基于径向基插值的室内WLAN指纹数据库多点自适应更新方法技术

基于径向基插值的室内无线局域网(WLAN)指纹数据库多点自适应更新方法。该方法基于径向基神经网络插值，利用在少量回馈点处实际测量的接收信号强度(RSS)构建数学插值模型，构造RSS估计曲面，由空间位置的相关性得到回馈点附近参考点的RSS估计值。利用该方法每次计算可更新多个参考点的RSS值，以不重复更新参考点为前提，在物理环境划分P个更新区域，不同的更新区域根据其所在截止区内回馈点密度和数量的不同，采用不同大小的截止区半径，该半径大小由通过旧数据库指纹信息得到的偏最小二乘回归模型计算得到，P次计算后便可更新整个数据库。该方法解决了随着时间的改变，数据库指纹信息变化过大而导致定位精度降低的问题，同时有效地减少了数据库更新的时间开销，大大提高了WLAN定位精度。

【技术实现步骤摘要】
基于径向基插值的室内WLAN指纹数据库多点自适应更新方法
本专利技术属于移动通信领域，具体涉及到一种无线电通信领域中室内WLAN环境下的指纹数据库更新方法。
技术介绍
在移动通信领域，人们对基于位置的服务(LBS)的需求正在不断增长，基于WLAN的室内定位系统正是迎合了这种需求的一个新兴的研究热点。目前较为流行的无线定位系统有全球定位系统(GPS)、蜂窝定位系统、蓝牙定位系统、射频识别(RFID)定位系统、ZigBee定位系统以及WLAN定位系统。其中GPS定位系统目前应用最为广泛，室外定位精度较高，然而在障碍物较多的遮蔽或室内环境下，如高楼林立的城市街道或室内停车场，卫星信号会急剧减弱，导致GPS定位系统难以工作。蜂窝无线定位系统的定位精度较低，室外定位误差通常大于50米，对于定位精度要求较高的室内场景则无法适用。蓝牙、RFID和ZigBee等定位技术一般较为适用于近距离定位环境。因此，上述定位技术不具有较好的普适性，而需要寻找一种新的定位技术来代替或弥补各自的不足。同时，无线局域网的不断普及给了WLAN定位技术很大的发展机会。在WLAN定位系统中，位置指纹定位方法的精度较高且不需要添加额外的设备，从而得到了较为广泛的应用。基于位置指纹的室内WLAN定位算法分为两个阶段：离线阶段和在线阶段。离线阶段，在选定的参考点位置上采集来自不同AP(AccessPoint)的RSS值，结合相应物理坐标构建指纹数据库；在线阶段，将实时采集的RSS指纹信息，按照一定的搜索匹配算法，与指纹数据库进行比较，得出对应采样数据的预测物理位置。任何位置的RSS指纹由于受到多径效应或环境突变等因素的影响，其值是实时变化的，而在离线阶段建立的数据库则是固定不变的。因此在进行搜索匹配时，实际位置的RSS指纹与在数据库中所选RSS指纹相近而物理位置可能相差较远，所以对数据库进行实时更新很有必要。传统的数据库更新方法是在离线阶段重新测量数据库中所有位置的RSS值，然而更新所有RSS指纹的成本和时间开销很大。现有的优化方法一般是在指纹信号空间和物理位置空间之间建立一种函数关系，然后利用已有的物理坐标，代入函数估计出相应的指纹信息。这类方法的缺陷是定位精度不够高而且计算时间较长。
技术实现思路
针对现有技术存在的问题，本专利技术提供一种基于径向基插值的室内WLAN定位指纹数据库多点自适应更新方法。本专利技术在测量较少回馈点RSS值的基础上构造径向基插值模型，模拟小区域参考点RSS的变化规律，快速计算出数据库中除回馈点以外参考点的RSS值，提高定位精度的同时大大降低系统的计算时间开销。本专利技术的技术方案如下：一种基于径向基插值的室内WLAN定位指纹数据库多点自适应更新方法，该方法是基于径向基神经网络插值，利用在少量回馈点处实际测量的接收信号强度(RSS)构建数学插值模型，构造RSS估计曲面，由空间位置的相关性得到回馈点附近参考点的RSS估计值。利用该方法每次计算可更新多个参考点的RSS值，以不重复更新参考点为前提，在物理环境划分P个更新区域，不同的更新区域根据其所在截止区内回馈点密度和数量的不同，采用不同大小的截止区半径，该半径大小由通过旧数据库指纹信息得到的偏最小二乘回归模型计算得到，P次计算后便可更新整个数据库。本方法的步骤如下：步骤一：令相邻参考点距离为a，以不重复更新参考点为前提，将目标物理环境划分为P个更新区域，各更新区域内的参考点构成正方形区域；步骤二：定义截止区为以各更新区域的中心为圆心且包含周围回馈点的圆形区域，则共有P个截止区；令截止区半径为R，截止区内回馈点个数为n，则回馈点面密度为记截止区半径R和回馈点面密度ρ的取值区间分别为(0,γ)和[p,q]，针对R和ρ的取值区间随机选取3000个组合取值；步骤三：令(R,ρ)表示R和ρ的一个组合取值，则计算其相应截止区内的回馈点数目为[ρ·πR2]，其中符号[·]表示取整计算。步骤四：对于第l(l＝1,…,P)个截止区，其中，l为截止区编号，P为截止区个数。设该截止区内包含M个待更新参考点和Nl个回馈点，区内第j个回馈点的物理坐标为第j个回馈点在旧数据库中对应的第i(i＝1,…,Q)个AP的指纹信息为其中，Q为AP个数。从而，构造第l个截止区内所有回馈点关于第i个AP的目标函数步骤五：对于第l个截止区，将其所包含的参考点(待更新的M个参考点除外)物理坐标代入计算得到每个参考点所对应的RSS估计值。计算上述估计值与旧数据库中对应RSS值的差值的平均值，并将其表示为ω。步骤六：对于每一个(R,ρ)组合取值，计算得到一个ω。判断是否已遍历所有的(R,ρ)组合取值(即设定的3000个组合取值)，是，则转步骤七；否，则转步骤三。步骤七：对于得到的3000个(R,ρ,ω)组合取值，以R和ρ为自变量，ω为因变量，利用偏最小二乘回归方法建立回归模型。步骤七一：计算因变量ω的标准化矩阵F0＝(F0,1…F0,i…F0,3000)T，其中i＝1,…,3000，和sω分别为ω的均值和标准差。计算关于自变量R和ρ的标准化矩阵其中i＝1,…,3000，和sR分别为R的均值和标准差，和sρ分别为ρ的均值和标准差。步骤七二：计算F0和E0的第一主轴c1和σ1，即c1和σ1分别为矩阵和的最大特征值所对应的单位特征向量。步骤七三：根据关系式μ1＝F0c1和t1＝E0σ1，计算μ1和t1，其中，μ1和t1分别为从F0和E0中提取的主成分。步骤七四：分别计算F0和E0对t1的回归方程，即和其中，F0对t1的回归系数向量和E0对t1的回归系数向量F1和E1分别为上述两个回归方程的残差矩阵。步骤七五：由和t1＝E0σ1得拟合方程其中，然后，将每个组合样本(Ri,ρi)代入拟合方程，得到相应的拟合值从而计算得到误差平方和步骤七六：将残差矩阵F1和E1代替F0和E0，计算得到对应的第二主轴c2和σ2，以及第二主成分μ2和t2。从而得到提取两个主成分的回归方程和其中，两个回归系数向量和F2和E2分别为上述两个回归方程的残差矩阵。步骤七七：剔除第i个组合样本(Ri,ρi)，并重复步骤七一、步骤七二、步骤七三、步骤七四和步骤七六，利用两个主成分对回归方程进行拟合，得到相应的拟合方程，再把剔除的组合样本点(Ri,ρi)代入该方程，得到拟合值对每个组合样本，重复上述过程，得到预测误差平方和步骤七八：利用交叉有效性判别准则，判断是否大于等于0.0975，是，则在回归方程中加入第二个主成分，并转步骤七九；否，则得到包含1个主成分的偏最小二乘回归方程并转步骤八。步骤七九：令h＝h+1，并判断是否大于等于0.0975，是，则在回归方程中加入第h个主成分；否，则得到包含h-1个主成分的偏最小二乘回归方程：并转步骤八。步骤八：在目标物理环境内随机选取四分之一的参考点作为回馈点，并测量回馈点对于每个AP的RSS值。步骤九：令l＝1。步骤十：令k＝1。步骤十一：将第l个更新区域所对应的截止区半径取为p，计算截止区域内的回馈点数目Nl和回馈点面密度将p与ρ代入步骤七中的回归模型，得到ωk。步骤十二：令p＝p+0.5，k＝k+1。步骤十三：判断p是否小于等于q，是，则转步骤十一；否，则转步骤十四。步骤十四：升序排列得到的所有ωk，并保存为{Ω1,Ω2,…}本文档来自技高网...

【技术保护点】
基于径向基插值的室内WLAN指纹数据库多点自适应更新方法，其特征在于步骤如下：步骤一：令相邻参考点距离为a，以不重复更新参考点为前提，将目标物理环境划分为P个更新区域，各更新区域内的参考点构成正方形区域；步骤二：定义截止区为以各更新区域的中心为圆心且包含周围回馈点的圆形区域，则共有P个截止区；令截止区半径为R，截止区内回馈点个数为n，则回馈点面密度为记截止区半径R和回馈点面密度ρ的取值区间分别为(0,γ)和[p,q]，针对R和ρ的取值区间随机选取3000个组合取值；步骤三：令(R,ρ)表示R和ρ的一个组合取值，则计算其相应截止区内的回馈点数目为[ρgπR2]，其中符号[g]表示取整计算；步骤四：对于第l(l＝1,L,P)个截止区，其中，l为截止区编号，P为截止区个数，设该截止区内包含M个待更新参考点和Nl个回馈点，区内第j个回馈点的物理坐标为第j个回馈点在旧数据库中对应的第i(i＝1,L,Q)个AP的指纹信息为其中，Q为AP个数，从而构造第l个截止区内所有回馈点关于第i个AP的目标函数步骤五：对于第l个截止区，将其所包含的参考点，物理坐标代入待更新的M个参考点除外，计算得到每个参考点所对应的RSS估计值，计算上述估计值与旧数据库中对应RSS值的差值的平均值，并将其表示为ω；步骤六：对于每一个(R,ρ)组合取值，计算得到一个ω，判断是否已遍历所有的(R,ρ)组合取值(即设定的3000个组合取值)，若是，则转步骤七；若否，则转步骤三；步骤七：对于得到的3000个(R,ρ,ω)组合取值，以R和ρ为自变量，ω为因变量，利用偏最小二乘回归方法建立回归模型；步骤八：在目标物理环境内随机选取四分之一的参考点作为回馈点，并测量回馈点对于每个AP的RSS值；步骤九：令l＝1；步骤十：令k＝1；步骤十一：将第l个更新区域所对应的截止区半径取为p，计算截止区域内的回馈点数目Nl和回馈点面密度将p与ρ代入步骤七中的回归模型，得到ωk；步骤十二：令p＝p+0.5，k＝k+1；步骤十三：判断p是否小于等于q，若是，则转步骤十一；若否，则转步骤十四；步骤十四：升序排列得到的所有ωk，并保存为{Ω1,Ω2,…}，其中，Ω1≤Ω2≤…，此外，将{Ω1,Ω2,…}各值对应的ωk的下标序号存储到序列index中；步骤十五：计算index序列中前三个ωk的下标序号所对应的截止区半径的均值，并将其作为第l个截止区域半径；步骤十六：令i＝0；步骤十七：令i＝i+1，以步骤十五得到的截止区半径，对第l个更新区域内的待更新参考点进行RSS更新，具体更新步骤如下：步骤十七一：搜索截止区内的回馈点，将回馈点数目记为Nl；步骤十七二：令第j个回馈点对应的第i个AP的指纹信息为将截止区内所有回馈点指纹信息代入公式二，计算权重矩阵得出第l个截止区内所有回馈点关于第i个AP的目标函数步骤十七三：将更新区域内的待更新的M个参考点坐标代入目标函数计算各个待更新参考点所对应APi的RSS估计值；步骤十八：判断i是否小于Q，若是，则转步骤十七；若否，则转步骤十九；步骤十九：判断l是否小于P，若是，则令l＝l+1，并转步骤十；若否，则 数据库更新结束。...

【技术特征摘要】
1.基于径向基插值的室内WLAN指纹数据库多点自适应更新方法，其特征在于步骤如下：步骤一：令相邻参考点距离为a，以不重复更新参考点为前提，将目标物理环境划分为P个更新区域，各更新区域内的参考点构成正方形区域；步骤二：定义截止区为以各更新区域的中心为圆心且包含周围回馈点的圆形区域，则共有P个截止区；令截止区半径为R，截止区内回馈点个数为n，则回馈点面密度为记截止区半径R和回馈点面密度ρ的取值区间分别为(0,γ)和[p,q]，针对R和ρ的取值区间随机选取3000个组合取值；步骤三：令(R,ρ)表示R和ρ的一个组合取值，则计算其相应截止区内的回馈点数目为[ρgπR2]，其中符号[g]表示取整计算；步骤四：对于第l(l＝1,L,P)个截止区，其中，l为截止区编号，P为截止区个数，设该截止区内包含M个待更新参考点和Nl个回馈点，区内第j个回馈点的物理坐标为第j个回馈点在旧数据库中对应的第i(i＝1,L,Q)个AP的指纹信息为其中，Q为AP个数，从而构造第l个截止区内所有回馈点关于第i个AP的目标函数步骤五：对于第l个截止区，将其所包含的参考点，物理坐标代入待更新的M个参考点除外，计算得到每个参考点所对应的RSS估计值，计算上述估计值与旧数据库中对应RSS值的差值的平均值，并将其表示为ω；步骤六：对于每一个(R,ρ)组合取值，计算得到一个ω，判断是否已遍历所有的(R,ρ)组合取值(即设定的3000个组合取值)，若是，则转步骤七；若否，则转步骤三；步骤七：对于得到的3000个(R,ρ,ω)组合取值，以R和ρ为自变量，ω为因变量，利用偏最小二乘回归方法建立回归模型；步骤八：在目标物理环境内随机选取四分之一的参考点作为回馈点，并测量回馈点对于每个AP的RSS值；步骤九：令l＝1；步骤十：令k＝1；步骤十一：将第l个更新区域所对应的截止区半径取为p，计算截止区域内的回馈点数目Nl和回馈点面密度将p与ρ代入步骤七中的回归模型，得到ωk；步骤十二：令p＝p+0.5，k＝k+1；步骤十三：判断p是否小于等于q，若是，则转步骤十一；若否，则转步骤十四；步骤十四：升序排列得到的所有ωk，并保存为{Ω1,Ω2,…}，其中，Ω1≤Ω2≤…，此外，将{Ω1,Ω2,…}各值对应的ωk的下标序号存储到序列index中；步骤十五：计算index序列中前三个ωk的下标序号所对应的截止区半径的均值，并将其作为第l个截止区域半径；步骤十六：令i＝0；步骤十七：令i＝i+1，以步骤十五得到的截止区半径，对第l个更新区域内的待更新参考点进行RSS更新，具体更新步骤如下：步骤十七一：搜索截止区内的回馈点，将回馈点数目记为Nl；步骤十七二：令第j个回馈点对应的第i个AP的指纹信息为将截止区内所有回馈点指纹信息代入公式二，计算权重矩阵得出第l个截止区内所有回馈...

【专利技术属性】
技术研发人员：周牧，李双双，周非，田增山，范馨月，蒋青，王明春，吴奇，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85