一种免离线训练的分布式无线指纹定位方法技术

一种免离线训练的分布式无线指纹定位方法，包括指纹库建立阶段、指纹匹配阶段、定位阶段，其特征在于：无需进行离线的信息采集，而是每个锚节点向邻居锚节点发送请求消息，每个收到请求的邻居节点计算信号强度，然后将结果返回给发送请求的锚节点，发送请求的锚节点生成指纹库信息fi，指纹库信息fi直接存储在该节点以及邻居锚节点中；在定位系统中，锚节点数量较大、且分布均匀时，要求定位系统的离线训练工作量和指纹数据库维护工作量尽量小，在出现个别锚节点断电、损坏或增加时，系统能正常进行工作。

【技术实现步骤摘要】

本专利技术涉及室内无线定位领域，尤其是在某些大型室内场景，采用无线指纹定位，当大量、均匀分布锚节点时，要求定位系统有较好的稳定性与可扩展性时，可采用的一种定位方法。
技术介绍
无线指纹定位是目前室内定位的基本方法之一，一般有５个主要环节：RadioMap的建立、聚类分块、AP（AccessPoint，这里也可以是锚节点，如已知坐标的ZigBee节点等）选择、定位特征提取和定位估计，其中RadioMap的建立和聚类分块属于离线阶段，后面三个步骤属于在线阶段。第一步，系统对目标定位区域内所有AP的RSSI与物理位置依赖关系进行描述，以离线指纹采集法实现。第二步，在离线阶段将整个定位区域划分成若干定位子区域，在定位子区域构建定位模型；在线阶段，将用户终端预先分类到定位子区域中，然后再在定位子区域中实现精确定位。采用聚类分块算法将定位模型限制在定位子区域内，简化RSSI与物理位置的映射关系，从而为提高定位精度、降低计算复杂度奠定基础。第三步，在给定子区域内，选取最优AP子集合用于定位，去除判别定位能力弱、噪声较大的AP。第四步在给定最优AP子集合的基础上，提取判别定位特征。第五步，在已构建的定位特征数据库的基础上，通过匹配型或者学习型定位算法估计用户位置。但是，采用指纹定位法存在这样的几个困难：1）RSSI信号不确定，使得不同物理位置的RSS信号模式难以互相区分，严重影响定位精度。造成RSS不确定性的主要因素有：屋内建筑格局、人员的走动、无线信号的多径效应以及其他共存的2.4G开放频段信号的影响。2）由计算复杂度引起的功耗较大，限制指纹匹配方法在某些终端上使用，3）指纹法在离线阶段的RadioMap的建立需要花费大量的时间和精力，后期由于环境变化，或者某些AP节点的损坏与增加，又需要重新建立RadioMap，整个指纹数据库的维护工作量巨大。上述原因妨碍了指纹定位法的推广应用。有一类应用场景，如地下大型停车场，面积比较大，采用无线传感器网络传送传感信号（如汽车泊车信号等），并且利用无线传感网络定位车主或汽车的位置（通过定位车主手上的停车卡实现，停车卡实际也是一个无线节点），在这种情况下，由于无线传感器网络节点众多和分布较均匀，并且事先已经知道这些节点坐标位置，可以采用本专利技术中的免离线训练的分布式定位方法。
技术实现思路
本专利技术所要解决的技术问题是：设计一种基于无线指纹的室内定位方法，在定位系统中，锚节点数量较大、且分布均匀时，要求定位系统的离线训练工作量和指纹数据库维护工作量尽量小，在出现个别锚节点断电、损坏或增加时，系统能正常进行工作。为了解决上述技术问题，本专利技术采用以下方案：一种免离线训练的分布式无线指纹定位方法，包括指纹库建立阶段、指纹匹配阶段、定位阶段，其特征在于：无需进行离线的信息采集，而是每个锚节点向邻居锚节点发送请求消息，每个收到请求的邻居节点计算信号强度，然后将结果返回给发送请求的锚节点，发送请求的锚节点生成指纹库信息fi，指纹库信息fi直接存储在该节点以及邻居锚节点中。指纹匹配阶段采用分布式的指纹匹配算法:待定位节点IDi首先向周围的锚节点发送定位请求，锚节点接收到请求则计算该节点的信号强度，然后把信号强度信息、自身位置坐标和标志号发送给IDi,待定位节点生成指纹信息S，然后待定位节点将指纹信息S广播发送给附近的锚节点，在锚节点上将锚节点中的指纹库信息fi与指纹信息S进行匹配。定位阶段采用K-近邻算法，即找出满足阀值d的k个锚节点，然后利用质心算法或者加权的质心算法，计算k个锚节点的质心或加权质心坐标作为位置估计。指纹库是分布式存储的，根据不同的室内环境和应用要求，决定存储在多少个邻居锚节点中。经常动态更新锚节点里的指纹库，利用锚节点能够自主生产指纹库信息的特性，根据不同的环境特点和使用特点，锚节点周期性采集周围锚节点的信号强度，生成指纹库信息。指纹匹配阶段的指纹匹配进一步包括以下步骤：先将实时采集的指纹信息S与指纹库信息fi作差，具体就是按照实时采集指纹信息S中的锚节点ID为标准，查找指纹库信息fi中是否有对应的锚节点，如果有，则两者的信号强度RSSI值作差；如果没有，则将信号强度RSSI值视为0，然后作差，最后比较差值的相似性，如果差值保持大致恒定值，表明待定节点指纹与锚节点指纹是匹配的。本专利技术具有的优点和效果在于：1）本方法不需要复杂的离线指纹库收集工作，由于锚节点可以每隔一定周期自动收集周围锚节点的RSSI，指纹数据库的维护工作量也很小；2）本方法的定位结果精度与传统集中式定位方法在定位精度是相当的。根据测试结果，在锚节点均匀分布，且密度适中时，两种定位方法与真实节点位置定位误差在2米以内的测试用例都在85%以上；3）由于指纹匹配与定位算法都采用计算复杂较低的算法，并且锚节点间传递的数据量小，所以锚节点功耗小，并且系统稳定，这对于功耗要求比较严格的无线传感器网络（如ZigBee节点组成的无线网络）有实际意义；4）指纹信息分布式存储在锚节点中，保证了一定的冗余，可以提高算法的鲁棒性。即使当前有某些锚节点失效，依然可以利用该指纹信息对位置节点进行定位，从而保持定位算法的定位精度。附图说明图1为本专利技术中的无线指纹定位基本流程图；图2a、图2b是传统指纹定位指纹库信息结构与本专利技术中锚节点中的指纹信结构对比图；图3是本专利技术中定位节点与周围锚节点的通信过程图；图4是在不同指纹定位方法中，锚节点失效情况下的定位鲁棒性比较图。具体实施方式图1是本专利技术总体流程图，基本步骤如下：1.指纹库建立阶段：本专利技术中依然采用指纹库收集步骤，但是本方法的RadioMap不再采用参考点，而是在每个锚节点收集邻近锚节点的信号强度RSSI值，并将结果冗余地分布到周围的ｋ个锚节点上。无需进行离线的信息采集，而是每个锚节点向邻居锚节点发送请求消息，每个收到请求的邻居节点计算信号强度，然后将结果返回给发送请求的锚节点，发送请求的锚节点生成指纹库信息fi，指纹库信息fi直接存储在该节点以及邻居锚节点中。经常动态更新锚节点里的指纹库，利用锚节点能够自主生产指纹库信息的特性，根据不同的环境特点和使用特点，锚节点周期性采集周围锚节点的信号强度，生成指纹库信息，这样就可以克服环境变化、节点性能变化所引起的一系列问题。指纹库是分布式存储的，根据不同的室内环境和应用要求，决定存储在多少个邻居锚节点中。如果指纹库的冗余越大，那么定位算法的鲁棒性越好，但是会增加无线传感网中的通信量并占有大量的节点存储空本文档来自技高网...

【技术保护点】
一种免离线训练的分布式无线指纹定位方法，包括指纹库建立阶段、指纹匹配阶段、定位阶段，其特征在于：无需进行离线的信息采集，而是每个锚节点向邻居锚节点发送请求消息，每个收到请求的邻居节点计算信号强度，然后将结果返回给发送请求的锚节点，发送请求的锚节点生成指纹库信息fi，指纹库信息fi直接存储在该节点以及邻居锚节点中。

【技术特征摘要】
1.一种免离线训练的分布式无线指纹定位方法，包括指纹库建立阶段、指纹匹配阶段、
定位阶段，其特征在于：无需进行离线的信息采集，而是每个锚节点向邻居锚节点发送请求
消息，每个收到请求的邻居节点计算信号强度，然后将结果返回给发送请求的锚节点，发送
请求的锚节点生成指纹库信息fi，指纹库信息fi直接存储在该节点以及邻居锚节点中。
2.如权利要求1所述的一种免离线训练的分布式无线指纹定位方法，其特征在于指纹
匹配阶段采用分布式的指纹匹配算法:待定位节点IDi首先向周围的锚节点发送定位请求，
锚节点接收到请求则计算该节点的信号强度，然后把信号强度信息、自身位置坐标和标志
号发送给IDi,待定位节点生成指纹信息S，然后待定位节点将指纹信息S广播发送给附近的
锚节点，在锚节点上将锚节点中的指纹库信息fi与指纹信息S进行匹配。
3.如权利要求1所述的一种免离线训练的分布式无线指纹定位方法，其特征在于定位
阶段采用K-近邻算法，即找出满足阀值d的k个锚节点，然后利用质心算法或者加权的质心
算...

【专利技术属性】
技术研发人员：李飞，高承伟，郑增威，魏金岭，孙霖，
申请(专利权)人：浙江大学城市学院，上海煜麦网络科技有限公司，
类型：发明
国别省市：浙江;33