一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法
【專利摘要】本發(fā)明公開了一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法，對于多個AP，RSSI差值越大的點對，其物理距離相距也較遠(yuǎn)。利用此特點，將某位置上所獲得的多個AP的RSSI值作為此位置的高維特征數(shù)據(jù)，計算點與點之間的RSSI“距離值”，視其為兩點之間的親近關(guān)系，再利用多維標(biāo)度分析算法得到各對象之間的一個低維空間的相對位置關(guān)系，最后，利用較少樣本點作為錨節(jié)點就可以求得其余點的絕對位置，從而實現(xiàn)減少樣本點采集個數(shù)的目的，并在此基礎(chǔ)上提出分層次的縮小區(qū)域方法，進一步達到降低定位誤差的目的。相比較于KNN算法，本發(fā)明的方法可以減少采集點，同時降低定位誤差。
【專利說明】一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法。
【背景技術(shù)】
[0002]目前比較常見的室內(nèi)定位技術(shù)有聲學(xué)信號、FM信號、RFID、藍牙信號、蜂窩網(wǎng)絡(luò)、ZigBee, UffB和WiFi。一般來說，無線室內(nèi)定位的模式是首先獲得無線信號的物理測量值，再要么采用傳播模型的方法，要么采用基于指紋的方法。
[0003]按照所利用的物理測量值來劃分，可以分為時間、角度和功率。其中基于時間的物理測量值又包括到達時間(Time of Arrival, T0A)和到達時間差(Time Difference ofArrival，TDOA)，基于功率的又包括RSSI和CSI的定位方法。在復(fù)雜的多徑室內(nèi)環(huán)境下，TOA和AOA的測量都需要使用專用的硬件測量設(shè)備，而且測量精度存在較大的偏差，定位精度不高，并且TOA方法還需要專用的硬件設(shè)備。
[0004]按照定位原理劃分，WLAN室內(nèi)定位技術(shù)可以分成兩種方法:傳播模型法和指紋定位法。由于室內(nèi)無線電傳播環(huán)境的極度復(fù)雜性，模型參數(shù)的確定較為困難，模型估計不準(zhǔn)確，導(dǎo)致RSSI傳播模型的預(yù)測精度較低，定位結(jié)果偏差較大，且需要預(yù)先知道AP的具體位置，難以滿足大多數(shù)室內(nèi)用戶的定位精度需求。而且，已構(gòu)建的傳播模型由于環(huán)境差異不具有通用性，健壯性較差，在新的定位環(huán)境中還需要做大量的調(diào)試和測量。指紋定位法采集參考點位置的RSSI樣本，構(gòu)建指紋數(shù)據(jù)庫，即所謂的Rad1 Map,并通過RSSI樣本的指紋匹配得出定位結(jié)果。由于Rad1 Map的RSSI樣本是在實際參考點上采集獲得的，指紋定位法的定位精度明顯高于傳播模型法。
[0005]針對基于WLAN的指紋室內(nèi)定位技術(shù)，國內(nèi)外學(xué)者已從各個不同方面對此進行了研究。2000年，美國微軟研究院首先提出了命名為RADAR的WLAN室內(nèi)定位系統(tǒng)，該系統(tǒng)事先在建筑物內(nèi)部固定三個位置已知的基站，待測位置的移動點通過兩個步驟獲取自身位置，首先是一個離線的數(shù)據(jù)收集的過程，由各移動節(jié)點發(fā)送廣播報文，基站的接收器根據(jù)信號強度確定移動節(jié)點的位置，并將此位置存入指紋數(shù)據(jù)庫中；第二個步驟是在線數(shù)據(jù)處理過程，移動節(jié)點定期發(fā)送廣播報文，基站節(jié)點查詢指紋數(shù)據(jù)庫，根據(jù)接收信號的強度找出最為接近的K個樣本，將它們的平均位置作為節(jié)點當(dāng)前的位置，通過實驗數(shù)據(jù)得出，在指紋數(shù)據(jù)庫中節(jié)點間隔至少2.5米且不規(guī)則分布的情況下，此系統(tǒng)定位精度在2-3米之間。
[0006]美國馬里蘭大學(xué)計算機系的Youssef等人提出了 Horus系統(tǒng)。Horus系統(tǒng)在離線階段也是在選定的參考點上采集并記錄各AP的信號強度值，不同于之處在于其并不對全部采樣值進行平均處理，而是生成各個AP的信號強度值在該參考點上的直方分布圖，并在離線階段匹配時首次提出聚類分塊的概念，將具有相似RSSI信號特征的參考點劃分為一簇，即一個定位子區(qū)域。在線定位階段，先通過聚類分塊將用戶粗定位至定位子區(qū)域，再進行精確定位，在總共采集110個參考樣本點，樣本點之間的間距在1.52米左右的情況下，實現(xiàn)了平均定位精度為0.8米效果，但也有文章指出復(fù)制此方法在別的工作中時無法達到如此高的定位精度。[0007]上述方法均需要采集大量的在線RSSI樣本，對大范圍的室內(nèi)定位的普及應(yīng)用受到很大的限制。參考點樣本采集工作量主要取決于參考點的密度以及采樣時長，參考點采集間隔大，采樣時長短，可以減少人力和物力，但有可能無法保證RSS信號對物理位置空間刻畫的精細(xì)度。Chai等人提出了一種采用馬爾科夫模型從用戶移動的路線中獲取一部分信息來補充指紋數(shù)據(jù)庫的方法，從而達到減少前期創(chuàng)建指紋數(shù)據(jù)庫工作的目的，此外，他們還提出一種基于插入的拼接各個不完整指紋數(shù)據(jù)庫的方法，最終使其合成一個完成的指紋數(shù)據(jù)庫。Krumm等人實驗研究了減少采樣時長和采樣數(shù)量對定位精度的影響，他們把位置刻畫成信號強度向量的函數(shù)，并將其描述為插值問題，結(jié)果表明一大部分的采樣工作可以略去。
[0008]Chintalapudi等人提出一種依靠在室內(nèi)環(huán)境的邊緣有GPS信號的地方獲得的位置信息和室內(nèi)獲取的信號強度的定位方法，并不需要離線采集指紋數(shù)據(jù)，在27米*18米和140米*90米的環(huán)境下分別實現(xiàn)定位精度為2米和7米。有研究者提出利用一些地標(biāo)點(包括種子地標(biāo)點和有機地標(biāo)點)的位置信息(通過Dead-reckoning)和采集到的各種傳感器信息，通過Dead-reckoning推算出當(dāng)前的位置信息。Wu, Yang等人指出在創(chuàng)建指紋庫時不需要大量的現(xiàn)場勘測，只需在人員移動設(shè)備上安裝一個app，然后在室內(nèi)隨機走動即可完成指紋庫的采集，并通過采集到數(shù)據(jù)和室內(nèi)結(jié)構(gòu)進行匹配的定位方法，在1600平米的室內(nèi)空間，其定位精度分別為平均房間級別準(zhǔn)確率為86%和5.88米左右。文獻是在已經(jīng)獲得的少數(shù)指紋信息的基礎(chǔ)上采用插值法來重建指紋數(shù)據(jù)庫，從而達到減少指紋采集工作量的目的，分別達到的定位精度為3米和2.2米。
【發(fā)明內(nèi)容】
[0009]本發(fā)明所要解決的技術(shù)問題是，針對現(xiàn)有技術(shù)不足，提供一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法，在維持較高的定位精度的同時，減少參考點樣本采集工作量。 [0010]為解決上述技術(shù)問題，本發(fā)明所采用的技術(shù)方案是:一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法，包括以下步驟:
[0011]I)收集待測區(qū)域內(nèi)錨節(jié)點和待測點的RSSI值向量，所有的RSSI值向量構(gòu)成矩陣|r(ffl+1)xn| ;將所述待測區(qū)域劃分為多個小區(qū)域；
[0012]2)計算|r(m+1)xn|中任意兩個RSSI向量之間的歐幾里得距離，所有的距離構(gòu)成節(jié)
點間的相異性矩陣Ip (m+l)X (m+l) I ?
[0013]3)對相異性矩陣|P(m+1)x(m+1) I運用非度量多維標(biāo)度算法，求得錨節(jié)點和待測點的相對位置坐標(biāo)，記所述相對位置坐標(biāo)所在坐標(biāo)系為& ；
[0014]4)根據(jù)錨節(jié)點所在位置的坐標(biāo)系X1中錨節(jié)點的絕對坐標(biāo)和\中錨節(jié)點的相對坐標(biāo)，求出坐標(biāo)系X1和&轉(zhuǎn)換的平移矢量、翻轉(zhuǎn)矩陣和縮放系數(shù)；
[0015]5)根據(jù)&中待測點的坐標(biāo)和上述平移矢量、翻轉(zhuǎn)矩陣和縮放系數(shù)，求出待測點在X1中的絕對坐標(biāo)；
[0016]6)判斷步驟5)得出待測點在X1中的絕對坐標(biāo)屬于哪個小區(qū)域，然后利用小區(qū)域中的錨節(jié)點信息，重復(fù)步驟I)至步驟5)，得出最終的待測點位置坐標(biāo)。
[0017]每個小區(qū)域內(nèi)包括四個錨節(jié)點，所述小區(qū)域為矩形。
[0018]與現(xiàn)有技術(shù)相比，本發(fā)明所具有的有益效果為:本發(fā)明將某位置上所獲得的多個AP的RSSI值作為此位置的高維特征數(shù)據(jù)，計算點與點之間的RSSI “距離值”，視其為兩點之間的親近關(guān)系，再利用多維標(biāo)度分析(MDS)算法得到各對象之間的一個低維空間的相對位置關(guān)系，最后，利用較少樣本點作為錨節(jié)點就可以求得其余點的絕對位置，從而實現(xiàn)減少樣本點采集個數(shù)的目的，并在此基礎(chǔ)上提出分層次的縮小區(qū)域方法，進一步達到降低定位誤差的目的。相比較于KNN算法，本發(fā)明的方法可以減少采集點，同時降低定位誤差。
【專利附圖】
【附圖說明】
[0019]圖1 (a)，圖1 (C)為一致性及相關(guān)性隨AP規(guī)則部署變化曲線;圖1 (b)，圖1 (d)為一致性及相關(guān)性隨AP不規(guī)則部署變化曲線；
[0020]圖2(1)為一致性隨ap數(shù)目變化圖；圖2(2)為相關(guān)性隨ap數(shù)目變化圖；
[0021]圖3(1)本發(fā)明一實施例縮小區(qū)域定位法定位圖一；圖3(2)本發(fā)明一實施例縮小區(qū)域定位法定位圖二 ；圖3(3)本發(fā)明一實施例縮小區(qū)域定位法定位圖三；
[0022]圖4 (I):20m*20m區(qū)域錨節(jié)點個數(shù)對定位精度的影響；圖4 (2):40m*40m區(qū)域錨節(jié)點個數(shù)對定位精度的影響；
[0023]圖5(1): ο = 2對定位精度的影響；圖5(2): ο = 4對定位精度的影響；圖5(3):σ = 6對定位精度的影響；圖5(4): ο =8對定位精度的影響；
[0024]圖6為本發(fā)明一實施例科技樓實驗室室內(nèi)布局及米樣分布圖。
【具體實施方式】
[0025]本發(fā)明理論基礎(chǔ)如下:
[0026]通過在采用對數(shù)距離路徑損耗模型下兩點之間物理距離和RSSI歐幾里得距離的分析，我們在路徑損耗指數(shù)為3，20*20的區(qū)域中100個隨機點做仿真實驗，得出節(jié)點兩兩之間物理距離和其RSSI差值(歐幾里得距離)有比較高的一致性和相關(guān)性，也就是說，RSSI差值越大的兩點，它們的物理距離相距也越遠(yuǎn)。針對AP規(guī)則與不規(guī)則情況下，仿真結(jié)果如圖1所示，一致性隨著AP個數(shù)的增加而增高，隨著陰影效應(yīng)的標(biāo)準(zhǔn)偏差變大而變小。
[0027]定義一:一致性是指節(jié)點點對兩兩之間的物理距離和其RSSI差值的關(guān)系，具體的說就是，點對之間物理距離大，RSSI差值就大,物理距離小，RSSI差值就小。
【權(quán)利要求】
1.一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法，其特征在于，包括以下步驟: 1)收集待測區(qū)域內(nèi)錨節(jié)點和待測點的RSSI值向量，所有的RSSI值向量構(gòu)成矩陣|r(ffl+1)xn| ;將所述待測區(qū)域劃分為多個小區(qū)域； 2)計算|r(m+1)xn|中任意兩個RSSI向量之間的歐幾里得距離，所有的距離構(gòu)成節(jié)點間的相異性矩陣IP (m+l)X (m+l) I ? 3)對相異性矩陣|P(m+1)x(m+1)|運用非度量多維標(biāo)度算法，求得錨節(jié)點和待測點的相對位置坐標(biāo),記所述相對位置坐標(biāo)所在坐標(biāo)系為Xr ； 4)根據(jù)錨節(jié)點所在位置的坐標(biāo)系X1中錨節(jié)點的絕對坐標(biāo)和&中錨節(jié)點的相對坐標(biāo)，求出坐標(biāo)系X1和&轉(zhuǎn)換的平移矢量、翻轉(zhuǎn)矩陣和縮放系數(shù)； 5)根據(jù)&中待測點的坐標(biāo)和上述平移矢量、翻轉(zhuǎn)矩陣和縮放系數(shù)，求出待測點在X1中的絕對坐標(biāo)； 6)判斷步驟5)得出待測點在X1中的絕對坐標(biāo)屬于哪個小區(qū)域，然后利用小區(qū)域中的錨節(jié)點信息，重復(fù)步驟I)至步驟5)，得出最終的待測點位置坐標(biāo)。
2.根據(jù)權(quán)利要求1所述的減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法，其特征在于，所述步驟I)中，每個小區(qū)域內(nèi)包括四個錨節(jié)點。
3.根據(jù)權(quán)利要求2所述的減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法，其特征在于，所述小區(qū)域為矩形。
【文檔編號】H04W4/04GK104038901SQ201410238077
【公開日】2014年9月10日 申請日期:2014年5月30日 優(yōu)先權(quán)日:2014年5月30日
【發(fā)明者】張士庚, 王建新, 肖亞龍, 王偉平 申請人:中南大學(xué)