CN119767405A - 定位方法和系统 - Google Patents

Abstract

本公开提供了一种定位方法和系统，其中，方法包括：获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；基于基站组合中定位基站采集的距离信息，生成备选标签位置；对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；基于目标组合中定位基站采集的距离信息，确定定位标签的位置。该方式考虑到定位基站在定位计算过程中的基站位置，根据聚类结果确定定位基站和定位数据，提高了定位精确度。

Description

定位方法和系统

技术领域

本公开涉及数据处理领域，尤其是涉及一种定位方法和系统。

背景技术

无线定位系统中包括多个定位基站以及定位标签，通过无线信号实现定位基站和定位标签之间的信息传输。相关技术中，针对同一定位标签，多个定位基站分别获取自身与该定位标签之间的距离参数，通过多个定位基站获取到的距离参数确定定位标签的位置，该方式定位精确度较低。

发明内容

有鉴于此，本公开的目的在于提供一种定位方法和系统，以提高定位精确度。

第一方面，本公开实施例提供了一种定位方法，该方法包括：获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；基于基站组合中定位基站采集的距离信息，生成备选标签位置；对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；基于目标组合中定位基站采集的距离信息，确定定位标签的位置。

上述基于多个定位基站的基站位置，生成基站组合的步骤，包括：对多个定位基站进行遍历，生成多个基站组合；其中，多个基站组合中包括：多个定位基站中任意一组指定数量的定位基站。

上述基于基站组合中定位基站采集的距离信息，生成备选标签位置的步骤，包括：基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成多条曲线；将多条曲线的交点位置，确定为备选标签位置。

上述基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成多条曲线的步骤，包括：当基站组合中包括两个定位基站，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成两个圆圈；当基站组合中包括三个定位基站，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成两条双曲线。

上述对备选标签位置进行聚类处理，得到聚类结果的步骤，包括：从备选标签位置确定初始的聚类中心；基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类；其中，每个聚类中心对应一个位置类；位置类中包含至少一个备选标签位置；将包含备选标签位置的数量最多的位置类确定为聚类结果。

上述基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类的步骤，包括：确定备选标签位置与聚类中心之间的距离参数，确定最小的距离参数对应的目标聚类中心；将备选标签位置分类至目标聚类中心对应的位置类。

上述将包含备选标签位置的数量最多的位置类确定为聚类结果的步骤之前，方法还包括：基于位置类中的备选标签位置，更新位置类对应的聚类中心；确定初始的聚类中心与更新后的聚类中心的中心距离；基于中心距离以及当前聚类次数，确定是否继续执行下述目标步骤：基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类。

上述基于位置类中的备选标签位置，更新位置类对应的聚类中心的步骤，包括：确定位置类中的备选标签位置的平均位置，将平均位置只作为位置类的聚类中心。

上述确定初始的聚类中心与更新后的聚类中心的中心距离的步骤，包括：针对每个位置类，确定位置类对应的初始的聚类中心与更新后的聚类中心的中心距离；将每个位置类对应的中心距离之和，确定为最终的中心距离。

上述基于中心距离以及当前分类次数，确定是否继续执行下述目标步骤的步骤，包括：当中心距离大于预设距离阈值，且当前聚类次数小于或等于第一次数阈值，继续执行目标步骤。

上述聚类结果中包括：一个位置类中的备选标签位置；上述基于聚类结果，从基站组合中筛选得到目标组合的步骤，包括：基于聚类结果中备选标签位置的数量，以及聚类结果中备选标签位置对应的聚类半径，确定聚类结果是否是有效结果；如果聚类结果是有效结果，更新有效结果数量，并更新聚类结果中的备选标签位置的选中次数；其中，选中次数包括：备选标签位置位于聚类结果中的次数；基于选中次数和有效结果数量，确定备选标签位置的选中概率；将选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

上述基于聚类结果中备选标签位置的数量，以及聚类结果中备选标签位置对应的聚类半径，确定聚类结果是否是有效结果的步骤，包括：如果聚类结果中备选标签位置的数量大于或等于预设数量阈值，且聚类结果中备选标签位置对应的聚类半径小于或等于预设半径阈值，确定聚类结果是有效结果。

上述基于聚类结果中备选标签位置的数量，以及聚类结果中备选标签位置对应的聚类半径，确定聚类结果是否是有效结果的步骤之前，方法还包括：基于聚类结果对应的当前聚类次数，更新聚类总次数；方法还包括：如果聚类结果不是有效结果，且聚类总次数小于或等于第二次数阈值，继续执行对备选标签位置进行聚类处理，得到聚类结果的步骤；如果聚类结果是有效结果，且聚类总次数小于或等于第二次数阈值，在更新有效结果数量，并更新选中次数之后，继续执行对备选标签位置进行聚类处理，得到聚类结果的步骤；如果聚类总次数大于第二次数阈值，执行下述步骤：基于选中次数和有效结果数量，确定备选标签位置的选中概率；将选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

上述基于选中次数和有效结果数量，确定备选标签位置的选中概率的步骤，包括：将选中次数和有效结果数量的比值，确定为备选标签位置的选中概率。

第二方面，本公开实施例提供了一种定位系统，该系统包括：位置和距离获取模块，用于获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；基站组合生成模块，用于基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；备选标签位置生成模块，用于基于基站组合中定位基站采集的距离信息，生成备选标签位置；聚类结果筛选模块，用于对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；定位标签位置确定模块，用于基于目标组合中定位基站采集的距离信息，确定定位标签的位置。

本公开实施例带来了以下有益效果：

上述提供了一种定位方法和系统，其中，方法包括：获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；基于基站组合中定位基站采集的距离信息，生成备选标签位置；对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；基于目标组合中定位基站采集的距离信息，确定定位标签的位置。该方式中，依据多个定位基站的基站位置生成基站组合，对基于距离信息生成的备选标签位置进行聚类处理，根据聚类结果从基站组合中筛选得到目标组合，进而确定定位标签的位置，该方式考虑到定位基站在定位计算过程中的基站位置，根据聚类结果确定定位基站和定位数据，提高了定位精确度。

本公开的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例提供的一种定位方法的示意图；

图2为本公开实施例提供的一种主体流程的逻辑示意图；

图3为本公开实施例提供的一种通过聚类处理得到目标组合的逻辑示意图；

图4为本公开实施例提供的一种聚类处理的逻辑示意图；

图5为本公开实施例提供的一种实际应用场景的示意图；

图6为本公开实施例提供的一种定位系统的示意图。

具体实施方式

为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合附图对本公开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公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。

目前，UWB(Ultra Wide Band，超宽带)无线定位系统中包括多个定位基站以及定位标签，通过无线信号实现定位基站和定位标签之间的信息传输，以测定定位标签的位置。

相关技术中，针对同一定位标签，多个定位基站分别获取自身与该定位标签之间的距离参数，通过多个定位基站获取到的距离参数确定定位标签的位置。也就是说，对于二维定位场景，存在三个定位标签到定位基站的距离参数，即可完成对定位标签的位置的测定；而实际实现时，为了保证覆盖定位区域，在大多数的场景下，距离参数的数量都会多于三个，此时可以对这些距离参数进行整合重组，从而最大化利用这些距离参数来提升定位精度。但是，这种方式的定位精确度较低。

除了距离精度会影响定位精度以外，参与定位计算的定位基站的位置也会影响定位精度。而现有算法大多基于定位计算过程中的残留误差求解定位标签的位置，未能考虑到参与定位计算的定位基站的位置。部分方式采用定位标签和定位基站的角度测量参数来修正距离参数，但一方面，角度测量会增加硬件成本和系统复杂度；另一方面，角度测量更易受到反射和遮挡的影响，因此在工程实践中收效甚微。

基于上述，本公开实施例提供一种定位方法和系统，该技术可以应用于确定定位标签的位置的定位计算过程之前。

为便于对本实施例进行理解，以下对本公开实施例的一个具体流程进行描述，如图1所示，本公开实施例中一种定位方法的实施例，包括：

步骤S101，获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；

本公开的执行主体可以为终端或者服务器，终端或服务器中运行有智能定位系统，该定位系统可以通过备选标签位置生成、聚类处理等功能，确定定位基站和定位数据。下述执行主体以终端为例进行说明，该终端通常为智能管理终端。

在这里，终端获取多个定位基站的基站位置，如定位基站坐标；并且获取多个定位基站采集到的定位标签的距离信息，针对同一个定位标签，多个定位基站测量该定位标签与定位基站的距离，得到多个定位标签的距离信息。

步骤S102，基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；

该指定数量可以是两个，也可以是三个。

具体的，对多个定位基站遍历，将多个定位基站的基站位置按照最小求解粒度进行分组，生成多个基站组合，每个基站组合可以包括多个定位基站中的两个或三个定位基站，其中基站组合的个数可以根据定位基站的总数量设定。

步骤S103，基于基站组合中定位基站采集的距离信息，生成备选标签位置；

具体的，每个基站组合可以根据该基站组合中定位基站的基站位置，以及定位基站采集的距离信息，生成多条曲线，将多条曲线的交点位置确定为备选标签位置。

一个示例中，如果基站组合中包含两个定位基站，那么根据定位基站的基站位置以及定位基站采集的距离信息生成两个圆圈，然后将两个圆圈的交点位置确定为备选标签位置。

另一个示例中，如果基站组合中包含三个定位基站，那么根据定位基站的基站位置以及定位基站采集的距离信息生成两条双曲线，然后将两条双曲线的交点位置确定为备选标签位置。

步骤S104，对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；

也就是说，可以根据多个备选标签位置的聚集特性，筛选出聚集的备选标签位置，其中涉及的定位基站即为筛选出的定位基站。

具体的，从备选标签位置中确定初始的聚类中心，根据备选标签位置与聚类中心的距离对备选标签位置进行分类，得到至少一个位置类，即为一次聚类处理次数；位置类包含至少一个备选标签位置，每个聚类中心对应一个位置类，不同的位置类中，备选标签位置不重复。

接着，可以根据位置类中的备选标签位置，更新位置类对应的聚类中心，并确定初始的聚类中心与更新后的聚类中心的中心距离，然后根据该中心距离和当前聚类处理次数，确定是否需要再次根据备选标签位置与聚类中心的距离对备选标签位置进行分类，得到至少一个位置类。在完成聚类处理后，从至少一个位置类中确定包含备选标签位置的数量最多的位置类，即为聚类结果。

在这里，对于多个聚类结果检验其有效性，可以根据聚类结果中备选标签位置的数量以及备选标签位置对应的聚类半径，确定聚类结果是否为有效结果。如果聚类结果为有效结果，则更新有效结果数量，并且更新聚类结果中的备选标签位置的选中次数，根据该选中次数和有效结果数量确定备选标签位置的选中概率，当选中概率大于预设概率阈值时，其中备选标签位置所在的基站组合为目标组合。

此外，还可以根据聚类结果对应的聚类处理次数更新聚类总次数，当聚类总次数小于或等于聚类处理次数阈值时，执行对备选标签位置进行聚类处理，得到聚类结果的步骤；当聚类总次数大于聚类处理次数阈值时，根据备选标签位置的选中概率确定目标组合。

上述聚类处理可以通过多种算法实现，例如，K-means算法、层次聚类算法、谱聚类算法等。

步骤S105，基于目标组合中定位基站采集的距离信息，确定定位标签的位置。

在目标组合中的定位基站即为符合定位精确度的定位基站，根据定位基站采集的距离信息，使用常规算法计算得到定位标签的位置。

上述定位方法，获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；基于基站组合中定位基站采集的距离信息，生成备选标签位置；对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；基于目标组合中定位基站采集的距离信息，确定定位标签的位置。

该方式中，依据多个定位基站的基站位置生成基站组合，对基于距离信息生成的备选标签位置进行聚类处理，根据聚类结果从基站组合中筛选得到目标组合，进而确定定位标签的位置，该方式考虑到定位基站在定位计算过程中的基站位置，根据聚类结果确定定位基站和定位数据，提高了定位精确度。

一种方式中，对多个定位基站进行遍历，生成多个基站组合；其中，多个基站组合中包括：多个定位基站中任意一组指定数量的定位基站。

具体的，终端对多个定位基站进行遍历后，将多个定位基站的基站位置按照最小求解粒度进行分组，生成多个基站组合，不同基站组合之间可以有重合的定位基站，每个基站组合可以包括多个定位基站中的任意两个或三个定位基站。

以下提供生成备选标签位置的实施例。

一种方式中，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成多条曲线；将多条曲线的交点位置，确定为备选标签位置。

具体的，根据基站组合中指定数量的定位基站的基站位置，以及定位基站采集的距离信息，生成多条曲线，当基站组合中定位基站的指定数量不同时，多条曲线的形状通常不一样。在这里，获取多条曲线的交点位置，将交点位置确定为备选标签位置。

进一步的，当基站组合中包括两个定位基站，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成两个圆圈；当基站组合中包括三个定位基站，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成两条双曲线。

具体的，如果基站组合中定位基站的指定数量为两个，那么根据基站组合中两个定位基站的基站位置，以及这两个定位基站采集的距离信息，生成两个圆圈；如果基站组合中定位基站的指定数量为三个，那么根据基站组合中三个定位基站的基站位置，以及这三个定位基站采集的距离信息，生成两条双曲线。

以下提供对备选标签位置进行聚类处理，得到聚类结果的实施例。

一种方式中，从备选标签位置确定初始的聚类中心；基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类；其中，每个聚类中心对应一个位置类；位置类中包含至少一个备选标签位置；将包含备选标签位置的数量最多的位置类确定为聚类结果。

具体的，在M个备选标签位置中随机选取K个备选标签位置作为初始的聚类中心，然后分别计算每个备选标签位置与这K个聚类中心的距离参数，根据距离参数对备选标签位置进行分类，得到一个或多个位置类，即为一次聚类次数；这K个聚类中心对应K个位置类，每个位置类包含一个或多个备选标签，不同的位置类中，备选标签位置不重复。

在这里，从K个位置类中得到包含备选标签位置的数量最多的位置类，并确定为聚类结果。

进一步的，确定备选标签位置与聚类中心之间的距离参数，确定最小的距离参数对应的目标聚类中心；将备选标签位置分类至目标聚类中心对应的位置类。

具体的，通过计算得到第m个备选标签位置与K个聚类中心之间的距离参数，然后从中选取最小的距离参数对应的目标聚类中心，并将第m个备选标签位置分类至目标聚类中心对应的位置类中。

一种方式中，在得到聚类结果之前，可以基于位置类中的备选标签位置，更新位置类对应的聚类中心；确定初始的聚类中心与更新后的聚类中心的中心距离；基于中心距离以及当前聚类次数，确定是否继续执行下述目标步骤：基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类。

具体的，根据位置类中的备选标签位置，更新位置类对应的聚类中心，例如，将位置类中的备选标签位置的平均位置作为位置类的聚类中心；对更新后的聚类中心和初始的聚类中心计算差值的和，得到中心距离。

接着，当中心距离以及当前聚类次数c均符合目标数值范围时，继续执行目标步骤，即前述基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类的步骤。

一种可选的方式中，确定位置类中的备选标签位置的平均位置，将平均位置作为位置类的聚类中心。

具体的，根据每一个位置类中的备选标签位置的位置坐标计算平均位置，得到该位置类的聚类中心Ω_c,k，其中k在1至位置类总数K的区间内。

一种可选的方式中，针对每个位置类，确定位置类对应的初始的聚类中心与更新后的聚类中心的中心距离；将每个位置类对应的中心距离之和，确定为最终的中心距离。

具体的，在每一个位置类中，计算位置类对应的初始的聚类中心与更新后的聚类中心的中心距离δ_c,k＝||Ω_c,k-Ω_c-1,k||；对每个位置类对应的中心距离进行相加运算，得到最终的中心距离。

一种可选的方式中，当中心距离大于预设距离阈值，且当前聚类次数小于或等于第一次数阈值，继续执行目标步骤。

具体的，当中心距离δ_c,k大于预设距离阈值，且当前聚类次数c小于或等于第一次数阈值时，继续执行目标步骤，即前述基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类的步骤。

以下提供从基站组合中筛选得到目标组合的实施例。

上述聚类结果中包括：一个位置类中的备选标签位置。

一种方式中，基于聚类结果中备选标签位置的数量，以及聚类结果中备选标签位置对应的聚类半径，确定聚类结果是否是有效结果；如果聚类结果是有效结果，更新有效结果数量，并更新聚类结果中的备选标签位置的选中次数；其中，选中次数包括：备选标签位置位于聚类结果中的次数；基于选中次数和有效结果数量，确定备选标签位置的选中概率；将选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

该预设概率阈值可以用于设置筛选出异常数据的概率，筛选概率越高则更容易筛选出异常数据，但也容易误删张昌数据，因而在设置时需要均衡考虑，通常可以设置为0.25。

具体的，通过聚类处理得到聚类结果后，聚类结果中包含了一个位置类中的所有备选标签位置，这里根据聚类结果中备选标签的数量J以及备选标签对应的聚类半径r是否落在预设阈值范围内，判断聚类结果是否为有效结果。当聚类结果是有效结果时，更新有效结果的数量Z，并且更新聚类结果中的备选标签位置的选中次数z_m，该选中次数具体包含备选标签位置位于聚类结果中的次数z_mj，其中m表示备选标签位置的个数，j表示聚类结果中备选标签位置的个数。

在这里，根据选中次数z_m和有效结果数量Z进行运算得到备选标签位置的选中概率p_m，然后将选中概率p_m与预设概率阈值进行比较，将大于预设概率阈值的备选标签位置所在的基站组合作为目标组合。

进一步的，如果聚类结果中备选标签位置的数量大于或等于预设数量阈值，且聚类结果中备选标签位置对应的聚类半径小于或等于预设半径阈值，确定聚类结果是有效结果。

上述预设数量阈值越大，筛选概率越高，更容易筛选出异常数据，但也容易误删正常数据，因而在设置时需要均衡考虑，通常可以设置为3；预设半径阈值与距离精度有关，距离精度越高，预设半径阈值越小，通常将预设半径阈值设置为1米。

具体的，当聚类结果中备选标签位置的数量j大于或等于预设数量阈值，如3个，并且聚类结果中备选标签位置对应的聚类半径r小于或等于预设半径阈值，如1米时，将该聚类结果确定为有效结果。

一种方式中，在确定聚类结果是否是有效结果的步骤之前，基于聚类结果对应的当前聚类次数，更新聚类总次数。具体的，每次得到聚类结果后聚类总次数加一，根据聚类结果对应的当前聚类次数更新聚类总次数，得到以下结果示例。

示例一，如果聚类结果不是有效结果，且聚类总次数小于或等于第二次数阈值，继续执行对备选标签位置进行聚类处理，得到聚类结果的步骤；该第二次数阈值越小，筛选的性能越好，但是时间耗费越久，通常可以将第二次数阈值设置为一万次。具体的，当判断聚类结果不是有效结果且聚类总次数小于或等于第二次数阈值时，继续执行前述对备选标签位置进行聚类处理，得到聚类结果的步骤。

示例二，如果聚类结果是有效结果，且聚类总次数小于或等于第二次数阈值，在更新有效结果数量，并更新选中次数之后，继续执行对备选标签位置进行聚类处理，得到聚类结果的步骤；具体的，当判断聚类结果是有效结果且聚类总次数小于或等于第二次数阈值时，对有效结果数量和选中次数进行更新后，继续执行前述对备选标签位置进行聚类处理，得到聚类结果的步骤。

示例二，如果聚类总次数大于第二次数阈值，执行下述步骤：基于选中次数和有效结果数量，确定备选标签位置的选中概率；将选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。具体的，当聚类总次数大于第二次数阈值时，根据选中次数z_m和有效结果数量Z计算备选标签位置的选中概率p_m，筛选出选中概率p_m大于预设概率阈值的备选标签位置所在的基站组合，即为目标组合。

一种方式中，将选中次数和有效结果数量的比值，确定为备选标签位置的选中概率。

具体的，对选中次数z_m和有效结果数量Z进行比值运算，得到备选标签位置的选中概率p_m＝z_m/Z。

一个实施例如图2所示，介绍了本公开主体流程的具体实现方式。

步骤S201，获取多个定位基站位置以及定位标签的距离信息；

具体的，输入定位基站的位置坐标Xi，以及每个定位基站采集到的定位标签的距离信息，其中i在1至I区间内，定位基站数量为I个。

步骤S202，判断是否按照指定数量分组；指定数量为两个；

如果按照指定数量分组，那么执行步骤S203；如果不按照指定数量分组，那么执行步骤S204。

步骤S203，每两个定位基站生成一个基站组合，基于每个组合中采集的距离信息生成备选标签位置；执行下一个步骤S205；

步骤S204，每三个定位基站生成一个基站组合，基于每个组合中采集的距离信息生成备选标签位置；执行下一个步骤S205；

步骤S205，对备选标签位置进行聚类处理得到聚类结果，基于聚类结果从基站组合中筛选得到目标组合；

具体的，对M个备选标签位置进行聚类处理得到聚类结果，筛选出可以聚类的备选标签位置，根据聚类结果确定目标组合。

步骤S206，基于目标组合中采集的距离信息确定定位标签的位置；

具体的，根据目标组合中的定位基站采集到的距离信息，计算得到定位标签的位置。

步骤S206，结束。

一个实施例如图3所示，介绍了本公开上述S205步骤的具体实现方式。

步骤S301，输入N个基站组合及对应的M个备选标签位置；

具体的，输入N个基站组合，以及对应的M个备选标签位置，其中N小于M。

步骤S302，初始化聚类总次数C＝0，聚类结果是有效结果的次数Z＝0以及备选标签位置选中次数z_m＝0；

具体的，初始化聚类总次数C为0，聚类结果是有效结果的次数Z为0，以及每个备选标签位置选中次数z_m为0，其中m在1至M区间内。

步骤S303，判断聚类总次数C是否小于或等于第二次数阈值T1；

如果数C小于或等于T1，那么执行步骤S304；如果C大于T1，那么执行步骤S309；其中上限值T1越大，筛选性能越好，但是耗时越久，一般取值为10000次。

步骤S304，对备选标签位置进行聚类处理，记录聚类结果：元素个数J，元素mj，聚类半径r，当前聚类次数c；执行下一个步骤S305；

步骤S305，更新聚类总次数C＝C+c；

步骤S306，判断聚类结果中备选标签位置的数量J是否大于或等于预设数量阈值T2，且聚类结果中备选标签位置对应的聚类半径r是否小于或等于预设半径阈值T3；

如果J小于或等于T2，且r小于或等于T3，那么执行步骤S307；如果J大于T2，或r大于T3，那么执行步骤S303；其中下限值T2越大，筛选比率越高，更容易筛选出异常数据，但是也容易误删掉正常数据，所以，在设置时要均衡考虑，一般设置为3；上限值T3的值与距离精度相关，距离精度越高，该值越小，一般设置为1米。

步骤S307，聚类结果是有效结果的次数Z＝Z+1；

步骤S308，聚类结果中的备选标签位置的选中次数加1；执行下一个步骤S303；

步骤S309，计算每个备选标签位置的选中概率p_m＝z_m/Z；

具体的，对每个备选标签位置计算选中概率p_m＝z_m/Z，其中m在1至M区间内。

步骤S310，将选中概率大于预设概率阈值T4的备选标签位置所在的基站组合确定为目标组合；

具体的，筛选门限T4的值越大，筛选比率越高，更容易筛选出异常数据，但是也容易误删掉正常数据，所以，在设置时需要均衡考虑，一般设置为0.25。

步骤S311，输出目标组合；目标组合具体包括定位基站以及对应的定位数据，定位基站的数量至少为三个。

步骤S312，结束。

一个实施例如图4所示，介绍了本公开上述S304步骤的具体实现方式。

步骤S401，输入M个备选标签位置；

步骤S402，初始化聚类次数c＝1,备选标签位置个数m＝1,随机选择K个备选标签位置作为初始聚类中心；

步骤S403，基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类；

具体的，分别计算第m个备选标签位置到这K个聚类中心的距离，提取其中最小值对应的聚类中心，将备选标签位置归类到该聚类中心对应的位置类中。

步骤S404，更新备选标签位置个数m＝m+1；

步骤S405，判断m与M的大小关系；

如果m大于M，那么执行步骤S406；如果m小于或等于M，那么执行步骤S403；

步骤S406，更新聚类次数c＝c+1,并计算位置类中的备选标签位置的平均位置得到新的聚类中心；

步骤S407，计算每个位置类更新前后的聚类中心的中心距离，经过求和运算得到最终的中心距离δc；

具体的，对于每个位置类，计算初始的聚类中心与更新后的聚类中心的中心距离，并对所有位置类的中心距离求和，得到最终的中心距离δc。

步骤S408，判断中心距离δc是否大于预设距离阈值T5，且当前聚类次数c小于或等于第一次数阈值T0；

如果δc大于T5，且c小于或等于T0，那么执行步骤S409；如果δc小于或等于T5，或c大于T0，那么执行步骤S410；上限值T5的值越小，筛选性能越好，但是耗时越久，一般取值为0.01米。

步骤S409，初始化备选标签位置个数m＝1；执行下一个步骤S403；

步骤S410，将包含备选标签位置的数量最多个位置类确定为聚类结果，并记录：元素个数J，元素mj，聚类半径r，当前聚类次数c；

步骤S411，输出聚类结果；

步骤S412，结束。

本实施例将基站按照最小求解粒度进行分组并求解交点坐标，并根据交点的聚集特性，筛选出交点坐标可以聚集在一起的基站组合，这些基站组合涉及到的基站及对应的数据即为筛选后的定位数据。

一个实施例如图5所示，介绍了通过本公开的方案，在一定程度上筛选出定位数据中的异常值的具体实现方式。

一个示例中，将6个基站对应的真实距离和测量距离如下表，将测量距离绘制如下述表一所示。

表一

将该表一聚焦于真实距离X轴位于0至13、测量距离Y轴位于0至8的范围内，如图5所示，深蓝色的曲线即基站3测量数据远离交点筛选结果，也就是说，基站3对应的定位数据不经过这些聚类结果，所以，基站3测量数据异常。

对应于上述方法实施例，参见图6所示的一种定位系统示意图，该系统包括：

位置和距离获取模块601，用于获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；

基站组合生成模块602，用于基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；

备选标签位置生成模块603，用于基于基站组合中定位基站采集的距离信息，生成备选标签位置；

聚类结果筛选模块604，用于对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；

定位标签位置确定模块605，用于基于目标组合中定位基站采集的距离信息，确定定位标签的位置。

上述定位系统，获取多个定位基站的基站位置，以及定位基站采集到的定位标签的距离信息；基于多个定位基站的基站位置，生成基站组合；其中，基站组合中包括：多个定位基站中指定数量的定位基站；基于基站组合中定位基站采集的距离信息，生成备选标签位置；对备选标签位置进行聚类处理，得到聚类结果；基于聚类结果，从基站组合中筛选得到目标组合；基于目标组合中定位基站采集的距离信息，确定定位标签的位置。

该方式中，依据多个定位基站的基站位置生成基站组合，对基于距离信息生成的备选标签位置进行聚类处理，根据聚类结果从基站组合中筛选得到目标组合，进而确定定位标签的位置，该方式考虑到定位基站在定位计算过程中的基站位置，根据聚类结果确定定位基站和定位数据，提高了定位精确度。

上述基站组合生成模块，还用于对多个定位基站进行遍历，生成多个基站组合；其中，多个基站组合中包括：多个定位基站中任意一组指定数量的定位基站。

上述备选标签位置生成模块，还用于基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成多条曲线；将多条曲线的交点位置，确定为备选标签位置。

上述备选标签位置生成模块，还用于当基站组合中包括两个定位基站，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成两个圆圈；当基站组合中包括三个定位基站，基于基站组合中定位基站的基站位置以及定位基站采集的距离信息，生成两条双曲线。

上述聚类结果筛选模块，还用于从备选标签位置确定初始的聚类中心；基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类；其中，每个聚类中心对应一个位置类；位置类中包含至少一个备选标签位置；将包含备选标签位置的数量最多的位置类确定为聚类结果。

上述聚类结果筛选模块，还用于确定备选标签位置与聚类中心之间的距离参数，确定最小的距离参数对应的目标聚类中心；将备选标签位置分类至目标聚类中心对应的位置类。

上述装置还包括中心距离确定模块，用于基于位置类中的备选标签位置，更新位置类对应的聚类中心；确定初始的聚类中心与更新后的聚类中心的中心距离；基于中心距离以及当前聚类次数，确定是否继续执行下述目标步骤：基于备选标签位置与聚类中心的距离，对备选标签位置进行分类，得到至少一个位置类。

上述中心距离确定模块，还用于确定位置类中的备选标签位置的平均位置，将平均位置作为位置类的聚类中心。

上述中心距离确定模块，还用于针对每个位置类，确定位置类对应的初始的聚类中心与更新后的聚类中心的中心距离；将每个位置类对应的中心距离之和，确定为最终的中心距离。

上述中心距离确定模块，还用于当中心距离大于预设距离阈值，且当前聚类次数小于或等于第一次数阈值，继续执行目标步骤。

上述聚类结果中包括：一个位置类中的备选标签位置；上述聚类结果筛选模块，还用于基于聚类结果中备选标签位置的数量，以及聚类结果中备选标签位置对应的聚类半径，确定聚类结果是否是有效结果；如果聚类结果是有效结果，更新有效结果数量，并更新聚类结果中的备选标签位置的选中次数；其中，选中次数包括：备选标签位置位于聚类结果中的次数；基于选中次数和有效结果数量，确定备选标签位置的选中概率；将选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

上述聚类结果筛选模块，还用于如果聚类结果中备选标签位置的数量大于或等于预设数量阈值，且聚类结果中备选标签位置对应的聚类半径小于或等于预设半径阈值，确定聚类结果是有效结果。

上述聚类结果筛选模块，还用于基于聚类结果对应的当前聚类次数，更新聚类总次数；上述装置还包括第一判断模块，用于如果聚类结果不是有效结果，且聚类总次数小于或等于第二次数阈值，继续执行对备选标签位置进行聚类处理，得到聚类结果的步骤；如果聚类结果是有效结果，且聚类总次数小于或等于第二次数阈值，在更新有效结果数量，并更新选中次数之后，继续执行对备选标签位置进行聚类处理，得到聚类结果的步骤；如果聚类总次数大于第二次数阈值，执行下述步骤：基于选中次数和有效结果数量，确定备选标签位置的选中概率；将选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

上述聚类结果筛选模块，还用于将选中次数和有效结果数量的比值，确定为备选标签位置的选中概率。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本公开实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可以具体情况理解上述术语在本公开中的具体含义。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本公开的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本公开和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本公开的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

最后应说明的是：以上实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (15)

1.一种定位方法，其特征在于，所述方法包括：

获取多个定位基站的基站位置，以及所述定位基站采集到的定位标签的距离信息；

基于所述多个定位基站的基站位置，生成基站组合；其中，所述基站组合中包括：所述多个定位基站中指定数量的定位基站；

基于所述基站组合中定位基站采集的距离信息，生成备选标签位置；

对所述备选标签位置进行聚类处理，得到聚类结果；基于所述聚类结果，从所述基站组合中筛选得到目标组合；

基于所述目标组合中定位基站采集的距离信息，确定所述定位标签的位置。

2.根据权利要求1所述的方法，其特征在于，基于所述多个定位基站的基站位置，生成基站组合的步骤，包括：

对所述多个定位基站进行遍历，生成多个基站组合；其中，所述多个基站组合中包括：所述多个定位基站中任意一组指定数量的定位基站。

3.根据权利要求1所述的方法，其特征在于，基于所述基站组合中定位基站采集的距离信息，生成备选标签位置的步骤，包括：

基于所述基站组合中所述定位基站的基站位置以及所述定位基站采集的距离信息，生成多条曲线；

将所述多条曲线的交点位置，确定为备选标签位置。

4.根据权利要求3所述的方法，其特征在于，基于所述基站组合中所述定位基站的基站位置以及所述定位基站采集的距离信息，生成多条曲线的步骤，包括：

当所述基站组合中包括两个定位基站，基于所述基站组合中所述定位基站的基站位置以及所述定位基站采集的距离信息，生成两个圆圈；

当所述基站组合中包括三个定位基站，基于所述基站组合中所述定位基站的基站位置以及所述定位基站采集的距离信息，生成两条双曲线。

5.根据权利要求1所述的方法，其特征在于，对所述备选标签位置进行聚类处理，得到聚类结果的步骤，包括：

从所述备选标签位置确定初始的聚类中心；

基于所述备选标签位置与所述聚类中心的距离，对所述备选标签位置进行分类，得到至少一个位置类；其中，每个所述聚类中心对应一个位置类；所述位置类中包含至少一个备选标签位置；

将包含备选标签位置的数量最多的位置类确定为聚类结果。

6.根据权利要求5所述的方法，其特征在于，基于所述备选标签位置与所述聚类中心的距离，对所述备选标签位置进行分类，得到至少一个位置类的步骤，包括：

确定所述备选标签位置与所述聚类中心之间的距离参数，确定最小的所述距离参数对应的目标聚类中心；

将所述备选标签位置分类至所述目标聚类中心对应的位置类。

7.根据权利要求5所述的方法，其特征在于，将包含备选标签位置的数量最多的位置类确定为聚类结果的步骤之前，所述方法还包括：

基于所述位置类中的备选标签位置，更新所述位置类对应的聚类中心；

确定所述初始的聚类中心与更新后的聚类中心的中心距离；

基于所述中心距离以及当前聚类次数，确定是否继续执行下述目标步骤：基于所述备选标签位置与所述聚类中心的距离，对所述备选标签位置进行分类，得到至少一个位置类。

8.根据权利要求7所述的方法，其特征在于，基于所述位置类中的备选标签位置，更新所述位置类对应的聚类中心的步骤，包括：

确定所述位置类中的备选标签位置的平均位置，将所述平均位置作为所述位置类的聚类中心。

9.根据权利要求7所述的方法，其特征在于，确定所述初始的聚类中心与更新后的聚类中心的中心距离的步骤，包括：

针对每个位置类，确定所述位置类对应的初始的聚类中心与更新后的聚类中心的中心距离；

将每个所述位置类对应的中心距离之和，确定为最终的中心距离。

10.根据权利要求7所述的方法，其特征在于，基于所述中心距离以及当前聚类次数，确定是否继续执行下述目标步骤的步骤，包括：

当所述中心距离大于预设距离阈值，且当前聚类次数小于或等于第一次数阈值，继续执行所述目标步骤。

11.根据权利要求1所述的方法，其特征在于，所述聚类结果中包括：一个位置类中的备选标签位置；所述基于所述聚类结果，从所述基站组合中筛选得到目标组合的步骤，包括：

基于所述聚类结果中备选标签位置的数量，以及所述聚类结果中备选标签位置对应的聚类半径，确定所述聚类结果是否是有效结果；

如果所述聚类结果是有效结果，更新有效结果数量，并更新所述聚类结果中的备选标签位置的选中次数；其中，所述选中次数包括：所述备选标签位置位于聚类结果中的次数；

基于所述选中次数和所述有效结果数量，确定所述备选标签位置的选中概率；

将所述选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

12.根据权利要求11所述的方法，其特征在于，基于所述聚类结果中备选标签位置的数量，以及所述聚类结果中备选标签位置对应的聚类半径，确定所述聚类结果是否是有效结果的步骤，包括：

如果所述聚类结果中备选标签位置的数量大于或等于预设数量阈值，且所述聚类结果中备选标签位置对应的聚类半径小于或等于预设半径阈值，确定所述聚类结果是有效结果。

13.根据权利要求11所述的方法，其特征在于，基于所述聚类结果中备选标签位置的数量，以及所述聚类结果中备选标签位置对应的聚类半径，确定所述聚类结果是否是有效结果的步骤之前，所述方法还包括：基于所述聚类结果对应的当前聚类次数，更新聚类总次数；

所述方法还包括：如果所述聚类结果不是有效结果，且聚类总次数小于或等于第二次数阈值，继续执行对所述备选标签位置进行聚类处理，得到聚类结果的步骤；

如果所述聚类结果是有效结果，且聚类总次数小于或等于第二次数阈值，在更新有效结果数量，并更新所述选中次数之后，继续执行对所述备选标签位置进行聚类处理，得到聚类结果的步骤；

如果聚类总次数大于第二次数阈值，执行下述步骤：基于所述选中次数和所述有效结果数量，确定所述备选标签位置的选中概率；将所述选中概率大于预设概率阈值的备选标签位置所在的基站组合，确定为目标组合。

14.根据权利要求11所述的方法，其特征在于，基于所述选中次数和所述有效结果数量，确定所述备选标签位置的选中概率的步骤，包括：

将所述选中次数和所述有效结果数量的比值，确定为所述备选标签位置的选中概率。

15.一种定位系统，其特征在于，所述系统包括：

位置和距离获取模块，用于获取多个定位基站的基站位置，以及所述定位基站采集到的定位标签的距离信息；

基站组合生成模块，用于基于所述多个定位基站的基站位置，生成基站组合；其中，所述基站组合中包括：所述多个定位基站中指定数量的定位基站；

备选标签位置生成模块，用于基于所述基站组合中定位基站采集的距离信息，生成备选标签位置；

聚类结果筛选模块，用于对所述备选标签位置进行聚类处理，得到聚类结果；基于所述聚类结果，从所述基站组合中筛选得到目标组合；

定位标签位置确定模块，用于基于所述目标组合中定位基站采集的距离信息，确定所述定位标签的位置。