专利交易市场

本发明公开了一种基于动态环境的自适应室内融合定位方法，首先，基于CIR进行离线阶段的定位点参数采集；基于5G定位基站对待测定位目标进行参数获取及分析；其次，基于多边定位法和CIR指纹定位法对待测目标定位，并对预测位置和实际位置进行误差分析；以多边定位法测量的位置为测试值，CIR指纹定位法预测的位置为预测值，根据两者的误差，进行基于均方误差的融合计算，估算最优的位置；最后，基于室内环境变化自适应的融合定位。本发明能够通过检测室内的变化，从而进行5G定位基站切换与误差修正，使得定位模型在适应环境变化的同时提高预测准确率。

本发明公开了一种连续定位方法，包括：一、数据准备：对建筑物中的每一层及建筑物出口处划分指纹点，然后进行指纹采集；二、根据指纹间的相似度聚类；三、对聚类区域加上连通信息；四、外部传感器激励；五、构建HMM模型。本发明利用wifi指纹匹配、聚类、基于HMM的viterbi算法及楼层切换激励等手段对连续动态环境下的楼层识别效果进行改善；能提升连续定位的平滑性、降低定位误差；定位连续性可以得到优化；楼层判断的效果会得到优化；楼层切换的稳定性可以得到优化，提升楼层切换的体验；楼层判断的效率会得到提升。

本发明公开了一种基于地磁基准线的定位方法及装置，其中方法包括如下步骤：获取预设时间段T内的不同位置处的磁场强度值；根据移动终端获取的定位节点的信号强度获取距离所述移动终端用户最近的定位节点，每个所述定位节点挂载至少一条地磁基准线，所述地磁基准线包括起始点坐标、基准线编号、K个地磁点、及每个地磁点对应的坐标和地磁强度值；利用所述移动终端获取距离当前用户的移动方向最近的所述定位节点上地磁基准线，将所述时间段T内的不同位置处的磁场强度与当前用户移动方向上的地磁基准线进行匹配计算获取该用户当前位置的坐标。本发明通过将用户的计步点拼接新的地磁基准线有效的解决了地磁匹配在大范围内区分度不明显造成的建筑物、楼层无法区分，定位精度低的问题。

本发明公开了一种结合蓝牙Beacon与智能手机的室内定位系统及其定位方法，所述系统包括蓝牙Beacon、智能手机、服务器；所述智能手机集成加速计、地磁计模块，且具备网络功能，能够在征得用户许可后通过3G、4G或者WiFi与服务器连接上传位置数据；所述服务器，获取上传来的用户位置数据后，按照系统设计者需求对该数据进行处理。所述方法包括：部署蓝牙Beacon、设定初始位置；用户打开蓝牙并执行客户端应用，实时定位并监测蓝牙Beacon信号；用户监测到预部署Beacon信号，判断距离是否在阈值内，若是则执行滤波算法；并将智能手机的蓝牙模块设置为全双工模式；征得用户许可后，将定位结果上传至服务器。本发明方法保证了误差在5米以内的定位精度，且部署成本低。

本申请公开了一种室内定位方法、装置、介质及电子设备，该方法包括：获取待测点接收到的信号强度信息，并将所述信号强度信息通过滤波处理获得信号强度向量矩阵，其中，所述信号强度信息包括信号强度和所述信号强度对应的信号方向；基于预设算法将所述信号强度向量矩阵转换为距离向量矩阵；从预设的距离向量矩阵数据库中选取与所述距离向量矩阵对应的目标参考点，所述预设的距离向量矩阵数据库包括多个距离向量矩阵和多个参考点，所述多个距离矩阵向量和所述多个参考点一一对应；根据所述目标参考点确定所述待测点的位置坐标。可提高定位时的抗干扰能力，从而使室内定位的结果更加稳定和精准。

本发明提出一种基于多径辅助的室内定位方法。首先，利用多径信号的差分TOF构建关于散射体以及目标位置的目标方程；然后，利用粒子群优化(Particle Swarm Optimization,PSO)算法对散射体位置以及目标位置进行联合搜索，其中利用散射体与目标的AOA及房间尺寸大小确定搜索范围，减小搜索空间；其次，选取搜索到的散射体以及对应的差分TOF构建定位方程，对方程进行线性化后求解目标位置。最后，对所有散射体估计到的目标位置进行聚类检测检测散射体中的离群点，当出现离群散射体时重新进行上述步骤直到不出现离群点，此时将搜索到的目标位置作为最终估计值。该发明方法有效地利用了多径信号并且消除了相位误差的影响，实现了单站定位。

本发明提供了一种基于深度神经网络的室内定位系统及方法，涉及人工智能技术领域，本发明以神经网络芯片为核心，利用摄像头，温度传感器，湿度传感器，与移动终端进行所需数据收集；通过互联网，路由器传输所需数据；使用定位服务器进行数据预处理，数据存储；最后由神经网络芯片完成神经网络模型训练，寻找最优权重值，生成指纹信息以及确定定位点等任务。本发明相较于传统室内定位系统及方法，可适用于更复杂环境并可实现更精准定位，具有较高实用价值。

本发明提供的一种具备主动式寻物功能的家用无线路由系统，该系统可对通过WIFI接入的设备进行主动式实时定位，本发明所提出的主动式WIFI定位方法，是由路由系统主动发起的对接入设备的定位，无需用户干预，这种模式更能满足实际生活中用户在房间内寻找设备的需求。另外，将位置计算这一过程从被定位设备转移到了路由系统中，能有效提高设备的使用时间。

本发明公开了一种基于半张量积压缩感知(Semi‑tensor Product Compression Sensing，STP‑CS)的室内定位方法。首先，在目标区域内部署和标定若干个位置已知的接入点(Access Point，AP)和参考点(Reference Point，RP)；其次，采集每一个RP的接收信号强度(Received SignalStrength，RSS)数据，然后对采集的RSS数据进行聚类，并找到聚类中心；再次，在在线阶段进行聚类匹配的粗定位，将在线测量的RSS与聚类中心比较，判断在线测量的RSS位于哪一个聚类中，从而缩小定位的区域；最后，利用半张量积理论，构造一个低阶的AP选择矩阵，然后利用STP‑CS方法构造STP‑CS模型，再通过迭代重加权最小二乘(Iterative Re‑weighted Least Square，IRLS)算法实现对位置的估计。本发明专利利用半张量理论构造低阶的随机测量矩阵，从而提出了一种基于半张量积压缩感知的室内定位方法，其在保证定位精度的同时，降低了开销，提高了定位的实时性。

本发明涉及一种用于室内定位WiFi指纹库设备异构性的消除技术，包括步骤：对室内定位WiFi指纹与室内布置和天气状况之间的关系进行建模，综合计算WiFi信号强度固定值、由于阴影产生的对数损耗值、小尺度衰减效应影响值及环境温度影响值，得到WiFi指纹信息；利用高斯核函数消除指纹测量值分散性；通过层次聚类算法消除指纹噪声。本发明的有益效果是：通过分析室内定位WiFi指纹库设备异构性与室内物理布局及天气状况之间的关系，设计一种能自适应不同环境动态变化的WiFi指纹特征，通过基于核函数方法刻画异构设备信号强度分布及其特征，消除指纹测量值的分散性。本发明提出的方法能够基于层次聚类消除室内定位WiFi指纹存在的设备异构性，有效提升定位精确度。

本发明公开了一种三维立体指纹分布室内定位结构，是对传统三维立体网格分布结构进行重构后，所得到新的三维立体网格分布结构，包括一次定位指纹点和校正定位指纹点。本发明方法为：通过构建一次定位指纹数据库、校正定位指纹数据库、二次定位指纹数据库，并根据一次定位指纹数据库和校正定位指纹数据库判断一次定位空间的准确性，得到准确一次定位空间，再根据二次定位指纹数据库在准确一次定位空间内确定二次定位空间，最后，根据二次定位空间内各定位指纹点对定位点的贡献度确定该定位点位置。本发明在确保定位精度的同时，减小约75％的指纹点，降低离线数据采集工作量，提高定位数据处理效率，本发明还通过引入校正定位指纹点，提高定位精度。

本发明公开了一种自适应设备转换的室内定位方法，先基于固定设备A构建指纹定位数据库；再在同一条件下，利用最小二乘分段多项式算法分别构建固定设备A和其他设备B的信号路径传播模型；最后，利用固定设备A的信号路径传播模型和其他设备B的信号路径传播模型，构造出固定设备A与其他设备B之间的设备转换模型。当对某个定位设备进行定位时，先根据其对应的设备转换模型进行信号强度数据的转换，再将转换后的数据在指纹定位数据库中进行定位，得到该定位设备的位置坐标。本发明解决了由于设备差异而导致数据采集工作量增大的问题，提高了定位精度，提高了室内定位技术的鲁棒性和工程实用性。