The invention discloses a fingerprint localization algorithm based on Tyson polygon. The steps include: uniformly deploying a plurality of AP in the localization area, setting up a plurality of reference points at a certain interval, establishing a fingerprint database with the signal strength value measured at the reference points as the fingerprint, and establishing the Tyson triangle alignment with a plurality of AP as discrete points. Bit region is divided into regions; the signal intensity value measured by the point to be located is taken as the basis for region estimation of the point to be located, and the coordinates of the point to be located are estimated by using the dynamic KNN algorithm. The operation efficiency and speed of fingerprint classification can be improved by the technical scheme of the invention, and the positioning point can be realized more effectively. Accurate area estimation has greatly improved the accuracy and speed of positioning.
【技术实现步骤摘要】
一种基于泰森多边形的指纹定位算法
本专利技术属于室内无线信号定位领域,主要涉及一种基于泰森多边形的指纹定位算法。
技术介绍
目前,室内定位方法主要有两类:一类是通过测量信号的到达时间、到达时间差或到达角度,运用三边测量法、三角测量法或极大似然估计法对移动节点进行定位。该类算法要求信号源和接收信号的节点之间是视距链路,而且需要额外的硬件来测量信号传播的时间或方向,对室内定位系统的定位范围和成本提出了挑战;另一类是基于接收信号强度指示值(ReceivedSignalStrengthIndication,RSSI)定位。基于RSSI的定位方法包括基于信号传播模型定位算法和指纹定位算法。信号传播模型定位算法因信号在传播过程中严重受到多径效应、信号衰减和延迟失真等因素的影响及模型中的参数值依赖建筑物的结构和使用的材料而不能满足人们对定位系统高精确度和快速响应的要求。指纹定位算法自RADAR系统出现以来,已成为当今室内定位的主流算法。指纹定位算法由离线训练和在线定位两个阶段组成。在离线阶段,通过在各个参考点处采集来自各接入点的接收信号强度值建立指纹库;在线阶段则使用确定性匹配算法、概率性匹配算法或者神经网络算法将待定位点处实时采集到的位置信息与指纹库中的所有指纹信息进行一一匹配以估计待测目标的位置。在定位区域较大、指纹数量较多时,指纹定位算法的响应延时会很长,故使用聚类算法对指纹库进行处理,以减小在线定位阶段搜索参考点的数据规模显得尤为重要。K-Means就是一种最为常用的聚类算法。但由于在聚类过程中随机选取初始聚类中心及根据经验确定类别数量的原因,基于K-Means ...
【技术保护点】
1.一种基于泰森多边形的指纹定位算法,其特征在于,该方法包括以下步骤:S1、在定位区域中均匀部署多个AP,并按照一定间隔设置多个参考点;使用无线信号测量设备在每一所述参考点测量其所能接收到的所述AP的信号强度值,并将所述参考点的坐标,在所述参考点测量得到的所述信号强度值及对应的所述AP的相关信息,每次测量的时间进行存储,建立指纹库;所述相关信息包括所述AP的名称,网络地址等信息;S2、以所述多个AP为离散点生成泰森多边形,利用生成的泰森多边形对所述定位区域进行划分,得到多个子区域,利用所述多个子区域对所述指纹库中的指纹进行聚类,并根据聚类结果对所述指纹库进行更新;S3、在待定位点使用无线信号测量设备测量接收到的来自所述AP的信号强度值,确定在所述待定位点所能接收得到的最大信号强度值对应的所述AP所对应的所述子区域为待定位点所属子区域;S4、利用所述待定位点所属子区域内的指纹和动态KNN算法对所述待定位点的坐标进行估计。
【技术特征摘要】
1.一种基于泰森多边形的指纹定位算法,其特征在于,该方法包括以下步骤:S1、在定位区域中均匀部署多个AP,并按照一定间隔设置多个参考点;使用无线信号测量设备在每一所述参考点测量其所能接收到的所述AP的信号强度值,并将所述参考点的坐标,在所述参考点测量得到的所述信号强度值及对应的所述AP的相关信息,每次测量的时间进行存储,建立指纹库;所述相关信息包括所述AP的名称,网络地址等信息;S2、以所述多个AP为离散点生成泰森多边形,利用生成的泰森多边形对所述定位区域进行划分,得到多个子区域,利用所述多个子区域对所述指纹库中的指纹进行聚类,并根据聚类结果对所述指纹库进行更新;S3、在待定位点使用无线信号测量设备测量接收到的来自所述AP的信号强度值,确定在所述待定位点所能接收得到的最大信号强度值对应的所述AP所对应的所述子区域为待定位点所属子区域;S4、利用所述待定位点所属子区域内的指纹和动态KNN算法对所述待定位点的坐标进行估计。2.根据权利要求1所述的基于泰森多边形的指纹定位算法,其特征在于,所述步骤S1的具体步骤为:S11、在定位场景D内均匀部署N个发射无线信号的AP,分别记为AP1、AP2、...、APi、...、APN,按照一定间隔设置M个参考点,记录这些参考点在该场景内对应的坐标(x1,y1)、(x2,y2)、(x3,y3)、...、(xj,yj)、...、(xM,yM)。其中,(xj,yj)表示第j个参考点的坐标;S12、在每个参考点处fpi测量m次接收到的来自APj的信号强度RSSIij,每次测量后,通过无线网络将参考点的坐标(xi,yi)、APj的名称、APj的MAC地址、信号强度值和测量时间作为一条记录存入数据库中。其中,RSSIij表示第i个参考点接收到的第j个AP的信号强度值;S13、信号采集完成后,从数据库中读取参考点(xi,yi)的RSSIij序列值,去除m个数值中的最值再求均值作为该参考点最终的信号特征RSSIij;S14、将参考点的坐标(xi,yi)和接收强度矢量(Rssii1,Rssii2,Rssii3,...,RssiiN)称为一个指纹。3.根据权利要求1所述的基于泰森多边形的指纹定位算法,其特征在于,所述步骤S2的具体步骤为:S21、以所述N个发射无线信号的AP的坐标为顶点生成德洛内三角网;S22、将任一所述AP在所述德洛内三角网中的所有相邻三角形的外接圆圆心进行连接,即可得到任一所述AP对应的泰森多边形,记为集合VS,VS={VS1,VS2,...,VSN},VSj为第j个所述AP对应的泰森多边形;S23、视每一个泰森多边形单元格VSj为一个子区域。若指纹fpi的物理位置位于VSj内,则将fpi聚类到VSj中;S24、判断出所述指纹所属的子区域后,在指纹库中为指纹添加类簇属性,更新指纹库。4.根据权利要求3所述的基于泰森多边形的指纹定位算法,其特征在于,所述步骤S21中德洛内三角网的生成采用Bowyer-Watson算法实现。5.根据权利要求1所述的基于泰森多边形的指纹定位算法,其特征在于,所述步骤S3的具体步骤为:S31、在待定位点使用无线信号测量设备测量接收到的来自所述...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。