[發明專利]基于Hankel矩陣及WKNN方差提取的室內定位法

在審

• 申請號: 202010462500.2
• 申請日: 2020-05-27
• 公開（公告）號: CN112399366A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 郭正碩;吳錦州;潘甦
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04W4/33
• 分類號: H04W4/33;H04W64/00;G06F16/21;G06F17/16;G06K9/00
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.基于Hankel矩陣及WKNN方差提取的室內定位法，其特征在于：包括有以下步驟：

S1：利用Hankel矩陣在從左到右的每個上升斜交對角線中具有相等的元素的結構特殊性，對矩陣奇異值分解和重構，進行濾波來降噪，構建離線階段的指紋數據庫；

S2：用自適應卡爾曼濾波與離線階段構建的指紋數據庫進行對比，使用Sage-Husa自適應濾波算法進行噪聲過濾；

S3：利用在離線階段對多次測量的信號強度取方差并計算全職，之后由權值系數改良歐式距離公式，利用改進的WKNN算法來消除AP的波動，得到待定位節點的位置坐標。

2.根據權利要求1所述的基于Hankel矩陣及WKNN方差提取的室內定位法，其特征在于：所述S1中對矩陣奇異值分解、重構和濾波來構建的指紋數據庫包括有以下步驟：

S1.1:將所有參考點來自同一AP的RSS向量構成Hankel矩陣，即矩陣從左到右的每個上升斜交對角線中具有相等的元素；

S1.2:根據真實信號與噪聲信號之間的不相關性，以及真實信號能量比較集中而噪聲信號能量比較分散的特點，對Henkel矩陣H進行奇異值分解得到: 式中U_m×m和V_n×n為正交矩陣；∑_m×n為非對角矩陣，S＝diag(σ₁,σ₂,σ₃,...,σ_r)，σ_i為矩陣H的奇異值；

S1.3:選用特征均值方法設定奇異值的閾值，即選擇前l個奇異值作為估計的理想信號空間，H可以被分成估計的理想信號空間和估計的噪聲空間在含噪的Hankel矩陣奇異值分解后，設得到的奇異值為σ_i，是方陣AA^T的特征值λ_i的平方根，即：

S1.4:抽取x＝s(k)＝[s₁,s₂,...,s_n]中的每一條副對角線的平均值s來重建所需要的信號序列x＝s(k)＝[s₁,s₂,...,s_n]，x＝s(k)＝[s₁,s₂,...,s_n]可以表示如下，n為矩陣的列數：x＝s(k)＝[s₁,s₂,...,s_n]。設所估計的信號向量將所有的按照順序排列得到降噪后的指紋數據庫：

3.根據權利要求1所述的基于Hankel矩陣及WKNN方差提取的室內定位法，其特征在于：所述S2中使用Sage-Husa自適應濾波算法進行噪聲過濾是對S1中得到的初次濾波矩陣進行再處理，引入節更新參量d_k和遺忘因子b來提高濾波算法的定位精度。

4.根據權利要求1所述的基于Hankel矩陣及WKNN方差提取的室內定位法，其特征在于：所述S3中提取方差為在離線階段建立指紋庫時，在每個采樣點上進行多次的樣本采集，每個采樣點接收到每個AP的信號強度都是一個樣本集，包含了在該點多次采集的信號強度，可通過此樣本集計算其方差,如采樣點j接收到第t個AP的信號強度信息集為：其中z為每個采樣點的樣體量；指紋庫中任意采樣點j的RSS向量為：其中N為AP的個數，由此得到接收信號強度rss^j和接收信號方差σ^j的向量：

5.根據權利要求1所述的基于Hankel矩陣及WKNN方差提取的室內定位法，其特征在于：所述S3中計算權值為以方差的倒數作為系數，并對采樣點j上所有AP的系數做歸一化處理：

6.根據權利要求1所述的基于Hankel矩陣及WKNN方差提取的室內定位法，其特征在于：所述S3中改良歐式距離公式為利用權值系數改良歐式距離計算公式，待定位點i與采樣點j的加權距離：利用d_ij篩選出滿足條件的樣本點。