基于对数路径损耗模型的联合加权K近邻室内定位方法技术

本发明专利技术公开了一种基于对数路径损耗模型的联合加权K近邻室内定位方法，包括以下步骤：1)构建离线指纹数据库；2)待定位终端实时扫描室内的各接入点信息，并根据扫描得到的接入点信息形成在线指纹，然后计算各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值；3)将步骤2)得到的各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值进行排序，并根据排序的结果选取K个最小函数值对应的参考点作为候选参考点；4)根据步骤3)选取的参考点估计待定位终端的位置坐标，该方法能够实现室内定位终端的精确定位。

【技术实现步骤摘要】
基于对数路径损耗模型的联合加权K近邻室内定位方法
本专利技术属于无线通信、模式识别及室内定位领域，涉及一种基于对数路径损耗模型的联合加权K近邻室内定位方法。
技术介绍
随着无线通信、计算机以及智能终端的快速发展，基于位置的服务(LocationBasedServices，LBS)日益受到人们的关注和重视。虽然全球定位系统(GlobalPositioningSystem，GPS)目前在室外场景下得到了广泛的应用，但是由于卫星发射的无线电信号太弱，无法穿透高楼和墙壁，导致“城市峡谷”效应，因此，人们正寻求着新的室内定位方法。目前已经有多种方法和手段实现室内环境精确定位，这其中，基于无线局域网(WirelessLocalAreaNetworks，WLAN)的指纹法室内定位系统受到广泛的欢迎。其原因是指纹法定位无需额外硬件成本，原则上仅使用终端设备如手机、平板电脑等在WLAN环境中即可实现定位。其基本原理是：在WLAN室内环境中，在离线采集阶段均匀选取多个参考点，用终端采集设备在这些参考点上采集室内环境中的各个无线访问接入点(AccessPoint，AP)的信号强度值。每个参考点的位置坐标与对应的接收信号强度(ReceivedSignalStrength，RSS)值以及AP的媒体访问控制(MediaAccessControl，MAC)地址一起构成一条位置指纹，将所有的位置指纹保存起来，形成离线指纹数据库。在线定位阶段，用户用终端实时收集所处位置接收到所有AP的RSS值，并将这些RSS值和对应的MAC地址上传到服务器。之后，服务器会用某种匹配算法将在用户上传的在线指纹数据与离线指纹数据库中的指纹进行匹配，从而得到用户的位置信息。指纹法室内定位系统的定位算法可以分为两大类：匹配型算法和学习型算法。匹配型算法如最邻近(NearestNeighbor，NN)算法、K临近(kNearestNeighbor，KNN)算法、加权K临近(kWeightedNearestNeighbor，WKNN)算法及朴素贝叶斯法(NaiveBayesianModel，NBM)等。这类算法一般首先对离线指纹数据库中的RSS指纹进行统计分析或者预处理，定义某个距离匹配度量函数；在在线定位阶段则根据相应的距离匹配度量函数计算相似性最高或者离的最近的若干指纹，用户的位置由这些指纹对应的参考点的物理坐标加权得出。学习型算法如人工神经网络算法(ArtificialNeuralNetwork，ANN)和支持向量回归法(SupportVectorRegression，SVR)，则是先对离线指纹数据库进行数据挖掘并提取定位特征，再将定位特征和对应的物理位置坐标作为一对训练样本输入学习机进行训练，从而得到RSS值与物理位置的映射函数关系；在线阶段，把实时测量的RSS向量直接输入离线阶段训练出的定位函数，即得定位结果。传统的KNN算法首先计算实时测量到的RSS样本与指纹数据库中各个指纹对应的RSS均值之间的欧式距离，而后找出距离该实时RSS样本信号最近的K个指纹，平均或加权平均各个指纹的位置坐标即可得待测点的估计位置。但由于室内环境很复杂，RSS信号的传播会受到多径效应、同频无线电干扰、人体遮挡等因素的影响，这将导致RSS信号具有很强的时变性，这种时变性使得RSS与物理位置间不是简单的一一映射关系，而表现为复杂的、非线性映射关系。所以，与在线测试点信号空间上距离最近的离线参考点很可能并非是实际物理位置上距离最近的参考点，从而导致定位精度大幅降低。此外，室内环境下一条指纹记录通常包含20～50个AP信息，属于高维矢量。而在高维数据空间中，对于给定的查询点，当用某个距离度量函数度量时，与该查询点最近的邻居数据点到该查询点的距离Dmin和与之最远的邻居数据点到该查询点之间的距离Dmax的差异一般很小，这种现象即称之为“维数灾难”。如对于p范数准则：其中:为两个m维矢量，xi,yi分别为其第i个特征分量。随着数据维数m的增长，会以m1/p-1/2规律增长，故只有当p＝1即使用1范数准则时，会随m增大而增大。另一方面，每条指纹不同的特征分量(即不同的AP信息)在定位中的可用程度不同，如图2所示。信号强度高时，受波动影响小，处于定位的可用区域；信号强度衰减到约-80dbm以下时，受室内环境下各因素影响大，处于定位不可用区域；因此需要为每一维分量在距离匹配度量函数中的对应项赋予不同权重来反映它们可用程度的大小。与此同时，对数路径损耗模型(LogarithmicDistancePathLossModel，LDPL)下信号的衰减速度会随着距离的增加而减慢，如图2所示，这将导致与在线测试点有相同信号间距离的离线参考点并不一定与在线测试点有相同的空间物理距离(d2≈3d1)。故不同取值水平上的信号强度值反映在距离匹配度量函数中的作用不尽相同，从而严重的影响了定位的精度。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供了一种基于对数路径损耗模型的联合加权K近邻室内定位方法，该方法能够实现室内定位终端的精确定位。为达到上述目的，本专利技术所述的基于对数路径损耗模型的联合加权K近邻室内定位方法包括以下步骤：1)构建离线指纹数据库；2)待定位终端实时扫描室内的各接入点信息，并根据扫描得到的接入点信息形成在线指纹，然后计算各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值；3)将步骤2)得到的各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值进行排序，并根据排序的结果选取K个最小函数值对应的参考点作为候选参考点；4)根据步骤3)选取的候选参考点估计待定位终端的位置坐标，完成基于对数路径损耗模型的联合加权K近邻室内定位。构建离线指纹数据库的具体操作为：a1)将待定位区域划分为均匀的参考点网格，并将参考点网格的四个顶点作为离线参考点；a2)通过移动终端在待定位区域内各离线参考点处采集无线接入点的信号强度信息，再根据无线接入点的信号强度信息与其物理地址构建信号强度向量，再通过信号强度向量与离线参考点的位置坐标构建离线指纹，然后再根据所有离线参考点对应的离线指纹构建离线指纹数据库。在每个离线参考点处朝向四个方向分别进行N次无线接入点的信号强度信息采样，再分别对每个方向上的N个无线接入点的信号强度信息求平均值，得四个样本均值向量，其中，一个离线参考点对应四个样本均值向量，再根据四个样本均值向量及对应离线参考点的位置坐标构建离线指纹。基于对数路径损耗模型的联合加权距离匹配度量函数的计算方法为：室内空间中点l处接收到接入点j发射的信号强度RSSl为：其中，d0为参考距离，为参考能量，dl为点l到接入点j的距离，为点l处的接收能量，β为路径损耗因子。由式(1)得室内空间中点l1与点l2之间的信号距离disRSS为：其中，RSS1及RSS2分别为在点l1和点l2处接收到接入点j发射的信号强度，d1及d2分别为点l1及点l2到接入点j的距离；室内空间中点l1与点l2之间的物理距离disphy为：由式(3)得室内空间中点l1与点l2之间的基于对数路径损耗模型的联合加权距离匹配度量函数为：其中，M为在线阶段检测本文档来自技高网...

【技术保护点】
一种基于对数路径损耗模型的联合加权K近邻室内定位方法，其特征在于，包括以下步骤：1)构建离线指纹数据库；2)待定位终端实时扫描室内的各接入点信息，并根据扫描得到的接入点信息形成在线指纹，然后计算各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值；3)将步骤2)得到的各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值进行排序，并根据排序的结果选取K个最小函数值对应的参考点作为候选参考点；4)根据步骤3)选取的候选参考点估计待定位终端的位置坐标，完成基于对数路径损耗模型的联合加权K近邻室内定位。

【技术特征摘要】
1.一种基于对数路径损耗模型的联合加权K近邻室内定位方法，其特征在于，包括以下步骤：1)构建离线指纹数据库；2)待定位终端实时扫描室内的各接入点信息，并根据扫描得到的接入点信息形成在线指纹，然后计算各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值；3)将步骤2)得到的各在线指纹与离线指纹数据库中各离线指纹之间基于对数路径损耗模型的联合加权距离匹配度量函数的函数值进行排序，并根据排序的结果选取K个最小函数值对应的参考点作为候选参考点；4)根据步骤3)选取的候选参考点估计待定位终端的位置坐标，完成基于对数路径损耗模型的联合加权K近邻室内定位。2.根据权利要求1所述的基于对数路径损耗模型的联合加权K近邻室内定位方法，其特征在于，构建离线指纹数据库的具体操作为：a1)将待定位区域划分为均匀的参考点网格，并将参考点网格的四个顶点作为离线参考点；a2)通过移动终端在待定位区域内各离线参考点处采集无线接入点的信号强度信息，再根据无线接入点的信号强度信息与其物理地址构建信号强度向量，再通过信号强度向量与离线参考点的位置坐标构建离线指纹，然后再根据所有离线参考点对应的离线指纹构建离线指纹数据库。3.根据权利要求2所述的基于对数路径损耗模型的联合加权K近邻室内定位方法，其特征在于，在每个离线参考点处朝向四个方向分别进行N次无线接入点的信号强度信息采样，再分别对每个方向上的N个无线接入点的信号强度信息求平均值，得四个样本均值向量，其中，一个离线参考点对应四个样本均值向量，再根据四个样本均值向量及对应离线参考点的位置坐标构建离线指纹。4.根据权利要求1所述的基于对数路径损耗模型的联合加权K近邻室内定位方法，其特征在于，室内空间中点l处接收到接入点j发射的信号强度RSSl为：其中，d0为参考距离，为参考能量，dl为点l到接入点j的距离，为点l处的接收能量，β为路径损耗因子；由式(1)得室内空间中点l1与点l2之间的信号距离disRSS为：

【专利技术属性】
技术研发人员：廖学文，田馨元，王梦迪，齐以星，高贞贞，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61