基于AP选择的Dwknn位置指纹定位算法制造技术

本发明专利技术提供一种基于AP选择的Dwknn位置指纹定位算法，包括：步骤一，在定位过程中过多的AP会导致定位时间增加和定位精度的降低；对于每个AP在定位区域表现力不同，本文使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，Wknn算法利用k个参考点的相似度作为权重，实现精确的定位，但是k值固定不变导致其易将较远的参考点的相似度作为权值，易造成误差；本文提出了动态k值加权定位算法，实验结果表明能减弱较远参考点对定位的影响。本发明专利技术减少干扰信号的影响，仿真结果表明，所提出的算法能够有效的提高定位效率和定位精度。

Dwknn location fingerprint location algorithm based on AP selection

The invention provides a Dwknn fingerprint location algorithm based on AP selection includes: step one, too much AP in the positioning process will lead to a lower positioning time increased and the positioning accuracy is different; for each AP in the positioning area, performance, using information entropy and Shannon theorem for selection of AP, excluding the contains less information and more similarity to AP; step two, Wknn algorithm using similarity K reference points as weight, realize accurate positioning, but the K value of the fixed lead to similarity of far reference point as the weight, easy to cause the error; this paper proposes a weighted localization algorithm of dynamic K value. The experimental results show that can weaken the influence of far reference location. The invention reduces the influence of the interference signal, and the simulation results show that the proposed algorithm can effectively improve the positioning efficiency and positioning accuracy.

【技术实现步骤摘要】
基于AP选择的Dwknn位置指纹定位算法
本专利技术涉及室内指纹定位
，尤其是一种基于AP选择的Dwknn位置指纹定位算法。
技术介绍
随着物联网技术的发展，位置服务成为了关键需求之一。在地理位置划分上，位置服务分为室外定位和室内定位技术。全球定位系统(GlobalPositioningSystem,GPS)和北斗系统在室外定位中得到广泛的使用，取得了良好的效果,但是复杂多变的室内环境严重影响GPS和北斗系统的性能。然而，室内定位在一些特殊的地方重要性日趋明显。因此发展室内定位技术具有广阔的应用前景和重要的意义。室内定位算法可以分为三类：三角测量定位法，邻近测量定位法，位置指纹定位法。在可视距(LineofSight,LOS)的情况下，三角测量定位法与邻近测量定位法具有较高的定位精度，但是其对硬件的异构性和同步性敏感。安装过程复杂，易受现场条件的限制，而且定位精度与设备的位置和数量有关。因此从技术和应用角度考虑，针对前两类定位方法的缺点，研究人员提出了价格低廉、精度较高的位置指纹定位算法。位置指纹算法分成两部分：离线阶段和定位阶段。离线阶段主要通过使用手持终端设备在定位区域采集信号强度值，并建立接收信号强度(ReceivedSignalStrength,RSS)特征向量和位置关系的数据库。定位阶段主要通过匹配算法进行定位，其典型的匹配算法有最近邻法、K近邻法和加权K近邻法等。然而，其建立的指纹库包含了大量的无用信息。针对于此，MDashti考虑AP信息熵和稳定性进行选择AP，能除去部分冗沉，但是其没有考虑AP之间的相似度，易保存相似AP。LElina利用AP之间最低相似度进行AP的选择，其建立的RSS数据库中AP的相似度低，但是其可能删除了包含大量有用信息的AP，不利于在现阶段的定位。HZou综合考虑了每个AP所含有的信息量和AP之间的相似程度，但是其使用固定k值加权近邻算法，易使用较远的RP点，降低了定位精度。本文涉及的术语：AP：AccessPoint，接入点，指基站；RP：参考点；RSS：接收信号强度。
技术实现思路
本专利技术的目的在于克服现有技术中存在的不足，提供一种基于AP选择的Dwknn位置指纹定位算法，简称APs-Dwknn算法，该算法在离线和定位阶段中，同时对指纹数据库进行信息的选择，建立RSS信号与位置之间新的对应关系，减小定位误差。本专利技术采用的技术方案是：一种基于AP选择的Dwknn位置指纹定位算法，包括以下步骤：步骤一，对于每个AP在定位区域表现力不同，使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，采用动态k值加权定位算法，以减弱较远参考点对定位的影响。步骤一具体包括：步骤S1，指纹库的建立主要与RSS和位置匹配关系的唯一性实现；设一个定位区域有D个RP点，在每个RP点对n个AP逐一采集，得到第i个RP点的RSS值如下：其中表示在i个RP点，对第j个AP采集m次的RSS平均值；第i个RP点的二维空间坐标可表示为：Gi＝(xi,yi)(2)步骤S2，将采集的离线位置信息存储到RSS指纹库中，得到如下所示其对应的二维空间坐标如下：步骤S3，在定位过程中过多的AP会导致定位时间增加和定位精度的降低；对于每个AP在定位区域表现力不同，使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；p(Gg|APj＝v)＝p(APj＝v|Gg)p(Gg)/p(APj＝v)(6)IG(APi)＝H(G)-H(G|APj)(8)其中nt表示第t个定位区域中所包含的参考点数量，Gg表示第g个网格，v表示接收到AP的RSS值，APj表示第j个AP，H(G|APi)为APi的条件信息熵，p(Gg|APj＝v)在APj＝v的条件信息熵，H(G)为位置信息熵，IG(APi)为第i个AP所带的信息增益；为了保证AP之间的相似度较低，下面使用香浓定理进行相似度计算：其中，diffi,j表示第i个AP与第j个AP之间的相似度；表示第i个AP的RSS均值；Si代表第i个AP与其余所有AP相似度值的和；MAX(W(AP)＝S+IG)(11)其中，W(AP)表示综合考虑了每个AP所包含的信息量和与其他AP相似度值，选取相似度最低、信息熵最大的AP组合成新的指纹库。步骤二具体包括；动态k值加权定位算法，如下所示；sim(i)＝RSS_test-RSS(i)(12)RSS_test_choose＝(RSS_test_sum*a)/D(14)其中，sim表示待定位终端与所有RP的相似度值得集合，选择sim＜RSS_test_choose的k个RP点的相似度作为权重值，进行定位，如下式所示：其中，RSS_test表示待定位终端接收到所有AP的RSS值(此处RSS_test是向量表示)，RSS(i)表示新的指纹库中第i个参考点接收到的RSS值，a值是一个系数，可以通过离线阶段实验得出，表示待定位终端最后的定位结果。本专利技术的优点在于：本专利技术提出的APs-Dwknn算法，在离线阶段，算法使用信息熵和香浓相似度量算法对采集的数据库进行AP的选择，剔除了冗沉AP；在定位阶段，算法使用动态k值排除远距离RP对定位的影响。本算法在12m*7.8m定位区域中，达到了平均误差只有0.997m、最大误差2.762m、最小误差0.054m的定位效果。附图说明图1为本专利技术的APs-Dwknn定位流程图。图2为本专利技术的AP分布示意图。图3为本专利技术的不同AP数的定位误差图。图4为本专利技术的测试点定位误差图。具体实施方式下面结合具体附图和实施例对本专利技术作进一步说明。本专利技术提出一种基于AP选择的Dwknn位置指纹定位算法(AccessPointSelectionDynamicweightedK-NearestNeighbor)，简称为APs-Dwknn；在离线阶段，算法首先将已采集的接收信号强度均值化处理，然后进行网格法划分，使用信息熵和香农定理进行AP信号的学习，最后选择出冗余最少的最优AP集合作为新的指纹库；在定位阶段，计算出参考点与待定位点之间的相似度，利用Dwknn算法动态寻找k个最大相似度的参考点以实现定位。与已有的未删除冗余信息的定位算法相比，APs-Dwknn提高数据处理效率，减少干扰信号的影响，仿真结果表明，所提出的算法能够有效的提高定位效率和定位精度。该算法主要包括两大步骤：步骤一，在定位过程中过多的AP会导致定位时间增加和定位精度的降低；对于每个AP在定位区域表现力不同，本文使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，Wknn算法利用k个参考点的相似度作为权重，实现精确的定位，但是k值固定不变导致其易将较远的参考点的相似度作为权值，易造成误差；本文提出了动态k值加权定位算法，实验结果表明能减弱较远参考点对定位的影响；步骤一具体包括：步骤S1，指纹库的建立主要与RSS和位置匹配关系的唯一性实现；设一个定位区域有D个RP点，在每个RP点对n个AP逐一采集，得到第i个RP点的RSS值如下：其中表示在i个RP点，对第j个AP采集m次的RSS平均值；第i个RP点的二维空间坐标可表示为：Gi＝(xi,yi)(2)步骤S2，将采集的离线位置信息存储到R本文档来自技高网...

【技术保护点】
一种基于AP选择的Dwknn位置指纹定位算法，其特征在于，包括以下步骤：步骤一，对于每个AP在定位区域表现力不同，使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，采用动态k值加权定位算法，以减弱较远参考点对定位的影响。

【技术特征摘要】
1.一种基于AP选择的Dwknn位置指纹定位算法，其特征在于，包括以下步骤：步骤一，对于每个AP在定位区域表现力不同，使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；步骤二，采用动态k值加权定位算法，以减弱较远参考点对定位的影响。2.如权利要求1所述的基于AP选择的Dwknn位置指纹定位算法，其特征在于，步骤一具体包括：步骤S1，指纹库的建立主要与RSS和位置匹配关系的唯一性实现；设一个定位区域有D个RP点，在每个RP点对n个AP逐一采集，得到第i个RP点的RSS值如下：其中表示在i个RP点，对第j个AP采集m次的RSS平均值；第i个RP点的二维空间坐标可表示为：Gi＝(xi,yi)(2)步骤S2，将采集的离线位置信息存储到RSS指纹库中，得到如下所示其对应的二维空间坐标如下：步骤S3，在定位过程中过多的AP会导致定位时间增加和定位精度的降低；对于每个AP在定位区域表现力不同，使用信息熵和香浓定理对AP进行选择，剔除所包含信息量较少和相似性较大的AP；p(Gg|APj＝v)＝p(APj＝v|Gg)p(Gg)/p(APj＝v)(6)IG(APi)＝H(G)-H(G|APj)(8)其中nt表示第t个定位区域中所包含的参考点数量，Gg表示第g个网格，v表示接收到AP的RSS值，APj表...

【专利技术属性】
技术研发人员：卢先领，施涛涛，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32