基于图像边缘检测信号相关性的室内WLAN信号地图绘制与映射方法技术
【技术实现步骤摘要】
基于图像边缘检测信号相关性的室内WLAN信号地图绘制 与映射方法
本专利技术涉及一种信号地图绘制与映射方法，特别涉及一种基于图像边缘检测信号 相关性的室内WLAN信号地图绘制与映射方法。
技术介绍
随着无线局域网的广泛部署，利用WLAN(Wireless Local Area Network)基础设 施进行定位可以大大降低定位设施和系统维护的投入。目前，基于接收信号强度的室内 WLAN定位技术受到了广泛的研究，其中典型的基于RSS(Received Signal Strength)位置 指纹的定位系统有微软研究院开发的RADAR系统和马里兰大学提出的Horus系统。RADAR 系统在2000年由微软公司首次提出，其基本思想是在离线阶段从目标区域内选定一定数 目的参考点，并在每个参考点处测量来自不同接入点AP(A CCesS Point)的信号强度值，建 立位置指纹数据库；而在在线阶段，则利用欧式距离最小准则，将终端实时测量得到的信号 值与位置指纹数据库中已保存的信号数据进行匹配，找到与终端实时测量信号值的RSS欧 氏距离较小的若干个位置指纹，并利用这若干个位置指纹所对应的位置坐标，对终端进行 位置估计。RADAR定位系统所采用的定位算法简单且易于实现，但定位精度不高，其最大定 位误差超过20m。Horus系统沿用了位置指纹的思想，同时又对RADAR定位系统进行了改进， 提出了基于位置指纹的概率定位算法，以及利用最强AP信号聚类等优化措施，使得系统的 定位性能得到了很大程度的提高，其最大定位误差在5m以内。 位置指纹定位算法需...
【技术保护点】
基于图像边缘检测信号相关性的室内WLAN信号地图绘制与映射方法，其特征在于：该方法包括以下步骤：步骤一：用户在定位目标区域内随机采集若干条WLAN接收信号强度序列为其中，Mj为第j条序列的序列长度，z为序列条数；RSSjk＝(RSSjk1,…,RSSjkn)(k＝1,…,Mj)为第j条序列中第k个接收信号强度矢量；n为AP个数；RSSjkr(r＝1,…,n)为第j条序列第k个接收信号强度矢量中第r个AP的信号强度值；步骤二：根据时间戳顺序对Sj中接收信号强度矢量进行升序排列；将第j条序列中第k个接收信号强度矢量重构为新的n+1维矢量步骤三：对中所包含的时间戳信息和接收信号强度信息进行加权，得到混合矢量其中加权系数为wts和wrss，wts+wrss＝1；步骤四：对混合矢量进行谱聚类，得到Sj中每条混合矢量的聚类号；步骤五：通过中值滤波方法，修正每条混合矢量的聚类号及相应类心；步骤六：根据Sj中相邻聚类之间的转移关系，以连接图的形式得到Sj的类转移图；步骤七：重复步骤2)至步骤6)，得到所有接收信号强度序列的类转移图；步骤八：通过图像边缘检测技术，确定所有类转移图中类间距离小于门限std...
【技术特征摘要】
1.基于图像边缘检测信号相关性的室内WLAN信号地图绘制与映射方法，其特征在于： 该方法包括以下步骤： 步骤一：用户在定位目标区域内随机采集若干条WLAN接收信号强度序列为 & ={RSS;I，…，RSS,W = …，z)，其中，Mj为第j条序列的序列长度，z为序列条数； RSSjk=(RSSjkl，…，RSSjkn)(k= 1，…，Mj)为第j条序列中第k个接收信号强度矢量；η为AP个数；RSSjfe(r= 1，…，η)为第j条序列第k个接收信号强度矢量中第r个AP的信号强 度值； 步骤二：根据时间戳顺序对1中接收信号强度矢量进行升序排列；将第j条序列中第k个接收信号强度矢量重构为新的n+1维矢量φ7? =化，RSSyil,…，RSSyto；); 步骤三：对中所包含的时间戳信息和接收信号强度信息进行加权，得到混合矢量φ;.Α- =(%/，MmRSSfil,…，WraiRSSiJ,其中加权系数为 &和 Wrss，Wts+Wrss= !; 步骤四：对混合矢量进行谱聚类，得到Sj中每条混合矢量的聚类号； 步骤五：通过中值滤波方法，修正每条混合矢量的聚类号及相应类心； 步骤六：根据I中相邻聚类之间的转移关系，以连接图的形式得到\的类转移图； 步骤七：重复步骤2)至步骤6)，得到所有接收信号强度序列的类转移图； 步骤八：通过图像边缘检测技术，确定所有类转移图中类间距离小于门限Std的类，合 并相应的类，对所有离散的类转移图进行拼接，得到待筛选的信号逻辑图； 步骤九：将定位目标区域内的每个物理叉路口作为区域边界进行子区域划分，并对每 个子区域进行序号标记；记区域标号为1，…，A，其中A表示所有的子区域的个数； 步骤十：根据各子区域的物理邻接关系，将定位目标区域表示为一副由各子区域连通 的物理环境图； 步骤十一：在定位目标区域内选择少量标记位置点CP，且保证标记位置点的个数少于 子区域个数； 步骤十二：在各标记位置点处采集NR个来自不同AP的信号强度矢量，并将其均值矢量 作为各标记位置点的代表矢量RV; 步骤十三：在每个逻辑图中，计算与RV中每个元素Mrssn。与逻辑图中各类心的欧式距 离=||Mrasee -Il;其中，,表示MrsSn。与第Zj个逻辑图中的第f3个类心之间的 欧氏距离，为第zj个逻辑图中的第&个类心；选择与Mrssn。欧式距离最小的类心所对 应的逻辑节点为该RV中元素Mrssne所对应子区域cpn。存在的映射关系，剔除包含与2个或 以上不同子区域存在映射关系的逻辑节点所对应的信号逻辑图； 步骤十四：根据步骤十三得到所有未剔除信号逻辑图，利用映射准则，得到所有未剔除 的信号逻辑图，以及相应的与物理环境图的映射关系； 步骤十五：选择对于所有标记点具有最高平均定位精度的信号逻辑图作为最优信号逻 辑图；其中，每个标记点的定位精度定义为：在该标记点上采集的正确映射到所属子区域 的信号强度矢量个数与信号强度矢量总数的比值，P?4 其中，Pio^表示第X个逻 NR 辑图的映射关系中第nc个标记点上的定位精度，为第nc个标记点上采集的NR个接收 信号强度矢量中能够映射到cpn。的接收信号强度矢量的个数；所有标记点的平均定位精度 Pr〇L,>ΡΓ0-?=^Σ,.-,ΡΓ0?.: 步骤十六：根据步骤十五，选择F〇_,,最大的逻辑图作为最优信号逻辑图， 根据步骤十四所确定的映射准则，得到最优信号逻辑图到物理环境图的映射关系 Map=(?>ie{l, U，…，NocT}) ;Map=表示第cet个逻辑图，NocT表示第cet 个逻辑图中的逻辑节点个数； 步骤十七：利用GraphDrawing正交算法，对最优信号逻辑图及物理环境图进行绘制； 步骤十八：根据终端新采集的信号强度矢量，在最优信号逻辑图中，计算得到与新采集 信号强度矢量具有最小欧式距离的逻辑节点； 步骤十九：根据最优信号逻辑图到物理环境图的映射关系，估计终端所在的子区域。2.根据权利要求1所述的基于图像边缘检测信号相关性的室内WLAN信号地图绘制与 映射方法，其特征在于：所述步骤四包括以下步骤： 1) 对于I，构建邻接矩阵Mwa，如下式：其中，wPAS」中'(/? = 1,…，竭与〇 = 1,…，M)的相似度，= e-， 卜11表示二范数计算； 2) 在Mwa中设定相似度门限thw，当wM〈thw0^，令wM=O;当thw0^，wM保持不 变； 3) 将Mwa中的每一列求和，得到《二?G= 1,…，M)，构造MXM的对角矩阵Dm，如 下所示：4) 通过以下公式计算拉普拉斯算子L: L=Dm-Mwa; 5) 通过以下公式计算L的特征值及特征向量， LV=vV； (vE-L)V= 0 ；det(vE-L) = 0 ； 其中，E为MXM的单位矩阵；veR为L的特征值；V表示L的特征向量，长度为M的列 向量； 6)将凡中的每一行定义为一个混合矢量的重构矢量，从而得到M个重构矢量Nd= (1^(11，...，1^)，其中，1^(江=1，...，。）为凡中第(1行的第€个元素，将厘个重构矢量进行 K均值聚类。3. 根据权利要求2所述的基于图像边缘检测信号相关性的室内WLAN信号地图绘制与 映射方法，其特征在于：所述步骤6)将M个重构矢量进行K均值聚类包括以下步骤： (1) 确定所需聚类的K均值聚类个数K(K〈〈M);随机在M个重构矢量中选取K个样本Sab =(sabl,sab2, · · ·，sabc)(b= 1，…，K)作为初始类心，其中私 ;sabf(f= 1，…，c) 为Sab中第f个元素； (2) 逐个计算剩余的M-K个样本与所有初始类心的欧式距离，并将样本分配到与其欧 氏距离最小的初始类心所对应的聚类中；其中M-K个样本中的每个样本与每个初始类心的 欧氏距离计算为 ,.^l-sahl )2 (Sah^Nil); (3) 通过以下公式重新计算K个聚类的聚类中心，并将新的K个聚类的聚类中心作为初 始类心，其中，Cb表示第b个聚类的所有样本；X表示Cb中的每个样本；Nub表示Cb的样本个数；Zb表示第b个聚类的新类心； (4) 通过以下公式计算出所有聚类类心偏离度J，(5) 重复步骤（2)步至步骤（4)，直到J达到最小值，Sab(b= 1，…，K)为各聚类类心； 将g||Z-Z6If 从小到大排序，得到各类的类号，同类中的样本的类号相同。4. 根据权利要求1所述的基于图像边缘检测信号相关性的室内WLAN信号地图绘制与 映射方法，其特征在于：所述步骤八包括以下步骤： 1) 将采集到的RSS序列排列为2) 分别计算Γ中不同接收信号强度矢量的欧式距离，进而得到距离矩阵Mdis,其中，Mr为序列Γ中的接收信号强度矢量数目；?,，犯， 也>7(?丨，2,…，Μ)为Γ中第Cli1个接收信号强度矢量与第di2个接收信号强度矢 量的欧氏距离；1与别表示r中第Cli1与第虹2个接收信号强度矢量中来自第 虹3个AP的信号强度值； 3) 设定门限std，当也响 < ?时，令也响=1;当炎ν,:乏?时，令炎/响=〇 ; 4) 对矩阵Mdis进行中值滤波处理，包括以下步骤： (1) 选择大小为3X3的窗口win作为中值滤波的基本单元，如下所示，其中，win中共有9个元素，Winwinl(winl= 1，2,…，9)为win中的第winl个元素； (2) 将矩阵Mdis做补O处理得到Mdisn，如下所示，(3)将win中的Win5对芥Mdis_n中的元累Mdis_n(dis_nl, dis_n2),其中dis_nl= 2, 3,· · ·，Mr+1,dis_n2 = 2, 3,· · ·，Mr+1,Mdisn(dis_nl, dis_n2)为Mdisn中第dis_nl行第 dis_n2列的元素； (4) 取出当前win对应于Mdisn*的元素，将所有元素按从大到小排列并依次标号为1， 2，···，9,且将矩阵Mdis中第（dis_nl)-l行第（dis_n2)-l列的元素更新为标号为5的元素； 5) 对矩阵Mdis进行腐蚀处理，包括以下步骤： (1) 选择大小为5X5的窗口ero,如下所示，(2) 将ero中第三行第三列的元素依次对齐Mdis中的元素Mdis(dis_l，dis_2)，其中 dis_l= 3, 4, · · ·，Mr-2,dis_2 = 3, 4, · · ·，Mr-2,Mdis(dis_l,dis_2)为Mdis中第dis_l行 第dis_2列的元素； (3) 当对齐于ero的所有Mdis中元素全为1时，令Mdis(dis_l，dis_2) = 1，而当对齐于 ero的所有Mdis中元素不全为1时,令Mdis(dis_l,dis_2) = 0 ; 6) 对矩阵Mdis进行边缘检测处理，包括以下步骤： (1)选择大小为3X3的边缘检测窗口edg，如下所示：(2) 将edg中的元素edgji齐矩阵Mdis中的元素Mdis(dis_a，dis_b)，其中dis_a= 2, 3, · · ·，ΜΓ_1，dis_b= 2, 3, · · ·，Mr_l，Mdis (dis_a，dis_b)为Mdis中第dis_a行第dis_b列 的元素； '+I +2 +1 (3) 选定横向及纵向边缘检测的Sobel卷积因子^及67，其中Gr=OOO , -I -2 -I(4) 将对齐于edg的Mdis中元素分别与G,及Gy相乘，得到关于当前元素Mdis (dis_a，dis_ b)在横向及纵向上的灰度差分值Gxdisa及Gydisb，其中， Gx-diS-a=Mdis((dis_a)+l，（dis_b)+l)+2Mdis((dis_a)，（dis_b)+l) +Mdis((dis_a)_l，（dis_b)+l)-[Mdis((dis_a)+l，（dis_b)_l) +2Mdis((dis_a), (dis_b)-l)+Mdis((dis_a)_l，（dis_b)_l)] Gy_dis_b=MdiS((dis_a)+l, (dis_b)+1)+2Mdis((dis_a)+1, (dis_b))； +Mdis((dis_a)+1, (dis_b)-l)-[Mdis((dis_a)-l, (dis_b)+l) +2Mdis((dis_a)-l, (dis_b))+Mdis((dis_a)-l, (dis_b)_l)] (5) 得到关于当前元素Mdis(dis_a，dis_b)的灰度差分值Gxy，Gxy=IGxdisaI+ |Gy_disbI; (6) 设定灰度差分门限Gth，当Gxy彡Gth时，令Mdis(dis_a，dis_b) = 1，当Gxy〈Gtl#，令 Mdis(dis_a，dis_b) = 0 ; 7) 对矩阵Mdis的边缘信息进行提取，得到序列Γ中不同接收信号强度矢量距离小于Std 的序列块的长宽，以及其在Γ中的位置信息； 8) 根据步骤7)中得到的C〇 4，将离散的信号逻辑图进行拼接。5.根据权利要求4所述的基于图像边缘检测信号相关性的室内WLAN信号地图绘制与 映射方法，其特征在于：所述步骤7)包括以下步骤： (1) 设定空矩阵CO1; (2) 遍历矩阵Mdis中的所有元素Mdis(dis_c,dis_d),其中dis_c= 1，2,…，Mr,dis_ d= 1，2,…，Mr，Mdis(dis_c,dis_d)表示矩阵Mdis中第dis_c行第dis_d列的元素；当 Mdis(dis_c,dis_d) = 1 时，将坐标（dis_c,dis_d)记录于COj中； ⑶设定空矩阵co_2,。〇_3及CO_4; (4) 令遍历号vinu= 1 ; (5) 若vinu>vil...
【专利技术属性】
技术研发人员：周牧，张巧，田增山，邱枫，范馨月，周祥东，蒋青，周翊，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85
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。