本發(fā)明涉及一種基于WiFi信號強(qiáng)度采集、精確環(huán)境衰減因子模型(Micro-Model)的室內(nèi)無線熱點(diǎn)回溯的方法。該方法通過對目標(biāo)建筑內(nèi)環(huán)境衰減因子矩陣的精確描述,在傳統(tǒng)三邊定位方法的基礎(chǔ)上進(jìn)行熱點(diǎn)回溯,實(shí)時對移動熱點(diǎn)實(shí)施定位。該方法可以在傳統(tǒng)位置指紋算法進(jìn)行離線訓(xùn)練時更新衰減因子庫,無需額外定位步驟,同時卻可以提高熱點(diǎn)回溯的精度,屬于基于WiFi信號強(qiáng)度的室內(nèi)無線熱點(diǎn)回溯方法研究的相關(guān)領(lǐng)域。
背景技術(shù):
:傳統(tǒng)的位置指紋定位方法在與多種新技術(shù)結(jié)合之后產(chǎn)生了較為理想的定位效果,其精度已被大幅提升至厘米級,且均不需要過多外設(shè)的支持即可實(shí)現(xiàn)。(號稱可以定到39cm/17cm(Modellet)或0.1m(Luxapose),其中Modellet似乎需要插一塊網(wǎng)卡,Luxapose用普通手機(jī)就行。)在實(shí)際應(yīng)用中,可以假設(shè)用戶在進(jìn)入某建筑物后首先使用這些系統(tǒng)對自身進(jìn)行定位,我們將其稱之為“第一次定位”。第一次定位是本實(shí)驗(yàn)的前提,本研究將始終在第一次定位穩(wěn)定實(shí)現(xiàn)的條件下進(jìn)行,并默認(rèn)這個過程中的一些重要數(shù)據(jù)可以在終端和服務(wù)器之間共享,為本研究所用。相對地,第二次定位指的是在已有室內(nèi)無線定位系統(tǒng)的基礎(chǔ)上進(jìn)行熱點(diǎn)回溯定位或移動熱點(diǎn)定位,這是一個反向定位的過程。前者主要是為了準(zhǔn)確判斷靜止熱點(diǎn)所在的位置,后者則可以實(shí)時為配備了熱點(diǎn)功能的移動終端提供定位服務(wù)。當(dāng)用戶進(jìn)入到某一物理空間后,首先使用該空間內(nèi)原有的指紋庫進(jìn)行定位。當(dāng)新的熱點(diǎn)出現(xiàn)時,該空間內(nèi)每一個被定位的用戶都能接收到其信號,從而描繪出一個關(guān)于當(dāng)前熱點(diǎn)的新指紋庫,這個新指紋庫可以用來對該熱點(diǎn)進(jìn)行定位。這樣一來或許可以實(shí)現(xiàn)在定位環(huán)境中動態(tài)添加熱點(diǎn)輔助定位的功能。第二次定位的主要思想就是利用信號在視距空間中傳播符合log路徑損耗模型的特點(diǎn),在特定位置進(jìn)行以模型公式為基礎(chǔ)的熱點(diǎn)回溯。傳統(tǒng)三邊熱點(diǎn)回溯方法工作原理是使用傳統(tǒng)的global-model進(jìn)行回溯定位,無論怎樣改變權(quán)重等系數(shù),該方案都顯得不夠合理,其定位誤差較大。梯度熱點(diǎn)回溯方法工作原理是:每個熱點(diǎn)發(fā)出的信號在三維空間內(nèi)傳播時都會產(chǎn)生一定的衰減,將這種衰減直觀地以圖像的形式表現(xiàn)出來就可以得到不同方向上該熱點(diǎn)發(fā)出信號的梯度。圖1是一個簡單示意圖,其中紅色部分表示信號強(qiáng)度較大的區(qū)域,藍(lán)色表示信號強(qiáng)度較小的區(qū)域。因此,只要獲得一定數(shù)量的參考標(biāo)簽(包含信號強(qiáng)度和位置信息),梯度定位法就可以完成對目標(biāo)熱點(diǎn)的定位。該方法是一個反向定位方法,即已知指紋庫或新指紋庫反向推出熱點(diǎn)的準(zhǔn)確位置,而不是正向定位。該算法的流程是:第一步:按公式計算出梯度指紋庫grax(x,y)=r(x+1,y)-r(x-1,y)gray(x,y)=r(x,y+1)-r(x,y-1)]]>其中g(shù)rax(x,y)代表x軸方向上的梯度向量,gray(x,y)代表y軸方向上的梯度向量,r(x,y)表示若將整個物理空間劃分為p行q列,第x行y列區(qū)塊上的信號強(qiáng)度。第二步:剔除奇異數(shù)據(jù)梯度分布圖繪制完成后,將明顯不符合規(guī)律的點(diǎn)(與目標(biāo)區(qū)域相差超過90度以上)剔除出去,其中目標(biāo)區(qū)域是一開始就確定好了的,信號強(qiáng)度最強(qiáng)的那個區(qū)域。第三步:聚類使用較優(yōu)的聚類算法對梯度向量進(jìn)行聚類,聚類中心的個數(shù)視情況而定聚類的結(jié)果就是估計后的熱點(diǎn)所在位置。多個聚類中心可以直接作為結(jié)果輸出,也可以經(jīng)過相應(yīng)的計算后合并成一個結(jié)果再進(jìn)行輸出。但是這樣將聚類中心的個數(shù)簡單地設(shè)為一個固定值顯然是不合理的。梯度定位法最大的問題在于:由于只對特定環(huán)境下該方法的性能進(jìn)行了檢驗(yàn),一些本領(lǐng)域比較重要的因素均被不同程度地忽略掉了。首先,不難想象,如果存在一個如下圖所示的物理空間,則大部分梯度向量都將被當(dāng)做奇異點(diǎn)而剔除掉。換句話說,梯度定位方法的工作前提是存在一定數(shù)量的符合log衰減模型(至少趨勢符合)的參考標(biāo)簽。然而在實(shí)際測試中,盡管是輕微的墻壁遮擋也可能造成反趨勢點(diǎn)的出現(xiàn)。圖中1、2的信號強(qiáng)度在實(shí)測極有可能小于3、4、5、6,且AP發(fā)射頻率越高,這個現(xiàn)象就越明顯,這樣一來,上述區(qū)域的梯度向量將全部變成奇異向量從而被剔除掉,有效數(shù)據(jù)點(diǎn)的數(shù)量將變得非常至少,大大影響算法的精度。其次,當(dāng)指紋庫劃分不規(guī)則時,梯度回溯方法無法按定義計算各梯度向量,導(dǎo)致其無法正常運(yùn)行,而實(shí)際情況中指紋庫往往又是根據(jù)實(shí)際情況劃定的,很少出現(xiàn)特別規(guī)則的物理空間。再次,原文實(shí)驗(yàn)在一個固定空間內(nèi)進(jìn)行,因此默認(rèn)傳播模型系數(shù)為定值,這樣的假設(shè)是不嚴(yán)謹(jǐn)?shù)?。論文[ExperiencingandHandlingtheDiversityinDataDensityandEnvironmentalLocalityinanIndoorPositioningService]的研究顯示,當(dāng)建筑面積達(dá)到某個臨界值時,采用兩套以上的傳播模型參數(shù)將變得非常必要。最后,聚類中心的個數(shù)理應(yīng)根據(jù)建筑模型及環(huán)境變化設(shè)置為變量,同樣不應(yīng)設(shè)置為某個經(jīng)驗(yàn)值或常量。因此,梯度定位方法不能完全滿足二次定位的需求,需要一個新的方法完成定位。技術(shù)實(shí)現(xiàn)要素:針對上文提及的本領(lǐng)域部分方法存在的一些問題,本發(fā)明將傳統(tǒng)的Global-LDPL-Model和Local-LDPL-Model進(jìn)行了改進(jìn),首次提出了Micro-LDPL-Model,并將其應(yīng)用到移動熱點(diǎn)回溯這一熱門領(lǐng)域中,通過精確測量物理空間內(nèi)環(huán)境衰減因子,描繪其特征矩陣,實(shí)現(xiàn)對移動AP的精確位置回溯。為實(shí)現(xiàn)上述目的,本方法工作的主要流程為:在離線訓(xùn)練階段,采集常規(guī)指紋庫并建立Micro-LDPL-Model;在線測量階段,配合移動智能終端和服務(wù)器對移動熱點(diǎn)進(jìn)行精確定位,通過精確回推、三邊測量和聚類優(yōu)化等方法,最大程度上對定位結(jié)果實(shí)現(xiàn)了優(yōu)化,使其更加精確合理。實(shí)驗(yàn)結(jié)果表明,應(yīng)用了本方法的系統(tǒng)不僅具備了對移動熱點(diǎn)進(jìn)行實(shí)時精確回溯的能力,還能夠?qū)⒍ㄎ徽`差限制在一個較小的范圍內(nèi),總體上取得了令人滿意的效果。附圖說明圖1,梯度分布示意圖。圖2,可能造成梯度回溯方法失效的物理空間示意圖。圖3,可能的熱點(diǎn)真實(shí)位置示意圖。圖4,經(jīng)過一次優(yōu)化后的熱點(diǎn)區(qū)域。圖5,經(jīng)過二次優(yōu)化后的熱點(diǎn)區(qū)域。圖6,最終定位結(jié)果示意圖。具體實(shí)施方式本發(fā)明提出了一種基于local-LDPL-model(LDPL)的移動熱點(diǎn)回溯方法,該方法主要是將位置指紋定位與RSSI定位結(jié)合起來,利用位置指紋提供的環(huán)境和位置信息與log衰減模型提供的信號強(qiáng)度-距離轉(zhuǎn)化公式對熱點(diǎn)進(jìn)行定位。這個過程中包含了濾波、聚類等算法,該算法可以獲得更加良好的定位效果。該方法分為離線訓(xùn)練和在線測試兩個階段。(off-linetrainingstageandon-linetestingstage)S1、離線訓(xùn)練階段系統(tǒng)在離線訓(xùn)練階段的任務(wù)是:完成對MM模型的構(gòu)建;完成對基本指紋庫的構(gòu)建。首先,本發(fā)明提出了一套Micro-LDPL-Model(MM)作為本方法的核心。該模型在離線訓(xùn)練階段系統(tǒng)描繪指紋庫的同時,描繪出一個環(huán)境衰減因子矩陣。其具體表達(dá)形式為其中Y是衰減因子矩陣,衰減因子矩陣Y的各元素ypq表示不同建筑空間上(p行q列)相鄰區(qū)塊之間的衰減因子,其實(shí)質(zhì)是一個一維向量,不同的項(xiàng)表示不同方向通路上的測量結(jié)果。分別表示該區(qū)塊(坐標(biāo)(p,q))與相鄰區(qū)塊(坐標(biāo)(a,b)、(c,d)或其他)。lpq是矩陣L中的元素,L是位置坐標(biāo)矩陣,它表示了該元素的物理位置,在實(shí)際應(yīng)用中,這一部分將以坐標(biāo)的形式出現(xiàn)。在本方法中,指紋庫的構(gòu)建參考傳統(tǒng)指紋庫的構(gòu)建方式即可,因?yàn)楝F(xiàn)有的方法已經(jīng)完全可以滿足要求,本方法的重點(diǎn)不在于此只要能夠滿足相應(yīng)的精度即可。其中,系統(tǒng)主要參數(shù)均根據(jù)LDPL模型得出,LDPL模型的表達(dá)式為RSSI=-(10γlog10(d)-a)RSSI表示接收信號強(qiáng)度。d是測量點(diǎn)與熱點(diǎn)間距離。衰減因子矩陣γ以矩陣形式表達(dá)在MM模型中,a是信號強(qiáng)度偏移量,信號強(qiáng)度偏移量a與熱點(diǎn)型號有關(guān),通過讀取熱點(diǎn)型號獲取信號強(qiáng)度偏移量參數(shù)的具體信息。在進(jìn)行完整定位的過程中,本方法將使用兩套不同的指紋庫,第一套指紋庫主要用于第一次定位,它的內(nèi)容由離線測試階段決定;第二套用于第二次定位即回溯,它的內(nèi)容需要在在線測試階段進(jìn)行更新。它們的形式分別為其中erij=<AP1,AP2,...,APn>表示測量得到的信號強(qiáng)度,APn表示測量到的信號強(qiáng)度來自第n個AP。γpq是衰減因子矩陣,lpq是區(qū)塊物理坐標(biāo)。其中orpq表示在線測試階段獲得的信號強(qiáng)度,kpq=max{AP1,AP2,...,APn}用來表示W(wǎng)irelessLinkQuality(WLQ),這一指標(biāo)將用來衡量用戶使用哪條通信鏈路將數(shù)據(jù)上傳至云端,簡單來說,當(dāng)用戶需要將自己的數(shù)據(jù)上傳至云端時,使用其當(dāng)前正在接入的AP未必是最優(yōu)選擇,理論上講,信號強(qiáng)度較大的AP將更加適合完成這一任務(wù)。因此,本方法在第二套指紋庫中加入了WLQ標(biāo)志這一元素,旨在優(yōu)化系統(tǒng)性能,提高算法運(yùn)行速度并縮短定位周期。S2在線測試階段第一步:尋找InterestFeild反向定位時,待定位目標(biāo)一般情況下必然位于參考標(biāo)簽信號強(qiáng)度最大的一個或多個區(qū)域中,這一過程可大致分為三個部分。S2.1、假設(shè)指紋庫為矩形且各參考標(biāo)簽劃分大小一致(方便用公式描述),設(shè)A=(aij)m×n∈Cm×n,W=(wij)m×n∈Cm×n其中A為指紋庫中的參考標(biāo)簽矩陣,W為方形窗矩陣,用來對參考標(biāo)簽矩陣進(jìn)行相應(yīng)的處理。設(shè)范數(shù)||A||LS=maxx,yΣx=2m-1Σy=2n-1[Σs=-aaΣt=-bbws+a,t+bax+s,y+t],]]>該范數(shù)用來對參考標(biāo)簽矩陣進(jìn)行加窗處理從而尋找信號強(qiáng)度最大的區(qū)域。其中系數(shù)k1k2k3根據(jù)試驗(yàn)情況而定,一般來說設(shè)k1=1k2=0k3=0即可。同時設(shè)參考標(biāo)簽區(qū)域邊長為S,設(shè)Iij={(x,y)|xaij-S2<x<xaij+S2,yaij-S2<y<yaij+S2},]]>為每個參考標(biāo)簽區(qū)域的表達(dá)式。實(shí)際上,若每個方形參考標(biāo)簽邊長為5m,則5m之內(nèi)信號會產(chǎn)生相應(yīng)的衰減,這種衰減表現(xiàn)的比較明顯,除非熱點(diǎn)剛好位于兩個或多個參考標(biāo)簽的邊界上,因此暫時將上述范數(shù)簡化成如下形式||A||LS=maxx,yΣx=1mΣy=1naxy,]]>即這樣一來能夠大大降低算法復(fù)雜度,而兩個或多個參考標(biāo)簽信號強(qiáng)度相近的情況將在后面的步驟中加以考慮。該步驟將得到一個區(qū)域坐標(biāo)作為結(jié)果,暫時稱之為Ipq,對應(yīng)的參考標(biāo)簽為apq。受遍歷方式的影響,Ipq可能不唯一,但其至少會處于真實(shí)熱點(diǎn)所在參考標(biāo)簽區(qū)域的鄰域之中。S2.2、事實(shí)上,雖然兩個或多個參考標(biāo)簽信號強(qiáng)度完全相同且強(qiáng)于其他參考標(biāo)簽信號強(qiáng)度的概率較低,但在InterestField附近各參考標(biāo)簽信號強(qiáng)度相近的情況卻有可能出現(xiàn),因此需要對S2.1中得到的結(jié)果進(jìn)行進(jìn)一步處理。真實(shí)熱點(diǎn)的位置理論上可分為以下三種情況:位于某個參考標(biāo)簽中,位于兩個參考標(biāo)簽交界處和位于四個或多個參考標(biāo)簽交界處。因此,需要在找到I1區(qū)域之后進(jìn)一步確定當(dāng)前信號強(qiáng)度分布,設(shè)Iα為Ipq的八鄰域與Ipq的并集,其表達(dá)式Iα={Iij|p-1≤i≤p+1,q-1≤j≤q+1},其可能的存在情況如附圖4所示。S2.3、通過在Iα區(qū)域中進(jìn)行相應(yīng)的計算,最終可以確定一個Iβ,它表示參考標(biāo)簽信號強(qiáng)度相近且強(qiáng)于其他參考標(biāo)簽信號強(qiáng)度的區(qū)域的并集。設(shè)D=(dij)3×3∈C3×3為在Iα區(qū)域內(nèi)求取各參考標(biāo)簽到apq距離的距離換算窗。其中dij=ap+m,q+n2-apq2,(-1≤m≤1,-1≤n≤1),]]>則Iβ={Iij|dij<T,p-1≤i≤p+1,q-1≤j≤q+1},其中T是距離閾值,該值需要取得很小來排除建筑等因素的干擾,理論依據(jù)是距離與信號強(qiáng)度轉(zhuǎn)化公式。最后Iβ簡化為附圖5中的白色區(qū)域Iγ,這就是最終求取的InterestField,實(shí)際情況中,由于存在障礙物遮擋等因素,橙色區(qū)域可能是不規(guī)則的:兩格由于遮擋可能直接退化為一格,四格可能退化為三格、兩格或一格等等。第二步:利用三邊測量法估計熱點(diǎn)位置篩選出視距參考標(biāo)簽之后利用log衰減模型進(jìn)行熱點(diǎn)位置估計了。設(shè)熱點(diǎn)位置坐標(biāo)為(x0,y0),根據(jù)log路徑損耗模型RSSI=-(10γlog10(d)-n),d=10RSSI+n-10γ,]]>將熱點(diǎn)位置坐標(biāo)帶入上式中進(jìn)行聯(lián)立即可求解出多組位置坐標(biāo)d12=(x-x1)2+(y-y1)2...dh2=(x-xh)2+(y-yh)2,]]>其中RSSI取自第二次定位獲得的指紋矩陣,偏移量n是距離熱點(diǎn)1m處的信號強(qiáng)度,它的值需要在計算出衰減因子矩陣γ后進(jìn)行一次估計,距離d1…dh是未知值分別表示目標(biāo)熱點(diǎn)與第1至第h個區(qū)塊中心的距離,當(dāng)求解出至少兩個距離之后就可以估計出熱點(diǎn)的位置了。最后,使用k-means聚類算法對得到的位置結(jié)果進(jìn)行分析處理,擬合出最終結(jié)果。值得一提的是,并非所有定位結(jié)果都適合參與聚類,例如,當(dāng)某區(qū)塊環(huán)境衰減因子偏離正常值較多時,該區(qū)域被某些物體遮擋的幾率就大大增加了。此時,如果將該區(qū)域定位結(jié)果帶入聯(lián)立方程組,就有可能產(chǎn)生一個較大的干擾噪聲。因此,本發(fā)明在經(jīng)過反復(fù)試驗(yàn)和研究后,決定在聚類過程中只應(yīng)用由環(huán)境衰減因子偏差值不大于0.2的區(qū)域計算得到的結(jié)果,其余一律視作噪聲點(diǎn)予以剔除。當(dāng)可用數(shù)據(jù)不足以或不必要進(jìn)行聚類時,則直接使用連立方程組求解出的結(jié)果。當(dāng)前第1頁1 2 3