[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

本發明公開了基于Hankel矩陣及WKNN方差提取的室內定位法，提供一種分為離線階段和在線階段兩部分的降噪方法，通過離線階段使用Hankel矩陣重構指紋數據庫進行初次降噪；在線階段使用改進WKNN算法去除AP點發射信號不穩定帶來的影響，從而提高定位精度，克服了現有技術中定位過程噪聲較多，過濾處理效果不佳的缺陷。

技術領域

本發明涉及室內定位領域，特別涉及基于Hankel矩陣及WKNN方差提取的室內定位法。

背景技術

當前室內定位的實現方案很多，目前，基于WLAN的定位方法主要有三角形算法和位 置指紋識別，三角形算法利用待測目標到至少三個已知AP(無線訪問接入點)之間的距離信息估計目標位置，其中距離是通過測量來自AP的RSS進行估計。基于三角形算法的WLAN定位很大程度上依賴于準確的信號傳輸損耗模型。影響信號傳輸的因素很多，不同 環境下的信號傳輸損耗模型大不相同，建立一個準確的、適合實際應用的損耗模型存在 著很大的困難。因此，基于三角形算法的無線定位在具體實施中困難較大。

在構建指紋數據庫進行矩陣恢復時，有幾種著名的矩陣恢復算法，可以在指紋數據 庫上的降噪中實現，包括迭代閾值(IT)，加速近端梯度(APG)，奇異值閾值(SVT) 和不精確增強拉格朗日乘數(IALM)。IT具有簡單的迭代形式和低計算復雜度。但它的 收斂速度相對較慢，每次迭代的迭代步驟都是不確定的。APG是Nesterov規則的一階算 法，可以將優化模型轉換為無約束形式。它需要在每次迭代中進行完整的奇異值分解， 這是耗時的。SVT主要用于通過秩最小化來解決矩陣填充問題。但是，它通常是NP難題， 無法實現理想的降噪。IALM在每次迭代過程中不需要原始問題的精確解，這大大減少了 奇異值分解的數量并節省了計算時間，但是，它的降噪性能并不如預期的那么好。

進行指紋匹配以確定用戶位置時，傳統的WKNN是依據每個采樣點對未知節點的貢獻 程度給每個指紋賦予一個權值，將選取的采樣點的坐標與其對應的權值的乘積之和來估 計未知結點的坐標。其中貢獻程度與未知節點和指紋記錄之間的歐式距離緊密相關，歐式距離越小，貢獻程度越大，權值就越大。但使用歐氏距離進行相似性計算時，信號 強度的差值不一定完全由物理位置的遠近造成，也可能由信號強度自身的波動造成。波 動來源大致分為兩種，一是定位系統外部環境的影響：如室內環境中墻壁隔斷、人員流 動、同頻干擾等，二是定位系統內部影響：如AP的發射信號功率穩定性差等。文獻[2] 指出RSSI概率分布呈現一定的高斯分布特性，文獻[1]在[2]的基礎上提出了一種基于 RSSI分布重疊相似度的WKNN室內定位方法，即利用RSSI高斯概率分布重疊相似度與距 離之間的關系，設定相似度閾值選取個近鄰指紋點作為取樣點，以此獲取定位結果，盡 管這樣解決了傳統最大相似度法可能帶來較大誤差和定位時間較長的問題，但實際上參 考點上信號強度分布并不是一個標準的高斯分布，還受到各種干擾的影響，因此還需要 考慮各AP的信號強度之間的相關關系。

發明內容

發明目的：本發明的目的是提供一種基于Hankel矩陣及WKNN方差提取的室內定位法，提高室內定位的精度。

技術方案：本發明所述的基于Hankel矩陣及WKNN方差提取的室內定位法，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。

作為優選，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：