估计终端间距及位置规划的方法、设备技术

本申请是申请号为201610395410.X.，名称为估计终端间距及位置规划的方法、终端及设备的分案申请，该母案(201610395410.X)申请日为2016年6月6日。本发明专利技术提供了一种用于估计终端间距及位置规划的方法、设备及终端，该方法主要包括获取待估计间距的终端所采集到的无线接入点信息；提取所述无线接入点信息的特征向量，依据距离计算函数，获取所述待估计距离的终端中，任意两终端之间的间距；并在该间距的基础上，采用降维处理的方式，获得多个终端之间的位置规划，得到各个终端的规划位置坐标。该方法以较少的资源消耗和较快速度，准确获取终端间的相对距离及终端位置，并且对终端的硬件精确度要求不高，能够广泛应用于现有的用户终端中。

Method and Equipment for Estimating Terminal Spacing and Location Planning

The application number is 2016 103 95410.X., named as the method of estimating terminal spacing and location planning, and the application date of the parent case (20161 0395 410.X) is June 6, 2016. The invention provides a method, equipment and terminal for estimating terminal spacing and location planning. The method mainly includes acquiring the wireless access point information collected by the terminal to be estimated spacing, extracting the characteristic vector of the wireless access point information, and acquiring the spacing between any two terminals of the estimated distance according to the distance calculation function. On the basis of distance, the dimension reduction method is used to obtain the location planning between multiple terminals and the coordinates of each terminal. With less resource consumption and faster speed, this method can accurately obtain the relative distance between terminals and terminal location, and has low requirement on the accuracy of terminal hardware. It can be widely used in existing user terminals.

【技术实现步骤摘要】
估计终端间距及位置规划的方法、设备本申请是申请号为201610395410.X.，名称为估计终端间距及位置规划的方法、终端及设备的分案申请，该母案(201610395410.X)申请日为2016年6月6日。
本专利技术涉及无线通信领域，具体涉及一种可以不通过第三方服务器而进行终端之间距离估计的方法、设备及终端。
技术介绍
随着智能终端设备与无线互联网技术的迅速发展，有关获取位置的问题和基于位置的服务(locationbasedservice，LBS)得到了广泛的应用。当前，室外定位大多采用卫星定位技术，如全球定位系统(GPS)、北斗定位系统等，当卫星连接状况良好时，定位精度可达1m之内。但是由于建筑物屏蔽，卫星定位技术在室内定位领域中并不适用，起初的室内定位技术包括基于红外、超声波、RFID信号的无线定位技术；当前应用较为广泛的是基于蓝牙、Wi-Fi等无线网络信号的指纹匹配算法估算室内位置，如刘定俊等人提出的融合Wi-Fi与传感数据的室内定位方法等。基于指纹匹配等技术的室内定位算法可将室内定位的平均精度推进至3-5米。然而在LBS发展的同时，也为人与人之间建立社交关系提供了更多的方式，新兴的近场社交概念逐步走进了人们的视野。例如在场、米信等APP均推出了基于近场社交理念的社交新方式，让处于同一区域的陌生人更快、更自然地实现交流与互识。因此，准确获取特定区域中人与人之间的位置关系将尤为重要。现有技术中，采用例如利用终端在不同位置获取到周围环境中AP信息的差异性，通过如基于信号到达时间(TOA)或信号到达时间差(TDOA)以及基于接收信号强度(RSSI)等，计算用户的当前位置，则要求AP与用户终端之间的时间绝对同步，对设备精度的要求很高，而市场中用户常用的智能手机、智能手表等设备，往往不能满足上述精度要求，或者在勉强达到该要求的情况下，对系统资源或流量资源消耗严重。此外，在如文献CN104459612A，专利技术名称为具备测量与WI-FI设备距离及方向供能的移动终端中，是借助测距天线以及鉴相测距模块来进行移动终端距离及方向的测量。此种方法的特点在于需要测距双方限定在传感器能够感知的范围内，通过传感器模块实现点对点直接感知。在又如文献CN104812061A中，利用MIMO-OFDM信道状态，结合定位空间中的已知位置的锚点AP信息，通过计算不同锚点AP到终端的路径，再计算获取最终用户定位。上述现有技术至少存在着以下的共同缺陷：(1)基于地图信息的定位，往往需要接收额外的例如GPS信息，以获取终端位置；(2)基于wifi信号的定位技术，往往需要大量的运算及测量，才能够实现对终端间相对位置的确定，而这一运算量需要设置在服务器端进行处理及比对信息的预存储，才能够实现实时定位，且由于标定工作的繁琐以及建筑物之间不能共享标定数据，人力物力消耗巨大；(3)由于复杂多变的室内环境对信号的传播造成较大的损耗，且信号传播过程中存在多径效应，因此该方法的定位结果精度并不高；(4)不能很好地适应多变的室内信号源环境，时间跨度越大，信号源差异越大。
技术实现思路
有鉴于此，为解决现有技术中存在的问题，本专利技术首先提供一种估计终端间距的方法，其特征在于，包括：获取待估计间距的终端所采集到的无线接入点信息；提取所述无线接入点信息的特征向量，依据距离计算函数，获取所述待估计距离的终端中，任意两终端之间的间距；该距离计算函数，可以是通过多种方式而取得的函数，例如建立在对定位区域内的定点检测而获得的经验值基础上，采用拟合方式获得的距离函数等；所述无线接入点信息至少包括：无线接入点的MAC信息、接收信号强度；所述距离计算函数由机器学习获得。该机器学习的方法，可以采用常规的人工神经网络方法，例如BP神经网络等，也可以采用支持向量机等算法实现。优选地，所述机器学习进一步包括：采集定位区域内不同位置处的无线接入点信息；建立所述位置与在该位置采集的无线接入点信息的关系，形成不同的位置数据；将所述位置数据两两分组，并去除重复分组，对每组所述位置数据进行特征提取；采用机器学习的方式，至少部分地基于提取的特征向量，获得距离计算函数。优选地，上述特征向量至少包括以下的一种：无线接入点数、相同无线接入点信号差、相同无线接入点数量与总无线接入点数量的比值等。该些特征向量可以根据具体的机器学习需要、精度需要等，进行任意的组合，或者与其他的特征向量结合。优选地，在对每组所述位置数据进行特征提取后，计算组内两点间的距离，作为所提取的特征向量的标签；基于所述标签与所述特征向量，形成特征数据；基于所述特征数据，获得距离计算函数。优选地，在形成所述特征数据后，对所述特征数据进行归一化处理。所述归一化处理并非必要的步骤，当特征向量的量级差别不大时，可以不加入归一化处理的步骤，也可根据具体的计算量要求，进行调整。优选地，所述机器学习采用支持向量机模型，所述支持向量机核函数采用径向基函数；所述支持向量机模型采用支持向量回归分类器；所述机器学习过程采用梯度下降法寻找最佳回归参数。在另一个方面，本专利技术还提供了一种近场终端位置规划方法，其特征在于，包括：获取待估计间距的终端所采集到的无线接入点信息；提取所述无线接入点信息的特征向量，依据距离计算函数，获取所述待估计距离的终端中，任意两终端之间的间距；依据所述间距，将所述待估计间距的终端转化为二维位置分布，获得所述终端的规划位置；所述无线接入点信息至少包括：无线接入点的MAC信息、接收信号强度。优选地，采集定位区域内不同位置处的无线接入点信息；建立所述位置与在该位置采集的无线接入点信息的关系，形成不同的位置数据；将所述位置数据两两分组，并去除重复分组，对每组所述位置数据进行特征提取，并计算组内两点间的距离，作为所提取的特征向量的标签；基于所述标签与所述特征向量，形成特征数据；采用机器学习的方式，至少部分地基于所述特征数据，获得距离计算函数。该机器学习的方法，可以采用常规的人工神经网络方法，例如BP神经网络等，也可以采用支持向量机等算法实现。优选地，所述获得所述待估计间距的终端的规划位置，进一步包括：依据所述任意两终端之间的间距，构成数据集I，并基于所述数据集建立终端间的距离矩阵，所述距离矩阵可表示为：其中，di,j表示数据集中第i和第j个变量的间距，i,j∈1,...,I。进一步优选地，上述距离可以采用任意终端间的欧氏距离。优选地，对所述距离矩阵进行特征值分解，具体方法如下：构建矩阵X、T，令则由上式可得：其中，Xi为RN空间中第i个坐标点，N为空间维度，1≤n≤N；对矩阵所述T进行矩阵分解：其中，U为特征向量，Λ为特征值矩阵；令：完成对所述距离矩阵的降维处理。优选地，依据所述规划位置的坐标，及其对应的终端的实际位置坐标，求取所述待估计间距的终端间的平均距离；基于所述平均距离，以及所述规划位置的坐标中，最远的两位置间的坐标距离，获取所述规划位置的评价参数。优选地，所述评价参数采用如下方式计算：其中，Dmax为所述规划位置的坐标中，最远的两位置间的坐标距离；Dmean为所述平均距离。当该βMDS越接近于0，则所述规划位置与真实位置的拟合性越好。在本专利技术的又一个方面，本专利技术还提供了一种可估计终端间距的终端，其特征在于，所述终端包括：请求接收单本文档来自技高网...

【技术保护点】
1.一种估计终端间距的方法，其特征在于，包括：获取待估计间距的终端所采集到的无线接入点信息；提取所述无线接入点信息的特征向量，依据距离计算函数，获取所述待估计距离的终端中，任意两终端之间的间距；所述无线接入点信息至少包括：无线接入点的MAC信息、接收信号强度；所述距离计算函数由机器学习获得。

【技术特征摘要】
1.一种估计终端间距的方法，其特征在于，包括：获取待估计间距的终端所采集到的无线接入点信息；提取所述无线接入点信息的特征向量，依据距离计算函数，获取所述待估计距离的终端中，任意两终端之间的间距；所述无线接入点信息至少包括：无线接入点的MAC信息、接收信号强度；所述距离计算函数由机器学习获得。2.根据权利要求1所述的方法，其特征在于，所述机器学习进一步包括：采集定位区域内不同位置处的无线接入点信息；建立所述位置与在该位置采集的无线接入点信息的关系，形成不同的位置数据；将所述位置数据两两分组，并去除重复分组，对每组所述位置数据进行特征提取；采用机器学习的方式，至少部分地基于提取的特征向量，获得距离计算函数。3.根据权利要求1或2所述的方法，其特征在于：所述特征向量至少包括以下的一种：无线接入点数、相同无线接入点信号差、相同无线接入点数量与总无线接入点数量的比值。4.根据权利要求2所述的方法，其特征在于：在对每组所述位置数据进行特征提取后，计算组内两点间的距离，作为所提取的特征向量的标签；基于所述标签与所述特征向量，形成特征数据；基于所述特征数据，获得距离计算函数。5.根据权利要求4所述的方法，其特征在于：在形成所述特征数据后，对所述特征数据进行归一化处理。6.根据权利要求2所述的方法，...

【专利技术属性】
技术研发人员：刘军发，付先凯，
申请(专利权)人：中科劲点北京科技有限公司，
类型：发明
国别省市：北京,11