Wi-Fi室內定位方法

2023-12-09 06:41:46

專利名稱：Wi-Fi室內定位方法
技術領域：
本發明涉及室內定位方法，具體涉及W1-Fi室內定位方法。
背景技術：
隨著科技水平的提高，多種多媒體業務的飛速發展，人們對於定位服務的需求日益增大，尤其在複雜的室內環境中常常需要確定移動終端或其持有者在室內的位置信息。然而由於多徑信號和小尺度衰落等幹擾因素的存在，往往導致基於室內傳輸模型的定位變得精度難以達到要求。超聲波定位技術、射頻識別技術、超寬帶技術、光跟蹤定位技術等室內定位手段雖然可以達到較高的定位精度，但需要大量的傳感器以及額外的硬體設備支持，實際應用中具有較大的局限性。當前，基於802.11協議的WLAN技術得到了很大的發展，基於WLAN位置指紋(Finger Print)的室內定位技術應運而生。該方法的網絡構建方式不需要額外硬體設備，因而成本低廉，而且系統總精度較高。然而基於位置指紋技術建立覆蓋定位區域的位置指紋圖(RadioMap)往往包含龐大數據信息量，且隨著所需定位區域的擴展，RadioMap數據量會呈指數形式增長。儘可能多的定位數據信息理論上來說會對於整個系統的定位精度有一定程度的提升，但是大量的數據信息延長了定位運算過程所需時間，同時海量信息存儲也會成為終端用戶的負擔。傳統W1-Fi室內定位方法中存在的特徵信息位置指紋圖資料庫過於龐大，在線定位階段匹配過程中運算複雜度高，實時性差等問題。

發明內容
本發明為了解決傳統W1-Fi室內定位方法中存在的特徵信息位置指紋圖資料庫過於龐大，在線定位階段匹配過程中運算複雜度高，實時性差等問題，從而提出了 W1-Fi室內定位方法。W1-Fi室內定位方法是基於室內W1-Fi無線網絡系統實現的，整個待定位的室內該室內W1-Fi無線網絡系統的包括Q個無線連接點和m0個參考點，整個待定位的室內共有q個子區域，位於該室內的W1-Fi對待測點的定位方法為:A、當待測點接收到的無線連接點發送的無線信號強度值時，採用支持向量機分類器將待測點定位到相應第i個子區域，獲取該子區域的位置指紋圖Siib-RadioMapf和特徵變換矩陣Ai ；其中，i= I, 2,…，q,B、採用第i個子區域的特徵變換矩陣Ai將待測點無線信號強度值進行維數轉換得到d維無線信號強度值並與該子區域Sub - RadioMapf進行匹配，採用權值K最鄰近結點算法對待測點位置坐標進行預測，輸出定位結果，其中，Sub-RadioMapf表示第i個子區域的d維位置指紋圖。
本發明通過支持向量機算法在定位方法中在定位時能夠預先將數據按照不同的空間位置合理劃分成若干子區域，通過主成分分析算法在線定位階段匹配過程降低了運算複雜度高，達到了實時性好的目的。本發明在定位時能夠預先將數據按照不同的空間位置合理劃分成若干子區域，一方面可以大幅降低數據量，另一方面還可以通過區域空間坐標的聚集達到提高定位精度的目的。支持向量機(Support Vector Machine, SVM)可以應用在室內定位過程中實現精確的子區域選擇。SVM能自適應學習模式的非線性關係，尤其是支持向量機分類器有著較高分類精度和較低的複雜度，能夠滿足絕大多數情況下室內區域定位的需求。另一種處理龐大數據信息量的方式是應用降維算法。含有眾多數據特徵的RadioMap內部數據之間可能有較強相關性。降維算法的目的正是通過提取隱含於數據內的能夠整體描述RadioMap的低維特徵進行維數轉換，從而在保證精度的前提下減少數據量，提高信息處理效率。主成分分析(Principal ComponentAnalysis, PCA)算法是一種理論完善且計算有效的線性降維算法，對具有線性結構或服從高斯分布的數據集，算法有好的降維效果，且對數據中含有的噪聲不敏感。本發明使用PCA算法對RadioMap進行降維處理並與SVM選區協作完成定位過程。


圖1為本發明所述的W1-Fi室內定位方法流程圖；圖2為基於PCA與SVM協作的室內定位方法在線階段流程圖；圖3為基於PCA與SVM協作的室內定位方法離線階段流程圖；圖4為SVM求解a 4流程圖；圖5為具體實施方式
七所述的某大學科學園2A棟12層的平面示意圖；圖6為基於W1-Fi的室內定位網絡分區示意圖。
具體實施例方式具體實施方式
一、結合圖1和圖2具體說明本實施方式，本實施方式所述的W1-Fi室內定位方法，W1-Fi室內定位方法是基於室內W1-Fi無線網絡系統實現的，整個待定位的室內該室內W1-Fi無線網絡系統的包括Q個無線連接點和m0個參考點，整個待定位的室內共有q個子區域，位於該室內的W1-Fi對待測點的定位方法為:A、當待測點接收到的無線連接點發送的無線信號強度值時，採用支持向量機分類器將待測點定位到相應第i個子區域，獲取該子區域的位置指紋圖Sub-RadioMapf和特徵變換矩陣Ai ;所述的待測點為要被定位的對象，其中，i= 1，2，…，q,B、採用第i個子區域的特徵變換矩陣Ai將待測點無線信號強度值進行維數轉換得到d維無線信號強度值並與該子 區域Sub - Radi0Mapf進行匹配，採用權值K最鄰近結點算法對待測點位置坐標進行預測，輸出定位結果，其中，Sub-RadioMapf表示第i個子區域的d維位置指紋圖。本實施方式是在在線階段實現的。
具體實施方式
二、結合圖3具體說明本實施方式，本實施方式與具體實施方式
一所述的W1-Fi室內定位方法的區別在於，步驟A所述的支持向量機分類器、位置指紋圖Sub-RadioMapi和特徵變換矩陣Ai由下述步驟獲得:本實施方式是在離線階段實現的構建位置指紋圖並進行分區處理，步驟一、將Q個無線連接點布置於整個待定位的室內區域，讓無線信號覆蓋該區域，完成W1-Fi網絡構建；並記錄0個參考點的相應坐標,依次測量並記錄0個參考點接收到的Q個無線連接點發送的無線信號強度值，並將該無線信號強度值作為位置特徵信息，構建整體位置指紋圖；步驟二、第i個子區域的位置指紋圖表示為Sub-RadioMapi ；步驟三、採用支持支持向量機算法對q個子區域依次進行訓練，得到任意兩個子區域的位置指紋圖之間的界線矩陣Wu並生成支持向量機分類器，作為在線階段定位劃分子區域的準則；其中，i表示第i 個子區域，j表示第j個子區域，且i幸j，Wy表示第i個子區域與第j個子區域之間的界線矩 陣，步驟四、在每個子區域採用主成分分析算法將該區域的位置指紋圖數據降至d維，獲得相應的位置指紋圖和特徵變換矩陣，則第i個子區域的d維位置指紋圖表示為Sub-RadioMapf，第i個子區域的特徵變換矩陣為Ai ；步驟五、將q個子區域的所有特徵變換矩陣與相應的位置指紋圖進行存儲，作為在線階段待測點的降維準則及定位匹配資料庫；其中，d為降維的目標維數。
具體實施方式
三、本實施方式與具體實施方式
二所述的W1-Fi室內定位方法的區別在於，步驟三所述的採用支持向量機算法對q個子區域依次進行訓練，得到任意兩個子區域的位置指紋圖之間的界線矩陣Wu並生成支持向量機分類器的具體過程為:將Q個無線連接點布置於整個待定位的室內區域，{6}=為支持向量機算法的輸入數據kG 表示每一個待分類的數據，每個參考點接收q個無線連接點發送的無線信號強度值，yt為對應Xt的標籤值，所有屬於i區的Xt的標籤值yt為1，所有屬於j區的Xt的標籤值yt為-1，在訓練之前所有yt值已經確定，所述的i和j均為待定位的室內區域的子區域，其中，m表示兩個子區域的參考點總數，且m G 0，Xt為列向量，表示第t個參考點接收Q個無線連接點發送的無線信號強度值矩陣，t = I, yt=l或-1, xt= [RSStm, RSSV2, RSS\Pn...，RSS^pJ1, n=l, 2，...，Q，AP 表示無線信號強度值，RSS1 表示第 t 個參考點接收到的第n個無線連接點發送的無線信號強度值，根據公式(I)獲得界線矩陣:
權利要求
1.1-Fi室內定位方法，其特徵在於:W1-Fi室內定位方法是基於室內W1-Fi無線網絡系統實現的，整個待定位的室內W1-Fi無線網絡系統的包括Q個無線連接點和O個參考點，整個待定位的室內共有q個子區域，位於該室內的W1-Fi對待測點的定位方法為: A、當待測點接收到的無線連接點發送的無線信號強度值時，採用支持向量機分類器將待測點定位到相應第i個子區域，獲取該子區域的位置指紋圖Sub-RadioMapf和特徵變換矩陣Ai ； 其中，i = 1，2，…，q， B、採用第i個子區域的特徵變換矩陣Ai將待測點無線信號強度值進行維數轉換得到d維無線信號強度值並與該子區域Sub- RadioMapf進行匹配，採用權值K最鄰近結點算法對待測點位置坐標進行預測，輸出定位結果， 其中，Sub-RadioMapf表示第i個子區域的d維位置指紋圖。
2.根據權利要求1所述的W1-Fi室內定位方法的區別在於:步驟A所述的支持向量機分類器、位置指紋圖Sub-RadioMapi和特徵變換矩陣Ai由下述步驟獲得: 步驟一、記錄0個參考點的相應坐標，依次測量並記錄0個參考點接收到的Q個無線連接點發送的無線信號強度值，並將該無線信號強度值作為位置特徵信息，構建整體位置指紋圖； 步驟二、第i個子區域的位置指紋圖表示為Sub-RadioMapi ； 步驟三、採用支持向量機算法對q個子區域依次進行訓練，得到任意兩個子區域的位置指紋圖之間的界線矩陣Wu並生成支持向量機分類器， 其中，i表示第i個子 區域，j表示第j個子區域，且i古j，Wi,」表示第i個子區域與第j個子區域之間的界線矩陣， 步驟四、在每個子區域採用主成分分析算法將該區域的位置指紋圖數據降至d維，獲得相應的位置指紋圖和特徵變換矩陣，則第i個子區域的d維位置指紋圖表示為Sub-RadioMap!''，第Sub-RadioMapf個子區域的特徵變換矩陣為Ai ； 步驟五、將q個子區域的所有特徵變換矩陣與相應的位置指紋圖進行存儲， 其中，d為降維的目標維數。
3.根據權利要求1所述的W1-Fi室內定位方法的區別在於:步驟三所述的採用支持向量機算法對q個子區域依次進行訓練，得到任意兩個子區域的位置指紋圖之間的界線矩陣W^j並生成支持向量機分類器的具體過程為: 將Q個無線連接點布置於整個待定位的室內區域，丨^為支持向量機算法的輸入數據kl；l, 表示每一個待分類的數據，每個參考點接收Q個無線連接點發送的無線信號強度值， 其中，m表示兩個子區域的參考點總數,且m G 0, Xt為列向量，表示第t個參考點接收Q個無線連接點發送的無線信號強度值矩陣，t=l, 2-m, yt=l或-1，Xt=[RSStAP1，RSStw2,...RSS^...，RSSVq] T，n=l, 2，...，Q，AP表示無線信號強度值，RSS\Pn表示第t個參考點接收到的第n個無線連接點發送的無線信號強度值， 根據公式(I)獲得界線矩陣Wu:
4.根據權利要求2所述的W1-Fi室內定位方法的區別在於:步驟四所述的在每個子區域採用主成分分析算法將該區域的位置指紋圖數據降至d維，獲得相應的位置指紋圖和特徵變換矩陣的具體過程為: 步驟四一、估計本徵維數:所述的本徵維數表示整體位置指紋圖全部特徵的最小無線連接點數目，通過包數法進行本徵維數估計， 根據公式(21)得到估計的本徵維數I
5.根據權利要求1所述的W1-Fi室內定位方法的區別在於:步驟A所述的當待測點接收到的無線連接點發送的無線信號強度值時，採用支持向量機分類器將待測點定位到相應第i個子區域，獲取該子區域的位置指紋圖Sub-RadioMapi和特徵變換矩陣Ai的具體過程為: 待測點V接收到的無線信號強度值，第i個子區域和第j個子區域的界線為
6.根據權利要求1所述的W1-Fi室內定位方法的區別在於:步驟B所述的採用第i個子區域的特徵變換矩陣Ai將待測點無線信號強度值進行維數轉換，得到d維無線信號強度值並與該子區域Sub - RadioM叩;''進行匹配，採用權值K最鄰近結點算法對待測點位置坐標進行預測，輸出定位結果的具體過程為: 採用權值K最鄰近結點算法輸出定位坐標通過下述步驟實現: 根據公式(28)待測點V的無線信號強度值v=[RSSAP1，RSSap2,...RSSAPn...RSSapqJt與特徵變換矩陣Ai相乘，得出降維後的低維特徵數據:
全文摘要
Wi-Fi室內定位方法，具體涉及Wi-Fi室內定位方法。它為了解決傳統Wi-Fi室內定位方法中存在的特徵信息位置指紋圖資料庫過於龐大，在線定位階段匹配過程中運算複雜度高，實時性差等問題。方法為當待測點接收到的無線連接點發送的無線信號強度值時，採用支持向量機分類器將待測點定位到相應第i個子區域，獲取該子區域的位置指紋圖和特徵變換矩陣Ai；採用第i個子區域的特徵變換矩陣Ai將待測點無線信號強度值進行維數轉換得到d維無線信號強度值並與該子區域進行匹配，採用權值K最鄰近結點算法對待測點位置坐標進行預測，輸出定位結果。本發明應用於通信領域。
文檔編號H04W64/00GK103096466SQ20131001741
公開日2013年5月8日 申請日期2013年1月17日 優先權日2013年1月17日
發明者張中兆, 莫雲, 馬琳, 欒斌, 徐玉濱, 崔揚 申請人:哈爾濱工業大學