[發明專利]基于改進LSSVR的室內指紋定位方法

在審

• 申請號: 202210110600.8
• 申請日: 2022-01-29
• 公開（公告）號: CN114422952A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 陸音;唐家政;吳珞鋮;朱斌
• 申請（專利權）人: 南京郵電大學
• 主分類號: H04W4/021
• 分類號: H04W4/021;H04W4/33;H04W64/00
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明公開了一種基于改進LSSVR的室內指紋定位方法，針對室內復雜環境變換帶來接收信號強度不確定性波動的問題，利用基于核函數特征提取的方法進行降維，有效提取原始位置指紋的非線性特征；利用模擬退火優化傳統粒子群算法易陷入局部最優的問題，并利用改進后的粒子群算法對LSSVR模型的懲罰因子和核函數參數進行優化，避免參數選擇不當造成定位精度低的問題。仿真結果表明，相對于傳統的方法，所提算法定位精度更好、定位時間更少。

技術領域

本發明屬于室內定位技術領域，尤其涉及一種基于改進LSSVR的室內指紋定位方法。

背景技術

位置服務(LBS,location based service)被普遍認為是物聯網系統中一項必不可少的關鍵技術，是實現個性化智慧服務的基石。在室外環境下，全球定位系統(GPS,global position system)憑借其出色的表現，可以滿足大部分場景需求。而在室內環境下，由于衛星信號容易受到建筑物的阻擋，GPS定位效果一般。由于室內是人類活動最頻繁的場所，因此如何提高室內定位精度，成為當前無線網絡研究領域的熱點。

目前主要的室內定位技術有基于低功耗藍牙、超寬帶無線電(UWB,ultra-wideband)、ZigBee、射頻識別、可見光等，雖然各種技術被應用于室內定位中，但由于成本和適用性的限制，很多定位技術仍然處于研究階段，不能大眾化。目前使用較多的室內定位方法有到達角度法(AOA,angel of arrival)、到達時間法(TOA,time of arrival)和到達時間差法(TDOA,time difference of arrival)，這些方法雖然測量精度高且計算復雜度低，但對硬件要求比較高，同時需要克服室內環境中人活動所造成的信號波動影響，顯著增加了定位的成本和難度。

近年來隨著無線局域網(WLAN,wireless local area networks)技術的發展，基于WIFI位置指紋定位的研究逐漸成為主流。該技術主要包含離線數據庫建立和在線匹配兩個階段；離線階段通過采集參考點接收到的各個接入點(AP,access point)的接收信號強度指示(RSSI,received signal strength indication)構造與參考點位置之間的映射關系，形成指紋數據庫；在線階段，通過將待定位目標點的RSSI向量與數據庫進行匹配實現位置估計。指紋匹配算法主要有K最近鄰(KNN)、神經網絡、支持向量回歸等，其中K最近鄰算法最簡單、容易實現，但在應用中對參數K的選取十分敏感，在大規模室內定位中計算復雜度高，定位精度低。為此，吳澤泰等提出一種將聚類算法與KNN相結合的室內定位方法，顯著降低了計算量。神經網絡定位精度比KNN高，但要求訓練樣本的數量非常多，顯著增加定位成本。

最小二乘支持向量回歸(LSSVR)是一種基于結構化風險最小原則的機器學習算法，在解決有限樣本非線性回歸問題上具有獨特優勢，但其精度和性能受正規化參數和核參數影響較大。針對于此，劉旭明等利用遺傳算法(GA)優化支持向量回歸的參數，該方法在指紋點稀疏、錨節點數量較少的情況下可以達到較好的定位效果；Li等提出利用粒子群算法(PSO)優化LSSVR參數的方法能夠實現定位精度的提高，但標準PSO算法存在易早熟、易陷入局部最優的問題；針對PSO后期收斂性差和模擬退火算法(SA)全局優化能力強的特點，高鷹等提出模擬退火算法與粒子群算法相結合的方法(SA-PSO)，提高了算法的全局尋優性能，但并沒有將其應用到定位問題。

同時，在室內環境下，WLAN信號在傳播中會受到多徑效應、陰影效應、人類活動等各種影響，RSSI信號波動十分明顯，嚴重影響定位效果。針對于此，在將采集到的位置指紋信息存入數據庫之前，往往會對其進行預處理，現有的預處理算法包括均值濾波、中值濾波、高斯濾波等，但當室內場景中的AP較多，構建的指紋庫維數較高時，對存儲空間要求極大。Fang等提出利用主成分分析(PCA)提取原始位置指紋數據的主要成分，有效利用各個AP點的RSSI信息，極大地提高了定位的精度，但忽略了指紋數據間的非線性關系。

發明內容