CN111741429B - 基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 - Google Patents
基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 Download PDFInfo
- Publication number
- CN111741429B CN111741429B CN202010582034.1A CN202010582034A CN111741429B CN 111741429 B CN111741429 B CN 111741429B CN 202010582034 A CN202010582034 A CN 202010582034A CN 111741429 B CN111741429 B CN 111741429B
- Authority
- CN
- China
- Prior art keywords
- rps
- rss
- aps
- wasserstein distance
- mth
- 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
Images
Classifications
-
- 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
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于信号分布Wasserstein距离度量的Wi‑Fi室内定位方法。首先,在离线阶段,计算每个参考位置处接收来自每个AP信号强度序列的核密度估计,并将其作为每个AP下的参考位置特征指纹,在在线阶段,计算目标位置处接收来自每个AP信号强度序列的核密度估计,并将其作为目标位置特征指纹;其次,分别计算目标位置处特征指纹与所有参考位置特征指纹的来自每个AP的Wasserstein距离;最后,根据Wasserstein距离值,利用波达排序法筛选理想匹配参考点用于定位。本发明专利通过对不同参考位置接收来自不同AP的信号强度序列进行特征分析,提出了一种基于信号分布Wasserstein距离度量的Wi‑Fi室内定位方法,以提高现有室内定位方法的鲁棒性和定位精度。
Description
技术领域
本发明属于室内定位技术,具体涉及一种基于信号分布Wasserstein距离度量的室内定位方法。
背景技术
近年来,随着人们对室内位置服务(Location-based Service,LBS)需求的不断增加,室内定位系统在多个应用领域起着不可或缺的作用,如大型机场、购物超市、地下车库等场景中的行人定位与导航。由于室内环境中不易持续、稳定地捕获全球定位系统(GlobalPositioning System,GPS)、北斗等卫星信号,从而卫星定位系统无法满足大多室内LBS的定位精度要求。
Wi-Fi室内定位方法主要有位置指纹法和几何测量法。前者通常包括离线和在线两个阶段,离线阶段通过采集预先标定的若干参考点(Reference Point,RP)处来自不同接入点 (Access Point,AP)的接收信号强度(Received Signal Strength,RSS),构建位置指纹数据库;而在线阶段则将目标处新采集的RSS与位置指纹数据库进行匹配以得到目标的估计位置,该方法存在的主要问题是位置指纹数据库的构建通常需要耗费大量的人力和时间开销。后者通常利用到达角(Angle ofArrival,AOA)、到达时间(Time ofArrival,TOA)、到达时间差(Time Difference ofArrival,TDOA)和RSS等信号特征来测量AP与目标之间的几何相对位置,其中,AOA测量要求基站配置满足空间采样定理的天线阵列,TOA和TDOA测量要求AP与目标之间的高精度时钟同步,而RSS测量则相对易于实现,一般通过测量目标处多径信号的叠加场强来估计AP与目标之间的信号传播距离,但其存在的主要问题是室内复杂、时变的信号遮挡、多径效应等环境噪声容易导致测距精度的下降。
针对以上问题,本文提出一种基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法。该方法利不同参考位置接收来自不同AP的信号强度序列进行特征分析,并在基于Wasserstein距离检验目标位置信号强度序列分布与参考位置信号强度序列分布的Wasserstein 距离,并基于一定规则以筛选理想匹配参考点进行定位。
发明内容
本发明解决了基于信号强度指纹的定位方法中由于要问题是室内复杂、时变的信号遮挡、多径效应等环境噪声容易导致测距精度的下降,提供了一种基于信号分布Wasserstein 距离度量的Wi-Fi室内定位方法。
本发明所述的一种基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法的步骤如下:
1、基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法,其特征在于,包括以下步骤:
步骤三、遍历所有RP并对每个RP重复步骤二,得到关于所有RP处来自第m个AP 的Wi-Fi RSS序列的核密度估计函数,并将其作为所有RP处来自第m个AP的RSS特征指纹,即pm={p(x)m,1,p(x)m,2,...,p(x)m,N},其中,N表示RP个数;
步骤五、在线阶段,将目标位置处来自第m个AP的Wi-Fi RSS序列表示为其中,l′表示在线序列长度(即在线RSS样本数量),然后根据步骤二构造关于rm的核密度估计函数q(x)m,并将其作为目标位置处来自第m个AP的RSS特征指纹;
步骤六、遍历所有AP并对每个AP重复步骤五,得到关于目标位置处来自所有AP的Wi-Fi RSS序列的核密度估计函数,即目标位置处来自所有AP的RSS特征指纹 q={q(x)1,q(x)2,...,q(x)M};
步骤七、计算q(x)m与p(x)m,n的Wasserstein距离wm,n=∫|q(x)m-p(x)m,n|dx,并由此得到 Wasserstein距离矢量Wm=(wm,1,...,wm,N);
2、根据权利 要求1所述的基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法,其特征在于,所述步骤九包括以下步骤:
步骤九(一)、按每个RP对应的wm,n由小到大对所有RP进行排序,得到关于第m个AP的RP排序集合um;
步骤九(二)、遍历所有AP并对每个AP重复步骤九(一),得到关于所有AP的RP排序集合U={u1,...,uM};
步骤九(三)、以第n个RP为例,统计um中排序在其之后的RP个数Bm(RPn),并将其定义为第n个RP的波达数;
步骤九(五)、遍历所有RP并对每个RP重复步骤九(四),得到每个RP的总波达数;
步骤九(六)、按每个RP的总波达数由大到小对所有RP进行排序,取前z个RP为匹配RP;
有益效果
本发明通过离线计算每个参考位置处接收来自每个AP信号强度序列的核密度估计,并将其作为每个AP下的参考位置特征指纹,然后计算目标位置处接收来自每个AP信号强度序列的核密度估计,并将其作为目标位置特征指纹。其次计算目标位置处特征指纹与所有参考位置特征指纹的来自每个AP的Wasserstein距离。最后利用波达排序法筛选理想匹配参考点用于定位。本发明解决了传统基于RSS指纹的定位方法易受室内复杂、时变的信号遮挡、多径效应等环境噪声导致测距精度下降的问题,利用该方法可以在较为复杂环境且室内 AP数目较少的情况下保证定位系统的精确度。
附图说明
图1为本发明流程图;
具体实施方案
下面结合附图对本发明作进一步说明:
如图1所示的基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法,具体包含以下步骤:
步骤三、遍历所有RP并对每个RP重复步骤二,得到关于所有RP处来自第m个AP 的Wi-Fi RSS序列的核密度估计函数,并将其作为所有RP处来自第m个AP的RSS特征指纹,即pm={p(x)m,1,p(x)m,2,...,p(x)m,N},其中,N表示RP个数;
步骤五、在线阶段,将目标位置处来自第m个AP的Wi-Fi RSS序列表示为其中,l′表示在线序列长度(即在线RSS样本数量),然后根据步骤二构造关于rm的核密度估计函数q(x)m,并将其作为目标位置处来自第m个AP的RSS特征指纹;
步骤六、遍历所有AP并对每个AP重复步骤五,得到关于目标位置处来自所有AP的Wi-Fi RSS序列的核密度估计函数,即目标位置处来自所有AP的RSS特征指纹 q={q(x)1,q(x)2,...,q(x)M};
步骤七、计算q(x)m与p(x)m,n的Wasserstein距离wm,n=∫|q(x)m-p(x)m,n|dx,并由此得到 Wasserstein距离矢量Wm=(wm,1,…,wm,N);
2、根据权利 要求1所述的基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法,其特征在于,所述步骤九包括以下步骤:
步骤九(一)、按每个RP对应的wm,n由小到大对所有RP进行排序,得到关于第m个AP的RP排序集合um;
步骤九(二)、遍历所有AP并对每个AP重复步骤九(一),得到关于所有AP的RP排序集合U={u1,...,uM};
步骤九(三)、以第n个RP为例,统计um中排序在其之后的RP个数Bm(RPn),并将其定义为第n个RP的波达数;
步骤九(五)、遍历所有RP并对每个RP重复步骤九(四),得到每个RP的总波达数;
步骤九(六)、按每个RP的总波达数由大到小对所有RP进行排序,取前z个RP为匹配RP;
Claims (2)
1.基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法,其特征在于,包括以下步骤:
步骤三、遍历所有RP并对每个RP重复步骤二,得到关于所有RP处来自第m个AP的Wi-FiRSS序列的核密度估计函数,并将其作为所有RP处来自第m个AP的RSS特征指纹,即pm={p(x)m,1,p(x)m,2,…,p(x)m,N},其中,N表示RP个数;
步骤五、在线阶段,将目标位置处来自第m个AP的Wi-Fi RSS序列表示为其中,l′表示在线序列长度(即在线RSS样本数量),然后根据步骤二构造关于rm的核密度估计函数q(x)m,并将其作为目标位置处来自第m个AP的RSS特征指纹;
步骤六、遍历所有AP并对每个AP重复步骤五,得到关于目标位置处来自所有AP的Wi-FiRSS序列的核密度估计函数,即目标位置处来自所有AP的RSS特征指纹q={q(x)1,q(x)2,...,q(x)M};
步骤七、计算q(x)m与p(x)m,n的Wasserstein距离wm,n=∫|q(x)m-p(x)m,n|dx,并由此得到Wasserstein距离矢量Wm=(wm,1,...,wm,N);
2.根据权利 要求1所述的基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法,其特征在于,所述步骤九包括以下步骤:
步骤九(一)、按每个RP对应的wm,n由小到大对所有RP进行排序,得到关于第m个AP的RP排序集合um;
步骤九(二)、遍历所有AP并对每个AP重复步骤九(一),得到关于所有AP的RP排序集合U={u1,...,uM};
步骤九(三)、以第n个RP为例,统计um中排序在其之后的RP个数Bm(RPn),并将其定义为第n个RP的波达数;
步骤九(五)、遍历所有RP并对每个RP重复步骤九(四),得到每个RP的总波达数;
步骤九(六)、按每个RP的总波达数由大到小对所有RP进行排序,取前z个RP为匹配RP;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582034.1A CN111741429B (zh) | 2020-06-23 | 2020-06-23 | 基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010582034.1A CN111741429B (zh) | 2020-06-23 | 2020-06-23 | 基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111741429A CN111741429A (zh) | 2020-10-02 |
CN111741429B true CN111741429B (zh) | 2022-05-03 |
Family
ID=72650728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010582034.1A Active CN111741429B (zh) | 2020-06-23 | 2020-06-23 | 基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111741429B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634901A (zh) * | 2013-11-05 | 2014-03-12 | 上海交通大学 | 基于核密度估计的新型定位指纹采集提取方法 |
CN104507050A (zh) * | 2014-11-24 | 2015-04-08 | 北京航空航天大学 | 一种WiFi室内定位中概率型指纹匹配方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107333238B (zh) * | 2017-07-03 | 2020-06-30 | 杭州电子科技大学 | 一种基于支持向量回归的室内指纹快速定位方法 |
WO2019191777A1 (en) * | 2018-03-30 | 2019-10-03 | Board Of Trustees Of Michigan State University | Systems and methods for drug design and discovery comprising applications of machine learning with differential geometric modeling |
-
2020
- 2020-06-23 CN CN202010582034.1A patent/CN111741429B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103634901A (zh) * | 2013-11-05 | 2014-03-12 | 上海交通大学 | 基于核密度估计的新型定位指纹采集提取方法 |
CN104507050A (zh) * | 2014-11-24 | 2015-04-08 | 北京航空航天大学 | 一种WiFi室内定位中概率型指纹匹配方法 |
Non-Patent Citations (3)
Title |
---|
基于RSSI信号特征的室内分区指纹定位算法;高思远等;《计算机工程与设计》;20200416(第04期);全文 * |
基于核函数特征提取的室内定位算法研究;李华亮等;《通信学报》;20170125(第01期);全文 * |
基于概率假设密度滤波方法的多目标跟踪技术综述;杨峰等;《自动化学报》;20131115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111741429A (zh) | 2020-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108696932B (zh) | 一种利用csi多径及机器学习的室外指纹定位方法 | |
KR101660002B1 (ko) | 모바일 장치의 방향을 결정하기 위한 장치 및 방법 | |
JP4421287B2 (ja) | 選択的合成法による無線通信装置の位置決定方法 | |
CN106912105B (zh) | 基于pso_bp神经网络的三维定位方法 | |
CN112073895A (zh) | 一种基于csi高精度人员定位跟踪方法 | |
CN104619020B (zh) | 基于rssi和toa测距的wifi室内定位方法 | |
US20100195445A1 (en) | Systems And Methods With Improved Three-Dimensional Source Location Processing Including Constraint Of Location Solutions To A Two-Dimensional Plane | |
CN110441732B (zh) | 一种陌生散射环境中的单站多目标定位方法 | |
CN104396321B (zh) | 终端定位方法及定位装置 | |
CN111273224B (zh) | 一种基于可视化阵列天线的测量方法 | |
CN109379711B (zh) | 一种定位方法 | |
CN108650629B (zh) | 一种基于无线通信基站的室内三维定位算法 | |
CN108566677B (zh) | 一种指纹定位方法及装置 | |
CN109375163B (zh) | 一种高精度的室内定位方法及终端 | |
CN112822633B (zh) | 一种基于误差补偿的定位方法,系统,终端设备及可读存储介质 | |
CN106535124A (zh) | 一种在nlos环境下的基于toa的无线网络定位方法 | |
CN107144815B (zh) | 一种基于一维测向的三维定位方法 | |
CN111741429B (zh) | 基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法 | |
CN106358292B (zh) | 基于主成分分析原理的时间到达模式匹配定位方法 | |
CN109640253B (zh) | 一种移动机器人定位方法 | |
CN113189541B (zh) | 一种定位方法、装置及设备 | |
CN114679683A (zh) | 一种基于派生指纹迁移的室内智能定位方法 | |
CN111132309B (zh) | 一种定位方法、装置、服务器及存储介质 | |
CN108981713B (zh) | 一种混合无线自适应导航方法及装置 | |
CN112230194A (zh) | 一种基于平移阵列的解模糊方法、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |