CN104502889A - 指纹定位中基于参考点最大距离的定位可信度计算方法 - Google Patents

Abstract

指纹定位中基于参考点最大距离的定位可信度计算方法，涉及位置指纹定位领域。本发明通过计算kNN算法中所选择的k个参考点的位置与定位结果的距离之最大值来估计定位结果的可信度，对定位精度进行估计。运营商操作过程：记录kNN算法所选的k个参考点的位置坐标P_m＝(X_m,Y_m,Z_m)以及定位结果的位置坐标P＝(X,Y,Z)；计算所有k个选定参考点与定位结果距离之最大值；统计D与定位精度e之间的关系；将D与定位精度e之间的关系发送到用户机中，转换关系可以通过查表法实现或通过曲线拟合实现；用户操作过程：算出当前定位结果对应的D值；过给出的转换关系，用户机通过计算或查表得出当前的定位精度。本发明方法能有效地反应定位精度。

Description

指纹定位中基于参考点最大距离的定位可信度计算方法

技术领域

本发明涉及一种位置指纹定位的定位可信度计算方法，涉及位置指纹定位技术领域。

背景技术

位置指纹定位的实施一般可以分为两个阶段：第一阶段为训练/离线阶段，主要工作是采集所需定位区域各参考节点位置的信号特征参数，例如信号场强、多径相角分量功率等，将一组指纹信息对应一个特定的位置形成位置指纹数据库。第二阶段为定位/在线阶段，利用接收机测定接收信号的参数，采用匹配算法来确定与数据库中哪一组数据相匹配，从而得出用户的实际位置。

在实现室内指纹定位技术的过程中，首先要建立室内的RSS指纹图，即在一些位置已知的参考点处测量RSS值向量S_(i)。

S_(i)＝(a_i1,a_i2,a_i3,…,a_ij,…a_iM)

式中a_ij表示第i个参考点处观测第j个室内信号节点得到的信号强度值，M为室内信号节点个数。所有参考点的RSS向量可以记录记录成一个数据库C，即指纹图，式中N为参考点个数。

$C=\left[\begin{array}{c}{S}_{\left(1\right)}\\ S_{\left(2\right)}\\ S_{\left(3\right)}\\ .\\ .\\ .\\ S_{\left(N\right)}\end{array}\right]$

在定位过程中，用户机实时接收到的RSS向量可由S’表示

S'＝(a_r1,a_r2,a_r3,…,a_rj,…a_rM)

将该指纹图中的每个RSS向量与测量到的RSS向量S’进行对比，通过寻找欧氏距离最小的组合来确定当前用户所在的位置。欧氏距离的计算过程如下式所示。

$E(S^{\′},S_{\left(i\right)})=\sqrt{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{(a_{\mathrm{rj}}-a_{\mathrm{ij}})}^2}$

kNN算法是常用的解算方法，其具体过程为：首先找到距离测试点欧氏距离最近的k个参考点，其坐标可以用P_m＝(X_m,Y_m,Z_m)表示，其中m的取值为1～k之间。则定位结果是该k个参考点位置的均值P＝Σ(X_m,Y_m,Z_m)/k。

现有技术中，比较成熟的定位系统如GNSS系统都可以在定位的同时，通过DOP等值来对定位结果的精度进行估计，如UERE值，并反馈给用户。该精度估计值对于数据融合，联合定位等技术的实现有着重要意义。但目前指纹定位只为用户输出定位结果，而不能像上述GNSS系统那样给出定位精度的估计，这成了指纹定位技术与其它定位技术融合时的重大技术瓶颈。

发明内容

本发明提供了一种指纹定位中基于参考点最大距离的定位可信度计算方法，以通过计算kNN算法中所选择的k个参考点的位置与定位结果的距离之最大值来估计定位结果的可信度，对定位精度进行估计。

本发明为解决上述技术问题采取的技术方案是：本发明的操作分为运营商和用户两部分；

一种指纹定位中基于参考点最大距离的定位可信度计算方法，所述方法的实现过程包括能信息交互和数据共享的运营商操作过程和用户操作过程；

运营商操作过程A：

步骤A1：进行kNN解算，并记录kNN算法所选的k个参考点的位置坐标P_m＝(X_m,Y_m,Z_m)以及定位结果的位置坐标P＝(X,Y,Z)；其中m的取值为1～k之间；

步骤A2：计算所有k个选定参考点与定位结果距离之最大值，计算方法如下式：

$D=\max \left(\sqrt{{(X-X_m)}^2+{(Y-Y_m)}^2+{(Z-Z_m)}^2}\right)$

步骤A3：在应用场景下通过步骤A1至步骤A2进行大量实测，统计D与定位精度e之间的关系；

步骤A4：将D与定位精度e之间的关系发送到用户机中，转换关系可以通过查表法实现或通过曲线拟合实现；

用户操作过程B：

步骤B1：定位时通过步骤A1至步骤A2来计算出当前定位结果对应的D值；

步骤B2：通过步骤A4给出的转换关系，用户机通过将当前D值带入到A4过程给出的拟合曲线方程中计算得到当前的定位精度估计值，或通过查表得出当前的定位精度。

本发明的有益效果是：

本发明通过计算kNN算法中所选择的k个参考点的位置与定位结果的距离之最大值来估计定位结果的可信度，对定位精度进行估计。基于参考点的位置坐标以及定位结果的位置坐标数据，本发明所提出的参数D与定位精度之间成单调关系甚至接近成线性关系，能有效的反应定位精度。能通过计算D值，有效地对定位精度进行估计，而且计算量少；本发明的操作分为运营商和用户两部分，方便操作。

附图说明

图1是室内环境仿真环境示意图，图2为实验统计结果图(图中横坐标表示定位精度，纵坐标表示可信度)。

具体实施方式

一种指纹定位中基于参考点最大距离的定位可信度计算方法，所述方法的实现过程包括能信息交互和数据共享的运营商操作过程和用户操作过程；

运营商操作过程A：

步骤A1：进行kNN解算，并记录kNN算法所选的k个参考点的位置坐标P_m＝(X_m,Y_m,Z_m)以及定位结果的位置坐标P＝(X,Y,Z)；其中m的取值为1～k之间；

步骤A2：计算所有k个选定参考点与定位结果距离之最大值，计算方法如下式：

$D=\max \left(\sqrt{{(X-X_m)}^2+{(Y-Y_m)}^2+{(Z-Z_m)}^2}\right)$

步骤A3：在应用场景下通过步骤A1至步骤A2进行大量实测，统计D与定位精度e之间的关系；

步骤A4：将D与定位精度e之间的关系发送到用户机中，转换关系可以通过查表法实现或通过曲线拟合实现；

所述查表法是指将定位精度和D值的关系进行统计吗，并构成一一映射，即一个D值对应一个定位精度估计值。将此一一映射存储到一个数据库中，以D值为其地址，以定位精度估计值为数据库数据。用户可以通过对比自身的道德D值来查找到相应的定位精度估计值。

用户操作过程B：

步骤B1：定位时通过步骤A1至步骤A2来计算出当前定位结果对应的D值；

步骤B2：通过步骤A4给出的转换关系，用户机通过将当前D值带入到A4过程给出的拟合曲线方程中计算得到当前的定位精度估计值，或通过查表得出当前的定位精度。

本发明的验证过程如下：

运营商操作过程：记录kNN算法所选的k个参考点的位置坐标P_m＝(X_m,Y_m,Z_m)以及定位结果的位置坐标P＝(X,Y,Z)；计算所有k个选定参考点与定位结果距离之最大值；统计D与定位精度e之间的关系；将D与定位精度e之间的关系发送到用户机中，转换关系可以通过查表法实现或通过曲线拟合实现；用户操作过程：计算出当前定位结果对应的D值；过给出的转换关系，用户机通过计算或查表得出当前的定位精度。

通过经典室内信号衰减模型搭建了如图1所示的室内环境仿真环境。指纹图的参考点间距为0.5m。

通过在室内随机进行定位实验，通过1000000次实验，统计本发明所提出的参数D与定位精度之间的关系。

上述实验结果的统计情况如图2所示。

可以看出，本发明所提出的参数D与定位精度之间成单调关系甚至接近成线性关系，可见其可以有效的反应定位精度，即定位服务的可信度的情况。

Claims (1)

1.一种指纹定位中基于参考点最大距离的定位可信度计算方法，其特征在于：所述方法的实现过程包括能信息交互和数据共享的运营商操作过程和用户操作过程；

运营商操作过程A：

步骤A1：进行kNN解算，并记录kNN算法所选的k个参考点的位置坐标P_m＝(X_m,Y_m,Z_m)以及定位结果的位置坐标P＝(X,Y,Z)；其中m的取值为1～k之间；

步骤A2：计算所有k个选定参考点与定位结果距离之最大值，计算方法如下式：

$D=\max \left(\sqrt{{(X-X_m)}^2+{(Y-Y_m)}^2+{(Z-Z_m)}^2}\right)$

步骤A3：在应用场景下通过步骤A1至步骤A2进行大量实测，统计D与定位精度e之间的关系；

步骤A4：将D与定位精度e之间的关系发送到用户机中，转换关系可以通过查表法实现或通过曲线拟合实现；

用户操作过程B：

步骤B1：定位时通过步骤A1至步骤A2来计算出当前定位结果对应的D值；

步骤B2：通过步骤A4给出的转换关系，用户机通过将当前D值带入到A4过程给出的拟合曲线方程中计算得到当前的定位精度估计值，或通过查表得出当前的定位精度。