The invention provides a ray tracing aided Bayesian fingerprint positioning method and device. The method includes: calculating the reference signal strength of each AP at each reference point according to the transmitting power and the preset ray tracing algorithm of each wireless access point AP in the area to be located; for each AP, calculating the parameters of the Gaussian mixture model of the AP at the preset acquisition point and the reference signal strength of the AP according to the pre-acquired parameters of the AP at the preset acquisition point. And the preset probability distribution model formula is used to calculate the probability distribution model of the AP signal strength. When receiving the positioning request of the terminal which carries the detected signal strength of each AP at the point to be positioned, according to the signal strength probability distribution model of each AP and the detection signal strength of each AP, the Bayesian algorithm is used to confirm the model. Locate the location. By adopting the invention, the manpower consumption and the time consumption required for positioning are reduced.
【技术实现步骤摘要】
一种射线追踪辅助的贝叶斯指纹定位方法及装置
本申请涉及通信
,特别是涉及一种射线追踪辅助的贝叶斯指纹定位方法及装置。
技术介绍
室内位置服务因其巨大的社会和经济潜力而得到广泛的关注与研究。经预测,到2020年室内位置服务的市场将达到100亿美元。现如今,以全球定位系统、北斗为主的全球卫星定位系统技术发展已愈发成熟,能够提供精确的室外位置服务。但是在山谷、城市建筑密集区域以及室内环境下,障碍物的遮挡使得卫星定位信号的传播受到阻碍,卫星定位系统在这些环境下无法得到精准的定位结果。为了解决这些场景下的精准定位问题,多种基于无线信号的室内定位技术被相继提出,主要使用Wi-Fi(WirelessFidelity,基于IEEE802.11b标准的无线局域网)、蓝牙、超宽带等无线技术。其中,综合考虑技术普及度、定位环境布设成本与定位精度,Wi-Fi和蓝牙定位技术因为具有高技术普及度和低布设成本以及可以接受的定位精度得到了广泛商业应用。Wi-Fi和蓝牙定位中通常使用基于接收信号强度RSS的指纹匹配算法进行定位。指纹匹配算法:在待定位区域内采集各参考点处RSS数据,并将采集的RSS数据与其对应的各参考点坐标存储到指纹库中;服务器当接收到终端发送的携带有待定位点处的RSS的定位请求时,将待定位点处的RSS与指纹库进行匹配,得到定位结果。基于这种定位方式,需要在待定位区域内设置很对参考点并且要在每个参考点处采集大量的数据,耗费大量时间与人力。
技术实现思路
本申请实施例的目的在于提供一种射线追踪辅助的贝叶斯指纹定位方法及装置,以实现减少定位所需的人力消耗与时间消耗。具体技术方 ...
【技术保护点】
1.一种射线追踪辅助的贝叶斯指纹定位方法,其特征在于,所述方法包括:根据待定位区域中各无线访问接入点AP的发射功率和预设的射线追踪算法,计算所述各AP在所述待定位区域中各参考点处的参考信号强度;针对每一AP,根据预先获取到的该AP在预设采集点处的高斯混合模型的组成参数、该AP的参考信号强度和预设概率分布模型计算公式,计算该AP的信号强度概率分布模型,所述高斯混合模型表示该AP在所述预设采集点处的信号强度概率分布;当接收到终端发送的携带有所述各AP在待定位点处的检测信号强度的定位请求时,根据所述各AP的信号强度概率分布模型与所述各AP在待定位点处的检测信号强度,通过贝叶斯算法,确定所述待定位点位置。
【技术特征摘要】
1.一种射线追踪辅助的贝叶斯指纹定位方法,其特征在于,所述方法包括:根据待定位区域中各无线访问接入点AP的发射功率和预设的射线追踪算法,计算所述各AP在所述待定位区域中各参考点处的参考信号强度;针对每一AP,根据预先获取到的该AP在预设采集点处的高斯混合模型的组成参数、该AP的参考信号强度和预设概率分布模型计算公式,计算该AP的信号强度概率分布模型,所述高斯混合模型表示该AP在所述预设采集点处的信号强度概率分布;当接收到终端发送的携带有所述各AP在待定位点处的检测信号强度的定位请求时,根据所述各AP的信号强度概率分布模型与所述各AP在待定位点处的检测信号强度,通过贝叶斯算法,确定所述待定位点位置。2.根据权利要求1所述的方法,其特征在于,所述根据待定位区域中各无线访问接入点AP的发射功率和预设的射线追踪算法,计算所述各AP在所述待定位区域中各参考点处的参考信号强度,包括:针对每一AP,根据该AP的发射功率,确定该AP发出的信号强度;根据无线信号路径损耗计算公式、所述各参考点处对应的障碍物分布数据,计算该AP发出的信号在所述各参考点的信号强度损耗;根据该AP发出的信号强度和该AP发出的信号在所述各参考点的信号强度损耗,确定该AP在所述各参考点处的信号强度。3.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取在预设时长内,预设采集点处各AP信号强度的采样数据;针对每一AP,根据获取的该AP信号强度的采样数据、高斯混合模型公式和预设估计算法,确定该AP在所述预设采集点处的高斯混合模型的组成参数;所述高斯混合模型表示该AP在所述预设采集点处的信号强度概率分布。4.根据权利要求1所述的方法,其特征在于,所述根据所述各AP的信号强度概率分布模型与所述各AP在待定位点处的检测信号强度,通过贝叶斯算法,确定所述待定位点位置,包括:针对每一AP,根据该AP的信号强度概率分布模型与该AP在待定位点处的检测信号强度,计算在所述各参考点处该AP的信号强度为该AP的检测信号强度的先验概率;根据贝叶斯准则概率公式和计算出的各先验概率,计算各参考点为待定位点的参考概率;根据所述各参考点为待定位点的参考概率,确定所述各参考点为待定位点的概率;将概率最大的参考点确定为待定位点。5.根据权利要求4所述的方法,其特征在于,所述根据所述各参考点为待定位点的参考概率,确定所述各参考点为待定位点的概率,包括:针对每一参考点,计算所述各AP的检测信号强度对应的所述参考概率的乘积,得到的计算结果为...
【专利技术属性】
技术研发人员:邓中亮,王翰华,付潇,姚喆,刘雯,李晶,冷泽富,邢华帅,焦继超,
申请(专利权)人:北京邮电大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。