一種減少指紋數(shù)據(jù)采集工作量的室內(nèi)定位方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)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(duì)于多個(gè)AP，RSSI差值越大的點(diǎn)對(duì)，其物理距離相距也較遠(yuǎn)。利用此特點(diǎn)，將某位置上所獲得的多個(gè)AP的RSSI值作為此位置的高維特征數(shù)據(jù)，計(jì)算點(diǎn)與點(diǎn)之間的RSSI“距離值”，視其為兩點(diǎn)之間的親近關(guān)系，再利用多維標(biāo)度分析算法得到各對(duì)象之間的一個(gè)低維空間的相對(duì)位置關(guān)系，最后，利用較少樣本點(diǎn)作為錨節(jié)點(diǎn)就可以求得其余點(diǎn)的絕對(duì)位置，從而實(shí)現(xiàn)減少樣本點(diǎn)采集個(gè)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(jìn)一步達(dá)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(diǎn)，同時(shí)降低定位誤差。
【專(zhuān)利說(shuō)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(jiàn)的室內(nèi)定位技術(shù)有聲學(xué)信號(hào)、FM信號(hào)、RFID、藍(lán)牙信號(hào)、蜂窩網(wǎng)絡(luò)、ZigBee, UffB和WiFi。一般來(lái)說(shuō)，無(wú)線室內(nèi)定位的模式是首先獲得無(wú)線信號(hào)的物理測(cè)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(cè)量值來(lái)劃分，可以分為時(shí)間、角度和功率。其中基于時(shí)間的物理測(cè)量值又包括到達(dá)時(shí)間(Time of Arrival, T0A)和到達(dá)時(shí)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(cè)量都需要使用專(zhuān)用的硬件測(cè)量設(shè)備，而且測(cè)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(zhuān)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(wú)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(jì)不準(zhǔn)確，導(dǎo)致RSSI傳播模型的預(yù)測(cè)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(cè)量。指紋定位法采集參考點(diǎn)位置的RSSI樣本，構(gòu)建指紋數(shù)據(jù)庫(kù)，即所謂的Rad1 Map,并通過(guò)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(shí)際參考點(diǎn)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(duì)基于WLAN的指紋室內(nèi)定位技術(shù)，國(guó)內(nèi)外學(xué)者已從各個(gè)不同方面對(duì)此進(jìn)行了研究。2000年，美國(guó)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(gè)位置已知的基站，待測(cè)位置的移動(dòng)點(diǎn)通過(guò)兩個(gè)步驟獲取自身位置，首先是一個(gè)離線的數(shù)據(jù)收集的過(guò)程，由各移動(dòng)節(jié)點(diǎn)發(fā)送廣播報(bào)文，基站的接收器根據(jù)信號(hào)強(qiáng)度確定移動(dòng)節(jié)點(diǎn)的位置，并將此位置存入指紋數(shù)據(jù)庫(kù)中；第二個(gè)步驟是在線數(shù)據(jù)處理過(guò)程，移動(dòng)節(jié)點(diǎn)定期發(fā)送廣播報(bào)文，基站節(jié)點(diǎn)查詢指紋數(shù)據(jù)庫(kù)，根據(jù)接收信號(hào)的強(qiáng)度找出最為接近的K個(gè)樣本，將它們的平均位置作為節(jié)點(diǎn)當(dāng)前的位置，通過(guò)實(shí)驗(yàn)數(shù)據(jù)得出，在指紋數(shù)據(jù)庫(kù)中節(jié)點(diǎn)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(guó)馬里蘭大學(xué)計(jì)算機(jī)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(diǎn)上采集并記錄各AP的信號(hào)強(qiáng)度值，不同于之處在于其并不對(duì)全部采樣值進(jìn)行平均處理，而是生成各個(gè)AP的信號(hào)強(qiáng)度值在該參考點(diǎn)上的直方分布圖，并在離線階段匹配時(shí)首次提出聚類(lèi)分塊的概念，將具有相似RSSI信號(hào)特征的參考點(diǎn)劃分為一簇，即一個(gè)定位子區(qū)域。在線定位階段，先通過(guò)聚類(lèi)分塊將用戶粗定位至定位子區(qū)域，再進(jìn)行精確定位，在總共采集110個(gè)參考樣本點(diǎn)，樣本點(diǎn)之間的間距在1.52米左右的情況下，實(shí)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(shí)無(wú)法達(dá)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(duì)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(diǎn)樣本采集工作量主要取決于參考點(diǎn)的密度以及采樣時(shí)長(zhǎng)，參考點(diǎn)采集間隔大，采樣時(shí)長(zhǎng)短，可以減少人力和物力，但有可能無(wú)法保證RSS信號(hào)對(duì)物理位置空間刻畫(huà)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(dòng)的路線中獲取一部分信息來(lái)補(bǔ)充指紋數(shù)據(jù)庫(kù)的方法，從而達(dá)到減少前期創(chuàng)建指紋數(shù)據(jù)庫(kù)工作的目的，此外，他們還提出一種基于插入的拼接各個(gè)不完整指紋數(shù)據(jù)庫(kù)的方法，最終使其合成一個(gè)完成的指紋數(shù)據(jù)庫(kù)。Krumm等人實(shí)驗(yàn)研究了減少采樣時(shí)長(zhǎng)和采樣數(shù)量對(duì)定位精度的影響，他們把位置刻畫(huà)成信號(hào)強(qiáng)度向量的函數(shù)，并將其描述為插值問(wèn)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(hào)的地方獲得的位置信息和室內(nèi)獲取的信號(hào)強(qiáng)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(shí)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(diǎn)(包括種子地標(biāo)點(diǎn)和有機(jī)地標(biāo)點(diǎn))的位置信息(通過(guò)Dead-reckoning)和采集到的各種傳感器信息，通過(guò)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(kù)時(shí)不需要大量的現(xiàn)場(chǎng)勘測(cè)，只需在人員移動(dòng)設(shè)備上安裝一個(gè)app，然后在室內(nèi)隨機(jī)走動(dòng)即可完成指紋庫(kù)的采集，并通過(guò)采集到數(shù)據(jù)和室內(nèi)結(jié)構(gòu)進(jìn)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(jí)別準(zhǔn)確率為86%和5.88米左右。文獻(xiàn)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(lái)重建指紋數(shù)據(jù)庫(kù)，從而達(dá)到減少指紋采集工作量的目的，分別達(dá)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(wèn)題是，針對(duì)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(shí)，減少參考點(diǎn)樣本采集工作量。 [0010]為解決上述技術(shù)問(wèn)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(cè)區(qū)域內(nèi)錨節(jié)點(diǎn)和待測(cè)點(diǎn)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(cè)區(qū)域劃分為多個(gè)小區(qū)域；
[0012]2)計(jì)算|r(m+1)xn|中任意兩個(gè)RSSI向量之間的歐幾里得距離，所有的距離構(gòu)成節(jié)
點(diǎn)間的相異性矩陣Ip (m+l)X (m+l) I ?
[0013]3)對(duì)相異性矩陣|P(m+1)x(m+1) I運(yùn)用非度量多維標(biāo)度算法，求得錨節(jié)點(diǎn)和待測(cè)點(diǎn)的相對(duì)位置坐標(biāo)，記所述相對(duì)位置坐標(biāo)所在坐標(biāo)系為& ；
[0014]4)根據(jù)錨節(jié)點(diǎn)所在位置的坐標(biāo)系X1中錨節(jié)點(diǎn)的絕對(duì)坐標(biāo)和\中錨節(jié)點(diǎn)的相對(duì)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(cè)點(diǎn)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(cè)點(diǎn)在X1中的絕對(duì)坐標(biāo)；
[0016]6)判斷步驟5)得出待測(cè)點(diǎn)在X1中的絕對(duì)坐標(biāo)屬于哪個(gè)小區(qū)域，然后利用小區(qū)域中的錨節(jié)點(diǎn)信息，重復(fù)步驟I)至步驟5)，得出最終的待測(cè)點(diǎn)位置坐標(biāo)。
[0017]每個(gè)小區(qū)域內(nèi)包括四個(gè)錨節(jié)點(diǎn)，所述小區(qū)域?yàn)榫匦巍?br> [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(gè)AP的RSSI值作為此位置的高維特征數(shù)據(jù)，計(jì)算點(diǎn)與點(diǎn)之間的RSSI “距離值”，視其為兩點(diǎn)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(duì)象之間的一個(gè)低維空間的相對(duì)位置關(guān)系，最后，利用較少樣本點(diǎn)作為錨節(jié)點(diǎn)就可以求得其余點(diǎn)的絕對(duì)位置，從而實(shí)現(xiàn)減少樣本點(diǎn)采集個(gè)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(jìn)一步達(dá)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(diǎn)，同時(shí)降低定位誤差。
【專(zhuān)利附圖】

【附圖說(shuō)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(shí)施例縮小區(qū)域定位法定位圖一；圖3(2)本發(fā)明一實(shí)施例縮小區(qū)域定位法定位圖二 ；圖3(3)本發(fā)明一實(shí)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(diǎn)個(gè)數(shù)對(duì)定位精度的影響；圖4 (2):40m*40m區(qū)域錨節(jié)點(diǎn)個(gè)數(shù)對(duì)定位精度的影響；
[0023]圖5(1): ο = 2對(duì)定位精度的影響；圖5(2): ο = 4對(duì)定位精度的影響；圖5(3):σ = 6對(duì)定位精度的影響；圖5(4): ο =8對(duì)定位精度的影響；
[0024]圖6為本發(fā)明一實(shí)施例科技樓實(shí)驗(yàn)室室內(nèi)布局及米樣分布圖。
【具體實(shí)施方式】
[0025]本發(fā)明理論基礎(chǔ)如下:
[0026]通過(guò)在采用對(duì)數(shù)距離路徑損耗模型下兩點(diǎn)之間物理距離和RSSI歐幾里得距離的分析，我們?cè)诼窂綋p耗指數(shù)為3，20*20的區(qū)域中100個(gè)隨機(jī)點(diǎn)做仿真實(shí)驗(yàn)，得出節(jié)點(diǎn)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(shuō)，RSSI差值越大的兩點(diǎn)，它們的物理距離相距也越遠(yuǎn)。針對(duì)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(gè)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(diǎn)點(diǎn)對(duì)兩兩之間的物理距離和其RSSI差值的關(guān)系，具體的說(shuō)就是，點(diǎn)對(duì)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(cè)區(qū)域內(nèi)錨節(jié)點(diǎn)和待測(cè)點(diǎn)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(cè)區(qū)域劃分為多個(gè)小區(qū)域； 2)計(jì)算|r(m+1)xn|中任意兩個(gè)RSSI向量之間的歐幾里得距離，所有的距離構(gòu)成節(jié)點(diǎn)間的相異性矩陣IP (m+l)X (m+l) I ? 3)對(duì)相異性矩陣|P(m+1)x(m+1)|運(yùn)用非度量多維標(biāo)度算法，求得錨節(jié)點(diǎn)和待測(cè)點(diǎn)的相對(duì)位置坐標(biāo),記所述相對(duì)位置坐標(biāo)所在坐標(biāo)系為Xr ； 4)根據(jù)錨節(jié)點(diǎn)所在位置的坐標(biāo)系X1中錨節(jié)點(diǎn)的絕對(duì)坐標(biāo)和&中錨節(jié)點(diǎn)的相對(duì)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(cè)點(diǎn)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(cè)點(diǎn)在X1中的絕對(duì)坐標(biāo)； 6)判斷步驟5)得出待測(cè)點(diǎn)在X1中的絕對(duì)坐標(biāo)屬于哪個(gè)小區(qū)域，然后利用小區(qū)域中的錨節(jié)點(diǎn)信息，重復(fù)步驟I)至步驟5)，得出最終的待測(cè)點(diǎn)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(gè)小區(qū)域內(nèi)包括四個(gè)錨節(jié)點(diǎn)。
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?yàn)榫匦巍?br> 【文檔編號(hào)】H04W4/04GK104038901SQ201410238077
【公開(kāi)日】2014年9月10日 申請(qǐng)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(qǐng)人:中南大學(xué)