基于連續(xù)采樣及模糊聚類處理的wlan室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及的是一種無線室內(nèi)定位領(lǐng)域的技術(shù)，具體是一種基于連續(xù)采樣及模糊 聚類處理的WLAN室內(nèi)定位方法。
【背景技術(shù)】
[0002] 隨著智能手機(jī)和無線網(wǎng)絡(luò)的快速發(fā)展，例如公共安全、急救、貨物運(yùn)輸?shù)然谖恢?的服務(wù)得到愈發(fā)廣泛的關(guān)注。室外條件下的位置服務(wù)可以由全球衛(wèi)星導(dǎo)航系統(tǒng)提供較好的 結(jié)果。室內(nèi)條件下的位置服務(wù)根據(jù)信號種類有基于Wi -Fi、藍(lán)牙、終端內(nèi)置運(yùn)動(dòng)傳感器等定 位方法，Wi -Fi信號較為穩(wěn)定且獲取方便，是目前較為主流的室內(nèi)定位信號之一?；赪i -Fi的指紋定位系統(tǒng)一般包括離線訓(xùn)練階段一一用來建立指紋數(shù)據(jù)庫，及在線定位階段一一 根據(jù)當(dāng)前RSS數(shù)據(jù)及數(shù)據(jù)庫進(jìn)行當(dāng)前位置計(jì)算兩個(gè)步驟。其中的離線訓(xùn)練階段影響著最終 定位的精度，是指紋定位系統(tǒng)的關(guān)鍵。
[0003] Wi - Fi指紋定位系統(tǒng)的訓(xùn)練方法一般以耗時(shí)低、可移植性強(qiáng)、定位精度穩(wěn)定等因 素作為標(biāo)準(zhǔn)。定位終端接收到的信號強(qiáng)度在空間的分布是連續(xù)的。無線信號傳輸模型中信 號強(qiáng)度距離接入點(diǎn)（AP)的距離是負(fù)相關(guān)的，當(dāng)終端向背離AP的方向移動(dòng)時(shí)，接收到的信號 強(qiáng)度就會(huì)逐漸變小，反之，當(dāng)終端迎著AP的方向移動(dòng)時(shí)，接收到的信號強(qiáng)度將逐漸變強(qiáng)；而 引入空間遮擋及信道間干擾的影響后，信號強(qiáng)度在目標(biāo)區(qū)域內(nèi)表現(xiàn)為不規(guī)則分布，但仍然 為連續(xù)變化。
[0004] 經(jīng)過對現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn)，Ye Yuan、Ling Pei等人在2015. 3的 Ubiquitous Position. Indoor Navig. Locat. Based Serv 上發(fā)表了文章 "Efficient Wi -Fi fingerprint training using semi - supervised learning"（ 一種基于 Wi -Fi 室內(nèi) 定位系統(tǒng)的離線半監(jiān)督訓(xùn)練方法）中提出了一種基于連續(xù)的指紋采集方式，并通過內(nèi)插法 估計(jì)位置信息，從而獲得完整的樣本信息。此種基于連續(xù)的指紋采集方式優(yōu)點(diǎn)在于大大減 少了傳統(tǒng)方法中離線階段采集指紋的人力與時(shí)間成本，但也存在不足之處。僅有少量的樣 本中的位置信息準(zhǔn)確，另外大量樣本中的位置信息為內(nèi)插估計(jì)獲得。其中在基于連續(xù)采樣 的指紋采集方式中很難保證時(shí)刻勻速往返于路徑始末點(diǎn)之間，所以位置的內(nèi)插估計(jì)存在累 積誤差，最終導(dǎo)致精度大幅下降。
[0005] 中國專利文獻(xiàn)號0附04507097六，公開（公告）日2015.04.08，公開了一種基于 WiFi位置指紋的半監(jiān)督訓(xùn)練方法，包括：確定目標(biāo)區(qū)域內(nèi)的離線訓(xùn)練路線；對目標(biāo)區(qū)域內(nèi) 進(jìn)行樣本點(diǎn)的連續(xù)采樣；根據(jù)離線訓(xùn)練路線起止點(diǎn)位置坐標(biāo)及每一采樣點(diǎn)時(shí)間戳對以上采 集所得樣本點(diǎn)進(jìn)行位置信息的線性內(nèi)插；根據(jù)上述步驟連續(xù)采樣及線性內(nèi)插后獲得的樣本 點(diǎn)，進(jìn)行目標(biāo)區(qū)域信號強(qiáng)度分布建模；將原始樣本點(diǎn)數(shù)據(jù)與得到的目標(biāo)樣本點(diǎn)數(shù)據(jù)建立數(shù) 據(jù)庫。與現(xiàn)有技術(shù)相比，本發(fā)明采用離線訓(xùn)練時(shí)間與定位精度兩個(gè)評價(jià)指標(biāo)，利用定點(diǎn)測量 法對離線訓(xùn)練過程進(jìn)行評價(jià)，得到各自的離線訓(xùn)練過程評價(jià)值，根據(jù)原始采樣數(shù)據(jù)與目標(biāo) 區(qū)域拓?fù)浣Y(jié)構(gòu)建立信號強(qiáng)度分布模型，實(shí)現(xiàn)了快速、準(zhǔn)確的數(shù)據(jù)庫建立。該技術(shù)優(yōu)點(diǎn)在于大 大降低了指紋采樣過程中人力時(shí)間成本，即提高了采樣的速度；缺點(diǎn)在于定位精度下降。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提出一種基于連續(xù)采樣及模糊聚類處理的 WLAN室內(nèi)定位方法，采用了訓(xùn)練時(shí)間和定位精度作為評價(jià)指標(biāo)，實(shí)現(xiàn)了快速、準(zhǔn)確的離線訓(xùn) 練過程。
[0007] 本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：
[0008] 本發(fā)明通過對連續(xù)采集的指紋原始數(shù)據(jù)進(jìn)行異常點(diǎn)剔除，然后采用模糊聚類的方 式對剩余的指紋原始數(shù)據(jù)，即樣本點(diǎn)進(jìn)行誤差點(diǎn)判定和修正，再將修正后的指紋數(shù)據(jù)按簇 生成指紋庫，最后將指紋庫用于室內(nèi)定位。
[0009] 本發(fā)明具體包括以下步驟：
[0010] 步驟一，根據(jù)基于連續(xù)的指紋采集方式獲得的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，即采用 基于密度的異常值處理方法根據(jù)樣本點(diǎn)的分布進(jìn)行異常點(diǎn)剔除，具體為：將指紋原始數(shù)據(jù) 構(gòu)成散點(diǎn)分布圖，根據(jù)樣本點(diǎn)分布采用基于樣本點(diǎn)的密度值的異常值處理，判定刪除異常 點(diǎn)。
[0011] 所述的連續(xù)是指：移動(dòng)終端在采樣路徑上勻速移動(dòng)的同時(shí)對接收到的各接入點(diǎn)信 號強(qiáng)度以及每次采樣的時(shí)間戳進(jìn)行連續(xù)采樣，并且手動(dòng)記錄當(dāng)前路線的起止點(diǎn)位置坐標(biāo)。
[0012] 所述的散點(diǎn)分布圖中橫坐標(biāo)為路徑位置坐標(biāo)，縱坐標(biāo)為某接入點(diǎn)AP的接收信號 強(qiáng)度向量（Received Signal Strength，rss) 〇
[0013] 所述的樣本點(diǎn)的密度值是指：
其中：x為 待計(jì)算密度值的某樣本點(diǎn)，k為最近鄰的樣本的個(gè)數(shù)，N(x，k)是包含X的最近鄰k的集合， |N(x，k) I為樣本點(diǎn)集合的大小，y為X的一個(gè)最近鄰，distance (x，y)是樣本點(diǎn)X和樣本點(diǎn) y的歐式距離，y是N(X，k)中的任一樣本點(diǎn)。
[0014] 所述的判定刪除異常點(diǎn)是指：根據(jù)樣本點(diǎn)的密度值判定密度大小順序，通過設(shè)置 密度門限值的方式剔除低于門限的樣本點(diǎn)。
[0015] 步驟二，采用基于模糊聚類的誤差修正方法對樣本點(diǎn)進(jìn)行誤差點(diǎn)的判定，并采用 平均值方法對誤差點(diǎn)進(jìn)行修正。
[0016] 所述的誤差點(diǎn)，通過以下方式進(jìn)行判定：
[0017] 1)設(shè)定模糊聚類的簇的個(gè)數(shù)，并對不同樣本的信號強(qiáng)度向量（rss)進(jìn)行模糊聚 類，得到各個(gè)樣本點(diǎn)分別歸屬于不同簇的歸屬度。
[0018] 所述的簇的個(gè)數(shù)優(yōu)選為兩個(gè)。
[0019] 2)選擇各個(gè)樣本歸屬任一個(gè)簇的概率與位置坐標(biāo)關(guān)系的散點(diǎn)分布圖，基于一維線 性回歸對位置坐標(biāo)和所屬簇的概率的變化關(guān)系進(jìn)行判斷：當(dāng)一維線性回歸斜率參數(shù)大于或 是小于〇,判定圖中所示散點(diǎn)分布關(guān)系為單調(diào)遞增還是單調(diào)遞減。
[0020] 3)基于樣本所屬簇的概率判定誤差點(diǎn)，具體為：
[0021] 3. 1)當(dāng)步驟2)中判定變化關(guān)系為單調(diào)遞增，則橫坐標(biāo)分布在： 坐 標(biāo)區(qū)間上，歸屬簇A概率大于0.5的樣本點(diǎn)判定為誤差點(diǎn)；橫坐標(biāo)分布在
坐標(biāo)區(qū)間上，歸屬簇A概率小于0. 5的樣本點(diǎn)判定為誤差點(diǎn)，或者是：
[0022] 3. 2)當(dāng)步驟2)中判定變化關(guān)系為單調(diào)遞減，則橫坐標(biāo)分布在
坐 標(biāo)區(qū)間上，歸屬簇A概率小于0. 5的樣本點(diǎn)判定為誤差點(diǎn)；橫坐標(biāo)分布在
坐標(biāo)區(qū)間上，歸屬簇A概率大于0. 5的樣本點(diǎn)判定為誤差點(diǎn)，其中和lOTd分別為散點(diǎn) 分布圖中的起點(diǎn)和終點(diǎn)。
[0023] 所述的平均值方法進(jìn)行修正，即將誤差點(diǎn)位置周圍的最近鄰的M個(gè)非誤差點(diǎn)的信 號強(qiáng)度向量的平均值作為誤差點(diǎn)平滑修正后的信號強(qiáng)度向量。
[0024] 步驟三，在目標(biāo)區(qū)域內(nèi)設(shè)定若干個(gè)參考點(diǎn)，并將樣本點(diǎn)劃歸到位置距離最近的參 考點(diǎn)所屬的簇，將每個(gè)簇中包含的樣本點(diǎn)按照高斯正態(tài)分布生成指紋庫。
[0025] 所述的參考點(diǎn)，優(yōu)選為在目標(biāo)區(qū)域內(nèi)平面坐標(biāo)上橫軸縱軸每隔一米設(shè)定一個(gè)參考 點(diǎn)。
[0026] 所述的指紋庫，由參考點(diǎn)位置坐標(biāo)以及相對應(yīng)的各個(gè)接入點(diǎn)AP在每一個(gè)信號強(qiáng) 度值上的概率構(gòu)成。本發(fā)明將固定坐標(biāo)位置上某一個(gè)接入點(diǎn)AP在一段時(shí)間內(nèi)采集到的信 號強(qiáng)度近似視為滿足高斯正態(tài)分布。因此，為了建立可以基于概率的指紋定位算法，計(jì)算各 個(gè)接入點(diǎn)AP在每一個(gè)信號強(qiáng)度值上的概率，并存儲(chǔ)于指紋庫中。
[0027] 所述的接入點(diǎn)AP在每一個(gè)信號強(qiáng)度值上的概率ρ_即為該信號強(qiáng)度值從-0. 5到 +0. 5的概率分布函數(shù)的積分，
.,其 中：rss為每一個(gè)信號強(qiáng)度值，范圍-90~OdBm，μ為某參考點(diǎn)所對應(yīng)簇中樣本點(diǎn)其中某接 入點(diǎn)的信號強(qiáng)度的均值，σ 2為某參考點(diǎn)所對應(yīng)簇中樣本點(diǎn)其中某接入點(diǎn)的信號強(qiáng)度的方 差。
[0028] 由此可計(jì)算出在每一個(gè)采樣點(diǎn)上每一個(gè)接入點(diǎn)信號強(qiáng)度值上的概率，進(jìn)而生成指 紋庫。
[0029] 步驟四，根據(jù)指紋庫進(jìn)行定位。
[0030] 所述的定位，采用但不限于基于樸素貝葉斯分類的在線端定位算法實(shí)現(xiàn)。