[發明專利]一種基于集成HWKNN的WiFi室內定位方法

有效

• 申請號: 201710600157.1
• 申請日: 2017-07-21
• 公開（公告）號: CN107484123B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 陳紹建;龍云亮
• 申請（專利權）人: 中山大學
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/33;H04B17/318;H04B17/391
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張欽滿

1.一種基于集成HWKNN的WiFi室內定位方法，其特征在于，包括以下步驟：

1)構建可靠的室內WiFi指紋數據庫；

2)根據建立的指紋數據庫，估計出各個接入點的位置坐標以及每個接入點的室內路徑損耗模型；

所述步驟2)估計出各個接入點的位置坐標以及每個接入點的室內路徑損耗模型，包括以下步驟：

2-1)計算距離WiFi接入點位置較近的參考點的物理距離，其中較近的參考點是指信號強度小于-60Dbm的參考點，其RSS信號強度較強：

其中，為第j個WiFi接入點的信號強度，i＝1，2，…，m，m為距離第j個WiFi接入點位置較近的參考點的個數，(n^f，A^f)為自由空間路徑損耗傳播模型參數，其為已知值；

2-2)計算每個WiFi接入點的位置坐標：

其中，為第j個WiFi接入點的位置坐標，為第j個WiFi接入點的第i個參考點；

2-3)以距離WiFi接入點位置較近的參考點的坐標和信號強度作為輸入，以求解WiFi接入點位置坐標作為輸出；

2-4)聯立式(1)和式(2)，構造函數組：

令：

方程(3)表示為：

w^jX^j＝Y^j (7)

其目標函數表達式為：

min||w^jX^j-Y^j||² (8)

其中||·||為范數，最終求得坐標即為所要求解的WiFi接入點的位置坐標；

2-5)所述的室內路徑損耗模型的表達式為：

其中，為第p個參考點的第j個WiFi接入點的信號強度，為第p個參考點的第j個WiFi接入點的位置坐標，p＝1，2，…，I，I為可以接收到第j個WiFi接入點信號的參考點的數量，ε^j表示第j個WiFi接入點的高斯隨機誤差，(n^j，A^j)表示第j個WiFi接入點室內路徑損耗模型參數；

2-6)為式(9)構造函數組：

令：

方程(10)表示為：

ψ^jV^j＝RSS^j (13)

其目標函數表達式為：

min||ψ^jV^j-RSS^j||²+λ||V^j|| (14)

2-7)建立機器學習模型，基于指紋數據庫進行學習，得到每個WiFi接入點的室內路徑損耗模型參數；

3)在計算待定位的指紋信息和構建的指紋數據庫中的每個指紋之間的歐式距離時，利用步驟2)得到的不同接入點的室內路徑損耗模型為相應的維度賦予權重；

步驟3)利用不同WiFi接入點的室內路徑損耗模型為相應的維度賦予權重，包括以下步驟：

3-1)對不同的WiFi接入點的信號強度賦予不同的權重，假設待定位的節點接收到的信號強度向量為其中n為WiFi接入點的數量，那么待定位的節點位置與第j個WiFi接入點的物理距離：

利用式(15)得到的距離對第j個WiFi接入點的信號強度進行加權系數w^j加權為：

3-2)待定位的節點和第i參考點之間的信號強度歐式距離的計算公式為：

4)從步驟3)得到的歐式距離中選出K個距離最小的指紋作為參考點，并根據信號強度相似度對K個參考點進行加權確定待定位節點位置；

5)將步驟2-4)的方法作為一種弱定位方法，隨機選取K值的大小和WiFi接入點的個數組建若干個弱定位估計器，由這若干個弱定位估計器組成的強定位估計器得出最終的待定位的位置坐標。