专利名称：Wi-Fi室内定位方法
技术领域：
本发明涉及室内定位方法，具体涉及W1-Fi室内定位方法。
背景技术：
随着科技水平的提高，多种多媒体业务的飞速发展，人们对于定位服务的需求日益增大，尤其在复杂的室内环境中常常需要确定移动终端或其持有者在室内的位置信息。然而由于多径信号和小尺度衰落等干扰因素的存在，往往导致基于室内传输模型的定位变得精度难以达到要求。超声波定位技术、射频识别技术、超宽带技术、光跟踪定位技术等室内定位手段虽然可以达到较高的定位精度，但需要大量的传感器以及额外的硬件设备支持，实际应用中具有较大的局限性。当前，基于802.11协议的WLAN技术得到了很大的发展，基于WLAN位置指纹(Finger Print)的室内定位技术应运而生。该方法的网络构建方式不需要额外硬件设备，因而成本低廉，而且系统总精度较高。然而基于位置指纹技术建立覆盖定位区域的位置指纹图(RadioMap)往往包含庞大数据信息量，且随着所需定位区域的扩展，RadioMap数据量会呈指数形式增长。尽可能多的定位数据信息理论上来说会对于整个系统的定位精度有一定程度的提升，但是大量的数据信息延长了定位运算过程所需时间，同时海量信息存储也会成为终端用户的负担。传统W1-Fi室内定位方法中存在的特征信息位置指纹图数据库过于庞大，在线定位阶段匹配过程中运算复杂度高，实时性差等问题。
发明内容
本发明为了解决传统W1-Fi室内定位方法中存在的特征信息位置指纹图数据库过于庞大，在线定位阶段匹配过程中运算复杂度高，实时性差等问题，从而提出了 W1-Fi室内定位方法。W1-Fi室内定位方法是基于室内W1-Fi无线网络系统实现的，整个待定位的室内该室内W1-Fi无线网络系统的包括Q个无线连接点和m0个参考点，整个待定位的室内共有q个子区域，位于该室内的W1-Fi对待测点的定位方法为:A、当待测点接收到的无线连接点发送的无线信号强度值时，采用支持向量机分类器将待测点定位到相应第i个子区域，获取该子区域的位置指纹图Siib-RadioMapf和特征变换矩阵Ai ；其中，i= I, 2,…，q,B、采用第i个子区域的特征变换矩阵Ai将待测点无线信号强度值进行维数转换得到d维无线信号强度值并与该子区域Sub - RadioMapf进行匹配，采用权值K最邻近结点算法对待测点位置坐标进行预测，输出定位结果，其中，Sub-RadioMapf表示第i个子区域的d维位置指纹图。
本发明通过支持向量机算法在定位方法中在定位时能够预先将数据按照不同的空间位置合理划分成若干子区域，通过主成分分析算法在线定位阶段匹配过程降低了运算复杂度高，达到了实时性好的目的。本发明在定位时能够预先将数据按照不同的空间位置合理划分成若干子区域，一方面可以大幅降低数据量，另一方面还可以通过区域空间坐标的聚集达到提高定位精度的目的。支持向量机(Support Vector Machine, SVM)可以应用在室内定位过程中实现精确的子区域选择。SVM能自适应学习模式的非线性关系，尤其是支持向量机分类器有着较高分类精度和较低的复杂度，能够满足绝大多数情况下室内区域定位的需求。另一种处理庞大数据信息量的方式是应用降维算法。含有众多数据特征的RadioMap内部数据之间可能有较强相关性。降维算法的目的正是通过提取隐含于数据内的能够整体描述RadioMap的低维特征进行维数转换，从而在保证精度的前提下减少数据量，提高信息处理效率。主成分分析(Principal ComponentAnalysis, PCA)算法是一种理论完善且计算有效的线性降维算法，对具有线性结构或服从高斯分布的数据集，算法有好的降维效果，且对数据中含有的噪声不敏感。本发明使用PCA算法对RadioMap进行降维处理并与SVM选区协作完成定位过程。
图1为本发明所述的W1-Fi室内定位方法流程图；图2为基于PCA与SVM协作的室内定位方法在线阶段流程图；图3为基于PCA与SVM协作的室内定位方法离线阶段流程图；图4为SVM求解a 4流程图；图5为具体实施方式
七所述的某大学科学园2A栋12层的平面示意图；图6为基于W1-Fi的室内定位网络分区示意图。
具体实施例方式具体实施方式
一、结合图1和图2具体说明本实施方式，本实施方式所述的W1-Fi室内定位方法，W1-Fi室内定位方法是基于室内W1-Fi无线网络系统实现的，整个待定位的室内该室内W1-Fi无线网络系统的包括Q个无线连接点和m0个参考点，整个待定位的室内共有q个子区域，位于该室内的W1-Fi对待测点的定位方法为:A、当待测点接收到的无线连接点发送的无线信号强度值时，采用支持向量机分类器将待测点定位到相应第i个子区域，获取该子区域的位置指纹图Sub-RadioMapf和特征变换矩阵Ai ;所述的待测点为要被定位的对象，其中，i= 1，2，…，q,B、采用第i个子区域的特征变换矩阵Ai将待测点无线信号强度值进行维数转换得到d维无线信号强度值并与该子 区域Sub - Radi0Mapf进行匹配，采用权值K最邻近结点算法对待测点位置坐标进行预测，输出定位结果，其中，Sub-RadioMapf表示第i个子区域的d维位置指纹图。本实施方式是在在线阶段实现的。
具体实施方式
二、结合图3具体说明本实施方式，本实施方式与具体实施方式
一所述的W1-Fi室内定位方法的区别在于，步骤A所述的支持向量机分类器、位置指纹图Sub-RadioMapi和特征变换矩阵Ai由下述步骤获得:本实施方式是在离线阶段实现的构建位置指纹图并进行分区处理，步骤一、将Q个无线连接点布置于整个待定位的室内区域，让无线信号覆盖该区域，完成W1-Fi网络构建；并记录0个参考点的相应坐标,依次测量并记录0个参考点接收到的Q个无线连接点发送的无线信号强度值，并将该无线信号强度值作为位置特征信息，构建整体位置指纹图；步骤二、第i个子区域的位置指纹图表示为Sub-RadioMapi ；步骤三、采用支持支持向量机算法对q个子区域依次进行训练，得到任意两个子区域的位置指纹图之间的界线矩阵Wu并生成支持向量机分类器，作为在线阶段定位划分子区域的准则；其中，i表示第i 个子区域，j表示第j个子区域，且i幸j，Wy表示第i个子区域与第j个子区域之间的界线矩 阵，步骤四、在每个子区域采用主成分分析算法将该区域的位置指纹图数据降至d维，获得相应的位置指纹图和特征变换矩阵，则第i个子区域的d维位置指纹图表示为Sub-RadioMapf，第i个子区域的特征变换矩阵为Ai ；步骤五、将q个子区域的所有特征变换矩阵与相应的位置指纹图进行存储，作为在线阶段待测点的降维准则及定位匹配数据库；其中，d为降维的目标维数。
具体实施方式
三、本实施方式与具体实施方式
二所述的W1-Fi室内定位方法的区别在于，步骤三所述的采用支持向量机算法对q个子区域依次进行训练，得到任意两个子区域的位置指纹图之间的界线矩阵Wu并生成支持向量机分类器的具体过程为:将Q个无线连接点布置于整个待定位的室内区域，{6}=为支持向量机算法的输入数据kG 表示每一个待分类的数据，每个参考点接收q个无线连接点发送的无线信号强度值，yt为对应Xt的标签值，所有属于i区的Xt的标签值yt为1，所有属于j区的Xt的标签值yt为-1，在训练之前所有yt值已经确定，所述的i和j均为待定位的室内区域的子区域，其中，m表示两个子区域的参考点总数，且m G 0，Xt为列向量，表示第t个参考点接收Q个无线连接点发送的无线信号强度值矩阵，t = I, yt=l或-1, xt= [RSStm, RSSV2, RSS\Pn...，RSS^pJ1, n=l, 2，...，Q，AP 表示无线信号强度值，RSS1 表示第 t 个参考点接收到的第n个无线连接点发送的无线信号强度值，根据公式(I)获得界线矩阵:
权利要求
1.1-Fi室内定位方法，其特征在于:W1-Fi室内定位方法是基于室内W1-Fi无线网络系统实现的，整个待定位的室内W1-Fi无线网络系统的包括Q个无线连接点和O个参考点，整个待定位的室内共有q个子区域，位于该室内的W1-Fi对待测点的定位方法为: A、当待测点接收到的无线连接点发送的无线信号强度值时，采用支持向量机分类器将待测点定位到相应第i个子区域，获取该子区域的位置指纹图Sub-RadioMapf和特征变换矩阵Ai ； 其中，i = 1，2，…，q， B、采用第i个子区域的特征变换矩阵Ai将待测点无线信号强度值进行维数转换得到d维无线信号强度值并与该子区域Sub- RadioMapf进行匹配，采用权值K最邻近结点算法对待测点位置坐标进行预测，输出定位结果， 其中，Sub-RadioMapf表示第i个子区域的d维位置指纹图。
2.根据权利要求1所述的W1-Fi室内定位方法的区别在于:步骤A所述的支持向量机分类器、位置指纹图Sub-RadioMapi和特征变换矩阵Ai由下述步骤获得: 步骤一、记录0个参考点的相应坐标，依次测量并记录0个参考点接收到的Q个无线连接点发送的无线信号强度值，并将该无线信号强度值作为位置特征信息，构建整体位置指纹图； 步骤二、第i个子区域的位置指纹图表示为Sub-RadioMapi ； 步骤三、采用支持向量机算法对q个子区域依次进行训练，得到任意两个子区域的位置指纹图之间的界线矩阵Wu并生成支持向量机分类器， 其中，i表示第i个子 区域，j表示第j个子区域，且i古j，Wi,」表示第i个子区域与第j个子区域之间的界线矩阵， 步骤四、在每个子区域采用主成分分析算法将该区域的位置指纹图数据降至d维，获得相应的位置指纹图和特征变换矩阵，则第i个子区域的d维位置指纹图表示为Sub-RadioMap!''，第Sub-RadioMapf个子区域的特征变换矩阵为Ai ； 步骤五、将q个子区域的所有特征变换矩阵与相应的位置指纹图进行存储， 其中，d为降维的目标维数。
3.根据权利要求1所述的W1-Fi室内定位方法的区别在于:步骤三所述的采用支持向量机算法对q个子区域依次进行训练，得到任意两个子区域的位置指纹图之间的界线矩阵W^j并生成支持向量机分类器的具体过程为: 将Q个无线连接点布置于整个待定位的室内区域，丨^为支持向量机算法的输入数据kl；l, 表示每一个待分类的数据，每个参考点接收Q个无线连接点发送的无线信号强度值， 其中，m表示两个子区域的参考点总数,且m G 0, Xt为列向量，表示第t个参考点接收Q个无线连接点发送的无线信号强度值矩阵，t=l, 2-m, yt=l或-1，Xt=[RSStAP1，RSStw2,...RSS^...，RSSVq] T，n=l, 2，...，Q，AP表示无线信号强度值，RSS\Pn表示第t个参考点接收到的第n个无线连接点发送的无线信号强度值， 根据公式(I)获得界线矩阵Wu:
4.根据权利要求2所述的W1-Fi室内定位方法的区别在于:步骤四所述的在每个子区域采用主成分分析算法将该区域的位置指纹图数据降至d维，获得相应的位置指纹图和特征变换矩阵的具体过程为: 步骤四一、估计本征维数:所述的本征维数表示整体位置指纹图全部特征的最小无线连接点数目，通过包数法进行本征维数估计， 根据公式(21)得到估计的本征维数I
5.根据权利要求1所述的W1-Fi室内定位方法的区别在于:步骤A所述的当待测点接收到的无线连接点发送的无线信号强度值时，采用支持向量机分类器将待测点定位到相应第i个子区域，获取该子区域的位置指纹图Sub-RadioMapi和特征变换矩阵Ai的具体过程为: 待测点V接收到的无线信号强度值，第i个子区域和第j个子区域的界线为
6.根据权利要求1所述的W1-Fi室内定位方法的区别在于:步骤B所述的采用第i个子区域的特征变换矩阵Ai将待测点无线信号强度值进行维数转换，得到d维无线信号强度值并与该子区域Sub - RadioM叩;''进行匹配，采用权值K最邻近结点算法对待测点位置坐标进行预测，输出定位结果的具体过程为: 采用权值K最邻近结点算法输出定位坐标通过下述步骤实现: 根据公式(28)待测点V的无线信号强度值v=[RSSAP1，RSSap2,...RSSAPn...RSSapqJt与特征变换矩阵Ai相乘，得出降维后的低维特征数据:
全文摘要
Wi-Fi室内定位方法，具体涉及Wi-Fi室内定位方法。它为了解决传统Wi-Fi室内定位方法中存在的特征信息位置指纹图数据库过于庞大，在线定位阶段匹配过程中运算复杂度高，实时性差等问题。方法为当待测点接收到的无线连接点发送的无线信号强度值时，采用支持向量机分类器将待测点定位到相应第i个子区域，获取该子区域的位置指纹图和特征变换矩阵Ai；采用第i个子区域的特征变换矩阵Ai将待测点无线信号强度值进行维数转换得到d维无线信号强度值并与该子区域进行匹配，采用权值K最邻近结点算法对待测点位置坐标进行预测，输出定位结果。本发明应用于通信领域。
文档编号H04W64/00GK103096466SQ20131001741
公开日2013年5月8日 申请日期2013年1月17日 优先权日2013年1月17日
发明者张中兆, 莫云, 马琳, 栾斌, 徐玉滨, 崔扬 申请人:哈尔滨工业大学