基于核函數(shù)主特征提取的wifi室內(nèi)加權(quán)k近鄰定位算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及無線通信網(wǎng)絡(luò)領(lǐng)域，具體設(shè)及一種基于核函數(shù)主特征提取的WIFI室內(nèi) 加權(quán)K近鄰定位算法。
【背景技術(shù)】
[0002] 傳統(tǒng)的基于衛(wèi)星的定位技術(shù)，如GPS等，能夠很好解決室外定位的需求，但是用于 室內(nèi)定位時，由于室內(nèi)建筑對衛(wèi)星信號的影響，定位效果非常的不好。相反利用無線網(wǎng)絡(luò)通 信技術(shù)用于室內(nèi)定位時，效果非常的好。WIFI技術(shù)因其在室內(nèi)布設(shè)簡單，部署廣泛，價格低 廉等特性更加適用于室內(nèi)定位，基于WIFI技術(shù)的室內(nèi)定位成為研究熱點(diǎn)。
[0003] 基于位置指紋架構(gòu)的定位方法，是WIFI無線室內(nèi)定位中的基本方法，該方法的使 用條件是，AP的部署位置固定，部署的所有AP必須保證同構(gòu)。基于位置指紋架構(gòu)的定位算法 如圖2所示。該方法需要建立參考節(jié)點(diǎn)的位置指紋庫，參考節(jié)點(diǎn)位置指紋的信息可W通過測 量參考節(jié)點(diǎn)處來自各個AP的RSS信號建立。運(yùn)種基于位置指紋的定位模型，其定位精度很大 程度上取決于位置指紋數(shù)據(jù)與定位時在線測得的數(shù)據(jù)是否滿足相同的分布模型。在實(shí)際的 室內(nèi)WLAN環(huán)境中，由于室內(nèi)環(huán)境的復(fù)雜性，多徑、陰影效應(yīng)、人員走動、信道擁塞和節(jié)點(diǎn)的通 信半徑有限等因素的影響，在參考節(jié)點(diǎn)采集的各個AP的RSS信號往往表現(xiàn)出時變的特性，嚴(yán) 重影響定位算法的精度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是為解決上述不足，提供一種基于核函數(shù)主特征提取的WIFI室內(nèi)加 權(quán)K近鄰定位算法。
[0005] 本發(fā)明的目的是通過W下技術(shù)方案實(shí)現(xiàn)的：
[0006] -種基于核函數(shù)主特征提取的WIFI室內(nèi)加權(quán)K近鄰定位算法，定位區(qū)域內(nèi)存在任 意η個AP，在定位區(qū)域內(nèi)選定的N個定位參考節(jié)點(diǎn)，在各個參考節(jié)點(diǎn)上可W采集到非視距的η 個AP的接收信號強(qiáng)度(RSS)信號，運(yùn)個η維的RSS信號作為參考節(jié)點(diǎn)位置指紋信息，將所有參 考節(jié)點(diǎn)的指紋信息通過核函數(shù)主特征提取，提取位置指紋的主要特征，利用加權(quán)(WK順化近 鄰算法進(jìn)行匹配定位計(jì)算;包括W下步驟：
[0007] a.在定位區(qū)域內(nèi)選定的N個定位參考節(jié)點(diǎn)，采集全部N個參考節(jié)點(diǎn)的位置指紋信 息；
[000引b.將所有的位置指紋信息通過(KPCA)核函數(shù)主特征提取，提取位置指紋信息的主 要特征，作為的參考節(jié)點(diǎn)的特征位置指紋；
[0009] C.采集待測點(diǎn)的來自各個AP的RSS信號，利用加權(quán)K近鄰算法進(jìn)行匹配輸出定位結(jié) 果。
[0010] 步驟a的具體過程如下：
[0011] al.在選定的定位區(qū)域選定N個參考節(jié)點(diǎn)（Reference Points,RP每個參考節(jié)點(diǎn)的 物理位置為li(xi，yi)，N個參考節(jié)點(diǎn)的物理位置構(gòu)成一個位置庫L=(li，l2…1n)t;
[001^ a2.在各個參考節(jié)點(diǎn)上可w采集到非視距的η個AP的RSS信號及MAC地址信息(MAC 作為AP的標(biāo)識），在每個參考節(jié)點(diǎn)上都要進(jìn)行P次采集，將RSS均值作為運(yùn)個參考節(jié)點(diǎn)li(xi， yi)的位置指紋信息，運(yùn)個位置指紋信息是一個η維向量fi = (rssi，rss2'''rssn)T，i e (1，N)， 其中rw,. = ^為p次采樣之后來自第i個AP的RSS信號的平均值；
[001引a3.全部參考節(jié)點(diǎn)的位置信息構(gòu)成一個NXn維的位置指紋空間F，即F=(fi，f2··· fN)T，將全部F與L存儲在數(shù)據(jù)庫中，數(shù)據(jù)庫中，F(xiàn)的每個行向量fi，代表著參考節(jié)點(diǎn)li(xi，yi) 的位置指紋信息。
[0014] 步驟b的具體過程如下：
[001引bl.將F作為輸入，根據(jù)公式K(Xi，Xj) = e邱（I Xi-Xj I V-ε2)，計(jì)算NXN階高斯核矩陣 K，其中核矩陣K的每個元素為kij = e邱（|2/-ε2)，ε為高斯核寬度，其中i，j<=N;
[0016] b2.根據(jù)式玄=義-νκ-K.lw + lw.K.lw計(jì)算修正核矩陣玄，Ιν為NXN階矩陣，每一個 元素都是1/N;
[0017] b3.計(jì)算S的前k個最大特征值λι含λ2···λι^-ι含Ak，及對應(yīng)的特征向量vi，V2'''vk，其中 k<N；
[001引 b4.通過施密特正交化方法將VI，V2· · · vk單位正交化得到日1，日2· · 'ak;
[0019] bS.計(jì)算特征位置指紋空間F =哀.訪，其中日=(日1，日2...日k)T，F(xiàn)'為NXk維矩陣。 [0020] 步驟C的具體過程如下：
[0021 ] cl.在待ii地點(diǎn)實(shí)時采集各個AP的RSS信號構(gòu)成在線指紋向量S，對S進(jìn)行KPCA提取后，得 到在線特征指紋向量S/
[0022] c2.計(jì)算與各個特征位置指紋的歐氏距離
，;e化Λ0,能 夠表征S '與f/1間的相似程度，其值越小二者越相似；
[0023] c3.按Di(S/，F(xiàn)^ 1)的大小排列，找到前m(m<N)個最小的Di，使之滿足
I并找到其相對應(yīng)的m個特征位置指紋和位置信息li(xi，yi);
[0024] c4.利用加權(quán)K近鄰法估計(jì)出待測點(diǎn)的位置信息
[0025]
[00%]本發(fā)明具有如下有益的效果：
[0027] 與現(xiàn)有技術(shù)相比較本發(fā)明的有益效果在于：本發(fā)明是在WIFI室內(nèi)定位結(jié)果受到 RSS信號時變性的情形進(jìn)行詳盡分析，針對解決RSS信號的實(shí)時波動誤差對WIFI室內(nèi)定位算 法的影響所提出的算法。本發(fā)明首次將核函數(shù)主特征提取化PCA)引入到WIFI室內(nèi)定位問題 中，通過仿真和實(shí)際環(huán)境中使用RSS信號作為位置指紋的室內(nèi)定位實(shí)驗(yàn)表明，本發(fā)明可W有 效的避免實(shí)際WIFI環(huán)境中RSS信號的波動性對定位結(jié)果的影響，定位精度有顯著的提高，而 且本發(fā)明與WK順定位算法相比有較好的定位魯棒性。
[0028] 本算法的定位誤差顯著小于原K近鄰定位算法的定位誤差。在對被測節(jié)點(diǎn)進(jìn)行定 位時，所采集的RSS信號由于室內(nèi)環(huán)境的影響存在較大誤差，因此本算法表現(xiàn)出了較優(yōu)異的 性能。
【附圖說明】
[0029] 圖1為本發(fā)明的基于核函數(shù)主特征提取的WIFI室內(nèi)加權(quán)K近鄰定位算法流程圖；
[0030] 圖2為本發(fā)明的指紋定位算法架構(gòu)圖；
[0031 ]圖3為本發(fā)明的實(shí)驗(yàn)定位區(qū)域圖；
[0032] 圖4為本發(fā)明的KPCA算法的流程圖；
[0033] 圖5為本發(fā)明的加權(quán)K近鄰定位算法流程圖；
[0034] 圖6為本發(fā)明的算法與K近鄰算法定位結(jié)果比較結(jié)果圖。
【具體實(shí)施方式】
[0035] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步的說明：
[0036] 本發(fā)明基于核函數(shù)主特征提取的WIFI加權(quán)K近鄰室內(nèi)定位方法，在定位區(qū)域內(nèi)選 定的N個定位參考節(jié)點(diǎn)，在各個參考節(jié)點(diǎn)上采集各個參考節(jié)點(diǎn)位置指紋信息，將所有參考節(jié) 點(diǎn)的指紋信息通過核函數(shù)主特征提取化PCA)，提取位置指紋信息主要特征，利用加權(quán)K近鄰 算法(WK順)進(jìn)行匹配定位。其主要包括W下步驟：
[0037] 步驟a在定位區(qū)域內(nèi)選定的N個定位參考節(jié)點(diǎn)，采集全部參考節(jié)點(diǎn)的位置指紋信 息;該步驟的具體過程為：
[0038] al.在選定的定位區(qū)域選定N個參考節(jié)點(diǎn)（Reference Points，RP)，每個參考節(jié)點(diǎn) 的物理位置為li(xi，yi)，N個參考節(jié)點(diǎn)的物理位置構(gòu)成一個位置庫L=(li，l2…1n)t;
[0039] a2.在各個參考節(jié)點(diǎn)上可W采集到非視距的η個AP的RSS信號及MAC地址信息(MAC 作為AP的標(biāo)識），在每個參考節(jié)點(diǎn)上都要進(jìn)行P次采集，將RSS均值作為運(yùn)個參考節(jié)點(diǎn)li(xi， yi)的位置指紋信息，運(yùn)個位置指紋信息是一個η維向量fi = (rssi，rss2'''rssn)T，i e (1，N)， 其中^為p次采樣之后來自第i個AP的RSS信號的平均值；
[0040] a3.全部參考節(jié)點(diǎn)的位置信息構(gòu)成一個NXn維的位置指紋空間F，即F=(fi，f2… fN)T，將全部F與L存儲在數(shù)據(jù)庫中，數(shù)據(jù)庫中，F(xiàn)的每個行向量fi，代表著參考節(jié)點(diǎn)li(Xi，yi) 的位置指紋信息。
[0041] 步驟b.將所有的位置指紋信息通過核函數(shù)主特征提取，提取位置指紋信息的信息 主要特征，作為的參考節(jié)點(diǎn)的特征位置指紋;該步驟的具體過程為：
[0042] bl.將F作為輸入，根據(jù)公式K(xi，Xj) = e邱（I Xi-Xj 12/-ε2)，計(jì)算NXN階核高斯矩陣 Κ，其中核矩陣Κ的每個元素為Ku = e邱非/-ε2)，ε為高斯核寬度，其中i，j<=N;
[0043] b2.根據(jù)式玄=Iw .K-K.lw + VK.ly計(jì)算修正核矩陣玄，Ιν為NXN階矩陣，每一個 元素都是1/Ν;
[0044] b3.計(jì)算哀的前k個最大特征值λι > λ2…Ak-i > Ak，及對應(yīng)的特征向量vi，V2---vk，其中 k<N；
[0045] b4.通過施密特正交化方法將VI，V2· · · vk單位正交化得到αι，〇2· · 'dk;
[0046] b5.計(jì)算特征位置指紋空間/Γ'=ミ.α，其中α = (αl，α2…日k)τ，F(xiàn)/為NXk維矩陣。
[0047] 通過核函數(shù)主特征提取，提取N X η維位置指紋空間F的k個主元，構(gòu)成N X k維特征 位置指紋空間F/=(f/l，fV·中N)τ，F(xiàn)/與L相對應(yīng)，即f/l是ll(Xl，yl)的特征位置指紋。
[0048] 步驟C.采集待測點(diǎn)的來自各個AP的RSS信號，利用加權(quán)K近鄰算法進(jìn)行匹配輸出定 位結(jié)果;該步驟的具體過程為：
[0049] cl.在待測地點(diǎn)實(shí)時采集各個AP的RSS信號構(gòu)成在線指