【技术实现步骤摘要】
本专利技术涉及定位，更具体的说是涉及一种基于lora技术的多楼层室内定位方法及系统。
技术介绍
1、目前，在多楼层建筑中如医院、商场、写字楼、住宅楼等，为了提高工作效率和安全监督，对室内定位的要求不仅仅是平面位置信息，还需要获取所在位置的纵向位置信息。在物联网的背景下，基于室内位置的信息服务需求不断递增，推动了室内定位技术的快速发展。如uwb、wi-fi、ble、计算机视觉、伪卫星等。目前，在在多楼层室内定位系统中，主要有基于wlan无线信号的方法以及与其他技术融合辅助定位来实现多楼层室内定位，如气压计、惯性导航仪等。在基于wlan的指纹室内定位系统中，主要通过用户主动参与来获取楼层信息，在一定程度上降低了定位系统的智能性。同时，该类技术的信号范围会随着障碍物的出现而信号急剧下降，因此需要投入更多的设备来实现所需的定位精度。在基于wlan的定位技术中，wi-fi和蓝牙等技术由于共享相同的信号频段，相互带来的干扰也会导致定位精度的降低。而通过其他技术融合进行辅助定位来实现多楼层室内定位，往往会因为设备之间的异构性问题，造成一定程度的定位误差。
2、随着新兴技术的迭代发展，出现了各种低带宽、低功耗和远程无线广域网(lpwan)，如lora、nb-iot和sigfox等。一些研究者对lora信号强度波动进行了比较，结果表明，同一环境下，lora比wi-fi和ble更稳定。此外，lora是从css扩频调制中衍生出来的专有调制方案，具有多经效应低、穿透能力强、低功耗、传输距离长等优点。使得lora技术相比较于现有的wlan无线
3、因此，如何基于lora技术在多楼层室内定位中提高楼层识别率以及减小定位误差是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于lora技术的多楼层室内定位方法及系统，以解决
技术介绍
中存在的问题。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一方面，提供一种基于lora技术的多楼层室内定位方法，包括：
4、将指纹数据和真实位置信息建立映射关系，构建初始指纹数据库；
5、利用lof算法对所述初始指纹数据库进行滤波处理，得到楼层识别指纹数据库和单楼层指纹数据库；
6、在楼层识别指纹数据库的基础上，利用k近邻算法建立楼层判别模型；
7、基于主成分回归分析法将多维空间的相关多变量的数据特征通过降维映射到新的k维空间上，且新的k维空间是从原有的多维空间映射出来的全新正交特征矢量，建立平面定位模型，利用单楼层指纹数据库训练平面定位模型；
8、获取在线指纹信息，并将其输入到楼层判别模型中得到楼层编号；
9、将楼层编号和在线指纹信息输入到平面定位模型中，得到多楼层空间位置。
10、可选的，所述构建初始指纹数据库的具体过程为：
11、在待定位的多楼层建筑中，沿着设置的参考点位置采集rssi信号，利用信号接收设备接收并记录指纹数据，在此基础上建立初始指纹数据集；将指纹数据和真实位置信息进行一一对应，构建出初始指纹数据库。
12、可选的，所述lof算法具体为：
13、计算每个点的可达距离；
14、基于可达距离计算每个点的局部可达密度
15、基于每个点的局部可达密度计算每个点的局部离群因子；
16、若局部离群因子的值≥1，则该数据点判定为异常指纹数据；若局部离群因子的值≈1，则该数据点为正常的指纹数据。
17、可选的，输入到楼层判别模型中得到楼层编号具体为：
18、采集在线指纹，并进行滤波处理；
19、计算在线指纹与楼层识别指纹数据库之间的欧式距离；
20、利用加权k邻近算法进行楼层识别，选择离楼层识别指纹数据库中加权后最接近的k个指纹数据所对应的真实位置作为待定位的候选楼层；
21、从待定位的候选楼层中获取比例最大的楼层数目作为最终的目标楼层。
22、可选的，基于主成分回归分析法建立平面定位模型具体为：
23、数据的中心化处理：通过对数据的平移变换进行中心化处理，将中心化处理后的离线指纹数据按楼层编号进行分区存储；
24、提取主成分：从rssi指纹数据x中寻找一组正交坐标系vi，使得所有指纹数据矩阵沿着vi进行投影后，指纹数据矩阵在新的坐标轴上的投影不损失原有指标的信息，要求方差s2最大；
25、然后根据拉格朗日公式，计算协方差矩阵c：
26、
27、通过对协方差矩阵c进行特征值分解，获取特征值以及对应的特征向量，并对特征值按照从大到小的顺序进行排序，取前k个最大的特征值所对应的特征向量，组成降维后的转换矩阵d，利用下式获取新的降维矩阵i；
28、i＝xdt
29、求解回归方程：利用新的降维矩阵i，基于最小二乘回归构建平面定位模型。
30、可选的，所述中心化处理：
31、
32、其中，xij表示n维rssi指纹数据库中的第i行的第j列数。
33、可选的，所述计算点q到点p的第k可达距离为：
34、dk(p,q)＝max{dk(q),d(p,q)}
35、其中，dk(q)为邻域点q的第k距离，d(p,q)为邻域点q到点p的距离。
36、可选的，计算每个点的局部可达密度具体为：
37、
38、其中，lrdk(p)表示数据点p的第k局部可达密度；nk(p)表示p点的第k距离领域，即点p的第k距离内的所有点的集合，有|nk(p)|≥k。
39、可选的，计算每个点的局部离群因子，公式如下：
40、
41、其中，lofk(p)表示数据点p的第k局部离群因子，lof≥1，则数据点p判定为异常指纹数据；lof≈1，则数据点p为正常的指纹数据。
42、一方面，提供一种基于lora技术的多楼层室内定位系统，包括以下模块：
43、初始指纹数据库构建模块，将指纹数据和真实位置信息建立映射关系，构建初始指纹数据库；
44、预处理模块，利用lof算法对所述初始指纹数据库进行滤波处理，得到楼层识别指纹数据库和单楼层指纹数据库；
45、楼层判别模型建立模块，在楼层识别指纹数据库的基础上，利用k近邻算法建立楼层判别模型；
46、平面定位模型建立模块，基于主成分回归分析法将多维空间的相关多变量的数据特征通过降维映射到新的k维空间上，且新的k维空间是从原有的多维空间映射出来的全新正交特征矢量，建立平面定位模型，利用单楼层指纹数据库训练平面定位模型；
47、楼层编号获取模块，获取在线指纹信息，并将其输入到楼层判别模型中得到楼层编号；
48、空间位置输出模块，将楼层编号和在线指纹信息输入到平面本文档来自技高网...
【技术保护点】
1.一种基于LoRa技术的多楼层室内定位方法，其特征在于，包括：
2.根据权利要求1所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，所述构建初始指纹数据库的具体过程为：
3.根据权利要求2所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，所述LOF算法具体为：
4.根据权利要求1所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，输入到楼层判别模型中得到楼层编号具体为：
5.根据权利要求1所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，基于主成分回归分析法建立平面定位模型具体为：
6.根据权利要求5所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，所述中心化处理：
7.根据权利要求3所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，计算点Q到点P的第k可达距离为：
8.根据权利要求7所述的一种基于LoRa技术的多楼层室内定位方法，其特征在于，计算每个点的局部可达密度具体为：
9.根据权利要求8所述的一种基于LoRa技术的多楼
10.一种基于LoRa技术的多楼层室内定位系统，其特征在于，包括以下模块：
...【技术特征摘要】
1.一种基于lora技术的多楼层室内定位方法，其特征在于，包括：
2.根据权利要求1所述的一种基于lora技术的多楼层室内定位方法，其特征在于，所述构建初始指纹数据库的具体过程为：
3.根据权利要求2所述的一种基于lora技术的多楼层室内定位方法，其特征在于，所述lof算法具体为：
4.根据权利要求1所述的一种基于lora技术的多楼层室内定位方法，其特征在于，输入到楼层判别模型中得到楼层编号具体为：
5.根据权利要求1所述的一种基于lora技术的多楼层室内定位方法，其特征在于，基于主成分回归分析法建立平面定位模型具体为：...
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。