一种基于位置候选集与EM算法的室内定位方法技术

本发明专利技术属于室内定位技术领域，涉及一种基于位置候选集与EM算法的室内定位方法。本发明专利技术的方法首先通过不同的机器学习方法离线训练分类器，在线定位时，根据每个分类器对实测数据的格点位置预测概率矢量选取概率较大的多个位置估计构造位置候选集。在此基础上，通过无监督EM算法在线估计候选位置的概率分布并估计目标位置。本发明专利技术方法的位置估计仅需要在线数据就可完成，无需进行权值匹配和存储，减少了传统融合过程中的权值匹配误差，提高了定位系统的室内环境变化的自适应能力。同时，本发明专利技术方法无需额外离线训练数据训练权值，降低了离线建库的负担，是一种有效、实用的高精度室内定位方法。

An Indoor Location Method Based on Location Candidate Set and EM Algorithms

The invention belongs to the field of indoor positioning technology, and relates to an indoor positioning method based on position candidate set and EM algorithm. The method of the present invention first trains classifiers offline by different machine learning methods, and constructs position candidate sets according to multiple position estimates with high probability of predicting probability vectors of lattice position of measured data by each classifier in online positioning. On this basis, the unsupervised EM algorithm is used to estimate the probability distribution of candidate positions and target positions online. The position estimation of the method can be accomplished only by online data, without weight matching and storage, which reduces the weight matching error in the traditional fusion process and improves the adaptive ability of the positioning system for indoor environment changes. At the same time, the method of the invention does not need additional training weights of off-line training data, reduces the burden of off-line database building, and is an effective and practical high-precision indoor positioning method.

【技术实现步骤摘要】
一种基于位置候选集与EM算法的室内定位方法
本专利技术属于室内定位
，涉及一种基于位置候选集与EM算法(期望最大化算法)的室内定位方法。
技术介绍
随着物联网技术与移动互联网的发展，基于位置的服务展现出广阔的应用前景和商业价值，如室内导航，目标跟踪，仓储管理，精准广告等。在室内环境中，由于GPS信号不可达，因此无法进行定位。常见的室内定位系统包括WiFi、蓝牙、RFID和UWB等，其中，基于WiFi的室内定位系统具有普及率高、设备成本低、易于部署、不需要增加额外设备等优点，最具有应用前景。基于WiFi的室内定位系统可分为两类：基于参数化的定位方法和基于指纹的定位方法，其中基于指纹的定位方法无需知道环境布局，更适合在复杂环境中进行定位，且具有较高的定位精度，因此受到广泛的关注。基于指纹的室内定位方法首先需要在目标环境中采集RSS(ReceivedSignalStrength)指纹，然后构建分类模型进行位置估计。然而在室内环境中，受多径、遮蔽、环境变化等效应的影响，RSS信号波动较大，使得分类模型对RSS的匹配准确率不高，经常匹配到错误位置，造成较大的定位误差。近几年，不少学者提出本文档来自技高网...

【技术保护点】
1.一种基于位置候选集与EM算法的室内定位方法，其特征在于，包括以下步骤：S1、建立离线指纹库：将带定位区域划分为多个格点，通过在每个格点对AP信号的扫描，采集指纹样本RSS值，并建立离线指纹库；S2、利用不同的机器学习模型，根据步骤S1获得的指纹样本，离线训练多个指纹分类器；S3、实时定位：根据待定位智能终端获得的AP的RSS值，经过步骤S2的指纹分类器进行格点位置预测后，再通过EM算法估算出最终的位置。

【技术特征摘要】
1.一种基于位置候选集与EM算法的室内定位方法，其特征在于，包括以下步骤：S1、建立离线指纹库：将带定位区域划分为多个格点，通过在每个格点对AP信号的扫描，采集指纹样本RSS值，并建立离线指纹库；S2、利用不同的机器学习模型，根据步骤S1获得的指纹样本，离线训练多个指纹分类器；S3、实时定位：根据待定位智能终端获得的AP的RSS值，经过步骤S2的指纹分类器进行格点位置预测后，再通过EM算法估算出最终的位置。2.根据权利要求1所述的一种基于位置候选集与EM算法的室内定位方法，其特征在于，所述步骤S1的具体方法为：S11、将待定位区域划分为G个格点，每个格点有唯一的标号k,(k＝1,2,…,G)，并记录每个格点的二维坐标zk＝[xk,yk]T，在待定位区域部署L个AP；S12、持智能终端依次在各个格点中扫描各AP的信号强度，令为在第k个格点上扫描到的第l个AP的第n个RSS值，则在第k个格点、第n次采样得到的RSS样本矢量为：假设在每个格点共采集N次RSS指纹，则第k个格点的指纹为：Dk＝[rk(1),rk(2),...,rk(N)]T依次在G个格点中采集RSS指纹，最终的指纹矩阵D为：D＝[D1,D2,…,DG]指纹矩阵D即为离线指纹库。3.根据权利要求2所述的一种基于位置候选集与EM算法的室内定位方法，其特征在于，所述步骤S2的具体方法为：根据得到的指纹数据D，利用M个不同的机器学习算法，分别训练对应的指纹分类器，记为fm(D),m＝1,2,…,M，M≥1。4.根据权利要求3所述的一种基于位置候选集与EM算法的室内定位方法，其特征在于，所述步骤S3的具体方法为：S31、待定位目标终端扫描其附近的AP的RSS值,得到实时RSS特征向量S32、得到RSS矢量之后，利用步骤2训练得到的M个指纹分类器分别对进行预测，得到预测概率矢量：其中pmk代表第m个分类器预测目标在第k个格点位置上的概率；S33、对每个分类器取Hm个概率最高的预测作为位置候选集合，Hm≥1，分类器输出的概率代表预测的可信度，通过确定各个分类器输出概率矢量的拐点，第m个分类器提出Hm个候选位置，将所有分类器提出的候选位置整合到一起，则候选集表示为：x＝[x1,x2,…,xC]T其中，xi为候选位置标号，为总的候选位置数量；令为x中出现过的不同的候选位置，其中N为不同位置的个数，记n＝[n1,n2,…,nN]T，其中n...

【专利技术属性】
技术研发人员：郭贤生，朱世林，李林，万群，段林甫，李会勇，沈晓峰，殷光强，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51