CN112015743A - 一种室内定位系统指纹数据库构建方法及装置 - Google Patents

Abstract

本发明公开了一种室内定位系统指纹数据库构建方法及装置，构建方法包括：根据预设的间隔在目标区域设置多个采样点，并采集多个采样点的接入点信号；根据协方差函数建立多个采样点之间的相关度矩阵；根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析，得到高斯回归分析结果；根据高斯回归分析结果构建指纹数据库。本发明提供一种室内定位系统指纹数据库构建方法及装置，以解决现有技术指纹数据库无法适用于新环境，导致定位的精度不佳的技术问题。本发明不仅能够减少人工成本，还能够实现自动更新指纹数据库，使指纹数据库适用于新的环境，有利于提高室内定位的精准度和可靠性。

Description

一种室内定位系统指纹数据库构建方法及装置

技术领域

本发明涉及室内定位技术领域，尤其是涉及一种室内定位系统指纹数据库构建方法及装置。

背景技术

在基于信号指纹的室内定位系统中，指纹数据库中的信号指纹准确度对定位精度有很大的影响。为了获得准确的定位效果，人们需要对定位区域进行大量的采样，并且通过对采样的数据进行分析，以得到定位区域内各个采样点信号的统计特性，从而构建指纹数据库。

目前，现有的室内定位系统指纹数据库构建方法是测试人员手持接收机在每个采样点进行测量，采集并记录每个采样点接收信号的强度以及采样点的位置坐标，再通过统计分析的方法得到每个采样点的信号指纹，以构建指纹数据库。本申请的发明人在研究中发现，使用现有的室内定位系统指纹数据库构建方法，由于环境的变化使得无线信号的统计特性发生变化，导致指纹数据库无法适用于新环境，定位的精度不佳。

发明内容

本发明提供一种室内定位系统指纹数据库构建方法及装置，以解决现有技术指纹数据库无法适用于新环境，导致定位的精度不佳的技术问题。

本发明第一实施例提供了一种室内定位系统指纹数据库构建方法，包括：

根据预设的间隔在目标区域设置多个采样点，并采集多个所述采样点的接入点信号；

根据协方差函数建立多个所述采样点之间的相关度矩阵；

根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析，得到高斯回归分析结果；

根据所述高斯回归分析结果构建指纹数据库。

进一步地，根据协方差函数建立多个所述采样点之间的相关度矩阵，具体包括：

根据协方差函数和测量误差计算所述多个采样点之间的相关度，根据所述相关度建立多个所述采样点之间的相关度矩阵。

进一步地，所述根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析，得到高斯回归分析结果，具体包括：

将所述采样点作为输入样本，所述接入点信号作为观测值，根据所述输入样本和测量误差构建所述观测值的数学模型；

根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析，得到高斯回归分析结果。

进一步地，所述协方差函数包括但不限于高斯核函数。

本发明的第二实施例提供了一种室内定位系统指纹数据库构建装置，包括：采集模块、建立模块、分析模块和构建模块；

所述采集模块，用于根据预设的间隔在目标区域设置多个采样点，并采集多个所述采样点的接入点信号；

所述建立模块，用于根据协方差函数建立多个所述采样点之间的相关度矩阵；

所述分析模块，用于根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析，得到高斯回归分析结果；

所述构建模块，用于根据所述高斯回归分析结果构建指纹数据库。

进一步地，所述建立模块，包括用于：根据协方差函数和测量误差计算所述多个采样点之间的相关度，根据所述相关度建立多个所述采样点之间的相关度矩阵。

进一步地，所述分析模块，包括用于：

将所述采样点作为输入样本，所述接入点信号作为观测值，根据所述输入样本和测量误差构建所述观测值的数学模型；

根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析，得到高斯回归分析结果。

进一步地，所述协方差函数包括但不限于高斯核函数。

本发明提供一种室内定位系统指纹数据库构建方法及装置，以解决现有技术指纹数据库无法适用于新环境，导致定位的精度不佳的技术问题，本发明通过在目标区域低密度设置多个采样点，根据采样点采集的接入点信号采用高斯过程回归算法生成高密度的位置指纹数据库，不仅减少了采样点的设置数量，减少人工成本，还能够根据采样点定期采集的接入点信号自动更新指纹数据库，使指纹数据库能够适用于新的环境，有利于提高室内定位的精度和可靠性。

附图说明

图1是本发明实施例提供的室内定位系统指纹数据库构建方法的流程示意图；

图2是本发明实施例提供的指纹数据库采集系统的结构示意图；

图3是本发明实施例提供的采样点位置分布的示意图；

图4是本发明实施例提供的指纹数据库位置分布的示意图；

图5是本发明实施例提供的室内定位系统指纹数据库构建装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。

在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。

请参阅图1-4，在本发明的第一实施例中，一种室内定位系统指纹数据库构建方法如图1所示，包括：

S1、根据预设的间隔在目标区域设置多个采样点，并采集多个采样点的接入点信号；

示例性的，在目标区域设置多个采样点，并且根据预设的间隔进行设置，在完成采样点的位置设置后，将接收机安装在每一采样点上，以实现对无线接入点(AP)的信号的定期采集。可选地，采样点可以为一个也可以为多个，其设置方式可以为，根据确定的目标区域，将目标区域划分为坐标点，将多个采样点以低密度的形式设置在预先划分好的坐标点中，作为输入样本定期采集接入点信号。本发明实施例在目标区域以较低的密度设置多个采样点采集多个无线接入点信号，以实现对室内定位系统指纹数据库构建。具体地，如图2所示，根据目标区域的平面图，按照预设的间隔设置采样点的位置并记为x＝{x₁,…,x_N}。

需要说明的是，在采集到多个接入点信号后，将采集的多个接入点信号上传至服务器。请参阅图3，为本发明实施例提供的一种指纹数据库采集系统结构示意图。

S2、根据协方差函数建立多个采样点之间的相关度矩阵；

可选地，本实施例可使用的协方差函数包括但不限于高斯核函数。

S3、根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析，得到高斯回归分析结果；

S4、根据高斯回归分析结果构建指纹数据库，示例性的，如图4所示的指纹数据库位置分布示意图。

本发明实施例根据预设的间隔在目标区域设置低密度采样点，利用采样点定期采集无线接入信号上传至服务器，并采用高斯过程回归算法生成高密度的位置指纹数据库，能够有效降低指纹数据库构建的人工成本，且能够实现指纹数据库的自动更新，使指纹数据库能够适用于新环境，有利于提高定位的准确性和可靠性。

作为本发明实施例的一种具体实施方式，根据协方差函数建立多个采样点之间的相关度矩阵，具体包括：

根据协方差函数和测量误差计算多个采样点之间的相关度，根据相关度建立多个采样点之间的相关度矩阵。

可以理解的是，在高斯过程中，任意两个采样点x_i与x_j之间是相关，其相关度可以通过协方差函数k(x_i,x_j)来描述，具体地：

其中，

为任意两个采样点之间的最大协方差参数，|x_i-x_j|为两个采样点间的欧式距离，当x_i与x_j的距离越近，它们之间的相关性就越大。参数l用于控制欧式距离对相关性影响的大小。考虑测量误差ε的影响，两个采样点间的相关度可以表示为：

其中，δ(x_i,x_j)为克罗内克函数，ε为测量误差，

σ_n为正态分布的方差。当x_i＝x_j时，δ(x_i,x_j)＝0，当x_i≠x_j时，δ(x_i,x_j)＝1。根据公式(2)建立相关度矩阵为：

作为本发明实施例的一种具体实施方式，根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析，得到高斯回归分析结果，具体包括：

将采样点作为输入样本，接入点信号作为观测值，根据输入样本和测量误差构建观测值的数学模型；

根据数学模型和相关度矩阵对观测值进行高斯过程回归分析，得到高斯回归分析结果。

设定接入点信号与采样点位置之间的数学模型为：

y_i＝f(x_i)+ε (4)

其中，x_i是输入样本，y_i是测量值，ε是测量误差，

基于上述内容，在已知输入样本x以及测量值y的条件下，对于一个新的样本x_*，它的观测值y_*服从均值为K_*K^-1y，方差为

的高斯分布：

其中，K_*＝[k(x_*,x₁)k(x_*,x₂)…k(x_*,x_N)]，K_**＝k(x_*,x_*)，K_*表示样本x_*与采样点x＝{x₁,…,x_N}之间的相关度，K_**表示样本x_*的自相关度。

作为本发明实施例的一种具体实施方式，协方差函数包括但不限于高斯核函数。

实施本发明实施例，具有以下有益效果：

本发明实施例根据预设的间隔在目标区域设置低密度采样点，利用采样点定期采集无线接入信号上传至服务器，并采用高斯过程回归算法生成高密度的位置指纹数据库，能够有效减少采样点的设置数量，有利于降低设备部署的成本，且能够避免因为采样点过多而造成的额外计算量，有利于提高室内定位的准确性。本发明实施例根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析，生成高密度的位置指纹数据库，根据定期采集的无线接入信号实现指纹数据库的自动更新，使指纹数据库能够适用于新环境，有利于提高室内定位的准确性和可靠性。

请参阅图5，本发明的第二实施例，一种室内定位系统指纹数据库构建装置如图5所示，包括：采集模块10、建立模块20、分析模块30和构建模块40；

采集模块10，用于根据预设的间隔在目标区域设置多个采样点，并采集多个采样点的接入点信号；

示例性的，在目标区域设置多个采样点，并且根据预设的间隔进行设置，在完成采样点的位置设置后，将接收机安装在每一采样点上，以实现对无线接入点(AP)的信号的定期采集。可选地，采样点可以为一个也可以为多个，其设置方式可以为，根据确定的目标区域，将目标区域划分为坐标点，将多个采样点以低密度的形式设置在预先划分好的坐标点中，作为输入样本定期采集接入点信号。本发明实施例在目标区域以较低的密度设置多个采样点采集多个无线接入点信号，以实现对室内定位系统指纹数据库构建。具体地，如图2所示，根据目标区域的平面图，按照预设的间隔设置采样点的位置并记为x＝{x₁,…,x_N}。

需要说明的是，在采集到多个接入点信号后，将采集的多个接入点信号上传至服务器。请参阅图3，为本发明实施例提供的一种指纹数据库采集系统结构示意图。

建立模块20，用于根据协方差函数建立多个采样点之间的相关度矩阵；

可选地，本实施例可使用的协方差函数包括但不限于高斯核函数。

分析模块30，用于根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析，得到高斯回归分析结果；

构建模块40，用于根据高斯回归分析结果构建指纹数据库。

本发明实施例根据预设的间隔在目标区域设置低密度采样点，利用采样点定期采集无线接入信号上传至服务器，并采用高斯过程回归算法生成高密度的位置指纹数据库，能够有效降低指纹数据库构建的人工成本，且能够实现指纹数据库的自动更新，使指纹数据库能够适用于新环境，有利于提高定位的准确性和可靠性。

作为本发明实施例的一种具体实施方式，建立模块20，包括用于：根据协方差函数和测量误差计算多个采样点之间的相关度，根据相关度建立多个采样点之间的相关度矩阵。

可以理解的是，在高斯过程中，任意两个采样点x_i与x_j之间是相关，其相关度可以通过协方差函数k(x_i,x_j)来描述，具体地：

其中，

为任意两个采样点之间的最大协方差参数，|x_i-x_j|为两个采样点间的欧式距离，当x_i与x_j的距离越近，它们之间的相关性就越大。参数l用于控制欧式距离对相关性影响的大小。考虑测量误差ε的影响，两个采样点间的相关度可以表示为：

其中，δ(x_i,x_j)为克罗内克函数，ε为测量误差，

σ_n为正态分布的方差。当x_i＝x_j时，δ(x_i,x_j)＝0，当x_i≠x_j时，δ(x_i,x_j)＝1。根据公式(2)建立相关度矩阵为：

作为本发明实施例的一种具体实施方式，分析模块30，包括用于：

将采样点作为输入样本，接入点信号作为观测值，根据输入样本和测量误差构建观测值的数学模型；

根据数学模型和相关度矩阵对观测值进行高斯过程回归分析，得到高斯回归分析结果。

设定接入点信号与采样点位置之间的数学模型为：

y_i＝f(x_i)+ε (4)

其中，x_i是输入样本，y_i是测量值，ε是测量误差，

基于上述内容，在已知输入样本x以及测量值y的条件下，对于一个新的样本x_*，它的观测值y_*服从均值为K_*K^-1y，方差为

的高斯分布：

其中，K_*＝[k(x_*,x₁)k(x_*,x₂)…k(x_*,x_N)]，K_**＝k(x_*,x_*)，K_*表示样本x_*与采样点x＝{x₁,…,x_N}之间的相关度，K_**表示样本x_*的自相关度。

作为本发明实施例的一种具体实施方式，协方差函数包括但不限于高斯核函数。

本发明实施例根据预设的间隔在目标区域设置低密度采样点，利用采样点定期采集无线接入信号上传至服务器，并采用高斯过程回归算法生成高密度的位置指纹数据库，能够有效减少采样点的设置数量，有利于降低设备部署的成本，且能够避免因为采样点过多而造成的额外计算量，有利于提高室内定位的准确性。本发明实施例根据多个采样点和相关度矩阵对接入点信号进行高斯过程回归分析，生成高密度的位置指纹数据库，根据定期采集的无线接入信号实现指纹数据库的自动更新，使指纹数据库能够适用于新环境，有利于提高室内定位的准确性和可靠性。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (8)

1.一种室内定位系统指纹数据库构建方法，其特征在于，包括：

根据预设的间隔在目标区域设置多个采样点，并采集多个所述采样点的接入点信号；

根据协方差函数建立多个所述采样点之间的相关度矩阵；

根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析，得到高斯回归分析结果；

根据所述高斯回归分析结果构建指纹数据库。

2.如权利要求1所述的室内定位系统指纹数据库构建方法，其特征在于，根据协方差函数建立多个所述采样点之间的相关度矩阵，具体包括：

根据协方差函数和测量误差计算所述多个采样点之间的相关度，根据所述相关度建立多个所述采样点之间的相关度矩阵。

3.如权利要求1所述的室内定位系统指纹数据库构建方法，其特征在于，所述根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析，得到高斯回归分析结果，具体包括：

将所述采样点作为输入样本，所述接入点信号作为观测值，根据所述输入样本和测量误差构建所述观测值的数学模型；

根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析，得到高斯回归分析结果。

4.如权利要求1-3所述的室内定位系统指纹数据库构建方法，其特征在于，所述协方差函数包括但不限于高斯核函数。

5.一种室内定位系统指纹数据库构建装置，其特征在于，包括：采集模块、建立模块、分析模块和构建模块；

所述采集模块，用于根据预设的间隔在目标区域设置多个采样点，并采集多个所述采样点的接入点信号；

所述建立模块，用于根据协方差函数建立多个所述采样点之间的相关度矩阵；

所述分析模块，用于根据多个所述采样点和所述相关度矩阵对所述接入点信号进行高斯过程回归分析，得到高斯回归分析结果；

所述构建模块，用于根据所述高斯回归分析结果构建指纹数据库。

6.如权利要求5所述的室内定位系统指纹数据库构建装置，其特征在于，所述建立模块，包括用于：根据协方差函数和测量误差计算所述多个采样点之间的相关度，根据所述相关度建立多个所述采样点之间的相关度矩阵。

7.如权利要求5所述的室内定位系统指纹数据库构建装置，其特征在于，所述分析模块，包括用于：

将所述采样点作为输入样本，所述接入点信号作为观测值，根据所述输入样本和测量误差构建所述观测值的数学模型；

根据所述数学模型和所述相关度矩阵对所述观测值进行高斯过程回归分析，得到高斯回归分析结果。

8.如权利要求5-7所述的室内定位系统指纹数据库构建装置，其特征在于，所述协方差函数包括但不限于高斯核函数。

Images