本發(fā)明涉及一種基于正態(tài)假設(shè)檢驗(yàn)的指紋定位方法，屬于室內(nèi)定位技術(shù)領(lǐng)域。

背景技術(shù)：

目前，對于戶外環(huán)境GPS(Global Position System)是一種成熟的定位技術(shù)，并且被廣泛的應(yīng)用于各行各業(yè)中。然而GPS信號在繁雜的室內(nèi)環(huán)境中是無法被接收到的。伴隨著當(dāng)今社會(huì)現(xiàn)代化建設(shè)的蓬勃發(fā)展以及逐日增加的大型建筑物，以至于對室內(nèi)定位服務(wù)的需求也不斷增加。醫(yī)院以及商場商鋪的位置服務(wù)、室內(nèi)火災(zāi)下的應(yīng)急救援、特殊群體的監(jiān)護(hù)等領(lǐng)域都迫切需要精確位置信息，特別是在應(yīng)急救援、緊急疏散的情況下，室內(nèi)精確的位置信息顯得更為重要。針對這個(gè)問題人們探索了很多技術(shù)方法以滿足室內(nèi)定位服務(wù)的需求。由于基于wifi的室內(nèi)定位技術(shù)能夠充分利用目前室內(nèi)普遍存在的wifi信號，無需增設(shè)額外的硬件，大大的降低了定位成本。因此wifi室內(nèi)定位技術(shù)受到了廣泛的關(guān)注。

基于wifi的室內(nèi)定位技術(shù)中應(yīng)用最多的是指紋定位法。該方法主要分為兩個(gè)階段：第一階段為訓(xùn)練階段(也被稱作離線階段)，本階段的主要任務(wù)是在定位區(qū)域均勻合理地設(shè)立若干個(gè)指紋參考點(diǎn)，再在這些參考點(diǎn)所在的位置進(jìn)行信號的采集，最后利用取得的位置指紋信息建立指紋數(shù)據(jù)庫；第二個(gè)階段為在線定位階段，該階段的主要工作是在待定點(diǎn)位置實(shí)時(shí)采集各個(gè)AP(Access Point)信號值，采用位置指紋定位方法估算出待定點(diǎn)的現(xiàn)實(shí)位置。位置指紋定位方法的主要流程如圖1所示。

從國內(nèi)外大量的文獻(xiàn)可知，近年來在基于位置指紋的wifi室內(nèi)定位系統(tǒng)已經(jīng)出現(xiàn)了具有代表性的研究成果，較為典型的是由Bahl等人提出的RADAR系統(tǒng)，Bahl P,Venkata N,Padmanabhan.RADAR:An In-Building RF-based user location and tracking system[J].IEEE,2000:775-784，該系統(tǒng)主要是在離線階段增加樣本數(shù)量，然后再對樣本取均值或者中位數(shù)建立指紋庫。由Cheng等人提出的Eorus系統(tǒng)，Chengxiao,Liang F.Complements to the Online phase in the Horus system[J].2008ISECS International Colloquium on Computing Communication Control and management,2008:552-555，該系統(tǒng)使用直方圖法估計(jì)每個(gè)指紋點(diǎn)接收到信號的概率分布，并利用生成的概率分布來建立位置指紋庫。由Castro等人提出的Nibble系統(tǒng)，Castro P,Chiu P,Kremenek T.A probabilostic room location service for wireless networked environments[C].//In proceedings of the International Conference on Ubiquitous Computing,Atlanta Georgia,2001:18-24，該系統(tǒng)采用接入點(diǎn)的信噪比取代信號強(qiáng)度作為建立指紋庫的數(shù)據(jù)元素，通過計(jì)算一段時(shí)間內(nèi)信噪比的不同比例建立一個(gè)申明隨機(jī)變量關(guān)系的貝葉斯網(wǎng)絡(luò)，再根據(jù)此網(wǎng)絡(luò)估計(jì)移動(dòng)目標(biāo)的位置。這些解決措施在一定程度上提高了定位精度，但并沒有能夠很有效的解決wifi信號在復(fù)雜的室內(nèi)環(huán)境中的多徑損耗等問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的缺陷，提供一種基于正態(tài)假設(shè)檢驗(yàn)的指紋定位方法，可以有效的去除采集得RSSI信號中的奇異值，從而使得位置估計(jì)更加精確。

為解決上述技術(shù)問題，本發(fā)明提供一種基于正態(tài)假設(shè)檢驗(yàn)的指紋定位方法，包括以下步驟：

(1)在定位區(qū)域選指紋點(diǎn)，在每個(gè)指紋點(diǎn)處采集來自n個(gè)不同AP的RSSI值，n>＝3，組成RSSI樣本總體；

(2)判斷所得的RSSI樣本總體是否符合正態(tài)分布；

(3)若符合正態(tài)分布，則用正態(tài)分布函數(shù)估計(jì)樣本總體的概率密度，否則用核函數(shù)估計(jì)其概率密度；

(4)篩選出大概率信號，并求得這些大概率信號的均值作為信號強(qiáng)度估計(jì)值，建立指紋庫；

(5)采集待定位點(diǎn)的RSSI值，并根據(jù)匹配方法進(jìn)行位置計(jì)算；

(6)輸出位置坐標(biāo)。

前述的步驟(2)判斷所得的RSSI樣本總體是否符合正態(tài)分布，方法如下：

設(shè)X₁,X₂,…,X_n是來自RSSI樣本總體X中的樣本，則樣本總體的偏度G₁和峰度G₂分別為：

其中，E(X)表示樣本總體X的均值，D(X)表示樣本總體X的方差，X_i為第i個(gè)樣本；

若X_i為正態(tài)變量，則有：

提出假設(shè)：

其中，H₀，H₁分別為原假設(shè)和備擇假設(shè)；

記，

U₁＝G₁/σ₁,U₂＝(G₂-μ₂)/σ₂ (8)

當(dāng)H₀為真且n充分大時(shí)，有：

U₁～N(0,1),U₂～N(0,1) (9)

取顯著水平為α,0＜α＜1，則H₀的拒絕域?yàn)椋?/p>

|u₁|≥Z_α/4或|u₂|≥Z_α/4 (10)

其中，|u₁|和|u₂|分別為|U₁|和|U₂|的觀察值，Z_α/4表示標(biāo)準(zhǔn)正態(tài)分布的上α/4分位點(diǎn)；

顯著水平表示當(dāng)H₀為真時(shí)拒絕H₀的最大概率，即：

前述的步驟(3)中，利用正態(tài)分布函數(shù)估計(jì)概率密度為：

利用核函數(shù)估計(jì)概率密度為：

其中，h為核函數(shù)寬度。

前述的核函數(shù)寬度h取值為2。

前述的選取f(x)≥0.6的值作為大概率信號。

前述的步驟(5)進(jìn)行位置計(jì)算，包括以下步驟：

(5-1)采集待定位點(diǎn)各個(gè)AP點(diǎn)的RSSI值，記為rssi＝[rssi₁,rssi₂,…,rssi_k]，其中，k表示待定位點(diǎn)AP點(diǎn)的個(gè)數(shù)；設(shè)指紋庫中第i個(gè)指紋點(diǎn)的數(shù)據(jù)為i∈[1,N]，N為指紋庫的記錄條數(shù)，表示第i個(gè)指紋點(diǎn)采集到第k個(gè)AP點(diǎn)的信號強(qiáng)度；

(5-2)求出rssi與RSSI_i的歐氏距離L_i：

(5-3)記L＝{L₁,L₂,…,L_N}，將歐氏距離進(jìn)行從小到大的排序，找出數(shù)列L中的前m,m≥2個(gè)對應(yīng)的指紋點(diǎn)作為參考點(diǎn)，將每個(gè)參考點(diǎn)對應(yīng)的坐標(biāo)乘上一個(gè)加權(quán)系數(shù)并求和，即為待定位點(diǎn)的坐標(biāo)：

其中，表示待定位點(diǎn)的坐標(biāo)，(x_i,y_i)表示第i個(gè)參考點(diǎn)的坐標(biāo)，ω為防止公式中的除數(shù)為0而設(shè)定的常數(shù)。

本發(fā)明所達(dá)到的有益效果：

本發(fā)明是從指紋庫的建立精度進(jìn)行優(yōu)化，對RSSI樣本采用正態(tài)檢驗(yàn)，根據(jù)檢驗(yàn)結(jié)果采用不同的概率密度函數(shù)，有效的去除采集得RSSI信號中的奇異值，從而使得位置估計(jì)更加精確。本發(fā)明方法有效地提高了定位精度以及穩(wěn)定性，較均值模型、正態(tài)模型的平均偏差分別提高了32.58％，誤差在0.9m內(nèi)的概率為75％，高于均值模型法60％以及正態(tài)模型法的50％。

附圖說明

圖1為現(xiàn)有指紋定位方法的流程圖；

圖2為本發(fā)明方法流程圖；

圖3為實(shí)施例中的測試區(qū)域；

圖4為實(shí)施例中不同定位方法誤差的累積概率分布圖。

具體實(shí)施方式

下面對本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。

在人類賴以生存的室內(nèi)環(huán)境下wifi信號的傳播相當(dāng)復(fù)雜，墻壁、地面、門窗、飾品等阻礙物以及室內(nèi)人員的走動(dòng)的都會(huì)使wifi信號在傳播的過程中發(fā)生衍射、散射、反射等多徑效應(yīng)，以至于在室內(nèi)固定位置處接收到的RSSI(Received Signal Strength Indicator)信號的時(shí)變性很強(qiáng)。因此，測得的RSSI樣本的總體無法用一種函數(shù)準(zhǔn)確的估計(jì)其分布。本發(fā)明提供了一種基于正態(tài)假設(shè)檢驗(yàn)的指紋定位方法，如圖2所示，包括如下步驟：

(1)在定位區(qū)域選指紋點(diǎn)，在每個(gè)指紋點(diǎn)處采集來自n(n>＝3)個(gè)不同AP的RSSI值，組成RSSI樣本總體；

(2)判斷所得的RSSI樣本總體是否符合正態(tài)分布；判斷方法如下：

設(shè)X₁,X₂,…,X_n是來自RSSI樣本總體X中的樣本，則樣本總體的偏度G₁和峰度G₂分別為：

其中，E(X)表示樣本總體X的均值，D(X)表示樣本總體X的方差，n為樣本總數(shù)；

若X_i為正態(tài)變量，則G₁,G₂服從如下正態(tài)分布：

提出假設(shè)：

其中，H₀，H₁分別為原假設(shè)和備擇假設(shè)。

記，

U₁＝G₁/σ₁,U₂＝(G₂-μ₂)/σ₂ (8)

當(dāng)H₀為真且n充分大時(shí)，有：

U₁～N(0,1),U₂～N(0,1) (9)

取顯著水平為α(0＜α＜1)，則H₀的拒絕域?yàn)椋?/p>

|u₁|≥Z_α/4或|u₂|≥Z_α/4 (10)

其中，|u₁|和|u₂|分別為|U₁|和|U₂|的觀察值。Z_α/4表示標(biāo)準(zhǔn)正態(tài)分布的上α/4分位點(diǎn)。顯著水平表示當(dāng)H₀為真時(shí)拒絕H₀的最大概率，即：

設(shè)定顯著水平α＝0.05。

(3)若符合正態(tài)分布，則用正態(tài)分布函數(shù)估計(jì)樣本總體的概率密度，否則用核函數(shù)估計(jì)其概率密度；

定義：設(shè)f(x)為來自樣本總體X的概率密度，X₁,X₂,…,X_n為取自樣本總體X的一個(gè)樣本。利用正態(tài)分布函數(shù)估計(jì)概率密度為：

利用核函數(shù)估計(jì)概率密度為：

其中，h為核函數(shù)寬度，本發(fā)明中取h＝2。

篩選出大概率信號，并求得這些大概率信號的均值作為信號強(qiáng)度估計(jì)值，建立指紋庫；本發(fā)明中取f(x)≥0.6的值作為大概率信號。

(4)采集待定位點(diǎn)的RSSI值，并根據(jù)匹配方法進(jìn)行位置計(jì)算。

首先，采集待定位點(diǎn)各個(gè)AP點(diǎn)的RSSI值，記為rssi＝[rssi₁,rssi₂,…,rssi_k]，其中，k表示AP點(diǎn)的個(gè)數(shù)。設(shè)指紋庫中的數(shù)據(jù)為i∈[1,N]，N為指紋庫的記錄條數(shù)；表示第i個(gè)指紋點(diǎn)采集到第k個(gè)AP點(diǎn)的信號強(qiáng)度。

其次，求出rssi與RSSI_i的歐氏距離L_i：

記，L＝{L₁,L₂,…,L_N}，將歐氏距離進(jìn)行從小到大的排序，找出數(shù)列L中的前m(m≥2)個(gè)對應(yīng)的指紋點(diǎn)作為參考點(diǎn)，將每個(gè)參考點(diǎn)對應(yīng)的坐標(biāo)乘上一個(gè)加權(quán)系數(shù)并求和，即為待定位點(diǎn)的坐標(biāo)。

加權(quán)系數(shù)根據(jù)最鄰近算法(NN)方法中的匹配值得出，加權(quán)鄰近算法(WKNN)方法如下式所示:

其中，表示待定位點(diǎn)的坐標(biāo)；L_i為待定位點(diǎn)與第i個(gè)指紋點(diǎn)的歐式距離；(x_i,y_i)表示第i個(gè)指紋參考點(diǎn)的坐標(biāo)；m表示選擇最為匹配的指紋參考點(diǎn)的數(shù)目；ω為防止式中的除數(shù)為0，取值ω＝0.0000001。

(5)輸出位置坐標(biāo)。

為了驗(yàn)證本發(fā)明方法的效果，將本發(fā)明方法與傳統(tǒng)的均值模型法以及正態(tài)模型法進(jìn)行了比較，實(shí)驗(yàn)區(qū)域?yàn)槟硨?shí)驗(yàn)室，測試區(qū)域如圖3所示，面積為3.7m×6.5m。RSSI采集信號設(shè)備為OPPRST232手機(jī)，無線路由AP選擇的是TP-LINK以及360wifi。全部采用現(xiàn)實(shí)中實(shí)際的AP，并沒有刻意的改變AP的位置或者增加AP以提高精度，因此更加具有現(xiàn)實(shí)應(yīng)用的實(shí)際意義。在此區(qū)域內(nèi)選取了37個(gè)指紋參考點(diǎn)，每個(gè)指紋參考點(diǎn)分間隔為1m。在每個(gè)指紋點(diǎn)采集RSSI樣本，采集速率為1sample/s，每個(gè)樣本采集200個(gè)RSSI信號。在定位區(qū)域設(shè)有6個(gè)AP信號接入點(diǎn)，總的離線階段的訓(xùn)練樣本數(shù)為37×6＝222個(gè)。

由表1可以看出，使用本發(fā)明提出的基于正態(tài)假設(shè)檢驗(yàn)的定位方法，其定位最大偏差、最小偏差、平均偏差以及標(biāo)準(zhǔn)差較傳統(tǒng)的均值模型、正態(tài)模型法都有很大幅度的提高，本發(fā)明提出的方法較均值模型、正態(tài)模型的平均偏差分別提高了32.58％，16.34％。

表1不同定位方法定位誤差對比

由圖4可以看出，使用基于正態(tài)假設(shè)檢驗(yàn)方法定位誤差在0.9m內(nèi)的概率為75％，高于均值模型法60％以及正態(tài)模型法的50％。這表明該方法在有效的提升定位精度的同時(shí)還具有良好的穩(wěn)定性。使用本發(fā)明提的定位方法定位誤差在1.5m以內(nèi)。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進(jìn)和變形，這些改進(jìn)和變形也應(yīng)視為本發(fā)明的保護(hù)范圍。