一种基于压缩感知的RSSI区域分段式定位方法技术

本发明专利技术公开了一种基于压缩感知的RSSI区域分段式定位方法，主要解决了不依赖奈奎斯特采样定理采集少量数据就能实现定位的方法，降低了通信开销和计算量，且分阶段定位精度大大提高，包括离线阶段和在线阶段：(1)离线阶段：在无线局域网环境下，对环境空间进行无线信号采样，得到指纹库，存入中心服务器；(2)在线阶段：对无线接入点和目标进行信号采样，得到RSSI矩阵，无线接入点位置已知，粗定位基于RSSI矩阵计算各无线接入点到目标的欧式距离，用K近邻选择方法选择无线接入点，缩小目标的范围，精定位在选择的区域内进行无线信号采样，填写测量矩阵，再从服务器导入指纹库，构建过完备字典，在测量矩阵和字典满足不相干的条件下，通过信号重构算法得到目标当前位置。

A segmented localization method of RSSI region based on compressed sensing

The invention discloses a segmented RSSI area positioning method based on compressed sensing, mainly to solve the method does not rely on the Nyquist sampling theorem for a small amount of data acquisition can achieve positioning, reduces communication overhead and computation, and the phase accuracy is greatly improved. Including off-line and on-line stages: (1) offline: in the wireless LAN environment, the environmental space wireless signal sampling, get the fingerprint database, stored in the central server; (2) online stage: the wireless access point and the target signal sampling, RSSI matrix, the wireless access point location is known, the Euclidean distance to calculate the rough location of the wireless access point to the target based on the RSSI matrix. The selection of wireless access point with K neighbor selection method, narrowing the scope of the target, accurate positioning of wireless signal sampling in the selected area, fill in the measurement The matrix is then imported into the fingerprint library from the server, and the over complete dictionary is constructed. When the measurement matrix and dictionary satisfy the irrelevant condition, the current location of the target is obtained through signal reconstruction algorithm.

【技术实现步骤摘要】
一种基于压缩感知的RSSI区域分段式定位方法
本专利技术属于室内定位领域，涉及一种基于压缩感知的RSSI区域分段式定位方法，适用于环境相对复杂，定位开销要求较少的环境。
技术介绍
无线局域网内定位的研究随着无线通信和物联网技术的发展越来越深入。无线定位被运用在工作和生活的很多领域，如矿井下人员的位置追踪、野外作业人员定位、生态环境的检测以及室内工作员工定位等。我们所熟知的传统的定位系统中使用基于测量参数的方法，有TOA(信号到达时间)、TDOA(信号到达时间差)、AOA(信号到达角度)和RSSI(接收信号强度)等。但是这些方法定位的精度是由参数的准确性决定的，在室内复杂多变的环境中，噪声干扰可能会给定位带来较大的误差；且基于这些方式的系统需要专门的硬件设备支撑以及大量的工作量，这样就给定位带来很多不便，一定程度的限制了定位系统的应用。因为接收信号强度(ReceivedSignalStrength,RSS)容易被无线电设备接收的这一特性，基于RSS的定位被广泛用来研究，我们知道的有基于指纹库的定位，利用信号传播模型在离线训练指纹库，在线阶段通过接收到目标的信号强度与指纹库进行比对得到目标估计，但是在复杂的信道环境中使得接收信号强度的数目较少时定位效果不容乐观。而且这种方法使用奈奎斯特采样定理，采样频率得大于信号中最高频率的两倍来采集样本，所需开销和处理的信息量大大增加。当室内环境变化较大时，数据指纹库的更新也是一项工作量很大的过程。环境噪声干扰、通信开销以及信息计算复杂度是定位需要考虑的几个重要因素。压缩感知理论指出：只要信号是可压缩或在某一变换域上是稀疏的，就可以用一个与变换基不相干的测量矩阵将高维信号投影到一个低维的空间上，然后可以通过求解一个优化问题将少量投影高概率重构出原始信号。它可以在远小于奈奎斯特采样率的情况重构信号。压缩感知作为一门新的采样理论被提出，它通过开发信号的稀疏特性，在远小于香农-奈奎斯特采样率的条件下采样，然后通过重建算法完美的重建信号。它的这一特性正好与基于RSS的定位相结合，由于测量信号数是稀疏性，所以就可以依据少量的采样值利用压缩感知理论得到目标的精确位置。综上所述，将压缩感知理论运用在定位系统中，根据压缩感知的特性，它能通过少量采样值来重构目标的位置信息向量，从而得到目标估计位置，这种方法大大降低了通信开销和计算复杂度。因此，有必要设计一种新的基于压缩感知的方法来实现室内定位提高定位性能。
技术实现思路
技术问题：本专利技术所要解决的技术问题是提供了一种基于压缩感知的RSSI区域分段式定位方法，该方法通过在线阶段使用K近邻选择方法选择无线接入点，缩小目标的所在区域来进行粗定位；在所选择的区域上，接收各无线接入点的信号强度值，根据选择的无线接入点填写测量矩阵，再与指纹库结合通过重构算法得到目标的位置信息向量，最终估计目标的位置坐标来进行精定位。有效的降低了成本开销和提高了定位精度。为实现上述目标，本专利技术实现的技术方案如下：一种基于压缩感知的RSSI区域分段式定位方法，其特征在于，包括离线阶段和在线阶段：(1)离线阶段：在无线局域网环境下，对环境空间进行无线信号采样，得到指纹库，存入中心服务器；(2)在线阶段：对无线接入点和目标进行信号采样，得到RSSI矩阵，无线接入点位置已知，粗定位基于RSSI矩阵计算各无线接入点到目标的欧式距离，用K近邻选择方法选择无线接入点，缩小目标的范围，精定位在选择的区域内进行无线信号采样，填写测量矩阵，再从服务器导入指纹库，构建过完备字典，在测量矩阵和字典满足不相干的条件下，通过信号重构算法得到目标当前位置。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的离线阶段包括以下步骤：(1)定位区域布置：定位模型将定位空间平面分成N个参考位置，并对每个参考位置来自上下左右不同方向上各采样X次，无线接入点的个数为M个，且均匀等分定位空间平面，4个阅读器分布在定位区域四周；(2)构建指纹库：在N个参考位置采集不同方向上来自M个无线接入点的RSSI值X次，X次采样平均值组成一个大小为N×M的矩阵再由参考点的位置坐标构建指纹库，存储在中心服务器，在定位区域变化较大时，还能通过压缩感知重构更新指纹库。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的在线阶段包括以下步骤：(1)粗定位：定位区域四周的阅读器接收各无线接入点和目标的RSSI值，分别组成矩阵A和矩阵T，先基于RSSI值计算目标到各无线接入点的欧式距离，再使用K近邻选择方法选择离目标最近的K个无线接入点，将目标所在的范围缩小在被选择的无线接入点的范围；(2)精定位：在上述粗定位锁定的区域内，目标在线采样信号强度，得到少量的测量值，根据无线接入点的位置构建测量矩阵，从服务器导入指纹库构建过完备字典Ψ，采用正交化预操作使其和Ψ满足不相干性，再通过信号重构算法得到位置信号稀疏向量，最终估计目标位置。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的X为4次。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的精定位中测量值为向量y。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的精定位中测量矩阵为Φ，它由无线接入点的位置决定，根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的指纹库构建过程中采样到的平均值矩阵其中，i＝1,2,...M,j＝1,2,...N,表示离线阶段第j个参考点到i个无线接入点采样X次的RSSI平均值，表示第λ次采样值。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的指纹库可以表示为(xj,yj)表示第j个参考点的位置坐标。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的矩阵其中，矩阵A表示阅读器采样M个无线接入点的RSSI值，矩阵T表示阅读器采样K个目标的RSSI值。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述粗定位中计算欧式距离的公式其中，Dl,j表示第l个AP到第j个目标的欧式距离。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，所述的在线阶段获取测量矩阵Φ和字典Ψ，Φ和Ψ通过正交化预操作使其和Ψ满足不相干性，正交化预操作的步骤为：对测量值向量y进行正交化预操作，即y′＝py。定义P＝QR+,其中，R＝ΦΨ,Q＝orth(RT)Torth(R)表示对矩阵R的规范正交化化操作，R+表示矩阵R的伪逆矩阵，即y′＝py＝QR+·Rθ＝Qθ。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的位置信号稀疏向量为θ，θ是一个大小为1×N的向量，目标的位置估计就是θ重构过程，公式如下：其中，表示目标的位置信息向量，值为“1”表示索引到定位区域相应参考位置，ε表示噪声干扰的误差值。根据本专利技术所述的基于压缩感知的RSSI区域分段式定位方法，所述的位置信息向量中非0值位置对应着字典中的列向量，再通过指纹库中的训练的位置信息得到目标的最终位置。本专利技术的有益效果是：1.与基于信息指纹的定位方法相比，只需要采集少量的样本就能估计目标本文档来自技高网...

【技术保护点】
一种基于压缩感知的RSSI区域分段式定位方法，其特征在于，包括离线阶段和在线阶段：(1)离线阶段：在无线局域网环境下，对环境空间进行无线信号采样，得到指纹库，存入中心服务器；(2)在线阶段：对无线接入点和目标进行信号采样，得到RSSI矩阵，无线接入点位置已知，粗定位基于RSSI矩阵计算各无线接入点到目标的欧式距离，用K近邻选择方法选择无线接入点，缩小目标的范围，精定位在选择的区域内进行无线信号采样，填写测量矩阵，再从服务器导入指纹库，构建过完备字典，在测量矩阵和字典满足不相干的条件下，通过信号重构算法得到目标当前位置。

【技术特征摘要】
1.一种基于压缩感知的RSSI区域分段式定位方法，其特征在于，包括离线阶段和在线阶段：(1)离线阶段：在无线局域网环境下，对环境空间进行无线信号采样，得到指纹库，存入中心服务器；(2)在线阶段：对无线接入点和目标进行信号采样，得到RSSI矩阵，无线接入点位置已知，粗定位基于RSSI矩阵计算各无线接入点到目标的欧式距离，用K近邻选择方法选择无线接入点，缩小目标的范围，精定位在选择的区域内进行无线信号采样，填写测量矩阵，再从服务器导入指纹库，构建过完备字典，在测量矩阵和字典满足不相干的条件下，通过信号重构算法得到目标当前位置。2.根据权利要求1所述的一种基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的离线阶段包括以下步骤：(1)定位区域布置：定位模型将定位空间平面分成N个参考位置，并对每个参考位置来自上下左右不同方向上各采样X次，无线接入点的个数为M个，且均匀等分定位空间平面，4个阅读器分布在定位区域四周；(2)构建指纹库：在N个参考位置采集不同方向上来自M个无线接入点的RSSI值X次，X次采样平均值组成一个大小为N×M的矩阵再由参考点的位置坐标构建指纹库，存储在中心服务器，在定位区域变化较大时，还能通过压缩感知重构更新指纹库。3.根据权利要求1所述的一种基于压缩感知的RSSI区域分段式定位方法，其特征在于，所述的在线阶段包括以下步骤：(1)粗定位：定位区域四周的阅读器接收各无线接入点和目标的RSSI值，分别组成矩阵A和矩阵T，先基于RSSI值计算目标到各无线接入点的欧式距离，再使用K近邻选择方法选择离目标最近的K个无线接入点，将目标所在的范围缩小在被选择的无线接入点的范围；(2)精定位：在上述粗定位...

【专利技术属性】
技术研发人员：田子建，徐志明，
申请(专利权)人：中国矿业大学北京，
类型：发明
国别省市：北京,11