[發明專利]一種WiFi室內定位中概率型指紋匹配方法

有效

• 申請號: 201410680673.6
• 申請日: 2014-11-24
• 公開（公告）號: CN104507050B
• 公開（公告）日: 2018-04-10
• 發明（設計）人: 修春娣;楊萌;楊東凱;劉源;羅智勇
• 申請（專利權）人: 北京航空航天大學
• 主分類號: H04W4/029
• 分類號: H04W4/029;H04W4/33;H04W64/00
• 代理公司: 北京慧泉知識產權代理有限公司11232
• 代理人: 王順榮,唐愛華

技術領域

本發明提供一種WiFi室內定位中概率型指紋匹配方法，具體說是一種將感知概率和無參數核密度估計技術引入到最大似然概率中的方法。該方法能夠通過核密度估計方法準確表征復雜射頻信號的分布特征，獲得較好的定位精度，屬于WiFi室內定位及無線傳輸和導航技術領域。

背景技術

隨著現代定位和導航技術的發展，各種基于位置的服務日益成為智能生活中重要的組成部分，全球衛星導航系統(GNSS)為人們提供了高精度、全天候的定位服務，但是由于其測量信號不能穿透建筑物的特點，在高密集建筑群區和室內無法有效進行定位服務，因此為了在室內獲得有效的定位服務，室內定位系統得到了很快的發展。

基于指紋匹配的室內定位技術通常工作在兩個階段:離線訓練階段和在線定位階段。在離線訓練階段，目標區域中所有參考點接收到的來自可用接入點的信號強度信息形成指紋數據庫。在線定位階段，將實時采集的接收信號強度(RSSI)與指紋數據庫中的指紋進行匹配，從而得到定位設備的位置信息。

概率型算法把實測RSSI與指紋庫中指紋的匹配過程看成概率估計問題，基于RSSI信號的統計特性，建立室內環境中射頻信號的概率分布模型，解決了復雜環境下RSSI值的不確定性。常用的基于概率型算法為最大似然算法(ML)，基于貝葉斯框架理論，將后驗概率轉化為似然概率問題，匹配最大的似然概率，得到估計位置信息。

核密度估計方法不利用有關數據分布的先驗知識，對數據分布不附加任何假定，是一種從數據樣本本身出發研究數據分布特征的方法，可以更準確的表征復雜信號的分布，從而提高定位精度。核函數的核寬參數反映了單個樣本對總體密度分布所做“貢獻”的影響范圍。在一定時間內采樣的樣本變化范圍是有限的，且每個值都有參與計算的可能。樣本值的變化范圍越大說明每個樣本應該在更大的范圍內對總體密度分布有貢獻，這時，核函數應該有較大的核寬；相反，樣本值的變化范圍越小，說明每個樣本對總體密度分布的貢獻相對集中，核函數應該具有較小的核寬。因此，用核密度估計算法進行更新時，選擇合適的核寬參數是非常重要的。

基于指紋匹配的概率型室內定位方法中似然概率的計算是關鍵的步驟，本發明通過對WiFi定位技術和核密度估計技術的研究，提出了一種基于感知概率和核密度估計的概率型室內定位方法。

發明內容

本發明的目的在于：提供一種WiFi室內定位中概率型指紋匹配方法，它是一種修正的基于指紋匹配的概率型室內定位方法，利用無參數的核密度估計技術計算似然概率，并與參考點的感知概率相融合，以消除傳統直方圖統計方法計算的不連續性，提高系統的定位精度。

本發明的技術方案：

本發明提出了一種WiFi室內定位中概率型指紋匹配方法。概率型室內定位方法主要是將基于概率定位模型，把測得信號與位置指紋數據庫信息的匹配看成是一個概率估計問題。將后驗概率問題轉化為似然概率問題，利用每個位置先驗RSSI統計特性信息，在某些情況下還可以利用定位目標的歷史狀態信息和環境布局信息，以較大的計算復雜度為代價，獲得比基于決策定位技術更高的 定位精度。

本發明提出的WiFi室內定位中概率型指紋匹配方法的主要特征在于：將感知概率和核密度估計技術融入到概率型室內定位算法中，感知概率在一定程度上反映了信號的分布特性，采用無參數核密度估計技術計算似然概率，結合感知概率，將感知似然概率作為定位標準以提高定位精度。

基于非參數模型的核密度估計方法，不需要事先給出具體的分布模型，也不需要進行參數估計就可以對系統進行建模。由于傳統的直方圖模型通過統計不同分組區間的樣本數目計算似然概率值，分組區間的設置將導致計算的似然概率值不連續，所以采用核密度估計計算似然函數值。由于核密度估計方法的無參數特性，以及核函數的連續性，更適合于復雜室內環境下的射頻信號分布。

本發明一種WiFi室內定位中概率型指紋匹配方法，包括以下幾個步驟：

步驟一：離線階段在測試區域采集數據，建立指紋數據庫，用于在線階段匹配計算。其中，在采集數據之前，首先對測試區域進行勘測，確定參考點的位置，其次在各個參考點采集一定數目的樣本信息，構建指紋數據庫。