CN103167606B - 基于稀疏表示的wlan室内定位方法 - Google Patents
基于稀疏表示的wlan室内定位方法 Download PDFInfo
- Publication number
- CN103167606B CN103167606B CN201310079402.0A CN201310079402A CN103167606B CN 103167606 B CN103167606 B CN 103167606B CN 201310079402 A CN201310079402 A CN 201310079402A CN 103167606 B CN103167606 B CN 103167606B
- Authority
- CN
- China
- Prior art keywords
- rss
- loc
- indoor
- vector
- reference point
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000013598 vector Substances 0.000 claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 abstract description 3
- 238000003909 pattern recognition Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000033695 Sige Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
基于稀疏表示的WLAN室内定位方法,它涉及模式识别领域中的室内定位方法。它包含如下步骤:一、在室内设置n个接入点AP,最好能保证室内每个节点都接收到三个或者三个以上AP信号,组成WLAN室内定位系统。二、在室内选择若干个参考点,测量参考点接收到每个AP的信号强度值组成RSS向量,建立位置指纹数据库。三、在欲定位点测量RSS向量,通过稀疏表示方法用参考点的RSS向量对欲定位点的RSS值进行稀疏重构,求得权重系数向量。四、对所有参考点坐标根据求解出来的权重系数加权求和得到估计坐标。本发明解决了K近邻算法中因为参数K选择不当导致定位精度下降问题以及选择的K近邻权重设置问题。
Description
技术领域
本发明涉及一种模式识别领域中的室内定位方法,具体涉及到基于稀疏表示的WLAN室内定位方法。
背景技术
随着科技进步和人民生活水平的提高,越来越多的用户对定位技术需求变得日益迫切,如导航服务等。室外导航目前最常用的定位技术是GPS,在无遮挡情况下GPS的精度能够得到较好的保证。但是在室内导航中,由于建筑物的遮挡,往往接收不到GPS信号,无法提供定位服务。并且一般民用GPS的精度也不够高(10m左右),相对于室内导航的要求(1m左右)还有一段距离。
近年来,在智能手机普及以及移动互联网的迅猛发展的背景下,为了切合用户移动办公和移动生活的需要,越来越多的机构和厂商在各种环境下广泛部署了无线局域网(WLAN)。基于WLAN的室内定位技术研究在此背景下应运而生,由于其充分能利用现有设备,无需增加或仅需增加极少数设备,因而得到的广泛的关注和研究,具有广阔的发展前景。
基于WLAN的定位算法主要有到达角度定位(AOA),到达时间定位(TOA),信号强度分析法(RSS)和位置指纹定位法等。AOA和TOA算法都需要额外添加专门的设备,并且容易受非视距离以及多径影响。RSS则受传输模型以及周围环境影响较大,而位置指纹算法有效的克服了上述缺点,得到了广泛应用。
位置指纹算法主要分为两个步骤:1)选择合适的参考点,离线测量建立位置指纹数据库阶段;2)测量欲定位点,通过搜索匹配算法在线匹配位置指纹数据库进而估计位置信息。在搜索匹配算法中,K近邻法由于其简单、效果较好具备一定的优势。K近邻法是选取欲定位点RSS值的K个近邻(通常是选前K个和欲测试点RSS值欧氏距离最小的参考点),然后把这K个近邻的平均坐标作为估计坐标输出。但是该算法需要指定选取其近邻的个数,不同的近邻个数会显著影响其准确度。同时,K近邻算法在定位的过程中,只用到了K个近邻的信息,没有充分利用其它参考点的信息,潜在地造成性能损失。
发明内容
本发明的目的是提供一种基于稀疏表示的WLAN室内定位方法,以解决K近邻方法中参数选择问题、不能综合利用全局参考点信息问题。
本发明基于稀疏表示的WLAN室内定位方法,包括以下步骤:
步骤一、在室内设置n个接入点AP,保证室内每个节点都接收到三个或者三个以上AP信号,组成WLAN室内定位系统;
步骤二、在室内设置m个参考点,测量参考点接收到每个AP的信号强度值组成RSS向量,建立位置指纹数据库;假设第i个参考点对应的坐标为Loci=(xi,yi)T且其接收到第j个AP的信号强度为其中1≤j≤n,则第i个参考点对应的RSS向量可以表示为其中1≤i≤m,则所有参考点接收的信号强度可以用矩阵的形式表示为RSS=[RSS1,RSS2,...,RSSm],其对应的坐标为Loc=[Loc1,Loc2,...,Locm];
步骤三、在欲定位点测量RSS向量通过稀疏表示方法用参考点的RSS向量对欲定位点的RSS值进行稀疏重构,即使得权重系数向量W=[w1,w2,...,wm]T满足公式(1)所示关系:
其中||||0表示0范数,表示向量中的非零个数;
步骤四、解公式(1)中的优化问题,求得权重系数向量W=[w1,w2,...,wm]T,由于稀疏表示的性质,权重系数向量W中的大部分元素都为0;
步骤五、根据步骤四计算出来的权重向量W,对所有参考点坐标加权求和即为欲定位点的坐标Locu,即
本发明解决了K近邻算法中因为参数K选择不当导致定位精度下降问题以及选择的K近邻权重设置问题,能够比较准确的选择相似的参考点并给每个参考点设置相似度,定位比较准确,具有较高的可靠性。
附图说明
图1为本发明实施例实验环境俯瞰图。
图2为本发明实施例参考点选择示意图。
图3为本发明实验结果示意图。
图4为本发明实施例基于稀疏表示的WLAN室内定位方法流程图。
具体实施方式
下面结合实施例和附图对本发明方法进一步详细描述。
实施例:本实施例基于稀疏表示的WLAN室内定位方法流程图如附图4所示,主要分为离线建立位置指纹数据库阶段和定位阶段。
离线建立位置指纹数据库阶段包括如下两个步骤:
步骤一、在室内设置n个接入点AP,为了使定位系统能够精确定位,最好能保证室内每个节点都接收到三个或者三个以上AP信号,组成WLAN室内定位系统。
步骤二、在室内设置m个参考点,测量参考点接收到每个AP的信号强度值组成RSS向量,建立位置指纹数据库。假设第i个参考点对应的坐标为Loci=(xi,yi)T且其接收到第j个AP的信号强度为其中1≤j≤n。则第i个参考点对应的RSS向量可以表示为其中1≤i≤m。则所有参考点接收的信号强度可以用矩阵的形式表示为RSS=[RSS1,RSS2,...,RSSm],其对应的坐标为Loc=[Loc1,Loc2,...,Locm]。
定位阶段包括下面三个步骤:
步骤三、在欲定位点测量RSS向量通过稀疏表示方法用参考点的RSS向量对欲定位点的RSS值进行稀疏重构,即使得权重系数向量W=[w1,w2,...,wm]T满足公式(1)所示关系:
其中||||0为0范数,表示向量中非零元素的个数。
步骤四、解公式(1)中的优化问题,求得权重系数向量W=[w1,w2,...,wm]T,由于稀疏表示的性质,权重系数向量W中的大部分元素都为0。
步骤五、根据步骤四计算出来的权重向量W,对所有参考点坐标加权求和即为欲定位点的坐标Locu,即
下面结合实施例来进行分析:
图1为实施例实验场所俯瞰图,其中有四个房间和一个走廊,总面积为12×12m2。首先把该实验区域进行划分,以房间3左下角作为坐标原点,建立直角坐标系。每隔一米选取一个参考点如图2所示,共计121个参考点,并把参考点的坐标记录到数据库中。在布置AP的时候要注意AP的位置,保证每个参考点能接收到多个AP信号。在该实验场所共布置了8个AP,名称分别为AP1,AP2,…,AP8。
测量每个参考点接收到的AP信号强度,把每个AP的信号强度记录到RSS向量对应的项中,如果某个AP的信号在该参考点接收不到,则把该AP对应的RSS向量中的那项置为0。例如,在本实验场地中,假定参考点i能接收到AP1,AP3,AP7的信号且信号强度分别为则对应的RSS向量为在本例中,因为总共有8个AP,所以RSS向量的维度为8×1。在实际应用中,如果有d个AP,则RSS的向量为维度d×1。将所有121个参考点测量完毕后,得到一个121×8维位置指纹数据库RSS=[RSS1,RSS2,...,RSS121]及与位置指纹数据库对应的121×2维坐标数据库Loc=[Loc1,Loc2,...,Loc121]。
如有欲定位点Locu,能接收到AP3,AP4,AP6,AP74个AP的信号,信号强度分别为 则其对应的RSS向量为 然后用已经建立好的位置指纹数据库RSS对RSSu进行稀疏表示,求得公式(1)的稀疏解W。该稀疏解W的每个元素体现了其对应参考点和欲定位点Locu的相似度关系。权重越大的元素说明其对应的参考点与欲定位点Locu越相似,因此在计算欲定位点Locu的坐标时应该占据较大比重;而稀疏性保证W中元素大部分都为0,其含义为只选取小部分相似度较高的参考点参与估计欲定位点Locu的坐标。最后根据计算出来的权重向量W,对所有121个参考点坐标加权求和即为欲定位点的坐标Locu,即和基于K近邻的WLAN室内定位方法相比,基于稀疏表示的WLAN室内定位方法的优点在于不用手动指定K的大小,而是由算法自动设置,并同时对所有的参考点相似度进行评价,因而不会有因为K的设置不当导致定位精度下降的问题。
以坐标(3.5,3.5)T为例,测量其对应的RSS向量,用离线建好的位置指纹数据库对其进行稀疏表示,求得稀疏解W,我们发现其中非0元素只有4个,大小分别为0.42,0.26,0.17,0.15,其对应的坐标分别为(3,3)T,(3,4)T,(4,3)T,(4,4)T,则最后的定位结果为
Locu=0.42×(3,3)T+0.26×(3,4)T+0.17×(4,3)T+0.15×(4,4)T=(3.32,3.41)T
定位结果如图3所示。黑色方框中的黑点是欲定位点,四个加号表示用基于稀疏表示的WLAN室内定位方法自动选择出来的欲定位点较相似的点,差号表示最后定位结果。从结果可以见到,基于稀疏表示的WLAN室内定位方法能够比较准确的选择相似的参考点并给每个参考点设置相似度,定位比较准确,具有较高的可靠性。
Claims (2)
1.基于稀疏表示的WLAN室内定位方法,其特征在于它包括以下步骤:
步骤一、在室内设置n个接入点AP,保证室内每个节点都接收到三个或者三个以上AP信号,组成WLAN室内定位系统;
步骤二、在室内设置m个参考点,测量参考点接收到每个AP的信号强度值组成RSS向量,建立位置指纹数据库;假设第i个参考点对应的坐标为Loci=(xi,yi)T且其接收到第j个AP的信号强度为其中1≤j≤n,则第i个参考点对应的RSS向量可以表示为其中1≤i≤m,则所有参考点接收的信号强度可以用矩阵的形式表示为RSS=[RSS1,RSS2,...,RSSm],其对应的坐标为Loc=[Loc1,Loc2,...,Locm];
步骤三、在欲定位点测量RSS向量通过稀疏表示方法用参考点的RSS向量对欲定位点的RSS值进行稀疏重构,即使得权重系数向量W=[w1,w2,...,wm]T满足公式(1)所示关系:
其中||||0表示0范数,表示向量中的非零个数;
步骤四、解公式(1)中的优化问题,求得权重系数向量W=[w1,w2,...,wm]T;
步骤五、根据步骤四计算出来的权重向量W,对所有参考点坐标加权求和即为欲定位点的坐标Locu,即Locu=Loc×W。
2.根据权利要求1所述的基于稀疏表示的WLAN室内定位方法,其特征在于参考点坐标的权值通过稀疏表示来确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310079402.0A CN103167606B (zh) | 2013-03-12 | 2013-03-12 | 基于稀疏表示的wlan室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310079402.0A CN103167606B (zh) | 2013-03-12 | 2013-03-12 | 基于稀疏表示的wlan室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103167606A CN103167606A (zh) | 2013-06-19 |
CN103167606B true CN103167606B (zh) | 2015-12-23 |
Family
ID=48590257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310079402.0A Active CN103167606B (zh) | 2013-03-12 | 2013-03-12 | 基于稀疏表示的wlan室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103167606B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103369466B (zh) * | 2013-07-10 | 2016-03-02 | 哈尔滨工业大学 | 一种地图匹配辅助室内定位方法 |
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 |
CN104093202B (zh) * | 2014-07-02 | 2017-11-17 | 南京信息工程大学 | 一种环境自适应的无设备目标定位方法 |
CN104519571B (zh) * | 2014-12-26 | 2018-03-09 | 北京工业大学 | 一种基于rss的室内定位方法 |
CN104684079A (zh) * | 2015-02-06 | 2015-06-03 | 四川长虹电器股份有限公司 | 基于权重分析的多基站联合定位算法 |
US10849205B2 (en) | 2015-10-14 | 2020-11-24 | Current Lighting Solutions, Llc | Luminaire having a beacon and a directional antenna |
CN105611492A (zh) * | 2016-02-29 | 2016-05-25 | 京信通信技术(广州)有限公司 | 一种定位信息的处理方法、装置及系统 |
CN107907859A (zh) * | 2017-11-17 | 2018-04-13 | 安徽工程大学 | 一种基于压缩感知的室内定位方法、存储介质及设备 |
CN108111973B (zh) * | 2017-12-15 | 2020-08-21 | 东北大学 | 一种基于实时指纹获取的室内定位方法与装置 |
CN110505573B (zh) * | 2019-08-28 | 2021-08-03 | 中国银行股份有限公司 | 一种基于空间约束的信号稀疏表示模型的定位方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833654A (zh) * | 2010-04-02 | 2010-09-15 | 清华大学 | 基于约束采样的稀疏表示人脸识别方法 |
CN102802260A (zh) * | 2012-08-15 | 2012-11-28 | 哈尔滨工业大学 | 基于矩阵相关的wlan室内定位方法 |
CN102821465A (zh) * | 2012-09-07 | 2012-12-12 | 哈尔滨工业大学 | 基于分区信息熵增益的wlan室内定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060217132A1 (en) * | 2005-03-23 | 2006-09-28 | 3Com Corporation | High resolution localization for indoor environments |
-
2013
- 2013-03-12 CN CN201310079402.0A patent/CN103167606B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833654A (zh) * | 2010-04-02 | 2010-09-15 | 清华大学 | 基于约束采样的稀疏表示人脸识别方法 |
CN102802260A (zh) * | 2012-08-15 | 2012-11-28 | 哈尔滨工业大学 | 基于矩阵相关的wlan室内定位方法 |
CN102821465A (zh) * | 2012-09-07 | 2012-12-12 | 哈尔滨工业大学 | 基于分区信息熵增益的wlan室内定位方法 |
Non-Patent Citations (1)
Title |
---|
一种带参数估计的基于接收信号强度的室内定位算法;徐凤燕等;《微波学报》;20080430;第24卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103167606A (zh) | 2013-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103167606B (zh) | 基于稀疏表示的wlan室内定位方法 | |
CN106793086B (zh) | 一种室内定位方法 | |
Zuo et al. | Multi-phase fingerprint map based on interpolation for indoor localization using iBeacons | |
CN106793087B (zh) | 一种基于aoa和pdoa的阵列天线室内定位方法 | |
CN102802260B (zh) | 基于矩阵相关的wlan室内定位方法 | |
CN103476116B (zh) | 基于定位单元质量及多算法数据融合的抗NLoS误差定位方法 | |
CN107318084A (zh) | 一种基于最优相似度的指纹定位方法及装置 | |
CN105717483B (zh) | 一种基于多源定位方式的位置确定方法及装置 | |
CN103596267A (zh) | 一种基于欧氏距离的指纹图匹配方法 | |
CN108872934B (zh) | 一种基于非视距误差抑制的室内三维定位方法 | |
CN103813448A (zh) | 一种基于rssi的室内定位方法 | |
CN109511085B (zh) | 一种基于MeanShift和加权k近邻算法的UWB指纹定位方法 | |
CN103618997A (zh) | 一种基于信号强度概率的室内定位方法和装置 | |
CN106353726A (zh) | 一种用于室内定位的二次加权质心确定方法及系统 | |
CN103249144A (zh) | 一种基于c型的无线传感器网络节点定位方法 | |
CN106961659A (zh) | 一种类指纹的蓝牙定位方法 | |
Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
Zhong et al. | WiFi indoor localization based on K-means | |
CN105044659B (zh) | 基于环境光谱指纹的室内定位装置及方法 | |
Kwak et al. | Magnetic field based indoor localization system: A crowdsourcing approach | |
CN106358233B (zh) | 一种基于多维尺度分析算法的rss数据平滑方法 | |
CN104202817B (zh) | 大型室内空间中的多热点信号指纹地图的存储和匹配方法 | |
CN108632763A (zh) | 一种基于WiFi指纹的室内定位加权K近邻方法 | |
CN111405461A (zh) | 一种优化等间隔指纹采样个数的无线室内定位方法 | |
CN105704676B (zh) | 利用信号时间相关性提高指纹室内定位精度的方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231122 Address after: Room 501, West Side Office, Building 2, Park, No.1 Renshan Road, Jiangpu Street, Pukou District, Nanjing City, Jiangsu Province, 211815 Patentee after: Nanjing Nanshen audit big data Research Institute Co.,Ltd. Address before: School of computer science, Nanjing Normal University, No. 122, Ninghai Road, Gulou District, Nanjing, Jiangsu 210097 Patentee before: Qian Gang |
|
TR01 | Transfer of patent right |