Led可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法
【專利摘要】本發(fā)明實施例提供了一種LED可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法，涉及LED可見光室內(nèi)定位【技術(shù)領(lǐng)域】，可以有效提高用戶在線定位體驗時的定位速度和定位精度。所述方法包括：以對多盞LED燈光信息交叉影響嚴重的采樣點，為中心選取若干有一定間距的采樣點放入原始采樣點集合，進行采樣點擴充，生成最終采樣點集合，通過計算確定所述最終采樣點集合中的每個采樣點所能接收到的各LED光源ID編號以及其對應的最終信號強度，并將其按照{(diào){ID1，RSS1}，{ID2，RSS2}，...{IDn，RSSn}}向量格式標準化存儲到指紋庫中，構(gòu)建完成指紋庫。
【專利說明】LED可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法

【技術(shù)領(lǐng)域】
[0001 ] 本發(fā)明涉及LED可見光室內(nèi)定位【技術(shù)領(lǐng)域】，尤其涉及一種LED可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法。

【背景技術(shù)】
[0002]隨著經(jīng)濟和現(xiàn)代技術(shù)的不斷發(fā)展，人們對導航和定位服務的需求日益增大，特別是在復雜的室內(nèi)環(huán)境中經(jīng)常需要確定移動終端或其持有者在室內(nèi)的位置信息?，F(xiàn)有室內(nèi)定位主要采用WLAN、Bluetooth等技術(shù),Wifislam、Apple等公司基于這些技術(shù)的的產(chǎn)品已初步投入使用，而基于VLC (可見光通信)技術(shù)的室內(nèi)定位技術(shù)由于VLC技術(shù)特有的通信潛力和高安全性，正成為各大公司和研究機構(gòu)的研究重點。
[0003]在LED可見光室內(nèi)定位技術(shù)中,指紋庫的構(gòu)建屬于核心研究內(nèi)各。指紋庫中存儲的是預先選定的采樣點上的位置指紋信息，而移動終端的位置信息是通過與采樣點的指紋信息匹配計算得出，故指紋庫的構(gòu)建方法將直接影響在線定位的精度和速度。
[0004]目前基于可見光通信的室內(nèi)定位系統(tǒng)基本采用“網(wǎng)格法”，即在室內(nèi)等間距進行采樣點選取。由于定位系統(tǒng)米用多蓋LED燈陣列進行信息傳輸,在多蓋LED燈光信息均能傳播到的地方其指紋信息對位置的變化更加敏感，故等間距的采樣方式會帶來較大誤差。除此以外，理論上當指紋庫中存儲的指紋信息量越多，我們就能找出與當前用戶位置匹配度越高的指紋，但是在前期建庫階段的采樣數(shù)量是有限的，這樣會對定位精度產(chǎn)生影響。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的實施例提供一種LED可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法，可以有效提高用戶在線定位體驗時的定位速度和定位精度。
[0006]為達到上述目的，本發(fā)明的實施例采用如下技術(shù)方案:
[0007]一種LED可見光室內(nèi)定位系統(tǒng)自適應動態(tài)指紋庫構(gòu)建方法，包括以下步驟:
[0008]S1、利用三維重建方法對定位現(xiàn)場的LED光源分布和所在環(huán)境空間布局進行立體幾何抽象，生成由點和立體空間構(gòu)成的室內(nèi)空間模型；對所述室內(nèi)空間模型的1.5米高度的水平平面采用米級網(wǎng)眼大小的網(wǎng)格法選取若干個種子采樣點放入原始集合；
[0009]S2、分析所述原始集合中每個采樣點接收到的光信息中不同LED的ID信息以及其對應的光照強度信息，并利用Matlab進行模擬，根據(jù)模擬情況，從所述原始集合中選擇LED光信息交叉影響最嚴重的N個位置點作為N個中心采樣點，并以每個中心采樣點為中心選取若干有一定間距的采樣點放入所述原始采樣點集合，形成新的采樣點集合；所述N為大于等于4的整數(shù)，所述一定間距為所述米級別網(wǎng)眼的一半；
[0010]S3、重復進行步驟S2，不斷擴充采樣點集合，直至擴充后的集合使得LED室內(nèi)定位技術(shù)在模擬和實際使用過程中達到亞米級別的定位精度要求；此時便可將該集合確定為最終采樣點集合；
[0011]S4、對所述最終采樣點集合中的每個采樣點進行不少于30次采樣，其中每個采樣點一次采樣后均可以由移動終端解析出來自不同LED的ID信息和其對應的光強度信息RSS,多次采樣后每個ID將會獲得和采樣次數(shù)相同的多組RSS值；對每個ID所對應的多個光強信號RSS值進行運算，獲得RSS的均值和方差，并將每個ID所對應的所有光強信號RSS值擬合為概率分布曲線；
[0012]S5、對概率分布曲線進行計算，得出所述曲線的自相關(guān)值，然后利用所述自相關(guān)值以及擬合的概率分布曲線的方差對概率分布曲線進行修正，而后根據(jù)獲得的均值和設(shè)定的閾值范圍，對修正后的曲線做截斷處理，使曲線集中在均值和上下閾值構(gòu)成的范圍內(nèi)；
[0013]S6、截斷處理后的曲線繼續(xù)歸一化處理，并將歸一化處理得到的值作為各個ID所表不的最終的光信號RSS值,在對米樣到的所有的ID編碼的光信號強度信息RSS值處理完成后，將其按照{(diào){ID1，RSS1}.{ID2，RSS2}，...{IDn，RSSn}}向量格式標準化存儲到指紋庫中，其中各RSS分量值依次減少。
[0014]可選的，所述方法還包括:
[0015]在各個用戶實際在線使用過程中，由終端軟件將用戶每次定位信息上傳到云服務器端進行保存，當同一位置用戶上傳的定位信息數(shù)量超過30次后，將該位置作為新的采樣點并按照步驟S4、S5、S6獲得該采樣點的標準化格式向量存儲到指紋庫中；
[0016]其中，用戶上傳的定位信息包括定位的位置信息和該位置接收到的光信息，所述光信息包括接收到的多個LED的ID信息和其對應的光信號強度信息。
[0017]可選的，所述方法還包括:
[0018]根據(jù)用戶在定位匹配計算過程中使用到的指紋信息的頻率來設(shè)置使用頻率參數(shù)，并在全局維護一個和所述使用頻率參數(shù)相關(guān)的隊列，在約束條件下，當指紋庫容量飽和時便可不斷刪除當前指紋庫中使用頻率最低的指紋信息，從而使指紋庫維持一個穩(wěn)定的總?cè)萘浚黄渲?，所述約束條件包括:指紋庫中不可被刪除的基本定位指紋構(gòu)成的不可刪指紋集合約束，系統(tǒng)指紋庫總?cè)萘坎坏贸^初始指紋庫總?cè)萘康膬杀兜目偭考s束。
[0019]上述技術(shù)方案提供的方法，在整個定位過程中引入“群智慧”思想，將用戶在線定位過程中反饋的信息進行處理并加入到指紋庫中，不斷擴充指紋庫同時完成對無用指紋信息的刪減工作，最終構(gòu)建一個數(shù)量穩(wěn)定、可靠性高的自適應指紋庫；且離線建庫階段依環(huán)境更合理選取采樣點，進而簡化建庫復雜度，減少冗余指紋信息入庫，并為后續(xù)定位提供更可靠指紋信息。全過程開放構(gòu)建指紋庫，滿足軟件工程開發(fā)要求，并可以不斷提升系統(tǒng)定位精度。

【專利附圖】

【附圖說明】
[0020]圖1為本發(fā)明實施例提供的一種LED可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法的流程示意圖；
[0021]圖2為本發(fā)明實施例提供的一種采樣點的選取示意圖。

【具體實施方式】
[0022]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，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0023]本發(fā)明實施例提供了一種LED可見光室內(nèi)定位系統(tǒng)的自適應動態(tài)指紋庫構(gòu)建方法，如圖1所示，所述方法包括以下步驟:
[0024]S1、利用三維重建方法對定位現(xiàn)場的LED光源分布和所在環(huán)境空間布局進行立體幾何抽象，生成由點和立體空間構(gòu)成的室內(nèi)空間模型；對所述室內(nèi)空間模型的1.5米高度的水平平面采用米級網(wǎng)眼大小的網(wǎng)格法選取若干個種子采樣點放入原始集合。
[0025]所述網(wǎng)格法即多條直線縱橫垂直交錯形成由正方形網(wǎng)格組成的網(wǎng)狀，縱橫直線的各個交錯點就是種子采樣點，這里的米級網(wǎng)眼大小是指形成的正方形網(wǎng)格的邊長是米級別的，該邊長可以是I米，也可以2米。
[0026]S2、分析所述原始集合中每個采樣點接收到的光信息中不同LED的ID信息以及其對應的光照強度信息，并利用Matlab進行模擬，根據(jù)模擬情況，從所述原始集合中選擇LED光信息交叉影響最嚴重的N個位置點作為N個中心采樣點，并以每個中心采樣點為中心選取若干有一定間距的采樣點放入所述原始采樣點集合，形成中級采樣點集合。
[0027]所述N為大于等于4的整數(shù)，所述一定間距為所述米級別網(wǎng)眼的一半。
[0028]示例的如圖2所示，本圖提供的為當4盞LED燈呈方形布局時采樣點模擬選取方案，其中，中心點處接收的光信號最為復雜。此時就以中心點處的采樣點為中心選取4個有一定間距(若步驟SI中的網(wǎng)眼大小為2米，則此處的一定間距為I米)的采樣點放入采樣點集合。本發(fā)明實施例中，選取的4個采樣點為位于中心采樣點的正南、正北、正西、正東方向I米處的采樣點。
[0029]S3、重復進行步驟S2，不斷擴充采樣點集合，直至擴充后的集合使得LED室內(nèi)定位技術(shù)在模擬和實際使用過程中達到亞米級別的定位精度要求；此時便可將該集合確定為最終采樣點集合。
[0030]若后續(xù)在線定位不夠理想，可再次返回步驟102繼續(xù)擴充采樣點集合。
[0031]步驟S2中擴充了中心采樣點周圍的采樣點后，形成了中級采樣點集合后，判斷該中級采樣點集合是否可以使LED室內(nèi)定位技術(shù)在模擬和實際使用過程中達到亞米級別的定位精度要求，若不能，則分析所述中級集合中每個采樣點接收到的光信息中不同LED的ID信息以及其對應的光照強度信息，并利用Mat Iab進行模擬，根據(jù)模擬情況，從所述中級采樣點集合中選擇LED光信息交叉影響最嚴重的M個位置點作為M個中心采樣點，并以每個中心采樣點為中心選取若干有一定間距的采樣點放入所述中級采樣點集合進行擴充。直至擴充后的集合可以使得LED室內(nèi)定位技術(shù)在模擬和實際使用過程中達到亞米級別的定位精度要求；此時便可將該擴充后的集合確定為最終采樣點集合。
[0032]通過步驟S1-S3所述的方法獲得的最終采樣點集合，考慮到了在多盞LED燈光信息均能傳播到的地方其指紋信息對位置的變化更加敏感，與現(xiàn)有技術(shù)中的通過網(wǎng)格法，應用等間距的采樣方式相比，本解決方案可以根據(jù)實際光照情況提供適應環(huán)境的采樣點集合，確保在易存在定位誤差的區(qū)域內(nèi)有更多的可供后續(xù)定位使用的采樣點，而光信息相對穩(wěn)定且易分析的區(qū)域僅需存儲基本的采樣點，這樣即可使計算資源合理分布進而優(yōu)化定位精度和定位時延。
[0033]S4、對所述最終采樣點集合中的每個采樣點進行不少于30次采樣，其中每個采樣點一次采樣后均可以由移動終端解析出來自不同LED的ID信息和其對應的光強度信息RSS,多次采樣后每個ID將會獲得和采樣次數(shù)相同的多組RSS值；對每個ID所對應的多個光強信號RSS值進行運算，獲得RSS的均值和方差，并將每個ID所對應的所有光強信號RSS值擬合為概率分布曲線。
[0034]假設(shè)對于I個采樣點來說，每次采樣后都能獲得η個ID (IDl，ID2，……，IDn)和其對應的光強度信息RSS ;進行30次采樣后，就可以獲得IDl對應的30組RSS值，ID2對應的30組RSS值，……，IDn對應的30組RSS值。
[0035]針對每個ID，計算該ID的30組RSS的均值和方差，并以將這30組RSS值擬合為概率分布曲線。
[0036]S5、對概率分布曲線進行計算，得出所述曲線的自相關(guān)值，然后利用所述自相關(guān)值以及擬合的概率分布曲線的方差對概率分布曲線進行修正，而后根據(jù)獲得的均值和設(shè)定的閾值范圍，對修正后的曲線做截斷處理，使曲線集中在均值和上下閾值構(gòu)成的范圍內(nèi)。
[0037]對步驟S4獲得的概率分布曲線進行計算得出該曲線的自相關(guān)值，然后利用該自相關(guān)值對擬合的概率分布曲線的方差進行修正，去除掉誤差較大的RSS值，而后根據(jù)步驟S4獲得的均值和以及自己設(shè)定的閾值范圍(即均值上下浮動Χ%，X可以根據(jù)室內(nèi)的實際環(huán)境來預設(shè)，如果室內(nèi)較暗，閾值范圍就是均值上下浮動10% ;如果室內(nèi)較亮，閾值范圍就是均值上下浮動15% )，對修正后的曲線做進一步的截斷處理，使曲線集中在均值和上下閾值構(gòu)成的范圍內(nèi)。
[0038]S6、截斷處理后的曲線繼續(xù)歸一化處理，并將歸一化處理得到的值作為各個ID所表不的最終的光信號RSS值,在對米樣到的所有的ID編碼的光信號強度信息RSS值處理完成后，將其按照{(diào){ID1，RSS1}.{ID2，RSS2}，...{IDn，RSSn}}向量格式標準化存儲到指紋庫中，其中各RSS分量值依次減少。
[0039]這樣經(jīng)過歸一化處理后，步驟S4中IDl對應的30組RSS經(jīng)過計算、刪除、歸一化等步驟就獲得了最終的光信號值RSS1。此時的光信號值RSSl就是此采樣位置處IDl對應較精確的光信號值。{{ID1，RSS1}.{ID2，RSS2}，...{IDn，RSSn}}中各RSS分量值依次減少是指，RSSl小于等于RSS2，RSSn為最小。
[0040]可選的，本發(fā)明實施例還提供了自適應動態(tài)指紋庫得更新過程:
[0041]S7、在各個用戶實際在線使用過程中，由終端軟件將用戶每次定位信息上傳到云服務器端進行保存，當同一位置用戶上傳的定位信息數(shù)量超過30次后，以所述同一位置處的位置為更新采樣點按照步驟S4、S5、S6獲得所述更新采樣點接收到的各個ID信息對應的的最終的光信號RSS值。將其按照{(diào)ID，RSS}}向量格式標準化存儲到指紋庫中。
[0042]用戶上傳的定位信息包括定位的位置信息和該位置接收到的光信息，該光信息包括接收到的多個LED的ID信息和其對應的光信號強度信息。
[0043]在指紋庫更新方面，前期的移動終端采樣數(shù)據(jù)有限，不利于定位精度進一步提升，我們引入人工智能中“群智慧”思想由用戶不斷上傳定位信息擴充指紋庫。在用戶實際在線使用過程中，由終端軟件將用戶每次定位信息(包括定位位置信息和接收到的光信息)上傳到云服務器端進行保存，如果一些位置用戶多次進行過定位且數(shù)量達到可以進行統(tǒng)計意義下的數(shù)學處理的數(shù)量級時(本發(fā)明實施例為30次)，系統(tǒng)即可按照初始建庫階段的處理方法進行處理入庫，最終完成擴庫工作，由此實現(xiàn)根據(jù)大量用戶定位行為來完成指紋庫的自動更新的目的。
[0044]S卩，當同一位置處多個用戶上傳的定位信息數(shù)量超過30次后，以所述同一位置處的位置為更新采樣點，該更新采樣點被用戶上傳過30次以上，每次上傳都有該位置接收到多個LED的ID信息(IDil，ID2，……，IDm)和其對應的光信號強度信息。上傳30多次后，就可以獲得IDl對應的30多組RSS值，ID2對應的30uo組RSS值，……，IDm對應的30多組RSS值。進行步驟S4，針對每個ID，計算該ID的30多組RSS的均值和方差，并以將這30多組RSS值擬合為概率分布曲線。然后進行步驟S5，將獲得的概率分布曲線進行計算得出該曲線的自相關(guān)值，然后利用該自相關(guān)值對擬合的概率分布曲線的方差進行修正，去除掉誤差較大的RSS值，而后根據(jù)步驟S4獲得的均值和以及自己設(shè)定的閾值范圍(即均值上下浮動X%，X可以根據(jù)室內(nèi)的實際環(huán)境來預設(shè)，如果室內(nèi)較暗，閾值范圍就是均值上下浮動10% ;如果室內(nèi)較亮，閾值范圍就是均值上下浮動15% )，對修正后的曲線做進一步的截斷處理，使曲線集中在均值和上下閾值構(gòu)成的范圍內(nèi)。然后進行步驟S6，將截斷處理后的曲線繼續(xù)歸一化處理，并將歸一化處理得到的值作為各個ID所表示的最終的光信號RSS值，將其按照{(diào){IDil, RSSiI}.{皿2，RSSi2}，...{IDin，RSSin}}向量格式標準化存儲到指紋庫中，其中各RSS分量值依次減少。
[0045]可選的，本發(fā)明實施例還提供了自適應動態(tài)指紋庫的動態(tài)刪除過程:
[0046]S8、根據(jù)用戶在定位匹配計算過程中使用到的指紋信息的頻率來設(shè)置使用頻率參數(shù)，并在全局維護一個和所述使用頻率參數(shù)相關(guān)的隊列，在約束條件下，當指紋庫容量飽和時便可不斷刪除當前指紋庫中使用頻率最低的指紋信息，從而使指紋庫維持一個穩(wěn)定的總?cè)萘俊?br> [0047]所述約束條件包括:指紋庫中一些不可被刪除的基本定位指紋構(gòu)成的不可刪指紋集合約束，系統(tǒng)指紋庫總?cè)萘坎坏贸^初始指紋庫總?cè)萘康膬杀兜目偭考s束。這里的指紋信息即向量{{ID1, RSS1}.{ID2, RSS2}，...{IDn, RSSn}}。
[0048]由于不斷擴充指紋庫在提升定位精度的同時將會增加存儲冗余和后續(xù)定位匹配計算時間復雜度，根據(jù)用戶在定位匹配計算過程中使用到的指紋信息的頻率來設(shè)置相應參數(shù)，并在全局維護一個和該參數(shù)相關(guān)的隊列，并在其他約束條件下(指紋庫中不可被刪除的基本定位指紋構(gòu)成的指紋集合約束，以及系統(tǒng)指紋庫總?cè)萘坎坏贸^初始指紋庫總?cè)萘康膬杀兜目偭考s束)，當達到約束條件，即系統(tǒng)指紋庫總?cè)萘砍^初始指紋庫總?cè)萘康膬杀稌r，不斷刪除當前指紋庫中使用頻率最低的指紋信息，但是不能刪除指紋庫中不可被刪除的基本定位指紋構(gòu)成的指紋集合構(gòu)成的指紋信息。這樣可以使指紋庫維持在一個穩(wěn)定的數(shù)量級下。
[0049]本發(fā)明的技術(shù)方案已獲得初步實物驗證，定位精度已達到米級別，本發(fā)明在指紋庫設(shè)計思路方面有明顯改進:首先通過提供合理的采樣點分布方案可以使指紋資源向易存在誤差的定位區(qū)域傾斜，進而優(yōu)化定位精度和定位時延；而后引入“群智慧”策略，通過獲取用戶上傳的指紋信息優(yōu)化指紋庫，使得指紋資源更加向用戶頻繁定位的區(qū)域傾斜，進而使得在頻繁定位區(qū)域有更多的指紋資源可供后續(xù)定位使用，通過這種手段既可減少技術(shù)人員初期建庫工作也可優(yōu)化后續(xù)定位精度。
[0050]以上所述，僅為本發(fā)明的【具體實施方式】，但本發(fā)明的保護范圍并不局限于此，任何熟悉本【技術(shù)領(lǐng)域】的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應所述以權(quán)利要求的保護范圍為準。
【權(quán)利要求】
1.一種LED可見光室內(nèi)定位系統(tǒng)自適應動態(tài)指紋庫構(gòu)建方法，其特征在于，包括以下步驟: 51、利用三維重建方法對定位現(xiàn)場的LED光源分布和所在環(huán)境空間布局進行立體幾何抽象，生成由點和立體空間構(gòu)成的室內(nèi)空間模型；對所述室內(nèi)空間模型的1.5米高度的水平平面采用米級網(wǎng)眼大小的網(wǎng)格法選取若干個種子采樣點放入原始集合； 52、分析所述原始集合中每個采樣點接收到的光信息中不同LED的ID信息以及其對應的光照強度信息，并利用Matlab進行模擬，根據(jù)模擬情況，從所述原始集合中選擇LED光信息交叉影響最嚴重的N個位置點作為N個中心采樣點，并以每個中心采樣點為中心選取若干有一定間距的采樣點放入所述原始采樣點集合，形成中級采樣點集合；所述N為大于等于4的整數(shù)，所述一定間距為所述米級別網(wǎng)眼的一半； 53、重復進行步驟S2，不斷擴充采樣點集合，直至擴充后的集合使得LED室內(nèi)定位技術(shù)在模擬和實際使用過程中達到亞米級別的定位精度要求；此時便可將該集合確定為最終采樣點集合； 54、對所述最終采樣點集合中的每個采樣點進行不少于30次采樣，其中每個采樣點一次采樣后均可以由移動終端解析出來自不同LED的ID信息和其對應的光強度信息RSS，多次采樣后每個ID將會獲得和采樣次數(shù)相同的多組RSS值；對每個ID所對應的多個光強信號RSS值進行運算，獲得RSS的均值和方差，并將每個ID所對應的所有光強信號RSS值擬合為概率分布曲線； 55、對概率分布曲線進行計算，得出所述曲線的自相關(guān)值，然后利用所述自相關(guān)值以及擬合的概率分布曲線的方差對概率分布曲線進行修正，而后根據(jù)獲得的均值和設(shè)定的閾值范圍，對修正后的曲線做截斷處理，使曲線集中在均值和上下閾值構(gòu)成的范圍內(nèi)； 56、截斷處理后的曲線繼續(xù)歸一化處理，并將歸一化處理得到的值作為各個ID所表示的最終的光信號RSS值，在對采樣到的所有的ID編碼的光信號強度信息RSS值處理完成后，將其按照UID1，RSS1}.{ID2，RSS2}，...{IDn，RSSn}}向量格式標準化存儲到指紋庫中，其中各RSS分量值依次減少。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括: 在各個用戶實際在線使用過程中，由終端軟件將用戶每次定位信息上傳到云服務器端進行保存，當同一位置用戶上傳的定位信息數(shù)量超過30次后，以所述同一位置處的位置為更新采樣點按照步驟S4、S5、S6獲得所述更新采樣點接收到的各個ID信息對應的的最終的光信號RSS值。將其按照{(diào)ID，RSS}}向量格式標準化存儲到指紋庫中； 其中，用戶上傳的定位信息包括定位的位置信息和該位置接收到的光信息，所述光信息包括接收到的多個LED的ID信息和其對應的光信號強度信息。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括: 根據(jù)用戶在定位匹配計算過程中使用到的指紋信息的頻率來設(shè)置使用頻率參數(shù)，并在全局維護一個和所述使用頻率參數(shù)相關(guān)的隊列，在約束條件下，當指紋庫容量飽和時便可不斷刪除當前指紋庫中使用頻率最低的指紋信息，從而使指紋庫維持一個穩(wěn)定的總?cè)萘浚黄渲?，所述約束條件包括:指紋庫中不可被刪除的基本定位指紋構(gòu)成的不可刪指紋集合約束，系統(tǒng)指紋庫總?cè)萘坎坏贸^初始指紋庫總?cè)萘康膬杀兜目偭考s束。
【文檔編號】H04W64/00GK104270816SQ201410539385
【公開日】2015年1月7日 申請日期:2014年10月14日 優(yōu)先權(quán)日:2014年10月14日
【發(fā)明者】張羽, 李林, 李士寧, 吳飛揚 申請人:西北工業(yè)大學