利用信號(hào)時(shí)間相關(guān)性提高指紋室內(nèi)定位精度的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及通信、導(dǎo)航定位技術(shù)領(lǐng)域，具體地，設(shè)及一種利用時(shí)間相關(guān)性提高WiFi 指紋定位精度的方法。
【背景技術(shù)】
[0002] 定位服務(wù)是多年來(lái)在眾多領(lǐng)域擁有廣泛應(yīng)用前景的技術(shù)，GPS衛(wèi)星定位及各類地 圖導(dǎo)航方便了千家萬(wàn)戶。在運(yùn)移動(dòng)互聯(lián)快速發(fā)展的時(shí)代，室內(nèi)定位是移動(dòng)服務(wù)最后一米的 機(jī)會(huì)，公共安全、商場(chǎng)停車場(chǎng)定位導(dǎo)覽、社交交友互動(dòng)、商品市場(chǎng)推廣等諸多領(lǐng)域，都需要良 好的室內(nèi)定位技術(shù)提供支持。室內(nèi)定位技術(shù)是移動(dòng)互聯(lián)和物聯(lián)網(wǎng)時(shí)代正在熱口研究和發(fā)展 的技術(shù)之一。
[0003] 如今，室內(nèi)定位主要采用無(wú)線通訊、基站定位、慣導(dǎo)定位等技術(shù)實(shí)現(xiàn)室內(nèi)人員和物 體的位置確定。除了通信網(wǎng)絡(luò)的蜂窩定位技術(shù)外，常見(jiàn)的室內(nèi)無(wú)線定位技術(shù)還有Wi-Fi、藍(lán) 牙、RFID、ZigBee、超聲波等。其中屬Wi-Fi無(wú)線局域網(wǎng)應(yīng)用覆蓋最為廣泛，目前家庭、商場(chǎng)、 餐廳賓館室內(nèi)環(huán)境有越來(lái)越多的Wi-Fi熱點(diǎn)提供服務(wù)?；赪i-Fi廣泛的硬件設(shè)施基礎(chǔ)和前 提，利用Wi-Fi來(lái)實(shí)現(xiàn)定位的技術(shù)研究不斷進(jìn)步，目前主要有兩種解決方案：一種是經(jīng)驗(yàn)測(cè) 試建立指紋地圖的概率模型，另一種是利用信號(hào)傳播模型進(jìn)行位置估計(jì)計(jì)算。由于時(shí)間同 步、信道噪聲、傳感器精度等問(wèn)題，TDOA技術(shù)的定位精度難W得到大幅提升。同時(shí)，大數(shù)據(jù)云 計(jì)算平臺(tái)給予Wi-Fi的指紋定位方法更多思路與契機(jī)。
[0004] 然而基于Wi-Fi的指紋定位方法的精度始終難W滿足更高的需求，主要原因在于 信號(hào)的時(shí)變性、復(fù)雜的環(huán)境多徑效應(yīng)、硬件敏感度W及移動(dòng)物體噪聲影響等。許多研究工作 也研發(fā)出許多方法來(lái)提高Wi-Fi指紋定位方法的精度，如利用移動(dòng)設(shè)備的嵌入傳感器探知 移動(dòng)物體的位置，群智眾籌的方法能快速獲取大量訓(xùn)練數(shù)據(jù)，還有機(jī)器學(xué)習(xí)的方法減少定 位階段的時(shí)延等。
[0005] 經(jīng)過(guò)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，絕大部分科學(xué)研究將信號(hào)強(qiáng)度值作為獨(dú)立的變 量進(jìn)行建模分析，同時(shí)把信號(hào)的時(shí)間相關(guān)性視作影響定位精度的因素。然而我們發(fā)現(xiàn)正是 由于復(fù)雜的環(huán)境因素，導(dǎo)致不同信號(hào)在不同位置具有不同的時(shí)間相關(guān)性，運(yùn)一信息可W提 取出來(lái)作為額外的信息來(lái)提高定位的精度。

【發(fā)明內(nèi)容】

[0006] 針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種利用信號(hào)時(shí)間相關(guān)性提高指紋 室內(nèi)定位精度的方法。
[0007] 根據(jù)本發(fā)明提供的一種利用信號(hào)時(shí)間相關(guān)性提高指紋室內(nèi)定位精度的方法，包括 如下步驟：
[000引步驟1:采集線下訓(xùn)練數(shù)據(jù)；
[0009]步驟2:為每個(gè)定標(biāo)點(diǎn)處的每個(gè)Wi-Fi信號(hào)發(fā)射器建立高斯概率分布，并用采集的 線下訓(xùn)練數(shù)據(jù)得到高斯概率分布的參數(shù)；
[0010] 步驟3:基于所述高斯概率分布的參數(shù)，對(duì)雙曲曲面邊界進(jìn)行訓(xùn)練，得到信號(hào)強(qiáng)度 RSS數(shù)據(jù)在概率空間中定位的區(qū)間E，完成信號(hào)強(qiáng)度指紋地圖；
[0011] 步驟4:接收用戶上傳的數(shù)據(jù)，所述用戶上傳的數(shù)據(jù)包括信號(hào)強(qiáng)度矩陣X和定位請(qǐng) 求;其中，信號(hào)強(qiáng)度矩陣X的獲取方法為：由用戶使用移動(dòng)終端進(jìn)行多次測(cè)量無(wú)線信號(hào)強(qiáng)度， 獲得不同路由器的信號(hào)強(qiáng)度矩陣X;
[0012] 步驟5:根據(jù)定位請(qǐng)求，將用戶上傳的數(shù)據(jù)與信號(hào)強(qiáng)度指紋地圖相比較，考慮D維時(shí) 間序列的相關(guān)性，映射為概率空間的向量，通過(guò)雙曲曲面邊界條件及相關(guān)系數(shù)P的匹配，找 到最大概率的位置作為定位結(jié)果；
[0013] 步驟6:將定位結(jié)果返回給用戶。
[0014] 步驟7:用戶對(duì)定位結(jié)果進(jìn)行反饋，如果用戶反饋定位結(jié)果是正確的，則將測(cè)量的 信號(hào)強(qiáng)度矩陣X放入數(shù)據(jù)庫(kù)中訓(xùn)練所述高斯概率分布;如果用戶反饋定位結(jié)果是錯(cuò)誤的，貝U 不將測(cè)量的信號(hào)強(qiáng)度矩陣X放入數(shù)據(jù)庫(kù)中訓(xùn)練所述高斯概率分布。
[0015] 優(yōu)選地，所述步驟1包括如下步驟：
[0016] 步驟1.1:將室內(nèi)定位區(qū)域劃分為多個(gè)定位區(qū)間W及設(shè)定k個(gè)定標(biāo)點(diǎn)；
[0017] 步驟1.2:在每個(gè)定標(biāo)點(diǎn)處，打開(kāi)Wi-Fi信號(hào)強(qiáng)度的掃描設(shè)備，標(biāo)定所在定標(biāo)點(diǎn)的位 置信息，對(duì)掃描設(shè)備的信號(hào)捜索范圍內(nèi)的n個(gè)Wi-Fi信號(hào)發(fā)射器發(fā)出的信號(hào)，設(shè)定掃描時(shí)間 間隔T和掃描次數(shù)m;令掃描設(shè)備開(kāi)始掃描測(cè)量，并將測(cè)量數(shù)據(jù)存儲(chǔ)為信號(hào)強(qiáng)度矩陣X:
[0019]其中，xi，iy如，表示在一個(gè)定標(biāo)點(diǎn)處第i個(gè)Wi-Fi信號(hào)發(fā)射器發(fā)出的信號(hào)的時(shí) 間序列向量;xij，l < 1 <n，l < j <m，表示在一個(gè)定標(biāo)點(diǎn)處對(duì)信號(hào)捜索范圍內(nèi)第1個(gè)Wi-Fi信 號(hào)發(fā)射器發(fā)出的信號(hào)進(jìn)行第j次信號(hào)強(qiáng)度測(cè)量得到的測(cè)量數(shù)據(jù)；
[0020] 步驟1.3:將信號(hào)強(qiáng)度矩陣X作為線下訓(xùn)練數(shù)據(jù)。
[0021] 優(yōu)選地，所述步驟2包括如下步驟：
[0022] 步驟2.1:對(duì)每個(gè)定標(biāo)點(diǎn)r處的時(shí)間序列向量Xi考慮D次測(cè)量的信號(hào)時(shí)間相關(guān)性，構(gòu) 建D維高斯概率分布fr( Xi )為：
[0024]其中，det(*)表示求行列式，A 2為馬氏距離，e表示自然底數(shù)；
[002引 A 2= [(X-W)Ts-I(X-Ii)];
[0026] 其中，I：表示相關(guān)矩陣；
[0027] 步驟2.2:對(duì)D維高斯概率分布frUi)的每一個(gè)維度進(jìn)行坐標(biāo)系旋轉(zhuǎn)，旋轉(zhuǎn)45°，使馬 氏距離A 2變換成為只有二次項(xiàng)的正交表示；
[0028] 步驟2.3:利用最大似然估計(jì)方法，計(jì)算高斯概率分布的參數(shù)ii，I：，得出Wi-Fi信號(hào) 強(qiáng)度的指紋地圖；
[0029] 首先，構(gòu)建利用測(cè)量數(shù)據(jù)構(gòu)成相關(guān)性計(jì)算矩陣A，每D個(gè)相鄰數(shù)據(jù)構(gòu)成一個(gè)向量：
[0031] 其中，XU表示在一個(gè)定標(biāo)點(diǎn)處對(duì)第i個(gè)Wi-Fi信號(hào)發(fā)射器發(fā)出的信號(hào)進(jìn)行第j次信 號(hào)強(qiáng)度測(cè)量得到的測(cè)量數(shù)據(jù)，1 < j <m;
[0032] 然后利用A計(jì)算高斯概率分布的參數(shù)ii、I：: 7!].-
[0033] H= Pd.
[0034] 其中，y為信號(hào)強(qiáng)度的均值向量化，i = l，2,…，D，表示AT的第i個(gè)向量的均值；
[0035] 2=[Cov[Ak，Aj]]，k=l，2，...，D;j = l，2，...，D
[0036] 其中，Ak為AT的第k個(gè)向量，Aj表示AT的第j個(gè)向量；
[0037] 為信號(hào)的相關(guān)系數(shù)0維向量，由于信號(hào)傳播過(guò)程為平穩(wěn)隨機(jī)過(guò)程，^31表示1維時(shí)間 間隔下的相關(guān)系數(shù)；
[003引 S用化表示為：
[0040] 特別地，D等于2時(shí)，相關(guān)矩陣I：表示為： a" 口'。2-
[0041] S= ? Lp打之 CF' J
[0042] 其中，O2表示信號(hào)強(qiáng)度矩陣X中某一行元素的方差。
[0043] 優(yōu)選地，所述步驟2.2包括如下步驟：
[0044] 找到相關(guān)矩陣I：的一組標(biāo)準(zhǔn)正交基Ui, i = l，2,…，m，則變換矩陣U為U= [U1， U2, . . .，Um]T，其中，Ui表示第i個(gè)標(biāo)準(zhǔn)正交基；
[0045] 設(shè)分布變量y = u(x-y)，則fr(Xi)經(jīng)變換后得到新坐標(biāo)系下的D維高斯概率分布fr (y|y，2):
[0047]其中，、表示第i個(gè)特征值;yi表示第i維變量。
[004引優(yōu)選地，所述步驟3包括如下步驟：
[0049] 步驟3.1:基于所述高斯概率分布，在概率空間中對(duì)樣本進(jìn)行邊界訓(xùn)練;物理空間 中的定標(biāo)點(diǎn)r對(duì)應(yīng)樣本空間區(qū)間為E，定義為：
[0050] E= {x I fr(y |]i(r), 2 (r)) > fr±s(y |ji(r±5), 5： (r±5))}
[0051] 其中，X表示信號(hào)強(qiáng)度矩陣，y表示分布變量，S表示誤差距離，ii(r)表示定標(biāo)