CN102131290B - 基于自相关滤波的wlan室内邻近匹配定位方法 - Google Patents
基于自相关滤波的wlan室内邻近匹配定位方法 Download PDFInfo
- Publication number
- CN102131290B CN102131290B CN 201110105475 CN201110105475A CN102131290B CN 102131290 B CN102131290 B CN 102131290B CN 201110105475 CN201110105475 CN 201110105475 CN 201110105475 A CN201110105475 A CN 201110105475A CN 102131290 B CN102131290 B CN 102131290B
- Authority
- CN
- China
- Prior art keywords
- sample
- lag
- intensity sample
- centerdot
- wlan
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
基于自相关滤波的WLAN室内邻近匹配定位方法,涉及基于自相关滤波的WLAN室内邻近匹配定位方法,解决了现有WLAN室内邻近匹配定位方法中,因室内复杂信号反射、折射、衍射、人体和设施遮蔽等因素影响,所造成的位置指纹数据库动态变化且位置依赖性较差问题,具体步骤如下:一、在离线采集阶段,标记参考点位置;二、在每个参考点处,对来自不同AP的信号强度进行采集;三、在离线修正阶段,首先利用连续强度信号的自相关特性,判断不同强度指纹样本集合中是否存在奇异强度样本;四、强度样本均值,保存到位置指纹数据库中;五、在线定位阶段,实现对定位终端的位置坐标估计。用于WLAN室内定位。
Description
技术领域
本发明涉及基于自相关滤波的WLAN室内邻近匹配定位方法。
背景技术
随着人们的无缝通信需求向未来基于用户的高速、高密度环境感知计算的转变,基于位置的应用服务LBS(Location Based Service)越来越受到人们的重视。并且,在过去十年里,大量方便、有效的定位、跟踪业务和相关设备的出现,已经证明,在未来无处不在的环境智能感知服务中,定位和跟踪必将成为整个感知服务系统中不可或缺的重要组成部分。虽然,目前广泛应用的GPS(Global Positioning System)和蜂窝无线通信定位系统,能够有效解决人们在室外或开阔环境下的定位和跟踪需求,但在室内环境下,由于存在严重的信号衰减、遮蔽和多径效应,使得这两种定位系统的应用范围受到了很大限制。
因此,针对这个问题,国内外许多研究所和高校将重心转移到目前已有的室内短距离、高速率无线通信技术上,如超宽带UWB(Ultra Wideband)、超声波UW(Ultrasonic Wave)、红外IR(Infrared Radiation)、射频识别RFID(Radio Frequency Identification)、ZigBee、蓝牙Bluetooth和无线局域网WLAN(Wireless Local Area Network)技术。其中,WLAN技术相对于其他短距离、高速通信系统来说,不仅得到了广泛普及和部署,并且具有不需要额外添加昂贵的通信设备和较低建网、维护开销的优点,于是,对其关注和研究的力度也最大。
目前,国际上最具有代表性的三个基于WLAN技术的室内定位系统,分别是微软研究院的RADAR系统、加州大学洛杉矶分校的Nibble系统和马里兰大学的Horus系统。此外,通过对已有WLAN定位系统的分析,相应的定位方法通常可以划分为概率性和确定性方法。前者利用贝叶斯理论,将后验边缘概率变换为先验概率,进而得到具有最大概率估计的估计位置坐标输出;而后者主要包括邻近匹配和模式匹配方法,其基本思想是根据预先建立的位置指纹数据库,寻求空间位置坐标与信号强度之间有效、可靠的一一映射关系。其中,通过长期的理论研究和实际验证,后者相对于前者,具有更好的定位精度与实时性,然而,在真实WLAN室内环境中,由于存在复杂的信号反射、折射、衍射、人体和设施遮蔽等因素的影响,采集到的信号强度分布往往具有动态和衰落特性,而这种特性将直接影响位置指纹数据库的可靠性,并最终导致匹配定位方法精度的下降。
现有WLAN室内邻近匹配定位方法中,因室内复杂信号反射、折射、衍射、人体和设施遮蔽等因素影响,所造成的位置指纹数据库动态变化且位置依赖性较差。
发明内容
本发明的目的是为了解决现有WLAN室内邻近匹配定位方法中,因室内复杂信号反射、折射、衍射、人体和设施遮蔽等因素影响,所造成的位置指纹数据库动态变化且位置依赖性较差的问题,提供一种基于自相关滤波的WLAN室内邻近匹配定位方法。
基于自相关滤波的WLAN室内邻近匹配定位方法具体步骤如下:
步骤一、离线采集阶段,在目标定位区域内均匀标记参考点RP位置,本发明中,邻近参考点之间的距离间隔为1m,WLAN无线网络接入点AP,保证目标定位区域内的任意位置,均能接收到来自至少一个AP的信号强度;
步骤二、在每个参考点处,对来自不同AP的信号强度进行采集,采样速率为2样本/秒,并保存到不同参考点位置所对应的强度指纹样本集合中;
步骤三、离线修正阶段,首先利用连续强度信号的自相关特性,根据相关系数阈值判断原始信号强度指纹样本集合中是否存在奇异强度样本,若对于任意的延迟数,均有则不存在奇异强度样本;反之,则存在,利用自相关滤波方法,对强度指纹样本集进行平滑预处理,并更新不同参考点所对应的指纹样本集合;若不存在,则不用更新强度指纹样本集合;
步骤四、经过自相关滤波方法对原始信号强度指纹样本集合的平滑处理后,大部分奇异强度样本将被剔除,此时,将新得到样本集合的强度均值{也称为预存储均值强度样本其中,Sfing,i,t(t=1,…,NAP)且NAP表示WLAN定位场景中的AP总数;i表示第i个参考点位置}保存到位置指纹数据库中,将具有更好的位置依赖性和更小的抖动特性;
步骤五、完成上述离线阶段的信号采集和处理后,在线定位阶段,首先,根据新采集的来自不同AP的信号强度样本计算新样本与预存储均值强度样本的欧几里得距离然后,满足条件的参考点将被定义为K邻近KNN(KNearest Neighbor)或加权K邻近WKNN(Weighted K Nearest Neighbor)匹配定位方法的邻近点位置,其中,R={Ri,i=1,…,NRP}且最后,得到终端的估计位置坐标其中,h(x)取常值时,对应于K邻近匹配定位方法;h(x)=1/x时,对应于加权K邻近匹配定位方法。
本发明通过有效剔除预存储指纹数据库中,因外界环境干扰所引入的奇异强度样本,来提高整个匹配定位方法的定位精度;本发明相比于传统两阶段指纹定位方法,增加了离线修正阶段,在离线修正阶段,需要首先判断在不同参考点处,预存储指纹样本集中是否存在奇异强度样本,若存在,则利用本发明所提出的自相关滤波方法,对奇异强度样本进行有效剔除后,再计算强度样本均值,并保存到位置指纹数据库中。并且,在在线定位阶段,可以有效保证K邻近和加权K邻近匹配定位方法的定位精度和实时性。
附图说明
图1为本发明的室内目标定位环境示意图,图中斜线区域为定位区域1,正交直线区域为定位区域2,图2为本发明的室内目标定位环境放大示意图,图中●为参考点,+为测试点,图3为本发明的强度指纹样本集合示意图,图4为采集的原始信号强度概率分布图,图5为在不同延迟数条件下的自相关系数值图,图6为自相关滤波处理前原始信号强度指纹样本序列图,图7为自相关滤波处理后的指纹样本序列图,图8为定位区域1内不同邻近参考点数条件下,传统K邻近和加权K邻近匹配定位方法与基于自相关滤波的K邻近和加权K邻近匹配定位方法的测试点平均定位误差图,对于给定的邻近参考点数k,第一条和第三条深色柱状图形分别为传统KNN和WKNN,第二条和第四条浅色柱状图形分别为自相关滤波处理KNN和WKNN,图9为定位区域2内不同邻近参考点数条件下,传统K邻近和加权K邻近匹配定位方法与基于自相关滤波的K邻近和加权K邻近匹配定位方法的测试点平均定位误差图,对于给定的邻近参考点数k,第一条和第三条深色柱状图形分别为传统KNN和WKNN,第二条和第四条浅色柱状图形分别为自相关滤波处理KNN和WKNN。
具体实施方式
具体实施方式一:基于自相关滤波的WLAN室内邻近匹配定位方法具体步骤如下:
步骤一、在离线采集阶段,在目标定位区域内均匀标记参考点RP(Reference Point)位置,本发明中,邻近参考点之间的距离间隔为1m,WLAN无线网络接入点AP(AccessPoint),保证目标定位区域内的任意位置,均能接收到来自至少一个AP的信号强度;
步骤二、在每个参考点处,对来自不同AP的信号强度进行采集,采样速率为2样本/秒,并保存到不同参考点位置所对应的强度指纹样本集合中;
步骤三、离线修正阶段,首先利用连续强度信号的自相关特性,根据相关系数阈值判断原始信号强度指纹样本集合中是否存在奇异强度样本,若对于任意的延迟数,均有则不存在奇异强度样本;反之,则存在,利用自相关滤波方法,对强度指纹样本集进行平滑预处理,并更新不同参考点所对应的指纹样本集合;若不存在,则不用更新强度指纹样本集合;
步骤四、经过自相关滤波方法对原始信号强度指纹样本集合的平滑处理后,大部分奇异强度样本将被剔除,此时,将新得到样本集合的强度均值{也称为预存储均值强度样本其中,Sfing,i,t(t=1,…,NAP)且NAP表示WLAN定位场景中的AP总数;i表示第i个参考点位置}保存到位置指纹数据库中,将具有更好的位置依赖性和更小的抖动特性;
步骤五、完成上述离线阶段的信号采集和处理后,在在线定位阶段,首先,根据新采集的来自不同AP的信号强度样本计算新样本与预存储均值强度样本的欧几里得距离然后,满足条件的参考点将被定义为K邻近KNN(KNearest Neighbor)或加权K邻近WKNN(Weighted K Nearest Neighbor)匹配定位方法的邻近点位置,其中,R={Ri,i=1,…,NRP}且最后,得到终端的估计位置坐标 其中,h(x)取常值时,对应于K邻近匹配定位方法;h(x)=1/x时,对应于加权K邻近匹配定位方法。
具体实施方式二:基于自相关滤波的WLAN室内邻近匹配定位方法,其特征在于步骤三包括:
子步骤1:将参考点Ri=(xi,yi),(i=1,…,NRP)处采集的强度指纹样本集合表示为其中,NRP表示定位区域内的参考点总数,xi和yi分别表示Ri的X和Y方向坐标,NSS表示强度指纹样本集合中包含的样本总数,x(j),(j=1,…,NSS)表示强度指纹样本集合中的第j个样本;
子步骤2:利用公式:计算每个强度指纹样本集合的自相关系数;
具体实施方式三:基于自相关滤波的WLAN室内邻近匹配定位方法,其特征在于接收信号强度RSS(Radio Signal Strength)大于接收终端的灵敏度-90dBm。其它组成和连接关系与实施方式一相同。
具体实施例
结合图1、图2说明本实施例,图1为WLAN室内目标定位环境,其中,该环境为某一真实楼层的平面示意图,9个AP与2个目标定位区域均位于同一楼层,层高3m,砖质墙面,铝合金窗户和金属门,AP选择为Linksys WAP54G,固定在2m高度,支持IEEE802.11b/g标准,传输速率为54Mbps,定位终端为装有Intel PRO/Wireless 3945ABG无线网卡的ASUS A8F笔记本电脑,距离地面1.2m;图2中,RP位置用“●”表示,AP位置用表示,测试点TP(Test Point)位置用“+”表示;在每个参考点处,对来自不同AP的信号强度进行采集,采样速率为2样本/秒,并保存到不同参考点位置所对应的强度指纹样本集合中;图3给出强度指纹样本集合的数据结构,反映了WLAN原始数据采集过程中,在每个RP处,2维空间位置坐标与9×1000维强度指纹样本矩阵的映射关系;利用连续强度信号的自相关特性,根据相关系数阈值判断原始信号强度指纹样本集合中是否存在奇异强度样本,若对于任意的延迟数,均有不存在奇异强度样本,不用更新强度指纹样本集合;若存在奇异强度样本,利用自相关滤波方法,对强度指纹样本集进行平滑预处理,并更新不同参考点所对应的指纹样本集合;图4为采集的原始信号强度概率分布,图5为在不同延迟数(lag值)条件下的自相关系数值;图6、图7给出了某一参考点处18000个原始信号强度指纹样本集合,在自相关滤波处理前后的分布特征,经过自相关滤波方法对原始信号强度指纹样本集合的平滑处理后,大部分奇异强度样本将被剔除,具有更好的位置依赖性和更小的抖动特性;图8为定位区域1内,在不同邻近参考点数条件下,分别利用传统K邻近和加权K邻近匹配定位方法,与基于自相关滤波的K邻近和加权K邻近匹配定位方法的测试点平均定位误差;图9为定位区域2内,在不同邻近点数条件下,分别利用传统K邻近和加权K邻近匹配定位方法,与基于自相关滤波的K邻近和加权K邻近匹配定位方法的测试点平均定位误差。
Claims (3)
1.基于自相关滤波的WLAN室内邻近匹配定位方法,其特征在于具体步骤如下:
步骤一、在离线采集阶段,在目标定位区域内均匀标记参考点RP位置,邻近参考点之间的距离间隔为1m,WLAN无线网络接入点AP,保证目标定位区域内的任意位置,均能接收到来自至少一个AP的信号强度;
步骤二、在每个参考点处,对来自不同AP的信号强度进行采集,采样速率为2样本/秒,并保存到不同参考点位置所对应的强度指纹样本集合中;
步骤三、离线修正阶段,首先利用连续强度信号的自相关特性,根据相关系数阈值 判断原始信号强度指纹样本集合中是否存在奇异强度样本,若对于任意的延迟数,均有则不存在奇异强度样本;反之,则存在,利用自相关滤波方法,对强度指纹样本集进行平滑预处理,并更新不同参考点所对应的指纹样本集合;若不存在,则不用更新强度指纹样本集合;
步骤四、经过自相关滤波方法对原始信号强度指纹样本集合的平滑处理后,大部分奇异强度样本将被剔除,此时,将新得到样本集合的强度均值,即:预存储均值强度样本,其中,Sfing,i,t(t=1,…,NAP)且NAP表示WLAN定位场景中的AP总数;i表示第i个参考点位置,保存到位置指纹数据库中;
2.根据权利要求1所述的基于自相关滤波的WLAN室内邻近匹配定位方法,其特征在于步骤三包括:
子步骤1:将参考点Ri=(xi,yi),(i=1,…,NRP)处采集的强度指纹样本集合表示为其中,NRP表示定位区域内的参考点总数,xi和yi分别表示Ri的X和Y方向坐标,NSS表示强度指纹样本集合中包含的样本总数,x(j),(j=1,…,NSS)表示强度指纹样本集合中的第j个样本;
子步骤3:根据相关系数阈值 判断原始信号强度指纹样本集合中是否存在奇异强度样本,若对于任意的延迟数,均有则不存在奇异强度样本;反之,则存在;
子步骤5:对于原始信号强度指纹样本集合中的每个样本x(k),1≤k≤NSS,重新生成序列 和
3.根据权利要求1所述的基于自相关滤波的WLAN室内邻近匹配定位方法,其特征在于接收信号强度RSS大于接收终端的灵敏度-90dBm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110105475 CN102131290B (zh) | 2011-04-26 | 2011-04-26 | 基于自相关滤波的wlan室内邻近匹配定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110105475 CN102131290B (zh) | 2011-04-26 | 2011-04-26 | 基于自相关滤波的wlan室内邻近匹配定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102131290A CN102131290A (zh) | 2011-07-20 |
CN102131290B true CN102131290B (zh) | 2013-06-05 |
Family
ID=44269155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110105475 Expired - Fee Related CN102131290B (zh) | 2011-04-26 | 2011-04-26 | 基于自相关滤波的wlan室内邻近匹配定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102131290B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102638888B (zh) * | 2012-03-19 | 2014-07-23 | 华中科技大学 | 基于信号统计的室内定位指纹分组方法 |
CN102802260B (zh) * | 2012-08-15 | 2015-05-13 | 哈尔滨工业大学 | 基于矩阵相关的wlan室内定位方法 |
CN103200674B (zh) * | 2013-03-12 | 2016-11-23 | 华北电力大学 | 面向无人值守变电站的移动对象定位跟踪方法 |
CN103455811B (zh) * | 2013-09-04 | 2017-02-22 | 百度在线网络技术(北京)有限公司 | 室内无线定位指纹采集方法及系统 |
CN103501538B (zh) * | 2013-10-12 | 2016-03-30 | 清华大学 | 基于多径能量指纹的室内定位方法 |
CN103581831B (zh) * | 2013-10-12 | 2017-01-11 | 上海交通大学 | 基于WiFi以及移动终端的室内定位方法 |
CN103634901B (zh) * | 2013-11-05 | 2016-08-17 | 上海交通大学 | 基于核密度估计的新型定位指纹采集提取方法 |
CN104635206B (zh) * | 2013-11-14 | 2018-10-23 | 中兴通讯股份有限公司 | 一种无线定位的方法及装置 |
CN103763771B (zh) * | 2014-01-26 | 2017-01-25 | 中国科学技术大学苏州研究院 | 基于Cell的室内移动终端定位方法 |
CN104950285B (zh) * | 2015-06-02 | 2017-08-25 | 西安理工大学 | 一种基于近邻标签信号差值变化的rfid室内定位方法 |
CN105136143B (zh) * | 2015-07-29 | 2017-09-29 | 哈尔滨工业大学 | 基于imu数据的用户室内运动轨迹匹配方法 |
CN105657653B (zh) * | 2015-12-28 | 2020-05-12 | 电子科技大学 | 一种基于指纹数据压缩的室内定位方法 |
CN106793084A (zh) * | 2016-12-26 | 2017-05-31 | 成都麦杰康科技有限公司 | 定位方法及装置 |
CN108710104A (zh) * | 2018-03-15 | 2018-10-26 | 内蒙古科技大学 | 用于煤矿井下巷道的目标物的实时定位的方法和系统 |
CN108566620B (zh) * | 2018-04-18 | 2021-01-05 | 南京市木阿码网络信息科技有限公司 | 一种基于wifi的室内定位方法 |
CN109246603B (zh) * | 2018-09-30 | 2020-12-22 | 杭州羿腾科技有限公司 | 一种资源受限的手机指纹定位方法 |
CN110933596B (zh) * | 2019-12-04 | 2021-04-13 | 哈尔滨工业大学 | 一种基于度量学习的指纹定位方法 |
CN111586605B (zh) * | 2020-05-20 | 2021-11-26 | 南通大学 | 基于邻近加权自适应k值的KNN的室内目标定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101754435A (zh) * | 2010-01-22 | 2010-06-23 | 北京邮电大学 | 一种适用于无线局域网wlan的终端定位方法 |
CN101772156A (zh) * | 2008-12-30 | 2010-07-07 | 阿德利亚科技(北京)有限责任公司 | 一种无线局域网设备定位方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9036613B2 (en) * | 2005-03-14 | 2015-05-19 | Atmel Corporation | Method and apparatus for operating a wireless PAN network using an overlay protocol that enhances co-existence with a wireless LAN network |
-
2011
- 2011-04-26 CN CN 201110105475 patent/CN102131290B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101772156A (zh) * | 2008-12-30 | 2010-07-07 | 阿德利亚科技(北京)有限责任公司 | 一种无线局域网设备定位方法及装置 |
CN101754435A (zh) * | 2010-01-22 | 2010-06-23 | 北京邮电大学 | 一种适用于无线局域网wlan的终端定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102131290A (zh) | 2011-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102131290B (zh) | 基于自相关滤波的wlan室内邻近匹配定位方法 | |
CN101895867B (zh) | 基于滑动时间窗的wlan室内wknn跟踪方法 | |
CN111521969B (zh) | 基于Wi-Fi的被动式室内定位方法 | |
CN105828289B (zh) | 一种基于信道状态信息的无源室内定位方法 | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
CN101778399B (zh) | 基于fcm和最小二乘曲面拟合法的wlan室内优化ann定位方法 | |
CN102427603B (zh) | 基于定位误差估计的wlan室内移动用户定位方法 | |
CN106793082B (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
CN103634901B (zh) | 基于核密度估计的新型定位指纹采集提取方法 | |
CN101657014B (zh) | 基于近邻概率法的wlan室内定位方法 | |
CN102325369B (zh) | 基于参考点位置优化的wlan室内单源线性wknn定位方法 | |
CN111182459A (zh) | 一种基于信道状态信息室内无线定位方法、无线通信系统 | |
CN106851573A (zh) | 基于对数路径损耗模型的联合加权k近邻室内定位方法 | |
CN105137390A (zh) | 一种基于可调发射功率ap的室内定位方法 | |
CN102802260A (zh) | 基于矩阵相关的wlan室内定位方法 | |
CN103997717A (zh) | 一种实时室内定位系统及方法 | |
CN106092093A (zh) | 一种基于地磁指纹匹配算法的室内定位方法 | |
CN107333276A (zh) | 基于加权卡方距离的WiFi位置指纹定位方法 | |
CN106970379B (zh) | 基于泰勒级数展开对室内目标的测距定位方法 | |
CN103916954A (zh) | 基于wlan的概率定位方法及定位装置 | |
CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
Yu et al. | An accurate WiFi indoor positioning algorithm for complex pedestrian environments | |
CN108225332B (zh) | 基于监督的室内定位指纹地图降维方法 | |
CN110413655B (zh) | 一种基于改进隐马尔科夫模型的楼层识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130605 Termination date: 20140426 |