基于二级分区与指纹梯度匹配的室内定位与跟踪方法技术

本发明专利技术公开了基于二级分区与指纹梯度匹配的室内定位与跟踪方法，主要步骤为获取底层特征指纹库，获取一级分区词典；得到梯度指纹图谱，根据训练参考点的特征指纹得到多级分区分类器，预测得到测试所属分区；定位步骤，利用多级分区分类器获取所属分区，预测待定位点的位置坐标；最后是跟踪步骤，对各种运动模式进行跟踪定位，利用室内运动测距算法和前一步参考位置坐标，预测当前位置坐标和运动轨迹，完成指纹定位的周期性位置联合跟踪定位。本发明专利技术生成的梯度指纹图谱能够处理随时间变化的影响和异构设备的RSS测量的多样性，大大降低了指纹图定期维护的开销，梯度指纹图谱不仅能够保证高精度指纹定位，而且还压缩移动终端数据库并提高了性能。

【技术实现步骤摘要】

本专利技术属于室内定位领域，具体涉及基于二级分区与指纹梯度匹配的室内定位与跟踪方法。
技术介绍
近年来，由于移动互联网的发展和基于位置服务(LBS，Location-BasedService)需求的日益增加,室内定位已经在学术界和工业界备受关注，室内位置跟踪和定位渐渐成为了室内环境位置感知领域的研究热点之一。室内定位技术主要包括基于Wi-Fi、红外线、射频识别(RFID)、超声波、基于ZigBee(IEEE802.15.4标准的低功耗局域网协议)、蓝牙、室内麦克风阵列、基于运动传感器的惯性跟踪等技术。其中，Wi-Fi是基于IEEE802.11标准的一种无线局域网，它具有高带宽、高速率、高覆盖率的特点，在中短距离的应用范围内具有无可比拟的优势。如今无线局域网络的广泛部署和智能手机的迅速普及，作为室内定位研究的一个分支，基于信号接收强度的Wi-Fi的室内定位技术凭借其使用范围广、低成本、便携性等优势成为了室内环境位置感知领域的研究热点。Wi-Fi热点的遍布性，使得Wi-Fi定位技术的应用节约了大量成本。考虑到成本及实施复杂度问题，Wi-Fi定位跟踪技术具有较大优势，其中信号传输耗损法和位置指纹定位法是基于RSS(ReceivedSignalStrength,接收信号强度)测量的两个主要Wi-Fi定位方法。信号传输损耗法进行定位的条件是建立精确的信号传播模型，指纹定位算法则是建立信号强度与位置关系的数据库，后者在室内环境下更容易实现，定位精度也更高。现有的技术方案中，如专利名为“一种基于区域分割和曲面拟合的室内定位方法”(申请号为201310180007.1)，该方法在离线阶段，将整个室内环境分成若干分区和每个分区创建指纹库。然后将曲线拟合技术为各分区的每个AP发出信号强度构建一个过滤的RSS-distance关系函数。在线定位阶段由2个步骤组成。在第一步，该方法确定了移动设备属于哪个分区。第二步，该方法提出了两个位置搜索算法，即穷举搜索和梯度下降搜索，在选定的分区去确定距离误差的总和可以最小化的定位。该定位方法提高了定位精度，利用空间分区方法，大大减少定位过程中的运算量。在室内位置识别领域，现在的最流行的方法是基于信号接收强度的Wi-Fi指纹位置定位方法，该方法通过Wi-Fi接收信号强度(RSS)的和一个预先确定的特定位置的指纹图。然而，由于时变性的无线信号强度，人体的遮挡，采集和测试设备的异质性等影响，导致位置点之间的建模变得困难，RSS指纹地图需要定期进行校准，提高劳动和时间成本。目前的室内位置识别算法仍集中于构建RSS(ReceivedSignalStrength,接收信号强度)与距离的线性关系或者直接对参考点采样建立对应指纹库并用于定位，造成较大定位精度误差和鲁棒性，庞大的指纹数据库导致指纹位置定位效率低下，复杂的Wi-Fi环境使室内定位抗干扰性受到巨大挑战。
技术实现思路
本专利技术要解决的技术问题是解决在室内的定位跟踪过程中，由于室内定位受到非视距、反射、多径效应干扰等因素造成固定参考点接收信号强度值的抖动导致定位精度低，指纹数据量大导致的定位速度慢，预处理复杂，局部极端室内环境的定位，后期维护成本高等问题。为解决上述问题，本专利技术提出通过多级分区和多进制指纹图谱梯度匹配方法，对复杂指纹数据快速提取特征指纹，多级分区、多进制梯度化处理，提高定位精度和匹配效率。具体的技术方案如下：基于二级分区与指纹梯度匹配的室内定位与跟踪方法，包括如下步骤：步骤1：获取底层特征指纹库，此指纹库主要是用来获得参考点的特征指纹，包含采集和处理参考点数据，获取一级分区词典，划分AP聚类二级分区和提取二级分区中心标识索引，对人工标记训练参考点属性，聚类过程；步骤2：得到梯度指纹图谱，所述的梯度图谱主要是获得基于AP聚类二级分区中心的标识索引的各参考点特征指纹的多进制梯度特征指纹向量，包含获取多级分区内各个参考点的多进制梯度特征向量，根据训练参考点的特征指纹得到多级分区分类器，预测得到测试所属分区；步骤3：定位步骤，采集待定位点的指纹进行位置预测，包含得到所有分区内参考点的多进制梯度特征向量的梯度指纹图谱，利用多级分区分类器获取所属分区，获取该AP聚类二级分区中心的标识索引的标识索引，通过多进制梯度KNN匹配算法，预测待定位点的位置坐标；步骤4：跟踪步骤，对各种运动模式进行跟踪定位，包含得到指纹定位的位置坐标，传感器采集和处理的数据，利用室内运动测距算法和前一步参考位置坐标，预测当前位置坐标和运动轨迹，完成指纹定位的周期性位置联合跟踪定位。进一步，上述步骤1具体包括：步骤11：获取室内地图数据：获取全区域的室内空间平面矢量图，确定参与定位的所有AP信息并建立AP库，对全区域根据已存在的墙壁等障碍物分成大小不一的一级分区并标示编号，保证全区域90％以上的Wi-Fi覆盖；步骤12：提取参考点指纹：确定所有一级分区内所有网格参考点的设置，包括特殊地点设置参考点，对每个参考点标注基于室内地图的二维坐标(x,y)和数字编号，对包含一级分区内对已设置的参考点进行信号强度采集并处理，获得6组来自参与定位AP的最强RSS排序序列向量，该参考点位置特征指纹；步骤13：提取一级分区词典：对于一级分区内的每一个参考点，利用特征指纹提取参考点的最强RSS的AP及其RSS，每个一级分区包含所属空间编号和最强特征AP，建立一级分区词典；步骤14：提取AP聚类二级分区中心的标识索引：提取的AP聚类二级分区中心的标识索引有两个方面，一个是根据一级分区内所有参考点有相同的AP组合序列向量进行聚类，同时根据组合聚类得到该一级分区内的多个含有参考点数量不一的AP聚类二级分区；另外一个是根据AP聚类二级分区的所有参考点信号强度，得到信号强度的均值向量,聚类得到一个关于该分区中心的标识索引；步骤15：得到特征指纹库:对全区域每个参考点的所属的多级分区，一级分区词典和所有AP聚类二级分区标识索引，对于全区域所有一级分区内的所有AP聚类二级分区中的参考点特征指纹进行聚类，形成特征指纹库。又进一步，提取参考点特征指纹包括：利用Wi-Fi信号强度指纹采集器，在成功部署无线节点的室内划分网格，将网络中心点作为参考点，在第k个参考点进行信号强度连续采集60s并标注位置坐标信息，得到20组信号强度数据,离线训练后可以得到一定范围内某个AP在不同参考位置检测到的信号强度，利用对每个参考点的多组数据中来自同一个Wi-Fi发射器的RSS过滤，去剔除奇异值并求均值，得到位置指纹，对原始指纹按信号强度排序，得到该参考点排序指纹并选取前6位信号强度较大的指纹序列向量，获得第k个参考点特征指纹。上述步骤2具体包括以下步骤：步骤21：提取多进制梯度图谱：每个AP聚类二级分区内所有参考点和标识索引进行梯度对比，得到一组多进制数值的特征向量，这些向量与AP聚类二级分区标识索引聚类，形成多进制梯度图谱；步骤22：得到多级分区分类器：一级多级分区分类器，根据步骤1中一级分区词典比对，可以初步缩小定位范围，根据和AP聚类二级分区中心的标识索引中的AP序列向量及标识索引匹配，确定所属AP聚类二级分区，形成多级分区分类器。进一步，上述提取多进制梯度图谱对于所有AP聚类二级分区，其拥有通过独一无二的标识索本文档来自技高网...

【技术保护点】
基于二级分区与指纹梯度匹配的室内定位与跟踪方法，其特征在于包括如下步骤：步骤1：获取底层特征指纹库，此指纹库主要是用来获得参考点的特征指纹，包含采集和处理参考点数据，获取一级分区词典，划分AP聚类二级分区和提取二级分区中心标识索引，对人工标记训练参考点属性，聚类过程；步骤2：得到梯度指纹图谱，所述的梯度图谱主要是获得基于AP聚类二级分区中心的标识索引的各参考点特征指纹的多进制梯度特征指纹向量，包含获取多级分区内各个参考点的多进制梯度特征向量，根据训练参考点的特征指纹得到多级分区分类器，预测得到测试所属分区；步骤3：定位步骤，采集待定位点的指纹进行位置预测，包含得到所有分区内参考点的多进制梯度特征向量的梯度指纹图谱，利用多级分区分类器获取所属分区，获取该AP聚类二级分区中心的标识索引的标识索引，通过多进制梯度KNN匹配算法，预测待定位点的位置坐标；步骤4：跟踪步骤，对各种运动模式进行跟踪定位，包含得到指纹定位的位置坐标，传感器采集和处理的数据，利用室内运动测距算法和前一步参考位置坐标，预测当前位置坐标和运动轨迹，完成指纹定位的周期性位置联合跟踪定位。

【技术特征摘要】
1.基于二级分区与指纹梯度匹配的室内定位与跟踪方法，其特征在于包括如下步骤：步骤1：获取底层特征指纹库，此指纹库主要是用来获得参考点的特征指纹，包含采集和处理参考点数据，获取一级分区词典，划分AP聚类二级分区和提取二级分区中心标识索引，对人工标记训练参考点属性，聚类过程；步骤2：得到梯度指纹图谱，所述的梯度图谱主要是获得基于AP聚类二级分区中心的标识索引的各参考点特征指纹的多进制梯度特征指纹向量，包含获取多级分区内各个参考点的多进制梯度特征向量，根据训练参考点的特征指纹得到多级分区分类器，预测得到测试所属分区；步骤3：定位步骤，采集待定位点的指纹进行位置预测，包含得到所有分区内参考点的多进制梯度特征向量的梯度指纹图谱，利用多级分区分类器获取所属分区，获取该AP聚类二级分区中心的标识索引的标识索引，通过多进制梯度KNN匹配算法，预测待定位点的位置坐标；步骤4：跟踪步骤，对各种运动模式进行跟踪定位，包含得到指纹定位的位置坐标，传感器采集和处理的数据，利用室内运动测距算法和前一步参考位置坐标，预测当前位置坐标和运动轨迹，完成指纹定位的周期性位置联合跟踪定位。2.根据权利要求1所述的基于二级分区与指纹梯度匹配的室内定位与跟踪方法，其特征是，所述步骤1包括：步骤11：获取室内地图数据：获取全区域的室内空间平面矢量图，确定参与定位的所有AP信息并建立AP库，对全区域根据已存在的墙壁等障碍物分成大小不一的一级分区并标示编号，保证全区域90％以上的Wi-Fi覆盖；步骤12：提取参考点指纹：确定所有一级分区内所有网格参考点的设置，包括特殊地点设置参考点，对每个参考点标注基于室内地图的二维坐标(x,y)和数字编号，对包含一级分区内对已设置的参考点进行信号强度采集并处理，获得6组来自参与定位AP的最强RSS排序序列向量，该参考点位置特征指纹；步骤13：提取一级分区词典：对于一级分区内的每一个参考点，利用特征指纹提取参考点的最强RSS的AP及其RSS，每个一级分区包含所属空间编号和最强特征AP，建立一级分区词典；步骤14：提取AP聚类二级分区中心的标识索引：提取的AP聚类二级分区中心的标识索引有两个方面，一个是根据一级分区内所有参考点有相同的AP组合序列向量进行聚类，同时根据组合聚类得到该一级分区内的多个含有参考点数量不一的AP聚类二级分区；另外一个是根据AP聚类二级分区的所有参考点信号强度，得到信号强度的均值向量,聚类得到一个关于该分区中心的标识索引；步骤15：得到特征指纹库:对全区域每个参考点的所属的多级分区，一级分区词典和所有AP聚类二级分区标识索引，对于全区域所有一级分区内的所有AP聚类二级分区中的参考点特征指纹进行聚类，形成特征指纹库。3.根据权利要求2所述的基于二级分区与指纹梯度匹配的室内定位与跟踪方法，其特征是，提取参考点特征指纹进一步包括：利用Wi-Fi信号强度指纹采集器，在成功部署无线节点的室内划分网格，将网络中心点作为参考点，在第k个参考点进行信号强度连续采集60s并标注位置坐标信息，得到20组信号强度数据,离线训练后可以得到一定范围内某个AP在不同参考位置检测到的信号强度，利用对每个参考点的多组数据中来自同一个Wi-Fi发射器的RSS过滤，去剔除奇异值并求均值，得到位置指纹，对原始指纹按信号强度排序，得到该参考点排序指纹并选取前6位信号强度较大的指纹序列向量，获得第k个参考点特征指纹。4.根据权利要求1所述的基于二级分区与指纹梯度匹配的室内定位与...

【专利技术属性】
技术研发人员：暴建民，仇雷，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32