[發(fā)明專利]一種基于眾包的室內(nèi)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910060803.9
• 申請(qǐng)日: 2019-01-22
• 公開(kāi)（公告）號(hào): CN109819406B
• 公開(kāi)（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 王昌達(dá);季玉鳳;韋堯;劉莉
• 申請(qǐng)（專利權(quán)）人: 江蘇大學(xué)
• 主分類號(hào): H04W4/029
• 分類號(hào): H04W4/029;H04W4/021;H04W4/33;H04W64/00;H04B17/318;G06K9/62;G01S5/02
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種基于眾包的室內(nèi)定位方法，其特征在于包括如下步驟：

1)采集位置點(diǎn)的信號(hào)強(qiáng)度RSS，用戶在室內(nèi)走動(dòng)，通過(guò)所攜帶的移動(dòng)設(shè)備每隔ΔT自動(dòng)采集用戶當(dāng)前位置點(diǎn)的RSS，第X位置點(diǎn)的RSS記為：S_X＝{S_X,1,S_X,2,...,S_X,j,...,S_X,g}，其中，S_X,j表示第X位置點(diǎn)接收到的第j個(gè)WiFi接入點(diǎn)AP的RSS；

2)構(gòu)建RSS序列及RSS序列集，通過(guò)路徑上各位置點(diǎn)的RSS，構(gòu)建該路徑所對(duì)應(yīng)的RSS序列，記為R_i＝{S₁,S₂,...,S_X,...,S_N}，其中，R_i表示第i條RSS序列，S_X表示R_i序列中第X位置點(diǎn)的RSS，N表示RSS序列中點(diǎn)的個(gè)數(shù)；通過(guò)RSS序列構(gòu)建RSS序列集R_before，記為{R₁,R₂,...R_i,...R_M}，其中，M表示RSS序列集R_before中RSS序列個(gè)數(shù)；

3)利用K-Means聚類的方法，依次對(duì)RSS序列集R_before中的每一條RSS序列R_i進(jìn)行序列內(nèi)聚類，生成聚類后的RSS序列集R_after＝{L₁,L₂,...L_i,...L_M}，其中L_i是R_i聚類后的RSS序列，記為{S₁,S₂,...,S_K}，i表示第i條RSS序列，S_x(1≤x≤K)表示第i條RSS序列中的第x個(gè)位置點(diǎn)的RSS值；

對(duì)一條RSS序列R_i進(jìn)行序列內(nèi)聚類包括如下步驟：

3.1)初始化聚類簇?cái)?shù)K(1≤K≤N)；

3.2)從RSS序列R_i中隨機(jī)挑選K個(gè)點(diǎn)作為初始均值向量U_i＝{T₁,T₂,...,T_K}，其中T_q＝{t_q,1,t_q,2,...,t_q,g}(1≤q≤K)表示第q個(gè)均值向量的WiFi RSS測(cè)量值；

3.3)為初始均值向量U_i＝{T₁,T₂,...,T_K}的元素T_q創(chuàng)建一個(gè)聚簇中心集合C_q,并令

3.4)令循環(huán)變量p＝1，標(biāo)志變量r＝0；

3.5)計(jì)算RSS序列R_i＝{S₁,S₂,...,S_X,...,S_N}中的第X個(gè)樣本S_X和初始均值向量U_i＝{T₁,T₂,...,T_K}的元素T_q的差值選擇距離最近的均值向量確定S_X的簇標(biāo)記：λ_i,X＝argmin_{q∈{1,2,...,K}}d_X,q，λ_i,X∈{1,2,...,K}表示樣本S_X的簇標(biāo)記，即將樣本S_X劃入相應(yīng)的聚簇集合

3.6)令X＝X+1,重復(fù)步驟3.5)，直到X＝N；

3.7)依次對(duì)第q個(gè)簇集合(1≤q≤K)，計(jì)算新均值向量其中且表示在第q個(gè)簇集合中的位置點(diǎn)接收到第p個(gè)AP的WiFiRSS均值；如果T_q≠T′_q，則r＝1，并將當(dāng)前的均值向量T_q更新為T′_q，否則保持均值向量T_q不變；

3.8)若r＝1，則重復(fù)步驟3.4)到步驟3.7)，否則U_i＝L_i，即得到聚類后的第i條序列L_i＝{S₁,S₂,...,S_K}；

3.9)令i＝i+1,重復(fù)步驟3.1)到步驟3.8)，直到i＝M,得到聚類后的序列集R_after＝{L₁,L₂,...L_i,...L_M}；

4)利用AP的表征能力分析和打分矩陣對(duì)序列集R_after＝{L₁,L₂,...L_i,...L_M}中的序列進(jìn)行序列間聚類，生成聚類后的一條序列L₁＝L₁∪L₂,...,∪L_M；

序列間聚類包括如下步驟：

4.1)分析表征能力，不同的WiFi AP對(duì)不同的位置具有各不相同的表征能力，則選擇表征能力強(qiáng)的AP，其對(duì)應(yīng)的WiFi RSS測(cè)量值更加準(zhǔn)確，方法如下：

4.1.1)分別對(duì)序列L₁＝{S₁,S₂,...,S_K}中的位置點(diǎn)S_m＝{S_m,1,S_m,2,...,S_m,g}(1≤m≤K)和序列L_j＝{S₁,S₂,...,S_K}(2≤j≤M)中的位置點(diǎn)S_n＝{S_n,1,S_n,2,...,S_n,g}(1≤n≤K)的WiFiRSS測(cè)量值進(jìn)行排序，并選擇前d個(gè)最大WiFi RSS測(cè)量值，其中S_m表示RSS序列L₁中的第m個(gè)位置點(diǎn)，S_n表示RSS序列L_j中的第n個(gè)位置點(diǎn)；

4.1.2)若位置點(diǎn)S_m的前d個(gè)最大WiFi RSS測(cè)量值所對(duì)應(yīng)的d個(gè)APs與位置點(diǎn)S_n的前d個(gè)最大WiFi RSS測(cè)量值所對(duì)應(yīng)的d個(gè)APs相同并且則S_m＝S_n，否則S_m≠S_n；其中δ表示位置點(diǎn)相似性的閾值,S_m,k和S_n,k分別表示在第k個(gè)AP在位置點(diǎn)S_m和位置點(diǎn)S_n處的WiFi RSS測(cè)量值；

4.2)建立加分規(guī)則

當(dāng)S_m＝S_n(1≤m≤K+num,1≤n≤K)，則score(S_m＝S_n)＝+2；

當(dāng)S_m≠S_n(1≤m≤K+num,1≤n≤K)，則score(S_m≠S_n)＝-1；

當(dāng)S_m＝”_”或S_n＝”_”(1≤m≤K+num,1≤n≤K)，則gap＝-1；

其中num表示用戶采集的位置點(diǎn)存在于序列L_j卻不存在與序列L₁的個(gè)數(shù)，第一次序列間聚類時(shí)，num＝0；

4.3)設(shè)計(jì)矩陣

RSS序列L₁＝{S₁,S₂,...,S_K+num}和RSS序列L_j＝{S₁,S₂,...,S_K}所組成的矩陣中，矩陣中的每一個(gè)元素F(m,n)滿足如下公式：

F(m,0)＝0,0≤m≤K+num

F(0,n)＝0,0≤n≤K

4.4)回溯，回溯方法如下：

4.5)計(jì)算兩條RSS序列中匹配的位置點(diǎn)，方法如下：

若F(m,n)→F(m-1,n-1)，則表示S_m-1＝S_n-1；

若F(m,n)→F(m-1,n)，則表示S_n-1＝”_”；

若F(m,n)→F(m,n-1)，則表示S_m-1＝”_”；

從最高分回溯到F(0,0)，根據(jù)回溯，實(shí)現(xiàn)不同序列間相同區(qū)域的位置點(diǎn)匹配，如果S_m-1＝”_”，則L₁＝L₁∪S_n-1；

4.6)執(zhí)行步驟4.1到4.5，直到RSS序列L₁和第M條RSS序列匹配結(jié)束；

4.7)令G_e＝G_e∪L₁，執(zhí)行步驟3到步驟4，直到第w個(gè)用戶所收集的WiFi RSS序列合并到G_e中，其中G_e是包含第e層樓中每個(gè)用戶生成的RSS序列的集合，記G_e＝{P₁,P₂,...,P_v,...,P_w}，初始化其中P_v表示第v個(gè)用戶采集的所有位置點(diǎn)的集合，記P_v＝{P_v,1,P_v,2,...,P_v,z}，z表示P_v集合中第z個(gè)位置點(diǎn)；

5)設(shè)置地標(biāo)；所述地標(biāo)包括軟地標(biāo)和硬地標(biāo)，將步驟4)中被多次記錄的位置點(diǎn)設(shè)置為軟地標(biāo)；將樓梯口、墻角處設(shè)置為硬地標(biāo)；

6)合并多用戶的序列形成室內(nèi)邏輯平面圖；

7)匹配邏輯圖與物理圖，利用步驟5和步驟6將樓層的邏輯平面圖與該樓層的物理圖進(jìn)行匹配，將真實(shí)的室內(nèi)平面圖轉(zhuǎn)化為物理平面圖；

8)疊加邏輯圖與物理圖；

9)基于位置指紋的用戶室內(nèi)定位，在指紋庫(kù)中，找到在指紋庫(kù)中與RSS觀測(cè)值的歐氏距離最近的指紋，然后將它所對(duì)應(yīng)的位置坐標(biāo)作為用戶當(dāng)前的位置。