基于接入点重选择和自适应簇分裂的室内指纹定位方法技术

本发明专利技术公开了一种基于AP重选择和自适应簇分裂的室内指纹定位方法，包括离线数据采集阶段和在线匹配定位阶段：离线数据采集阶段运用自适应簇分裂聚簇方法对栅格数量进行压缩，运用AP重选择策略使每个簇选出定位能力最强的AP集合，最终得到新定义的V-RSS指纹库；在线匹配定位阶段采用基于V-RSS指纹库的自适应簇分裂定位方法；本发明专利技术的优点是计算量和计算复杂度大大低于传统方法，能够节省定位时间和待定位的移动终端在定位过程中消耗的电能；本发明专利技术有效地解决了传统指纹室内定位过程中存在的存储量大、计算量大、定位精度不可控的问题。

【技术实现步骤摘要】
基于接入点重选择和自适应簇分裂的室内指纹定位方法
本专利技术涉及基于接入点（AccessPoint，简称AP）重选择和自适应簇分裂的室内指纹定位方法,属于无线通信系统中的无线定位

技术介绍
目前，随着无线网络的广泛普及和移动智能终端的迅猛发展，基于位置的服务受到越来越多的关注，在紧急救援、医疗保健、社交网络、导航和监控等领域已获得广泛的应用并展示出巨大的市场前景。在开阔的室外环境中，全球定位系统(GPS)，网络辅助全球卫星定位系统(A-GPS)和蜂窝网定位系统可以提供满足各种精度需求的室外环境定位信息。在室内环境中，特别是热点区域，如超市、展厅、医院、会馆、剧院、图书馆、监狱等地，人们对室内位置信息的需求也越来越强烈，以实现导航定位、上下文感知、人员物资监控等全方位的智能服务。但由于GPS信号在很多室内区域无法有效接收，如停车场、医院等，且其定位精度较低，因此室外定位技术无法满足室内定位的需求。已有的传统的室内定位技术大多数需要额外的专用硬件设施，使用成本高，覆盖范围小，限制了基于位置的服务在室内环境的普及。基于无线局域网(WLAN)和接收信号强度(RSS)的室内定位技术，完全基于现有的WLAN基础设施和移动终端就能独立实现定位，无需任何额外的专用设备，成本低，分布广泛，且能满足大多数室内定位应用的精度需求，成为室内定位技术的研究热点。WLAN室内定位技术可以分成两种方法：几何测量法和指纹定位法。几何测量法是指利用几何学的原理和路损模型计算用户的位置。但是由于室内无线电传播环境的极度复杂性，几何测量法的RSS传播模型预测精度往往较低，定位精度不高，且需预先知道接入点（AccessPoint，简称AP）的具体位置，不能满足实际需求。指纹定位法采集参考点位置的RSS样本，构建指纹数据库，并通过RSS样本的指纹匹配得出定位结果，指纹定位法定位精度明显高于几何法，且不需要知道AP的位置。但是，鉴于越来越多的用户主要依靠电池供电的移动设备，而现有的传统WLAN指纹定位方法都存在存储量大、计算量大的问题，终端的负荷和能耗高成为了亟待解决的问题。此外，传统的WLAN指纹定位方法定位精度不可控，无法实现对精度有限定的用户的需求，如何实现精度可控以满足不同用户对所需精度的不同需求、如何在WLAN室内定位方法中节约存储量、减小计算复杂度等成为当前一个重要的急待解决的技术问题。
技术实现思路
本专利技术的目的在于提供一种能够克服上述技术问题的基于接入点重选择和自适应簇分裂的室内指纹定位方法，本专利技术是在传统指纹定位方法的基础上，结合新定义的自动簇分类方法和接入点（AccessPoint，简称AP）重选择策略，对室内待定位的移动终端进行定位，用以解决传统指纹室内定位过程中存在的存储量大、计算量大、定位精度不可控的问题。本专利技术的核心技术特征和思路是基于地理位置和辨识度的最佳AP集合重选择、基于多叉树的自适应簇分裂定位方法。此处多叉树泛指四叉树或八叉树，对于平面定位问题将采用四叉树，对于空间定位问题将采用八叉树。本专利技术包括以下步骤：步骤一：按照传统方法将待定位区域均匀划分为若干栅格（grid），选取每个栅格的几何中心作为参考点位置，在每个参考点位置测量能接收到的所有接入点（AccessPoint）的信号强度，生成接收信号强度指纹向量（RSS向量），建立基础RSS指纹库；步骤二：结合基于地理位置和辨识度的AP重选择方法、自适应簇分裂聚簇方法和自学习机制，生成栅格大小可变的RSS指纹库（V-RSS指纹库）；步骤三：将待定位的移动终端移动到某个位置，测量实时接收的RSS向量，多次测量取平均值并进行去噪处理；步骤四：将步骤三中测得的RSS向量与V-RSS指纹库进行比对，运用基于多叉树的自适应簇分裂定位方法估计待定位的移动终端的位置；步骤五：输出定位结果，所述定位结果包括最佳匹配的簇编号、待定位的移动终端的位置估计和不确定度。本专利技术具有以下创新特点和有益效果：（1）基于地理位置和辨识度的最佳AP集合重选择；在传统指纹定位方法中AP选择是经过一次选择后即应用于整个待定位区域；或者经过聚簇算法，一个聚簇（cluster）应用一组最佳AP集合。在本专利技术中，AP选择虽然也是基于簇为单位，对每个簇都要进行AP选择，但不同的是：首先，本专利技术针对不同的地理位置（地理簇）计算不同的最佳AP集合；第二，最佳AP集合选择时采用辨识度作为衡量准则；第三，在本专利技术中，子簇虽然是由母簇分裂而来的，但是子簇与母簇采用的最佳AP集合却可能是不同的，这是因为在计算最佳AP集合时，只基于该簇内的所有参考点进行计算，也就是说，母簇与子簇包含不同的参考点，经过AP选择方法，得出的最佳AP集合也很可能是不同的。AP重选择机制为不同地理位置的簇寻找到空间区分能力最强的AP，其好处是去除了对定位贡献较小甚至起副作用的AP，既减少了指纹的存储维度，又提高了定位精度。（2）V-RSS指纹库；传统指纹定位方法采用的是栅格大小固定、参与定位的AP集合不变的位置指纹库，其存储方式以二维（平面定位）或三维（空间定位）矩阵为主；与传统指纹定位方法相比本专利技术的V-RSS指纹库具有3个创新点：栅格（簇）大小不固定、每个栅格（簇）的AP集合可变、采用四叉树（平面定位）或八叉树存储（空间定位）。本专利技术的以上创新点是基于AP重选择、自适应簇分裂聚簇方法和自学习机制实现的：首先，对不同的簇，选取在该簇中对空间区分能力最强的AP作为最佳AP集合，在V-RSS指纹库只需要存储最佳AP集合的指纹即可，其它AP的指纹被抛弃，并且不同簇所存指纹对应的AP集合是不完全相同的，因此需要在指纹库中记录AP的编号。其次，采用自适应簇分裂方法，将整个待定位区域分割为大小不一的簇，簇的大小取决于所有AP在该簇的空间区分能力，如果某个子区域存在强空间区分能力的AP集合，则该子区域能分割为很多较小的簇，反之则该区域只能分割为少数几个较大的簇甚至只能归为1个簇，其好处是减少了指纹的存储数量。在实际定位过程中，在不具备强空间区分能力的AP的子区域，即使分割得再细，存储再多的指纹，对于提高定位精度也没有增益。另外，辨识度阈值是决定当前簇是否能继续分裂的关键，该阈值既可以由人工根据实际经验设置，也可以由自学习机制自行获得，其方法是将辨识度阈值定为预期定位误差、无线信号波动特征和簇尺寸的函数，通过自学习的方式确定该函数的表达式或者数值对应关系。（3）本专利技术的基于多叉树的自适应簇分裂的在线定位方法；传统指纹定位方法多采用将在线实时指纹与离线指纹进行穷举对比，寻找欧式距离（或者加权欧式距离）最小的指纹对应的位置作为定位估计；与之相比，本专利技术采用的是基于四叉树（平面定位）或八叉树（空间定位）的搜索式定位方法。本专利技术的优点是不需要计算在线实时指纹与所有离线指纹的欧式距离，且在计算欧式距离时只需要考虑最佳AP集合组成的线性空间，本专利技术的计算量和计算复杂度大大低于传统方法，与传统方法相比，本专利技术在能够保证定位精度的前提下，既减少了需要存储的指纹数量又降低了指纹向量的维度；还能够节省定位时间和待定位的移动终端在定位过程中消耗的电能；由于传统指纹定位方法只能给出定位估计但无法对定位估计进行评价，而本专利技术不但可以给出定位估计还可以给出定位估计的不确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于接入点重选择和自适应簇分裂的室内指纹定位方法，其特征在于，包括以下步骤：步骤一：按照传统方法将待定位区域均匀划分为若干栅格，选取每个栅格的几何中心作为参考点位置，在每个参考点位置测量能接收到的所有接入点的信号强度，生成接收信号强度指纹向量，即RSS向量，建立基础RSS指纹库；步骤二：结合基于地理位置和辨识度的AP重选择方法、自适应簇分裂聚簇方法和自学习机制，生成栅格大小可变的RSS指纹库，即V-RSS指纹库；(0)初始时，设置一个存储待分裂簇的空栈，并将当前簇设置为根簇；(1)设当前簇为q，对q做预分裂，对簇q作虚拟的十字均分，预分裂后得到四个子簇q1,q2,q3,q4；(2)计算各子簇的重心指纹向量；以子簇q1为例，其重心指纹rq1＝(rq1,1,rq1,2…rq1,M)，其中rq1,j表示第j个AP在q1子簇内的平均接收信号强度；(3)AP重选择，当前簇改变后需要重新进行AP选择，最终为不同地理位置的簇定义自己的最佳AP集合；选择最佳AP集合的具体步骤为：(31)先计算子簇的重心指纹和簇内方差；以簇q1中第j个AP为例，其重心指纹Si,j表示第j个AP在第i个参考点的位置指纹；Cq1表示簇q1中参考点数目；其簇内方差同理可得rq2,j，rq3,j，rq4,j，(32)对簇q，第j个AP的辨识度定义为：辨识度向量tq＝(tq,1，tq,2…，tq,M)；(33)对tq,j按由大到小的顺序排序，取出前N个组成最佳AP集合，把对应的AP编号存在向量vq中；(34)分别得到四个子簇的簇指纹；例如，子簇q1簇指纹定义为是指从中选出vq对应的指纹，得到经过AP选择后子簇q1的重心指纹可以表示为：同理可得和的区别是后者包括了所有AP在簇q1的指纹，其维度为M，而前者只包括了最佳AP集合的指纹，其维度为N，N<M；(4)定义函数Γ(tq)，用于判断当前簇可否分裂：其中ε为可分裂门限，既可根据经验由人工设置，也可由自学习机制自动获得，其方法是将辨识度阈值定为预期定位误差、无线信号波动特征和簇尺寸的函数，通过自学习的方式确定该函数的具体表达式或者数值对应关系；(5)存储数据：将簇编号q、判别函数Γ(tq)的值、当前簇最佳AP集合vq存储到V-RSS指纹库中；如果Γ(tq)＝1，跳到步骤(6)；如果Γ(tq)＝0，跳到步骤(7)；(6)对簇q进行分裂；实际上就是对簇预分裂的确认过程，对簇q进行十字均分，得到四个子簇q1,q2,q3,q4，存储vq在四个子簇产生的重心指纹uq1,uq2,uq3,uq4，将簇q2,q3,q4压入栈中，当前簇设置为q1，跳到步骤(1)；(7)当前簇q不能再分裂，返回栈中取出一个新簇作为当前簇，跳到步骤(1)；如果栈空则整个簇分裂过程结束，V-RSS指纹库生成完毕；步骤三：将待定位的移动终端移动到某个位置，测量实时接收的RSS向量，多次测量取平均值并进行去噪处理；步骤四：将步骤三中测得的RSS向量与V-RSS指纹库进行比对，运用基于多叉树的自适应...

【专利技术属性】
技术研发人员：梁栋，毕真，周盈君，曾书磊，刘敬智，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：