为无条件等式约束为:
步骤7.2:对目标函数中的x,y分别求偏导
步骤7.3:采用共轭梯度法的公式xk+1=xk+αk*pk,pk=-gk+βk-1 *pk-1,以步骤6中的(x,y)值为初始值,代入目标函数,求出αk,进而求出迭代的下一步。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1、本发明在室内定位过程中采用了RFID和无线传感网结合的技术,能够实现对RFID标签的准确定位,实际应用中提高了定位的准确度;
2、本发明采用RSSI测距技术的RFID定位技术,通过对数常态传输损耗模型,得到接收信号的强度,通过去噪处理,获得了准确的RSSI值;
3、本发明在基于RFID的无线传感器网络进行室内定位的过程中,考虑到由对数常态传输损耗模型中计算出的距离会产生误差,所以结合最小二乘法对距离进行修正;
4、本发明采用了共轭梯度发对定位目标进行优化,可以取得良好的定位效果;
5、本发明与传统的用三边定位算法进行室内定位的方法相比,能够加快运行效率,提高定位位置精度。
附图说明
图1为本发明的网络结构图。
图2为本发明的具体方法的示意图。
图3为本发明的方法流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
如图1所示,本发明中由于RFID传输距离远,定位精度高,一般定位空间选取比较大,本发明实际布设RFID时,考虑成本和其它因素,选取三个RFID阅读器和一个RFID标签,RFID阅读器和RFID标签的实际具体为20m。
如图2所示为本发明的三边定位算法的示意图,分别以三个参考节点为圆心,修正后的距离为半径,三个圆交于一个区域,列出三组方程式:
分别求出三组解,每一组方程组中求的解舍去离剩下的第三个点最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即,
如图3所示为本发明方法的流程图,包括:第一步,根据实际的室内环境,采集RSSI信号强度值,第二步,根据实际环境布置RFID阅读器和RFID标签,测出RFID阅读器和RFID标签的实际距离,第三步,对采集的RSSI值采用高斯模型和均值法进行去噪处理,第四步,利用对数常态损耗模型得到理论距离,第五步,采用最小二乘法对实际距离和理论距离修正,得到修正距离,第六步,利用三边定位算法估计出RFID标签的坐标,第七步,将三边定位算法估计出的坐标值作为共轭梯度法的初始值,最后用共轭梯度法解出RFID标签位置,并且将共轭梯度法和三边定位法的误差进行比较分析。
本发明方法的实现过程具体包括如下几个步骤:
步骤1:建立对数常态传输消耗模型,对距离为1的时候接受信号强度值A和衰减因子n分别取值,三个RFID阅读器同时接收RFID标签的信号,在同一个RFID阅读器采集z个RSSI值并保证测量数据在1~20m内,z为200;
步骤2:分析步骤1中采集的200个RSSI值,通过高斯分布模型对其进行收缩,进而求得数据分布的中心点
步骤3:若则保留该RSSI值,否则,去除该RSSI值;
步骤4:采用算术平均法分别求出三个RFID接收到的RSSI值的平均值分别为
步骤5:把步骤4中求得的代入对数常态传输损耗模型中,得到理论距离d1,d2,d3,在实际环境中布RFID阅读器和RFID定位标签,求出RFID阅读器和RFID定位标签间的实际距离a1,a2,a3,采用最小二乘法对实际距离和理论距离进行修正,得到修正值d1',d'2,d3';
步骤5.1:在室内环境中布置好RFID阅读器m1,m2,m3和RFID标签m,设RFID阅读器为(xi,yi)和RFID标签为(x,y),参考节点和RFID标签在室内环境中是已知的,求出RFID标签和RFID阅读器间的实际距离a1,a2,a3;
步骤5.2:依据对数常态传输损耗模型,通过测得的三组不同的信号强度值采用式RSSI=-(10nlgd+A)来估计RFID阅读器与RFID标签之间的距离,得出RFID阅读器m1,m2,m3到RFID标签m的理论距离d1,d2,d3;
步骤5.3:利用最小二乘法,即使di'(i=1,2,3)和ai(i=1,2,3)之间呈线性表示,使di'=γ·ai+β,其中γ,β是修正参数,满足偏差平方和最小,即最小,通过对F(γ,β)求偏导得出γ,β的值,实现对距离d1,d2,d3进行修正,得到d1',d'2,d3';
步骤6:根据步骤5得到的d1',d'2,d3',利用三边定位算法求出未知标签的坐标(x,y),并令此坐标值为步骤7中的初始值;
步骤7:对所求出的坐标值进行最优估计,采用最优化技术中的共轭梯度法进行求解;
步骤8:执行xk+1=xk+αk*pk,其中,xk的初始值为x0,xk+1是求解出来的下一个迭代点,αk是步长,pk是下降方向,其中p0=-g0,p0是初始下降方向,g0是把初始(x,y)代进去的一阶偏导值,设置迭代次数为k=5000,阈值为10-8,若||gk||≤阈值,则输出最优解xk,否则,继续执行步骤8。
步骤1中,对数常态传输损耗模型为:
其中,Xσ是系统误差,并取Xσ=0,且默认接收信号的功率P(d0)是在距离RFID阅读器d0=1处RFID定位标签的接收功率,d是RFID阅读器和标签之间的距离,可以简化为:
当d0=1时,令P(d0)=A,此时的Xσ可忽略不计,则RSSI的测距公式可以简化为RSSI=-(10nlgd+A)。
步骤2中,高斯分布式模型公式为:
步骤4中,选取RSSI值比较大的前100个数据,对此100个数据求取平均值。
步骤6中:
列出三组方程式为:
分别求出三组解,每一组方程组求解出两组解,表示两个RFID阅读器在测量距离上相交大点,其中舍去离剩下的第三个RFID阅读器位置最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即并令此坐标值为步骤7中的初始值。
步骤7包括以下步骤:
步骤7.1:建立目标方程
min W(x,y)=|α1|+|α2|+|α3|
=(x-x1)2+(y-y2)2-d1'2+(x-x2)2+(y-y2)2-d'2 2
+(x-x3)2+(y-y3)2-d3'2
改写为:
其中
化为无条件等式约束为:
步骤7.2:对目标函数中的x,y分别求偏导
步骤7.3:采用共轭梯度法的公式xk+1=xk+αk*pk,pk=-gk+βk-1*pk-1,以步骤6中的(x,y)值为初始值,代入目标函数,求出αk,进而求出迭代的下一步。
该方法通过RFID阅读器确定RFID标签的位置,然后融合最优化技术提高定位位置的精度,实现了RFID最优化定位的过程,通过建立对数常态传输损耗模型,从而实现了快速准确地确定RFID标签的位置。本发明在室内定位过程中采用了RFID和无线传感网结合的技术,能够实现对RFID标签的准确定位,实际应用中提高了定位的准确度,采用RSSI测距技术的RFID定位技术,通过对数常态传输损耗模型,得到接收信号的强度,通过去噪处理,获得了准确的RSSI值,在基于RFID的无线传感器网络进行室内定位的过程中,考虑到由对数常态传输损耗模型中计算出的距离会产生误差,所以结合最小二乘法对距离进行修正,采用了共轭梯度发对定位目标进行优化,可以取得良好的定位效果。本发明与传统的用三边定位算法进行室内定位的方法相比,能够加快运行效率,提高定位位置精度。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (7)
1.一种基于共轭梯度法的室内定位方法,其特征是:包括以下步骤:
步骤1:建立对数常态传输消耗模型,对距离为1的时候接受信号强度值A和衰减因子n分别取值,三个RFID阅读器同时接收RFID标签的信号,在同一个RFID阅读器采集z个RSSI值;
步骤2:分析步骤1中采集的z个RSSI值,通过高斯分布模型对其进行收缩,进而求得数据分布的中心点
步骤3:若则保留该RSSI值,否则,去除该RSSI值;
步骤4:采用算术平均法分别求出三个RFID接收到的RSSI值的平均值分别为
步骤5:把步骤4中求得的代入对数常态传输损耗模型中,得到理论距离d1,d2,d3,在实际环境中布RFID阅读器和RFID定位标签,求出RFID阅读器和RFID定位标签间的实际距离a1,a2,a3,采用最小二乘法对实际距离和理论距离进行修正,得到修正值d1',d'2,d3';
步骤6:根据步骤5得到的d1',d'2,d3',利用三边定位算法求出未知标签的坐标x0(x,y),并令此坐标值为步骤7中的初始值;
步骤7:对所求出的坐标值x0进行最优估计,采用最优化技术中的共轭梯度法进行求解;
步骤8:执行xk+1=xk+αk*pk,其中,xk的初始值为x0,xk+1是求解出来的下一个迭代点,αk是步长,pk是下降方向,其中p0=-g0,p0是初始下降方向,g0是把初始x0代进去的一阶偏导值;
步骤9:若||gk||≤阈值,则输出最优解xk,否则,继续执行步骤8。
2.根据权利要求1所述的一种基于共轭梯度法的室内定位方法,其特征是:步骤1中,对数常态传输损耗模型为:
其中,Xσ是系统误差,并取Xσ=0,且默认接收信号的功率P(d0)是在距离RFID阅读器d0=1处RFID定位标签的接收功率,d是RFID阅读器和标签之间的距离,简化为:
当d0=1时,令P(d0)=A,此时的Xσ忽略不计,则RSSI的测距公式简化为RSSI=-(10nlgd+A)。
3.根据权利要求1所述的一种基于共轭梯度法的室内定位方法,其特征是:步骤2中,高斯分布式模型公式为:
。
4.根据权利要求1所述的一种基于共轭梯度法的室内定位方法,其特征是:步骤4中,选取RSSI值比较大的前100个数据,对此100个数据求取平均值。
5.根据权利要求1所述的一种基于共轭梯度法的室内定位方法,其特征是:所述步骤5包括以下步骤:
步骤5.1:在室内环境中布置好RFID阅读器m1,m2,m3和RFID标签m,设RFID阅读器为(xi,yi)和RFID标签为(x,y),参考节点和RFID标签在室内环境中是已知的,求出RFID标签和RFID阅读器间的实际距离a1,a2,a3;
步骤5.2:依据对数常态传输损耗模型,通过测得的三组不同的信号强度值采用式RSSI=-(10nlgd+A)来估计RFID阅读器与RFID标签之间的距离,得出RFID阅读器m1,m2,m3到RFID标签m的理论距离d1,d2,d3;
步骤5.3:利用最小二乘法,即使di'(i=1,2,3)和ai(i=1,2,3)之间呈线性表示,使di'=γ·ai+β,其中γ,β是修正参数,满足偏差平方和最小,即最小,通过对F(γ,β)求偏导得出γ,β的值,实现对距离d1,d2,d3进行修正,得到d1',d'2,d3'。
6.根据权利要求1所述的一种基于共轭梯度法的室内定位方法,其特征是:步骤6中:列出三组方程式为:
分别求出三组解,每一组方程组求解出两组解,表示两个RFID阅读器在测量距离上相交的点,其中舍去离剩下的第三个RFID阅读器位置最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即并令此坐标值为步骤7中的初始值。
7.根据权利要求6所述的一种基于共轭梯度法的室内定位方法,其特征是:步骤7包括以下步骤:
步骤7.1:建立目标方程
改写为:
其中
化为无条件等式约束为:
步骤7.2:对目标函数中的x,y分别求偏导
步骤7.3:采用共轭梯度法的公式xk+1=xk+αk*pk,pk=-gk+βk-1*pk-1,以步骤6中的x0(x,y)值为初始值,代入目标函数,求出αk,进而求出迭代的下一步。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710733363.XA CN107607935A (zh) | 2017-08-24 | 2017-08-24 | 一种基于共轭梯度法的室内定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710733363.XA CN107607935A (zh) | 2017-08-24 | 2017-08-24 | 一种基于共轭梯度法的室内定位方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107607935A true CN107607935A (zh) | 2018-01-19 |
Family
ID=61065646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710733363.XA Pending CN107607935A (zh) | 2017-08-24 | 2017-08-24 | 一种基于共轭梯度法的室内定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107607935A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109547929A (zh) * | 2019-01-08 | 2019-03-29 | 桂林电子科技大学 | 基于共轭梯度法的分布式传感器节点定位方法 |
| CN110136468A (zh) * | 2019-04-18 | 2019-08-16 | 太原理工大学 | 一种大型停车场寻车装置和方法 |
| CN110471030A (zh) * | 2019-08-23 | 2019-11-19 | 天津大学 | 基于改进共轭梯度的射频层析成像被动式定位求解方法 |
| CN110542882A (zh) * | 2019-08-27 | 2019-12-06 | 南京理工大学 | 基于rfid的抽屉内物品位置计算方法 |
| CN110568400A (zh) * | 2019-08-26 | 2019-12-13 | 南京理工大学 | 抽屉内物品标签在读写器移动方向轴的粗定位方法 |
| CN110969892A (zh) * | 2019-11-06 | 2020-04-07 | 重庆市城投金卡信息产业(集团)股份有限公司 | 停车场管理方法及其系统 |
| CN113534117A (zh) * | 2021-06-11 | 2021-10-22 | 广州杰赛科技股份有限公司 | 一种室内定位方法 |
| CN114076914A (zh) * | 2020-08-21 | 2022-02-22 | 中移物联网有限公司 | 一种定位方法、装置、设备及可读存储介质 |
| CN118647082A (zh) * | 2024-05-28 | 2024-09-13 | 上海钒锝科技有限公司 | 一种结合rfid三角测量和最小二乘法的试剂精准定位方法 |
| CN121310065A (zh) * | 2025-12-10 | 2026-01-09 | 公安部第三研究所 | 一种无人机定位的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1928137A2 (en) * | 2006-11-30 | 2008-06-04 | Broadcom Corporation | Method and system for low complexity conjugate gradient based equalization in a wireless system |
| CN102890263A (zh) * | 2012-09-18 | 2013-01-23 | 上海交通大学 | 基于rssi的共振梯度法自适应定位方法及系统 |
| CN105430745A (zh) * | 2015-12-28 | 2016-03-23 | 迈普通信技术股份有限公司 | 一种基于rssi无线网络定位方法 |
| CN106714296A (zh) * | 2016-11-24 | 2017-05-24 | 南京邮电大学 | 一种基于最速下降法的室内定位方法 |
| CN106954190A (zh) * | 2017-05-11 | 2017-07-14 | 桂林电子科技大学 | 一种基于指数映射域的wifi室内定位方法 |
-
2017
- 2017-08-24 CN CN201710733363.XA patent/CN107607935A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1928137A2 (en) * | 2006-11-30 | 2008-06-04 | Broadcom Corporation | Method and system for low complexity conjugate gradient based equalization in a wireless system |
| CN102890263A (zh) * | 2012-09-18 | 2013-01-23 | 上海交通大学 | 基于rssi的共振梯度法自适应定位方法及系统 |
| CN105430745A (zh) * | 2015-12-28 | 2016-03-23 | 迈普通信技术股份有限公司 | 一种基于rssi无线网络定位方法 |
| CN106714296A (zh) * | 2016-11-24 | 2017-05-24 | 南京邮电大学 | 一种基于最速下降法的室内定位方法 |
| CN106954190A (zh) * | 2017-05-11 | 2017-07-14 | 桂林电子科技大学 | 一种基于指数映射域的wifi室内定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 赵聪: "基于位置指纹的WLAN室内定位算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109547929A (zh) * | 2019-01-08 | 2019-03-29 | 桂林电子科技大学 | 基于共轭梯度法的分布式传感器节点定位方法 |
| CN110136468A (zh) * | 2019-04-18 | 2019-08-16 | 太原理工大学 | 一种大型停车场寻车装置和方法 |
| CN110136468B (zh) * | 2019-04-18 | 2022-02-25 | 太原理工大学 | 一种大型停车场寻车装置和方法 |
| CN110471030A (zh) * | 2019-08-23 | 2019-11-19 | 天津大学 | 基于改进共轭梯度的射频层析成像被动式定位求解方法 |
| CN110568400A (zh) * | 2019-08-26 | 2019-12-13 | 南京理工大学 | 抽屉内物品标签在读写器移动方向轴的粗定位方法 |
| CN110542882A (zh) * | 2019-08-27 | 2019-12-06 | 南京理工大学 | 基于rfid的抽屉内物品位置计算方法 |
| CN110969892A (zh) * | 2019-11-06 | 2020-04-07 | 重庆市城投金卡信息产业(集团)股份有限公司 | 停车场管理方法及其系统 |
| CN114076914A (zh) * | 2020-08-21 | 2022-02-22 | 中移物联网有限公司 | 一种定位方法、装置、设备及可读存储介质 |
| CN113534117A (zh) * | 2021-06-11 | 2021-10-22 | 广州杰赛科技股份有限公司 | 一种室内定位方法 |
| CN113534117B (zh) * | 2021-06-11 | 2024-06-04 | 广州杰赛科技股份有限公司 | 一种室内定位方法 |
| CN118647082A (zh) * | 2024-05-28 | 2024-09-13 | 上海钒锝科技有限公司 | 一种结合rfid三角测量和最小二乘法的试剂精准定位方法 |
| CN121310065A (zh) * | 2025-12-10 | 2026-01-09 | 公安部第三研究所 | 一种无人机定位的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107607935A (zh) | 一种基于共轭梯度法的室内定位方法 | |
| CN103209478B (zh) | 基于分类阈值及信号强度权重的室内定位方法 | |
| Chen et al. | Locating and tracking BLE beacons with smartphones | |
| CN105137390B (zh) | 一种基于可调发射功率ap的室内定位方法 | |
| CN102638889B (zh) | 基于贝叶斯压缩感知的室内无线终端定位方法 | |
| CN104080165B (zh) | 一种基于tdoa的室内无线传感器网络定位方法 | |
| CN106793087B (zh) | 一种基于aoa和pdoa的阵列天线室内定位方法 | |
| CN103501538B (zh) | 基于多径能量指纹的室内定位方法 | |
| Talampas et al. | A geometric filter algorithm for robust device-free localization in wireless networks | |
| CN108414972B (zh) | 一种基于相位特征的移动机器人rfid定位方法 | |
| CN108882151A (zh) | 基于csi信息区域化标注的室内定位方法 | |
| CN106597363A (zh) | 一种室内wlan环境下的行人定位方法 | |
| CN106792524B (zh) | 一种基于动态环境双向校正的混合室内定位方法 | |
| CN103826301A (zh) | 节点定位方法及装置 | |
| CN102364983A (zh) | 无线传感网中基于rssi测距的wls节点自定位方法 | |
| CN103338510A (zh) | 一种基于rssi的无线传感器网络的定位方法 | |
| CN106932752A (zh) | 一种基于射频相位监测的实时室内定位方法 | |
| D'Aloia et al. | Improving energy efficiency in building system using a novel people localization system | |
| Ndzukula et al. | A bluetooth low energy based system for personnel tracking | |
| CN104471558A (zh) | 用于重访位置检测的系统和方法 | |
| CN114205741B (zh) | 基于uwb的toa与位置指纹联合室内定位方法 | |
| CN107588775A (zh) | 一种新型室内定位方法 | |
| Qiao et al. | Research on improved localization algorithms RSSI-based in wireless sensor networks | |
| CN103630876A (zh) | 基于RSSI的ZigBee节点定位方法 | |
| Munadhil et al. | Distance estimation-based PSO between patient with Alzheimer’s disease and beacon node in wireless sensor networks |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180119 |
|
| WD01 | Invention patent application deemed withdrawn after publication |