CN109597024A - 基于异步传感数据的室内区域定位方法及系统 - Google Patents
基于异步传感数据的室内区域定位方法及系统 Download PDFInfo
- Publication number
- CN109597024A CN109597024A CN201811375572.2A CN201811375572A CN109597024A CN 109597024 A CN109597024 A CN 109597024A CN 201811375572 A CN201811375572 A CN 201811375572A CN 109597024 A CN109597024 A CN 109597024A
- Authority
- CN
- China
- Prior art keywords
- user
- rssi
- fingerprint
- rssi vector
- vector
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及一种基于异步传感数据的室内区域定位方法及系统，包括：将给定用户u对应的异步传感数据按探测时间先后排成一个序列χ；根据给定的时间点l和时间间隔Δl，将探测时间在区间(t‑Δt，t]内的记录构成子序列χt；计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量；对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度；对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为χt对应的用户u的停留区域。本发明有效解决了异步场景下的室内定位问题。
Description
技术领域
本发明涉及移动计算领域，尤其涉及一种基于异步传感数据的室内区域定位方法及系统。
背景技术
室内定位是指在室内环境中实现位置定位。目前，已经出现了多种室内定位技术。其中，基于指纹的无线定位方法受到了各界的广泛的关注。该方法的基本思想是根据无线通信设备的接收信号的强度(Received Signal Strength Indicator，RSSI)来推断用户所处的位置。然而，现有的定位方法大多要求部署在不同地点的传感器同时探测无线信号，以确定用户的实时位置。这不仅需要在定位系统中引入同步机制，还要在离线阶段(offlinephase)准确测量每个参考点(survey point)的二维坐标，因而大大增加了人力、物力和财力的开销。
发明内容
发明目的：本发明的基于异步传感数据的室内区域定位方法及系统可以解决异步场景下的室内定位问题。
技术方案：
一种基于异步传感数据的室内区域定位方法，包括如下步骤：
步骤一：给定已划分好的目标区域和若干个指纹RSSI向量，其中已划分好的目标区域由若干个不重叠的小区域组成，每个小区域中有若干个参考点，每个参考点对应一个指纹RSSI向量sij为第j个传感器探测到的无线通信设备的接收信号强度RSSI，d为传感器的个数；
步骤二：给定用户u，将该用户对应的异步传感数据按探测时间先后排成一个序列χ，该序列的基本形式为χ＝{<x1，t1>，<x2，t2>，…，<xi，ti>，…，<xn，tn>}，t1≤t2≤…ti≤…≤tn，其中<xi，ti>是第i条记录，xi＝<xi1，xi2>是一个二元组，xi1是传感器ID，xi2是传感器xi1探测到的用户u携带的无线通信设备的接收信号的强度RSSI，ti是传感器的探测时间；
步骤三：给定时间点t和时间间隔Δt，将探测时间在区间(t-Δt，t]内的记录构成子序列χt；
步骤四：计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量其中为对应于第j个传感器的RSSI；
步骤五：对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度；
步骤六：对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为χt对应的用户u的停留区域。
进一步地，步骤四中，所述计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量具体包括：
给定探测时间为ti的记录，利用公式计算该条记录对应的权重，其中，α为调节因子；
利用公式计算用户RSSI向量的第j维分量，形成用户RSSI向量
进一步地，步骤五中，所述对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度具体包括：
利用公式计算用户RSSI向量与指纹RSSI向量的相似度，其中，是第i个指纹RSSI向量，σ是带宽参数。
进一步地，步骤六中，对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为χt对应的用户u的停留区域具体包括：
利用公式计算用户RSSI向量与区域rk的相似度，其中，表示指纹RSSI向量对应的参考点在区域rk中，mk是区域rk包含的指纹RSSI向量的个数。
一种基于异步传感数据的室内区域定位系统，包括：数据采集单元、数据处理单元、用户建模单元、指纹建模单元和区域预测单元。
数据采集单元，包括若干个异步运行的Wi-Fi传感器，用于探测目标用户u携带的无线通信设备的接收信号的强度RSSI，并将探测到的信息存储下来，形成记录；
数据处理单元，用于将给定用户u对应的异步传感数据按探测时间先后排成一个序列χ，该序列的基本形式为χ＝{<x1，t1>，<x2，t2>，…，<xi，ti>，…，<xn，tn>}，t1≤t2≤…ti≤…≤tn，其中<xi，ti>是第i条记录，xi＝<xi1，xi2>是一个二元组，xi1是传感器ID， xi2是传感器xi1探测到的用户u携带的无线通信设备的接收信号的强度RSSI，ti是传感器的探测时间；
所述数据处理单元还用于，根据给定的时间点t和时间间隔Δt，将探测时间在区间 (t-Δt，t]内的记录构成子序列χt；
用户建模单元，用于计算子序列中每条记录的权重，并将该子序列转换为一个用户 RSSI向量其中为对应于第j个传感器的RSSI；
指纹建模单元，用于对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度；
区域预测单元，用于对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为χt对应的用户u的停留区域。
进一步地，所述用户建模单元具体用于，给定探测时间为ti的记录，利用公式计算该条记录对应的权重，其中，α为调节因子；
利用公式计算用户RSSI向量的第j维分量，形成用户RSSI向量
进一步地，所述指纹建模单元具体用于，利用公式计算用户RSSI向量与指纹RSSI向量的相似度，其中，是第i个指纹RSSI向量，σ是带宽参数。
进一步地，所述区域预测单元具体用于，利用公式计算用户RSSI向量与区域rk的相似度，其中，表示指纹RSSI向量对应的参考点在区域rk中，mk是区域rk包含的指纹RSSI向量的个数。
有益效果：本发明有效解决了异步场景下的室内定位问题。由于不需要在定位系统中引入同步机制，因此，该发明显著降低了定位系统的复杂度，节省了人力、物力和财力的开销。
附图说明
图1是本发明实施例一提供的基于异步传感数据的室内区域定位方法流程图。
图2是本发明实施例一中具体实施例的区域划分情况及传感器、参考点位置图。
图3是本发明实施例二提供的基于异步传感数据的室内区域定位系统结构示意图。
具体实施方式
下面结合附图对本发明做更进一步的解释。图1为本发明实施例一提供的基于异步传感数据的室内区域定位方法流程图。如图1所示，本实施例包括以下步骤：
步骤一，给定已划分好的目标区域和若干个指纹RSSI向量，其中已划分好的目标区域由若干个不重叠的小区域组成，每个小区域中有若干个参考点，每个参考点对应一个指纹RSSI向量sij为第j个传感器探测到的无线通信设备的接收信号强度RSSI，d为传感器的个数。
步骤二，给定用户u，将该用户对应的异步传感数据按探测时间先后排成一个序列χ，该序列的基本形式为χ＝{<x1，t1>，<x2，t2>，…，<xi，ti>，…，<xn，tn>}，t1≤t2≤…ti≤…≤tn，其中<xi，ti>是第i条记录，xi＝〈xi1，xi2〉是一个二元组，xi1是传感器ID，xi2是传感器xi1探测到的用户u携带的无线通信设备的接收信号的强度RSSI，ti是传感器的探测时间。
步骤三，给定时间点t和时间间隔Δt，将探测时间在区间(t-Δt，t]内的记录构成子序列χt。
步骤四，计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量其中为对应于第j个传感器的RSSI，具体如下：
给定探测时间为ti的记录，利用公式计算该条记录对应的权重，其中，α为调节因子；
利用公式计算用户RSSI向量的第j维分量，形成用户RSSI向量
步骤五，对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度，具体如下：
利用公式计算用户RSSI向量与指纹RSSI向量的相似度，其中，是第i个指纹RSSI向量，σ是带宽参数。
步骤六，对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为χt对应的用户u的停留区域，具体如下：
利用公式计算用户RSSI向量与区域rk的相似度，其中，表示指纹RSSI向量对应的参考点在区域rk中，mk是区域rk包含的指纹RSSI向量的个数。
在一个具体的实施例中，对基于异步传感数据的室内区域定位方法进行详细叙述。
图2是已划分好的目标区域，图中圆圈表示参考点所处的位置，实心圆点表示传感器所处的位置。各参考点对应的指纹向量如下。特别地，以为例，是与参考点1对应的指纹RSSI向量。
当用户携带无线通讯设备进入该区域并打开Wi-Fi时，部署在该区域内的传感器能探测到该无线通信设备的接收信号强度RSSI，并将探测到的信息存储下来，形成异步传感数据。用户u对应的异步传感数据如下：
将异步传感数据按探测时间先后排成一个序列χ，结果如下：
χ＝{<<S4，80>，2018/10/01 08:52:00>
<<S9，73>，2018/10/01 08:52:00>
<<S6，67>，2018/10/01 08:52:01>
<<S1，65>，2018/10/01 08:52:03>
<<S5，62>，2018/10/01 08:52:03>
<<S3，75>，2018/10/01 08:52:05>
<<S8，62>，2018/10/01 08:52:06>
<<S7，48>，2018/10/01 08:52:07>
<<S2，72>，2018/10/01 08:52:09>
<<S4，75>，2018/10/01 08:52:18>
<<S6，60>，2018/10/01 08:52:21>
<<S5，63>，2018/10/01 08:52:23>
<<S9，69>，2018/10/01 08:52:23>
<<S8，66>，2018/10/01 08:52:24>
<<S1，69>，2018/10/01 08:52:25>
<<S3，78>，2018/10/01 08:52:26>
<<S7，55>，2018/10/01 08:52:26>
<<S2，73>，2018/10/01 08:52:30>}
给定时间点t＝2018/10/01 08:52:30和时间间隔Δt＝25s，将探测时间在区间(t-Δt，t]内的记录构成子序列χt，结果如下：
χt＝{<<S8，62>，2018/10/01 08:52:06>
<<S7，48>，2018/10/01 08:52:07>
<<S2，72>，2018/10/01 08:52:09>
<<S4，75>，2018/10/01 08:52:18>
<<S6，60>，2018/10/01 08:52:21>
<<S5，63>，2018/10/01 08:52:23>
<<S9，69>，2018/10/01 08:52:23>
<<S8，66>，2018/10/01 08:52:24>
<<S1，69>，2018/10/01 08:52:25>
<<S3，78>，2018/10/01 08:52:26>
<<S7，55>，2018/10/01 08:52:26>
<<S2，73>，2018/10/01 08:52:30>}
根据步骤4下的公式计算子序列中每条记录的权重，其中α取结果如下：
| t<sub>i</sub> | w(t<sub>i</sub>，t) |
| 2018/10/01 08:52:06 | 0.51 |
| 2018/10/01 08:52:07 | 0.52 |
| 2018/10/01 08:52:09 | 0.54 |
| 2018/10/01 08:52:18 | 0.68 |
| 2018/10/01 08:52:21 | 0.74 |
| 2018/10/01 08:52:23 | 0.78 |
| 2018/10/01 08:52:24 | 0.81 |
| 2018/10/01 08:52:25 | 0.83 |
| 2018/10/01 08:52:26 | 0.86 |
| 2018/10/01 08:52:30 | 1 |
根据步骤四下的公式计算用户RSSI向量的各个分量，结果为
根据步骤五下的公式，对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI 向量的相似度，其中σ取20，结果如下：
根据步骤6下的公式，对每个小区域，计算用户RSSI向量与该区域的相似度，结果如下：
相似度最大的区域为区域8，因此χt对应的用户u的停留区域为区域8。
相应地，本发明提供了一种基于异步传感数据的室内区域定位系统。图3是本发明实施例二提供的基于异步传感数据的室内区域定位系统结构示意图，该系统包括：数据采集单元110、数据处理单元120，用户建模单元130，指纹建模单元140，区域预测单元150。
数据采集单元110，包括若干异步运行的Wi-Fi传感器，用于探测目标用户u携带的无线通信设备的接收信号的强度RSSI，并将探测到的信息存储下来，形成记录；
数据处理单元120，用于将给定用户u对应的异步传感数据按探测时间先后排成一个序列χ，该序列的基本形式为χ＝{<x1，t1>，<x2，t2>，…，<xi，ti>，…，<xn，tn>}， t1≤t2≤…ti≤…≤tn，其中<xi，ti>是第i条记录，xi＝<xi1，xi2>是一个二元组，xi1是传感器ID，xi2是传感器xi1探测到的用户u携带的无线通信设备的接收信号的强度RSSI， ti是传感器的探测时间；
所述数据处理单元120还用于，根据给定的时间点t和时间间隔Δt，将探测时间在区间(t-Δt，t]内的记录构成子序列χt；
用户建模单元130，用于计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量其中为对应于第j个传感器的RSSI；
指纹建模单元140，用于对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度；
区域预测单元150，用于对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为χt对应的用户u的停留区域。
优选地，所述用户建模单元130具体用于，给定探测时间为ti的记录，利用公式计算该条记录对应的权重，其中，α为调节因子；利用公式计算用户RSSI向量的第j维分量，形成用户RSSI向量
优选地，所述指纹建模单元140具体用于，利用公式计算用户RSSI向量与指纹RSSI向量的相似度，其中，是第i个指纹RSSI向量，σ是带宽参数。
优选地，所述区域预测单元150具体用于，利用公式计算用户RSSI向量与区域rk的相似度，其中，表示指纹RSSI向量对应的参考点在区域rk中，mk是区域rk包含的指纹RSSI向量的个数。本发明有效解决了异步场景下的室内定位问题。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM，或技术领域内所公知的任意其它形式的存储介质中。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于异步传感数据的室内区域定位方法，其特征在于，包括如下步骤：
步骤一：给定已划分好的目标区域和若干个指纹RSSI向量，其中已划分好的目标区域由若干个不重叠的小区域组成，每个小区域中有若干个参考点，每个参考点对应一个指纹RSSI向量sij为第j个传感器探测到的无线通信设备的接收信号强度RSSI，d为传感器的个数；
步骤二：给定用户u，将该用户对应的异步传感数据按探测时间先后排成一个序列该序列的基本形式为t1≤t2≤…ti≤…≤tn，其中<xi，ti>是第i条记录，xi＝<xi1，xi2>是一个二元组，xi1是传感器ID，xi2是传感器xi1探测到的用户u携带的无线通信设备的接收信号的强度RSSI，ti是传感器的探测时间；
步骤三：给定时间点t和时间间隔Δt，将探测时间在区间(t-Δt，t]内的记录构成子序列
步骤四：计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量其中为对应于第j个传感器的RSSI；
步骤五：对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度；
步骤六：对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为对应的用户u的停留区域。
2.根据权利要求1所述的基于异步传感数据的室内区域定位方法，其特征在于，步骤四中，所述计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量具体包括：
给定探测时间为ti的记录，利用公式计算该条记录对应的权重，其中，α为调节因子；
利用公式计算用户RSSI向量的第j维分量，形成用户RSSI向量
3.根据权利要求1所述的基于异步传感数据的室内区域定位方法，其特征在于，步骤五中，所述对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度具体包括：
利用公式计算用户RSSI向量与指纹RSSI向量的相似度，其中，是第i个指纹RSSI向量，σ是带宽参数。
4.根据权利要求1所述的基于异步传感数据的室内区域定位方法，其特征在于，步骤六中，对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为对应的用户u的停留区域具体包括：
利用公式计算用户RSSI向量与区域rk的相似度，其中，表示指纹RSSI向量对应的参考点在区域rk中，mk是区域rk包含的指纹RSSI向量的个数。
5.一种基于异步传感数据的室内区域定位系统，其特征在于，包括：数据采集单元、数据处理单元、用户建模单元、指纹建模单元和区域预测单元；
数据采集单元，包括若干个异步运行的Wi-Fi传感器，用于探测目标用户u携带的无线通信设备的接收信号的强度RSSI，并将探测到的信息存储下来，形成记录；
数据处理单元，用于将给定用户u对应的异步传感数据按探测时间先后排成一个序列该序列的基本形式为t1≤t2≤…ti≤…≤tn，其中<xi，ti>是第i条记录，xi＝<xi1，xi2>是一个二元组，xi1是传感器ID，xi2是传感器xi1探测到的用户u携带的无线通信设备的接收信号的强度RSSI，ti是传感器的探测时间；
所述数据处理单元还用于，根据给定的时间点t和时间间隔Δt，将探测时间在区间(t-Δt，t]内的记录构成子序列xt；
用户建模单元，用于计算子序列中每条记录的权重，并将该子序列转换为一个用户RSSI向量其中为对应于第j个传感器的RSSI；
指纹建模单元，用于对每个指纹RSSI向量，计算用户RSSI向量与该指纹RSSI向量的相似度；
区域预测单元，用于对每个小区域，计算用户RSSI向量与该区域的相似度，相似度最大的区域即为对应的用户u的停留区域。
6.根据权利要求5所述的基于异步传感数据的室内区域定位系统，其特征在于，所述用户建模单元具体用于，给定探测时间为ti的记录，利用公式计算该条记录对应的权重，其中，α为调节因子；
利用公式计算用户RSSI向量的第j维分量，形成用户RSSI向量
7.根据权利要求5所述的基于异步传感数据的室内区域定位系统，其特征在于，所述指纹建模单元具体用于，利用公式计算用户RSSI向量与指纹RSSI向量的相似度，其中，是第i个指纹RSSI向量，σ是带宽参数。
8.根据权利要求5所述的基于异步传感数据的室内区域定位系统，其特征在于，所述区域预测单元具体用于，利用公式计算用户RSSI向量与区域rk的相似度，其中，表示指纹RSSI向量对应的参考点在区域rk中，mk是区域rk包含的指纹RSSI向量的个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811375572.2A CN109597024B (zh) | 2018-11-19 | 2018-11-19 | 基于异步传感数据的室内区域定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811375572.2A CN109597024B (zh) | 2018-11-19 | 2018-11-19 | 基于异步传感数据的室内区域定位方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109597024A true CN109597024A (zh) | 2019-04-09 |
| CN109597024B CN109597024B (zh) | 2020-05-12 |
Family
ID=65958739
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811375572.2A Active CN109597024B (zh) | 2018-11-19 | 2018-11-19 | 基于异步传感数据的室内区域定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109597024B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101401478A (zh) * | 2006-04-12 | 2009-04-01 | 高通股份有限公司 | 用于定位与无线广域网相关联的无线局域网的方法和设备 |
| CN103384358A (zh) * | 2013-06-25 | 2013-11-06 | 云南大学 | 一种基于虚拟现实和wifi空间场强的室内定位方法 |
| JP2014138392A (ja) * | 2013-01-18 | 2014-07-28 | Nec Casio Mobile Communications Ltd | エリア通知装置、エリア通知方法及びプログラム |
| CN104679847A (zh) * | 2015-02-13 | 2015-06-03 | 王磊 | 一种构建在线实时更新海量音频指纹库的方法和设备 |
| CN105101408A (zh) * | 2015-07-23 | 2015-11-25 | 常熟理工学院 | 基于分布式ap选择策略的室内定位方法 |
-
2018
- 2018-11-19 CN CN201811375572.2A patent/CN109597024B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101401478A (zh) * | 2006-04-12 | 2009-04-01 | 高通股份有限公司 | 用于定位与无线广域网相关联的无线局域网的方法和设备 |
| JP2014138392A (ja) * | 2013-01-18 | 2014-07-28 | Nec Casio Mobile Communications Ltd | エリア通知装置、エリア通知方法及びプログラム |
| CN103384358A (zh) * | 2013-06-25 | 2013-11-06 | 云南大学 | 一种基于虚拟现实和wifi空间场强的室内定位方法 |
| CN104679847A (zh) * | 2015-02-13 | 2015-06-03 | 王磊 | 一种构建在线实时更新海量音频指纹库的方法和设备 |
| CN105101408A (zh) * | 2015-07-23 | 2015-11-25 | 常熟理工学院 | 基于分布式ap选择策略的室内定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109597024B (zh) | 2020-05-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11080434B2 (en) | Protecting content on a display device from a field-of-view of a person or device | |
| Gu et al. | Accurate step length estimation for pedestrian dead reckoning localization using stacked autoencoders | |
| Ngamakeur et al. | A survey on device-free indoor localization and tracking in the multi-resident environment | |
| Ferris et al. | Wifi-slam using gaussian process latent variable models. | |
| Zhao et al. | Radio tomographic imaging and tracking of stationary and moving people via kernel distance | |
| US8989438B2 (en) | Mobile body track identification system | |
| Fahama et al. | An experimental comparison of RSSI-based indoor localization techniques using ZigBee technology | |
| CN111104925B (zh) | 图像处理方法、装置、存储介质和电子设备 | |
| CN105636201B (zh) | 基于稀疏信号指纹数据库的室内定位方法 | |
| CN104394588B (zh) | 基于Wi‑Fi指纹和多维尺度分析的室内定位方法 | |
| KR101933011B1 (ko) | 실내 측위 장치 및 방법 | |
| JP2018061114A (ja) | 監視装置および監視方法 | |
| CN110673135A (zh) | 传感器、推定装置、推定方法和程序记录介质 | |
| CN119334354B (zh) | 一种基于多传感器融合的室内定位方法及系统 | |
| Manos et al. | Walking direction estimation using smartphone sensors: A deep network-based framework | |
| Fadhlullah et al. | A statistical approach in designing an rf-based human crowd density estimation system | |
| WO2024182632A3 (en) | Systems and methods for optimizing communication with an implantable device | |
| CN105444763A (zh) | 一种imu室内定位方法 | |
| CN115184941B (zh) | 一种基于音频的定位寻物方法 | |
| Sridharan et al. | Inferring micro-activities using wearable sensing for ADL recognition of home-care patients | |
| KR20190017615A (ko) | 무선 전력 송신 장치 및 그 제어 방법 | |
| Xin et al. | FreeSense: human-behavior understanding using Wi-Fi signals | |
| Zhang et al. | Human identification using WiFi signal | |
| CN108882169B (zh) | 一种WiFi位置指纹数据的获取方法及装置和机器人 | |
| CN110427104A (zh) | 一种手指运动轨迹校准系统及方法 |
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 |