[發(fā)明專利]基于鄰近加權(quán)自適應(yīng)k值的KNN的室內(nèi)目標(biāo)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010430421.3
• 申請(qǐng)日: 2020-05-20
• 公開（公告）號(hào): CN111586605B
• 公開（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 施佺;夷立華;施佳佳;許致火;張永偉
• 申請(qǐng)（專利權(quán)）人: 南通大學(xué)
• 主分類號(hào): H04W4/33
• 分類號(hào): H04W4/33;H04W64/00;H04B17/318;G06K17/00;G06K9/62;G06F16/29;G16Y20/40;G16Y40/60
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 秦秋星

本發(fā)明提供一種基于鄰近加權(quán)自適應(yīng)k值的KNN的室內(nèi)目標(biāo)定位方法，包括如下步驟：步驟1：利用RFID設(shè)備采集的室內(nèi)各個(gè)位置的RSS數(shù)據(jù)構(gòu)建位置指紋數(shù)據(jù)庫(kù)，位置指紋數(shù)據(jù)庫(kù)包括位置集合P和信號(hào)強(qiáng)度值R；步驟2：利用RFID讀卡天線對(duì)待定位目標(biāo)采集相應(yīng)信號(hào)強(qiáng)度值，然后利用KNN改進(jìn)算法將該信號(hào)強(qiáng)度值和位置指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，得到匹配程度最高的指紋，并將該指紋映射位置作為待定位目標(biāo)當(dāng)前位置。KNN改進(jìn)算法通過計(jì)算在線測(cè)量RSS數(shù)據(jù)集與位置指紋數(shù)據(jù)庫(kù)中指紋數(shù)據(jù)集的相關(guān)性得到待定位目標(biāo)指紋信息對(duì)應(yīng)的最優(yōu)k值，并利用鄰近加權(quán)的方法盡可能地減少匹配誤差概率。仿真結(jié)果表示，相比于KNN和WKNN，改進(jìn)的算法的匹配精度至少提升了7.1倍。

技術(shù)領(lǐng)域

本發(fā)明涉及位置指紋定位技術(shù)，尤其涉及一種基于鄰近加權(quán)自適應(yīng)k值的KNN的室內(nèi)目標(biāo)定位方法。

背景技術(shù)

隨著移動(dòng)互聯(lián)網(wǎng)的成熟，基于位置定位的移動(dòng)應(yīng)用服務(wù)在人們?nèi)粘Ｉ钪幸苍絹?lái)越普遍。在室外環(huán)境中，車聯(lián)網(wǎng)、共享單車以及智慧物流等應(yīng)用都是基于位置定位為人們提供服務(wù)。而在室內(nèi)環(huán)境中，諸如室內(nèi)導(dǎo)航，養(yǎng)老及人員看護(hù)等服務(wù)都極大的便利了人們?nèi)粘５囊率匙⌒小Ｅc此同時(shí)，相關(guān)文獻(xiàn)表明，人們超過80％的時(shí)間都處于室內(nèi)環(huán)境中，這使得人們對(duì)于室內(nèi)定位服務(wù)的需求越來(lái)越高。因此，室內(nèi)無(wú)線定位服務(wù)已經(jīng)成為當(dāng)下廣泛研究的熱點(diǎn)。

射頻識(shí)別設(shè)備性能相比較于超聲波、紅外線、地磁定位以及超寬帶這些設(shè)備，在成本上較有優(yōu)勢(shì)，便于推廣，在定位精度上、抗干擾能力、技術(shù)要求這些因素上也有一定優(yōu)勢(shì)，綜合起來(lái)其具有相對(duì)優(yōu)勢(shì)，所以本方法將以射頻識(shí)別設(shè)備作為數(shù)據(jù)采集設(shè)備。而基于射頻識(shí)別設(shè)備的室內(nèi)定位技術(shù)主要可以分為三邊測(cè)量定位法和位置指紋定位法。三邊測(cè)量定位法復(fù)雜度較低，計(jì)算量不高，但受限于RFID本身設(shè)備性能，定位精度不高。而位置指紋定位法則利用信號(hào)強(qiáng)度值作為“指紋”數(shù)據(jù)，由于在不同位置處信號(hào)強(qiáng)度值并不一樣，易于區(qū)分，并且在一段時(shí)間內(nèi)信號(hào)強(qiáng)度值都比較穩(wěn)定，這使得位置指紋定位法要比三邊測(cè)量定位法的定位精度要高。

基于RFID的位置指紋定位方法在離線階段構(gòu)建位置-信號(hào)強(qiáng)度值數(shù)據(jù)庫(kù)，接著在在線階段中將采集的信號(hào)強(qiáng)度值與位置指紋數(shù)據(jù)庫(kù)中數(shù)據(jù)進(jìn)行匹配，可以映射得到待定位目標(biāo)當(dāng)前所處位置。位置指紋定位方法中一般采用k最近鄰算法作為其匹配算法，但該算法在實(shí)際應(yīng)用過程中存在由于k值固定，測(cè)距量度的選擇等因素而引起無(wú)法適應(yīng)數(shù)據(jù)樣本特性的問題。

綜上所述，如何在低廉的成本基礎(chǔ)上，進(jìn)一步提高移動(dòng)目標(biāo)的定位精度是目前亟待解決的問題。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供基于鄰近加權(quán)自適應(yīng)k值的KNN的室內(nèi)目標(biāo)定位方法(Weighted Aaptive K-KNN，WAK-KNN)，能以相對(duì)低廉的成本準(zhǔn)確地匹配移動(dòng)目標(biāo)的位置，為達(dá)到上述目的，具體由以下技術(shù)方案實(shí)現(xiàn)：

一種基于鄰近加權(quán)自適應(yīng)k值的KNN的室內(nèi)目標(biāo)定位方法，包括如下步驟：

步驟1：利用RFID設(shè)備采集的室內(nèi)各個(gè)位置的RSS數(shù)據(jù)構(gòu)建位置指紋數(shù)據(jù)庫(kù)，位置指紋數(shù)據(jù)庫(kù)包括位置集合P和信號(hào)強(qiáng)度值R；

步驟2：利用RFID讀卡天線對(duì)待定位目標(biāo)采集相應(yīng)信號(hào)強(qiáng)度值，然后將該信號(hào)強(qiáng)度值和位置指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，得到匹配程度最高的指紋，并將該指紋映射位置作為待定位目標(biāo)當(dāng)前位置。

進(jìn)一步的，步驟2的具體步驟包括：

步驟2.1：使用離線位置指紋數(shù)據(jù)集RSS去重構(gòu)每一個(gè)測(cè)量指紋數(shù)據(jù)rss_i×d，構(gòu)建離線位置指紋數(shù)據(jù)集RSS與測(cè)量指紋數(shù)據(jù)rss_i×d之間殘差的模型，i∈1,…,m，m表示測(cè)量指紋數(shù)據(jù)的指紋數(shù)量，d表示RFID讀卡天線的數(shù)量；

步驟2.2：求解殘差模型，得到重構(gòu)系數(shù)W的最優(yōu)解W*；

步驟2.3：求解W*的對(duì)應(yīng)最佳k值集，k為臨近數(shù)；