CN105652235B - 基于线性回归算法的wlan室内定位多用户rss融合方法 - Google Patents
基于线性回归算法的wlan室内定位多用户rss融合方法 Download PDFInfo
- Publication number
- CN105652235B CN105652235B CN201511019178.1A CN201511019178A CN105652235B CN 105652235 B CN105652235 B CN 105652235B CN 201511019178 A CN201511019178 A CN 201511019178A CN 105652235 B CN105652235 B CN 105652235B
- Authority
- CN
- China
- Prior art keywords
- mrow
- rss
- msub
- munderover
- linear regression
- 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
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
- G01S5/0284—Relative positioning
-
- 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
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mobile Radio Communication Systems (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
基于线性回归算法的WLAN室内定位多用户RSS融合方法,涉及一种WLAN室内定位的多用户RSS融合方法。本发明是为了Radio Map建立过程中和在线定位阶段用户使用不同移动终端造成采集的RSS数据具有较大区别,从而导致定位误差大的问题。本发明在离线阶段将不同移动终端采集的RSS值进行线性回归处理,同时将不同移动终端与基础移动终端的线性回归系数进行存储。在线定位阶段,系统获得用户的移动终端品牌,从Radio Map中读取线性回归系数对移动终端采集的RSS值做线性回归处理,消除在线采集RSS值与Radio Map中RSS值之间由于设备不同造成的差异,提高在线定位精度。
Description
技术领域
本发明涉及一种WLAN室内定位的多用户RSS融合方法。
背景技术
随着无线局域网(Wireless Local Area Networks)的部署越来越广泛和智能手机的普及,基于接收信号强度RSS(Received Signal Strength)的WLAN室内定位技术由于其部署方便,无需添加其他硬件设备而得到广泛的关注。
WLAN室内定位技术通过测量来自接入点AP(Access Point)的接收信号强度RSS估计出移动设备的位置。WLAN定位系统由两部分构成,即离线Radio Map建立阶段和在线定位估计阶段。离线阶段Radio Map的构建是保证高精度室内定位的重中之重,Radio Map是由移动终端测量环境中的每个参考点接收到来自该环境中各个AP的信号强度值向量组成。在线定位阶段移动终端测量定位环境中AP的RSS值并与Radio Map中的RSS值进行对比估计出移动终端的位置坐标。为快速建立Radio Map,降低Radio Map建立的时间和人力成本,在不影响用户正常使用的前提下智能移动终端在后台感知周围环境,并将感知信息上传给服务器的方式形成Radio Map。
然而在现在的移动终端市场上,不同品牌不同型号的移动终端成百上千,常见品牌包括苹果、三星、华为、HTC等。由于用户所持有的移动终端品牌不同,不同品牌的手机终端所使用的无线网卡会存在硬件差异,且不同品牌所采用的信号处理算法不同,因此即使是在同一时刻同一位置,不同手机测量到的RSS值也各不相同。在Radio Map建立阶段,由于大量工作人员使用移动终端不同,所采集的RSS值也各不相同,使得建立的Radio Map引入了大量噪声,造成Radio Map建立的误差。在线定位阶段,由于不同用户的移动终端与建立Radio Map时所采用的移动终端的不同,造成在线采集的RSS值与Radio Map中的RSS值具有很大差别,因此造成定位精度的降低。
发明内容
本发明是为了Radio Map建立过程中和在线定位阶段用户使用不同移动终端造成采集的RSS数据具有较大区别,从而导致定位误差大的问题,从而提供一种基于线性回归算法的WLAN室内定位多用户RSS融合方法。
基于线性回归算法的WLAN室内定位多用户RSS融合方法,它由以下步骤实现:
步骤一、在离线阶段,在室内待定位环境中布置M个接入点AP,标定参考点位置,确保室内目标定位环境中的参考点位置均能够接收到来至少2个接入点AP辐射的信号;M为正整数;
步骤二、在室内待定位区域内设定坐标原点,建立二维直角坐标系,利用A个不同移动终端在每一个参考点上采集RSS值;A为大于1的整数;
步骤三、选定基础移动终端,将其它移动终端采集的RSS值与基础终端设备采集的RSS值做线性回归处理,获得线性回归系数;
步骤四、利用其他N个不同移动终端在不同参考点采集对应的RSS值,并利用对应的线性回归系数对采集得到的RSS值做线性回归处理;
步骤五、将所有参考点的平面二维坐标值、相应的经过线性回归处理的RSS值和其他N个不同移动终端间的线性回归系数存储在Radio Map中;
步骤六、在线定位阶段,服务器识别用户移动终端信息,并在Radio Map中获得线性回归系数,利用该线性回归系数对用户移动终端实时采集的RSS值做线性回归处理,获得处理之后的RSS值;
步骤七、使用KNN算法在测试区域对测试点分别对比RSS值线性回归处理之前和线性回归处理之后的定位误差。
离线阶段的Radio Map建立及分析,由以下步骤实现:
步骤A1、在待定位区域的每个参考点处利用不同移动终端采集并记录来自每一个AP的接收信号强度RSS值n次并记录该参考点的二维坐标,形成4个矩阵:
Ni×n×(M+2),i=1,2,3,4
其中:Ni为某一移动终端采集RSS值的参考点个数,i=1,2,3,4分别代表四个不同移动终端,为待定位区域参考点总个数,n为在每一个参考点处采集信号的次数,M+2中M代表该环境中AP的数量,2代表二维坐标;
步骤A2、选定其中一个移动终端做为基础移动终端,分别对其他三种移动终端采集的RSS值对基础移动终端采集的RSS值做线性回归,如式(1)所示:
RSSA,l=αRSSB,l+β (1)
其中:RSSA,l、RSSB,l分别表示其中两个不同移动终端A和B在l处采集的RSS信号,α、β代表一元线性回归方程的参数,取值如式(2)所示:
其中:RSSA,l,i、RSSB,l,i分别表示移动终端A和B在位置l处的采集n个样本中的第i个RSS值,定义为公式(3):
其中:和分别表示移动终端A和B在l出采集n个RSS值的平均值,如公式(4)和式(5)所示:
则参数α、β由公式(6)获得:
步骤A3、利用步骤A2中得出的线性回归系数对其他三种移动终端采集的RSS值做线性回归处理,得到处理之后的RSS值;
步骤A4、将线性回归处理之后的RSS矩阵和与其对应的二维坐标,以及不同移动终端的线性回归系数组合成为Radio Map。
在线定位阶段,服务器对用户移动终端采集的RSS值做线性回归,对比RSS值线性回归处理之前和线性回归处理之后的定位误差,具体为:
步骤B1、用户在定位软件中选择其移动终端的品牌或者服务器自主识别用户移动终端品牌,从而在Radio Map中得到线性回归系数,利用该线性回归系数对用户移动终端测量得到的RSS值进行线性回归处理得到处理之后的RSS值,计算公式如式(1)所示:
RSSA,l=αRSSB,l+β (1)
步骤B2、对Radio Map中每个参考点处测量得到的n次RSS值向量取平均,得到一个1×(M+2)的向量;
其中,向量前两个元素为参考点坐标,后M个元素代表用户移动终端在该参考点测得的分别来自M个AP的RSS均值;
步骤B3、根据公式(7):
计算测试点测得的M个AP的RSS值向量(RSS1,RSS2,…RSSM)与第g个参考点M个AP的RSS向量(RSSg1,RSSg2,…RSSgM)之间的欧式距离;
步骤B4、从步骤B2中得到的N个欧式距离d中选择K个与欧式距离最小的参考点,根据这K个参考点的坐标,由式(8)所示计算出测试点的位置坐标,与测试点实际位置坐标进行误差计算,统计定位误差:
(xg,yg)为第g个参考点的坐标;
步骤B5、对未做进行线性回归之前的Radio Map和在线采集的RSS值重复步骤B2至步骤B4,得到测试点定位坐标并与实际位置对比,统计定位误差,对比线性回归处理之前和处理之后的测试点定位坐标的累计定位误差。
本发明消除了由于用户使用不同移动终端所带来的RSS信号的差异,利用线性回归算法将不同移动终端采集的RSS值进行线性回归处理,从而使建立的Radio Map更加精确。同时为提高定位精度,利用获得的线性回归系数对在现阶段移动终端采集的RSS值进行线性回归处理,并利用线性回归处理之后的RSS值进行定位,在线定位的精度得以大幅度提高。
附图说明
图1是本发明的具体实施方式一所述的定位实验场景示意图;
图2是具体实施方式一所述的测试区域示意图;
图3是具体实施方式一中HTC到酷派的RSS值映射仿真示意图;
图4是具体实施方式一中小米到酷派的RSS值映射仿真示意图;
图5是具体实施方式一中华为到酷派的RSS值映射仿真示意图;
图6是不同品牌的定位终端示意图;
图7是线性回归算法应用前后累积概率曲线对比示意图;
图8是具体实施方式一中的不同算法效果对比图;
具体实施方式
具体实施方式一、基于线性回归算法的WLAN室内定位多用户RSS融合方法,它由以下步骤实现:
步骤一、离线Radio Map建立阶段,在不影响用户正常使用的前提下移动终端在后台感知周围环境,并将感知的RSS值、移动终端品牌等信息上传给服务器;
步骤二、服务器选取某一品牌移动终端作为基础移动终端,在几个参考点上将其他移动终端采集的RSS数据与基础移动终端采集的RSS值进行线性回归处理,得到线性回归后的RSS值和不同移动终端间的线性回归系数;
步骤三、利用得到的线性回归系数对不同移动终端在其他参考点上采集的RSS值进行线性回归处理,将进行线性回归处理之后的RSS数据、对应的坐标数据和相应的线性回归系数进行保存从而建立Radio Map;
步骤四、在线定位阶段,服务器对请求定位服务的用户移动终端进行品牌识别,从而在Radio Map中获得不同品牌的线性回归系数;
步骤五、对用户移动终端采集的RSS值利用线性回归系数进行线性回归处理;
步骤六、将线性回归处理后的RSS向量利用KNN算法选取与Radio Map中欧式距离最小的K个近邻参考点计算定位坐标,并分别比较线性回归处理前和处理后的定位误差。
具体实施方式二、本具体实施方式是具体实施方式一所述的基于线性回归算法的WLAN室内定位多用户RSS融合方法的进一步限定,离线阶段Radio Map建立及分析过程,包括以下步骤:
一、在待定位区域的每个参考点处利用不同品牌移动终端采集并记录来自每一个AP的接收信号强度RSS值n次并记录该参考点的二维坐标,形成4个Ni×n×(M+2),i=1,2,3,4矩阵,其中Ni为某一品牌移动终端采集RSS值的参考点个数,i=1,2,3,4分别代表华为、小米、三星、Nexus移动终端,为待定位区域参考点总个数,n为在每一个参考点处采集信号的次数,M+2中M代表该环境中AP的数量,2代表二维坐标;
二、选择华为移动终端为基础移动终端,分别对其他三种移动终端采集的RSS值对华为移动终端的采集的RSS值做线性回归,根据公式(1)计算,其中RSSA,l、RSSB,l表示A、B品牌移动终端在l处采集的RSS信号,α、β代表一元线性回归方程的参数,如公式(2)所示,其中RSSA,l,i、RSSB,l,i分别表示移动终端A、B在位置l处的采集n个样本中的第i个RSS值,为方便计算,作公式(3)定义,其中分别表示移动终端A、B在l出采集n个RSS值的平均值,如公式(4)和公式(5)所示,则参数α、β可以由公式(6)计算得出。
RSSA,l=αRSSB,l+β (1)
三、利用步骤二中得出的线性回归系数对其他三种移动终端采集的RSS值做线性回归处理,得到处理之后的RSS值。
四、将线性回归处理之后的RSS矩阵和与其对应的二维坐标,以及不同品牌移动终端的线性回归系数组合成为Radio Map。
具体实施方式三:在线定位阶段,服务器对用户移动终端采集的RSS值做线性回归处理后计算用户位置坐标,并计算该二维坐标与实际位置的误差。它包括以下几个步骤:
一)、如图4所示,用户在定位软件中选择其用户移动终端的品牌或者服务器自主识别用户移动终端品牌,从而在Radio Map中得到线性回归系数,利用该线性回归系数对用户移动终端测量得到的RSS值进行线性回归处理得到处理之后的RSS值,计算公式如具体实施方式二中公式(1)所示;
二)、对Radio Map中每个参考点处测量得到的n次RSS值向量取平均,得到一个1×(M+2)的向量,其中,向量前两个元素为参考点坐标,后M个元素代表用户移动终端在该参考点测得的分别来自M个AP的RSS均值。
三)、由公式(7)计算测试点测得的M个AP的RSS值向量(RSS1,RSS2,…RSSM)与第g个参考点M个AP的RSS向量(RSSg1,RSSg2,…RSSgM)之间的欧式距离。
四)、从步骤二中得到的N个欧式距离d中选择K个与欧式距离最小的参考点,根据这K个参考点的坐标,由式所示计算出测试点的位置坐标。与测试点实际位置坐标进行误差计算,统计定位误差。
(xg,yg)为第g个参考点的坐标;
五)、对未做进行线性回归之前的Radio Map和在线采集的RSS值重复步骤二三四,得到测试点定位坐标并与实际位置对比,统计定位误差。对比线性回归处理之前和处理之后的测试点定位坐标的累计定位误差。
以下以具体的仿真实验验证本发明的效果:
在图1所示的室内环境中进行实验验证,该环境中包括19个实验室,1个会议室和一个乒乓球室,墙体材料为砖块,配有铝合金窗户和金属门,各接入点AP为CISCO LinksysWAP54G,各AP固定在距地面2m高度的位置,且用AP1、AP2、……、AP27标示1至27号AP。移动终端选择华为、小米、三星、Nexus四种常见手机移动终端,采集信号时离地面1.2m,选择走廊作为实验场所,本发明选取图1中的一部分区域如图2阴影区域所示进行实验。间隔0.5m设置参考点,共326个参考点。
使用华为、小米、三星、Nexus移动终端在不同参考点出收集来自27个接入点AP的信号强度RSS值;对于每一个参考点,每秒采样1次,一共采集100次。选取华为移动终端为基础移动终端,并对其他移动终端采集的RSS数据进行线性回归处理得到线性回归系数,处理结果如图3至5所示。由图3可知,HTC移动终端对酷派移动终端的线性回归系数为α=0.85,β=13。由图4可知,小米移动终端与酷派移动终端之间的线性回归系数为α=0.89,β=14。由图5可知,华为移动终端与酷派移动终端之间的线性回归系数为α=0.91,β=16。
比较两种情况下的Radio Map和在线采集信号对在线数据的定位影响。定位结果如图7与图8所示,从图7中可看出,线性回归处理之后的Radio Map和在线采集RSS值较处理前的Radio Map和在线采集RSS值对定位精度的提高有很大的帮助。
Claims (3)
1.基于线性回归算法的WLAN室内定位多用户RSS融合方法,其特征是:它由以下步骤实现:
步骤一、在离线阶段,在室内待定位环境中布置M个接入点AP,标定参考点位置,确保室内目标定位环境中的参考点位置均能够接收到来至少2个接入点AP辐射的信号;M为正整数;
步骤二、在室内待定位区域内设定坐标原点,建立二维直角坐标系,利用A个不同移动终端在每一个参考点上采集RSS值;A为大于1的整数;
步骤三、选定基础移动终端,将其它移动终端采集的RSS值与基础移动终端采集的RSS值做线性回归处理,获得线性回归系数;
步骤四、利用其他N个不同移动终端在不同参考点采集对应的RSS值,并利用对应的线性回归系数对采集得到的RSS值做线性回归处理;
步骤五、将所有参考点的平面二维坐标值、相应的经过线性回归处理的RSS值和其他N个不同移动终端间的线性回归系数存储在RadioMap中;
步骤六、在线定位阶段,服务器识别用户移动终端信息,并在RadioMap中获得线性回归系数,利用该线性回归系数对用户移动终端实时采集的RSS值做线性回归处理,获得处理之后的RSS值;
步骤七、使用KNN算法在测试区域对测试点分别对比RSS值线性回归处理之前和线性回归处理之后的定位误差。
2.根据权利要求1所述的基于线性回归算法的WLAN室内定位多用户RSS融合方法,其特征在于离线阶段的RadioMap建立及分析,由以下步骤实现:
步骤A1、在待定位区域的每个参考点处利用不同移动终端采集并记录来自每一个AP的接收信号强度RSS值n次并记录该参考点的二维坐标,形成4个矩阵:
Ni×n×(M+2),i=1,2,3,4
其中:Ni为某一移动终端采集RSS值的参考点个数,i=1,2,3,4分别代表四个不同移动终端,为待定位区域参考点总个数,n为在每一个参考点处采集信号的次数,M+2中M代表该环境中AP的数量,2代表二维坐标;
步骤A2、选定其中一个移动终端做为基础移动终端,分别对其他三种移动终端采集的RSS值对基础移动终端采集的RSS值做线性回归,如式(1)所示:
RSSA,l=αRSSB,l+β (1)
其中:RSSA,l、RSSB,l分别表示其中两个不同移动终端A和B在l处采集的RSS信号,α、β代表一元线性回归方程的参数,取值如式(2)所示:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>&beta;</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>n</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>n</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mi>n</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:RSSA,l,i、RSSB,l,i分别表示移动终端A和B在位置l处的采集n个样本中的第i个RSS值,定义为公式(3):
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>A</mi>
<mi>A</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>B</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中:和分别表示移动终端A和B在l出采集n个RSS值的平均值,如公式(4)和式(5)所示:
<mrow>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>/</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>RSS</mi>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>/</mo>
<mi>n</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
则参数α、β由公式(6)获得:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&alpha;</mi>
<mo>=</mo>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>B</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>&beta;</mi>
<msub>
<mover>
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
</mrow>
<mo>&OverBar;</mo>
</mover>
<mrow>
<mi>A</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>A</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>/</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>A</mi>
<mi>A</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤A3、利用步骤A2中得出的线性回归系数对其他三种移动终端采集的RSS值做线性回归处理,得到处理之后的RSS值;
步骤A4、将线性回归处理之后的RSS矩阵和与其对应的二维坐标,以及不同移动终端的线性回归系数组合成为RadioMap。
3.根据权利要求2所述的基于线性回归算法的WLAN室内定位多用户RSS融合方法,其特征在于在线定位阶段,服务器对用户移动终端采集的RSS值做线性回归,对比RSS值线性回归处理之前和线性回归处理之后的定位误差,具体为:
步骤B1、用户在定位软件中选择其用户移动终端的品牌或者服务器自主识别用户移动终端品牌,从而在RadioMap中得到线性回归系数,利用该线性回归系数对用户移动终端测量得到的RSS值进行线性回归处理得到处理之后的RSS值,计算公式如式(1)所示:
RSSA,l=αRSSB,l+β (1)
步骤B2、对RadioMap中每个参考点处测量得到的n次RSS值向量取平均,得到一个1×(M+2)的向量;
其中,向量前两个元素为参考点坐标,后M个元素代表用户移动终端在该参考点测得的分别来自M个AP的RSS均值;
步骤B3、根据公式(7):
<mrow>
<mi>d</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msup>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>RSS</mi>
<mrow>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>RSS</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>|</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mn>1</mn>
<mo>/</mo>
<mn>2</mn>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
计算测试点测得的M个AP的RSS值向量(RSS1,RSS2,…RSSM)与第g个参考点M个AP的RSS向量(RSSg1,RSSg2,…RSSgM)之间的欧式距离;
步骤B4、从步骤B2中得到的N个欧式距离d中选择K个与欧式距离最小的参考点,根据这K个参考点的坐标,由式(8)所示计算出测试点的位置坐标,与测试点实际位置坐标进行误差计算,统计定位误差:
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>K</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>g</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>g</mi>
</msub>
<mo>,</mo>
<msub>
<mi>y</mi>
<mi>g</mi>
</msub>
<mo>)</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
(xg,yg)为第g个参考点的坐标;
步骤B5、对未做进行线性回归之前的RadioMap和在线采集的RSS值重复步骤B2至步骤B4,得到线性回归处理之前的测试点定位坐标并与实际位置对比,统计定位误差,对比线性回归处理之前和处理之后的测试点定位坐标的累计定位误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511019178.1A CN105652235B (zh) | 2015-12-29 | 2015-12-29 | 基于线性回归算法的wlan室内定位多用户rss融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511019178.1A CN105652235B (zh) | 2015-12-29 | 2015-12-29 | 基于线性回归算法的wlan室内定位多用户rss融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105652235A CN105652235A (zh) | 2016-06-08 |
CN105652235B true CN105652235B (zh) | 2018-03-27 |
Family
ID=56477430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511019178.1A Active CN105652235B (zh) | 2015-12-29 | 2015-12-29 | 基于线性回归算法的wlan室内定位多用户rss融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105652235B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106358233B (zh) * | 2016-08-24 | 2019-07-02 | 哈尔滨工业大学 | 一种基于多维尺度分析算法的rss数据平滑方法 |
CN108632752B (zh) * | 2018-05-18 | 2020-06-16 | 哈尔滨工业大学 | 基于张量填充的室内位置指纹定位Radio Map建立方法 |
CN108834041B (zh) * | 2018-05-18 | 2020-08-11 | 哈尔滨工业大学 | 基于张量重建的室内位置指纹定位Radio Map建立方法 |
CN109769298A (zh) * | 2019-04-15 | 2019-05-17 | 江西师范大学 | 一种基于手机接收WiFi的RSSI值的定位线性标定方法及系统 |
CN110049442B (zh) * | 2019-05-23 | 2021-02-09 | 江西师范大学 | 基于智能手机的室内WiFi指纹定位自动标定方法及系统 |
CN110398713A (zh) * | 2019-07-29 | 2019-11-01 | 相维(北京)科技有限公司 | 一种利用无线信号检测接收机运动状态的方法 |
CN111856393A (zh) * | 2020-07-20 | 2020-10-30 | 天津大学 | 一种基于分区可修正性的深度高斯过程回归室内定位方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7480264B1 (en) * | 2005-02-10 | 2009-01-20 | Sonicwall, Inc. | Centralized wireless LAN load balancing |
CN101815308A (zh) * | 2009-11-20 | 2010-08-25 | 哈尔滨工业大学 | 神经网络区域训练的wlan室内定位方法 |
CN101820639A (zh) * | 2010-02-10 | 2010-09-01 | 哈尔滨工业大学 | 基于容错技术的wlan室内三层ann智能定位方法 |
CN104270818A (zh) * | 2014-10-16 | 2015-01-07 | 北京北斗天成科技有限公司 | 一种停车场中车辆的无线定位方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004112354A2 (en) * | 2003-06-04 | 2004-12-23 | Symbol Technologies, Inc. | Method for mobile unit location estimate in a wireless lan |
CA2657207A1 (en) * | 2006-07-07 | 2008-01-10 | Skyhook Wireless, Inc. | Systems and methods of gathering information from wlan-enabled access points to estimate position of a wlan positioning device |
-
2015
- 2015-12-29 CN CN201511019178.1A patent/CN105652235B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7480264B1 (en) * | 2005-02-10 | 2009-01-20 | Sonicwall, Inc. | Centralized wireless LAN load balancing |
CN101815308A (zh) * | 2009-11-20 | 2010-08-25 | 哈尔滨工业大学 | 神经网络区域训练的wlan室内定位方法 |
CN101820639A (zh) * | 2010-02-10 | 2010-09-01 | 哈尔滨工业大学 | 基于容错技术的wlan室内三层ann智能定位方法 |
CN104270818A (zh) * | 2014-10-16 | 2015-01-07 | 北京北斗天成科技有限公司 | 一种停车场中车辆的无线定位方法 |
Non-Patent Citations (2)
Title |
---|
"Dynamic Radio Map Construction for WLAN Indoor Location";Huimin Wang;《2011 Third International Conference on Intelligent Human-Machine Systems and Cybernetics》;20111231;第162-165页 * |
"基于多元回归方法对室内定位适应性的研究";朱志慧;《应用技术与研究》;20110411;第61-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105652235A (zh) | 2016-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105652235B (zh) | 基于线性回归算法的wlan室内定位多用户rss融合方法 | |
CN103139907B (zh) | 一种利用指纹法的室内无线定位方法 | |
El-Kafrawy et al. | Propagation modeling for accurate indoor WLAN RSS-based localization | |
CN106793082B (zh) | 一种在wlan/蓝牙异构网络环境中的移动设备定位方法 | |
CN104853317B (zh) | 一种WiFi室内定位中指纹库的构建及更新方法 | |
Fang et al. | Calibration-free approaches for robust Wi-Fi positioning against device diversity: A performance comparison | |
CN106199500B (zh) | 指纹特征定位方法及装置 | |
Zou et al. | A mutual information based online access point selection strategy for WiFi indoor localization | |
CN103581831B (zh) | 基于WiFi以及移动终端的室内定位方法 | |
CN105163282A (zh) | 一种基于蓝牙位置指纹的室内定位系统及定位方法 | |
EP2928243B1 (en) | Method for the indoor positioning of wireless local area network (wlan) devices | |
CN106912103B (zh) | 一种终端定位方法及装置 | |
CN105137390A (zh) | 一种基于可调发射功率ap的室内定位方法 | |
CN103945531B (zh) | 基于信息熵的WLAN室内定位Radio Map更新方法 | |
CN103596267A (zh) | 一种基于欧氏距离的指纹图匹配方法 | |
CN103220777A (zh) | 一种移动设备定位系统 | |
CN110488222B (zh) | 一种nlos条件下svm与重心坐标相结合的uwb定位方法 | |
CN107678051A (zh) | 一种定位的方法及相关设备 | |
CN111381209A (zh) | 一种测距定位的方法及装置 | |
CN104519571A (zh) | 一种基于rss的室内定位方法 | |
CN107071902A (zh) | 一种基于混合滤波和幂指数映射wifi室内定位方法 | |
CN105519140A (zh) | 一种定位ap的方法和装置 | |
Zhang et al. | Using compressive sensing to reduce fingerprint collection for indoor localization | |
CN107850656A (zh) | 用于定位目的的模型参数的确定 | |
CN105866732A (zh) | 一种改进mk模型和wknn算法相结合的混合室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190619 Address after: 150000 Heilongjiang Harbin Dalian economic and Trade Zone, the North Road and Xingkai Road intersection Patentee after: Harbin University of Technology Robot Group Co., Ltd. Address before: 150001 No. 92 West straight street, Nangang District, Heilongjiang, Harbin Patentee before: Harbin Institute of Technology |