申请/专利权人：江苏达尔赛通讯电子设备有限公司

申请日：2023-04-18

公开（公告）日：2023-05-30

公开（公告）号：CN116184317A

主分类号：G01S5/16

分类号：G01S5/16;G06F18/22;G06F18/2413

优先权：

专利状态码：失效-发明专利申请公布后的撤回

法律状态：2023.12.01#发明专利申请公布后的撤回;2023.05.30#公开

摘要：本发明涉及可见光室内定位技术领域，尤其涉及一种基于稀疏指纹和E‑Min‑Max‑WKNN算法的可见光定位方法，包括以下步骤：1在离线阶段，先根据少数真实参考节点的位置坐标和接收信号强度特征向量构建稀疏指纹库，使用双三次插值方法生成虚拟指纹库，稀疏指纹库和虚拟指纹库构成“密集”指纹库；2在在线阶段，先利用扩展Min‑MaxExtendedMin‑Max,E‑Min‑Max算法估计出目标的粗略位置，根据该粗略位置生成目标区域，根据此目标区域内的部分“密集”指纹库利用加权K近邻WeightedK‑nearestneighbor,WKNN算法确定目标的准确位置，在线阶段的定位算法简称为E‑Min‑Max‑WKNN算法。本发明提出的一种基于稀疏指纹和E‑Min‑Max‑WKNN算法的可见光定位方法，解决了现有指纹定位方法需要大量的现场测量和指纹匹配效率较低等问题。

主权项：1.采用基于稀疏指纹和E-Min-Max-WKNN算法的可见光定位方法，其特征在于，离线阶段只需要测量少数参考节点处的RSS值和在线阶段的指纹匹配效率较高，包括以下步骤：S1：把房间划分为一些稀疏的网格，这些网格的顶点为真实参考节点的位置，在这些真实的参考节点处测量RSS特征向量，所有真实参考节点的位置坐标和对应的RSS特征向量构成稀疏指纹库；S2：在每个网格中插入一些位置已知的虚拟参考节点，根据稀疏指纹库，利用双三次插值直接计算虚拟参考节点处的RSS特征向量，构建虚拟指纹库，稀疏指纹库和虚拟指纹库构成“密集”指纹库；S3：根据目标节点处的RSS特征向量计算出目标节点与每个LED之间的水平距离，利用扩展Min-MaxExtendedMin-Max,E-Min-Max算法估计出目标节点的一个粗略位置；S4：以E-Min-Max算法得到的目标节点的粗略位置为中心、δ值为边长，确定一个正方形的目标区域，记录目标区域四个顶点的位置坐标；S5：根据目标区域四个顶点的位置坐标判断目标区域是否超出了房间的边界，如果超出了房间边界，则将位于房间内的这部分目标区域作为新的目标区域，并更新目标区域四个顶点的位置坐标。S6：根据目标区域内的部分“密集”指纹库，利用加权K近邻WeightedK-nearestneighbor,WKNN算法确定目标的准确位置。

全文数据：

权利要求：

百度查询： 江苏达尔赛通讯电子设备有限公司 基于稀疏指纹和E-Min-Max-WKNN算法的可见光定位方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD