基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方法
【專利摘要】本發(fā)明公開了一種基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方法，采用貝葉斯分類方法對(duì)監(jiān)聽目標(biāo)的接收信號(hào)強(qiáng)度值進(jìn)行分類，實(shí)現(xiàn)定位功能。使用2.4GHz低數(shù)據(jù)速率(250kbps)無(wú)線傳感網(wǎng)作為定位基礎(chǔ)設(shè)施，直接使用RSSI(接收信號(hào)強(qiáng)度)的變化模式完成Target的定位，無(wú)需考慮測(cè)距以及指紋匹配的誤差問題，因此具有系統(tǒng)布設(shè)簡(jiǎn)單、定位速度快等優(yōu)勢(shì)。
【專利說明】
基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于室內(nèi)目標(biāo)定為技術(shù)領(lǐng)域，涉及一種基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目 標(biāo)定位方法。
【背景技術(shù)】
[0002] 以人為目標(biāo)的室內(nèi)定位在商業(yè)和公共安全領(lǐng)域有著廣泛的應(yīng)用。由于GPS衛(wèi)星定 位信號(hào)在室內(nèi)環(huán)境難以獲得有效的定位精度，甚至無(wú)法使用，目前主流的室內(nèi)定位系統(tǒng)依 賴在室內(nèi)布設(shè)無(wú)線錨節(jié)點(diǎn)(Anchor節(jié)點(diǎn)），監(jiān)聽目標(biāo)(Target節(jié)點(diǎn)）發(fā)出的信號(hào)，進(jìn)而通過三 角定位或者指紋定位策略進(jìn)行位置求解。對(duì)于平面區(qū)域內(nèi)的三角定位法，需要獲知Target 到至少三個(gè)Anchor的物理距離（如圖1所示），根據(jù)以三個(gè)Anchor為中心的三條雙曲線的交 點(diǎn)來(lái)確定Target的位置。三角定位法緊密依賴測(cè)距的精度以及Anchor之間的嚴(yán)格時(shí)鐘同 步，即使用聲音信號(hào)進(jìn)行Target確認(rèn)，lms的同步誤差也會(huì)導(dǎo)致測(cè)距上0.34m的誤差，而方程 求解會(huì)進(jìn)一步累積測(cè)距誤差，使得最后的定位誤差難以控制，可能到達(dá)到米、甚至是十幾米 的級(jí)別，因此需要特制的硬件或復(fù)雜的控制機(jī)制。指紋定位方法在定位之前需要生成一個(gè) 指紋數(shù)據(jù)集，在定位時(shí)，可以根據(jù)采集到的Target指紋與指紋數(shù)據(jù)集進(jìn)行匹配來(lái)完成測(cè)距 或者直接完成定位。
[0003] 現(xiàn)有的室內(nèi)定位方法中，一般假定存在多個(gè)WiFi熱點(diǎn)作為Anchor。然而，從實(shí)施的 角度看，這種方式面臨兩方面的難題。第一，有些場(chǎng)所雖然事先布設(shè)了WiFi熱點(diǎn)，但并不總 能獲得訪問權(quán)限，因此無(wú)法獲得RSSI (接收信號(hào)強(qiáng)度)值;另外，對(duì)于有些場(chǎng)所(涉及安全和 隱私），不允許額外布設(shè)WiFi熱點(diǎn)；因此，WiFi作為室內(nèi)定位的基礎(chǔ)設(shè)施有一定的局限性。第 二，無(wú)線信號(hào)容易受到室內(nèi)復(fù)雜環(huán)境的干擾，且呈非線性衰減特征，使用RSSI(接收信號(hào)強(qiáng) 度)的變化進(jìn)行測(cè)距往往帶來(lái)難以預(yù)測(cè)的誤差。
[0004] 近年來(lái)，在指紋定位研究中，相繼提出了基于數(shù)據(jù)挖掘、基于概率統(tǒng)計(jì)的指紋定位 策略。上述工作均使用了 WiFi信號(hào)，需要通過大量的訓(xùn)練來(lái)生成指紋庫(kù)，且單點(diǎn)定位的精度 有限，需要設(shè)計(jì)復(fù)雜的算法來(lái)完成實(shí)測(cè)樣本到指紋庫(kù)的匹配;這主要是由WiFi信號(hào)本身的 特征引起的。相對(duì)來(lái)說，雖然傳感網(wǎng)的低功耗、低數(shù)據(jù)速率的無(wú)線信號(hào)衰減明顯，但容易區(qū) 分，硬件成本相對(duì)較低，系統(tǒng)布設(shè)更加靈活。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方法，解決了 現(xiàn)有技術(shù)中存在的實(shí)施復(fù)雜、時(shí)鐘同步成本高、定位精度低、穩(wěn)定性差等問題。
[0006] 本發(fā)明所采用的技術(shù)方案是，一種基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方 法，采用貝葉斯分類方法對(duì)監(jiān)聽目標(biāo)的接收信號(hào)強(qiáng)度值進(jìn)行分類，實(shí)現(xiàn)定位功能。
[0007] 本發(fā)明的特征還在于，進(jìn)一步的，具體按照以下步驟進(jìn)行：
[0008] 步驟 1，
[0009] 采用IEEE802.15.4標(biāo)準(zhǔn)，假定傳感網(wǎng)中含有n個(gè)無(wú)線錨節(jié)點(diǎn)，監(jiān)聽目標(biāo)發(fā)送了探測(cè) 包Pi，在網(wǎng)絡(luò)中會(huì)形成一條記錄:Ri = {rii，ri2,…，rij，rin}，其中，Ri表示由無(wú)線錨節(jié)點(diǎn)采集 到的探測(cè)包?4妾收信號(hào)強(qiáng)度值構(gòu)成的一個(gè)數(shù)值序列，其對(duì)應(yīng)著計(jì)算終端數(shù)據(jù)庫(kù)中的一條包 含n個(gè)屬性值的記錄，是編號(hào)為j的無(wú)線錨節(jié)點(diǎn)計(jì)算出來(lái)的探測(cè)包Pi的接收信號(hào)強(qiáng)度值， 每個(gè)無(wú)線錨節(jié)點(diǎn)把接收信號(hào)強(qiáng)度值通過多跳無(wú)線鏈路實(shí)時(shí)地發(fā)送至采集終端；
[0010] 在訓(xùn)練階段，監(jiān)聽目標(biāo)分別處于應(yīng)用場(chǎng)景中事先劃分好的訓(xùn)練區(qū)域內(nèi)，攜帶監(jiān)聽 目標(biāo)的被試者在每個(gè)訓(xùn)練區(qū)域內(nèi)小幅度、緩慢隨機(jī)移動(dòng)30秒至1分鐘，監(jiān)聽目標(biāo)間隔64至 256毫秒發(fā)送一次探測(cè)包（目前的主流無(wú)線節(jié)點(diǎn)可以支持至少lKHz的發(fā)包頻率）；一般來(lái)說， 對(duì)給定訓(xùn)練區(qū)域，為了保證訓(xùn)練精度，Target節(jié)點(diǎn)應(yīng)至少發(fā)送100個(gè)探測(cè)包(可以根據(jù)定位 區(qū)域的實(shí)際大小來(lái)調(diào)整被試者的移動(dòng)時(shí)間和探測(cè)包的發(fā)包時(shí)間間隔）；完成所有訓(xùn)練區(qū)域 內(nèi)的接收信號(hào)強(qiáng)度值收集之后，為每條記錄增加一個(gè)新的屬性，即位置屬性，作為類標(biāo)號(hào)， 用于下一階段訓(xùn)練貝葉斯分類器；
[0011] 步驟 2，
[0012] 使用k-均值策略識(shí)別接收信號(hào)強(qiáng)度值的異常值：
[0013] E = J^ ^(P7C;)2 /?ec, v J
[0014]在式(a)中，p是接收信號(hào)強(qiáng)度值數(shù)據(jù)集中的點(diǎn)，Cl是簇匕的形心，d(p，Cl)表示p和 Cl之間的歐氏距離;給定一個(gè)監(jiān)聽目標(biāo)位置，在獲取了所有接收信號(hào)強(qiáng)度值之后，從接收信 號(hào)強(qiáng)度值數(shù)據(jù)集中隨機(jī)選擇k個(gè)點(diǎn)，并作為k個(gè)簇的形心;在接下來(lái)的每次迭代中，每個(gè)簇使 用上次迭代所分配到該簇的對(duì)象計(jì)算新的均值，然后使用更新后的均值作為新的形心，迭 代會(huì)一直持續(xù)到分配穩(wěn)定為止；
[0015] 步驟 3，
[0016] 假設(shè)R是用于訓(xùn)練貝葉斯位置分類器的、具有類標(biāo)號(hào)的訓(xùn)練集，它的一條記錄表示 為R= {ri，r2, . . .rn}，ri表示第i個(gè)屬性值;在整個(gè)定位空間有m個(gè)訓(xùn)練區(qū)域，分別記為L(zhǎng)i， L2. . .Lm，貝葉斯位置分類器的核心任務(wù)就是計(jì)算PHUlR)的最大后驗(yàn)概率值及對(duì)應(yīng)的位置 類標(biāo)號(hào);根據(jù)貝葉斯定理，公式(b)給出了計(jì)算方式：
0>)
[0018]在訓(xùn)練集R中，對(duì)于給定的RGR，Pr(R)是一個(gè)常數(shù)；同時(shí)假定監(jiān)聽目標(biāo)處于定位空 間中各個(gè)訓(xùn)練區(qū)域的先驗(yàn)概率是相等的，即PrO^iPra」），其中l(wèi)$i〈j彡m，那么貝葉斯位 置分類器只需考慮最大化Pr(R | U)即可；當(dāng)無(wú)線錨節(jié)點(diǎn)數(shù)量增加時(shí)，R的維度也會(huì)相應(yīng)提 高；因此，為了降低PrUlLO的計(jì)算開銷、提高系統(tǒng)的定位速度，假設(shè)任一記錄R的屬性之間 并不存在任何依賴關(guān)系，即n獨(dú)立于其中1彡i〈j彡n;因此使用公式(c)來(lái)搜索Pr(R|U) 的最大值：
[0019] Pr(R | Li) =Pr(ri | Li) XPr(r21 Li) X ???Pr(rn | Li) (c)
[0020] 在定位應(yīng)用中，訓(xùn)練區(qū)域的分布是離散的，但RSSI值是有界且連續(xù)的數(shù)據(jù)，根據(jù)公 式(d)，通過高斯分布函數(shù)求出公式(c)所需的各屬值的概率分布：
[0022]其中，uL^〇Ll分別用L沖所有記錄的第j個(gè)屬性(^)值的均值和標(biāo)準(zhǔn)差來(lái)代替。 [0023]本發(fā)明的有益效果:本發(fā)明使用2.4GHz低數(shù)據(jù)速率(250kbps)無(wú)線傳感網(wǎng)作為定 位基礎(chǔ)設(shè)施，直接使用RSSI(接收信號(hào)強(qiáng)度）的變化模式完成Target的定位，無(wú)需考慮測(cè)距 以及指紋匹配的誤差問題，因此具有系統(tǒng)布設(shè)簡(jiǎn)單、定位速度快等優(yōu)勢(shì)。在很多室內(nèi)定位應(yīng) 用中，比如，展覽館游客導(dǎo)覽的定位，寫字樓員工或清潔工人位置定位，往往不需要進(jìn)行單 點(diǎn)定位，區(qū)域定位就可以滿足需求，即只識(shí)別Target位于哪個(gè)區(qū)域，而不是識(shí)別其位于哪個(gè) 具體的坐標(biāo)點(diǎn)。定位精度高，穩(wěn)定性好。
【附圖說明】
[0024]圖1是RSSI分布密度示意圖。
[0025]圖2是走廊空間定位場(chǎng)景圖。
[0026] 圖3是大廳空間定位場(chǎng)景圖。
[0027] 圖4是走廊空間各定位區(qū)域召回率。
[0028] 圖5是大廳空間各定位區(qū)域召回率。
[0029] 圖6是走廊空間各定位區(qū)域準(zhǔn)確率。
[0030] 圖7是大廳空間各定位區(qū)域準(zhǔn)確率。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明進(jìn)行詳細(xì)說明。
[0032] 1.傳感網(wǎng)體系結(jié)構(gòu)和工作方式
[0033]本發(fā)明采用IEEE802.15.4標(biāo)準(zhǔn)，把多個(gè)Anchor節(jié)點(diǎn)構(gòu)造成一個(gè)無(wú)線傳感網(wǎng)作為基 礎(chǔ)設(shè)施;Target周期地發(fā)送探測(cè)包，Anchor節(jié)點(diǎn)收到后，計(jì)算出其對(duì)應(yīng)的RSSI值。一般來(lái)說， RSSI值隨著距離的增加而降低，因此，距離Target不同的Anchor節(jié)點(diǎn)，其獲取的RSSI值也是 不同的。本文利用貝葉斯分類方法來(lái)對(duì)Target的RSSI進(jìn)行分類，進(jìn)而完成定位功能。
[0034] 假定傳感網(wǎng)中含有n個(gè)Anchor節(jié)點(diǎn)，Target發(fā)送了探測(cè)包Pi，在網(wǎng)絡(luò)中會(huì)形成一條 "記錄" ：Ri= {m，ri2,…，rij，rin}，其中，rij是編號(hào)為j的Anchor計(jì)算出來(lái)的Pi的RSSI值，每 個(gè)Anchor把RSSI值通過多跳無(wú)線鏈路實(shí)時(shí)地發(fā)送至采集終端。在訓(xùn)練階段，Target分別處 于應(yīng)用場(chǎng)景中事先劃分好的訓(xùn)練區(qū)域內(nèi)，攜帶Target的被試者在每個(gè)訓(xùn)練區(qū)域內(nèi)小幅度、 緩慢隨機(jī)移動(dòng)40秒，Target間隔256ms發(fā)送一次探測(cè)包，對(duì)給定訓(xùn)練區(qū)域（圖6和圖7中的 Li)，Target節(jié)點(diǎn)一共發(fā)送160個(gè)探測(cè)包，如不考慮缺失和無(wú)效值，可在終端生成160條記錄。 完成所有訓(xùn)練區(qū)域內(nèi)的RSSI收集之后，為每條記錄增加一個(gè)新的屬性，8卩"位置"屬性(作為 類標(biāo)號(hào)），用于下一階段訓(xùn)練貝葉斯分類器。比如，當(dāng)Target處于訓(xùn)練區(qū)域U，那么對(duì)應(yīng)記錄 的"位置"屬性值都被設(shè)置為U。
[0035] 2.異常值識(shí)別機(jī)制
[0036] 在實(shí)測(cè)過程中發(fā)現(xiàn)RSSI值會(huì)出現(xiàn)少量異常，尤其是在室內(nèi)空間中存在較多人員走 動(dòng)的情況下。包含異常值的記錄不利于訓(xùn)練出高效的貝葉斯分類器，為了提高位置識(shí)別準(zhǔn) 確率，必須剔除RSSI異常值。本文使用k-均值策略來(lái)識(shí)別RSSI異常值。
[0037] (a) ￡' = E Y.d{p^：)2 i=\ p^=Ci
[0038] 在式(a)中，p是RSSI數(shù)據(jù)集中的點(diǎn)，Ci是簇Ci的形心，d(p，ci)表示p和Ci之間的歐 氏距離。給定一個(gè)Target位置，在獲取了所有RSSI值之后，從RSSI數(shù)據(jù)集中隨機(jī)選擇k個(gè)點(diǎn)， 并作為k個(gè)簇的形心。在接下來(lái)的每次迭代中，每個(gè)簇使用上次迭代所分配到該簇的對(duì)象計(jì) 算新的均值，然后使用更新后的均值作為新的形心。迭代會(huì)一直持續(xù)到分配穩(wěn)定為止。 [0039] 3.貝葉斯分類策略
[0040]假設(shè)R是用于訓(xùn)練貝葉斯位置分類器的、具有類標(biāo)號(hào)的訓(xùn)練集，它的一條記錄表示 為R= {ri，r2, . . .rn}，ri表示第i個(gè)屬性值;在整個(gè)定位空間有m個(gè)訓(xùn)練區(qū)域（即m種位置類標(biāo) 號(hào)），分別記為1 1兒2...1^。貝葉斯位置分類器的核心任務(wù)就是計(jì)算?41^|1〇的最大后驗(yàn)概 率值及對(duì)應(yīng)的位置類標(biāo)號(hào)。根據(jù)貝葉斯定理，公式(b)給出了計(jì)算方式。
[0042]在訓(xùn)練集R中，對(duì)于給定的RGR，Pr(R)是一個(gè)常數(shù)；同時(shí)假定Target處于定位空間 中各個(gè)訓(xùn)練區(qū)域的先驗(yàn)概率是相等的，即PrO^zPrO^a彡那么，本文的貝葉斯 位置分類器只需考慮最大化Pr(R | U)即可。當(dāng)Anchor數(shù)量增加時(shí)，R的維度也會(huì)相應(yīng)提高， 因此，為了降低PrUlU)的計(jì)算開銷、提高系統(tǒng)的定位速度，假設(shè)任一記錄R的屬性之間并 不存在任何依賴關(guān)系，即n獨(dú)立于n(l<i〈j<n)，因此可以使用公式(c)來(lái)搜索PrUlLO的 最大值。
[0043] (c) Pr(R | Li) =Pr(ri | Li) XPr(r21 Li) X ???Pr(rn | Li)
[0044] 在定位應(yīng)用中，訓(xùn)練區(qū)域的分布是離散的，但RSSI值是有界且連續(xù)的數(shù)據(jù)，圖1展 示了剔除異常值后的、位于一個(gè)訓(xùn)練區(qū)域內(nèi)的RSSI分布情況，可以看出，RSSI值的分布總體 呈現(xiàn)出近似高斯分布的特征(對(duì)于Target位于其他訓(xùn)練區(qū)域的情況，結(jié)果類似），表明了貝 葉斯分類器的理論可行性?？筛鶕?jù)公式(d)，通過高斯分布函數(shù)求出公式(c)所需的各屬值 的概率分布。
[0046] 其中，ULgou可分別用U中所有記錄的第j個(gè)屬性(^)值的均值和標(biāo)準(zhǔn)差來(lái)代替。
[0047] 本發(fā)明考慮了兩類典型的室內(nèi)定位的場(chǎng)景:建筑內(nèi)的走廊和的大廳，平面布置分 別如圖2和圖3所示。在兩種場(chǎng)景中，Anchor均被固定在距離地面高度為2米的墻面，定位區(qū) 域按照地面上地磚進(jìn)行自然劃分，走廊空間地磚尺寸為1.8 X 0.9m2，大廳空間地磚尺寸為 1.2 X 1.2m2，定位區(qū)域如果趨近于無(wú)窮小，則演變成單點(diǎn)定位，同時(shí)，訓(xùn)練集的規(guī)模也相應(yīng) 趨于無(wú)窮大;但對(duì)于以人為目標(biāo)的定位應(yīng)用中，根據(jù)人體移動(dòng)速度，1~2m2的定位區(qū)域是合 理的。另外，在實(shí)驗(yàn)過程中，除了攜帶Target的被試人員外，在數(shù)據(jù)集收集過程中有大約15 人(11分鐘內(nèi)）步行通過走廊空間的測(cè)試區(qū)域，有62人(29分鐘內(nèi)）步行通過大廳空間的測(cè)試 區(qū)域。
[0048] 圖4和圖5分別描述在走廊空間和大廳空間內(nèi)，本文定位方法的召回率。召回率體 現(xiàn)了Target處于區(qū)域Li同時(shí)被正確識(shí)別為U的頻率。可以看出，在走廊空間內(nèi)，召回率基本 大于80%，在一半以上區(qū)域的召回率可以接近100%;在大廳空間內(nèi)，大部分召回率接近 100%，最低召回率為83.3%。
[0049] 圖6和圖7描述了本文定位系統(tǒng)在兩種場(chǎng)景下達(dá)到的準(zhǔn)確率。準(zhǔn)確率描述了Target 處于區(qū)域U同時(shí)被正確識(shí)別為U、Target處于區(qū)域L」（j辛i)同時(shí)未被錯(cuò)誤識(shí)別為U這一情 況的頻次。在走廊空間內(nèi)的每個(gè)區(qū)域，定位準(zhǔn)確率幾乎都超過80%，平均準(zhǔn)確率為87%;在 大廳空間內(nèi)，定位準(zhǔn)確率的最低為84.5%，最高為100%，平均情況為92%。
【主權(quán)項(xiàng)】
1. 一種基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方法，其特征在于，采用貝葉斯分類 方法對(duì)監(jiān)聽目標(biāo)的接收信號(hào)強(qiáng)度值進(jìn)行分類，實(shí)現(xiàn)定位功能。2. 根據(jù)權(quán)利要求1所述的一種基于傳感網(wǎng)和貝葉斯方法的室內(nèi)目標(biāo)定位方法，其特征 在于，具體按照以下步驟進(jìn)行： 步驟1， 采用IEEE802.15.4標(biāo)準(zhǔn)，假定傳感網(wǎng)中含有η個(gè)無(wú)線錨節(jié)點(diǎn)，監(jiān)聽目標(biāo)發(fā)送了探測(cè)包 在網(wǎng)絡(luò)中會(huì)形成一條記錄:Ri=l>ii，ri2,…，rij，rin}，其中，Ri表示由無(wú)線錨節(jié)點(diǎn)采集到的 探測(cè)包收信號(hào)強(qiáng)度值構(gòu)成的一個(gè)數(shù)值序列，其對(duì)應(yīng)著計(jì)算終端數(shù)據(jù)庫(kù)中的一條包含η 個(gè)屬性值的記錄，是編號(hào)為j的無(wú)線錨節(jié)點(diǎn)計(jì)算出來(lái)的探測(cè)包Pi的接收信號(hào)強(qiáng)度值，每個(gè) 無(wú)線錨節(jié)點(diǎn)把接收信號(hào)強(qiáng)度值通過多跳無(wú)線鏈路實(shí)時(shí)地發(fā)送至采集終端； 在訓(xùn)練階段，監(jiān)聽目標(biāo)分別處于應(yīng)用場(chǎng)景中事先劃分好的訓(xùn)練區(qū)域內(nèi)，攜帶監(jiān)聽目標(biāo) 的被試者在每個(gè)訓(xùn)練區(qū)域內(nèi)小幅度、緩慢隨機(jī)移動(dòng)30秒至1分鐘，監(jiān)聽目標(biāo)間隔64至256毫 秒發(fā)送一次探測(cè)包;對(duì)給定訓(xùn)練區(qū)域，為了保證訓(xùn)練精度，Target節(jié)點(diǎn)至少發(fā)送100個(gè)探測(cè) 包;完成所有訓(xùn)練區(qū)域內(nèi)的接收信號(hào)強(qiáng)度值收集之后，為每條記錄增加一個(gè)新的屬性，即位 置屬性，作為類標(biāo)號(hào)，用于下一階段訓(xùn)練貝葉斯分類器； 步驟2， 使用k-均值策略識(shí)別接收信號(hào)強(qiáng)度值的異常值：(a) 在式(a)中，p是接收信號(hào)強(qiáng)度值數(shù)據(jù)集中的點(diǎn)，Cl是簇(^的形心，d(p，Cl)表示?和(^之間 的歐氏距離;給定一個(gè)監(jiān)聽目標(biāo)位置，在獲取了所有接收信號(hào)強(qiáng)度值之后，從接收信號(hào)強(qiáng)度 值數(shù)據(jù)集中隨機(jī)選擇k個(gè)點(diǎn)，并作為k個(gè)簇的形心;在接下來(lái)的每次迭代中，每個(gè)簇使用上次 迭代所分配到該簇的對(duì)象計(jì)算新的均值，然后使用更新后的均值作為新的形心，迭代會(huì)一 直持續(xù)到分配穩(wěn)定為止； 步驟3， 假設(shè)R是用于訓(xùn)練貝葉斯位置分類器的、具有類標(biāo)號(hào)的訓(xùn)練集，它的一條記錄表示為R ={ri，r2, . . .rn}，ri表示第i個(gè)屬性值；在整個(gè)定位空間有m個(gè)訓(xùn)練區(qū)域，分別記為L(zhǎng)i， L2. . .Lm，貝葉斯位置分類器的核心任務(wù)就是計(jì)算PHUlR)的最大后驗(yàn)概率值及對(duì)應(yīng)的位置 類標(biāo)號(hào);根據(jù)貝葉斯定理，公式(b)給出了計(jì)算方式：(h) 在訓(xùn)練集R中，對(duì)于給定的ReR，Pr(R)是一個(gè)常數(shù)；同時(shí)假定監(jiān)聽目標(biāo)處于定位空間中 各個(gè)訓(xùn)練區(qū)域的先驗(yàn)概率是相等的，即PraOiPrO^)，其中l(wèi)$i〈j彡m，那么貝葉斯位置分 類器只需考慮最大化Pr(R | U)即可；當(dāng)無(wú)線錨節(jié)點(diǎn)數(shù)量增加時(shí)，R的維度也會(huì)相應(yīng)提高；因 此，為了降低PrUlU)的計(jì)算開銷、提高系統(tǒng)的定位速度，假設(shè)任一記錄R的屬性之間并不 存在任何依賴關(guān)系，即ri獨(dú)立于r」，其中因此使用公式(c)來(lái)搜索Pr(R|Li)的最 大值： Pr(R| Li) = Pr(ri | Li) XPr(r21 Li) X ???Pr(rn| Li) (c) 在定位應(yīng)用中，訓(xùn)練區(qū)域的分布是離散的，但RSSI值是有界且連續(xù)的數(shù)據(jù)，根據(jù)公式 (d)，通過高斯分布函數(shù)求出公式(c)所需的各屬值的概率分布：其中，uu與m分別用L沖所有記錄的第j個(gè)屬性(^)值的均值和標(biāo)準(zhǔn)差來(lái)代替。
【文檔編號(hào)】H04W64/00GK105960011SQ201610244430
【公開日】2016年9月21日
【申請(qǐng)日】2016年4月18日
【發(fā)明人】孫國(guó)棟, 楊高翔
【申請(qǐng)人】北京林業(yè)大學(xué)