CN105005024A - 压缩感知定位方法 - Google Patents

压缩感知定位方法 Download PDF

Info

Publication number
CN105005024A
CN105005024A CN201510432191.3A CN201510432191A CN105005024A CN 105005024 A CN105005024 A CN 105005024A CN 201510432191 A CN201510432191 A CN 201510432191A CN 105005024 A CN105005024 A CN 105005024A
Authority
CN
China
Prior art keywords
matrix
sampling
sparse sampling
rssi
sparse
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.)
Pending
Application number
CN201510432191.3A
Other languages
English (en)
Inventor
由克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Xibotaike Electronics Co Ltd
Original Assignee
Shenzhen Xibotaike Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Xibotaike Electronics Co Ltd filed Critical Shenzhen Xibotaike Electronics Co Ltd
Priority to CN201510432191.3A priority Critical patent/CN105005024A/zh
Publication of CN105005024A publication Critical patent/CN105005024A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提供的压缩感知定位方法包括以下步骤：步骤1：在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；步骤2：对稀疏采样矩阵恢复得到RSSI矩阵；步骤3：无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比，得到当前位置；其中所述步骤1包括建立采样模型，对环境空间进行稀疏采样，得到稀疏采样矩阵；所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩阵。本发明通过对空间区域内的若干个随机参考位置上进行各方向多次采样，获得空间区域内的稀疏采样矩阵，并通过L1最小化算法恢复出满足定位精度的RSSI矩阵，降低RSSI矩阵构建的时间。

Description

压缩感知定位方法
技术领域
本发明涉及室内定位领域，尤其涉及一种压缩感知定位方法。
背景技术
基于指纹信息的室内定位技术(以下简称为：指纹定位)它的主要思想来源于模式识别，并默认用户位置即用户所持终端设备位置。无线接入点(AccessPoint,AP)信号的强度随着传播距离的增加逐渐衰减，但是实际的室内空间总比理想情况复杂，信号强度的分布也不再规律。如图1所示，一般智能终端设备可以在WLAN覆盖区域内搜索到多个AP，并且在覆盖区域内都能接收到信号强度值RSSI(Received Signal Strength Indication)。WLAN定位的主旨是在离线阶段感知收集定位环境下每个位置的RSSI采样信息，并建立RSSI信息数据库；在线阶段根据终端设备在具体位置接收到的RSSI信息匹配已建立的数据库信息，最终计算出终端设备的具体位置。
由于室内复杂多变的空间环境，会对RSSI采样值产生影响，需要定期更新RSSI采样信息数据库，对室内场景重新标定。当室内场景较大并且标定的点较多时，更新RSSI采样数据库则会是一个费时费力的过程。现有的技术是通过虚拟标定的方法减少工作量。虚拟标定的方法是粗略的标定当前室内空间的RSSI采样信息后，通过建模的方式估算出余下细化标定点的RSSI信息，从而达到减少工作量的目的。然而虚拟标定的方法中RSSI的数据库数量较大，在进行数据匹配的时候耗时较多，硬件要求较高。
发明内容
本发明要解决的技术问题是：提供一种基于压缩感知的方法减少信号的采集，并能够得到足够高的定位精度的压缩感知定位方法。
为实现上述目的，所述压缩感知定位方法包括以下步骤：
步骤1：在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；
步骤2：对稀疏采样矩阵恢复得到RSSI矩阵；
步骤3：无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比，得到当前位置；
所述步骤1包括：建立采样模型，对环境空间根据稀疏采样算子进行稀疏采样，得到稀疏采样矩阵；
所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩阵。
所述稀疏采样算子为随机布尔数组。
进一步的，所述采样模型为对空间平面分成M个参考位置，并对每个参考位置的上下左右四个方向分别各采样X次。
进一步的，所述X为5次。
本发明压缩感知定位方法通过对空间区域内的若干个随机参考位置上进行各方向多次采样，获得空间区域内的稀疏采样矩阵，并通过L1最小化算法恢复出满足一定定位精度的RSSI矩阵，降低RSSI矩阵构建的时间。
附图说明
下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其它有益效果显而易见。
附图中，
图1为本发明压缩感知定位方法的基本原理工作示意图；
图2为本发明压缩感知定位方法流程示意图；
图3为本发明压缩感知定位方法的定位场景示意图；
图4为本发明压缩感知定位方法的参考位置采样方位示意图；
图5为本发明压缩感知定位方法的稀疏采样示意图；
图6为本发明压缩感知定位方法的稀疏采样矩阵的恢复流程图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的优选实施例及其附图进行详细描述。
请参阅图2，本发明具体实施方式提供一种压缩感知定位方法，所述压缩感知定位方法包括以下步骤：
步骤1：在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；所述步骤1包括：建立采样模型，对环境空间根据稀疏采样算子进行稀疏采样，得到稀疏采样矩阵。
在本实施方式中，如图3把室内场景分割成网格状进行标定，需要的定位精度越高，网格的划分就越小，形成的采样矩阵就越大。假设室内场景存在M个参考位置，N个AP。图中黑色的方格为随机减少采集的参考位置，随机减少参考位置数量m<M/2(小于总数量的一半)，白色的方格为需要进行采样的参考位置。
如图4所示，我们用智能设备(智能手机、平板电脑等)在白色方格位置朝四个方位各采样AP信号5次，得到稀疏采样矩阵x。
如图5所示，稀疏矩阵行为5×4×N，表示AP每次在所有参考位置的采样信号强度；列为M，表示每个参考位置所有AP采样值。黑色列表示无采集数据的参考位置，白色列表示已经采样的参考位置。如果我们用Φ表示所有参考位置完整采样的信息矩阵，那么稀疏采样过程可以表述为
x＝Φ.*y
这里x是稀疏采样矩阵；Φ是原始的完整RSSI信息矩阵，矩阵大小为(4×5×N,M)，并且N≥0(Klog M)；y是采样指数矩阵，y中为1的表示该位置采样，为0的表示该位置跳过，未采样。
所述稀疏采样算子y为随机布尔数组。
步骤2：对稀疏采样矩阵恢复得到RSSI矩阵。
所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩阵。
在本实施方式中，如图6所示，在离线阶段得到的稀疏采样矩阵可能不具备严格数学意义的稀疏特性。根据压缩感知理论知，压缩感知所处理的矩阵必须具备稀疏特性，但是实际上绝大部分信号本身并不稀疏，为此，需要对采样矩阵做稀疏变换。用一组基Ψ＝{ψ1，ψ2...，ψM}对采样矩阵x做稀疏变换，
,Ψ是M×M的正交矩阵，x和S都是M维向量。经过稀疏变换后得到稀疏矩阵y＝ΦΨx+ε。其中，ε是信号噪声，Ψ是AP信号强度特征
令R＝ΦΨ，矩阵是矩阵R的伪逆，Q＝orth(RT)T，orth(R)是R的正交基。那么存在正交变换
使得z＝Ty。带入y，T,可得
因为是R的伪逆，那么因此z＝Qx+Tε。
这里Q是一个正交矩阵，并且Q满足约束等距性(Restricted IsometryProperty)。由于参考位置M>>N(远远大于)AP的数量，当AP的数量N和log M在一个数量级时，满足
这里的||·||l是二-范数。通过求出的最优解就可以得到x，从而通过z＝Qx+ε′计算得到完整的近似矩阵z。
虽然矩阵z是完整RSSI信息采样矩阵Φ的近似矩阵，但是在满足约束等距性(Restricted Isometry Property)的条件下，随机减少一半参考位置采样，稀疏恢复矩阵z和完整RSSI采样矩阵Φ的相对误差可保持在6％以下。最后，把恢复得到完整的近似矩阵z存入RSSI采样信息数据库。
步骤3：无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比，得到当前位置。
在本实施方式中，建立并存储完整RSSI采样信息数据库后，在线阶段用户所持智能设备采集当前位置的所有AP信号信息，与RSSI采样信息数据库进行匹配，可以计算得到当前位置。例如，在线阶段利用基于权重的K近邻算法(Weighted K-Nearest Neighbor,WKNN)匹配RSSI采样信息数据库，计算出当前智能设备的实时位置。
以上所述，对于本领域的普通技术人员来说，可以根据本发明的技术方案和技术构思作出其他各种相应的改变和变形，而所有这些改变和变形都应属于本发明权利要求的保护范围。

Claims (3)

1.一种压缩感知定位方法，其特征在于，包括以下步骤：
步骤1：在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；
步骤2：对稀疏采样矩阵恢复得到RSSI矩阵；
步骤3：无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比，得到当前位置；
所述步骤1包括：建立采样模型，对环境空间根据稀疏采样算子进行稀疏采样，得到稀疏采样矩阵；
所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩阵。
所述稀疏采样算子为随机布尔数组。
2.根据权利要求1所述压缩感知定位方法，其特征在于，所述采样模型为对空间平面分成M个参考位置，并对每个参考位置的上下左右四个方向分别各采样X次。
3.根据权利要求2所述压缩感知定位方法，其特征在于，所述X为5次。
CN201510432191.3A 2015-07-21 2015-07-21 压缩感知定位方法 Pending CN105005024A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510432191.3A CN105005024A (zh) 2015-07-21 2015-07-21 压缩感知定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510432191.3A CN105005024A (zh) 2015-07-21 2015-07-21 压缩感知定位方法

Publications (1)

Publication Number Publication Date
CN105005024A true CN105005024A (zh) 2015-10-28

Family

ID=54377761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510432191.3A Pending CN105005024A (zh) 2015-07-21 2015-07-21 压缩感知定位方法

Country Status (1)

Country Link
CN (1) CN105005024A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105548959A (zh) * 2015-12-07 2016-05-04 电子科技大学 一种基于稀疏重建的多传感器多目标的定位方法
CN105744485A (zh) * 2016-01-20 2016-07-06 上海交通大学 基于传播模型的室内定位rss指纹库恢复方法
CN106454750A (zh) * 2016-11-23 2017-02-22 湖南大学 一种基于压缩感知技术的多区域室内安全定位方法
CN107682822A (zh) * 2017-11-06 2018-02-09 哈尔滨工程大学 一种基于电磁场强度的压缩感知室外定位方法
CN110519705A (zh) * 2019-08-28 2019-11-29 中国银行股份有限公司 一种基于信号稀疏表示模型的定位方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103428850A (zh) * 2013-08-05 2013-12-04 湖南大学 基于压缩感知的分布式多区域定位方法
CN103561380A (zh) * 2013-08-19 2014-02-05 北京邮电大学 位置指纹定位方法及装置
CN103945529A (zh) * 2014-04-15 2014-07-23 南京邮电大学 基于rss的无线传感器网络定位方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103428850A (zh) * 2013-08-05 2013-12-04 湖南大学 基于压缩感知的分布式多区域定位方法
CN103561380A (zh) * 2013-08-19 2014-02-05 北京邮电大学 位置指纹定位方法及装置
CN103945529A (zh) * 2014-04-15 2014-07-23 南京邮电大学 基于rss的无线传感器网络定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CUI QIMEI: "Compressive Sensing Based Wireless Localization in Indoor Scenarios", 《CHAIN COMMUNICATIONS》 *
刘莎莎 等: ""基于压缩感知信号重构的wifi室内定位算法研究"", 《激光杂志》 *
王婷婷 等: ""自适应环境变化的RSS室内定位方法"", 《通信学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105548959A (zh) * 2015-12-07 2016-05-04 电子科技大学 一种基于稀疏重建的多传感器多目标的定位方法
CN105744485A (zh) * 2016-01-20 2016-07-06 上海交通大学 基于传播模型的室内定位rss指纹库恢复方法
CN105744485B (zh) * 2016-01-20 2019-01-25 上海交通大学 基于传播模型的室内定位rss指纹库恢复方法
CN106454750A (zh) * 2016-11-23 2017-02-22 湖南大学 一种基于压缩感知技术的多区域室内安全定位方法
CN106454750B (zh) * 2016-11-23 2019-05-17 湖南大学 一种基于压缩感知技术的多区域室内安全定位方法
CN107682822A (zh) * 2017-11-06 2018-02-09 哈尔滨工程大学 一种基于电磁场强度的压缩感知室外定位方法
CN107682822B (zh) * 2017-11-06 2020-09-11 哈尔滨工程大学 一种基于电磁场强度的压缩感知室外定位方法
CN110519705A (zh) * 2019-08-28 2019-11-29 中国银行股份有限公司 一种基于信号稀疏表示模型的定位方法及系统

Similar Documents

Publication Publication Date Title
CN105005024A (zh) 压缩感知定位方法
US20180081035A1 (en) Method and device for filtering point cloud data
KR101625757B1 (ko) 무선랜 라디오맵 자동 구축 방법 및 시스템
CN102844771B (zh) 用旋转不变特征描述符进行跟踪和识别的方法和设备
US20200110173A1 (en) Obstacle detection method and device
CN108280866B (zh) 道路点云数据处理方法及系统
US11218986B2 (en) Positioning method and server, and terminal
CN112887897B (zh) 终端的定位方法、装置和计算机可读存储介质
CN112305559A (zh) 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备
CN102903116A (zh) 一类基于图像块距离的高光谱图像流形降维方法
CN112414403B (zh) 一种机器人的定位定姿方法、设备及存储介质
CN105654422A (zh) 点云配准方法和系统
CN104519571A (zh) 一种基于rss的室内定位方法
CN104331899A (zh) 一种sar图像配准方法及装置
CN105277917A (zh) 一种基于反馈机制的动态指纹库室内定位方法
CN102487516B (zh) 利用路测数据进行自动小区规划优化的方法及装置
Zou et al. WinIPS: WiFi-based non-intrusive IPS for online radio map construction
KR101471509B1 (ko) 코로나 질량 방출 분석 장치 및 그 방법
Huang et al. MAPS: Indoor localization algorithm based on multiple AP selection
CN115937638A (zh) 模型训练方法、图像处理方法、相关装置及存储介质
CN103648080A (zh) WiFi室内定位中指纹库的构建方法及系统
Qin et al. A wireless sensor network location algorithm based on insufficient fingerprint information
CN113873423B (zh) 终端定位方法、装置及系统
CN104965190B (zh) 基于位置指纹的轴向解耦室内定位方法
CN114916059A (zh) 基于区间随机对数阴影模型的WiFi指纹稀疏地图扩建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20151028