基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法
【專利摘要】一種基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法包括：挖掘隱藏地標(biāo)相似點(diǎn)集合，隱藏地標(biāo)坐標(biāo)化和平滑采樣點(diǎn)。本發(fā)明的技術(shù)方案有效地構(gòu)建一個(gè)低成本、高精度的信號(hào)接收強(qiáng)度指示指紋庫。
【專利說明】基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，具體涉及一種基于隱藏地標(biāo)的室內(nèi)定 位系統(tǒng)指紋庫構(gòu)建方法。

【背景技術(shù)】
[0002] 如今可穿戴設(shè)備或移動(dòng)終端設(shè)備的市場(chǎng)正處于爆炸式增長階段，基于這些移動(dòng)終 端的應(yīng)用也越來越多，其中基于位置的服務(wù)（Location Based Service, LBS)受到了學(xué)術(shù) 界和工業(yè)界的重點(diǎn)關(guān)注，其在個(gè)性化信息搜索、醫(yī)療保健、緊急救助等科技生活領(lǐng)域顯示出 巨大的活力。目前，由于智能手機(jī)等各種終端設(shè)備的普及以及熱點(diǎn)覆蓋率的提升，能夠保證 室內(nèi)外無縫精確定位，這一點(diǎn)正好也契合建設(shè)智慧城市的需求，因此，在眾多室內(nèi)定位系統(tǒng) 中，基于信號(hào)接收強(qiáng)度指示測(cè)量技術(shù)的室內(nèi)定位系統(tǒng)顯示出了極大的應(yīng)用前景。
[0003] 從目前基于信號(hào)接收強(qiáng)度指示測(cè)量技術(shù)的室內(nèi)定位系統(tǒng)的研究方向來說，主要是 從指紋庫的建立和定位匹配算法兩個(gè)方面進(jìn)行。由于定位匹配算法的研究已經(jīng)取得了不少 實(shí)用性的成果，而且以往指紋庫的建立都是由經(jīng)過訓(xùn)練的專業(yè)人士進(jìn)行操作的，這種指紋 庫的構(gòu)建方法需要消耗非常高的人力成本，不利于該定位技術(shù)的進(jìn)一步發(fā)展。因此，如何有 效地構(gòu)建一個(gè)低成本、高精度的信號(hào)接收強(qiáng)度指示指紋庫是這種室內(nèi)定位系統(tǒng)走進(jìn)普通應(yīng) 用所必須面臨和解決的問題。
[0004] 經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，Rai A, Chintalapudi K K以及Padmanabhan V N 于 2012 年在 Proceedings of the 18th annual international conference on Mobile computing and networking(2012年ACM組織在移動(dòng)計(jì)算網(wǎng)絡(luò)領(lǐng)域的會(huì)以）中發(fā)表了 "Zee:zero-effort crowdsourcing for indoor localization"（Zee:室內(nèi)定位中的眾包 模式），提出了在室內(nèi)定位系統(tǒng)中引入眾包模式的思想，這種思想的主要目的是引導(dǎo)大量 的手持智能手機(jī)的普通人員參與到室內(nèi)定位中，對(duì)普通人員所采集得到的數(shù)據(jù)進(jìn)行分析處 理，可為建立信號(hào)接收強(qiáng)度指示指紋庫提供一種解決思路，這種思想能夠在一定程度上降 低成本；但是，在眾包模式下，由于都是未受過訓(xùn)練的普通人員參與數(shù)據(jù)采集，則通過終端 設(shè)備中的通信接口獲得的數(shù)據(jù)信息的質(zhì)量是無法保證的，而且慣性傳感器單元會(huì)產(chǎn)生累積 誤差，記錄的行走距離越長，其產(chǎn)生的誤差也就越大，因此，無法保證定位系統(tǒng)的定位精度。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明技術(shù)方案解決的問題是如何有效地構(gòu)建一個(gè)低成本、高精度的信號(hào)接收強(qiáng) 度指示指紋庫。
[0006] 為解決上述問題，本發(fā)明的技術(shù)方案提出了一種基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指 紋庫構(gòu)建方法，包括：
[0007] 挖掘隱藏地標(biāo)相似點(diǎn)集合，包括統(tǒng)計(jì)采樣路徑上各個(gè)采樣點(diǎn)的信號(hào)接收強(qiáng)度指示 信息，根據(jù)所述信號(hào)接收強(qiáng)度指示信息，計(jì)算得到每對(duì)采樣點(diǎn)之間的信號(hào)接收強(qiáng)度指示相 似度，根據(jù)過濾準(zhǔn)則，即篩選出相似度高于預(yù)先設(shè)定的門限閾值的采樣點(diǎn)，確定所述隱藏地 標(biāo)相似點(diǎn)集合；
[0008] 隱藏地標(biāo)坐標(biāo)化，包括基于所述隱藏地標(biāo)相似點(diǎn)集合，利用模糊邏輯決策機(jī)制以 及每個(gè)隱藏地標(biāo)相似點(diǎn)集合中采樣點(diǎn)的坐標(biāo)，確定每個(gè)隱藏地標(biāo)的坐標(biāo)信息；
[0009] 平滑采樣點(diǎn)，包括基于所述隱藏地標(biāo)的坐標(biāo)信息，結(jié)合粒子濾波算法，對(duì)所述采樣 路徑中的采樣點(diǎn)進(jìn)行平滑，得到平滑后的采樣路徑上每個(gè)采樣點(diǎn)的坐標(biāo)，確定信號(hào)接收強(qiáng) 度指示指紋庫信息。
[0010] 可選的，所述計(jì)算得到每對(duì)采樣點(diǎn)之間的信號(hào)接收強(qiáng)度指示相似度，根據(jù)過濾準(zhǔn) 貝1J，確定所述隱藏地標(biāo)相似點(diǎn)集合包括：
[0011]

【權(quán)利要求】
1. 一種基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于，包括： 挖掘隱藏地標(biāo)相似點(diǎn)集合，包括統(tǒng)計(jì)采樣路徑上各個(gè)采樣點(diǎn)的信號(hào)接收強(qiáng)度指示信 息，根據(jù)所述信號(hào)接收強(qiáng)度指示信息，計(jì)算得到每對(duì)采樣點(diǎn)之間的信號(hào)接收強(qiáng)度指示相似 度，根據(jù)過濾準(zhǔn)則，即篩選出相似度高于預(yù)先設(shè)定的門限閾值的采樣點(diǎn)，確定所述隱藏地標(biāo) 相似點(diǎn)集合； 隱藏地標(biāo)坐標(biāo)化，包括基于所述隱藏地標(biāo)相似點(diǎn)集合，利用模糊邏輯決策機(jī)制以及每 個(gè)隱藏地標(biāo)相似點(diǎn)集合中采樣點(diǎn)的坐標(biāo)，確定每個(gè)隱藏地標(biāo)的坐標(biāo)信息； 平滑采樣點(diǎn)，包括基于所述隱藏地標(biāo)的坐標(biāo)信息，結(jié)合粒子濾波算法，對(duì)所述采樣路徑 中的采樣點(diǎn)進(jìn)行平滑，得到平滑后的采樣路徑上每個(gè)采樣點(diǎn)的坐標(biāo)，確定信號(hào)接收強(qiáng)度指 示指紋庫信息。
2. 如權(quán)利要求1所述的基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于， 所述計(jì)算得到每對(duì)采樣點(diǎn)之間的信號(hào)接收強(qiáng)度指示相似度，根據(jù)過濾準(zhǔn)則，確定所述隱藏 地標(biāo)相似點(diǎn)集合包括：
其中，s(i，j)表示兩個(gè)采樣點(diǎn)之間的信號(hào)接收 強(qiáng)度指示相似度，W療：^1義=1，表示采樣點(diǎn)Pi處采集的信號(hào)接收強(qiáng)度指示信 息集合，W= 丨表示采樣點(diǎn)匕處采集的信號(hào)接收強(qiáng)度指示信息集合， ?表示采樣點(diǎn)Pi與匕所共有的信號(hào)接收強(qiáng)度指示信息集合； 信號(hào)接收強(qiáng)度指示相似度的上門限值S s，所述采樣點(diǎn)Pi，i = 1，. . .，M中，如果s (i，j) 小于所述上門限值S s，則將采樣點(diǎn)&添加到Pi的相似點(diǎn)集合Si中，如此迭代循環(huán)，統(tǒng)計(jì)出 每個(gè)采樣點(diǎn)的相似點(diǎn)集合S1，i = 1，...，M,如果任意兩個(gè)采樣點(diǎn)的相似點(diǎn)集合中的元素存 在多個(gè)相同的元素，則融合這兩個(gè)采樣點(diǎn)的相似點(diǎn)集合得到集合Ck，k = 1，. . .，K ; 基于所述集合Ck，k = 1，...，K，如果存在多個(gè)采樣點(diǎn)隸屬于同一條采樣路徑，則根據(jù)信 號(hào)接收強(qiáng)度指示相似度，篩選出信號(hào)接收強(qiáng)度指示相似度最高的點(diǎn)，過濾掉這條采樣路徑 中其他采樣點(diǎn)，得到所述隱藏地標(biāo)相似點(diǎn)集合Wk, k = 1，. . .，K。
3. 如權(quán)利要求1所述的基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于， 所述基于所述隱藏地標(biāo)相似點(diǎn)集合，利用模糊邏輯決策機(jī)制以及每個(gè)隱藏地標(biāo)相似點(diǎn)集合 中采樣點(diǎn)的坐標(biāo)，確定每個(gè)隱藏地標(biāo)的坐標(biāo)信息包括： 基于所述隱藏地標(biāo)相似點(diǎn)集合Wk，k = 1，. . .，K，對(duì)每個(gè)隱藏地標(biāo)相似點(diǎn)集合Wk，k = 1，...，K中的采樣點(diǎn)，計(jì)算任意兩個(gè)采樣點(diǎn)Pi和&之間的物理距離#^，根據(jù)所述模糊邏輯 決策機(jī)制，確定物理距離的等級(jí)集合為T = {small, medium, large}，其中，small表示物理 距離一級(jí)，medium表示物理距離二級(jí)，large表示物理距離三級(jí)，所述物理距離一級(jí)，物理 距離二級(jí)，物理距離三級(jí)的取值依次升高，確定每個(gè)物理距離的模糊內(nèi)聯(lián)等級(jí)值/^，其 中：
4.如權(quán)利要求3所述的基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于， 所述模糊邏輯決策機(jī)制的決策方式如下： 確定模糊置信度集合agSet: {vlow, low, medium, high, vhigh}，其中，vlow表示置信度 水平一級(jí)、low表示置信度水平二級(jí)、medium表示置信度水平三級(jí)、high表示置信度水平四 級(jí)、vhigh表示置信度水平五級(jí)，所述置信度水平一級(jí)，置信度水平二級(jí)，置信度水平三級(jí)， 置信度水平四級(jí)和置信度水平五級(jí)的取值依次升高； 量化所述置信度水平一級(jí)，置信度水平二級(jí)，置信度水平三級(jí)，置信度水平四級(jí)和置信 度水平五級(jí)的值依次為 vlow = 0, low = 0? 25, medium = 0? 5, high = 0? 75, vhigh = 1 ; 設(shè)計(jì)一個(gè)三輸入單輸出的模糊邏輯決策機(jī)制的模糊準(zhǔn)則，即{TWiP n T(dik) - agSet of sample point Pi: small n small - vhigh ;small n medium - high ;small n large - medium ; medium n small - high ;medium n medium - low ;medium n large - vlow ; large n small 一 medium ;large n medium 一 vlow ;large n large 一 vlow，其中 T (d。） 與T(dik)分別表示采樣點(diǎn)Pi與P」以及采樣點(diǎn)Pi與Pk之間的物理距離的等級(jí)，agSet of sample point Pi表示采樣點(diǎn)Pi的置信度水平； 利用排列組合原理，對(duì)包含了 Nk(k > 4)的隱藏地標(biāo)相似點(diǎn)集合中所有的采樣點(diǎn)進(jìn)行 重新組合，其中每個(gè)組合只包含三個(gè)采樣點(diǎn)，即含有C^4種組合；確定每組中各個(gè)采樣點(diǎn)P
其中，i表示每個(gè)采樣點(diǎn)所屬的組合數(shù)，得到每個(gè)采 樣點(diǎn)P的可信值rt'k，其中：
針對(duì)每個(gè)隱藏地標(biāo)相似點(diǎn)集合Wk，k = 1，. . .，K中的每個(gè)采樣點(diǎn)，確定其權(quán)重值其 中：
根據(jù)每個(gè)采樣點(diǎn)的坐標(biāo)以及其權(quán)重值信息，計(jì)算得到該隱藏地標(biāo)的坐標(biāo)信息（xk，yk)， 其中：

5. 如權(quán)利要求1所述的基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于， 所述基于所述隱藏地標(biāo)的坐標(biāo)信息，結(jié)合粒子濾波算法，對(duì)所述采樣路徑中的采樣點(diǎn)進(jìn)行 平滑包括： 初始化產(chǎn)生％個(gè)粒子 ，根據(jù)系統(tǒng)狀態(tài)方程以及 高斯隨機(jī)噪聲，計(jì)算下一個(gè)時(shí)刻的每個(gè)粒子的狀態(tài)，其中，上一時(shí)刻的每個(gè)粒子運(yùn)動(dòng)到下一 時(shí)刻過程中會(huì)根據(jù)高斯隨機(jī)噪聲產(chǎn)生多個(gè)新的粒子，其中，系統(tǒng)的狀態(tài)方程為：
預(yù)估k時(shí)刻處的有效的粒子數(shù)#f w : 獲得每個(gè)時(shí)刻下粒子的狀態(tài)信息，對(duì)所述粒子進(jìn)行重采樣，確定有效的粒子有效的粒
子的數(shù)目的閾值、_當(dāng)前有效的粒子數(shù)目為 如果則過濾 n￡" ' >Nf 掉其中權(quán)重最小的#f - Af ""粒子，并重新生成權(quán)重最大的新粒子。
6. 如權(quán)利要求5所述的基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于， 所述預(yù)估k時(shí)刻處的有效的粒子數(shù)JVf "包括： 在狀態(tài)sk下，計(jì)算所有粒子與該狀態(tài)下的目標(biāo)之間的歐式距離，并對(duì)歐氏距離集合繼 續(xù)排序，得到一個(gè)有序集合Sd ; 計(jì)算所述有序集合Sd的平均值i ,根據(jù)所述平均值i將所述有序集合Sd分為第一子集 合Sf和第二子集合s，； 確認(rèn)i為所述第一子集合Sf中第i個(gè)值，計(jì)算所述第一子集合sf與第二子集合SJ 中前i個(gè)元素的第一平均值^7和所述第二子集合中剩下的元素的第二平均值 根據(jù)下式計(jì)算得到目標(biāo)i和所述k時(shí)刻處的有效的粒子數(shù)iVf /UM，如下：
7.如權(quán)利要求5所述的基于隱藏地標(biāo)的室內(nèi)定位系統(tǒng)指紋庫構(gòu)建方法，其特征在于， 還包括：在所述預(yù)估k時(shí)刻處的有效的粒子數(shù)IVf 之前，計(jì)算目標(biāo)位置的估計(jì)值其 中：
【文檔編號(hào)】G06F17/30GK104349278SQ201410545507
【公開日】2015年2月11日 申請(qǐng)日期:2014年10月15日 優(yōu)先權(quán)日:2014年10月15日
【發(fā)明者】夏俊, 黃正勇, 邱夢(mèng)婷, 俞暉 申請(qǐng)人:上海交通大學(xué)