基于梯度下降的离线定位方法技术

本发明专利技术提供的一种基于梯度下降的离线定位方法，其通过持续测量用户所在位置各个WiFi接入点的信号强度，运用梯度滤波算法对测量的RSS进行滤波处理，滤去非正常变化的RSSI值，再使用这些处理过的RSSI值应用梯度下降算法得到用户的位置，能够提高定位精度。

Off line location method based on gradient descent

The invention provides an off-line positioning method based on gradient descent, the signal intensity of the continuous measurement of the location of the user WiFi access point, using gradient filtering algorithm to measure RSS filtering to filter the abnormal changes of RSSI value, and then use these processed RSSI value gradient descent algorithm to get the location of the user, can improve the positioning accuracy.

【技术实现步骤摘要】

本专利技术涉及通信、导航定位
，具体地，涉及一种基于梯度下降的离线定位方法。
技术介绍
WiFi和BLE(低功耗蓝牙)目前是无线网络的重要组成部分。在家庭和公共场合，越来越多的WiFi热点出现在人们的智能设备里。BLE虽然至今未被普及，但是凭借着其低功耗的特点，将来的发展前景同样很好，在室内的定位方面有着广泛的应用。WiFi和BLE本身并不具备定位功能，但是通过收集室内各个WiFi和BLE的信号强度、传播时间等数据，理论上只需要三个接入点，通过信号的传输模型进行计算，得到与对应AP(无线访问接入点)的相对距离，应用传统的三角定位技术，就可以定位用户的位置。但是传统的离线定位算法存在两点问题：一是传统的三角定位算法，由于是采用通过得到的与AP的相对距离，再以各AP为圆心，相对距离为半径作圆，通过三圆的交点得到定位的位置。但是三个圆的交点并不是一定存在，同时在AP数目大于3的情况下传统的三点定位就不再有效。另一个不足之处在于，WiFi信号和BLE信号的传播受到环境的影响较大，比如在传播的路径上有人的经过，收到的RSSI值就会出现明显的变化。同时在同一个位置上的信号强度呈现高斯分布，信号强度的变化就会影响相对距离的计算，导致定位的误差。现在的离线定位技术并没有考虑到对于信号的波动的处理，仅仅是简单的直接对RSSI值进行计算，本专利技术对于离线定位算法进行了改进，先通过滤波器对于获得的RSSI值进行处理，滤去非正常变化的值，减少环境的干扰，再对于处理过的RSSI值使用梯度下降的算法进行定位，是一种有效的离线定位算法，有利于提高定位精度。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于梯度下降的离线定位方法。本专利技术通过用户持续检测的RSSI值运用梯度滤波算法筛除异常值，再将筛选后的RSSI值转换为距离，运用梯度下降算法确定用户所在位置。根据本专利技术提供的一种基于梯度下降的离线定位方法，包括：步骤一，获取已确定的AP接入点的相对位置；步骤二，针对每一个AP接入点，用户持续测量自身所在位置处AP接入点的RSSI值，根据已测RSSI值序列得到各个时刻的RSSI预测值，将属于异常值的RSSI预测值筛除后更新已测RSSI值序列；步骤三，将用户新测量到的当前时刻各个AP接入点的RSSI测量值转换为距离向量；步骤四，根据距离向量得到定位位置。优选地，所述步骤二包括：将偏离第k时刻最终滤波值xk的程度超过阈值的第k时刻的RSSI预测值判定为异常值；其中，假设已测RSSI值序列x为x＝[x0,x1,......,xn]，则第k时刻最终滤波值xk及第k时刻的RSSI预测值的计算方式如下： x k = x k - + S I G N ( x k - 1 - x k - ) · σ ( x k - 1 , x k - ) ]]> x k - = ( ▿ ( x n ) t × Δ t ) + x 0 ]]> ▿ ( x n ) t = 1 n Σ k = 1 n ▿ ( x k ) t ]]> ▿ ( x k ) t = ▿ x k ▿ t k ]]> σ ( x k - 1 , x k - ) = 1 2 ( x k - 1 - x k - ) 2 ]]> S I G N ( x k - 1 - x k - ) = - 1 , 本文档来自技高网...

【技术保护点】
一种基于梯度下降的离线定位方法，其特征在于，包括：步骤一，获取已确定的AP接入点的相对位置；步骤二，针对每一个AP接入点，用户持续测量自身所在位置处AP接入点的RSSI值，根据已测RSSI值序列得到各个时刻的RSSI预测值，将属于异常值的RSSI预测值筛除后更新已测RSSI值序列；步骤三，将用户新测量到的当前时刻各个AP接入点的RSSI测量值转换为距离向量；步骤四，根据距离向量得到定位位置。

【技术特征摘要】
1.一种基于梯度下降的离线定位方法，其特征在于，包括：步骤一，获取已确定的AP接入点的相对位置；步骤二，针对每一个AP接入点，用户持续测量自身所在位置处AP接入点的RSSI值，根据已测RSSI值序列得到各个时刻的RSSI预测值，将属于异常值的RSSI预测值筛除后更新已测RSSI值序列；步骤三，将用户新测量到的当前时刻各个AP接入点的RSSI测量值转换为距离向量；步骤四，根据距离向量得到定位位置。2.根据权利要求1所述的基于梯度下降的离线定位方法，其特征在于，所述步骤二包括：将偏离第k时刻最终滤波值xk的程度超过阈值的第k时刻的RSSI预测值判定为异常值；其中，假设已测RSSI值序列x为x＝[x0,x1,......,xn]，则第k时刻最终滤波值xk及第k时刻的RSSI预测值的计算方式如下： x k = x k - + S I G N ( x k - 1 - x k - ) · σ ( x k - 1 , x k - ) ]]> x k - = ( ▿ ( x n ) t × Δ t ) + x 0 ]]> ▿ ( x n ) t = 1 n Σ k = 1 n ▿ ( x k ) t ]]> ▿ ( x k ) t = ▿ x k ▿ t k ]]> σ ( x k - 1 , x k - ) = 1 2 ( x k - 1 - x k - ) 2 ]]> S I G N ( x k - 1 - x k - ) = - 1 , x k - 1 - x k - ≥ 0 1 , x k - 1 - x k - < 0 ]]>其中，xk表示第k时刻最终滤波值，表示第k时刻的RSSI预测值，表示将xk-1与的差值代入sign函数，sign函数为符号函数，xk-1表示第k时刻的前一时刻最终滤波值，表示计算xk-1与的标准差，表示已测RSSI值序列x在单位时间t内的平均梯度，Δt表示第k时刻的RSSI预测值所在的时刻与x0所在时刻的差值，表示在单位时间t内相邻RSSI值之间的梯度，表示xk+1与xk的RSSI差值，表示xk+1与xk的时间差值。3.根据权利要求2所述的基于梯度下降的离线定位方法，其特征在于，阈值为30％，若则判定第k时刻的RSSI预测值偏离第k时刻最终滤波值xk的程度超过阈值。4.根据权利要求2所述的基于梯度下降的离线定位方法，其特征在于，所述步骤二中更新已测RSSI值序列的步骤包括：若第k时刻的RSSI预测值不是异常值，即第k时刻的RSSI预测值为正常值，则将第k时刻的...

【专利技术属性】
技术研发人员：李扬，熊思捷，主苏杰，田晓华，王新兵，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海;31