基于核函数主特征提取的wifi室内加权k近邻定位算法
【技术领域】
[0001] 本发明设及无线通信网络领域，具体设及一种基于核函数主特征提取的WIFI室内 加权K近邻定位算法。
【背景技术】
[0002] 传统的基于卫星的定位技术，如GPS等，能够很好解决室外定位的需求，但是用于 室内定位时，由于室内建筑对卫星信号的影响，定位效果非常的不好。相反利用无线网络通 信技术用于室内定位时，效果非常的好。WIFI技术因其在室内布设简单，部署广泛，价格低 廉等特性更加适用于室内定位，基于WIFI技术的室内定位成为研究热点。
[0003] 基于位置指纹架构的定位方法，是WIFI无线室内定位中的基本方法，该方法的使 用条件是，AP的部署位置固定，部署的所有AP必须保证同构。基于位置指纹架构的定位算法 如图2所示。该方法需要建立参考节点的位置指纹库，参考节点位置指纹的信息可W通过测 量参考节点处来自各个AP的RSS信号建立。运种基于位置指纹的定位模型，其定位精度很大 程度上取决于位置指纹数据与定位时在线测得的数据是否满足相同的分布模型。在实际的 室内WLAN环境中，由于室内环境的复杂性，多径、阴影效应、人员走动、信道拥塞和节点的通 信半径有限等因素的影响，在参考节点采集的各个AP的RSS信号往往表现出时变的特性，严 重影响定位算法的精度。
【发明内容】
[0004] 本发明的目的是为解决上述不足，提供一种基于核函数主特征提取的WIFI室内加 权K近邻定位算法。
[0005] 本发明的目的是通过W下技术方案实现的：
[0006] -种基于核函数主特征提取的WIFI室内加权K近邻定位算法，定位区域内存在任 意η个AP，在定位区域内选定的N个定位参考节点，在各个参考节点上可W采集到非视距的η 个AP的接收信号强度(RSS)信号，运个η维的RSS信号作为参考节点位置指纹信息，将所有参 考节点的指纹信息通过核函数主特征提取，提取位置指纹的主要特征，利用加权(WK順化近 邻算法进行匹配定位计算;包括W下步骤：
[0007] a.在定位区域内选定的N个定位参考节点，采集全部N个参考节点的位置指纹信 息；
[000引b.将所有的位置指纹信息通过(KPCA)核函数主特征提取，提取位置指纹信息的主 要特征，作为的参考节点的特征位置指纹；
[0009] C.采集待测点的来自各个AP的RSS信号，利用加权K近邻算法进行匹配输出定位结 果。
[0010] 步骤a的具体过程如下：
[0011] al.在选定的定位区域选定N个参考节点（Reference Points,RP每个参考节点的 物理位置为li(xi，yi)，N个参考节点的物理位置构成一个位置库L=(li，l2…1n)t;
[001^ a2.在各个参考节点上可w采集到非视距的η个AP的RSS信号及MAC地址信息(MAC 作为AP的标识），在每个参考节点上都要进行P次采集，将RSS均值作为运个参考节点li(xi， yi)的位置指纹信息，运个位置指纹信息是一个η维向量fi = (rssi，rss2'''rssn)T，i e (1，N)， 其中rw,. = ^为p次采样之后来自第i个AP的RSS信号的平均值；
[001引a3.全部参考节点的位置信息构成一个NXn维的位置指纹空间F，即F=(fi，f2··· fN)T，将全部F与L存储在数据库中，数据库中，F的每个行向量fi，代表着参考节点li(xi，yi) 的位置指纹信息。
[0014] 步骤b的具体过程如下：
[001引bl.将F作为输入，根据公式K(Xi，Xj) = e邱（I Xi-Xj I V-ε2)，计算NXN阶高斯核矩阵 K，其中核矩阵K的每个元素为kij = e邱（|2/-ε2)，ε为高斯核宽度，其中i，j<=N;
[0016] b2.根据式玄=义-νκ-K.lw + lw.K.lw计算修正核矩阵玄，Ιν为NXN阶矩阵，每一个 元素都是1/N;
[0017] b3.计算S的前k个最大特征值λι含λ2···λι^-ι含Ak，及对应的特征向量vi，V2'''vk，其中 k<N；
[001引 b4.通过施密特正交化方法将VI，V2· · · vk单位正交化得到日1，日2· · 'ak;
[0019] bS.计算特征位置指纹空间F =哀.访，其中日=(日1，日2...日k)T，F'为NXk维矩阵。 [0020] 步骤C的具体过程如下：
[0021 ] cl.在待ii地点实时采集各个AP的RSS信号构成在线指纹向量S，对S进行KPCA提取后，得 到在线特征指纹向量S/
[0022] c2.计算与各个特征位置指纹的欧氏距离
，;e化Λ0,能 够表征S '与f/1间的相似程度，其值越小二者越相似；
[0023] c3.按Di(S/，F^ 1)的大小排列，找到前m(m<N)个最小的Di，使之满足
I并找到其相对应的m个特征位置指纹和位置信息li(xi，yi);
[0024] c4.利用加权K近邻法估计出待测点的位置信息
[0025]
[00%]本发明具有如下有益的效果：
[0027] 与现有技术相比较本发明的有益效果在于：本发明是在WIFI室内定位结果受到 RSS信号时变性的情形进行详尽分析，针对解决RSS信号的实时波动误差对WIFI室内定位算 法的影响所提出的算法。本发明首次将核函数主特征提取化PCA)引入到WIFI室内定位问题 中，通过仿真和实际环境中使用RSS信号作为位置指纹的室内定位实验表明，本发明可W有 效的避免实际WIFI环境中RSS信号的波动性对定位结果的影响，定位精度有显著的提高，而 且本发明与WK順定位算法相比有较好的定位鲁棒性。
[0028] 本算法的定位误差显著小于原K近邻定位算法的定位误差。在对被测节点进行定 位时，所采集的RSS信号由于室内环境的影响存在较大误差，因此本算法表现出了较优异的 性能。
【附图说明】
[0029] 图1为本发明的基于核函数主特征提取的WIFI室内加权K近邻定位算法流程图；
[0030] 图2为本发明的指纹定位算法架构图；
[0031 ]图3为本发明的实验定位区域图；
[0032] 图4为本发明的KPCA算法的流程图；
[0033] 图5为本发明的加权K近邻定位算法流程图；
[0034] 图6为本发明的算法与K近邻算法定位结果比较结果图。
【具体实施方式】
[0035] 下面结合附图对本发明作进一步的说明：
[0036] 本发明基于核函数主特征提取的WIFI加权K近邻室内定位方法，在定位区域内选 定的N个定位参考节点，在各个参考节点上采集各个参考节点位置指纹信息，将所有参考节 点的指纹信息通过核函数主特征提取化PCA)，提取位置指纹信息主要特征，利用加权K近邻 算法(WK順)进行匹配定位。其主要包括W下步骤：
[0037] 步骤a在定位区域内选定的N个定位参考节点，采集全部参考节点的位置指纹信 息;该步骤的具体过程为：
[0038] al.在选定的定位区域选定N个参考节点（Reference Points，RP)，每个参考节点 的物理位置为li(xi，yi)，N个参考节点的物理位置构成一个位置库L=(li，l2…1n)t;
[0039] a2.在各个参考节点上可W采集到非视距的η个AP的RSS信号及MAC地址信息(MAC 作为AP的标识），在每个参考节点上都要进行P次采集，将RSS均值作为运个参考节点li(xi， yi)的位置指纹信息，运个位置指纹信息是一个η维向量fi = (rssi，rss2'''rssn)T，i e (1，N)， 其中^为p次采样之后来自第i个AP的RSS信号的平均值；
[0040] a3.全部参考节点的位置信息构成一个NXn维的位置指纹空间F，即F=(fi，f2… fN)T，将全部F与L存储在数据库中，数据库中，F的每个行向量fi，代表着参考节点li(Xi，yi) 的位置指纹信息。
[0041] 步骤b.将所有的位置指纹信息通过核函数主特征提取，提取位置指纹信息的信息 主要特征，作为的参考节点的特征位置指纹;该步骤的具体过程为：
[0042] bl.将F作为输入，根据公式K(xi，Xj) = e邱（I Xi-Xj 12/-ε2)，计算NXN阶核高斯矩阵 Κ，其中核矩阵Κ的每个元素为Ku = e邱非/-ε2)，ε为高斯核宽度，其中i，j<=N;
[0043] b2.根据式玄=Iw .K-K.lw + VK.ly计算修正核矩阵玄，Ιν为NXN阶矩阵，每一个 元素都是1/Ν;
[0044] b3.计算哀的前k个最大特征值λι > λ2…Ak-i > Ak，及对应的特征向量vi，V2---vk，其中 k<N；
[0045] b4.通过施密特正交化方法将VI，V2· · · vk单位正交化得到αι，〇2· · 'dk;
[0046] b5.计算特征位置指纹空间/Γ'=ミ.α，其中α = (αl，α2…日k)τ，F/为NXk维矩阵。
[0047] 通过核函数主特征提取，提取N X η维位置指纹空间F的k个主元，构成N X k维特征 位置指纹空间F/=(f/l，fV·中N)τ，F/与L相对应，即f/l是ll(Xl，yl)的特征位置指纹。
[0048] 步骤C.采集待测点的来自各个AP的RSS信号，利用加权K近邻算法进行匹配输出定 位结果;该步骤的具体过程为：
[0049] cl.在待测地点实时采集各个AP的RSS信号构成在线指