CN108834047A - 一种路径损耗模型的ap选择室内定位方法 - Google Patents

Abstract

本发明公开的一种路径损耗模型的AP选择室内定位方法，包括以下步骤：(1)离线数据采集；(2)建立初始指纹库。(3)指纹库子区域的划分；(4)AP的有效选取。基于路径损耗模型的AP选择方法虽然能够有效地挑选出对定位具有相似贡献的AP，但没有考虑AP的稳定性，而Fisher准则能够实现对稳定AP的有效选取。因此，本发明将Fisher准则引入到基于路径损耗模型的AP选择方法中，弥补了对稳定AP的选取考虑不足的问题，使构建的无线电地图更可靠，进而提高了定位精度。

Description

一种路径损耗模型的AP选择室内定位方法

技术领域

本发明涉及室内定位技术领域，具体地是一种路径损耗模型的AP选择室内定位方法。

背景技术

近年来，无线通信技术迅速发展，极大地推动了以定位技术为基础和核心的位置服务，定位技术不仅可以实现人或物体的实时定位跟踪，还能实现导航的作用，这给人们的出行带来了极大的方便。其应用范围甚广，例如医院的库存、医疗资源的跟踪，消防员在未知室内环境中使用的导航工具，以及各种商业定位服务，例如打车软件、外卖软件、团购软件等需要准确的位置信息。因此，定位技术受到了研究人员的重视。

传统的WLAN室内定位研究一般选取特定的场景，选取固定数量的AP进行RSS数据的采集及定位，而现实场景进行RSS数据的采集时接收到的AP个数一般在40～60之间。AP是否有效选取严重的影响着室内定位的精度。在AP选取方面，基于WLAN的室内定位面临的挑战有AP不一定提供独立的信息，指纹可以相互关联；AP的覆盖范围有限，可能无法在被定位区域的所有RP中使用，那些离用户位置较远的AP信号较弱，可能会使定位精度下降。

目前大部分基于WLAN的室内定位技术，并未考虑优化AP选择策略以提高定位精度，通过对现有的一些科技文献进行研究发现，大部分文献中都是在测量所有AP的情况下或者选取设定的固定数量的AP进行定位的。而现有的AP选择方法并没有将稳定性与基于路径损耗的唯一性进行结合的策略。

发明内容

本发明所要解决的技术问题是：为了克服上述现有技术的不足，提供一种路径损耗模型的AP选择室内定位方法。该方法改善了基于路径损耗模型的AP选择算法中对稳定AP选择的问题，对室内定位中AP选择问题进行了优化，进而达到提高定位精度的目的。

本发明解决其技术问题采用以下的技术方案：

本发明提供的路径损耗模型的AP选择室内定位方法，包括以下步骤：

步骤1，离线数据采集：

离线阶段对接收信号强度(Received Signal Strength，RSS)数据进行采集，为指纹库的构建做准备；

步骤2，建立初始指纹库：

对初始指纹库进行预处理，使用3σ准则和高斯滤波对采集的RSS数据进行奇异值的处理，选取RSS信号的大概率值作为特征值，建立初始指纹库；

步骤3，指纹库子区域的划分：

应用仿射传播聚类算法对初始指纹数据库进行子区域的划分，建立子指纹库，为后续的可靠AP选择算法做准备；

步骤4，AP的有效选取：

在各个子指纹库中，利用基于路径损耗模型与Fisher准则相融合的可靠AP选择算法进行AP选取，并建立新的子指纹库；

采用以下公式进行AP选取：

k＝argmaxr,r_i＝w_i·u_i·ζⁱ。

上述方法中，所述步骤4包括以下步骤：

步骤4.1根据以下计算公式得到满足存在条件的AP：

其中：l是给定片段中的AP的个数，s_l是给定片段中AP l的一组测量的RSS值，其长度为|FP|，N表示在指定片段中的指纹数量，A表示指纹库中总的指纹数量。即选定的AP应该覆盖给定的分段；

步骤4.2使用余弦相似度作为路径损耗模型的衡量标准，挑选出具有独立的路径损耗模型的AP，删除具有相似路径损耗模型的冗余AP：

步骤4.3选定的AP在给定的分段中应该具有足够高的发射功率：为每个AP分配优先级，使用平均RSS值作为加权因子来确定优先级，从而挑选出高发射功率的AP，平均RSS值计算如下：

其中S_i,j表示在给定分段中的所有AP的RSS集合；

步骤4.4为每个AP分别分配一个分数：

其中：

N表示子区域的参考点的数目，表示第j个参考点接收到的第i个AP的样本均值，为所有参考点接收到的第i个AP的样本均值，M表示第j个参考点的采样次数。

步骤4.5，最后选择出n个具有最高秩r_i的AP：

k＝argmaxr,r_i＝w_i·u_i·ζⁱ，

在基于路径损耗模型的AP选择方案的基础上引入了Fisher因子ζⁱ，弥补对稳定AP选取的不足的问题。

上述方法中，所述步骤4.2可以采用以下方法检验两种路径损耗模式的唯一性，使用余弦相似度作为唯一性度量，具体为：

其中v和w表示在给定分段中n维RSS向量里的任意两种AP的路径损耗模式，n表示AP的个数。

本发明可以采用以下方法评估AP_i的唯一性，定义AP_i为与其他AP之间余弦距离的乘积，具体为：

其中G是一组任意的AP。

本发明与现有技术相比具有以下主要的优点：

1)面对数目如此众多的AP，本发明能够较好的挑选出对位置分辨能力较强的AP，舍弃对定位帮助较小的AP；

2)AP数目过多使得计算的复杂度变高，本发明能有效挑选出部分AP进行定位，当AP个数为11时，定位精度概率分布达到了73.8％；

3)本发明将基于路径损耗模型的AP选择算法与Fisher准则相结合，基于路径损耗模型的AP选择算法对AP的稳定性考虑不足，而Fisher准则能够有效的挑选出稳定的AP，因此相比与基于路径损耗模型的AP选择算法，本发明对较稳定的AP的选取进行了优化，两个算法的融合具有首创性。

附图说明

图1为位置指纹定位原理图。

图2为本发明的AP选择方法定位流程图。

图3为不同AP选择算法定位误差对比。

图4为AP个数对定位精度的影响。

具体实施方式

本发明提供的一种路径损耗模型的AP(Access Point)选择室内定位方法，其步骤实现：(1)离线数据采集；(2)建立初始指纹库。(3)指纹库子区域的划分；(4)AP的有效选取。基于路径损耗模型的AP选择方法虽然能够有效地挑选出对定位具有相似贡献的AP，但没有考虑AP的稳定性，而Fisher准则能够实现对稳定AP的有效选取。因此，本发明将Fisher准则引入到基于路径损耗模型的AP选择方法中，弥补了对稳定AP的选取考虑不足的问题，使构建的无线电地图更可靠，进而提高了定位精度。

下面结合实例和附图对本发明作进一步描述，但不限定本发明。

本发明提供的路径损耗模型的AP选择室内定位方法，如图2所示，包括如下步骤：

步骤1，离线数据的采集：

离线阶段对接收信号强度(Received Signal Strength，RSS)数据进行采集，为指纹库的构建做准备；

步骤2：建立初始指纹库。

对初始指纹库进行预处理，使用3σ准则和高斯滤波对采集的RSS数据进行奇异值的处理，选取RSS信号的大概率值作为特征值，建立初始指纹库。

所述初始指纹库为：

其中N表示AP的个数，i表示不同的参考点。

步骤3：指纹库子区域的划分。

应用仿射传播聚类算法对初始指纹数据库进行子区域的划分，建立子指纹库，为后续的AP选择算法做准备。

所述对初始指纹数据库进行子区域的划分，采用以下的方法：

在仿射传播聚类中有两个重要的参数，分别是吸引度和归属度。

r(i,j)表示从点x_i指向潜在聚类中心x_k，表示点x_k作为x_i的聚类中心的可能性。

a(i,j)则是从潜在聚类中心x_k指向x_i，表示x_i点选择x_k作为其聚类中心的合适度。

r(i,j)与a(i,j)数值越大，则代表着点x_k成为聚类中心的希望越大，并且点x_i很大可能在以点x_k为聚类中心的簇中。仿射传播聚类算法通过迭代的方式对每个点的吸引度和归属度进行更新，直到最终产生m个聚类中心，并对数据进行划分。

迭代更新公式如下：

由于仿射传播聚类算法在迭代过程中容易产生那些在多个类中徘徊且永不收敛的点，这就是所谓的震荡现象，为了减少这种点的数量，在每次迭代中加入了阻尼系数λ：

r_new(i，k)＝λ*r(i，k)+(1-λ)*r(i，k)

a_new(i，k)＝λ*a(i，k)+(1-λ)*a(i，k)

聚类结束后，指纹数据库被分成了若干个聚类簇，把每个簇作为一个新的指纹库，因而成功的将庞大的指纹数据库进行了划分，形成各个子指纹库。在后续的在线定位阶段，先与各个簇(即各个定位子区域的聚类中心)进行欧式距离匹配的粗定位，再在匹配的子指纹库中进行精确定位。

步骤4：AP的有效选取。

在各个子指纹库中，利用基于路径损耗模型与Fisher准则相融合的AP选择算法进行AP选取，并建立新的子指纹库。

选择出n个具有最高秩r_i的AP：

k＝argmaxr，r_i＝w_i·u_i·ζⁱ

其中ζⁱ为Fisher准则因子，能够较好的挑选出稳定的AP，将其引入到基于路径模型的AP选择室内定位算法中，弥补对稳定AP的选取考虑不足的问题，AP选取成功后形成新的子指纹库。

上述最高秩r_i的AP由以下方法得出：

优选地，所述步骤2中的剔除奇异值的3σ准则计算公式为：

假设在某个参考点处的某一AP的RSS值为{x₁，x₂，…，x_n}，n的个数在200～1000之间即可，定义残差为：

其中均方根误差由贝塞尔公式可得：

根据3σ准则，当残差|v_i|＞3σ时，则对应的x_i将被视为粗差剔除。

优选地，所述步骤2中的高斯滤波计算公式为：

其中：

优选地，所述步骤4中，AP选择步骤实现如下

1)根据如下计算式得到满足存在条件的AP：

其中l是给定片段中的AP的个数，s_l是给定片段中AP l的一组测量的RSS值，其长度为|FP|，N表示在指定片段中的指纹数量，A表示指纹库中总的指纹数量。即选定的AP应该覆盖给定的分段；

2)根据如下计算式挑选出具有独立的路径损耗模型的AP，删除具有相似路径损耗模型的冗余AP：

为了检验两种路径损耗模式的唯一性，本文使用余弦相似度作为唯一性度量，即：

其中v和w表示在给定分段中，n维RSS向量里的任意两种AP的路径损耗模式。为了评估AP_i的唯一性，定义AP_i为与其他AP之间余弦距离的乘积，如下所示：

其中G是一组任意的AP；

3)选定的AP在给定的分段中应该具有足够高的发射功率：

每个AP的唯一性值由平均RSS值作为加权因子来确定优先级，且平均RSS值计算如下：

4)为每个AP分别分配一个分数：

其中

N表示子区域的参考点的数目，表示第j个参考点接收到的第i个AP的样本均值，为所有参考点接收到的第i个AP的样本均值，M表示第j个参考点的采样次数。

5)最后选择出n个具有最高秩r_i的AP，公式如下：

k＝argmaxr,r_i＝w_i·u_i·ζⁱ

步骤5，在线测试数据与聚类中心进行类匹配，进行子指纹库的选取。

步骤6：在步骤5)中的子指纹库中进行KNN精确定位。

步骤7：输出室内位置估计。

图1所示为室内定位位置指纹定位原理图，其中包括指纹数据的采集，对指纹数据的预处理，其中预处理包括AP选择部分及设备异构处理部分，之后形成指纹数据库，应用相应的定位算法实现位置估计。

图3所示为不同AP选择算法定位误差对比。为了验证改进的AP选择算法的有效性，将本文的算法(RAPC)与基于路径损耗模型(SAP)、Fisher准则、基于RSS的MaxMean和随机AP(Random)选择四种方案中的AP选择方案进行了比较。为了有效的检测AP选择的影响，故在线定位阶段均采用KNN(k＝3)算法进行匹配定位。

图4所示为AP个数对室内定位精度的影响。图4中显示了随AP数量的增多，不同的AP选择方案的定位精度概率分布。由图4中可知，当AP的数量较少时，随着AP数量的增加，各个AP选择方案的定位精度也随之升高，但是各个AP选择方案的定位精度差别不大，随机选择AP的方案的定位精度总是稍小于其他四种方案。当AP的数量达到6以上时，本发明提出的RAPC的AP选择方案的定位精度明显高于随机选择方案和MaxMean，且与Fisher准则相当。

表1所示为不同AP个数情况下各方案的定位精度百分比。显示了图4中AP个数为11和15时的定位精度百分比，当AP个数为11时，本发明提出的可靠AP选择方案定位精度达到73.8％，由图4可知当AP个数大于12时，各个方案的定位精度趋于稳定，没有增加的趋势，有的甚至出现定位误差变大的现象，如当AP个数为15时，大部分的方案的定位精度出现了降低的情况，这是因为一些新增加的AP的有效信息较少，但是却携带较大系统噪声，使得系统的定位性能下降。

表1不同AP个数情况下各个方案的定位精度百分比

本发明针对基于路径损耗模型的AP选择方案对AP稳定性考虑不足的问题，提出了一种路径损耗模型的AP选择室内定位方法。能够在多AP的室内场景中挑选出对位置分辨能力较强的AP，舍弃对定位帮助较小的AP，改善了对稳定AP的选取不足的问题，降低了系统计算的复杂度。本发明将基于路径损耗模型的AP选择算法与Fisher准则相结合，相比与基于路径损耗模型的AP选择算法，对较稳定的AP的选取进行了优化，提高了定位精度。

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (4)

1.一种路径损耗模型的AP选择室内定位方法，其特征在于：

步骤1，离线数据采集：

离线阶段对接收信号强度数据进行采集，为指纹库的构建做准备；

步骤2，建立初始指纹库：

对初始指纹库进行预处理，使用3σ准则和高斯滤波对采集的RSS数据进行奇异值的处理，选取RSS信号的大概率值作为特征值，建立初始指纹库；

步骤3，指纹库子区域的划分：

应用仿射传播聚类算法对初始指纹数据库进行子区域的划分，建立子指纹库，为后续的可靠AP选择算法做准备；

步骤4，AP的有效选取：

在各个子指纹库中，利用基于路径损耗模型与Fisher准则相融合的可靠AP选择算法进行AP选取，并建立新的子指纹库；

采用以下公式进行AP选取：

k＝argmaxr,r_i＝w_i·u_i·ζⁱ。

2.根据权利要求1所述的路径损耗模型的AP选择室内定位方法，其特征在于，所述步骤4包括以下步骤：

步骤4.1根据以下计算公式得到满足存在条件的AP：

其中：l是给定片段中的AP的个数，s_l是给定片段中AP l的一组测量的RSS值，其长度为|FP|，N表示在指定片段中的指纹数量，A表示指纹库中总的指纹数量。即选定的AP应该覆盖给定的分段；

步骤4.2使用余弦相似度作为路径损耗模型的衡量标准，挑选出具有独立的路径损耗模型的AP，删除具有相似路径损耗模型的冗余AP：

步骤4.3选定的AP在给定的分段中应该具有足够高的发射功率：为每个AP分配优先级，使用平均RSS值作为加权因子来确定优先级，从而挑选出高发射功率的AP，平均RSS值计算如下：

其中S_i,j表示在给定分段中的所有AP的RSS集合；

步骤4.4为每个AP分别分配一个分数：

其中：

N表示子区域的参考点的数目，表示第j个参考点接收到的第i个AP的样本均值，为所有参考点接收到的第i个AP的样本均值，M表示第j个参考点的采样次数。

步骤4.5，最后选择出n个具有最高秩r_i的AP：

k＝argmaxr,r_i＝w_i·u_i·ζⁱ，

在基于路径损耗模型的AP选择方案的基础上引入了Fisher因子ζⁱ，弥补对稳定AP选取的不足的问题。

3.根据权利要求1所述的路径损耗模型的AP选择室内定位方法，其特征在于步骤4.2中，采用以下方法检验两种路径损耗模式的唯一性，使用余弦相似度作为唯一性度量，具体为：

其中v和w表示在给定分段中n维RSS向量里的任意两种AP的路径损耗模式，n表示AP的个数。

4.根据权利要求3所述的路径损耗模型的AP选择室内定位方法，其特征在于采用以下方法评估AP_i的唯一性，定义AP_i为与其他AP之间余弦距离的乘积，具体为：

其中G是一组任意的AP。