[發(fā)明專利]基于矩陣相關(guān)的WLAN室內(nèi)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210290193.X
• 申請(qǐng)日: 2012-08-15
• 公開(kāi)（公告）號(hào): CN102802260A
• 公開(kāi)（公告）日: 2012-11-28
• 發(fā)明（設(shè)計(jì)）人: 徐玉濱;孫永亮;馬琳;劉寧慶;鄧志安
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號(hào): H04W64/00
• 分類號(hào): H04W64/00;G01S5/02
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 張果瑞

技術(shù)領(lǐng)域

本發(fā)明涉及基于矩陣相關(guān)(Matrix?Correlation，MC)的WLAN室內(nèi)定位方法，屬于模式識(shí)別領(lǐng)域。

背景技術(shù)

隨著全球定位系統(tǒng)(Global?Positioning?System，GPS)終端設(shè)備的不斷普及，人們對(duì)基于位置的服務(wù)(Location?Based?Services，LBS)的需求也不斷增長(zhǎng)。GPS等衛(wèi)星導(dǎo)航系統(tǒng)雖然可以在室外環(huán)境下提供滿意的位置服務(wù)需求，但在室內(nèi)環(huán)境下由于樓體對(duì)信號(hào)的遮蔽使其不適合應(yīng)用于室內(nèi)環(huán)境。基于蜂窩網(wǎng)絡(luò)的定位系統(tǒng)也由于其定位誤差較大，不適合應(yīng)用于室內(nèi)環(huán)境。因此，為了滿足在室內(nèi)環(huán)境如：機(jī)場(chǎng)、購(gòu)物中心、地下停車場(chǎng)等，人們對(duì)于基于位置的服務(wù)的需求，目前已經(jīng)有許多種室內(nèi)定位系統(tǒng)被開(kāi)發(fā)出來(lái)，例如：超寬帶、超聲波、紅外線和藍(lán)牙，相比這些系統(tǒng)和由于在室內(nèi)非視距(Non?Line?of?Sight，NLOS)條件下的優(yōu)越性能，基于位置指紋匹配的WLAN室內(nèi)定位方法已經(jīng)成為研究熱點(diǎn)。

基于位置指紋匹配的WLAN室內(nèi)定位方法主要可以分為兩個(gè)階段：離線階段和在線階段。在離線階段，在室內(nèi)環(huán)境選擇參考點(diǎn)(Reference?Point，RP)，在每一個(gè)RP處采集一定數(shù)量的接收信號(hào)強(qiáng)度樣本(Received?Signal?Strength，RSS)并記錄該參考點(diǎn)的坐標(biāo)，建立位置指紋數(shù)據(jù)庫(kù)，這個(gè)數(shù)據(jù)庫(kù)也叫做無(wú)線電地圖(Radio-map)。在在線階段，當(dāng)用戶實(shí)時(shí)采集到RSS樣本，匹配無(wú)線電地圖中RSS樣本并根據(jù)相應(yīng)的坐標(biāo)，估計(jì)用戶當(dāng)前的位置。目前，許多算法和技術(shù)已經(jīng)被應(yīng)用為位置指紋匹配算法。大體可以將他們分為兩類，即基于近鄰選擇的位置指紋匹配算法和基于機(jī)器學(xué)習(xí)的位置指紋匹配算法。基于近鄰選擇的位置指紋匹配算法目前主要有最近鄰算法、K近鄰算法(K?Nearest?Neighbors，KNN)、加權(quán)K近鄰算法(Weighted?K?Nearest?Neighbors，WKNN)。基于機(jī)器學(xué)習(xí)的位置指紋匹配法主要有人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、自適應(yīng)神經(jīng)模糊推理系統(tǒng)法。對(duì)于基于近鄰選擇的位置指紋匹配算法，在在線階段，當(dāng)實(shí)時(shí)采集到來(lái)自不同接入點(diǎn)(Access?Point，AP)的RSS樣本后，計(jì)算該RSS數(shù)據(jù)與位置指紋數(shù)據(jù)庫(kù)中各個(gè)RP的RSS數(shù)據(jù)的距離。選擇RSS距離較近的參考點(diǎn)，并取他們坐標(biāo)的平均值作為定位結(jié)果。對(duì)于基于機(jī)器學(xué)習(xí)的位置指紋匹配算法，在離線階段，利用無(wú)線電地圖中的數(shù)據(jù)訓(xùn)練一個(gè)映射RSS樣本與坐標(biāo)之間關(guān)系的非線性函數(shù)。在在線階段，當(dāng)接收到實(shí)時(shí)RSS樣本后，利用這個(gè)非線性函數(shù)計(jì)算定位結(jié)果。但是，這些算法存在的主要問(wèn)題是對(duì)很多個(gè)原始的實(shí)時(shí)RSS樣本取均值計(jì)算一個(gè)RSS均值樣本，再利用這個(gè)RSS均值樣本計(jì)算定位結(jié)果。在這個(gè)過(guò)程中丟失了很多有用的RSS信息，沒(méi)有充分利用所采集的RSS樣本進(jìn)行定位。

發(fā)明內(nèi)容

本發(fā)明目的是為了解決現(xiàn)有采用基于近鄰選擇的位置指紋匹配算法和基于機(jī)器學(xué)習(xí)的位置指紋匹配算法進(jìn)行室內(nèi)定位，定位過(guò)程中丟失了很多有用的RSS信息，沒(méi)有充分利用所采集的RSS樣本進(jìn)行定位的問(wèn)題，提出了一種基于矩陣相關(guān)的WLAN室內(nèi)定位方法。

本發(fā)明所述基于矩陣相關(guān)的WLAN室內(nèi)定位方法，該方法包括以下步驟：

步驟一、在離線階段，在室內(nèi)目標(biāo)定位環(huán)境布置M個(gè)接入點(diǎn)AP_i，i＝1，2，...M，在該定位環(huán)境下創(chuàng)建二維笛卡爾坐標(biāo)系，選取L個(gè)參考點(diǎn)RP_j，j＝1，2，...L，記錄每個(gè)參考點(diǎn)的坐標(biāo)和在每個(gè)參考點(diǎn)處采集的W個(gè)RSS樣本，根據(jù)L個(gè)參考點(diǎn)的坐標(biāo)和每個(gè)參考點(diǎn)的RSS樣本建立位置指紋數(shù)據(jù)庫(kù)；

步驟二、在在線階段，用戶在每個(gè)測(cè)試點(diǎn)接收M個(gè)接入點(diǎn)的RSS樣本，當(dāng)用戶在一個(gè)測(cè)試點(diǎn)處接收到N個(gè)RSS樣本后，將N個(gè)樣本排列成一個(gè)M×N的測(cè)量矩陣其中每一行代表來(lái)自一個(gè)接入點(diǎn)的N個(gè)RSS樣本數(shù)據(jù)，每一列表示來(lái)自M個(gè)接入點(diǎn)的數(shù)據(jù)所組成的一個(gè)RSS樣本，將步驟一所述的位置指紋數(shù)據(jù)庫(kù)中的數(shù)據(jù)變換為相同維數(shù)的矩陣，第l個(gè)參考點(diǎn)的RSS矩陣表示為l＝1，2，...L；

步驟三、計(jì)算矩陣rss與每個(gè)參考點(diǎn)的RSS矩陣RSS^l之間的皮爾森相關(guān)系數(shù)r_l，皮爾森相關(guān)系數(shù)r_l按如下公式獲取：