基于稀疏信號指紋數(shù)據(jù)庫的室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及室內(nèi)定位領(lǐng)域，具體的設(shè)及一種基于稀疏信號指紋數(shù)據(jù)庫的室內(nèi)定位 方法。
【背景技術(shù)】
[0002] 確定室內(nèi)任意處位置的坐標(biāo)具有重要意義，研究人員針對此問題開發(fā)了各種不同 的算法。隨著基于802.11規(guī)范的無線網(wǎng)絡(luò)技術(shù)發(fā)展W及無線網(wǎng)絡(luò)和智能手機(jī)的普及，基于 無線信號指紋的室內(nèi)定位方法受到廣泛關(guān)注。
[0003] 信號指紋定位包括兩個步驟:訓(xùn)練與定位。訓(xùn)練階段主要是創(chuàng)建信號指紋數(shù)據(jù)庫， 在室內(nèi)不同位置捜集不同熱點(diǎn)信號強(qiáng)度，將位置與對應(yīng)的信號強(qiáng)度信息組合構(gòu)成信號指 紋，將所有信號指紋保存到數(shù)據(jù)庫中。在定位階段，將用戶接收到的信號強(qiáng)度與指紋數(shù)據(jù)庫 中所有信號指紋進(jìn)行比對，尋找相似的信號指紋，通過不同算法，包括KNN，KWNN，貝葉斯，神 經(jīng)網(wǎng)絡(luò)等算法，計(jì)算得到用戶在室內(nèi)的位置。該方法可W通過現(xiàn)有的WiFi熱點(diǎn)和普通智能 手機(jī)等設(shè)備即可實(shí)現(xiàn)，且算法復(fù)雜度不高，定位精度好，已被很多公司產(chǎn)品化，包括谷歌室 內(nèi)定位地圖，WiFiSlam等軟件均采用了上述方法。
[0004] 但現(xiàn)有室內(nèi)定位方法中訓(xùn)練階段捜集的信號指紋信息越多，在定位階段精度越 高，運(yùn)導(dǎo)致創(chuàng)建與維護(hù)信號指紋數(shù)據(jù)庫所需成本較高。
[0005] 首先，創(chuàng)建數(shù)據(jù)庫過程非常費(fèi)時費(fèi)力，需要逐點(diǎn)測量信號強(qiáng)度，運(yùn)些已知位置和信 號強(qiáng)度的節(jié)點(diǎn)稱為參考點(diǎn)（Reference化int，RP)，若參考點(diǎn)數(shù)量過多，則測量過程非常耗 時。W-個20m*20m的區(qū)域?yàn)槔?，為了保證該方法的室內(nèi)定位精度，假如每隔1米測量一個參 考點(diǎn)，則總共需要測量400個參考點(diǎn)，每個點(diǎn)需要進(jìn)行數(shù)次測量W獲得可行的數(shù)據(jù)，由此可 知測量過程非常耗費(fèi)時間。對于更大區(qū)域，所需時間更多。對于有些區(qū)域來說，由于布局等 原因，可能無法獲取高密度的參考點(diǎn)信息。
[0006] 其次，維護(hù)一個數(shù)據(jù)庫成本也非常巨大。因?yàn)闊o線信號傳播受到環(huán)境影響較大，室 內(nèi)物品擺放的變化，口的開關(guān)，人員走動，W及天氣環(huán)境的變化等都會影響信號的分布。一 旦信號分布發(fā)生變化，為了保持定位性能，原有數(shù)據(jù)庫就需要更新。室內(nèi)環(huán)境變化較為頻 繁，因此數(shù)據(jù)庫就需要不斷更新，進(jìn)一步增高了成本。
[0007] 另一方面，傳統(tǒng)信號指紋定位算法適用范圍有限，用戶移動范圍必須都處于訓(xùn)練 階段捜集過的區(qū)域內(nèi)，否則無法找到相似的指紋，無法進(jìn)行位置估計(jì)，因此對于陌生區(qū)域無 法使用。
[000引由此可見，盡管基于信號指紋定位方法具有部署簡單，定位精度高的優(yōu)點(diǎn)，但是構(gòu) 建與維護(hù)信號指紋數(shù)據(jù)庫成本較高，適用范圍有限，在實(shí)際應(yīng)用過程中，直接導(dǎo)致的問題是 數(shù)據(jù)庫包含的參考點(diǎn)密度不夠，定位性能無法得到保證。例如，谷歌室內(nèi)定位地圖推出了幾 年，已經(jīng)捜集了約十萬個場館的地圖信息，但是運(yùn)些場館絕大多數(shù)都沒有足夠的信號指紋 信息支持用戶定位;有些數(shù)據(jù)較為老舊，定位性能大幅降低，因此其使用率一直不高。對此， 研究人員提出了大量快速構(gòu)建與更新指紋數(shù)據(jù)庫的算法，群智感知(化OWdsourcing)，光線 追蹤（Ray-Tracing)，SLAM(Simultaneous Localization And Mapping)等。
[0009] 群智感知算法的核屯、在于利用普通用戶定位結(jié)果構(gòu)建數(shù)據(jù)庫，然而其中面臨設(shè)備 多樣性，異常數(shù)據(jù)識別與剔除，用戶貢獻(xiàn)機(jī)制設(shè)計(jì)等問題，增加了該算法使用的成本。
[0010] 光線追蹤算法需要首先構(gòu)建精確的室內(nèi)空間=維模型，通過追蹤無線信號在室內(nèi) 的傳播路徑，估計(jì)信號的空間分布，該算法復(fù)雜度較高，不適用于大范圍的室內(nèi)環(huán)境。
[0011] SLAM算法則利用慣導(dǎo)沿一定路徑捜集信號構(gòu)建數(shù)據(jù)庫，該算法定位中所用慣性導(dǎo) 航會導(dǎo)致誤差積累，因此數(shù)據(jù)庫準(zhǔn)確度不高。

【發(fā)明內(nèi)容】

[0012] 本發(fā)明的目的在于提供一種基于稀疏信號指紋數(shù)據(jù)庫的室內(nèi)定位方法，該發(fā)明解 決了現(xiàn)有技術(shù)中參考點(diǎn)獲取費(fèi)時、工作量大、成本較高的技術(shù)問題。
[0013] 參見圖1，本發(fā)明提供一種基于稀疏信號指紋數(shù)據(jù)庫的室內(nèi)定位方法，包括W下步 驟：
[0014] 步驟Sioo:采集所有參考點(diǎn)的信息指紋，構(gòu)建含有信號指紋的參考點(diǎn)指紋訓(xùn)練數(shù) 據(jù)庫DBtT;
[0015] 步驟S200:根據(jù)所取參考點(diǎn)生成大量均勻分布、覆蓋整個待定位區(qū)域的虛擬參考 點(diǎn)，構(gòu)建由虛擬參考點(diǎn)構(gòu)成的虛擬數(shù)據(jù)庫PQVT;
[0016] 步驟S300:基于局部高斯過程估計(jì)虛擬數(shù)據(jù)庫PDVT中虛擬參考點(diǎn)所能接收到的無 線熱點(diǎn)信號強(qiáng)度，并構(gòu)建虛擬指紋數(shù)據(jù)庫DBVT;
[0017] 步驟S400:基于虛擬指紋數(shù)據(jù)庫通過IKWr^N算法，對虛擬參考點(diǎn)的坐標(biāo)進(jìn)行位置估 計(jì)；
[0018] 步驟Sioo~S300中的各步驟均可W按現(xiàn)有方法進(jìn)行處理。
[0019] 步驟S400包括W下步驟：
[0020] 步驟S410:在任意待確定位置的未知點(diǎn)測量到一組無線熱點(diǎn)信號強(qiáng)度，計(jì)算所測 量到的信號強(qiáng)度與虛擬指紋數(shù)據(jù)庫中任意虛擬參考點(diǎn)n的信號強(qiáng)度之間的距離dt,n，按照公 式(5)計(jì)算：
[0021] 今"=〇+<:) (5)
[0022] 其中，為任意待確定位置的未知點(diǎn)處的一組無線熱點(diǎn)信號與虛擬指紋數(shù)據(jù)庫 中任意虛擬參考點(diǎn)n之間的信號距離，<：r為任意待確定位置的未知點(diǎn)處的一組無線熱點(diǎn)信 號與虛擬指紋數(shù)據(jù)庫中任意虛擬參考點(diǎn)n之間的坐標(biāo)方差距離;假設(shè)用戶在時刻t，某點(diǎn)處 測量得到的RSS向量為RSSt，RSSt={RSSt,i，i = l，2,…，a}，其中RSSt,i表示t時刻接收到第i 個熱點(diǎn)的信號強(qiáng)度值；
[0024]其中，是虛擬參考點(diǎn)n對應(yīng)于接入點(diǎn)i的無線熱點(diǎn)信號強(qiáng)度，q為可調(diào)參數(shù)， 表示用戶t時刻在虛擬參考點(diǎn)n測量到的第i個無線熱點(diǎn)信號強(qiáng)度；
[0026] 其中，On,I是信號強(qiáng)度估計(jì)方差，采用公式(3)計(jì)算，q為可調(diào)參數(shù)；
[0027] 步驟S420:根據(jù)公式(5)~(7)計(jì)算任意未知點(diǎn)測量到一組信號強(qiáng)度與虛擬指紋數(shù) 據(jù)庫中所有虛擬參考點(diǎn)對應(yīng)的信號強(qiáng)度之間的距離。選擇所得距離結(jié)果中最小的m個參考 點(diǎn)，采用加權(quán)平均計(jì)算接入點(diǎn)處的用戶位置：
[0029] 其中，片;\乂 '）為所選擇的m個參考點(diǎn)中第j個參考點(diǎn)巧。的坐標(biāo)，…C DF'i， 兩為歸一化后m個參考點(diǎn)的權(quán)重，
[0030] 其中，P為可調(diào)參數(shù)，C表示任意未知點(diǎn)測量到的無線熱點(diǎn)信號與所選擇的m個參 考點(diǎn)中第j個參考點(diǎn)的距離，采用公式(5)進(jìn)行計(jì)算;《表示在任意未知點(diǎn)處測量得到的無 線熱點(diǎn)信號與所選擇的m個參考點(diǎn)中第i個參考點(diǎn)的距離，采用公式(5)進(jìn)行計(jì)算。
[0031] 進(jìn)一步地，步驟S300包括W下步驟：
[0032] 步驟S310:用戶在任一已知位置的虛擬參考點(diǎn)點(diǎn)C*處收到的任意熱點(diǎn)m的信號強(qiáng) 度'33*,。取值概率9(^3*,。|料，？)服從正態(tài)分布|<枯'&/|&，巧=5￥'的^,。,,;/4"，<,)，根據(jù)公式 (2)和(3)估計(jì)得到任一虛擬參考點(diǎn)C*能接收到的無線熱點(diǎn)信號強(qiáng)度和信號強(qiáng)度估計(jì)方 差喊；
[0033] 片。M = k (!< + 〇-J Y 民SS 1 2)
[0034] 其中，RSS= (rssi,nT''rssk,m)，rssi,m表示距離最小的k個臨近參考點(diǎn)中的第一個參 考點(diǎn)所接收到的第m個熱點(diǎn)信號強(qiáng)度，I為單位對角矩陣;k*是kXl向量，表示C*與TS*之間的 相關(guān)性，表示為k*[i]=k(c*，i)，其中此處的i表示第i個最近鄰居，k(c*，i)采用公式4進(jìn)行 計(jì)算；誠為信號強(qiáng)度測量方差，磚1、由hyper-parameter方法基于訓(xùn)練數(shù)據(jù)庫估計(jì)得 至Ij; WP = {(Ci，f i) I i = 1，2，? ? ?，n}表示訓(xùn)練數(shù)據(jù)庫中所有的參考點(diǎn)，其中Ci = (Xi，Yi)表示 第i個參考點(diǎn)的坐標(biāo);fi = {(idi,m，rssi,m) Im=I，2，。'曰}，表示第i個參考點(diǎn)處的無線熱點(diǎn)信 號強(qiáng)度;rSSi,m表示在第i個參考點(diǎn)處收到的第m個無線熱點(diǎn)信號源idi,m的信號強(qiáng)度，單位是 地m; a表示所有參考點(diǎn)可收到的所有熱點(diǎn)數(shù)量；
[0035] K是與C*距離最小的k個臨近參考點(diǎn)之間的相關(guān)性，表示為K [ i，j ] = k (Ci，C j)，
[0036] 信號強(qiáng)度估計(jì)方差表示為：
[0037] 新二時斬，尤-較巧+詩7'屯+式 (3)
[003引其中，k(x*，x*)=k(Ci，Cj)，k*表示點(diǎn)c*與k個臨近參考點(diǎn)之間的相關(guān)性，參照公式 (4)得到，I為單位對角矩陣；
[0039] 步驟S320:將點(diǎn)C*坐標(biāo)和與之對應(yīng)的信號強(qiáng)度相組合，構(gòu)成信號指紋，存入虛擬信 號指紋數(shù)據(jù)庫DBVT中。
[0040] 進(jìn)一步地，虛擬參考點(diǎn)的提取方法包括W下步驟：W參考點(diǎn)為端點(diǎn)，每間隔距離D 取第i個虛擬參