一种室内定位中的鲁棒用户轨迹估计的方法、装置及智能通讯设备制造方法及图纸

本发明专利技术公开了一种室内定位中的鲁棒用户轨迹估计的方法，包括：S1.将用户轨迹分成K个分段，每个分段具有N个采样点；S2.抓取用户轨迹分段处的采样点的信息，采用鲁棒统计学的方法来估计这些采样点的距离，并区分用户信息；S3.抓取用户轨迹上连续采样点的信息，结合用户信息，采用加权平均的方法来估计所有采样点间的距离值；其中，K，N均为正整数。本发明专利技术还公开了一种室内定位中的鲁棒用户轨迹估计的装置及智能设备。本发明专利技术的室内定位中的鲁棒用户轨迹估计的方法、装置及智能通讯设备用于限制异常用户或者传感器的异常读数对基于众包的室内定位的负面影响，从而使基于众包的室内定位技术在实际应用中变得鲁棒。

【技术实现步骤摘要】

本专利技术涉及用户轨迹估计领域，尤其涉及一种室内定位中的鲁棒用户轨迹估计的方法、装置及智能通讯设备。
技术介绍
近年来，智能手机装备了各种功能的传感器，并且具有强大的计算和通信功能，智能手机的流形吸引了很多研究人员的关注，他们致力于利用手机上的传感器来改善基于指纹的室内定位方法。在传统方法中，基于指纹的定位包括两个阶段标定阶段和实施阶段。 在标定阶段中，我们需要采集在感兴趣的地点的指纹数据(通常是RSS值(Received Signal Strength，是指接收信号强度))，来构建一个指纹数据库；然后在实施阶段，当用户查询他的位置时，系统会在指纹数据库中匹配他的手机传感器读数，并估计他的位置。标定阶段对于基于指纹的定位方法来说是非常昂贵的但又不可避免的，因此成为这些定位方法的关键瓶颈。在最新的研究中，研究人员探索了用户移动轨迹与指纹的关系，并提出了联系原来离散的指纹的方法。这些最新的方法的共同点在于利用了众包采集的数据来取代昂贵的现场标定，众包获得的指纹数据以及用户轨迹足以进行指纹数据库的构建。虽然这些新方法有效的节省了显式的构建指纹数据库的花费，极大的推动了室内定位方法在现实中部署的进度，然而在实际场景中，搭建的系统应该能够对异常数据有鲁棒性，这恰恰在最新的研究文献中被忽略了，因此这些新的算法在遇到异常值时很可能会失效。具体来说，众包获得的轨迹数据中，由于各种各样的因素，比如用户的异常行为或者设备故障，很可能会包含传感器的异常读数，这些异常读数会导致错误的轨迹估计，使得轨迹估计与平面图错误匹配， 因此接下去的定位步骤变会全部错误。
技术实现思路
本专利技术的目的在于提出一种室内定位中的鲁棒用户轨迹估计的方法、装置以及设备，能够使得基于众包数据采集的室内定位算法变得鲁棒，该方法不仅引入了距离测量的鲁棒性，而且基于众包的实际情形，提出了用户级别的鲁棒性，从而解决了众包采集的数据中用户轨迹空间分布不规则的问题，使得该方法具备了两个层面的鲁棒性，很好的应对了众包数据中存在异常值的情况。为达此目的，本专利技术采用以下技术方案本专利技术公开了一种室内定位中的鲁棒用户轨迹估计的方法，包括SI.将用户轨迹分成K个分段，每个分段具有N个采样点；S2.抓取用户轨迹分段处的采样点的信息，采用鲁棒统计学的方法来估计这些采样点的距离，并区分用户信息；S3.抓取用户轨迹上连续采样点的信息，结合用户信息，采用加权平均的方法来估计所有采样点间的距离值；其中，K，N均为正整数。在本专利技术所述的室内定位中的鲁棒用户轨迹估计的方法中，所述的区分用户信息，具体包括正常用户以及异常用户。在本专利技术所述的室内定位中的鲁棒用户轨迹估计的方法中，所述的正常用户与异常用户区分在于如果有一段轨迹中包括了所有用户的数据，由该段轨迹为主轨迹，通过计算主轨迹来获得每个用户的权重，权重大于预调设值则为正常用户，权重低于预设值则为异常用户。在本专利技术所述的室内定位中的鲁棒用户轨迹估计的方法中，所述的用户轨迹包括用户行走的步数以及从开始点到结束点的RSS值的记录。本专利技术公开了一种室内定位中的鲁棒用户轨迹估计的装置，包括轨迹分段单元，用于将用户轨迹分成K个分段，每个分段具有N个采样点；距离估计单元，用于抓取用户轨迹分段处的采样点的信息，采用鲁棒统计学的方法来估计这些采样点的距离，并区分用户信息用户区分单元，抓取用户轨迹上连续采样点的信息，结合用户信息，采用加权平均的方法来估计所有采样点间的距离值；其中，K，N均为正整数。在本专利技术所述的室内定位中的鲁棒用户轨迹估计的装置中，所述的区分用户信息，具体包括正常用户以及异常用户。在本专利技术所述的室内定位中的鲁棒用户轨迹估计的装置中，所述的正常用户与异常用户区分在于如果有一段轨迹中包括了所有用户的数据，由该段轨迹为主轨迹，通过计算主轨迹来获得每个用户的权重，权重大于预调设值则为正常用户，权重低于预设值则为异常用户。在本专利技术所述的室内定位中的鲁棒用户轨迹估计的装置中，所述的用户轨迹包括用户行走的步数以及从开始点到结束点的RSS值的记录。本专利技术公开了一种智能通讯设备，包括智能通讯设备本体，还包括与所述智能通讯设备本体相连的如上述的室内定位中的鲁棒用户轨迹估计的装置。在本专利技术所述的智能通讯设备中，所述的智能通讯设备为智能手机。实施本专利技术的一种室内定位中的鲁棒用户轨迹估计的方法、装置以及设备，有益效果在于用于限制异常用户或者传感器的异常读数对基于众包的室内定位的负面影响，从而使基于众包的室内定位技术在实际应用中变得鲁棒。附图说明图I是本专利技术室内定位中的鲁棒用户轨迹估计的方法流程图2是本专利技术室内定位中的鲁棒用户轨迹估计的方法的动机场景图3表示了基本的MCD估计量辨别异常值的例子；图4是本专利技术方法用在LiFS室内定位框架时所使用的办公楼平面图5是用户在办公楼内行走轨迹的示意图6表示了不同用户采集的数据间的鲁棒距离和马氏距离；图7展示了三维指纹空间的对比图。图8是我们设计的方法TrMCD与传统的最小二乘法的映射误差累积分布函数。图9是本专利技术室内定位中的鲁棒用户轨迹估计的装置构造方框图10是本专利技术一种智能通讯设备构造 方框图。具体实施方式下面结合附图并通过具体实施方式来进一步说明本专利技术的技术方案。请参阅图I，本专利技术的较佳实施例，一种室内定位中的鲁棒用户轨迹估计的方法， 包括SI.将用户轨迹分成K个分段，每个分段具有N个采样点；S2.抓取用户轨迹分段处的采样点的信息，采用鲁棒统计学的方法来估计这些采样点的距离，并区分用户信息；S3.抓取用户轨迹上连续采样点的信息，结合用户信息，采用加权平均的方法来估计所有采样点间的距离值；其中，K，N均为正整数。其中，所述的区分用户信息，具体包括正常用户以及异常用户，所述的正常用户与异常用户区分在于如果有一段轨迹中包括了所有用户的数据，由该段轨迹为主轨迹，通过计算主轨迹来获得每个用户的权重，权重大于预调设值则为正常用户，权重低于预设值则为异常用户，所述的用户轨迹包括用户行走的步数以及从开始点到结束点的RSS值的记录。下面进行详细说明本专利技术提供了一种基于最小协方差行列式(MCD)的鲁棒轨迹计算的实现方法，有效的辨别和抑制异常值对定位系统的影响。该方法可以很好的集成到现有基于众包的室内定位算法框架中，使得这些定位算法变得鲁棒，适应实际部署的需求。该方法包括以下步骤(I)用户轨迹建模建模点到点的距离为了测量两个采样点之间的距离，通常的做法是使用两个点之间的用户步数计数，然而，不同用户有不同的步长，而且同一个用户也可能由于一些原因 (如用户如何放置智能手机，用户是否走直线，用户有没有用一些异常行为来欺骗手机传感器，等等)，在相同的两个采样点之间采集到不同的数据。此外，如果用户走过多个采样点， 那么相邻采样点之间的距离测量也会表现出随机性，因此不能反映这些采样点之间的真实几何关系。考虑到这些因素，我们假定任意两个采样点之间的步数计数是个随机变量，从而避免显式的建模各种复杂因素，我们需要从众包收集的观测值中估计采样点之间的距离。 我们采用鲁棒统计学的方法来估计采样点间的距离，这可以减轻异常值对估计量的影响。建模轨迹在基于众包的室内定位的应用场景中，我们不仅要鲁棒的估计两个采样点之间的距离，而且还希望区分正常用户和异常用户，因此轨迹本文档来自技高网...

【技术保护点】
一种室内定位中的鲁棒用户轨迹估计的方法，其特征在于，包括：S1.将用户轨迹分成K个分段,每个分段具有N个采样点;S2.抓取用户轨迹分段处的采样点的信息，采用鲁棒统计学的方法来估计这些采样点的距离，并区分用户信息；S3.抓取用户轨迹上连续采样点的信息，结合用户信息，采用加权平均的方法来估计所有采样点间的距离值;其中,K,N均为正整数。

【技术特征摘要】
1.一种室内定位中的鲁棒用户轨迹估计的方法，其特征在于，包括51.将用户轨迹分成K个分段，每个分段具有N个采样点；52.抓取用户轨迹分段处的采样点的信息，采用鲁棒统计学的方法来估计这些采样点的距离，并区分用户信息；53.抓取用户轨迹上连续采样点的信息，结合用户信息，采用加权平均的方法来估计所有采样点间的距离值；其中，K，N均为正整数。2.根据权利要求I所述的室内定位中的鲁棒用户轨迹估计的方法，其特征在于，所述的区分用户信息，具体包括正常用户以及异常用户。3.根据权利要求2所述的室内定位中的鲁棒用户轨迹估计的方法，其特征在于，所述的正常用户与异常用户区分在于如果有一段轨迹中包括了所有用户的数据，由该段轨迹为主轨迹，通过计算主轨迹来获得每个用户的权重，权重大于预调设值则为正常用户，权重低于预设值则为异常用户。4.根据权利要求I所述的室内定位中的鲁棒用户轨迹估计的方法，其特征在于，所述的用户轨迹包括用户行走的步数以及从开始点到结束点的RSS值的记录。5.一种室内定位中的鲁棒用户轨迹估计的装置，其特征在于，包括轨迹分段单元，用于将用户轨迹分成K个分段，每个分段具有N个采样点；距...

【专利技术属性】
技术研发人员：张幸林，杨铮，刘云浩，
申请(专利权)人：无锡清华信息科学与技术国家实验室物联网技术中心，
类型：发明
国别省市：