基于位置指紋的軸向解耦室內定位方法
【技術領域】
[0001] 本發明屬于信號處理與模式識別技術領域，設及位置指紋、室內定位、軸向解禪技 術，尤其設及一種基于位置指紋的軸向解禪室內定位方法。
【背景技術】
[0002] 隨著無線網絡、移動通信和普適計算技術的日趨成熟和快速發展，基于位置的無 線定位服務顯得越來越重要。目前全球定位系統（GP巧是應用較為成功的無線定位技術， 在室外寬敞環境下具有定位迅速且準確穩定等優點。但對于室內環境和高樓密布的城市， GI^S系統因為衛星信號被阻隔導致定位精度嚴重下降甚至無法定位。因此近年來基于無線 接入點（Access化int,AP)的位置指紋室內定位技術已成為國內外研究的熱點。
[000引基于位置指紋的定位技術就是利用在感興趣區域（ROI)接收到的來自AP的RSS值來推斷觀察者或場景內物體的位置，且事先不需知道AP的位置。此外基于位置指紋的定 位技術不需要添加額外的硬件支持可W方便的應用在移動設備中，定位成本低，可W更好 的保護用戶的安全隱私。艾浩軍等在《一種基于Wi-Fi指紋的室內定位方法》中公開了基 于RSS直方圖的設備校準方法和時間平均法，仿真結果表明，該方法能精確定位到3米。黃 正勇等在《基于指紋聚類的新型室內定位方法》中公開了一種基于相似性傳播聚類算法W 及最近鄰居法相結合的分層的室內定位方法，仿真結果表明，基于指紋聚類的新型室內定 位方法的最大定位誤差可達5. 1928米，平均定位誤差為2. 4088米，所需的定位時間為2. 49 秒。盡管位置指紋定位有諸多優點并提出了一些定位方法，但是依然存在W下問題：
[0004] (1)位置指紋定位的一種常見思路是將其看成一個模式分類問題，目前使用 較多的基于模式分類器有K近鄰化-Nearest Nei曲bors, K-NN)、神經網絡（Neural Networks, NN)和支持向量機（Suppo;rt Vector Machines, SVM)等。上述模分類的主要問題 是計算量大且所需的分類器多。如何改進定位算法來減少分類器數目，從而減少計算代價。
[0005] (2)更進一步地，如何確保在減少計算代價的同時還能提高定位精度。為了得到較 高的定位精度，在離線階段需要收集足夠多的可W代表定位區域內時間和空間覆蓋的位置 指紋樣本。而大量的訓練樣本必然會導致定位系統的訓練時間變長、計算代價增大。現有 的定位技術不能在減少計算代價的同時提高定位精度，而只能取其一，所W大多數定位技 術都W犧牲計算代價來獲取較高的定位精度。
[0006] 因此，有必要提供一種定位方法，既能減少了分類器數目，W此減少計算代價和定 位時間，又能同時提高定位精度。
【發明內容】
[0007] 為了克服現有技術的上述缺點與不足，本發明提出一種基于位置指紋的軸向解禪 室內定位方法，通過對X軸和Y軸獨立地進行定位決策，極大的減少了分類器數目，相應的 定位時間也得到減少，同時提高了室內定位系統的精度。
[000引本發明的技術方案為；
[0009] 一種基于位置指紋的軸向解禪室內定位方法，該定位方法包括離線訓練階段和在 線定位階段，離線訓練階段包括W下步驟：
[0010] S1.將所需定位區域按XY坐標軸劃分為l,Xly個網格，在各網格中，采集移動終 端接收到的各無線AP的RSS值【接收信號強度】，將得到的網格的RSS指紋作為樣本，記為 兩=レ巧'，n喊…n片，…，nv4p=l，2，…，w，其中w為樣本總數，i為樣本編號；r5<表示第i個樣本 中的第n個無線AP的RSS值，n= 1，2,. . .，N，N為可用的無線AP的總數；樣本的RSS特征 向量表示為=訪，其中叫和ni分別為第i個樣本對應的網格在X軸和Y軸上的 類別號，且叫=1，2,. . .，1X，rii= 1，2,. . .，1y;再將按坐標軸拆分為X軸和Y軸樣本， 分別表示為：為=訪，巧)，/；:.=(瓦巧）；
[0011] S2.對X軸和Y軸樣本進行歸一化處理；
[0012]S3.利用歸一化的X軸樣本和Y軸樣本分別訓練基于模式的分類器，分別得到X軸 分類器與Y軸分類器；
[0013] 所述的在線定位階段包括W下步驟：
[0014]S4.采集移動終端在待定位區域接收到的各無線AP的RSS值，得到待定位區域的 RSS指紋7=(/-巧，'W2，...^ss。，...，^Mw；)，將J分別作為離線訓練階段訓練好的X軸分類器與Y 軸分類器的輸入，獨立地形成X軸和Y軸的決策結果；
[0015] S5.組合X軸和Y軸決策結果，確定待定位區域所屬網格，得到定位結果。
[0016]【所述S1中的網格并不局限于矩形，可W是非規則網格。所述S1采集各網格的 RSS指紋是在持續的一段時間內進行，W避免各網格的RSS指紋采集時間不同，帶來的計算 誤差。】
[0017] 所述步驟S3中，基于模式的分類器為最小二乘支持向量機（LeastSquares Su卵ortVectorMachines,LS-SVM)分類器、支持向量機（Suppo;rtVectorMachines,SVM) 分類器或K近鄰化-NearestNei曲bors，K-NN)分類器。【本發明采用的基于模式分類器有 多重選擇，各分類器只是構造的函數不一樣，雖然本發明中只WLS-SVM分類器為例來構造 X軸，Y軸分類器，但應該注意的是，使用其它基于模式分類器來實現本發明的技術方案，也 屬于本發明的保護范圍。】
[0018] 所述X軸分類器的決策函數尤(巧為：
[0019]
[0020] 其中，/為待定位區域的RSS指紋屯為闊值，= "…"')是拉格朗日乘子； Kf(7,巧是滿足Mercer條件的核函數；
[0021] 由于ス與X軸上的類別號叫對應，若函數si即（?）括號中的數值是正數，貝U = 1，判斷待定位區域在X軸上屬于第叫類；否則若函數sign( ?)括號中的數值是負 數，則/、. (7) = -1，判斷待定位區域在X軸上不屬于第叫類；
[00巧滿足Mercer條件的核函數K,-(7,巧可W是多項式函數、徑向基函數（RB巧和 Sigmoid函數等，選擇不同的核函數構造的分類器不同，本發明WRBF核函數、LS-SVM分類 器為例進行說明。
[002引所述(7,巧的計算方法為：
[0024]
[0025] 其中gy為核寬度，它決定了樣本特征子空間分布的復雜程度；II?II是向量的 2-范數：
[0026] 所述闊值6,與《,,0'=I，2，.由下式確定：
[0027]
[002引其中Cy為正則化參數。
[0029] 所述未知參數對（C,，g,)的取值方法為：先采用網格捜索法（gridsearch)選擇參 數對，然后采用交叉驗證法KrossValidation)進行尋優，將使得分類準確率最高的參數 對作為佔，吊）的取值；所述C,，g亦值范圍均為巧-W，2a步距為1。
[0030] 所述Y軸分類器的決策函數/,.(巧為：
[0031]
[003引其中，/為待定位區域的RSS指紋；by為闊值，《,,(/' = 1.2....，0是拉格朗日乘子； (7,別是滿足Mercer條件的核函數：
[0033] 由于Z與Y軸上的類別號n;對應，若函數sign('）括號中的數值是正數，貝U /,..(巧=1，判斷待定位區域在Y軸上屬于第n;類；否則若函數sign( ?)括號中的數值是負 數，則/,.(巧=-1，判斷待定位區域在Y軸上不屬于第n;類；
[0034] 滿足Mercer條件的核函數K,..(7,巧可W是多項式函數、徑向基函數（RB巧和 Sigmoid函數等，選擇不同的核函數構造的分類器不同，本發明WRBF核函數、LS-SVM分類 器為例進行說明。
[0035] 所述(7,巧的計算方法為：
[0036]
[0037] 其中；其中gy為核寬度，它決定了樣本特征子空間分布的復雜程度；
[003引所述闊值by與《,,0'=1，2，...，0由下式確定；
[0039]
[0040] 其中Cy為正則化參數。
[0041] 所述未知參數對（Cy，gy)的取值方法為：先采用網格捜索法（gridsearch)選擇參 數對，然后采用交叉驗證法KrossValidation)進行尋優，將使得分類準確率最高的參數 對作為（Cy，gy)的取值。所述Cy，gy取值范圍均為巧4°，2w]，步距為1。
[0042] 本發明的性能分析如下：
[0043] 傳統的位置指紋定位法是將區域劃分為若干個子區域，每個子區域代表一類，再 應用多類分類器進行決策。如果將所需定位的二維定位區域劃分為lyXly的網格。其中每 個網格對應于一個類別，那么有1,?ly個類別，并且位置坐標為網格的中屯、，將該種方法稱 為網格法。而本發明提出的軸向解禪定位法不是同時估計X軸和Y軸坐標，而是同時獨立 地估計兩軸坐標。因此，對于X維，將所需定位劃分為個相等的列條紋，且每一列代表一 類；類似地，將Y維劃分為ly個相等的行條紋，且每一行代表一類。由此，可W得出軸向解 禪法有ly+ly個類別，遠遠小于1yXly。即分類器數目很大程度上得到減少，同時相應的訓 練時間也得到減少。
[0044] 與現有技術相比，本發明具有W下優點和有益效果：
[0045] 本發明提出的軸向解禪室內定位方法是通過對X軸和Y軸獨立地進行定位決策， 大大減少了分類器數目，根據大量的計算機仿真證實，相應的訓練時間也得到減少，而且也 提高了定位精度。此外，本發明擁有位置指紋定位的優點：可W很好的集成在移動終端且 不需要添加額外的硬件設備，降低了定位成本；用戶在定位過程中不需要知道無線AP的位 置，提高了系統的實用性。該種低復雜度的計算處理W及高精度的定位方法使在移動終端 上的實時定位成為可能。
【附圖說明】
[0046] 圖1 ;基于位置指紋的軸向解禪室內定位框架；
[0047] 圖2 ;實施例中測試區域的地圖；
[0048] 圖3 ;LS-SV