【技术实现步骤摘要】
一种基于5G信号的室内大型商场智能指纹定位方法
[0001]本申请涉及室内定位
，特别是涉及一种基于5G信号的室内大型商场智能指纹定位方法。
技术介绍
[0002]随着互联网的不断发展，各种线上的电子商务平台、基于各种生活服务的线上平台不断发展壮大，市场份额不断扩大，不断地蚕食着实体店、购物商城等传统消费模式的生存空间。对比之下传统消费模式各种弊端也更加明显。对顾客来说商场购物首先面临的就是停车难、寻车难的问题，购物时商店信息不能有效触达，陌生环境不能快速到达某处造成购物体验变差。因此，需要对目前的商场引入更加便利的定位导航系统，以便提高顾客的用户体验。
[0003]商场是一个复杂的环境，为了给顾客提供更好的导航服务，不论是商铺的导航还是停车场的导航，首要的是需要我们能够确定顾客的位置。一方面，室内定位技术包括无线信号交汇定位、数据库匹配定位、基于惯性传感器的推算定位和多传感器组合定位五类；其中，数据库匹配定位是通过现场采集到的信号与数据库内指纹信息进行匹配，来进行位置估计，定位精度较高。另一方面，随着逐渐进入...
【技术保护点】
【技术特征摘要】
1.一种基于5G信号的室内大型商场智能指纹定位方法，其特征在于，所述方法包括：获取目标商场内待定位终端当前采集的定位点的信号数据；采用混合滤波方法对所述定位点的信号数据进行数据清洗，获得清洗后的数据；基于离线阶段对所述目标商场的子区域划分结果，为所述清洗后的数据匹配子区域，并根据所属的子区域内的参考点，基于改进的自适应加权近邻算法进行位置解算，获得所述待定位终端的定位信息；向所述待定位终端反馈所述定位信息。2.根据权利要求1所述的方法，其特征在于，所述基于离线阶段对所述目标商场的子区域划分结果，为所述清洗后的数据匹配子区域，并根据所属的子区域内的参考点，基于改进的自适应加权近邻算法进行位置解算，获得所述待定位终端的定位信息的步骤，包括：基于离线阶段对所述目标商场的子区域划分结果，将所述清洗后的数据匹配到基站的覆盖区域内的第j个子区域中，将第j个子区域确定为所述定位点所属的子区域；若b
j
为第j个子区域的参考点个数，H为所属基站的覆盖区域的参考点个数，h为所属基站的覆盖区域的子区域个数，选择曼哈顿距离作为权值，解算所述定位点的定位坐标，即：所属的子区域内第v个参考点的曼哈顿距离权重计算如下：其中，RSRP为清洗后的数据，RSRP
‑
v为所属的子区域的第v个参考点的信号数据，RSRP
‑
a为所属的子区域的第a个参考点的信号数据，W
v
为所属的子区域的第v个参考点的曼哈顿距离权重；解算所述定位点的定位坐标为：其中，(x,y)为所述定位点的定位坐标，(x
v
,y
v
)为第v个参考点的定位坐标；若基于欧式距离与皮尔逊系数进行加权计算，计算所述所属的子区域中各参考点的欧式距离，将所述所属的子区域中b
j
个参考点的坐标，按曼哈顿距离从小到大排列；将距离最小为d1的参考点作为基点，计算剩余b
j
‑
1个参考点到所述基点的欧式距离：其中，d
v
为第v个参考点到所述基点的欧式距离，(x1,y1)为距离最小为d1的参考点的定位坐标；将超过预设距离阈值d
avg
的参考点删去，得到剩余的O个参考点；比较剩余的O
‑
1个参考点到所述基点的欧氏距离，将存在欧氏距离相等的参考点，采用
皮尔逊系数，对所述存在欧氏距离相等的参考点的信号数据进行归一化处理，计算所述存在欧氏距离相等的参考点的信号数据与所述清洗后的数据的相似度R
v
，公式为：式中，为所述清洗后的数据和第v个参考点的信号数据经归一化处理后计算出的内积，L为剩余的O个参考点中存在欧氏距离相等的参考点个数；根据剩余的O个参考点到所述基点的欧氏距离，以及所述存在欧氏距离相等的参考点的信号数据与所述清洗后的数据的相似度，进行加权计算，获得所述定位点的定位坐标，计算公式为；根据所述定位点的定位坐标和所述定位点所属的子区域，获得所述待定位终端的定位信息。3.根据权利要求1所述的方法，其特征在于，所述离线阶段对所述目标商场的子区域划分方式，包括：结合所述目标商场内基站的部署密度，对所述目标商场进行区域划分，确定各基站的覆盖区域；根据各基站接收到参考点反馈的信号数据进行分析，确定各所述基站的覆盖区域对应的人流量状态；根据各所述基站的覆盖区域对应的人流量状态，确定所述覆盖区域对应的子区域划分数目区间；根据所述覆盖区域对应的子区域划分数目区间，采用模糊C均值算法对所述覆盖区域的参考点进行聚类，结合误差平方和...
【专利技术属性】
技术研发人员：张晖，王炜馨，赵海涛，孙雁飞，朱洪波，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：
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。