一種基于組合排序分類的位置指紋定位方法
【專利摘要】本發(fā)明提出了一種基于組合排序分類的位置指紋定位方法，包括步驟如下：步驟一：學(xué)習(xí)階段；步驟二：位置指紋庫分類；步驟三：定位階段；步驟四：閾值判定。本發(fā)明通過在位置指紋定位算法中對(duì)位置指紋庫進(jìn)行組合排序分類處理，將位置指紋庫劃分成了多個(gè)子類，從而大大降低了在定位階段的運(yùn)算復(fù)雜度，達(dá)到定位實(shí)時(shí)性好的目的。相對(duì)于傳統(tǒng)的定位算法，本發(fā)明更適合定位面積大、參考點(diǎn)密度高、信號(hào)源個(gè)數(shù)多的環(huán)境，反應(yīng)迅速，誤差較小。
【專利說明】 一種基于組合排序分類的位置指紋定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種基于組合排序分類的位置指紋定位方法，屬于室內(nèi)定位與導(dǎo)航【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]隨著科技的進(jìn)步和社會(huì)的發(fā)展，對(duì)象的定位已經(jīng)成為交通、安全、醫(yī)療等行業(yè)關(guān)注的焦點(diǎn)。如通過GPS(Global Positioning System)標(biāo)簽跟蹤車輛位置、通過交通路口的攝像頭捕捉實(shí)時(shí)交通流、百度地圖軟件、嘀嘀打車軟件等都是定位技術(shù)的典型應(yīng)用。然而在有些相對(duì)復(fù)雜的環(huán)境下，如室內(nèi)、地下礦井、隧道、停車場(chǎng)等，現(xiàn)有的室外定位技術(shù)無法滿足定位精度的要求。
[0003]隨著WLAN技術(shù)的成熟，W1-Fi網(wǎng)絡(luò)的覆蓋越來越廣。盡管W1-Fi技術(shù)的設(shè)計(jì)初衷并不是為了定位，但是在IEEE802.11標(biāo)準(zhǔn)中，無線網(wǎng)卡或AP的電路能夠測(cè)量接收信號(hào)強(qiáng)度指示(RSSI, Received Signal Strength Indicator)。根據(jù)無線信道的傳輸模型,接收信號(hào)的強(qiáng)度值在一定程度上能反應(yīng)傳輸距離，因此絕大多數(shù)的W1-Fi定位系統(tǒng)都是利用RSS。W1-Fi定位的算法主要分為兩大類:三角形算法和位置指紋識(shí)別算法。因?yàn)榛谖恢弥讣y識(shí)別的無線定位不需要知道AP的位置和準(zhǔn)確的信道模型，所以不管在具體實(shí)施上還是定位性能上，相比基于三角形算法的定位都具有較大的優(yōu)越性。
[0004]位置指紋識(shí)別算法依靠的是預(yù)先建立起來的位置指紋數(shù)據(jù)庫進(jìn)行識(shí)別，主要分為學(xué)習(xí)階段和定位階段。在學(xué)習(xí)階段首先選擇合理的參考點(diǎn)分布，接著依次在所有參考點(diǎn)上測(cè)量來自不同AP的RSS值，并將以上信息存入位置指紋庫。在定位階段，將在待測(cè)點(diǎn)上測(cè)量到的周圍AP的RSS值與位置指紋庫中數(shù)據(jù)按照一定的算法匹配，計(jì)算出最終的位置坐標(biāo)。常用的匹配算法有最鄰近算法(Nearest neighbor in Signal Space, NNSS)、K-最鄰近算法(KNNSS)等。
[0005]然而，不管是NNSS算法還是KNNSS算法，其原理都是通過計(jì)算待定位點(diǎn)的信號(hào)強(qiáng)度值向量和所有樣本點(diǎn)的信號(hào)強(qiáng)度值向量的距離來得到最終的定位結(jié)果的。該方法存在一個(gè)明顯的缺點(diǎn):計(jì)算復(fù)雜度會(huì)隨著定位區(qū)域面積和信號(hào)源個(gè)數(shù)的增加而增加。因此，定位面積比較大的環(huán)境下，傳統(tǒng)的定位算法具有很高的復(fù)雜度，造成定位時(shí)間太長(zhǎng)而影響定位的實(shí)時(shí)性。

【發(fā)明內(nèi)容】

[0006]針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種基于組合排序分類的位置指紋定位方法。該定位方法適合大型室內(nèi)定位環(huán)境，該定位方法的原理是，首先在學(xué)習(xí)階段，將所有參考點(diǎn)的位置指紋庫按照組合排序規(guī)則分為多個(gè)子類；在定位階段，將待測(cè)點(diǎn)接收到的信號(hào)強(qiáng)度值向量按照相同的規(guī)則進(jìn)行類別判定，找出其對(duì)應(yīng)子類，然后運(yùn)用KNNSS從該子類中計(jì)算出定位結(jié)果。
[0007]本發(fā)明的技術(shù)方案如下:[0008]一種基于組合排序分類的位置指紋定位方法，包括步驟如下:
[0009]設(shè)室內(nèi)定位環(huán)境中分布著M個(gè)無線AP信號(hào)源和N個(gè)平均分布在室內(nèi)空間的參考點(diǎn)，為保證定位精度，防止偶然誤差，室內(nèi)定位環(huán)境中的每個(gè)位置都能接收到至少兩個(gè)無線信號(hào)源發(fā)出的無線信號(hào)，并且無線信號(hào)強(qiáng)度大于_98dBm ;確定分類時(shí)所選取有效信號(hào)源的個(gè)數(shù)為m,且m≤M ;
[0010]步驟一:學(xué)習(xí)階段
[0011]在室內(nèi)定位環(huán)境中每一個(gè)參考點(diǎn)處采樣W1-Fi信號(hào)，并根據(jù)每個(gè)參考點(diǎn)接收到的信號(hào)強(qiáng)度值向量R= [rapl,rap2……rapM]建立位置指紋庫，其中rapi表示該參考點(diǎn)接收到的第i個(gè)信號(hào)源的信號(hào)強(qiáng)度值；
[0012]步驟二:位置指紋庫分類
[0013]首先設(shè)定參與分類的信號(hào)源個(gè)數(shù)的基準(zhǔn)值m，針對(duì)每一個(gè)參考點(diǎn)的信號(hào)強(qiáng)度值向量，如果兩個(gè)參考點(diǎn)Ri和&的信號(hào)強(qiáng)度值向量具同時(shí)滿足以下條件，則將其歸為同一子類:
[0014]DRjPRj中前m大的信號(hào)強(qiáng)度值對(duì)應(yīng)的信號(hào)源是同一信號(hào)源集合Sap ={AP。，AP1, AP2......APm_J，其中APi表示信號(hào)源編號(hào)；
[0015]2)在滿足I)的條件下，R = [rapl, rap2......rapM]中Sap對(duì)應(yīng)的信號(hào)強(qiáng)度值的大小
順序是一致的:即如果分別對(duì)Ri和&中前m大的信號(hào)強(qiáng)度值進(jìn)行由大到小排序，或由小到大排序，Ri和&中前m大的信號(hào)強(qiáng)度值排序之后，該m個(gè)信號(hào)強(qiáng)度值所對(duì)應(yīng)的信號(hào)源編號(hào)順序是一致的；
[0016]如果不同時(shí)滿足以上兩個(gè)條件，則將Ri和&歸為不同的子類；這樣就將全部的位
置指紋庫劃分為
【權(quán)利要求】
1.一種基于組合排序分類的位置指紋定位方法，其特征在于，該指紋定位包括步驟如下: 設(shè)室內(nèi)定位環(huán)境中分布著M個(gè)無線AP信號(hào)源和N個(gè)平均分布在室內(nèi)空間的參考點(diǎn)，室內(nèi)定位環(huán)境中的每個(gè)位置都能接收到至少兩個(gè)無線信號(hào)源發(fā)出的無線信號(hào)，并且無線信號(hào)強(qiáng)度大于_98dBm ;確定分類時(shí)所選取有效信號(hào)源的個(gè)數(shù)為m，且m < M ; 步驟一:學(xué)習(xí)階段 在室內(nèi)定位環(huán)境中每一個(gè)參考點(diǎn)處采樣W1-Fi信號(hào)，并根據(jù)每個(gè)參考點(diǎn)接收到的信號(hào)強(qiáng)度值向量R= [rapl,rap2……rapM]建立位置指紋庫，其中rapi表示該參考點(diǎn)接收到的第i個(gè)信號(hào)源的信號(hào)強(qiáng)度值； 步驟二:位置指紋庫分類 首先設(shè)定參與分類的信號(hào)源個(gè)數(shù)的基準(zhǔn)值m，針對(duì)每一個(gè)參考點(diǎn)的信號(hào)強(qiáng)度值向量，如果兩個(gè)參考點(diǎn)Ri和&的信號(hào)強(qiáng)度值向量具同時(shí)滿足以下條件，則將其歸為同一子類: DRi和&中前m大的信號(hào)強(qiáng)度值對(duì)應(yīng)的信號(hào)源是同一信號(hào)源集合Sap ={AP。，AP1, AP2......APm_J，其中APi表示信號(hào)源編號(hào)； 2)在滿足I)的條件下，R= [rapl,rap2……rapM]中Sap對(duì)應(yīng)的信號(hào)強(qiáng)度值的大小順序是一致的:即如果分別對(duì)Ri和&中前m大的信號(hào)強(qiáng)度值進(jìn)行由大到小排序，或由小到大排序，Ri和&中前m大的信號(hào)強(qiáng)度值排序之后，該m個(gè)信號(hào)強(qiáng)度值所對(duì)應(yīng)的信號(hào)源編號(hào)順序是一致的； 如果不同時(shí)滿足以上兩個(gè)條件，則將Ri和Rj歸為不同的子類；這樣就將全部的位置指紋庫劃分為
【文檔編號(hào)】G06F17/30GK103901398SQ201410153087
【公開日】2014年7月2日 申請(qǐng)日期:2014年4月16日 優(yōu)先權(quán)日:2014年4月16日
【發(fā)明者】王洪君, 王光雷, 趙化森, 王琰, 郝計(jì)軍, 唐瑞東 申請(qǐng)人:山東大學(xué)