一种指纹定位中最速下降式的指纹图搜索方法技术

本发明专利技术属于无线电导航定位技术领域，提供一种指纹定位中最速下降式的指纹图搜索方法。本发明专利技术通过逐次确定搜索中心并搜索其周边邻近的参考点RP；每搜索一圈，则记录下本圈所有RP中与用户实测的信号特征TP间的欧氏距离，将欧氏距离最小的RP作为下一圈搜索的中心点。每层搜索过程中不断更新信号空间欧氏距离上距TP最近的K个RP。当连续搜索L次且K个RP没有变化时，则认定此K个RP为最终选定的，用于位置估计的参考点，并带入KNN算法中进行解算，取代了传统的对指纹图进行顺序搜索的方法。本发明专利技术的效果和益处是与分簇后定位的传统方法相比，定位精度可以得到提升，与不分簇的传统方法相比，搜索速度更快。

Fingerprint fingerprint searching method based on steepest descent type

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。即便分簇时预先画出交叠区也不能完全避免此情况。此外，如果发生簇头识别错误的话会导致较大的定位误差。目前的分簇手段包括依据设计者的主观认知进行人工分簇，以及根据数学算法进行自动分簇。前者可能出现簇内信号特征域上的不统一，而后者可能造成位置空间域上的不统一。因此二者都有可能在簇头识别时引入误差，从而降低定位精度。
技术实现思路
针对现有指纹定位技术中存在的由于分簇带来精度下降问题，本专利技术提供一种更加高效的指纹图搜索的方法。本专利技术的技术方案为：一种指纹定位中最速下降式的指纹图搜索方法，该指纹图搜索方法是逐次确定搜索中心并搜索其周边邻近的参考点RP。每搜索一圈，则记录下本圈所有参考点RP中与用户实测的信号特征TP间的欧氏距离，将欧氏距离最小的参考点RP作为下一圈搜索的中心点。第一个搜索中心可以通过前次定位结果或滤波算法的预测值得到，搜索过程中，根据RP与TP间的欧氏距离不断更新搜索中心。每层搜索过程中不断更新信号空间欧氏距离上距TP最近的K个RP。当连续搜索L次且K个RP没有变化时，则认定此K个RP为最终选定的，用于位置估计的参考点，并带入KNN算法中进行解算。本专利技术具体包括以下步骤：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。本专利技术的效果和益处是，与分簇后进行定位的传统方法相比，提升了指纹定位系统的定位精度，并且比不分簇的传统算法搜索速度更快。附图说明图1是本专利技术工作流程图。图2是仿真验证的定位精度仿真结果图。具体实施方式以下结合技术方案(和附图)详细叙述本专利技术的具体实施方式。本专利技术输入输出变量分别为：输入：指纹图参考点信号特征数据库；指纹图参考点空间位置数据库；TP的信号特征；KNN算法的k值；前次定位结果的X坐标；前次定位结果的Y坐标；搜索上限L。输出：定位结果；搜索过的参考点数目。具体实施中本专利技术包括以下步骤：实施例1：步骤1：首先预设搜索上限L＝1；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4个参考点RP，4个参考点RP用于更新集合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4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。实施例2：本实施例中预设搜索上限L为5，K值为4，其它步骤与实施例1相同。实施例3：本实施例中预设搜索上限L为10，K值为4，其它步骤与实施例1相同。图2为传统指纹定位方法与采用本专利技术定位方法得到的定位精度仿真结果图，表1为仿真验证的定位速度仿真结果。从图2中可以看出，分簇后的定位精度最低，其方差最大；而本专利技术的定位精度则与不分簇的传统方法相当。单参数选择合理时(如图中的L＝5时)，本专利技术的定位精度甚至高于不分簇的传统指纹定位算法。由于指纹定位的速度主要由每次定位中需要搜索的参考点的数量来决定，从表1中可以看出，分簇方法的搜索参考点数量最少，但结合图2中的仿真结果可知，其定位精度最低。表1中同样可以看出，本专利技术的参考点搜索数量低于不分簇的传统指纹定位手段，即，定位速度更高，而且结合图2中的分析，本专利技术的定位精度更高。表1是仿真验证的定位速度仿真结果本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：邹德岳，郭轶群，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁;21