基于粗精双步相关图像特征提取的室内WLAN定位方法技术

本发明专利技术公开了一种基于粗精双步相关图像特征提取的室内WLAN定位方法，首先将定位目标区域内随机采集的接收信号强度RSS序列进行谱聚类处理以得到类转移图；其次，利用图像边缘检测方法对RSS序列之间的相关位置进行粗定位，再利用相关性测序方法对相关位置进行精定位，将不同类转移图拼接成一幅信号逻辑图，该信号逻辑图可在信号空间内描述目标区域的物理结构；与此同时，通过对定位目标区域物理结构的划分，可以得到反映定位目标区域拓扑结构的物理环境图；最后，利用相应的信号逻辑图到物理环境图的映射准则，在在线阶段根据实时采集的RSS数据对目标进行定位。本发明专利技术解决了传统位置指纹定位算法在离线阶段需要大量人力和时间开销的问题。

【技术实现步骤摘要】

本专利技术属于室内定位技术，具体涉及一种基于粗精双步相关图像特征提取的室内WLAN定位方法。
技术介绍
随着移动通信的飞速发展，基于位置的服务LBS(LocationBasedService)受到越来越多的重视，而在室内场所，如商场、机场及停车库等，现有的室外定位系统，如GPS(GlobalPositioningSystem)定位系统，由于受到建筑物等设施的遮蔽，难以在室内实现精确定位。与此同时，由于WLAN的大规模部署及WLAN接入的广泛普及，利用现有的WLAN基础设施来对室内用户进行定位越来越受到人们的关注，其中，基于接收信号强度RSS的室内WLAN定位技术更是受到深入的研究。作为基于RSS的室内WLAN定位技术中的典型算法，位置指纹定位算法主要包含两个阶段：离线阶段和在线阶段。在离线阶段，首先在定位目标区域内标定若干参考点RP(ReferencePoint)，其次在每个RP处采集一段时间内来自不同WLAN接入点AP(AccessPoint)的RSS值，以构造位置指纹数据库；而在在线阶段，则利用用户实时采集的RSS值，结合位置指纹数据库及相应的搜索匹配算法，实现对用户的定位。位置指纹定位算法存在的主要问题是离线阶段需要大量的人力和时间开销，特别是当定位目标区域较大时，所需的开销将会显著增大，从而限制了位置指纹定位算法的应用。为了解决以上问题，有必要开发一种新的基于粗精双步相关图像特征提取的室内WLAN定位方法。
技术实现思路
本专利技术的目的是提供一种基于粗精双步相关图像特征提取的室内WLAN定位方法，它无需在离线阶段采集位置指纹，且具有较高的定位精度，能解决传统位置指纹定位算法中在离线阶段需要大量人力和时间开销的问题。本专利技术所述的基于粗精双步相关图像特征提取的室内WLAN定位方法，包括以下步骤：步骤一、在定位目标区域内随机采集Nseq条RSS序列，记为rssij＝(rssij1,rssij2,...,rssijk)(1≤j≤Mi)，其中，Mi为第i条RSS序列的序列长度，即第i条RSS序列包含的RSS矢量个数，k为AP数目，rssijl(1≤l≤k)为第i条RSS序列内第j个RSS矢量中来自第l个AP的信号强度值；步骤二、在每条RSS序列中，利用时间戳顺序对不同RSS矢量进行升序排列，其中，将第i条RSS序列内第j个RSS矢量重构为一个新的k+1维矢量步骤三、在每条新的k+1维矢量中，对时间戳信息和RSS矢量信息进行加权，加权系数为wts和wrss，其中，wts+wrss＝1且0≤wts,wrss≤1，于是，得到所对应的混合矢量步骤四、对每条RSS序列所对应的混合矢量进行谱聚类，得到每个混合矢量所属的聚类号及对应的聚类类心；步骤五、利用中值滤波方法，修正每条混合矢量所属的聚类号及对应的聚类类心；步骤六、根据每条RSS序列中相邻聚类之间的转移关系，以连通图的形式构建每条RSS序列所对应的类转移图；步骤七、重复步骤二至步骤六，直到完成对所有RSS序列所对应类转移图的构建；步骤八、将采集得到的所有RSS序列按序列标号连接成一条总序列步骤九、计算RSST中不同RSS矢量之间的欧式距离，得到距离矩阵Ddis；步骤十、对于距离矩阵Ddis中第i行第j列的元素dij，设定门限dth，当dij≤dth时，令dij＝1，反之，则令dij＝0，于是得到二值矩阵Dbin；步骤十一、利用二值矩阵Dbin生成二值图像GRbin，二值图像GRbin中第i行第j列像素点的像素值Iij等于Dbin中第i行第j列的元素值Dbin(i,j)，其中，Iij＝1的像素点为白色，Iij＝0的像素点为黑色；步骤十二、对二值图像GRbin进行中值滤波处理，得到图像GRfil；步骤十三、对中值滤波处理后的二值图像GRfil进行腐蚀处理，得到图像GRero，腐蚀处理后的图像GRero中存在若干不规则白色块；步骤十四、对于腐蚀处理后的二值图像GRero进行边缘检测处理，得到二值图像GRedg；步骤十五、对边缘检测处理后的二值图像GRedg进行边缘信息提取，得到步骤十三中腐蚀处理后二值图像GRero中NWhiteBlock个不规则白色块的位置信息；步骤十六、利用步骤八中得到的总序列RSST和步骤十五中得到的不规则白色块w(1≤w≤NWhiteBlock)的位置信息，提取具有较大相似度的两个RSS片段和步骤十七、计算与中不同RSS矢量之间的得分值，构造得分矩阵Hw；步骤十八、利用得分矩阵Hw进行相关性测序，得到与中相互关联的聚类，其中，与中相互关联的聚类定义为不规则白色块w所对应的相互关联聚类；步骤十九、重复步骤十六至步骤十八，直到得到所有不规则白色块所对应的相互关联聚类；步骤二十、对于步骤七中得到的类转移图，合并所有相互关联聚类，且将合并后的类转移图定义为信号逻辑图；步骤二十一、以定位目标区域内各物理叉路口作为各子区域的边界，将定位目标区域划分为NArea个子区域，且对每个子区域进行标号，记子区域标号为1,…,NArea；步骤二十二、根据各子区域的物理邻接关系，将定位目标区域表示为一幅由不同子区域节点相互连通的物理环境图；步骤二十三、利用相应的映射准则，得到信号逻辑图与物理环境图的映射关系；步骤二十四、利用步骤三中的加权系数wts和wrss，对在线阶段终端新采集的RSS矢量及其所对应的时间戳us进行加权，得到混合矢量其中，为在线阶段终端新采集的来自第l个AP的信号强度值；步骤二十五、在信号逻辑图中计算得到与具有最小欧式距离的类心所对应的逻辑节点；步骤二十六、根据信号逻辑图与物理环境图的映射关系，得到终端所在的子区域。所述步骤十七包括以下步骤：所述步骤十七(一)、为了满足如下条件：其中，rssφ为中第φ(1≤φ≤Msim_1)个RSS矢量，为中第个RSS矢量，为rssφ与的得分值，Msim_1＝xw_min-xw_max+1为的序列长度，Msim_2＝yw_min-yw_max+1为的序列长度，(xw_min,xw_max)和(yw_min,yw_max)分别为不规则白色块w(1≤w≤NWhiteBlock)中所有像素点横纵坐标的最小值和最大值，NWhiteBlock为步骤十三中腐蚀处理后二值图像GRero中不规则白色块的个数；定义中RSS矢量rssφ与中RSS矢量的得分值为：其中，Wη＝-(α-β)η(η,μ)是以为基准的像素点横纵坐标偏移量，且η和μ均为整数，令步骤十七(二)、构造得分矩阵Hw：所述步骤十八包括以下步骤：步骤十八(一)、确定Hw中的最大值元素其中，为Hw中第φ行第列的元素；步骤十八(二)、将在Hw中的位置保存在位置矩阵Lw中，同时确定下一得分值并令φ＝c且步骤十八(三)、重复步骤十八(二)，直到下一得分值为0；步骤十八(四)、统计Lw中所保存位置的总数NLw；步骤十八(五)、令r＝NLw；步骤十八(六)、比较Lw(r)与Lw(r-1)的位置，若Lw(r-1)(1)＝Lw(r)(1)+1且Lw(r-1)(2)＝Lw(r)(2)+1，则将Lw(r)与Lw(r-1)作为一组位置对，并以(Lw(r)(1),Lw(r-1)(1),Lw(r)(2),Lw(r-1)(2))的形式保存在相关矩阵L'w中，其中，Lw(r)表示Lw中第r个位置，本文档来自技高网...

【技术保护点】
基于粗精双步相关图像特征提取的室内WLAN定位方法，其特征在于，包括以下步骤：步骤一、在定位目标区域内随机采集Nseq条RSS序列，记为RSS1,RSS2,…,rssij＝(rssij1,rssij2,...,rssijk)(1≤j≤Mi)，其中，Mi为第i条RSS序列的序列长度，即第i条RSS序列包含的RSS矢量个数，k为AP数目，rssijl(1≤l≤k)为第i条RSS序列内第j个RSS矢量中来自第l个AP的信号强度值；步骤二、在每条RSS序列中，利用时间戳顺序对不同RSS矢量进行升序排列，其中，将第i条RSS序列内第j个RSS矢量重构为一个新的k+1维矢量步骤三、在每条新的k+1维矢量中，对时间戳信息和RSS矢量信息进行加权，加权系数为wts和wrss，其中，wts+wrss＝1且0≤wts,wrss≤1，于是，得到所对应的混合矢量步骤四、对每条RSS序列所对应的混合矢量进行谱聚类，得到每个混合矢量所属的聚类号及对应的聚类类心；步骤五、利用中值滤波方法，修正每条混合矢量所属的聚类号及对应的聚类类心；步骤六、根据每条RSS序列中相邻聚类之间的转移关系，以连通图的形式构建每条RSS序列所对应的类转移图；步骤七、重复步骤二至步骤六，直到完成对所有RSS序列所对应类转移图的构建；步骤八、将采集得到的所有RSS序列按序列标号连接成一条总序列RSST={RSS1,RSS2,...,RSSNseq};]]>步骤九、计算RSST中不同RSS矢量之间的欧式距离，得到距离矩阵Ddis；步骤十、对于距离矩阵Ddis中第i行第j列的元素dij，设定门限dth，当dij≤dth时，令dij＝1，反之，则令dij＝0，于是得到二值矩阵Dbin；步骤十一、利用二值矩阵Dbin生成二值图像GRbin，二值图像GRbin中第i行第j列像素点的像素值Iij等于Dbin中第i行第j列的元素值Dbin(i,j)，其中，Iij＝1的像素点为白色，Iij＝0的像素点为黑色；步骤十二、对二值图像GRbin进行中值滤波处理，得到图像GRfil；步骤十三、对中值滤波处理后的二值图像GRfil进行腐蚀处理，得到图像GRero，腐蚀处理后的图像GRero中存在若干不规则白色块；步骤十四、对于腐蚀处理后的二值图像GRero进行边缘检测处理，得到二值图像GRedg；步骤十五、对边缘检测处理后的二值图像GRedg进行边缘信息提取，得到步骤十三中腐蚀处理后二值图像GRero中NWhiteBlock个不规则白色块的位置信息；步骤十六、利用步骤八中得到的总序列RSST和步骤十五中得到的不规则白色块w(1≤w≤NWhiteBlock)的位置信息，提取具有较大相似度的两个RSS片段和步骤十七、计算与中不同RSS矢量之间的得分值，构造得分矩阵Hw；步骤十八、利用得分矩阵Hw进行相关性测序，得到与中相互关联的聚类，其中，与中相互关联的聚类定义为不规则白色块w所对应的相互关联聚类；步骤十九、重复步骤十六至步骤十八，直到得到所有不规则白色块所对应的相互关联聚类；步骤二十、对于步骤七中得到的类转移图，合并所有相互关联聚类，且将合并后的类转移图定义为信号逻辑图；步骤二十一、以定位目标区域内各物理叉路口作为各子区域的边界，将定位目标区域划分为NArea个子区域，且对每个子区域进行标号，记子区域标号为1,…,NArea；步骤二十二、根据各子区域的物理邻接关系，将定位目标区域表示为一幅由不同子区域节点相互连通的物理环境图；步骤二十三、利用相应的映射准则，得到信号逻辑图与物理环境图的映射关系；步骤二十四、利用步骤三中的加权系数wts和wrss，对在线阶段终端新采集的RSS矢量及其所对应的时间戳us进行加权，得到混合矢量其中，为在线阶段终端新采集的来自第l个AP的信号强度值；步骤二十五、在信号逻辑图中计算得到与具有最小欧式距离的类心所对应的逻辑节点；步骤二十六、根据信号逻辑图与物理环境图的映射关系，得到终端所在的子区域。...

【技术特征摘要】
1.基于粗精双步相关图像特征提取的室内WLAN定位方法，其特征在于，包括以下步骤：步骤一、在定位目标区域内随机采集Nseq条RSS序列，记为RSS1,RSS2,…,rssij＝(rssij1,rssij2,...,rssijk)(1≤j≤Mi)，其中，Mi为第i条RSS序列的序列长度，即第i条RSS序列包含的RSS矢量个数，k为AP数目，rssijl(1≤l≤k)为第i条RSS序列内第j个RSS矢量中来自第l个AP的信号强度值；步骤二、在每条RSS序列中，利用时间戳顺序对不同RSS矢量进行升序排列，其中，将第i条RSS序列内第j个RSS矢量重构为一个新的k+1维矢量步骤三、在每条新的k+1维矢量中，...

【专利技术属性】
技术研发人员：周牧，王烟濛，田增山，张巧，吕洁，唐云霞，余斌，何维，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50