The invention belongs to the technical field of radio navigation and positioning, and provides a fingerprint fingerprint searching method with the steepest descent type. The present invention is determined by the successive search center and search the neighboring reference point RP; each search circle, the signal characteristics of TP record the circle of all RP users and measured the Euclidean distance, the minimum Euclidean distance of RP as the center of a circle search. In each search process, the signal space Euclidean distance is updated continuously from the nearest K RP of TP. When the continuous search L times and K RP did not change, that the K RP is selected for position estimation, reference point, and into the KNN algorithm is adopted to solve it, instead of the traditional method of fingerprint search sequence. The invention has the advantages that the positioning precision can be improved compared with the traditional method of the cluster after positioning, and the search speed is faster than that of the traditional method without clustering.
【技术实现步骤摘要】
本专利技术属于无线电导航定位
,涉及到指纹定位技术,特别涉及到一种指纹定位中最速下降式的指纹图搜索方法。
技术介绍
指纹定位技术是指在被定位区域内,通过逐点测量的手段,将物理空间位置与信号空间特征之间建立映射关系,用户可以通过对比该映射关系估计自身位置。物理空间位置与信号空间特征之间建立的映射关系一般通过数据库的方式存储,该数据库被称作指纹图;指纹图由若干参考点(RP)构成,每个RP中存储其物理位置以及信号特征向量。用户在定位过程中将自身测量的信号特征(TP)与指纹图中所有的RP进行信号空间欧式距离的计算,考察二者间的相似度,并记录下与TP间欧氏距离最近的K个RP。通过这K个RP的位置可以对用户的位置做出估计,即通过KNN算法定位。指纹定位中为寻找到K个与用户实测的信号特征(TP)最为相似的参考点(RP),指纹定位算法需要在整张指纹图上进行遍历,计算所有RP与TP间的欧氏距离,即指纹定位中经常面临指纹图过大,从而导致每次定位的搜索量过大,定位实时性不佳的问题。为加快该过程,常规的解决办法是为了降低系统对指纹图的搜索工作量,对指纹图进行分簇。用户在具体定位前先通过与簇头(可视为表征整个簇的一个信号特征向量)间进行欧氏距离运算,找出自身所处的簇,并在该簇的指纹图上进行遍历搜索以定位。由此则将指纹图的搜索工作分级进行,降低搜索量。但是分簇的方法存在先天的矛盾问题,分簇太多则会失去分簇的意义,若分簇太少则每个簇内的RP仍然很多,同样起不到降低搜索量的作用。另一方面,当用户的位置处于簇的边缘时,由于所有RP都位于用户位置的某一侧,则会引入定位误差。即便分簇时 ...
【技术保护点】
一种指纹定位中最速下降式的指纹图搜索方法,其特征在于以下步骤:步骤1:首先预设搜索上限L;根据先验信息计算首次搜索的中心参考点RP(a,b);步骤2:计算RP(a,b)与用户实测的信号特征TP间的欧氏距离,令搜索计数器Nc=0,集合A=0;步骤3:以RP(a,b)为中心,搜索其周边存在的参考点RP,分别算出每一个参考点RP与TP之间的信号空间欧氏距离;步骤4:记录步骤3中信号空间欧氏距离上距TP最近的K个参考点RP,更新集合A;步骤5:以集合A中信号空间欧氏距离与TP最近的RP为新的搜索中心参考点RP’(a,b);步骤6:观察两组集合A是否有变化:若有变化,则返回步骤3,Nc=0;若没有变化,则Nc=Nc+1,并判断Nc与预设搜索上限L的大小关系,若Nc不小于L,则进入步骤7,若Nc小于L,则返回步骤3;步骤7:将集合A中K个参考点的位置带入到KNN算法中进行定位,得到本次定位结果(Xi,Yi);重复所有步骤,进行下一次定位。
【技术特征摘要】
1.一种指纹定位中最速下降式的指纹图搜索方法,其特征在于以下步骤:步骤1:首先预设搜索上限L;根据先验信息计算首次搜索的中心参考点RP(a,b);步骤2:计算RP(a,b)与用户实测的信号特征TP间的欧氏距离,令搜索计数器Nc=0,集合A=0;步骤3:以RP(a,b)为中心,搜索其周边存在的参考点RP,分别算出每一个参考点RP与TP之间的信号空间欧氏距离;步骤4:记录步骤3中信号空间欧氏距离上距TP最近的K个参考点R...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。