[發(fā)明專利]Wi-Fi室內(nèi)定位方法

無效

• 申請?zhí)枺?/td>: 201310017411.7
• 申請日: 2013-01-17
• 公開（公告）號: CN103096466A
• 公開（公告）日: 2013-05-08
• 發(fā)明（設(shè)計(jì)）人: 張中兆;莫云;馬琳;欒斌;徐玉濱;崔揚(yáng)
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: H04W64/00
• 分類號: H04W64/00
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 張宏威

技術(shù)領(lǐng)域

本發(fā)明涉及室內(nèi)定位方法，具體涉及Wi-Fi室內(nèi)定位方法。?

背景技術(shù)

隨著科技水平的提高，多種多媒體業(yè)務(wù)的飛速發(fā)展，人們對于定位服務(wù)的需求日益增大，尤其在復(fù)雜的室內(nèi)環(huán)境中常常需要確定移動終端或其持有者在室內(nèi)的位置信息。然而由于多徑信號和小尺度衰落等干擾因素的存在，往往導(dǎo)致基于室內(nèi)傳輸模型的定位變得精度難以達(dá)到要求。?

超聲波定位技術(shù)、射頻識別技術(shù)、超寬帶技術(shù)、光跟蹤定位技術(shù)等室內(nèi)定位手段雖然可以達(dá)到較高的定位精度，但需要大量的傳感器以及額外的硬件設(shè)備支持，實(shí)際應(yīng)用中具有較大的局限性。?

當(dāng)前，基于802.11協(xié)議的WLAN技術(shù)得到了很大的發(fā)展，基于WLAN位置指紋(Finger?Print)的室內(nèi)定位技術(shù)應(yīng)運(yùn)而生。該方法的網(wǎng)絡(luò)構(gòu)建方式不需要額外硬件設(shè)備，因而成本低廉，而且系統(tǒng)總精度較高。?

然而基于位置指紋技術(shù)建立覆蓋定位區(qū)域的位置指紋圖（RadioMap）往往包含龐大數(shù)據(jù)信息量，且隨著所需定位區(qū)域的擴(kuò)展，RadioMap數(shù)據(jù)量會呈指數(shù)形式增長。盡可能多的定位數(shù)據(jù)信息理論上來說會對于整個(gè)系統(tǒng)的定位精度有一定程度的提升，但是大量的數(shù)據(jù)信息延長了定位運(yùn)算過程所需時(shí)間，同時(shí)海量信息存儲也會成為終端用戶的負(fù)擔(dān)。?

傳統(tǒng)Wi-Fi室內(nèi)定位方法中存在的特征信息位置指紋圖數(shù)據(jù)庫過于龐大，在線定位階段匹配過程中運(yùn)算復(fù)雜度高，實(shí)時(shí)性差等問題。?

發(fā)明內(nèi)容

本發(fā)明為了解決傳統(tǒng)Wi-Fi室內(nèi)定位方法中存在的特征信息位置指紋圖數(shù)據(jù)庫過于龐大，在線定位階段匹配過程中運(yùn)算復(fù)雜度高，實(shí)時(shí)性差等問題，從而提出了Wi-Fi室內(nèi)定位方法。?

Wi-Fi室內(nèi)定位方法是基于室內(nèi)Wi-Fi無線網(wǎng)絡(luò)系統(tǒng)實(shí)現(xiàn)的，整個(gè)待定位的室內(nèi)該室內(nèi)Wi-Fi無線網(wǎng)絡(luò)系統(tǒng)的包括Q個(gè)無線連接點(diǎn)和mO個(gè)參考點(diǎn)，整個(gè)待定位的室內(nèi)共有q個(gè)子區(qū)域，位于該室內(nèi)的Wi-Fi對待測點(diǎn)的定位方法為：?

A、當(dāng)待測點(diǎn)接收到的無線連接點(diǎn)發(fā)送的無線信號強(qiáng)度值時(shí)，采用支持向量機(jī)分類?器將待測點(diǎn)定位到相應(yīng)第i個(gè)子區(qū)域，獲取該子區(qū)域的位置指紋圖和特征變換矩陣A_i；?

其中，i＝1,2,…,q，?

B、采用第i個(gè)子區(qū)域的特征變換矩陣A_i將待測點(diǎn)無線信號強(qiáng)度值進(jìn)行維數(shù)轉(zhuǎn)換得到d維無線信號強(qiáng)度值并與該子區(qū)域進(jìn)行匹配，采用權(quán)值K最鄰近結(jié)點(diǎn)算法對待測點(diǎn)位置坐標(biāo)進(jìn)行預(yù)測，輸出定位結(jié)果，?

其中，表示第i個(gè)子區(qū)域的d維位置指紋圖。?

本發(fā)明通過支持向量機(jī)算法在定位方法中在定位時(shí)能夠預(yù)先將數(shù)據(jù)按照不同的空間位置合理劃分成若干子區(qū)域，通過主成分分析算法在線定位階段匹配過程降低了運(yùn)算復(fù)雜度高，達(dá)到了實(shí)時(shí)性好的目的。?

本發(fā)明在定位時(shí)能夠預(yù)先將數(shù)據(jù)按照不同的空間位置合理劃分成若干子區(qū)域，一方面可以大幅降低數(shù)據(jù)量，另一方面還可以通過區(qū)域空間坐標(biāo)的聚集達(dá)到提高定位精度的目的。支持向量機(jī)(Support?Vector?Machine,SVM)可以應(yīng)用在室內(nèi)定位過程中實(shí)現(xiàn)精確的子區(qū)域選擇。SVM能自適應(yīng)學(xué)習(xí)模式的非線性關(guān)系，尤其是支持向量機(jī)分類器有著較高分類精度和較低的復(fù)雜度，能夠滿足絕大多數(shù)情況下室內(nèi)區(qū)域定位的需求。?

另一種處理龐大數(shù)據(jù)信息量的方式是應(yīng)用降維算法。含有眾多數(shù)據(jù)特征的RadioMap內(nèi)部數(shù)據(jù)之間可能有較強(qiáng)相關(guān)性。降維算法的目的正是通過提取隱含于數(shù)據(jù)內(nèi)的能夠整體描述RadioMap的低維特征進(jìn)行維數(shù)轉(zhuǎn)換，從而在保證精度的前提下減少數(shù)據(jù)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(jì)算有效的線性降維算法，對具有線性結(jié)構(gòu)或服從高斯分布的數(shù)據(jù)集，算法有好的降維效果，且對數(shù)據(jù)中含有的噪聲不敏感。本發(fā)明使用PCA算法對RadioMap進(jìn)行降維處理并與SVM選區(qū)協(xié)作完成定位過程。?

附圖說明

圖1為本發(fā)明所述的Wi-Fi室內(nèi)定位方法流程圖；?

圖2為基于PCA與SVM協(xié)作的室內(nèi)定位方法在線階段流程圖；?

圖3為基于PCA與SVM協(xié)作的室內(nèi)定位方法離線階段流程圖；?

圖4為SVM求解α_i流程圖；?

圖5為具體實(shí)施方式七所述的某大學(xué)科學(xué)園2A棟12層的平面示意圖；?

圖6為基于Wi-Fi的室內(nèi)定位網(wǎng)絡(luò)分區(qū)示意圖。?

具體實(shí)施方式

具體實(shí)施方式一、結(jié)合圖1和圖2具體說明本實(shí)施方式，本實(shí)施方式所述的Wi-Fi室內(nèi)定位方法，?