无线局域网室内精确定位装置及定位算法

2024年9月22日发(作者：厨房定制多少钱一平方)

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(21)申请号 CN2.4

(22)申请日 2004.10.27

(71)申请人 上海宽鑫信息科技有限公司

地址 200232 上海市徐汇区东泉路188弄2号402室

(72)发明人 张毅斌 贺 郑中 应振宇 陈华东

(74)专利代理机构 上海东亚专利商标代理有限公司

代理人 童素珠

(51)

H04L29/12

G01S1/08

G01S11/06

(10)申请公布号 CN 1602020 A

(43)申请公布日 2005.03.30

权利要求说明书 说明书 幅图

(54)发明名称

无线局域网室内精确定位装置及定

位算法

(57)摘要

一种涉及无线信号传播领域的精确

定位装置及定位算法，尤指一种用于在室

内局域范围和空间垂直范围进行定位的无

线局域网室内精确定位装置及定位算法。

该系统由定位环境、定位感应点及定位设

备等系统组成，包括：定位感应器、定位

回传系统和定位感应点设计等硬件技术，

该无线局域网定位算法包括：基于概率分

布的基本定位算法、中值滤波算法、四向

滤波算法及定位点感应权重算法等。本发

明的优点是：该方法是基于无线局域网

Wireless Local Area Network上的终端定位

技术中所使用的定位算法，通过这项算法

技术，使得我们能够在无线局域网定位能

力上得到长足的提高，达3－5米左右；本

方法的作用非常明显，定位技术稳定、精

确高。

法律状态

法律状态公告日

法律状态信息

法律状态

权 利 要 求 说 明 书

1、一种无线局域网室内精确定位装置,该装置有定位环境、定位感应点及定位

设备,其特征在于包括:定位感应器、定位回传系统、定位感应器布置(1)、信号回传

无线局域网系统布置(2)和定位感应点设计(3),其中:

定位感应器布置(1)模块、信号回传无线局域网系统布置(2)和定位感应点设计(3)

模块分别与设计定位环境布置方案(4)模块相连接,设计定位环境布置方案(4)模块依

次与定位参数采集获取(5)模块、定位算法设计(6)模块及终端定位(7)模块相连接。

2、根据权利要求1所述的无线局域网室内精确定位装置,其特征在于:所述的终

端定位(7)包括:定期获取当前位置信息(8)模块、向中央定位服务器发送(9)模块、服

务器算法分析给出位置信息(10)模块、位置移动(11)模块及获取新位置相关多媒体

信息(12)模块,其中:

定期获取当前位置信息(8)模块依次与向中央定位服务器发送(9)模块、服务器算

法分析给出位置信息(10)模块、位置移动(11)模块及获取新位置相关多媒体信息(12)

模块相连接。

3、一种无线局域网室内精确定位算法,其特征在于:该无线局域网定位算法包括:

基于概率分布的基本定位算法、中值滤波算法、四向滤波算法及定位点感应权重算

法,该算法将无线局域网在区域范围内的信号量进行采集,形成一个经验值数据库的

数据集合,在这个数据集合中,每个需要定位的信号点都有一组数据,分别是周围信号

感应器在这个点四个方向上分别投影的信号数值,并将用户终端发出的当前信号数

值和经验值数据库中的数值进行匹配,然后得到可能概率大的定位点返回给用户;其

具体工作步骤主要是:

步骤1.环境布置

首先进行定位环境的布置,通过定位感应器,定位回传系统,定位感应点的布置设

计构建一个定位的环境;

步骤2.参数搜集

通过定位参数的获取,将环境中用于定位的参数进行搜集,形成定位的经验值数据

库;

步骤3.算法设计

进行定位算法的设计,算法是在定位系统出现时候为存在,根据不同的环境,不同

的用户需求,算法的参量需要进行调整;

步骤4.终端定位

实现终端的定位,用户终端在移动过程中和系统所布置的环境进行沟通,和系统服

务端沟通,通过位于终端上的应用程序,将位置信息和同位置信息相关的推送信息发

送到系统中。

4、根据权利要求3所述的无线局域网室内精确定位算法,其特征在于:所述的基

于概率分布的基本定位算法是:基于终端定位数据和通过采集大量基础信息点运算

得出的经验值数据,加以运算,得到不同点和目前定位点上各定位感应器采样强度的

联合概率,选取概率最大的经验值点作为基准定位点;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组S(16)模块及经验值数据库定位点数组ExS(17)模块

获取输入的采样结果数组S(16){rls1,rls2,rls3,......},其中rlsN为实际测量到的定

位感应器的强度;并获取输入经验值数据库定位点数组ExS(17){x,y,o,ls1,ls2,ls3,......};

步骤3.比对及计算

a).将采样结果数组S(16)与经验值数据库中的定位点数组

ExS(17){x,y,o,ls1,ls2,ls3,......}进行比对,其中{x,y,o}为经验值点坐标和方向,lsN为定

位感应器在该定位点的经验值分布数据;

b).进行基于Bayesian网络的概率计算(18)模块;

c).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在经验值

数据库任意定位点{x,y,o}的联合概率表(19)模块;

步骤4.排序及选取

a)、对联合概率进行排序(20)模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率大的定位点{x,y}(21)模块,并返回;

步骤5.结束(22)。

5、根据权利要求3所述的无线局域网室内精确定位算法,其特征在于:所述的中

值滤波算法是利用连续采样,选取具有稳定态的中间数值,进行基础矢量距离运算的

方法;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组

获得三次采样结果数组

S1{rls11,rls12,rls13,......},S2{rls21,rls22,rls23,......},S3{rls31,rls32,rls33,......},其中

rlsMN为第M次采样结果实际测量到的定位感应器的强度;其中:

a)、输入第一次采样结果数组S1(24)模块;

b)、输入第二次采样结果数组S2(25)模块;

c)、输入第三次采样结果数组S3(26)模块;

步骤3.选取中值

选取每个定位感应器三次采样结果的中值(27)模块;

步骤4.数组计算

组成临时采样结果数组(28)模块S’{rls1’,rls2’,rls3’,......},并进行计算;

步骤5.结束(22)。

6、根据权利要求3所述的无线局域网室内精确定位算法,其特征在于:所述的四

向滤波算法是:其经验值数据库中的经验值数值是采集特定点的四个方向的数值得

出的,在进行基础距离矢量匹配的时候,四个方向的数值将忽略方向进行运算,这个经

验值数据的选择通过比较,选取和当前终端定位数值中接近的方向数值;其具体工作

步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组(16)模块

获取输入的采样结果数组S(16){rls1,rls2,rls3,......},其中rlsN为实际测量到的定

位感应器的强度;

步骤3.获取定位点数组模块并输入选取与rlsN接近的方向数值lsN(30)模块

获取经验值数据库中的定位点数组ExS1(31){x,y,o1,ls1,ls2,ls3,......}模块,经验值

数据库中的定位点数组ExS2(32){x,y,o2,ls1,ls2,ls3,......}模块,经验值数据库中的定位

点数组ExS3(33){x,y,o3,ls1,ls2,ls3,......}模块,经验值数据库中的定位点数组

ExS4(34){x,y,o4,ls1,ls2,ls3,......}模块;输入选取与rlsN接近的方向数值lsN(30)模块,

组成临时定位点数组ExStmp{x,y,o’,ls1’,ls2’,ls3’,......}模块;

步骤4.比对

将采样结果数组S(16)与经验值数据库中的定位点数组

ExS1(31){x,y,o1,ls1,ls2,ls3,......},经验值数据库中的定位点数组

ExS2(32){x,y,o2,ls1,ls2,ls3,......},经验值数据库中的定位点数组

ExS3(33){x,y,o3,ls1,ls2,ls3,......},经验值数据库中的定位点数组

ExS4(34){x,y,o4,ls1,ls2,ls3,......}进行比对,其中{x,y}为经验值点坐标和方

向,{o1,o2,o3,o4}为经验值点的不同采样方向,lsN为定位感应器在该定位点的经验值

分布数据,;

步骤5.概率计算

a)、采样结果数组(16)模块的输出和选取与rlsN接近的方向数值lsN(30)模块的

输出均进入基于Bayesian网络的概率计算(18)模块,进行计算;

b).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在该定位

点{x,y,o}的联合概率表(19)模块;

步骤6.排序及选取

a)、对联合概率进行排序(20)模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率大的定位点{x,y}(21)模块,并返回;

步骤7.结束(22)。

7、根据权利要求3所述的无线局域网室内精确定位算法,其特征在于:所述的定

位点感应权重算法是:每个定位点周围都具有定位感应器,而这些感应器对定位点在

定位运算中所具有的权重不完全相同,定位感应器对相应的定位点具有重要的依据,

该算法就此进行优化;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组S(16)模块及经验值数据库带权值的定位点数组

ExS(36)模块

获取输入的采样结果数组S(16){rls1,rls2,rls3,......},其中rlsN为实际测量到的定

位感应器的强度;并获取输入经验值数据库带权值的定位点数组

ExS(36){x,y,o,ls1,ls2,ls3,......};

步骤3.比对及计算

a).将采样结果数组S(16)与经验值数据库中的定位点数组

ExS(17){x,y,o,ls1,ls2,ls3,......}进行比对,其中{x,y,o}为经验值点坐标和方向,lsN为定

位感应器在该定位点的经验值分布数据,psN为定位感应器在该点的权值;

b).进行基于Bayesian网络带权值的概率计算(37)模块;

c).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在经验值

数据库任意定位点{x,y,o}的联合概率表(19)模块;

步骤4.排序及选取

a)、对联合概率进行排序(20)模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率大的定位点{x,y}(21)模块,并返回;

步骤5.结束(22)。

说 明 书

技术领域

本发明涉及一种无线信号传播领域的精确定位装置及定位算法,尤指一种用于在室

内局域范围和空间垂直范围进行定位的无线局域网室内精确定位装置及定位算法。

背景技术

定位技术一向是被热衷研究的技术之一,目前用于位置服务的技术已经发展了几代,

最多的是被称为GPS(GlobalPositionSystem)的全球位置系统,这种依靠24颗在空中

漫游的GPS卫星给全球用户提供位置服务的系统,对大量需要定位位置的人提供了

关键的信息,解决了野外位置确定和轨迹跟踪等问题。而近些年来,基于RF的广域

蜂窝网络定位技术有了长足的进步,它利用在城市内覆盖面广,接受精度高的特点,采

用了测量信号衰减,测量到达角(AOA),时差分析(TDOA)的方法,逐步提高了定位精

度,把城市内的定位应用推向了实用化,特别是其终端设备—手机的普及化和对终端

设备的要求不如GPS这么高的特性,使得普通用户在低成本指出的情况下即能享用

到定位服务,迅速推广成为了可能,例如在日本的KDDI公司采用高同公司所开发的

技术,业已提供了100项不同的基于位置服务的技术,家长可以利用手机追踪其孩子

在公园的位置,手机用户可以找到东京银座减价促销的商品等。在韩国,也有大约

200万市民利用蜂窝网络的无线定位服务来寻觅附近朋友或方便的咖啡厅来聚会。

虽然定位技术得到了长足的发展,在市场上获得了成功,得到了收益,但目前的定位技

术所能达到的精度还不是很高,不管是GPS还是基于2.5G移动通讯技术的定位技术,

基本只能在50米范围左右进行定位,所以使用场合局限在室外和部分室内,技术上的

局限限制了应用的发展,室内进行信息和位置信息互动的应用在这些技术的基础上

无法实施。

发明内容

为了克服上述不足之处,本发明的主要目的旨在提供一种新的、一套有效的算法分

析方法和理论,可在室内局域范围和空间垂直范围进行精确的定位装置及定位算法,

该方法是基于无线局域网WirelessLocalAreaNetwork上的终端定位技术中所使用的

定位算法,通过这项算法技术,能够在无线局域网定位能力上得到长足提高的无线局

域网室内精确定位装置及定位算法。

本发明要解决的技术问题是:要解决无线局域网技术和信号传播技术中的相关软硬

件问题,要解决在无线局域网定位中,信号的输入参数不丰富,信号的匹配方式也看似

简单,但是在实际情况中却不是如此的情况,在实际情况下存在着如下情况:

1、信号在测试中和在实际定位中会有一定的人为因素引起信号漂移;

2、环境对信号的影响不可忽视,包括周围人群的疏密,温度湿度的变化;

3、不同的点可能会有非常类似的信号数值;

这些问题的存在,使得定位算法的作用非常明显,本专利要解决一套有效的算法分析

方法和理论等技术问题。

本发明解决其技术问题所采用的技术方案是:该系统由定位环境、定位感应点及定

位设备等系统组成,包括:定位感应器、定位回传系统、定位感应器布置、信号回传

无线局域网系统布置和定位感应点设计,其中:

定位感应器布置模块、信号回传无线局域网系统布置和定位感应点设计模块分别与

设计定位环境布置方案模块相连接,设计定位环境布置方案模块依次与定位参数采

集获取模块、定位算法设计模块及终端定位模块相连接。

所述的无线局域网室内精确定位装置的终端定位包括:定期获取当前位置信息模块、

向中央定位服务器发送模块、服务器算法分析给出位置信息模块、位置移动模块及

获取新位置相关多媒体信息模块,其中:

定期获取当前位置信息模块依次与向中央定位服务器发送模块、服务器算法分析给

出位置信息模块、位置移动模块及获取新位置相关多媒体信息模块相连接。

无线局域网定位算法的基本原理是:将无线局域网在区域范围内的信号量进行采集,

形成一个称为经验值数据库的数据集合,在这个数据集合中,每个需要定位的信号点

都有一组数据,分别是周围信号感应器在这个点四个方向上分别投影的信号数值。

在实际定位的时候,将用户终端发出的当前信号数值和经验值数据库中的数值进行

匹配,然后得到可能概率最大的定位点返回给用户。

一种无线局域网室内精确定位算法,该无线局域网定位算法包括:基于概率分布的基

本定位算法、中值滤波算法、四向滤波算法及定位点感应权重算法等,该算法将无

线局域网在区域范围内的信号量进行采集,形成一个经验值数据库的数据集合,在这

个数据集合中,每个需要定位的信号点都有一组数据,分别是周围信号感应器在这个

点四个方向上分别投影的信号数值,并将用户终端发出的当前信号数值和经验值数

据库中的数值进行匹配,然后得到可能概率最大的定位点返回给用户;其具体工作步

骤主要是:

步骤1.环境布置

系统首先进行定位环境的布置,通过定位感应器,定位回传系统,定位感应点的布置设

计构建一个定位的环境;

步骤2.参数搜集

通过定位参数的获取,将环境中即将用于定位的参数进行搜集,形成定位的经验值数

据库;

步骤3.算法设计

进行定位算法的设计,算法是在定位系统出现时候即存在,但根据不同的环境,不同的

用户需求,这些算法的参量需要进行一系列调整,用于适应变化多端的周围环境;

步骤4.终端定位

实现终端的定位,用户终端在移动过程中和系统所布置的环境进行沟通,和系统服务

端沟通,通过位于终端上的应用程序,将位置信息和同位置信息相关的推送信息发送

到系统中。

所述的无线局域网室内精确定位算法的基于概率分布的基本定位算法是:基于终端

定位数据和通过采集大量基础信息点运算得出的经验值数据,加以运算,得到不同点

和目前定位点上各定位感应器采样强度的联合概率,选取概率最大的经验值点作为

基准定位点;其具体工作步骤是:

步骤1.开始

步骤2.输入采样结果数组S模块及经验值数据库定位点数组ExS模块

获取输入的采样结果数组S{rls1,rls2,rls3,......},其中rlsN为实际测量到的某定位感应

器的强度;并获取输入经验值数据库定位点数组ExS{x,y,o,ls1,ls2,ls3,......};

步骤3.比对及计算

a).将采样结果数组S与经验值数据库中的定位点数组ExS{x,y,o,ls1,ls2,ls3,......}进行

比对,其中{x,y,o}为经验值点坐标和方向,lsN为定位感应器在该定位点的经验值分

布数据;

b).进行基于Bayesian网络的概率计算模块;

c).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在经验值数

据库任意定位点{x,y,o}的联合概率表模块;

步骤4.排序及选取

a)、对联合概率进行排序模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率最大的定位点{x,y}模块,并返回;

步骤5.结束。

所述的无线局域网室内精确定位算法的中值滤波算法是利用连续采样,选取最具有

稳定态的中间数值,进行基础矢量距离运算的方法,提高定位点的准确度,减少偏移量;

其具体工作步骤是:

步骤1.开始

步骤2.输入采样结果数组

获得三次采样结果数组

S1{rls11,rls12,rls13,......},S2{rls21,rls22,rls23,......},S3{rls31,rls32,rls33,......},其中

rlsMN为第M次采样结果实际测量到的某定位感应器的强度;其中:

a)、输入第一次采样结果数组S1模块;

b)、输入第二次采样结果数组S2模块;

c)、输入第三次采样结果数组S3模块;

步骤3.选取中值

选取每个定位感应器三次采样结果的中值模块;

步骤4.数组计算

组成临时采样结果数组模块S’{rls1’,rls2’,rls3’,......},并进行计算;

步骤5.结束。

所述的无线局域网室内精确定位算法的四向滤波算法是:其经验值数据库中的经验

值数值是采集特定点的四个方向的数值得出的,在进行基础距离矢量匹配的时候,四

个方向的数值将忽略方向进行运算,这个经验值数据的选择通过比较,选取和当前终

端定位数值中最接近的方向数值;其具体工作步骤是:

步骤1.开始

步骤2.输入采样结果数组模块

获取输入的采样结果数组S{rls1,rls2,rls3,......},其中rlsN为实际测量到的某定位感应

器的强度;

步骤3.获取定位点数组模块并输入选取与rlsN最接近的方向数值lsN模块

获取经验值数据库中的定位点数组ExS1{x,y,o1,ls1,ls2,ls3,......}模块,经验值数据库

中的定位点数组ExS2{x,y,o2,ls1,ls2,ls3,......}模块,经验值数据库中的定位点数组

ExS3{x,y,o3,ls1,ls2,ls3,......}模块,经验值数据库中的定位点数组

ExS4{x,y,o4,ls1,ls2,ls3,......}模块;输入选取与rlsN最接近的方向数值lsN模块,并组

成临时定位点数组ExStmp{x,y,o’,ls1’,ls2’,ls3’,......}模块;

步骤4.比对

将采样结果数组S与经验值数据库中的定位点数组ExS1{x,y,o1,ls1,ls2,ls3,......},经

验值数据库中的定位点数组ExS2{x,y,o2,ls1,ls2,ls3,......},经验值数据库中的定位点

数组ExS3{x,y,o3,ls1,ls2,ls3,......},经验值数据库中的定位点数组

ExS4{x,y,o4,ls1,ls2,ls3,......}进行比对,其中{x,y}为经验值点坐标和方向,{o1,o2,o3,o4}

为经验值点的不同采样方向,lsN为定位感应器在该定位点的经验值分布数据;

步骤5.概率计算

a)、采样结果数组模块的输出和选取与rlsN最接近的方向数值lsN模块的输出均进

入基于Bayesian网络的概率计算模块,进行计算;

b).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在该定位点

{x,y,o}的联合概率表模块;

步骤6.排序及选取

a)、对联合概率进行排序模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率最大的定位点{x,y}模块,并返回;

步骤7.结束。

所述的无线局域网室内精确定位算法的定位点感应权重算法是:每个定位点周围都

具有多个定位感应器,而这些感应器对定位点在定位运算中所具有的权重不完全相

同,某些定位感应器对相应的定位点具有更重要的依据,该算法就此进行优化,提高定

位能力;其具体工作步骤是:

步骤1.开始

步骤2.输入采样结果数组S模块及经验值数据库带权值的定位点数组ExS模块

获取输入的采样结果数组S{rls1,rls2,rls3,......},其中rlsN为实际测量到的某定位感应

器的强度;并获取输入经验值数据库带权值的定位点数组ExS{x,y,o,ls1,ls2,ls3,......};

步骤3.比对及计算

a).将采样结果数组S与经验值数据库中的定位点数组ExS{x,y,o,ls1,ls2,ls3,......}进行

比对,其中{x,y,o}为经验值点坐标和方向,lsN为定位感应器在该定位点的经验值分

布数据,psN为定位感应器在该点的权值;

b).进行基于Bayesian网络带权值的概率计算模块;

c).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在经验值数

据库任意定位点{x,y,o}的联合概率表模块;

步骤4.排序及选取

a)、对联合概率进行排序模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率最大的定位点{x,y})模块,并返回;

步骤5.结束。

本发明的有益效果是:该方法是基于无线局域网WirelessLocalAreaNetwork上的终端

定位技术中所使用的定位算法,通过这项算法技术,使得我们能够在无线局域网定位

能力上得到长足的提高,达3-5米左右;本方法的作用非常明显,好的定位算法将带来

定位技术稳定性、精确性的大幅提高。

附图说明

下面结合附图说明和实施例对本发明进一步说明。

附图1为本发明的精确定位方法流程方框图;

附图2为本发明基于概率分布的基本定位算法的流程方框图;

附图3为本发明中值滤波算法的流程方框图;

附图4为本发明四向滤波算法的流程方框图;

附图5为本发明定位点感应权重算法的流程方框图;

附图标号说明:

1-定位感应器布置;

2-信号回传无线局域网系统布置;

3-定位感应点设计;

4-设计定位环境布置方案;

5-定位参数采集获取;

6-定位算法设计;

7-终端定位;

8-定期获取当前位置信息;

9-向中央定位服务器发送;

10-服务器算法分析给出位置信息;

11-位置移动?

12-获取新位置相关多媒体信息;

15-开始;

16-采样结果数组S;

17-经验值数据库定位点数组ExS;

18-基于Bayesian网络的概率计算;

19-S在经验值数据库任意定位点{x,y,o}的联合概率表;

20-对联合概率进行排序;

21-选取概率最大的定位点{x,y};

22-结束;

24-采样结果数组S1;

25-采样结果数组S2;

26-采样结果数组S3;

27-选取每个定位感应器三次采样结果的中值;

28-组成临时采样结果数组;

30-选取与rlsN最接近的方向数值lsN;

31-经验值数据库中的定位点数组ExS1;

32-经验值数据库中的定位点数组ExS2;

33-经验值数据库中的定位点数组ExS3;

34-经验值数据库中的定位点数组ExS4;

36-经验值数据库带权值的定位点数组ExS;

37-基于Bayesian网络带权值的概率计算;

具体实施方式:

请参阅附图1所示,本发明由定位环境、定位感应点及定位设备等系统组成,该系统

包括:定位感应器、定位回传系统、定位感应器布置(1)、信号回传无线局域网系统

布置(2)和定位感应点设计(3)等技术,其中:

定位感应器布置(1)模块、信号回传无线局域网系统布置(2)和定位感应点设计(3)模

块分别与设计定位环境布置方案(4)模块相连接,设计定位环境布置方案(4)模块依次

与定位参数采集获取(5)模块、定位算法设计(6)模块及终端定位(7)模块相连接。

所述的无线局域网室内精确定位装置的终端定位(7)包括:定期获取当前位置信息(8)

模块、向中央定位服务器发送(9)模块、服务器算法分析给出位置信息(10)模块、位

置移动(11)模块及获取新位置相关多媒体信息(12)模块等模块,其中:

定期获取当前位置信息(8)模块依次与向中央定位服务器发送(9)模块、服务器算法

分析给出位置信息(10)模块、位置移动(11)模块及获取新位置相关多媒体信息(12)模

块相连接。

请参阅附图1、2、3、4、5所示,无线局域网定位算法的基本原理是:将无线局域网

在区域范围内的信号量进行采集,形成一个称为经验值数据库的数据集合,在这个数

据集合中,每个需要定位的信号点都有一组数据,分别是周围信号感应器在这个点四

个方向上分别投影的信号数值。在实际定位的时候,将用户终端发出的当前信号数

值和经验值数据库中的数值进行匹配,然后得到可能概率最大的定位点返回给用户。

一种无线局域网室内精确定位算法,该无线局域网定位算法包括:基于概率分布的基

本定位算法、中值滤波算法、四向滤波算法及定位点感应权重算法,该算法将无线

局域网在区域范围内的信号量进行采集,形成一个经验值数据库的数据集合,在这个

数据集合中,每个需要定位的信号点都有一组数据,分别是周围信号感应器在这个点

四个方向上分别投影的信号数值,并将用户终端发出的当前信号数值和经验值数据

库中的数值进行匹配,然后得到可能概率最大的定位点返回给用户;其具体工作步骤

主要是:

步骤1.环境布置

系统首先进行定位环境的布置,通过定位感应器,定位回传系统,定位感应点的布置设

计构建一个定位的环境;

步骤2.参数搜集

通过定位参数的获取,将环境中即将用于定位的参数进行搜集,形成定位的经验值数

据库;

步骤3.算法设计

进行定位算法的设计,算法是在定位系统出现时候即存在,但根据不同的环境,不同的

用户需求,这些算法的参量需要进行一系列调整,用于适应变化多端的周围环境;

步骤4.终端定位

实现终端的定位,用户终端在移动过程中和系统所布置的环境进行沟通,和系统服务

端沟通,通过位于终端上的应用程序,将位置信息和同位置信息相关的推送信息发送

到系统中。

请参阅附图2所示,所述的无线局域网室内精确定位算法的基于概率分布的基本定

位算法是:基于终端定位数据和通过采集大量基础信息点运算得出的经验值数据,加

以运算,得到不同点和目前定位点上各定位感应器采样强度的联合概率,选取概率最

大的经验值点作为基准定位点;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组S(16)模块及经验值数据库定位点数组ExS(17)模块

获取输入的采样结果数组S(16){rls1,rls2,rls3,......},其中rlsN为实际测量到的某定位

感应器的强度;并获取输入经验值数据库定位点数组ExS(17){x,y,o,ls1,ls2,ls3,......};

步骤3.比对及计算

a).将采样结果数组S(16)与经验值数据库中的定位点数组

ExS(17){x,y,o,ls1,ls2,ls3,......}进行比对,其中{x,y,o}为经验值点坐标和方向,lsN为定

位感应器在该定位点的经验值分布数据;

b).进行基于Bayesian网络的概率计算(18)模块;

c).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在经验值数

据库任意定位点{x,y,o}的联合概率表(19)模块;

步骤4.排序及选取

a)、对联合概率进行排序(20)模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率最大的定位点{x,y}(21)模块,并返回;

步骤5.结束(22)。

请参阅附图3所示,所述的无线局域网室内精确定位算法的中值滤波算法是利用连

续采样,选取最具有稳定态的中间数值,进行基础矢量距离运算的方法,提高定位点的

准确度,减少偏移量;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组

获得三次采样结果数组

S1{rls11,rls12,rls13,......},S2{rls21,rls22,rls23,......},S3{rls31,rls32,rls33,......},其中

rlsMN为第M次采样结果实际测量到的某定位感应器的强度;其中:

a)、输入第一次采样结果数组S1(24)模块;

b)、输入第二次采样结果数组S2(25)模块;

c)、输入第三次采样结果数组S3(26)模块;

步骤3.选取中值

选取每个定位感应器三次采样结果的中值(27)模块;

步骤4.数组计算

组成临时采样结果数组(28)模块S’{rls1’,rls2’,rls3’,......},并进行计算;

步骤5.结束(22)。

请参阅附图4所示,所述的无线局域网室内精确定位算法的四向滤波算法是:其经验

值数据库中的经验值数值是采集特定点的四个方向的数值得出的,在进行基础距离

矢量匹配的时候,四个方向的数值将忽略方向进行运算,这个经验值数据的选择通过

比较,选取和当前终端定位数值中最接近的方向数值;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组(16)模块

获取输入的采样结果数组S(16){rls1,rls2,rls3,......},其中rlsN为实际测量到的某定位

感应器的强度;

步骤3.获取定位点数组模块并输入选取与rlsN最接近的方向数值lsN(30)模块

获取经验值数据库中的定位点数组ExS1(31){x,y,o1,ls1,ls2,ls3,......}模块,经验值数据

库中的定位点数组ExS2(32){x,y,o2,ls1,ls2,ls3,......}模块,经验值数据库中的定位点数

组ExS3(33){x,y,o3,ls1,ls2,ls3,......}模块,经验值数据库中的定位点数组

ExS4(34){x,y,o4,ls1,ls2,ls3,......}模块;输入选取与rlsN最接近的方向数值lsN(30)模

块,并组成临时定位点数组ExStmp{x,y,o’,ls1’,ls2’,ls3’,......}模块;

步骤4.比对

将采样结果数组S与经验值数据库中的定位点数组ExS1(31){x,y,o1,ls1,ls2,ls3,......},

经验值数据库中的定位点数组ExS2(32){x,y,o2,ls1,ls2,ls3,......},经验值数据库中的定

位点数组ExS3(33){x,y,o3,ls1,ls2,ls3,......},经验值数据库中的定位点数组

ExS4(34){x,y,o4,ls1,ls2,ls3,......}进行比对,其中{x,y}为经验值点坐标和方

向,{o1,o2,o3,o4}为经验值点的不同采样方向,lsN为定位感应器在该定位点的经验值

分布数据,;

步骤5.概率计算

a)、采样结果数组(16)模块的输出和选取与rlsN最接近的方向数值lsN(30)模块的输

出均进入基于Bayesian网络的概率计算(18)模块,进行计算;

b).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在该定位点

{x,y,o}的联合概率表(19)模块;

步骤6.排序及选取

a)、对联合概率进行排序(20)模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率最大的定位点{x,y}(21)模块,并返回;

步骤7.结束(22)。

请参阅附图5所示,所述的无线局域网室内精确定位算法的定位点感应权重算法是:

每个定位点周围都具有多个定位感应器,而这些感应器对定位点在定位运算中所具

有的权重不完全相同,某些定位感应器对相应的定位点具有更重要的依据,该算法就

此进行优化,提高定位能力;其具体工作步骤是:

步骤1.开始(15)

步骤2.输入采样结果数组S(16)模块及经验值数据库带权值的定位点数组(36)模块

获取输入的采样结果数组S(16){rls1,rls2,rls3,......},其中rlsN为实际测量到的某定位

感应器的强度;并获取输入经验值数据库带权值的定位点数组

ExS(36){x,y,o,ls1,ls2,ls3,......};

步骤3.比对及计算

a).将采样结果数组S(16)与经验值数据库中的定位点数组

ExS(17){x,y,o,ls1,ls2,ls3,......}进行比对,其中{x,y,o}为经验值点坐标和方向,lsN为定

位感应器在该定位点的经验值分布数据,psN为定位感应器在该点的权值;

b).进行基于Bayesian网络带权值的概率计算(37)模块;

c).计算数组S在经验值数据库任意定位点{x,y,o}的联合概率,并得出S在经验值数

据库任意定位点{x,y,o}的联合概率表(19)模块;

步骤4.排序及选取

a)、对联合概率进行排序(20)模块

将所有数组S在经验值数据库定位点数组的联合概率进行排序;

b)、选取概率最大的定位点{x,y})(21)模块,并返回;

步骤5.结束(22)。

作为被广泛接受的一项新兴技术,WIFI技术如今风头正劲,技术不断发展,速度不断

提升,使用其简化上网手续,提升上网品质的案例比比皆是,随着使用人群数量的不断

提升,使用用户依赖度的增加,这项无线局域网技术已经开始走进我们的日常生活,成

为像电视,电线,网络一样的基础电信服务网络的一部分,给我们带来了更多可以发挥

想象力的空间.虽然现在无线局域网技术尚未达到象手机网络,电网如此普遍,但其高

速,易用的平民化服务能力已经被广泛接受,成为下一代网络的一个重要的可选标准。

一项需要普及的技术,包括我们现在谈论的定位技术,都是要具有足够的受众人群,才

能使实际使用成为现实可能,而无线局域网技术在近几年的的迅速普及,使得利用

WLAN的局域化定位成为了可能,目前无线局域网在全世界已经形成了一个广泛的

定位局端覆盖网络,在美国,日本,韩国,中国,繁华城市中已经慢慢地逐步铺设成一张

可以在未来同GSM,3G竞争的服务性网络,正是这张大网的存在,孕育了众多使用高

带宽局域上网的用户,而这些用户,就能够享用到比GPS,CDMA1X等更灵活,定位精

度更高,可以在局域环境下使用的网络。