The present invention relates to an indoor fingerprint location method based on region partition and sparse support vector regression. The method comprises the following steps: 1) dividing the area to be located into several sub-regions, defining the coordinates of the vertices of each sub-region, setting reference signal nodes at each vertex, and collecting wireless access points around each reference signal node. Signal strength, which combines the collected signal strength data with the physical coordinates of the point, forms fingerprint data; 2) filters the signal strength data from the reference node through a reliable AP selection algorithm; 3) constructs an indoor fingerprint location model and trains it; 4) the user terminal senses the real-time location around the actual location and receives it. The signal strength of several wireless access points is uploaded to the server. According to the trained indoor fingerprint positioning model, the actual location of the user terminal is calculated and transmitted to the user terminal. Compared with the prior art, the invention has the advantages of effective signal extraction and high positioning accuracy.
【技术实现步骤摘要】
基于区域划分和稀疏支持向量回归的室内指纹定位方法
本专利技术涉及复杂环境的室内定位领域,尤其是涉及一种基于区域划分和稀疏支持向量回归的室内指纹定位方法。
技术介绍
随着无线通信技术的发展普及和移动智能终端的广泛应用,人们对于基于位置服务(LocationBasedServices,LBSs)的需求不断增加,LBSs已经成为驱动定位技术发展的强大动力和其重要应用领域。尤其在室内LBSs领域,它能显著提高室内环境的管理、个人导航服务质量、环境感知等。尽管在室外定位领域,全球定位系统(GlobalPositioningSystem,GPS)等相似的全球导航卫星系统能够提供高质量的定位服务,但在室内定位领域,可靠的高精度定位仍然面临着巨大挑战。现有的室内定位技术中,基于无线电技术的室内定位方法引起了学者的广泛关注,主要有射频方式、超声波、超宽带、蓝牙、Zigbee技术等。这类方法往往对定位环境有较高的要求,且需要额外的硬件设备,带来较高的维护成本。随着无线局域网络(WirelessLocalAreaNetwork,WLAN)技术的发展,室内环境中部署了大量可接入点(AccessPoints,APs),与此同时基于接收信号强度(ReceivedSignalStrength,RSS)的室内定位算法已经成为一种廉价的室内定位解决方案。基于WLAN的室内定位方法主要分为以下三类:1)基于到达时间(TimeOfArrival,TOA)或到达时间差(TimeDifferenceOfArrival,TDOA)定位;2)基于到达角度(AngleofArrival,AOA)定位;3 ...
【技术保护点】
1.一种基于区域划分和稀疏支持向量回归的室内指纹定位方法,其特征在于,包括以下步骤:1)将待定位区域划分为多个子区域,定义各个子区域顶点的坐标,并在各顶点设置参考信号节点,收集各参考信号节点周围的无线接入点的信号强度,经路由器建立与后台服务器的连接,将收集到的信号强度数据与该点的物理坐标结合,形成指纹数据,上传到服务器;2)服务器将来自参考节点的信号强度数据通过可靠AP选择算法进行过滤,并存储在数据库中;3)构建室内指纹定位模型,并根据过滤后的指纹数据对室内指纹定位模型进行训练;4)用户终端实时感知其实际位置的周围接收到的若干个无线接入点的信号强度,并将该数据上传至服务器,根据训练后的室内指纹定位模型计算用户终端的实际位置并传送给用户终端。
【技术特征摘要】
1.一种基于区域划分和稀疏支持向量回归的室内指纹定位方法,其特征在于,包括以下步骤:1)将待定位区域划分为多个子区域,定义各个子区域顶点的坐标,并在各顶点设置参考信号节点,收集各参考信号节点周围的无线接入点的信号强度,经路由器建立与后台服务器的连接,将收集到的信号强度数据与该点的物理坐标结合,形成指纹数据,上传到服务器;2)服务器将来自参考节点的信号强度数据通过可靠AP选择算法进行过滤,并存储在数据库中;3)构建室内指纹定位模型,并根据过滤后的指纹数据对室内指纹定位模型进行训练;4)用户终端实时感知其实际位置的周围接收到的若干个无线接入点的信号强度,并将该数据上传至服务器,根据训练后的室内指纹定位模型计算用户终端的实际位置并传送给用户终端。2.根据权利要求1所述的一种基于区域划分和稀疏支持向量回归的室内指纹定位方法,其特征在于,所述的步骤2)具体包括以下步骤:201)获取K次采样后在参考点j处无线接入点i信号强度的方差δij:RSSk=rssiijk其中,rssiijk为第k次采样参考点j接收到的接入点i的信号强度,为采样信号强度平均值;202)计算K次采样后各无线接入点的信号出现频率Proi:其中,Ci为无线接入点i的在全部采样中出现的次数,Ck为第k次采样中无线接入点i出现的次数;203)计算接入点i的可靠性:其中,ε为极小的正数;204)计算接入点i的熵ΔEi:其中,Relk为第k次采样中接入点i的可靠性;205)将所有的无线接入点的ΔEi按从大到小顺序排列,取前l个作为选择的可接入点,并将数据库中非该l个无线接入点信号强度数据剔除。3.根据权利要求1所述的一种基于区域划分和稀疏支持向量回归的室内指纹定位方法,其特征在于,所述的步骤3)中,室内指纹定位模型采用稀疏最小二乘支持向量回归模型。4.根...
【专利技术属性】
技术研发人员:刘敏,张越,徐高威,王经纬,房浩,章锋,
申请(专利权)人:同济大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。