[發明專利]基于自適應貝葉斯綜合學習粒子群優化的WLAN指紋定位方法

在審

• 申請號: 202210434881.2
• 申請日: 2022-04-24
• 公開（公告）號: CN114928882A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 孫煒;李凱龍;張星;鄒群鑫
• 申請（專利權）人: 湖南大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;H04W4/33;H04W84/12;G06N3/00;G06N7/00
• 代理公司: 南京常青藤知識產權代理有限公司 32286
• 代理人: 曹帥

本發明公開基于自適應貝葉斯綜合學習粒子群優化的WLAN指紋定位方法，包括相似性度量和最優位置預測計算：1)使用雙面板均勻性模型計算查詢指紋與訓練指紋的相關性和余弦距離；2)建立定位模型適應度函數；3)采用自適應貝葉斯綜合學習粒子群優化算法計算最優適應值的參數并得到最優預測位置。該方法可高效準確地進行室內定位，采用雙面板指紋均勻性模型來衡量定位指紋的相似性，利用相關性來測量指紋之間的匹配度，并引入余弦距離來反映指紋在方向上的差異，提高定位模塊的多樣性和魯棒性；采用自適應貝葉斯綜合學習粒子群優化算法進行參數尋優，自適應機制采用區間劃分來選擇粒子的綜合學習概率水平，提高粒子群優化算法性能。系統更具魯棒性，可提高定位精度。

技術領域

本發明涉及室內定位技術和優化算法領域，具體是基于自適應貝葉斯綜合學習粒子群優化的WLAN指紋定位方法。

背景技術

隨著室內定位系統在現代社會的需求越來越強烈，許多技術(如超寬帶UWB、慣性傳感器IMU、藍牙Bluetooth、地磁傳感器、激光等)被研究和發展的同時，基于WiFi的室內定位技術以其信號范圍寬、部署成本低、無需額外硬件部署、不受非視距影響等優點得到學術研究和工程應用等方面的關注。位置指紋定位法作為WiFi室內定位方法之一，通常以WiFi信號來表征位置信息，信號強度RSS、信噪比及信道狀態信息被主要研究和用以作為位置辨識指紋，由于RSS易于在普通商用WiFi設備上直接獲取，基于RSS指紋的定位方法成為WiFi室內定位中的主流。

定位的準確性和穩定性是定位服務終端用戶最關注或唯一關注的指標，然而，由于無線信號在復雜多變的室內環境中容易受到外部因素的影響，信號接受強度RSS具有敏感和多變的特性，基于RSS的指紋在空間辨識率和時間穩定性方面并不顯著。

隨著越來越多的機器學習算法的研究，基于粒子濾波器(PF)、支持向量機(SVM)、神經網絡(NN)、分類算法等方法被引入到室內定位，許多定位模型被廣泛提出并在一定程度上改進了基于WiFi指紋的室內定位。而現有算法的精度有限和性能不穩定成為推廣WiFi室內定位技術的制約因素，許多系統的定位模型魯棒性不足，平均誤差在實踐中通常較大。

粒子群優化PSO算法作為一種生物進化算法，在最優化問題上體現出了較好的性能。許多學者在之基礎上研究了不同參數配置對PSO算法的影響、粒子學習策略等?；谪惾~斯迭代方法的綜合學習粒子群優化方法(BCLPSO)中，粒子以基于貝葉斯公式的后驗概率最大的粒子位置作為學習樣本，能有效地避免粒子陷入局部優化、遺漏潛在的全局最優解，在基于WiFi指紋的室內定位技術中具有較好的適用性。

發明內容

本發明的目的是針對現有技術的不足，提供了基于自適應貝葉斯綜合學習粒子群優化的WLAN指紋定位方法。該方法利用相關性來測量指紋之間的匹配度，并引入余弦距離來反映指紋在方向上的差異，提高定位模塊的多樣性和魯棒性；采用自適應貝葉斯綜合學習粒子群優化算法進行參數尋優，使系統更具魯棒性，可提高定位精度。

為了實現上述目的，本發明所提供的技術方案為以下步驟：

基于自適應貝葉斯綜合學習粒子群優化的WLAN指紋定位方法，該方法包括采用雙面板均勻性模型進行指紋相似性度量、采用自適應貝葉斯綜合學習粒子群優化算法進行定位參數尋優與位置預測，具體如下：

假設在室內環境中有M個信號接入點AP，并均勻選擇N個物理位置作為參考點RP。設和分別表示AP和RP的集合。設表示第i(i＝1,2,…,N)個RP的位置坐標，s_ij表示該位置處第j個AP的RSS。定義第i個RP位置相應的指紋(RSS向量)為綜上所述，定位環境中參考點RP的訓練指紋集可以表示為：

設表示移動設備在在線階段收集的、用于移動設備定位的RSS向量。如果有多個用戶進行定位查詢，則將指紋集表示為：