一种基于指纹自适应环境变化的被动式室内定位方法技术

本发明专利技术涉及一种基于指纹自适应环境变化的被动式室内定位方法，包括在样本区域部署传感器节点，通过所部署的传感器节点采集整个样本区域的初始RSS指纹矩阵，通过整个区域的RSS矩阵获取初始参考矩阵，然后计算指纹矩阵和参考矩阵之间的关系矩阵，更新指纹矩阵的时候，测量样本区域中参考位置的新RSS参考矩阵和未受到目标干扰的RSS值形成第一个约束条件，利用关系矩阵和新RSS参考矩阵作为第二个约束条件，利用受干扰最大矩阵的2个性质作为第三个约束条件，利用LoLi‑IR算法来更新指纹矩阵，利用非线性最优化将实时测量的RSS向量和更新后的指纹矩阵进行匹配，高精度恢复目标的位置。既能提供令人满意的高精度又能大大减少更新指纹库所需的时间和成本。

【技术实现步骤摘要】

本专利技术涉及室内定位
，特别涉及一种低成本的基于指纹自适应环境变化的室内被动式定位方法。
技术介绍
近些年以来，室内定位在许多新兴的应用中起到了至关重要的作用，然而现存的大多数定位技术都需要目标自身携带可通讯设备，这造成了许多场景不适用。随着wifi装置的普遍性，基于RSS的被动式室内定位技术以其不需要用户佩戴任何无线设备和不要求用户主动参与定位过程的特点，受到了学术界和产业界的巨大关注。现有的基于RSS的室内被动式定位方法分为以下2类：第一类：基于模型的被动式定位。该方法通过学习目标的位置和RSS的测量值之间的数学模型关系来进行定位。然而要想在多路径的室内环境中得到一个精准的模型来进行高精度的定位结果是很困难的，通常要求目标在无线链路的LOS路径上，或者需要成本非常昂贵的硬件设备以及特殊的RF信号，但是前者会导致过多的能量消耗，后者会出现与日常设备无法兼容的现象。因此该类方法在现实生活中不适用。第二类：基于指纹的被动式定位。该方法首先通过收集目标在不同的位置指纹来建立一个指纹数据库，然后定位一个目标位置时，将现测的指纹和原来所得到指纹数据库进行对比分析，进而确定目标位置。该类方法能得到令人满意的高精度，但是每当环境受到巨大变化或者细微变化时，它需要人工周期性地更新该指纹数据库来获得精准的定位，而这一过程会消耗大量的人力和物力。因此该类方法所需要的成本过高，可行性不好。综上所述，现有的被动式技术在定位精度、适普性、成本等方面存在不足。因此需要拥有更高可行性的被动式定位新技术。
技术实现思路
为了解决上述现有技术存在的问题，本专利技术的目的在于，提供一种基于指纹自适应环境变化的被动式室内定位方法，该方法既能提供令人满意的高精度又能大大减少更新指纹库所需的时间和成本。为了实现上述任务，本专利技术采取如下的技术解决方案：一种基于指纹自适应环境变化的被动式室内定位方法，其特征在于，该方法包括以下步骤：步骤一，在样本区域部署传感器节点；步骤二，通过部署传感器节点采集整个样本区域的初始RSS指纹矩阵；步骤三，通过整个区域的RSS矩阵获取初始参考矩阵，然后计算指纹矩阵和参考矩阵之间的关系矩阵；步骤四，更新指纹矩阵的时候，测量样本区域中参考位置的新RSS参考矩阵和未受到目标干扰的RSS值形成第一个约束条件；步骤五，利用关系矩阵和新RSS参考矩阵作为第二个约束条件；步骤六，利用受干扰最大矩阵的2个性质作为第三个约束条件；步骤七，利用LoLi-IR算法来更新指纹矩阵；步骤八，利用非线性最优化将实时测量的RSS向量和更新后的指纹矩阵进行匹配，高精度恢复目标的位置。可选的，在样本区域部署传感器节点，包括：设样本区域的面积大小l×a,在样本区域部署的节点形成的无线链路长度为l，在样本区域的两侧边上部署传感器节点，形成一对一通信的链路个数为M；可选的，所述的通过部署传感器节点采集整个样本区域的初始RSS矩阵，包括：首先将样本区域划分为大小相等的N个网格让目标在每个网格位置去站一遍，然后测量M条链路相应的RSS值，最后将所测得每个位置的M个RSS值形成初始矩阵X0，该矩阵的尺寸为M×N。可选的，所述的通过整个区域的RSS矩阵求得初始参考矩阵，然后利用这两个矩阵得到对应的关系矩阵，包括：通过求矩阵X0的秩，也就是把这个矩阵化为阶梯型矩阵，然后看看秩为多少，若秩为m，在矩阵的列中寻找m个线性无关的列向量。然后将该矩阵的最大线性无关向量按列重拍在一起，就组成了参考矩阵XR，然后利用下列等式求得关系矩阵Z:minZ,E||Z||*+λ||E||2,1,s.t.,X0＝XRZ+E.上述优化公式进一步地可以通过求解以下优化问题，即minZ,E,J||J||*+λ||E||2,1,s.t.,XR＝X0Z+E,Z＝J.可选的，所述的更新指纹矩阵的时候，测量样本区域中参考位置的新RSS参考矩阵和未受到目标干扰的RSS值形成第一个约束条件，包括：假设待更新指纹矩阵为X的秩为r，利用SVD分解可以证明X为近似低秩矩阵，首先将X分解如下： X = UΣV T = Σ i = 1 min ( M , N ) σ i u i v i T , ]]>如果则表明X为近似低秩矩阵，然后利用低秩重构指纹矩阵：求得由于未受到干扰的链路的RSS值和参考位置的RSS值已知，于是有索引指纹矩阵并且可以用求解；如果上式不易求解，则利用进行SVD分解，即如果二值矩阵B满足等距特性，则可以用进行等价，而通常XI中存在噪声，所以严格满足上式的L和R不易得到，因此利用拉格朗日乘子法放宽上述约束，有：结果发现重构的不能唯一确定。可选的，所述利用关系矩阵和新RSS参考矩阵作为第二个约束条件，包括：利用之前收集的参考位置上的RSS值即新的RSS参考矩阵和XR来约束上式得：考虑到当环境改变时，某些位置与参考位置之间的RSS关系会发生变化，因此直接利用上式重构指纹矩阵的精度也会受到影响。可选的，所述利用受干扰最大矩阵的2个性质作为第三个约束条件，包括：为了进一步提高重构矩阵的准确度，利用受干扰最大矩阵的两个特性：同一链路相邻位置上的RSS值是连续变化的和相邻链路同一位置上的RSS值是相似的。通过上述2个特性，上式可以扩展为：其中，XD来源于G和H分别是相邻位置RSS值连续约束矩阵和相邻链路RSS值相似约束矩阵。可选的，所述利用LoLi-IR算法来更新RSS矩阵，包括：为了求解上式的最优化问题，设计LoLi-IR算法。首先固定L，寻找一个合适的使得上式获得最小值，具体通过使上述优化问题相对于RT的导数为零，得到新生成的使其与当前最小值v进行比较，如果则更新和否则不变。接着固定R，寻找合适的接下来方法同上，一直重复上述过程直到收敛(默认迭代次数为200次)。最后，指纹矩阵X就被高精度的重构出来了。可选的，所述利用非线性最优化来匹配实时的RSS测量向量和更新后的指纹矩阵获得精度高的目标位置，包括：当目标处在监控区域时，实时的RSS测量向量Y需要和更新后的指纹矩阵X进行匹配，然后利用非线性最优化恢复目标位置向量，最后用OMP算法来求解该非线性最优问题。本专利技术的基于指纹自适应环境变化的被动式室内定位方法，带来的有益效果是：通过测量区域内少量参考位置处的RSS值来对整个区域所有位置的指纹矩阵进行重构更新，该定位方法避免了大量的人力和物力去不断的更新整个区域的指纹库，减少相应的成本，提高了基于指纹被动式定位方法的可行性。附图说明图1是本专利技术的基于指纹自适应环境变化的被动式定位方法流程图。图2是本专利技术的基于指纹自适应环境变化的被动式定位方法部署示意图。图3是不同时间点下指纹更新的重构误差累积分布(CDF)图。图本文档来自技高网...

【技术保护点】
一种基于指纹自适应环境变化的被动式室内定位方法，其特征在于，包括下列步骤：步骤一，在样本区域部署传感器节点；步骤二，通过所部署的传感器节点采集整个样本区域的初始RSS指纹矩阵；步骤三，通过整个区域的RSS矩阵获取初始参考矩阵，然后计算指纹矩阵和参考矩阵之间的关系矩阵；步骤四，更新指纹矩阵的时候，测量样本区域中参考位置的新RSS参考矩阵和未受到目标干扰的RSS值形成第一个约束条件；步骤五，利用关系矩阵和新RSS参考矩阵作为第二个约束条件；步骤六，利用受干扰最大矩阵的2个性质作为第三个约束条件；步骤七，利用LoLi‑IR算法来更新指纹矩阵；步骤八，利用非线性最优化将实时测量的RSS向量和更新后的指纹矩阵进行匹配，高精度恢复目标的位置。

【技术特征摘要】
1.一种基于指纹自适应环境变化的被动式室内定位方法，其特征在于，包括下列步骤：步骤一，在样本区域部署传感器节点；步骤二，通过所部署的传感器节点采集整个样本区域的初始RSS指纹矩阵；步骤三，通过整个区域的RSS矩阵获取初始参考矩阵，然后计算指纹矩阵和参考矩阵之间的关系矩阵；步骤四，更新指纹矩阵的时候，测量样本区域中参考位...

【专利技术属性】
技术研发人员：常俪琼，冯超，房鼎益，陈晓江，王举，胡君豪，王薇，王安文，聂卫科，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西;61