一种基于聚类的指纹定位方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于聚类的指纹定位方法及装置，其中，方法包括：获取待定位点的接收信号强度RSS；从指纹数据库中获取多个类的初始聚类中心，多个类为对指纹数据库中样本集的样本点进行聚类得到的，每个类均包含初始聚类中心，每个类的初始聚类中心为利用待定初始聚类中心与指纹数据库中样本集的各个样本点之间的欧式距离的均方差误差不大于第一数值，以及以待定初始聚类中心为聚类中心的类中样本点的样本密度大于第二数值，进行聚类得到的；利用待定位点的RSS，从多个类的初始聚类中心中，查找与待定位点的RSS之间欧式距离最近的初始聚类中心；基于与待定位点的RSS之间欧式距离最近的初始聚类中心，对待定位点的RSS进行指纹定位。

A fingerprint location method and device based on Clustering

The embodiment of the invention provides a clustering-based fingerprint positioning method and device, wherein the method includes: acquiring the received signal strength RSS of the points to be positioned; acquiring the initial clustering center of multiple classes from the fingerprint database; and multiple classes clustering the sample points of the sample set in the fingerprint database, each class being equal to Including the initial clustering center, the initial clustering center of each class is that the mean square error of the Euclidean distance between the initial clustering center and the sample points in the fingerprint database is less than the first value, and the sample density of the sample points in the class with the initial clustering center as the clustering center is greater than the second number. Using the RSS of the point to be located, the initial clustering center with the nearest Euclidean distance between the RSS of the point to be located and the RSS of the point to be located is searched. Based on the initial clustering center with the nearest Euclidean distance between the RSS of the point to be located, the RSS of the point to be located is located by fingerprint.

【技术实现步骤摘要】
一种基于聚类的指纹定位方法及装置
本专利技术涉及通信
，特别是涉及一种基于聚类的指纹定位方法及装置。
技术介绍
随着通信技术的发展，位置服务作为通信服务的一部分，变得越来越重要。指纹定位技术是位置服务中的一种常用技术。指纹定位技术包括离线采样和在线定位两个阶段。离线采样阶段，可以采用K-means聚类算法对指纹数据库中AP(AccessPoint，接入点)的RSS(ReceivedSignalStrength，接收信号强度)进行聚类，得到迭代后聚类中心以及以迭代后聚类中心为聚类中心的多个类；在线定位阶段，可以获取待定位点的RSS，计算待定位点的RSS与各个迭代后聚类中心的欧式距离，找出与待定位点的RSS之间欧式距离最近的迭代后聚类中心，进而得到待定位点的RSS的位置坐标，以完成待定位点的RSS的定位。以下对离线采样阶段进行详细说明。第一步，在每一个RP(ReferencePoint，参考点)上，收集来自每一个AP的RSS以及RP位置坐标，该位置坐标包括经度、纬度和高度，生成相应的指纹记录；然后，将该指纹记录存入指纹数据库中。将指纹数据库中所有AP的RSS作为样本集中的样本点，按照预设的聚类数目k(2<k<p≤n)，在样本集中随机选择样本点，作为初始聚类中心h1，h2，…，hk，以及设置迭代门限条件为均方差最小或迭代次数达到阈值。第二步，计算样本集中每个样本点Xp(p＝1，2，…，n)与各个初始聚类中心的欧式距离，得到针对每个样本点Xp，与该样本点Xp之间欧式距离最近的初始聚类中心；将该样本点Xp作为该欧式距离最近的初始聚类中心的子类。第三步，计算所有子类中的样本点Xp之间的欧式距离之和，选择使所有子类中的样本点Xp之间的欧式距离之和最小值的样本点Xp，作为新的聚类中心；判断是否满足迭代门限条件，若不满足，则继续执行第二步，直至满足迭代门限条件，则确定出迭代后聚类中心，将迭代后聚类中心及迭代后聚类中心的子类构成类，终止结束。然而，专利技术人在实现本专利技术的过程中，发现现有技术中离线采样阶段，可以采用K-means聚类算法对指纹数据库中AP的RSS进行聚类，得到迭代后聚类中心以及以迭代后聚类中心为聚类中心的多个类，至少存在如下问题：使用K-means聚类算法对指纹数据库中AP的RSS进行聚类，需要预设聚类数目k，这样会影响初始聚类中心的随机选取，并且，K-means聚类算法所得到的多个类，也是基于初始聚类中心生成的，这样K-means聚类算法所得到的多个类也会受初始聚类中心的影响，所得到的多个类不够精确，进而影响定位的精度。
技术实现思路
本专利技术实施例的目的在于提供一种基于聚类的指纹定位方法及装置，以解决现有技术使用预设聚类数目k，会影响初始聚类中心的随机选取的问题。具体技术方案如下：第一方面，本专利技术实施例提供了一种聚类的指纹定位方法，包括：获取待定位点的接收信号强度RSS；从指纹数据库中获取多个类的初始聚类中心，多个类为对所述指纹数据库中样本集的样本点进行聚类得到的，每个类均包含初始聚类中心，每个类的初始聚类中心为利用待定初始聚类中心与所述指纹数据库中样本集的各个样本点之间的欧式距离的均方差误差不大于第一数值，以及以所述待定初始聚类中心为聚类中心的类中样本点的样本密度大于第二数值，进行聚类得到的；利用所述待定位点的RSS，从所述多个类的初始聚类中心中，查找与所述待定位点的RSS之间欧式距离最近的初始聚类中心；基于与所述待定位点的RSS之间欧式距离最近的初始聚类中心，对所述待定位点的RSS进行指纹定位。可选的，所述多个类为对所述指纹数据库中样本集的样本点进行聚类得到的步骤，包括：获取指纹数据库中的接入点AP的RSS；基于所述AP的RSS，获得上一初始聚类中心的第一均方差误差与第一样本密度之和，所述第一均方差误差为上一初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差，所述第一样本密度为该以上一初始聚类中心为聚类中心的类中样本点的样本密度，所述第一均方差误差不大于第一数值，所述第一样本密度大于第二数值；所述以上一初始聚类中心为聚类中心的类中包含的子类与所述上一初始聚类中心之间欧式距离小于第一距离的样本点，所述以上一初始聚类中心为聚类中心的类中包含的子类是由以上一初始聚类中心为聚类中心的类中除作为上一初始聚类中心的样本点以外的其他样本点构成的；获取本次待定初始聚类中心；获取本次待定初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差，作为第二均方差误差，所述第二均方差误差不大于第一数值；获取以所述本次待定初始聚类中心为聚类中心的类中样本点的样本密度，作为第二样本密度，所述以本次待定初始聚类中心为聚类中心的类中包含的子类与该本次待定初始聚类中心之间欧式距离小于第二距离，所述第二样本密度大于第二数值，所述以本次待定初始聚类中心为聚类中心的类中包含的子类是由以本次待定初始聚类中心为聚类中心的类中，除作为本次待定初始聚类中心的样本点以外的其他样本点构成的；判断所述本次待定初始聚类中心的第二均方差误差与第二样本密度之和，相较于所述上一初始聚类中心的第一均方差误差与第一样本密度之和是否有变小；若变小，则将本次待定初始聚类中心，作为本次初始聚类中心；利用所述本次初始聚类中心，得到本次的类，本次的类包括：本次初始聚类中心、以及以本次初始聚类中心为聚类中心的类中的子类；将本次的类，存储在所述指纹数据库中。可选的，在所述判断所述本次待定初始聚类中心的第二均方差误差与第二样本密度之和，相较于所述上一初始聚类中心的第一均方差误差与第一样本密度之和是否有变小之后，所述方法还包括：若没有变小，则获取下一待定初始聚类中心作为本次待定初始聚类中心，返回执行获取本次待定初始聚类中心的步骤，直至所述本次待定初始聚类中心的第二均方差误差与第二样本密度之和，相较于所述上一初始聚类中心的第一均方差误差与第一样本密度之和变小或达到预设变小阈值，继续执行将本次待定初始聚类中心，作为本次初始聚类中心的步骤；在所述将本次的类，存储在所述指纹数据库中之后，所述方法还包括：获取所述指纹数据库中的所有类，删除类中样本点的数目与样本点的总数的比值，低于阈值的类。可选的，所述上一初始聚类中心为第1个初始聚类中心，所述获取本次待定初始聚类中心，包括：随机获取所述样本集中除作为所述第1个初始聚类中心的样本点以外，其余样本点中的一个样本点，作为第2个待定初始聚类中心；或者将所述样本集中除所述作为所述第1个初始聚类中心的样本点以外，其余样本点之和的平均值，作为第2个待定初始聚类中心。可选的，采用如下公式，获取本次待定初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差：其中，fk(x1,…xj…,xk)为本次待定初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差，k为待定初始聚类的数目，x1,…xj…,xk分别为第1个待定初始聚类中心···第xj个待定初始聚类中心···第k个待定初始聚类中心，j的取值为1···k，k为大于或等于1的自然数，为由n×k阶矩阵构成的实数空间，αi为所述样本集中第i个样本点，i的取值为1···m，m为所述样本集中样本点的总数；采用如下公式，获取以所述本次待定初始聚类中心为本文档来自技高网...

【技术保护点】
1.一种基于聚类的指纹定位方法，其特征在于，包括：获取待定位点的接收信号强度RSS；从指纹数据库中获取多个类的初始聚类中心，多个类为对所述指纹数据库中样本集的样本点进行聚类得到的，每个类均包含初始聚类中心，每个类的初始聚类中心为利用待定初始聚类中心与所述指纹数据库中样本集的各个样本点之间的欧式距离的均方差误差不大于第一数值，以及以所述待定初始聚类中心为聚类中心的类中样本点的样本密度大于第二数值，进行聚类得到的；利用所述待定位点的RSS，从所述多个类的初始聚类中心中，查找与所述待定位点的RSS之间欧式距离最近的初始聚类中心；基于与所述待定位点的RSS之间欧式距离最近的初始聚类中心，对所述待定位点的RSS进行指纹定位。

【技术特征摘要】
1.一种基于聚类的指纹定位方法，其特征在于，包括：获取待定位点的接收信号强度RSS；从指纹数据库中获取多个类的初始聚类中心，多个类为对所述指纹数据库中样本集的样本点进行聚类得到的，每个类均包含初始聚类中心，每个类的初始聚类中心为利用待定初始聚类中心与所述指纹数据库中样本集的各个样本点之间的欧式距离的均方差误差不大于第一数值，以及以所述待定初始聚类中心为聚类中心的类中样本点的样本密度大于第二数值，进行聚类得到的；利用所述待定位点的RSS，从所述多个类的初始聚类中心中，查找与所述待定位点的RSS之间欧式距离最近的初始聚类中心；基于与所述待定位点的RSS之间欧式距离最近的初始聚类中心，对所述待定位点的RSS进行指纹定位。2.如权利要求1所述的方法，其特征在于，所述多个类为对所述指纹数据库中样本集的样本点进行聚类得到的步骤，包括：获取指纹数据库中的接入点AP的RSS；基于所述AP的RSS，获得上一初始聚类中心的第一均方差误差与第一样本密度之和，所述第一均方差误差为上一初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差，所述第一样本密度为该以上一初始聚类中心为聚类中心的类中样本点的样本密度，所述第一均方差误差不大于第一数值，所述第一样本密度大于第二数值；所述以上一初始聚类中心为聚类中心的类中包含的子类与所述上一初始聚类中心之间欧式距离小于第一距离的样本点，所述以上一初始聚类中心为聚类中心的类中包含的子类是由以上一初始聚类中心为聚类中心的类中除作为上一初始聚类中心的样本点以外的其他样本点构成的；获取本次待定初始聚类中心；获取本次待定初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差，作为第二均方差误差，所述第二均方差误差不大于第一数值；获取以所述本次待定初始聚类中心为聚类中心的类中样本点的样本密度，作为第二样本密度，所述以本次待定初始聚类中心为聚类中心的类中包含的子类与该本次待定初始聚类中心之间欧式距离小于第二距离，所述第二样本密度大于第二数值，所述以本次待定初始聚类中心为聚类中心的类中包含的子类是由以本次待定初始聚类中心为聚类中心的类中，除作为本次待定初始聚类中心的样本点以外的其他样本点构成的；判断所述本次待定初始聚类中心的第二均方差误差与第二样本密度之和，相较于所述上一初始聚类中心的第一均方差误差与第一样本密度之和是否有变小；若变小，则将本次待定初始聚类中心，作为本次初始聚类中心；利用所述本次初始聚类中心，得到本次的类，本次的类包括：本次初始聚类中心、以及以本次初始聚类中心为聚类中心的类中的子类；将本次的类，存储在所述指纹数据库中。3.如权利要求2所述的方法，其特征在于，在所述判断所述本次待定初始聚类中心的第二均方差误差与第二样本密度之和，相较于所述上一初始聚类中心的第一均方差误差与第一样本密度之和是否有变小之后，所述方法还包括：若没有变小，则获取下一待定初始聚类中心作为本次待定初始聚类中心，返回执行获取本次待定初始聚类中心的步骤，直至所述本次待定初始聚类中心的第二均方差误差与第二样本密度之和，相较于所述上一初始聚类中心的第一均方差误差与第一样本密度之和变小或达到预设变小阈值，继续执行将本次待定初始聚类中心，作为本次初始聚类中心的步骤；在所述将本次的类，存储在所述指纹数据库中之后，所述方法还包括：获取所述指纹数据库中的所有类，删除类中样本点的数目与样本点的总数的比值，低于阈值的类。4.如权利要求2或3所述的方法，其特征在于，所述上一初始聚类中心为第1个初始聚类中心，所述获取本次待定初始聚类中心，包括：随机获取所述样本集中除作为所述第1个初始聚类中心的样本点以外，其余样本点中的一个样本点，作为第2个待定初始聚类中心；或者将所述样本集中除所述作为所述第1个初始聚类中心的样本点以外，其余样本点之和的平均值，作为第2个待定初始聚类中心。5.如权利要求2或3所述的方法，其特征在于，采用如下公式，获取本次待定初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差：其中，fk(x1,…xj…,xk)为本次待定初始聚类中心与所述样本集中各个样本点之间的欧式距离的均方差误差，k为待定初始聚类的数目，x1,…xj…,xk分别为第1个待定初始聚类中心···第xj个待定初始聚类中心···第k个待定初始聚类中心，j的取值为1···k，k为大于或等于1的自然数，为由n×k阶矩阵构成的实数空间，αi为所述样本集中第i个样本点，i的取值为1···m，m为所述样本集中样本点的总数；采用如下公式，获取以所述本次待定初始聚类中心为聚类中心的类中样本点的样本密度：其中，gk(x1,…xj…,xk)为以所述本次待定初始聚类中心为聚类中心的类中样本点的样本密度，E为度量单位的选择，一般由样本点的范围决定。Nj为以所述待定初始聚类中心xj为聚类中心的类...

【专利技术属性】
技术研发人员：邓中亮，宋汶轩，尹露，胡恩文，朱棣，唐诗浩，刘延旭，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11