CN110703189A - 基于无线信号rss子空间特征向量匹配的被动式定位方法 - Google Patents
基于无线信号rss子空间特征向量匹配的被动式定位方法 Download PDFInfo
- Publication number
- CN110703189A CN110703189A CN201910940128.9A CN201910940128A CN110703189A CN 110703189 A CN110703189 A CN 110703189A CN 201910940128 A CN201910940128 A CN 201910940128A CN 110703189 A CN110703189 A CN 110703189A
- Authority
- CN
- China
- Prior art keywords
- signal
- vector
- received signal
- calculating
- nodes
- 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
Links
Images
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
- G01S5/0252—Radio frequency fingerprinting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/318—Received signal strength
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于无线信号RSS子空间特征向量匹配的被动式定位方法,包括如下步骤:在室内墙壁上安装若干无线传感器节点;安装在室内的墙壁上的无线传感器节点设定为路由节点,路由节点每次互相通信检测到的无线信号强度统一传输到与中央服务器连接的节点;与中央服务器连接的节点,设定为协调器节点;接收信号强度向量设定;计算接收信号的协方差矩阵的特征值;在无人员进入室内的情况下,计算接收信号的协方差矩阵对应额特征向量作为指纹库;定位。
Description
技术领域
本发明涉及一种基于无线信号RSS子空间特征向量匹配的被动式定位方法,属于定位技术领域
背景技术
随着中国对智慧城市的建设规划,室内定位技术的重要性和广泛性越来越受到人们的关注。常见的定位技术需要用户自身携带诸如手机、运动手环等电子设备,因此基于自身携带定位设备的定位技术并不方便并有一定的局限性。本发明的目的是实现一种用户本身不需要携带任何电子通讯设备,并可以实现用户身份鉴别的被动式定位技术。本发明利用无线传感器节点之间进行多跳通信,获取相互通信的节点的接收信号强度。通过人体对无线信号的阴影作用,计算室内目标的位置信息。本发明中提出了一种利用信号 RSS子空间特征向量匹配的方法实现室内目标的定位可以有效降低环境干扰导致的定位误差,可以提高室内被动式定位的定位精度。
目前与文档图像处理有关的国内发明专利主要集中在基于信号强度变化的目标被动式定位方法,常见的有几何法、射频层析法和指纹法[1-3]。但是基于信号强度变化的被动式定位方法易受到环境的影响,产生较大的定位误差。本发明采用无线信号RSS子空间特征向量匹配的方法进行定位,可以有效消除环境噪声,多径噪声的影响,提高定位精度。
参考文献:
[1]Mager B,Lundrigan P,Patwari N.Fingerprint-BasedDevice-FreeLocalization Performance in Changing Environments[J].SelectedAreas inCommunications IEEE Journal on,2015,33(11):2429-2438.
[2]Wilson J,PatwariN.Radio Tomographic Imagingwith Wireless Networks[J].IEEE Transactions on Mobile Computing,2010,9(5):621-632.
[3]Zhou R,Hao M,Lu X,et al.Device-Free Localization Based on CSIFingerprints andDeep Neural Networks[C]//201815thAnnual IEEE InternationalConference on Sensing,Communication,andNetworking (SECON).IEEE,2018.
发明内容
本发明的目的在于:提出一种基于无线信号RSS子空间特征向量匹配的被动式定位方法。该方法利用人体对无线信号的遮挡作用计算目标位置,通过提取信号特征向量建立定位指纹库,并利用定位阶段的信号协方差矩阵的特征向量与指纹库中的特征向量进行匹配获取每个预定位置的权重。并计算目标的位置信息。本发明的技术方案是:
一种基于无线信号RSS子空间特征向量匹配的被动式定位方法,包括如下步骤:
步骤1:在室内墙壁上安装若干无线传感器节点。
步骤2:无线传感器节点采用多跳网络进行通信;
步骤3:安装在室内的墙壁上的无线传感器节点设定为路由节点,路由节点每次互相通信检测到的无线信号强度统一传输到与中央服务器连接的节点;
步骤4:与中央服务器连接的节点,设定为协调器节点;
步骤5:接收信号强度向量设定为r(t)=s(t)+n(t),s(t)=[s1(t),...,sM(t)]T,n(t)=[n1(t),....,nM(t)],其中s(t)代表信号在时刻t的信号强度向量,si(t),i=1,...,M代表第i条通信链路的信号强度,n(t)代表t 时刻的加性高斯白噪声向量,ni(t),i=1,...,M代表第i条通信链路的加性高斯白噪声,M为总链路的条数;
步骤6:接收信号的协方差矩阵为Rrr=E[r(t)*r(t)H],H代表共轭逆转置,E[]代表求均值运算;
其中令S=E[s(t)*s(t)H],σ2I=E[n(t)*n(t)H],I为单位矩阵,σ为白噪声项;
步骤8:计算Rrr的特征值Λ=diag{λ1,...,λM}和对应的特征向量V=[v1,...,vM];其中信号特征向量矩阵Vs为Vs=[v1,...,vK]s,噪声的特征向量矩阵为Vn=[vK+1,...,vM],K为阴影链路的数目;
步骤9:在无人员进入室内的情况下,计算接收信号的协方差矩阵对应额特征向量vab作为指纹库;
步骤10:在定位阶段,计算收信号的协方差矩阵对应额特征向量vin;
步骤11:计算vin与数据库内每个目标位置xi对应的vab的相关性cor=|vab Hvin|,其中xi为获取目标指纹阶段,目标站在的第i个预定位置的坐标;
本专利采用无线信号RSS子空间特征向量匹配的方法进行定位,可以有效消除环境噪声,多径噪声的影响,提高定位精度。
附图说明
图1为本发明的基于无线传感器网络被动式定位的场景示意图。
图2为本发明提供的无线被动式定位算法的流程框图。
具体实施方式
下面结合说明书附图对本发明创造做进一步的详细说明,本实例仅限于说明本发明的一种实施方法,不代表对本发明覆盖范围的限制。
如图1所示,为本发明的基于无线传感器网络被动式定位的场景示意图,在室内墙壁上安装若干无线传感器节点。
步骤1:无线传感器节点采用多跳网络进行通信。
步骤2:安装在室内的墙壁上的无线传感器节点设定为路由节点,路由节点每次互相通信检测到的无线信号强度统一传输到与中央服务器连接的节点,由中央服务器进行定位计算。
步骤3:与中央服务器连接的节点,设定为协调器节点。
步骤4:接收信号强度向量设定为r(t)=s(t)+n(t),s(t)=[s1(t),...,sM(t)]T,n(t)=[n1(t),....,nM(t)],其中s(t)代表信号在时刻t的信号强度向量,si(t),i=1,...,M代表第i条通信链路的信号强度,n(t)代表t 时刻的加性高斯白噪声向量,ni(t),i=1,...,M代表第i条通信链路的加性高斯白噪声,M为总链路的条数。
步骤5:接收信号的协方差矩阵可以写为Rrr=E[r(t)*r(t)H],H代表共轭逆转置,E[]代表求均值运算。
步骤6:根据步骤4,5所述,接收信号的协方差矩阵可以写为 Rrr=E[s(t)*s(t)H]+E[n(t)*n(t)H]+2E[s(t)*n(t)H]
≈E[s(t)*s(t)H]+E[n(t)*n(t)H]
=S+σ2I
其中令S=E[s(t)*s(t)H],σ2I=E[n(t)*n(t)H],I为单位矩阵,σ为白噪声项。
步骤7:计算Rrr的特征值Λ=diag{λ1,...,λM}和对应的特征向量V=[v1,...,vM]。其中信号特征向量矩阵Vs为Vs=[v1,...,vK]s,噪声的特征向量矩阵为Vn=[vK+1,...,vM],K为阴影链路的数目。
步骤8:在无人员进入室内的情况下,计算接收信号的协方差矩阵对应额特征向量vab作为指纹库。
步骤9:在定位阶段,计算收信号的协方差矩阵对应额特征向量vin。
步骤10:计算vin与数据库内每个目标位置xi对应的vab的相关性cor=|vab Hvin|,其中xi为获取目标指纹阶段,目标站在的第i个预定位置的坐标。
步骤11:计算目标位置其中cori为待定位时的信号特征向量与第i个位置的信号特征向量的相关性,N为指纹获取阶段预设位置数目。
Claims (1)
1.一种基于无线信号RSS子空间特征向量匹配的被动式定位方法,包括如下步骤:
步骤1:在室内墙壁上安装若干无线传感器节点。
步骤2:无线传感器节点采用多跳网络进行通信;
步骤3:安装在室内的墙壁上的无线传感器节点设定为路由节点,路由节点每次互相通信检测到的无线信号强度统一传输到与中央服务器连接的节点;
步骤4:与中央服务器连接的节点,设定为协调器节点;
步骤5:接收信号强度向量设定为r(t)=s(t)+n(t),s(t)=[s1(t),...,sM(t)]T,n(t)=[n1(t),....,nM(t)],其中s(t)代表信号在时刻t的信号强度向量,si(t),i=1,...,M代表第i条通信链路的信号强度,n(t)代表t时刻的加性高斯白噪声向量,ni(t),i=1,...,M代表第i条通信链路的加性高斯白噪声,M为总链路的条数;
步骤6:接收信号的协方差矩阵为Rrr=E[r(t)*r(t)H],H代表共轭逆转置,E[]代表求均值运算;
步骤7:接收信号的协方差矩阵计为
Rrr=E[s(t)*s(t)H]+E[n(t)*n(t)H]+2E[s(t)*n(t)H]
≈E[s(t)*s(t)H]+E[n(t)*n(t)H]
=S+σ2I
其中令S=E[s(t)*s(t)H],σ2I=E[n(t)*n(t)H],I为单位矩阵,σ为白噪声项;
步骤8:计算Rrr的特征值Λ=diag{λ1,...,λM}和对应的特征向量V=[v1,...,vM];其中信号特征向量矩阵Vs为Vs=[v1,...,vK]s,噪声的特征向量矩阵为Vn=[vK+1,...,vM],K为阴影链路的数目;
步骤9:在无人员进入室内的情况下,计算接收信号的协方差矩阵对应额特征向量vab作为指纹库;
步骤10:在定位阶段,计算收信号的协方差矩阵对应额特征向量vin;
步骤11:计算vin与数据库内每个目标位置xi对应的vab的相关性cor=|vab Hvin|,其中xi为获取目标指纹阶段,目标站在的第i个预定位置的坐标;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940128.9A CN110703189A (zh) | 2019-09-30 | 2019-09-30 | 基于无线信号rss子空间特征向量匹配的被动式定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940128.9A CN110703189A (zh) | 2019-09-30 | 2019-09-30 | 基于无线信号rss子空间特征向量匹配的被动式定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110703189A true CN110703189A (zh) | 2020-01-17 |
Family
ID=69196576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940128.9A Pending CN110703189A (zh) | 2019-09-30 | 2019-09-30 | 基于无线信号rss子空间特征向量匹配的被动式定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110703189A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115988634A (zh) * | 2022-11-23 | 2023-04-18 | 香港中文大学(深圳) | 一种室内定位方法及子空间特征提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360310A (zh) * | 2014-12-03 | 2015-02-18 | 吉林大学 | 一种多目标近场源定位方法和装置 |
CN105682048A (zh) * | 2016-03-16 | 2016-06-15 | 重庆邮电大学 | 蜂窝网环境下基于pca的子空间匹配室内指纹定位方法 |
CN106941718A (zh) * | 2017-04-07 | 2017-07-11 | 南京邮电大学 | 一种基于信号子空间指纹库的混合室内定位方法 |
CN108462940A (zh) * | 2018-04-10 | 2018-08-28 | 南京邮电大学 | 一种基于WiFi热点的室内定位方法 |
-
2019
- 2019-09-30 CN CN201910940128.9A patent/CN110703189A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104360310A (zh) * | 2014-12-03 | 2015-02-18 | 吉林大学 | 一种多目标近场源定位方法和装置 |
CN105682048A (zh) * | 2016-03-16 | 2016-06-15 | 重庆邮电大学 | 蜂窝网环境下基于pca的子空间匹配室内指纹定位方法 |
CN106941718A (zh) * | 2017-04-07 | 2017-07-11 | 南京邮电大学 | 一种基于信号子空间指纹库的混合室内定位方法 |
CN108462940A (zh) * | 2018-04-10 | 2018-08-28 | 南京邮电大学 | 一种基于WiFi热点的室内定位方法 |
Non-Patent Citations (4)
Title |
---|
刘凯等: "基于混合子空间去噪的免携带设备目标定位", 《数据采集与处理》 * |
周浩: "基于地理指纹的室内及复杂室外环境定位技术研究", 《硕士电子期刊》 * |
王田苗等: "基于智能空间的家庭服务机器人混合定位方法", 《北京航空航天大学学报》 * |
郝本建等: "传感器网络基于特征值分解的信号被动定位技术", 《物理学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115988634A (zh) * | 2022-11-23 | 2023-04-18 | 香港中文大学(深圳) | 一种室内定位方法及子空间特征提取方法 |
CN115988634B (zh) * | 2022-11-23 | 2023-08-18 | 香港中文大学(深圳) | 一种室内定位方法及子空间特征提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Song et al. | CSI amplitude fingerprinting-based NB-IoT indoor localization | |
Shi et al. | Accurate location tracking from CSI-based passive device-free probabilistic fingerprinting | |
Pu et al. | Indoor positioning system based on BLE location fingerprinting with classification approach | |
Zhou et al. | 6G multisource-information-fusion-based indoor positioning via Gaussian kernel density estimation | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
CN111182459B (zh) | 一种基于信道状态信息室内无线定位方法、无线通信系统 | |
CN107333238B (zh) | 一种基于支持向量回归的室内指纹快速定位方法 | |
Blumrosen et al. | Enhancing RSSI-based tracking accuracy in wireless sensor networks | |
CN106941718B (zh) | 一种基于信号子空间指纹库的混合室内定位方法 | |
CN109068267B (zh) | 一种基于LoRa SX1280的室内定位方法 | |
Majeed et al. | Indoor localization and radio map estimation using unsupervised manifold alignment with geometry perturbation | |
CN105205114B (zh) | 一种基于图像处理的Wi-Fi定位指纹数据库构建方法 | |
Gupta et al. | Study of range free centroid based localization algorithm and its improvement using particle swarm optimization for wireless sensor networks under log normal shadowing | |
Lin et al. | An indoor Wi-Fi localization algorithm using ranging model constructed with transformed RSSI and BP neural network | |
Yan et al. | Wi-Fi RTT based indoor positioning with dynamic weighted multidimensional scaling | |
Zhao et al. | Gaussian processes for RSS fingerprints construction in indoor localization | |
CN110366109B (zh) | 一种用于室内目标的定位方法及系统 | |
Kolakowski | Automatic radio map creation in a fingerprinting‐based BLE/UWB localisation system | |
CN110703189A (zh) | 基于无线信号rss子空间特征向量匹配的被动式定位方法 | |
Zhao et al. | Research on Crowdsourcing network indoor localization based on Co-Forest and Bayesian Compressed Sensing | |
Li et al. | NQRELoc: AP selection via nonuniform quantization RSSI entropy for indoor localization | |
Xiang et al. | Crowdsourcing-based indoor localization with knowledge-aided fingerprint transfer | |
CN110471030A (zh) | 基于改进共轭梯度的射频层析成像被动式定位求解方法 | |
As et al. | Calibration cost reduction of indoor localization using bluetooth low energy beacon | |
Yang et al. | A coarse to accurate noise-tolerant positioning evaluation for mobile target based on modified genetic algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20200117 |