一种基于无线信号强度的室内定位方法技术

本发明专利技术涉及一种基于无线信号强度的室内定位方法。本发明专利技术首先构造RSS变化空间，RSS变化空间由距离矩阵D和相对坐标矩阵Y构成；然后确定测试数据集，将整个测试数据集作为测试样本输入到k‑means算法模型中，构造距离矩阵D；接着进行数据降维，建立距离矩阵D的相对坐标矩阵Y；此后，通过RSS变化空间来对未知位置移动节点进行定位，数据分析中心将目标的准确定位发送至移动终端。本发明专利技术利用实时数据实时更新模型和定位，无需在移动设备上进行专门设置，对环境动态变化具有适应性，更加便于推广。当使用者发生位移时利用新型手机内置传感器来构建RSS信号变化平面示意图，测算一个移动节点的相对位置，从而达到定位效果。

【技术实现步骤摘要】
一种基于无线信号强度的室内定位方法
本专利技术属于涉及机器学习的无线通信网络
，涉及一种基于无线信号强度的室内定位方法。
技术介绍
无线网络、移动计算、普适计算等技术的不断发展使得基于位置的服务和应用日益普及。而定位系统在室内环境中却因为环境阻隔而难以发挥功效。因此可实现精确的室内定位技术显得尤为重要。目前在室内定位领域人们多偏向于基于Wi-Fi指纹的定位算法。该方法分为采样和定位两个阶段。采样阶段：在待定场所布置三个或三个以上固定位置参考点，采集并保存Wi-Fi信号的信号强度-位置(RSS-location,RSSI)值数据，构建位置指纹库。定位阶段：服务器对待定位点RSSI值与指纹库中的对应位置进行匹配，找出最近似位置点。该方法指纹数据库构建麻烦，人工投入以及在线计算量大且无法自动更新指纹数据库，而不同时间、同一位置接收的同一个AP的RSS值有较大的差异，这导致指纹数据库中的信息在定位时失去时效性与准确性，其次两个相隔很远的位置采集到的RSS指纹可能较相似，降低了RSS指纹在空间上的区分度，从而降低了定位系统的精度。本专利技术在RSS定位的基础上，通过测试节点对RSS变化空间进行训练，无须探明固定WIFI信号源的位置，摆脱了原方法对于信号强度的过度依赖，只需要采集一次先验信息，通过后续的信号强度变化进行测算定位目标位置的变化，定位精度可达厘米级。
技术实现思路
本专利技术的目的就是提供一种基于无线信号强度的室内定位方法。本专利技术包括如下步骤：步骤一：数据分析中心构造RSS变化空间，RSS变化空间将由距离矩阵D和相对坐标矩阵Y构成，具体步骤如下：1、确定测试数据集：测试数据集RSSk(rss1k,rss2k,rss3k)由K个测试样本组成，RSSk为形容一个移动到固定位置的节点的数组，rss1k、rss2k、rss3k分别为固定位置的节点接受到的来自三个WIFI发射器的信号强度。2、将整个测试数据集作为测试样本输入到k-means算法模型中。选取了K个样本数据，将这K个样本数据作为K个簇。因为每个簇都有一个簇中心，且刚好每个样本数据对应一个簇，所以简单认为每一个样本数据都属于一个不同的簇，同时样本数据也是该簇的簇中心。3、构造距离矩阵D:计算K个簇中心之间两两之间的欧几里得距离(x1,x2为两节点的坐标)数据记在距离矩阵D中，例如dist12是簇1和簇2之间的欧几里得距离。4、进行数据降维，建立距离矩阵D的相对坐标矩阵Y。首先，利用步骤3的距离矩阵D计算降维后样本的内积矩阵B:构造矩阵B＝DTD，得到计算公式：根据这个公式计算出距离矩阵B中的每一个元素。然后，对上述矩阵内积矩阵B做特征值分解。然后，对降维后的数据进行可视化。最后，将降维后的数据存储到相对坐标矩阵Y。步骤二：数据分析中心通过RSS变化空间来对移动节点进行定位；1)、获得新的未知位置移动节点g的特征数组RSSg(rss1g,rss2g,rss3g)，把它作为新的元素加入到RSS变化空间之中，并重复步骤3，更新距离矩阵D为新距离矩阵Dg。2)、重复步骤4，构建距离矩阵Dg的相对坐标矩阵Yg。3)、在相对坐标矩阵Yg中找到移动节点g相对坐标,移动节点g的相对坐标即为移动节点g在这个RSS变化空间中的位置。4)、输出移动节点g的相对坐标，完成定位。步骤三、数据分析中心将目标的准确定位发送至移动终端。本专利技术利用实时数据实时更新模型和定位，无需在移动设备上进行专门设置，对环境动态变化具有适应性，更加便于推广。当使用者发生位移时利用新型手机内置传感器来构建RSS信号变化平面示意图(就像是无线电地图)，并将其作为先验信息。然后，以先验信息为基础，测算一个移动节点的位置，达到定位效果。附图说明图1为本专利技术构造RSS变化空间的流程图；图2为本专利技术对移动节点进行定位的流程图。具体实施方式一种基于无线信号强度的室内定位方法，包括如下步骤：步骤一：数据分析中心构造RSS变化空间，如图1所示，RSS变化空间将由距离矩阵D和相对坐标矩阵Y构成，具体步骤如下：1、确定测试数据集：测试数据集RSSk(rss1k,rss2k,rss3k)由K个测试样本组成，RSSk为形容一个移动到固定位置的节点的数组，rss1k、rss2k、rss3k分别为固定位置的节点接受到的来自三个WIFI发射器的信号强度。2、将整个测试数据集作为测试样本输入到k-means算法模型中。选取了K个样本数据，将这K个样本数据作为K个簇。因为每个簇都有一个簇中心，且刚好每个样本数据对应一个簇，所以简单认为每一个样本数据都属于一个不同的簇，同时样本数据也是该簇的簇中心。3、构造距离矩阵D:计算K个簇中心之间两两之间的欧几里得距离(x1,x2为两节点的坐标)数据记在距离矩阵D中，例如dist12是簇1和簇2之间的欧几里得距离。4、利用MDS算法进行数据降维，建立距离矩阵D的相对坐标矩阵Y。首先，利用步骤3的距离矩阵D计算降维后样本的内积矩阵B:构造矩阵B＝DTD，得到计算公式：根据这个公式计算出距离矩阵B中的每一个元素。然后，对上述矩阵内积矩阵B做特征值分解。然后，对降维后的数据进行可视化。最后，将降维后的数据存储到相对坐标矩阵Y。步骤二：数据分析中心通过RSS变化空间来对移动节点进行定位；如图2所示，具体包括如下步骤：1)、获得新的未知位置移动节点g的特征数组RSSg(rss1g,rss2g,rss3g)，把它作为新的元素加入到RSS变化空间之中，并重复步骤3，更新距离矩阵D为新距离矩阵Dg。2)、重复步骤4，构建距离矩阵Dg的相对坐标矩阵Yg。3)、在相对坐标矩阵Yg中找到移动节点g相对坐标,移动节点g的相对坐标即为移动节点g在这个RSS变化空间中的位置。4)、输出移动节点g的相对坐标，完成定位。步骤三、数据分析中心将目标的准确定位发送至移动终端。上述步骤中用户的移动终端通过无线访问接入点组成无线网。用户在移动终端将数据上传到数据分析中心，向数据分析中心发送定位请求，数据分析中心接收定位请求后将该用户最新的定位结果返回至移动终端。移动终端上的无线网卡获取无线访问接入点的WiFi信号的RSS，数据分析中心收集到数据后，采用本专利技术进行实时分析，从而给出准确定位。本文档来自技高网...

【技术保护点】
1.一种基于无线信号强度的室内定位方法，其特征在于：包括如下步骤：步骤一：数据分析中心构造RSS变化空间，RSS变化空间将由距离矩阵D和相对坐标矩阵Y构成，具体步骤如下：1、确定测试数据集：测试数据集RSSk(rss1k,rss2k,rss3k)由K个测试样本组成，RSSk为形容一个移动到固定位置的节点的数组，rss1k、rss2k、rss3k分别为固定位置的节点接受到的来自三个WIFI发射器的信号强度；2、将整个测试数据集作为测试样本输入到k‑means算法模型中；选取了K个样本数据，将这K个样本数据作为K个簇；因为每个簇都有一个簇中心，且刚好每个样本数据对应一个簇，所以简单认为每一个样本数据都属于一个不同的簇，同时样本数据也是该簇的簇中心；3、构造距离矩阵D:计算K个簇中心之间两两之间的欧几里得距离

【技术特征摘要】
1.一种基于无线信号强度的室内定位方法，其特征在于：包括如下步骤：步骤一：数据分析中心构造RSS变化空间，RSS变化空间将由距离矩阵D和相对坐标矩阵Y构成，具体步骤如下：1、确定测试数据集：测试数据集RSSk(rss1k,rss2k,rss3k)由K个测试样本组成，RSSk为形容一个移动到固定位置的节点的数组，rss1k、rss2k、rss3k分别为固定位置的节点接受到的来自三个WIFI发射器的信号强度；2、将整个测试数据集作为测试样本输入到k-means算法模型中；选取了K个样本数据，将这K个样本数据作为K个簇；因为每个簇都有一个簇中心，且刚好每个样本数据对应一个簇，所以简单认为每一个样本数据都属于一个不同的簇，同时样本数据也是该簇的簇中心；3、构造距离矩阵D:计算K个簇中心之间两两之间的欧几里得距离其中x1,x2为两节点的坐标；数据记在距离矩阵D中，例如dist12是簇1和簇2之间的欧几里...

【专利技术属性】
技术研发人员：陈媛芳，金国强，胡伟通，何国栋，金韩波，何红政，陈忠喜，张辰婷，陈奔，
申请(专利权)人：浙江阿卡云信息科技有限公司，
类型：发明
国别省市：浙江,33