CN109413575A - 一种室内定位的自适应ap布局方法 - Google Patents

Abstract

本发明设计一种室内定位的自适应AP布局方法，包括以下步骤：步骤1，依据定位环境构建环境信息矩阵；步骤2，根据环境信息矩阵进行无线信号传播模型的建立；步骤3，初始AP布局，依据传播模型建立仿真指纹库并构建目标函数；步骤4，依据改进的贪心算法进行自适应AP布局并输出AP布局坐标。采用本发明所述的室内定位的自适应AP布局方法，在前期布局AP的过程中将减少人工勘探环境的时间，大大降低了布局AP的经济成本以及人力成本。同时，提高了布局效率，而且在离线阶段基于本发明的布局方法还可以提高指纹库的区分度，从而在在线阶段可以提高定位精度。

Description

一种室内定位的自适应AP布局方法

技术领域

本发明属于无线通信技术领域，涉及一种室内定位的自适应AP布局方法。

背景技术

随着无线通信技术的快速发展和人们对定位服务需求的日益增多，室内定位技术获得越来越多的关注。在室内环境下，通过接收来自接入点AP(Access Point)发射的RSS(Received Signal Strength)，并将其进行数据库对比，从而求解出用户的位置。其中基于位置指纹法的室内定位技术无需增加额外设备，具有较高的可行性和移植性，因此得到了广泛地应用。

基于位置指纹法的室内定位技术由于其定位精度限受到AP布局的影响。因此本专利提出了指纹库最大区分度的概念。通过以区分度为目标函数进行AP布局优化，从而实现自适应AP布局。

本专利主要是用于室内环境，而且主要是适用于基于位置指纹法的室内定位技术中的AP布局。

发明内容

鉴于此，本发明的目的在于提供一种基于室内定位的自适应AP布局方法，该方法可以在已知环境信息的情况下，自适应的给出AP布局建议位置，从而可以建立具有良好定位性能的指纹库，进而提高定位精度。

为达到上述目的，本发明提供如下技术方案：

一种室内定位的自适应AP布局方法，所述方法包括以下步骤：

步骤1)依据定位环境构建环境信息矩阵；

步骤2)根据环境信息矩阵进行无线信号传播模型的建立；

步骤3)初始AP布局，依据传播模型建立仿真指纹库并构建目标函数；

步骤4)依据改进的贪心算法进行自适应AP布局，并输出AP布局坐标。

进一步，所述步骤1)具体包括以下步骤：

1)在定位区域内，建立以定位区域中心为原点的坐标系x-y；

2)在定位区域内，以D为间隔，均匀划分网格状参考点；

3)依据划分的参考点，如果参考点上有障碍物存在，那么在环境信息矩阵中设置为M标识；如果参考点上没有障碍物存在，那么在环境信息矩阵中设置为N标识，遍历所有参考点从而建立环境信息矩阵。

进一步，所述步骤2)具体包括以下步骤：

1)室内环境过于复杂，在建立仿真指纹库的时候需要测试信号在不同的环境下衰减因子，从而建立信号的衰减模型。

进一步，所述步骤3)具体包括以下步骤：

1)设置AP的数目为p，然后初始化布局AP，将AP均匀的分布于参考点上；

2)依据初始的AP位置以及信号的传播模型模拟出单个参考点上p维信号强度，其中在参考点K处模拟接收AP的信号强度D_k为：

D_K＝PLr[dB]+10klog(d₀)+ξ (1)

式中，PLr[dB]为在距离AP一米处信号强度值；k为无线信号的衰减因子，k值的获取必须在真实定位环境中进行测量；d₀为AP与参考点之间最短的步行可达距离；ξ表示遮蔽因子，服从均值为0、方差为σ的正态分布。其中如果计算所得的信号强度D_K小于-100，那么设置D_K等于-100；

3)依据上述情况，针对p个AP，在参考点K上建立p维信号强度从而构建单点指纹，然后依次遍历所有的参考点，得到仿真指纹库Φ_RSSI，Φ_RSSI为：

4)依据仿真指纹库建立目标函数，如下所示；

式中,n是参考点总数；p是AP的数目，即信号的维度；是第i个参考点的RSS均值向量；N(i)是满足和第i个参考点的物理距离小于l的所有参考点的集合；length(N(i))是集合N(i)的元素个数；是第i个参考点的p维信号强度欧氏距离平均值；(X₁,Y₁),(X₂,Y₂),…,(X_p,Y_p)是p个AP的位置坐标；α是p个AP的一种放置方式；f₁是所有参考点的p维信号强度欧氏距离平均值；f₂是所有参考点信号平均欧氏距离与其标准差的差值。

进一步，所述步骤4)具体包括以下步骤：

1)根据目标函数计算最大区分度值(最大适应度值)F_M，F_M为：

F_M＝max(f₂)； (4)

2)分别对p个AP进行编号{AP₁,AP₂,AP₃,…,AP_p}，并将AP均布放在参考点上并初始化数据：i＝1(i表示第i个AP)；K(i)是满足和AP_i的物理距离小于L的所有参考点的集合；K_j(i)是集合K(i)中第j个元素；length(K(i))是集合K(i)中的元素个数；F_M表示最大区分度，F_M＝﹣∞；

3)计算当前布局下目标函数值f₂，并在集合K(i)范围内移动AP_i所在的位置，并计算移动后各个参考点上的目标函数值{K₁(i),K₂(i),…,K_length(K(i))(i)}，更新f₂，f₂＝max({K₁(i),K₂(i),…,K_length(K(i))(i),f₂})；

4)当i不等于p时，i＝i+1，并从3)开始；当i等于p时，从5)开始；

5)如果F_M等于f₂，那么算法结束并输出此时AP的布局坐标，否则F_M＝f₂，i＝1，并从3)开始。

本发明提供了一种基于室内定位的自适应AP布局方法，以仿真指纹库最大区分度为目标函数，以改进的贪心算法为优化算法，进而给出AP的建议布局位置，该方法不仅在建库前期将会节省环境勘探的时间，而且加快了布局效率。在建库阶段提高了指纹间的区分度，从而提高了定位精度。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中:

图1为本发明所述方法的流程图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

本发明提供的一种基于室内定位的自适应AP布局方法，主要是适用于基于位置指纹法的离线阶段。

在离线布局AP阶段，这里引入了仿真指纹库的最大区分度概念，以最大区分度为目标函数，使用改进的贪心算法，达到自适应AP布局，从而建立定位性能比较好的指纹库。

具体实现方法如下：

(1)在定位区域内，建立以定位区域中心为原点的坐标系x-y，在定位区域内，以D为间隔，均匀划分网格状参考点；

(2)依据划分的参考点，如果参考点上有障碍物存在，那么在环境信息矩阵中设置为M标识；如果参考点上没有障碍物存在，那么在环境信息矩阵中设置为N标识，遍历所有参考点从而建立环境信息矩阵；

(3)室内环境过于复杂，在建立仿真指纹库的时候需要测试信号在不同的环境下衰减因子，从而建立信号的衰减模型；

(4)设置AP的数目为p，然后将AP均匀的分布于定位区域，布局位置为α，α为：

α＝{(X₁,Y₁),(X₂,Y₂),…,(X_p,Y_p)} (5)

式中，(X_p,Y_p)表示第p个AP的位置坐标，p表示AP的数目；

依据初始的AP位置以及信号的传播模型模拟出单个参考点上p维信号强度，其中在参考点K处模拟接收AP的信号强度D_K为：

D_K＝PLr[dB]+10klog(d₀)+ξ (6)

式中，PLr[dB]为在距离AP一米处信号强度值；k为无线信号的衰减因子，k值的获取必须在真实定位环境中进行测量；d₀为AP与参考点之间最短的步行可达距离；ξ表示遮蔽因子，服从均值为0、方差为σ的正态分布。其中如果计算所得的信号强度D_K小于-100，那么设置D_K等于-100；

依据上述情况，针对p个AP，在参考点K上建立p维信号强度RSSI_K ^～＝{RSSI₁,RSSI₂,RSSI₃,…,RSSI_p}，从而构建单点指纹，然后依次遍历所有的参考点，得到仿真指纹库Φ_RSSI，Φ_RSSI为：

(5)依据仿真指纹库计算信号强度欧氏距离平均值为：

式中，是第i个参考点的p维信号强度欧氏距离平均值；N(i)是满足和第i个参考点的物理距离小于l的所有参考点的集合；表示第i个参考点上的信号强度；表示第j个参考点上的信号强度；length(N(i))是集合N(i)的元素个数；

遍历所有的参考点并依据信号强度欧氏距离平均值求取所有参考点的p维信号强度欧氏距离平均值f₁(p)，f₁(p)为：

式中,n是参考点总数；p是AP的数目；

定义一个衡量参考点指纹库矢量的区分度f₂，f₂为：

式中，f₂是所有参考点信号平均欧氏距离与其标准差的差值，F_M称之为最大区分度，即为目标函数。

(6)根据目标函数，求取最大区分度F_M：

F_M＝max(f₂)； (11)

1)分别对p个AP进行编号{AP₁,AP₂,AP₃,…,AP_p}，并将AP均布放在参考点上并初始化数据：i＝1(i表示第i个AP)；K(i)是满足和AP_i的物理距离小于L的所有参考点的集合；K_j(i)是集合K(i)中第j个元素；length(K(i))是集合K(i)中的元素个数；F_M表示最大区分度，F_M＝﹣∞；

2)计算当前布局下目标函数值f₂，并在集合K(i)范围内移动AP_i所在的位置，并计算移动后各个参考点上的目标函数值{K₁(i),K₂(i),…,K_length(K(i))(i)}，更新f₂，f₂＝max({K₁(i),K₂(i),…,K_length(K(i))(i),f₂})；

3)当i不等于p时，i＝i+1，并从2)开始；当i等于p时，从4)开始；

4)如果F_M等于f₂，那么算法结束并输出此时AP的布局坐标，否则F_M＝f₂，i＝1，并从2)开始。

Claims (4)

1.室内定位的自适应AP布局方法，其特征在于：所述方法包括以下步骤：

步骤1)依据定位环境构建环境信息矩阵；

步骤2)根据环境信息矩阵进行无线信号传播模型的建立；

步骤3)初始AP布局，依据传播模型建立仿真指纹库，并构建目标函数；

步骤4)依据改进的贪心算法进行自适应AP布局，并输出AP布局坐标。

2.根据权利要求1所述的室内定位的自适应AP布局方法，其特征在于：所述步骤1)具体包括以下步骤：

1)在定位区域内，建立以定位区域中心为原点的坐标系x-y；

2)在定位区域内，以D为间隔，均匀划分网格状参考点；

3)依据划分的参考点，如果参考点上有障碍物存在，那么在环境信息矩阵中设置为M标识；如果参考点上没有障碍物存在，那么在环境信息矩阵中设置为N标识，遍历所有参考点从而建立环境信息矩阵。

3.根据权利要求1所述的室内定位的自适应AP布局方法，其特征在于：所述步骤3)具体包括以下步骤：

1)设置AP的数目为p，然后初始化布局AP，将AP均匀的分布于参考点上；

2)依据初始的AP位置以及信号的传播模型模拟出单个参考点上p维信号强度，其中在参考点K处模拟接收AP的信号强度D_K为：

D_K＝PLr[dB]+10klog(d₀)+ξ (1)

式中，PLr[dB]为在距离AP一米处信号强度值；k为无线信号的衰减因子，k值的获取必须在真实定位环境中进行测量；d₀为AP与参考点之间最短的步行可达距离；ξ表示遮蔽因子，服从均值为0、方差为σ的正态分布，其中如果计算所得的信号强度D_K小于-100，那么设置D_K等于-100；

3)依据上述情况，针对p个AP，在参考点K上建立p维信号强度RSSI_K ^～＝{RSSI₁,RSSI₂,RSSI₃,…,RSSI_p}，从而构建单点指纹，然后依次遍历所有的参考点，得到仿真指纹库Φ_RSSI，Φ_RSSI为：

4)依据仿真指纹库建立目标函数，如下所示；

式中,n是参考点总数；p是AP的数目，即信号的维度；是第i个参考点的RSS均值向量；N(i)是满足和第i个参考点的物理距离小于l的所有参考点的集合；length(N(i))是集合N(i)的元素个数；是第i个参考点的p维信号强度欧氏距离平均值；(X₁,Y₁),(X₂,Y₂),…,(X_p,Y_p)是p个AP的位置坐标；α是p个AP的一种放置方式；f₁是所有参考点的p维信号强度欧氏距离平均值；f₂是所有参考点信号平均欧氏距离与其标准差的差值。

4.根据权利要求1所述的室内定位的自适应AP布局方法，其特征在于：所述步骤4)具体包括以下步骤：

1)根据目标函数计算最大区分度值(最大适应度值)F_M，F_M为

F_M＝max(f₂)； (4)

2)分别对p个AP进行编号{AP₁,AP₂,AP₃,…,AP_p}，并将AP均布放在参考点上并初始化数据：i＝1(i表示第i个AP)；K(i)是满足和AP_i的物理距离小于L的所有参考点的集合；K_j(i)是集合K(i)中第j个元素；length(K(i))是集合K(i)中的元素个数；F_M表示最大区分度，F_M＝﹣∞；

3)计算当前布局下目标函数值f₂，并在集合K(i)范围内移动AP_i所在的位置，并计算移动后各个参考点上的目标函数值{K₁(i),K₂(i),…,K_length(K(i))(i)}，更新f₂，f₂＝max({K₁(i),K₂(i),…,K_length(K(i))(i),f₂})；

4)当i不等于p时，i＝i+1，并从3)开始；当i等于p时，从5)开始；

5)如果F_M等于f₂，那么算法结束并输出此时AP的布局坐标，否则F_M＝f₂，i＝1，并从3)开始。