[發明專利]基于RSS-P的K近鄰模糊聚類WLAN室內定位方法

無效

• 申請號: 200910072787.1
• 申請日: 2009-09-03
• 公開（公告）號: CN101639527A
• 公開（公告）日: 2010-02-03
• 發明（設計）人: 徐玉濱;孫永亮;馬琳;沙學軍;周牧
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G01S5/02
• 分類號: G01S5/02;H04W4/00
• 代理公司: 哈爾濱市松花江專利商標事務所
• 代理人: 牟永林

技術領域

本發明涉及一種復雜系統辨識領域中的室內定位方法，具體涉及到基于 RSS-P(Received?Signal?Strengthand?Position)的K近鄰模糊聚類WLAN室 內定位方法。

背景技術

自從IEEE?802.11無線局域網標準問世以來，無線通信市場一直增長迅猛， 室內環境下WLAN的部署也越來越廣泛，因此在現有高速無線局域網條件下，用 戶憑借輕量級可移動的計算設備，就能隨時隨地接入互聯網，這就給室內WLAN 環境下的定位提供了廣泛的發展前景。而基于位置指紋的定位算法以其定位精 度比較高，可以充分利用現有的設施，不需要改變移動設備的硬件，系統無需 或僅增加極少的額外設備，升級和維護對用戶影響小等優點得到了廣泛的應用。

位置指紋定位算法主要有兩個步驟：離線測量階段和在線定位階段。離線 測量階段的主要任務是建立一個位置指紋數據庫，要建立合適的指紋數據庫， 必須首先選擇參考節點的位置，然后將在每個參考節點處測量的來自各個接入 點的信號特征參數記錄在數據庫中，這個數據庫也可以稱為位置指紋地圖。在 線定位階段就是利用移動站測得的在某一位置處的信號特征參數，一般是RSS 均值，通過相應的搜索匹配算法，根據實測數據與指紋地圖中存儲數據的比較 分析，搜索出和測量點相匹配的存儲數據，進而估計用戶的實際位置。常用的 搜索匹配算法主要包括：最近鄰法、K近鄰法、概率法和神經網絡法。

相比較而言，K近鄰法在算法復雜度和定位精度上，都具有一定的優勢。它 是利用計算測試點的RSS信號樣本與不同參考點對應的RSS信號樣本均值之間 的距離(通常選歐氏距離)，從最小距離所對應的參考點開始，選取K個參考點， 再計算它們的平均坐標作為待測目標的位置輸出，從而估計測試點的實際位置。 這種方法充分利用了與測試點鄰近且相關性較強的參考點位置信息，具有嚴謹 的推導過程。在環境變化不明顯，室內信號分布較單一的條件下，K近鄰法能夠 得到較高的定位精度。但是，K近鄰法是一種利用單一信號特征，且環境適應性 較差的定位方法，它不能綜合考慮全局信號分布信息來對所選參考點集進行調 整或修正，該方法受室內多徑效應、環境噪聲等外界因素的影響較大。

發明內容

本發明的目的是提供一種基于RSS-P的K近鄰模糊聚類WLAN室內定位方 法，以解決K近鄰法環境適應性較差、不能綜合考慮全局信號分布信息來對所 選參考點集進行調整或修正，因而一些參考點會造成較大定位誤差的問題。

本方法通過下述步驟實現：一、在欲定位點測量并記錄用戶終端所接收到 的RSS信號；二、利用K近鄰法確定與欲定位點信號特征最相似的K個參考點； 三、利用模糊聚類算法對所選的參考點的RSS值進行分類，計算每個聚類中心 向量中分量與來自相應AP的RSS值之差的平方，在類內將每個聚類中心向量中 分量與來自相應AP的RSS值之差的平方累加，選擇和最小的一類；四、對于步 驟二中K近鄰法所確定的參考點，再次利用模糊聚類算法，對步驟二中K近鄰 法所確定的參考點的位置進行分類，選出與根據步驟三所選出類相同參考點最 多的一類參考點；五、取步驟三和步驟四所取得參考點的并集；六、計算步驟 五選出的參考點的平均坐標，作為欲定位點的位置。

本發明提出了一種基于RSS-P的K近鄰模糊聚類WLAN室內定位方法。本發 明不僅能夠消除K近鄰法參考點數不同對定位精度的影響，而且也能夠消除與 欲定位點RSS信號特征接近但實際位置較遠的點對定位精度的影響。所以該方 法可以有效對K近鄰法所選出的K個參考點進行篩選，濾除造成定位誤差大的 參考點，只計算與欲定位點比較近的幾個參考點的平均坐標，從而提高系統的 定位精度。

附圖說明

圖1是本發明實施方式三中在離線階段構建位置指紋地圖時參考點和測試 點的位置示意圖。圖2是本發明實施方式三中在線階段，對于欲定位點(1.5， 1.5)所求得的定位值與僅基于RSS的K近鄰模糊聚類結果、K近鄰的結果的對 比示意圖。

具體實施方式