[發(fā)明專利]基于指紋聚類的新型室內定位方法

有效

• 申請?zhí)枺?/td>: 201310547705.0
• 申請日: 2013-11-06
• 公開（公告）號: CN103634902A
• 公開（公告）日: 2014-03-12
• 發(fā)明（設計）人: 黃正勇;王帆;夏俊;趙亦燃;俞暉
• 申請（專利權）人: 上海交通大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;G06K9/64
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

技術領域

本發(fā)明涉及室內定位方法，具體涉及一種基于室內無線系統(tǒng)中指紋聚類匹配的室內定位方法。

背景技術

隨著移動互聯(lián)網技術的快速發(fā)展，智慧城市概念的提出和迅速普及，基于位置的服務(Location?Based?Service,LBS)受到越來越多的關注，在醫(yī)療保健、緊急救助、個性化信息傳遞等科技生活領域顯示出巨大的活力。以智能終端為平臺，基于WLAN的室內定位因為其能夠以純軟件的方式實現(xiàn)，定位系統(tǒng)成本低等特點，成為近年來普適計算和位置感知領域的一個研究熱點。WLAN熱點服務的高覆蓋率是保證精確室內外無縫定位技術實現(xiàn)的可能，這一點正好契合智慧城市無線網絡全覆蓋的需求，同時大型的超市，賣場WLAN熱點的覆蓋率也正在逐步上升。從目前針對室內定位的技術研究方向來說，主要是從指紋庫的建立和定位匹配算法兩個方面進行。主要由于WLAN熱點的信號強度在室內的多徑環(huán)境下的不穩(wěn)定性導致的定位精度的下降以及指紋信息如何得到最大效用是廣大研究人員所關注的重點。但是，實際的應用場景中仍然有這許多亟待解決的問題。比如說，如何高效地建立并維護指紋庫，如何降低算法復雜度，提高響應速度，如何提高定位精度，以及如何解決在多用戶情況下的高并發(fā)問題，這些都是室內定位技術走進應用所必須面臨和解決的問題。

經對現(xiàn)有技術的文獻檢索發(fā)現(xiàn)，Chen?Feng和Shahrokh?Valaee于2010年在INFOCOM(International?Conference?on?Computer?Communications)發(fā)表了“Compressive?Sensing?Based?Positioning?Using?RSS?of?WLAN?Access?Points”(2010年IEEE組織在通信網絡領域的會議，《利用無線局域網的信號強度值的壓縮感知定位方法》)，提出了利用相似性傳播聚類算法給指紋庫分類，進一步使用壓縮感知的算法進行定位匹配從而達到提升定位精度的目的。然而此方法具有定位過程復雜度較高，并且定位算法的響應時間較長等缺點，不能在保證精度的同時實現(xiàn)移動終端的實時定位功能，進而降低了用戶的體驗。

發(fā)明內容

本發(fā)明針對現(xiàn)有技術的不足，提出了一種基于指紋聚類的新型室內定位方法，包括了基于相似性傳播聚類算法（Affinity?Propagation?Cluster）以及最近鄰居法相結合的分層的室內定位方法。其采用相似性傳播聚類算法來給指紋庫進行預分類處理，并進一步地通過分類后得到的有特點的指紋集合分步解算定位結果的方法，極高地縮短了定位解算所需的時間，同時保證了室內定位系統(tǒng)的精度及穩(wěn)定性。

根據(jù)本發(fā)明提供的基于指紋聚類的新型室內定位方法，其特征在于，包括如下步驟：

步驟A：指紋信息的采集和分類，得到分類的指紋子集以及每個子集中的特征指紋；采集工作后得到的定位目標區(qū)域中L個采集位置的指紋庫f，f={f1,f2,f3,…,fL},利用指紋之間的相似性將指紋庫中的指紋分為不同的子集；

步驟B：分類匹配，利用定位設備在定位請求時所采集的定位信息與指紋庫中的分類后的各個分類中的代表特征指紋進行匹配，即重新計算得到定位信息和各個分類子集的相似度；

步驟C：定位匹配，利用步驟B中得到的定位信息和各個分類子集的相似度選取M個最佳分類子集中的指紋與定位信息進行定位匹配解算，得到最終定位結果。

優(yōu)選地，通過相似性傳播算法，利用指紋之間的相似性將指紋庫中的指紋分為不同的子集，通過步驟A執(zhí)行所述相似性傳播算法，具體如下；

所述的步驟A包括如下步驟：

步驟A1：將s(i,j)定義為兩個指紋間的“相似度”,具體為歐式距離的相反數(shù)，即s(i,j)＝-||f_i-f_j||²，f_i,f_j分別表示指紋庫f中位置i和位置j處的指紋值；定義“責任率”r(i,k)為指紋f_i發(fā)送至潛在的特征點指紋f_k，表示指紋f_i在接收到來自其它點的信息后，認為指紋f_k能夠代表指紋f_i的概率；定義“可用率”a(i,k)為由潛在的特征點指紋k發(fā)送至指紋f_i，表示指紋f_k在接收到來自其他點的信息后，認為能夠作為指紋f_i的特征點的概率；初始化a(i,k)＝0；

步驟A2：迭代計算“責任率”和“可用率”；其中