專利名稱:一種定位方法
技術(shù)領(lǐng)域:
本發(fā)明涉及定位技術(shù)領(lǐng)域,尤其涉及一種定位方法。
背景技術(shù):
目前,基于全球定位系統(tǒng)(Global Positioning System,簡稱GPS)的定位技術(shù)已經(jīng)相當成熟,且GPS衛(wèi)星的數(shù)目較多,分布均勻,用戶接收機可在地球上任何室外地點、任何時間至少同時觀測到4顆GPS衛(wèi)星,確保為用戶接收機實現(xiàn)全球、全天候的導(dǎo)航定位服務(wù)。但由于地球表面情況比較復(fù)雜,GPS衛(wèi)星信號經(jīng)受大氣摩擦、森林阻隔、建筑物遮擋等因素的影響,使得GPS定位系統(tǒng)的應(yīng)用范圍受到了一定限制。如在室內(nèi)定位場合中,由于用戶接收機接收不到完整的GPS衛(wèi)星信號,因而GPS不再適用。近年來,無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,簡稱WSN)、無線局域網(wǎng)(Wireless Local Area Network,簡稱 WLAN)和射頻標簽(Radio FrequencyIdentification,簡稱RFID)等短距離無線通信技術(shù)得到了迅速發(fā)展。在城市環(huán)境和室內(nèi)環(huán)境中均部署了大量的WLAN的無線接入點(Access Point,簡稱AP),用戶終端掃描到多個無線AP的情況經(jīng)常出現(xiàn),因此只要是在無線信號的覆蓋范圍內(nèi),利用無線信號來對室外或室內(nèi)的目標裝置進行定位就成為可能?,F(xiàn)有的基于無線信號網(wǎng)絡(luò)的定位技術(shù),所采用無線信號主要包括紅外線、超聲波、射頻等傳感信號進行定位。其中,基于紅外線、超聲波的定位技術(shù)精度相對較高,但其需要使用專門的硬件設(shè)施,且接收信號時需要視距傳輸,因此難以大規(guī)模部署;而基于射頻信號的定位方法,具有傳輸距離遠、無視距要求、成本低、易大規(guī)模部署等優(yōu)勢?;谏漕l信號的定位技術(shù)適用于各種采用射頻信號通信的網(wǎng)絡(luò),如WSN、WLAN、RFID、GSM/GPRS (GlobalSystem for Mobile Comm unications/ General Packet Radio Service,全球移動通信系統(tǒng) / 通用分組無線服務(wù))、CDMA (Code Division Multiple Access,碼分多址)及 TD-SCAMA(Time Division-Synchronous Code Division Multiple Access,時分同步碼分多址)等。在無線網(wǎng)絡(luò)環(huán)境中,待定位終端是其位置將被確定的裝置,其利用無線網(wǎng)絡(luò)環(huán)境中的無線信號進行通信,并且利用無線網(wǎng)絡(luò)環(huán)境中的無線信號的特征來確定其自身的位置。待定位終端的典型例子包括便攜式計算機、手持電話終端或其它可移動無線通信設(shè)備。在無線信號覆蓋的環(huán)境下進行室內(nèi)定位主要是對無線信號的特征進行觀測,所謂的無線信號特征值,主要包括無線信號強度、信號頻譜、誤碼率、比特差錯率等可測量的、與目標裝置位置相關(guān)的參數(shù)值。目前,室內(nèi)定位技術(shù)主要是基于隱馬爾科夫模型(Hidden Markov Model,HMM)和觀測模型所提出的。隱馬爾科夫模型HMM是統(tǒng)計模型的一種,用于描述含有未知參數(shù)的馬爾科夫過程(Markov Process,MP),利用可觀測的參數(shù)來確定該過程中的隱含未知參數(shù)。馬爾科夫過程MP具有如下特性在已知目前狀態(tài)的條件下,它未來的演變不依賴于它以往的演變,即該隨機過程的下一個狀態(tài)只取決于目前的狀態(tài),沒有記憶性。通常,待定位終端的位置由多個樣點(待定位終端在移動路徑上的位置采樣點)的概率模型進行估計得出,其中每個樣點包括位置參數(shù)和在所述樣點上的信號值的期望值,根據(jù)信號值的觀測結(jié)果序列及其相應(yīng)的位置,可組建隱馬爾科夫模型。在隱馬爾科夫模型中,狀態(tài)并不是直接可見的,但受狀態(tài)影響的某些變量則是可見的,且每一個狀態(tài)在可能輸出的符號上都有一概率分布(如高斯分布)。因此,在為待定位終端的位置與其無線信號特征值建立隱馬爾科夫模型時,所述待定位終端的位置并不是直接可見的,但受其位置影響的某些無線信號特征值則是可見或可測的,且待定位終端的每一個位置在不同的時刻上都有一個概率分布。為了提高對室內(nèi)的目標裝置或待定位終端進行定位的準確性,在現(xiàn)有的一個技術(shù)解決方案(中國專利申請?zhí)?3815410.2)中,其基于隱馬爾科夫模型和一個或多個過去或未來的觀測結(jié)果,來對待定位的目標裝置的位置進行估計。在該技術(shù)方案中,沒有考慮不同目標裝置的移動速度對馬爾科夫一步轉(zhuǎn)移概率矩陣的影響,且該馬爾科夫一步轉(zhuǎn)移概率矩陣一旦建立,便固定不變,沒有學(xué)習(xí)或更新 能力,長此以往有可能會降低定位結(jié)果的可靠性。在現(xiàn)有的另一個技術(shù)解決方案(美國專利申請?zhí)朥S 2006/0215880 Al)中,其將目標裝置移動范圍劃分為多個相互重疊的區(qū)域,并對所述區(qū)域建立馬爾科夫模型,通過對目標裝置的不斷觀察,直到在某一時刻對目標裝置所在位置有一個比較明確的概率的時候,通過馬爾科夫一步轉(zhuǎn)移概率矩陣進行反推,獲取該時刻之前的觀測時刻所在區(qū)域的位置,從而獲得目標裝置的移動軌跡。該方案適用于獲取目標裝置的移動路徑,但不能對目標裝置的位置進行實時定位。
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是,提供一種定位方法,有效利用環(huán)境中的無線信號的信息,實現(xiàn)對待定位終端的實時定位,并進一步提高定位的準確度。為解決以上技術(shù)問題,本發(fā)明實施例提供一種定位方法,所述方法包括
無線服務(wù)終端采集N個樣點的位置及其相應(yīng)的無線信號特征值,構(gòu)建所述無線信號特征值在所述N個樣點的位置上的概率分布模型,其中N為正整數(shù);
所述無線服務(wù)終端對每一個樣點經(jīng)過一步位置轉(zhuǎn)移到所述N個樣點的概率進行設(shè)置,構(gòu)建馬爾科夫一步位置轉(zhuǎn)移概率矩陣;
所述無線服務(wù)終端對待定位終端進行第m次定位,其中m > I ;
當m > 2時,所述定位方法包括以下步驟
S1:所述無線服務(wù)終端采集當前所述N個樣點的位置的無線信號特征值,并根據(jù)所述概率分布模型,獲得所述待定位終端在第m次定位的第一概率分布矢量p’ ffl ;
S2:所述無線服務(wù)終端調(diào)用在對所述待定位終端進行第m-1次定位時所獲得的優(yōu)化概率分布矢量Pnri,并根據(jù)所述馬爾科夫一步位置轉(zhuǎn)移概率矩陣,獲得所述待定位終端在第m次定位的第二概率分布矢量p”m ;
53:所述無線服務(wù)終端根據(jù)所述第一概率分布矢量p’ ffl和所述第二概率分布矢量p”m,獲得所述待定位終端在第m次定位時的優(yōu)化概率分布矢量Pm ;
54:所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量pm,獲得所述待定位終端在第m次定位時所在的位置。
進一步地,在步驟S3中,所述無線服務(wù)終端根據(jù)所述第一概率分布矢量P’ m和所述第二概率分布矢量P”m,獲得所述待定位終端在第m次定位時的優(yōu)化概率分布矢量pm,包括
所述無線服務(wù)終端為所述第一概率分布矢量P’m分配權(quán)值《1,為所述第二概率分布矢量 p”m 分配權(quán)值 w2,其中,wl+w2=l, wl ^ O, w2 ^ O ;
所述無線服務(wù)終端通過加權(quán)平均的方式,獲得所述待定位終端在第m次定位時的優(yōu)化概率分布矢量Pm,其中,Pm= P’m*wl+p”m*w2。在一種實現(xiàn)方式中,在步驟S4中,所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量Pffl,獲得所述待定位終端在第m次定位時所在的位置,包括
所述無線服務(wù)終端查詢所述待定位終端在第m次定位時的所述優(yōu)化概率分布矢量pm,獲取所述優(yōu)化概率分布矢量Pm中的最大概率值所對應(yīng)的樣點位置,并將所述最大概率值所對應(yīng)的樣點位置作為所述待定位終端在所述第m次定位時的位置。在另一種實現(xiàn)方式中,在步驟S4中,所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量Pm,獲得所述待定位終端在第m次定位時所在的位置,包括
所述無線服務(wù)終端查詢所述待定位終端在第m次定位時的所述優(yōu)化概率分布矢量pm,獲取所述優(yōu)化概率分布矢量Pm中的大于門限值ω的多個概率值,并將所述大于門限值ω的多個概率值所分別對應(yīng)的樣點位置的質(zhì)心位置,作為所述待定位終端在所述第m次定位時的位置。更進一步地,所述無線信號特征值包括無線信號強度、無線信號頻譜、無線信號到達時間和無線信號到達角中的至少一項。
本發(fā)明提供的一種定位方法,首先采用現(xiàn)有的定位系統(tǒng)所建立的概率分布模型對待定位終端進行初步定位,獲得初步定位結(jié)果;再進一步通過利用無線通信網(wǎng)絡(luò)環(huán)境中的有用信息,為待定位終端與無線信號特征值建立隱馬爾科夫模型,且其馬爾科夫一步位置轉(zhuǎn)移概率矩陣可根據(jù)待定位終端的移動速度和移動習(xí)慣進行調(diào)整,使得馬爾科夫一步位置轉(zhuǎn)移概率矩陣趨于合理。本發(fā)明提供的一種定位方法,可有效提高對目標裝置的定位結(jié)果的可靠性。
圖1是本發(fā)明提供的定位方法的一個實施例的方法流程 圖2是圖1所提供的實施例的室內(nèi)環(huán)境的樣點分布示意 圖3是圖1所提供的實施例在第m (m > 2)次定位時所采用的定位方法步驟示意圖; 圖4是圖1所提供的實施例中的待定位終端在第I次定位時所采用的方法步驟示意
圖5是圖1所提供的實施例的完整定位方法步驟流程圖。
具體實施例方式下面將結(jié)合本發(fā)明實施例中的附圖,對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述。在本發(fā)明實施例中,無線服務(wù)終端采集得到的所述無線信號特征值與其相應(yīng)位置信息的對應(yīng)關(guān)系,實質(zhì)構(gòu)成了隱馬爾科夫模型關(guān)系。參看圖1,是本發(fā)明提供的一種定位方法的一個實施例的流程示意圖。在本實施例中,在對待定位終端進行定位時,可將本實施例所提供的定位方法劃分為離線準備和在線實時定位兩個實施階段。其中,離線準備階段的主要工作包括步驟SlOl和步驟S102
步驟SlOl :無線服務(wù)終端采集N個樣點的位置及其相應(yīng)的無線信號特征值,構(gòu)建所述無線信號特征值在所述N個樣點的位置上的概率分布模型,其中N為正整數(shù)。步驟S102 :所述無線服務(wù)終端對每一個樣點經(jīng)過一步位置轉(zhuǎn)移到所述N個樣點的概率進行設(shè)置,構(gòu)建馬爾科夫一步位置轉(zhuǎn)移概率矩陣。在本實施例中,在對待定位終端進行實時定位前,本實施例所提供的定位方法必須進行初始化設(shè)置,即離線準備,其主要工作包括構(gòu)建概率分布模型和對馬爾科夫一步位置轉(zhuǎn)移概率矩陣進行初始化設(shè)置。其中,在構(gòu)建概率分布模型時,首先,無線服務(wù)終端將室內(nèi)環(huán)境的多個位置按照一定間距進行量化取樣,獲取N個樣點的地理位置信息;然后,無線服務(wù)終端在每個樣點上采集無線信號的特征參數(shù)值(簡稱無線信號特征值),并連同其相應(yīng)的地理位置信息一同保存起來;進一步地,無線服務(wù)終端基于以上所述的N個樣點的地理位置信息和無線信號特征值,構(gòu)建起所述無線信號特征值在所述N個樣點的位置上的概率分布模型。
在具體定位過程中,無線服務(wù)終端可通過所述概率分布模型,統(tǒng)計得到所述待定位終端在第m次定位的第一概率分布矢量p’ m=[p’ Jaza1), p’ m(a=a2),,p’ m(a=aN)]T。其中,1,字母T表示矩陣的轉(zhuǎn)置。如圖2所示,是圖1所提供的實施例的室內(nèi)環(huán)境的樣點分布示意圖。在圖2所示的室內(nèi)環(huán)境地圖中,對待定位終端可能所處在的位置進行量化取樣,樣點位置為ai;其中,i=l,2,…,N,表示將室內(nèi)環(huán)境量化為N個樣點。具體實施時,樣點的數(shù)量N的取值可根據(jù)實際情況需要而設(shè)定,一般而言,N的值越大,對待定位終端的定位結(jié)果越準確,但定位方法的復(fù)雜度也相應(yīng)會提高。其中,以N=13為例,在具體定位時,無線服務(wù)終端只需要將當前觀測得到的各個樣點位置的無線信號特征值,去匹配概率分布模型中對應(yīng)的地理位置,從而獲得待定位終端可能所處樣點位置的第一概率分布矢量
P,m= [P,m(a=ai),P,m(a=a2),…,P,m(a=ai3) P。需要說明的是,無線服務(wù)終端可采用現(xiàn)有技術(shù)中的各種基于概率的定位系統(tǒng),包括基于后驗概率估計定位系統(tǒng)、射頻指紋系統(tǒng)或其它能夠輸出一定精度的定位系統(tǒng),來構(gòu)建所述的概率分布模型,以實現(xiàn)對待定位終端的初步定位,獲得所述的第一概率分布矢量P’ m,其中,P’ m=[P’ ,,,(B=B1), p’ m(a=a2),…,p’ m(a=aN) ]T 中的各個概率值之和為 I。在本實施例中,在離線準備階段還需要對馬爾科夫一步位置轉(zhuǎn)移概率矩陣進行初始化設(shè)置。其中,無線服務(wù)終端把室內(nèi)環(huán)境地圖量化為N個待定位終端可能處于的位置時,將所述進行量化的待定位終端各個可能位置稱作為樣點,相鄰樣點的間距稱作為一步位置。具體實施時,要為所述N個樣點設(shè)置一步位置轉(zhuǎn)移概率時,必須考慮實際環(huán)境的條件。如圖2所示,雖然所有位置樣點都可以互通,但是由于環(huán)境的約束,并不是所有的位置樣點都可以通過一步位置轉(zhuǎn)移即可到達,即其通過一步位置轉(zhuǎn)移而到達的可能性為零。
進一步地,在本實施例所提供的定位方法中,待定位終端的一步位置轉(zhuǎn)移規(guī)律近似符合馬爾科夫性質(zhì),即待定位終端的下一時刻所處的樣點位置,可以近似認為只與其當前所在樣點位置相關(guān)。在本實施例中,默認所述待定位終端在單位時間里進行一次定位,且所述待定位終端進行勻速運動。因此,待定位終端的移動規(guī)律符合馬爾科夫性,可以建立馬爾科夫一步位置轉(zhuǎn)移概率矩陣,以通過根據(jù)本次定位的結(jié)果來獲得一些在下一步對待定位終端進行定位時的有用信息。具體地,以N=13為例,無線服務(wù)終端根據(jù)室內(nèi)環(huán)境的實際情況和待定位終端的移動規(guī)律,為所述的13個樣點分配一步位置轉(zhuǎn)移的概率。具體實施時,在一種優(yōu)選的實施方式中,無線服務(wù)終端在對各個樣點的一步位置轉(zhuǎn)移概率進行初始化設(shè)置時,可將通過一步位置轉(zhuǎn)移即可到達的各個樣點平均分配一步位置轉(zhuǎn)移概率;將不可通過一步位置轉(zhuǎn)移而到達的樣點的一步位置轉(zhuǎn)移概率置零。因此,在基于以上各種條件的規(guī)范下,根據(jù)圖2所示的樣點分布示意圖,可對馬爾科夫一步位置轉(zhuǎn)移概率矩陣進行初始化設(shè)置,得到矩陣Htl
權(quán)利要求
1.一種定位方法,其特征在于,所述方法包括 無線服務(wù)終端采集N個樣點的位置及其相應(yīng)的無線信號特征值,構(gòu)建所述無線信號特征值在所述N個樣點的位置上的概率分布模型,其中N為正整數(shù); 所述無線服務(wù)終端對每一個樣點經(jīng)過一步位置轉(zhuǎn)移到所述N個樣點的概率進行設(shè)置,構(gòu)建馬爾科夫一步位置轉(zhuǎn)移概率矩陣; 所述無線服務(wù)終端對待定位終端進行第m次定位,其中m > I ; 當m > 2時,所述定位方法包括以下步驟 S1:所述無線服務(wù)終端采集當前所述N個樣點的位置的無線信號特征值,并根據(jù)所述概率分布模型,獲得所述待定位終端在第m次定位的第一概率分布矢量P’m ; S2:所述無線服務(wù)終端調(diào)用在對所述待定位終端進行第m-1次定位時所獲得的優(yōu)化概率分布矢量Pnri,并根據(jù)所述馬爾科夫一步位置轉(zhuǎn)移概率矩陣,獲得所述待定位終端在第m次定位的第二概率分布矢量P' ; 53:所述無線服務(wù)終端根據(jù)所述第一概率分布矢量P’m和所述第二概率分布矢量p”m,獲得所述待定位終端在第m次定位時的優(yōu)化概率分布矢量Pm ; 54:所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量pm,獲得所述待定位終端在第m次定位時所在的位置。
2.如權(quán)利要求1所述的定位方法,其特征在于,在步驟S3中,所述無線服務(wù)終端根據(jù)所述第一概率分布矢量P’m和所述第二概率分布矢量P” m,獲得所述待定位終端在第m次定位時的優(yōu)化概率分布矢量Pni,包括 所述無線服務(wù)終端為所述第一概率分布矢量P’m分配權(quán)值《1,為所述第二概率分布矢量 p”m 分配權(quán)值 w2,其中,wl+w2=l, wl ^ O, w2 ^ O ; 所述無線服務(wù)終端通過加權(quán)平均的方式,獲得所述待定位終端在第m次定位時的優(yōu)化概率分布矢量Pm,其中,Pm= P’m*wl+p”m*w2。
3.如權(quán)利要求2所述的定位方法,其特征在于,在步驟S4中,所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量Pm,獲得所述待定位終端在第m次定位時所在的位置,包括 所述無線服務(wù)終端查詢所述待定位終端在第m次定位時的所述優(yōu)化概率分布矢量pm,獲取所述優(yōu)化概率分布矢量Pm中的最大概率值所對應(yīng)的樣點位置,并將所述最大概率值所對應(yīng)的樣點位置作為所述待定位終端在所述第m次定位時的位置。
4.如權(quán)利要求2所述的定位方法,其特征在于,在步驟S4中,所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量Pm,獲得所述待定位終端在第m次定位時所在的位置,包括 所述無線服務(wù)終端查詢所述待定位終端在第m次定位時的所述優(yōu)化概率分布矢量pm,獲取所述優(yōu)化概率分布矢量Pm中的大于門限值ω的多個概率值,并將所述大于門限值ω的多個概率值所分別對應(yīng)的樣點位置的質(zhì)心位置,作為所述待定位終端在所述第m次定位時的位置。
5.如權(quán)利要求Γ4任一項所述的定位方法,其特征在于,當m=l時,所述無線服務(wù)終端對所述待定位終端進行第I次定位,包括 所述無線服務(wù)終端采集當前所述N個樣點所在位置的無線信號特征值,并根據(jù)所述概率分布模型,獲得所述待定位終端在第I次定位的第一概率分布矢量P’ !; 所述無線服務(wù)終端把所述待定位終端在第I次定位所獲得的第一概率分布矢量P’ 1;作為對所述待定位終端在第I次定位時的優(yōu)化概率分布矢量P1; 所述無線服務(wù)終端根據(jù)所述優(yōu)化概率分布矢量P1,獲得所述待定位終端在第I次定位時所在的位置。
6.如權(quán)利要求5所述的定位方法,其特征在于,所述無線信號特征值包括無線信號強度、無線信號頻譜、無線信號到達時間和無線信號到達角中的至少一項。
7.如權(quán)利要求6所述的定位方法,其特征在于,所述無線服務(wù)終端獲得所述待定位終端在第m次定位時的優(yōu)化概率矩陣Pm后,查詢所述優(yōu)化概率分布矢量Pm中的最大概率值; 所述無線服務(wù)終端判斷所述優(yōu)化概率分布矢量Pm中的最大概率值是否大于閾值A(chǔ) ; 當所述無線服務(wù)終端第k次檢測到所述優(yōu)化概率分布矢量Pm中的最大概率值大于閾值A(chǔ)時,所述無線服務(wù)終端對所述優(yōu)化概率分布矢量Pm的最大概率值所對應(yīng)的樣點位置進行標記,其中,I彡k彡m; 當k > 2時,所述無線服務(wù)終端根據(jù)第k-1次和第k次所分別標記的樣點位置,對所述馬爾科夫一步位置轉(zhuǎn)移概率矩陣中的相應(yīng)元素進行更新。
8.如權(quán)利要求6所述的定位方法,其特征在于,當m=2時,進一步地,所述無線服務(wù)終端對所述馬爾科夫一步位置轉(zhuǎn)移矩陣進行調(diào)整,包括 所述無線服務(wù)終端獲取所述待定位終端在第I次定位的位置和在第2次定位的位置; 所述無線服務(wù)終端計算出所述待定位終端在第I次定位的位置與所述第2次定位的位置的距離L,其中L彡0; 所述無線服務(wù)終端計算出任意兩個相鄰樣點的距離M,其中M > 0 ; 所述無線服務(wù)終端對所述馬爾科夫一步位置轉(zhuǎn)移矩陣進行K次方乘積運算,其中K=f(L/M),f (L/M)表示對 L/M 取整。
全文摘要
本發(fā)明公開了一種定位方法,無線服務(wù)終端采集N個樣點的位置及其相應(yīng)的無線信號特征值,構(gòu)建所述無線信號特征值在所述N個樣點的位置上的概率分布模型,其中N為正整數(shù);并構(gòu)建馬爾科夫一步位置轉(zhuǎn)移概率矩陣;所述無線服務(wù)終端根據(jù)所述概率分布模型和所述馬爾科夫一步位置轉(zhuǎn)移概率矩陣對待定位終端進行第m次定位,其中m≥1。進一步地,所述馬爾科夫一步位置轉(zhuǎn)移概率矩陣可根據(jù)實際情況進行必要的更新。本發(fā)明所提供的定位方法,有效利用環(huán)境中的無線信號的信息,實現(xiàn)對待定位終端的實時定位,并進一步提高定位的精確度。
文檔編號H04W64/00GK103068041SQ20121058643
公開日2013年4月24日 申請日期2012年12月31日 優(yōu)先權(quán)日2012年12月31日
發(fā)明者容榮 申請人:廣州杰賽科技股份有限公司