專利名稱：基于定位誤差估計(jì)的wlan室內(nèi)移動(dòng)用戶定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及基于定位誤差估計(jì)的WLAN室內(nèi)定位方法。
背景技術(shù)：
近年來(lái)，人們對(duì)位置服務(wù)需求日益增張。但是，由于在室內(nèi)環(huán)境下衛(wèi)星信號(hào)受到建筑物的遮蔽并且蜂窩系統(tǒng)的定位精度難以滿足室內(nèi)定位服務(wù)的要求。因此，為室內(nèi)用戶提供精確的位置服務(wù)受到了許多研究機(jī)構(gòu)的重視。隨著WLAN被廣泛布置在室內(nèi)環(huán)境中為用戶提供通信服務(wù)，相對(duì)于其他室內(nèi)定位技術(shù)，如超寬帶、超聲波、紅外線、藍(lán)牙等，基于指紋匹配算法的WLAN室內(nèi)定位系統(tǒng)因其經(jīng)濟(jì)性被認(rèn)為是一種有前景的解決方案。該方法一般分為兩個(gè)階段，即離線階段和在線階段。在離線階段，首先選擇一些特定的位置，即參考點(diǎn)(Reference Point，RP)。然后在每個(gè)參考點(diǎn)上采集足夠的RSS(Received Signal Strength)樣本建立一個(gè)由RSS樣本和參考點(diǎn)坐標(biāo)的位置指紋數(shù)據(jù)庫(kù)。在在線階段，通過(guò)用戶端無(wú)線網(wǎng)卡所測(cè)量到的RSS樣本與已建立的RSS數(shù)據(jù)庫(kù)相匹配可估計(jì)出用戶的位置坐標(biāo)。目前，對(duì)于指紋匹配算法的相關(guān)研究已經(jīng)展開(kāi)，許多算法和技術(shù)也被用作指紋匹配算法，如基于模式匹配的人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法、自適應(yīng)神經(jīng)模糊推理系統(tǒng)法和基于距離依賴的最近鄰法、K近鄰算法(K Nearest Neighbors, KNN)、加權(quán)K近鄰法(Weighted KNN, WKNN)?；谀Ｊ狡ヅ涞闹讣y匹配算法需要在離線階段對(duì)模型訓(xùn)練，以建立RSS樣本與坐標(biāo)之間的非線性關(guān)系。如果訓(xùn)練結(jié)果好則可以達(dá)到很高的定位精度，反之，如果室內(nèi)無(wú)線電環(huán)境變化，位置指紋數(shù)據(jù)庫(kù)更新，則會(huì)導(dǎo)致原有非線性映射關(guān)系失效，需要大量時(shí)間重新訓(xùn)練，這在實(shí)時(shí)定位階段是難以做到的。相比之下，基于距離依賴的指紋匹配算法的優(yōu)點(diǎn)是不需要離線階段訓(xùn)練、計(jì)算簡(jiǎn)單、對(duì)室內(nèi)無(wú)線電環(huán)境變化不敏感，但缺點(diǎn)是精度有限且易受參考點(diǎn)位置的選擇和近鄰參考點(diǎn)個(gè)數(shù)的影響。另一方面，對(duì)移動(dòng)用戶定位時(shí)，難度相比固定用戶更大。用戶的無(wú)線網(wǎng)卡讀取的信號(hào)強(qiáng)度樣本數(shù)目較少，無(wú)法全面反映用戶所處位置的無(wú)線電特性，因此定位誤差通常會(huì)較大，因此需要利用其它信息提高定位結(jié)果的精度。當(dāng)前的研究?jī)H集中于如何計(jì)算出更加精確的定位結(jié)果，很少能夠從計(jì)算定位誤差的角度入手。如果能夠準(zhǔn)確的估計(jì)定位誤差，就可以利用估計(jì)的定位誤差消除定位結(jié)果中誤差的影響，得到更加精確的定位結(jié)果。

發(fā)明內(nèi)容
本發(fā)明是為了解決現(xiàn)有方法的WLAN室內(nèi)移動(dòng)用戶定位精度低的問(wèn)題，從而提供一種基于定位誤差估計(jì)的WLAN室內(nèi)移動(dòng)用戶定位方法?；诙ㄎ徽`差估計(jì)的WLAN室內(nèi)移動(dòng)用戶定位方法，它由以下步驟實(shí)現(xiàn)步驟一、在室內(nèi)目標(biāo)定位環(huán)境中布置N個(gè)接入點(diǎn)AP，確保室內(nèi)目標(biāo)定位環(huán)境中的任意位置均能夠采集到來(lái)自所有接入點(diǎn)AP的信號(hào)強(qiáng)度；在所述目標(biāo)環(huán)境中設(shè)置M個(gè)參考點(diǎn)；N、M均為正整數(shù)；
步驟二、在離線階段，記錄M個(gè)參考點(diǎn)處坐標(biāo)集合，在每個(gè)參考點(diǎn)采集W個(gè)RSS樣本RSSKe，并根據(jù)M個(gè)參考點(diǎn)處坐標(biāo)和每個(gè)參考點(diǎn)的所有RSS樣本RSSKe建立位置指紋數(shù)據(jù)庫(kù)；W為正整數(shù)；步驟三、在目標(biāo)定位環(huán)境中選擇Z個(gè)位置點(diǎn)作為非線性映射函數(shù)的訓(xùn)練點(diǎn)，在每個(gè)訓(xùn)練點(diǎn)采集V個(gè)RSS樣本，建立RSS樣本集合RSSft與定位誤差(δ^^，5yTr)之間的非線性映射關(guān)系；Z、V為正整數(shù)；步驟四、在在線階段，當(dāng)移動(dòng)用戶在測(cè)試點(diǎn)接收到RSS樣本集合RSSft后，利用基于距離依賴的指紋匹配法計(jì)算定位結(jié)果jf)同時(shí)也將收到的RSS樣本作為非線性映射函數(shù)的輸入計(jì)算定位誤差(f^Te，5yTe)；然后利用公式
ne獲得最終的移動(dòng)用戶定位結(jié)果(Xp，yP)。步驟三中所述的在目標(biāo)定位環(huán)境中選擇Z個(gè)位置點(diǎn)作為非線性映射函數(shù)的訓(xùn)練點(diǎn)，在每個(gè)訓(xùn)練點(diǎn)采集V個(gè)RSS樣本，建立RSS樣本集合RSSft與定位誤差(δ ^Cft, δ yTr)之間的非線性映射關(guān)系的具體方法為首先，記錄Z個(gè)位置點(diǎn)的坐標(biāo)(xft，yTr)和在每個(gè)位置收集的RSS樣本集合RSSft ；
利用基于距離依賴的指紋匹配法計(jì)算這些訓(xùn)練點(diǎn)的定位結(jié)果(x^jf).
然后利用公式計(jì)算定位誤差(δ Ar，5yTr)；將RSS樣本集合RSSft和定位誤差(δ xTr, δ yTr)分別作為訓(xùn)練非線性映射函數(shù)的輸入和輸出，在離線階段進(jìn)行訓(xùn)練，得到RSS樣本集合RSSft和定位誤差(δ ^cft, 5yTr)之間的非線性映射關(guān)系。有益效果本發(fā)明的方法首先利用基于距離依賴的指紋匹配法得出定位結(jié)果，然后利用在離線階段訓(xùn)練的非線性映射函數(shù)估計(jì)定位誤差，修正距離依賴型指紋匹配法的定位結(jié)果，消除定位誤差的影響。該方法既在位置指紋數(shù)據(jù)庫(kù)未更新時(shí)，相對(duì)距離依賴型指紋匹配法大幅度提高定位精度，又可以在位置指紋數(shù)據(jù)庫(kù)更新時(shí)，通常模式匹配型指紋匹配法無(wú)法使用需要重新訓(xùn)練非線性映射關(guān)系的情況下，利用距離依賴型指紋匹配法完成定位。通過(guò)這種方法，可以在移動(dòng)用戶僅接收到少數(shù)RSS樣本的情況下，在一定程度上消除了定位結(jié)果中誤差的影響，獲得更加精確的定位結(jié)果。 圖1是本發(fā)明的定位方法的流程示意圖。圖中(Xlte，yj為參考點(diǎn)的坐標(biāo)和 RSSEe為參考點(diǎn)處RSS樣本；(xTr, yTr)為訓(xùn)練點(diǎn)的坐標(biāo)和RSSlr為訓(xùn)練點(diǎn)處收集的RSS樣本為訓(xùn)練點(diǎn)處利用距離依賴型指紋匹配法根據(jù)RSSft計(jì)算的定位坐標(biāo)；(δ xTr, δ yTr)為訓(xùn)練點(diǎn)處的定位誤差；RSSTe和分別為在線階段測(cè)試點(diǎn)處的接收到的RSS


樣本和同一距離依賴型指紋匹配算法的定位結(jié)果；(δ xTe, δ yTe)為利用離線階段訓(xùn)練的非線性映射函數(shù)根據(jù)RSS樣本RSSk估計(jì)的定位誤差；(Xp，yP)為最終的定位結(jié)果。圖2是具體實(shí)施方式
二的實(shí)驗(yàn)環(huán)境示意圖。圖3是利用KNN算法的定位結(jié)果與采用反向傳播算法的神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network, BPNN)誤差估計(jì)后的定位結(jié)果和測(cè)試點(diǎn)的仿真示意圖。圖4是利用KNN算法的定位結(jié)果與采用反向傳播算法的神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network, BPNN)誤差估計(jì)后的累積概率結(jié)果仿真示意圖。
具體實(shí)施例方式具體實(shí)施方式
一結(jié)合圖1說(shuō)明本實(shí)施方式，本實(shí)施方式的步驟如下步驟一、在離線階段建立二維坐標(biāo)系，并且在已知坐標(biāo)的參考點(diǎn)處采集來(lái)自訪問(wèn)接入點(diǎn)(Access Point, AP)的接收信號(hào)強(qiáng)度 RSS (Received Signal Strength)樣本，并建立位置指紋數(shù)據(jù)庫(kù)；步驟二、在在線階段計(jì)算，利用本發(fā)明選擇的KNN距離依賴型位置指紋匹配算法將用戶的無(wú)線網(wǎng)卡收到的接收信號(hào)強(qiáng)度RSS與無(wú)線電信號(hào)覆蓋圖中位置指紋匹配，計(jì)算出一個(gè)初定位坐標(biāo)；設(shè)RP和AP的數(shù)量分別是m和n。Sij定義為數(shù)據(jù)庫(kù)中來(lái)自第i個(gè)參考點(diǎn)第j個(gè)AP 的RSS樣本均值，Sj是用戶測(cè)量的來(lái)自η個(gè)AP的RSS樣本均值。歐式距離(Ii由下式計(jì)算
權(quán)利要求
1.基于定位誤差估計(jì)的WLAN室內(nèi)移動(dòng)用戶定位方法，其特征是它由以下步驟實(shí)現(xiàn) 步驟一、在室內(nèi)目標(biāo)定位環(huán)境中布置N個(gè)接入點(diǎn)AP，確保室內(nèi)目標(biāo)定位環(huán)境中的任意位置均能夠采集到來(lái)自所有接入點(diǎn)AP的信號(hào)強(qiáng)度；在所述目標(biāo)環(huán)境中設(shè)置M個(gè)參考點(diǎn)；N、 M為正整數(shù)；步驟二、在離線階段，記錄M個(gè)參考點(diǎn)處坐標(biāo)集合，在每個(gè)參考點(diǎn)采集W個(gè)RSS樣本 RSSEe,并根據(jù)M個(gè)參考點(diǎn)處坐標(biāo)和每個(gè)參考點(diǎn)的所有RSS樣本RSSKe建立位置指紋數(shù)據(jù)庫(kù)； W為正整數(shù)；步驟三、在目標(biāo)定位環(huán)境中選擇Z個(gè)位置點(diǎn)作為非線性映射函數(shù)的訓(xùn)練點(diǎn)，在每個(gè)訓(xùn)練點(diǎn)采集V個(gè)RSS樣本，建立RSS樣本集合RSSft與定位誤差(δ xTr, δ yTr)之間的非線性映射關(guān)系；Ζ、V為正整數(shù)；步驟四、在在線階段，當(dāng)移動(dòng)用戶在測(cè)試點(diǎn)接收到RSS樣本集合RSSft后，利用基于距離依賴的指紋匹配法計(jì)算定位結(jié)果jf)同時(shí)也將收到的RSS樣本作為非線性映射函數(shù)的輸入計(jì)算定位誤差(S XTe, δ yTe)；然后利用公式ne獲得最終的移動(dòng)用戶定位結(jié)果(χΡ，yP)。
2.根據(jù)權(quán)利要求1所述的基于定位誤差估計(jì)的WLAN室內(nèi)移動(dòng)用戶定位方法，其特征在于步驟三中所述的在目標(biāo)定位環(huán)境中選擇Z個(gè)位置點(diǎn)作為非線性映射函數(shù)的訓(xùn)練點(diǎn)，在每個(gè)訓(xùn)練點(diǎn)采集V個(gè)RSS樣本，建立RSS樣本集合RSSft與定位誤差(δ xTr, δ yTr)之間的非線性映射關(guān)系的具體方法為首先，記錄Z個(gè)位置點(diǎn)的坐標(biāo)(xft，yTr)和在每個(gè)位置收集的RSS樣本集合RSSft ；禾Ij用基于距離依賴的指紋匹配法計(jì)算這些訓(xùn)練點(diǎn)的定位結(jié)果(^0，·)^0). 然后利用公式^yTr=yTr-y ° 計(jì)算定位誤差(δ xTr，δ yTr)；將RSS樣本集合RSSft和定位誤差(δ xTr, δ yTr)分別作為訓(xùn)練非線性映射函數(shù)的輸入和輸出，在離線階段進(jìn)行訓(xùn)練，得到RSS樣本集合RSSft和定位誤差(δ ^cft, 5yTr)之間的非線性映射關(guān)系。
全文摘要
基于定位誤差估計(jì)的WLAN室內(nèi)移動(dòng)用戶定位方法，它涉及WLAN室內(nèi)移動(dòng)用戶定位方法。它針對(duì)現(xiàn)有距離依賴型和模式匹配型指紋匹配定位方法的缺點(diǎn)和移動(dòng)用戶用于定位的RSS樣本較少的問(wèn)題，利用離線階段訓(xùn)練完成的RSS樣本和定位誤差之間的非線性映射函數(shù)，建立RSS樣本與定位誤差之間的關(guān)系。在在線階段，將接收到的RSS樣本作為非線性映射函數(shù)的輸入估計(jì)定位誤差，并利用所估計(jì)的定位誤差對(duì)距離依賴型指紋匹配法的定位結(jié)果進(jìn)行修正，消除定位誤差的影響，極大地提高了移動(dòng)用戶的定位精度。該方法在位置指紋數(shù)據(jù)庫(kù)未更新時(shí)，相對(duì)距離依賴型指紋匹配法定位精度大幅提高。在位置指紋數(shù)據(jù)庫(kù)更新時(shí)，需要重新訓(xùn)練非線性映射關(guān)系的情況下，仍然可以利用距離依賴型指紋匹配法定位，具有較大的實(shí)際應(yīng)用價(jià)值。
文檔編號(hào)H04W64/00GK102427603SQ20121001081
公開(kāi)日2012年4月25日 申請(qǐng)日期2012年1月13日 優(yōu)先權(quán)日2012年1月13日
發(fā)明者劉寧慶, 孫永亮, 徐玉濱, 鄧志安, 馬琳 申請(qǐng)人:哈爾濱工業(yè)大學(xué)