基于位置指纹的轴向解耦室内定位方法
【技术领域】
[0001] 本发明属于信号处理与模式识别技术领域，设及位置指纹、室内定位、轴向解禪技 术，尤其设及一种基于位置指纹的轴向解禪室内定位方法。
【背景技术】
[0002] 随着无线网络、移动通信和普适计算技术的日趋成熟和快速发展，基于位置的无 线定位服务显得越来越重要。目前全球定位系统（GP巧是应用较为成功的无线定位技术， 在室外宽敞环境下具有定位迅速且准确稳定等优点。但对于室内环境和高楼密布的城市， GI^S系统因为卫星信号被阻隔导致定位精度严重下降甚至无法定位。因此近年来基于无线 接入点（Access化int,AP)的位置指纹室内定位技术已成为国内外研究的热点。
[000引基于位置指纹的定位技术就是利用在感兴趣区域（ROI)接收到的来自AP的RSS值来推断观察者或场景内物体的位置，且事先不需知道AP的位置。此外基于位置指纹的定 位技术不需要添加额外的硬件支持可W方便的应用在移动设备中，定位成本低，可W更好 的保护用户的安全隐私。艾浩军等在《一种基于Wi-Fi指纹的室内定位方法》中公开了基 于RSS直方图的设备校准方法和时间平均法，仿真结果表明，该方法能精确定位到3米。黄 正勇等在《基于指纹聚类的新型室内定位方法》中公开了一种基于相似性传播聚类算法W 及最近邻居法相结合的分层的室内定位方法，仿真结果表明，基于指纹聚类的新型室内定 位方法的最大定位误差可达5. 1928米，平均定位误差为2. 4088米，所需的定位时间为2. 49 秒。尽管位置指纹定位有诸多优点并提出了一些定位方法，但是依然存在W下问题：
[0004] (1)位置指纹定位的一种常见思路是将其看成一个模式分类问题，目前使用 较多的基于模式分类器有K近邻化-Nearest Nei曲bors, K-NN)、神经网络（Neural Networks, NN)和支持向量机（Suppo;rt Vector Machines, SVM)等。上述模分类的主要问题 是计算量大且所需的分类器多。如何改进定位算法来减少分类器数目，从而减少计算代价。
[0005] (2)更进一步地，如何确保在减少计算代价的同时还能提高定位精度。为了得到较 高的定位精度，在离线阶段需要收集足够多的可W代表定位区域内时间和空间覆盖的位置 指纹样本。而大量的训练样本必然会导致定位系统的训练时间变长、计算代价增大。现有 的定位技术不能在减少计算代价的同时提高定位精度，而只能取其一，所W大多数定位技 术都W牺牲计算代价来获取较高的定位精度。
[0006] 因此，有必要提供一种定位方法，既能减少了分类器数目，W此减少计算代价和定 位时间，又能同时提高定位精度。
【发明内容】
[0007] 为了克服现有技术的上述缺点与不足，本发明提出一种基于位置指纹的轴向解禪 室内定位方法，通过对X轴和Y轴独立地进行定位决策，极大的减少了分类器数目，相应的 定位时间也得到减少，同时提高了室内定位系统的精度。
[000引本发明的技术方案为；
[0009] 一种基于位置指纹的轴向解禪室内定位方法，该定位方法包括离线训练阶段和在 线定位阶段，离线训练阶段包括W下步骤：
[0010] S1.将所需定位区域按XY坐标轴划分为l,Xly个网格，在各网格中，采集移动终 端接收到的各无线AP的RSS值【接收信号强度】，将得到的网格的RSS指纹作为样本，记为 兩=レ巧'，n喊…n片，…，nv4p=l，2，…，w，其中w为样本总数，i为样本编号；r5<表示第i个样本 中的第n个无线AP的RSS值，n= 1，2,. . .，N，N为可用的无线AP的总数；样本的RSS特征 向量表示为=访，其中叫和ni分别为第i个样本对应的网格在X轴和Y轴上的 类别号，且叫=1，2,. . .，1X，rii= 1，2,. . .，1y;再将按坐标轴拆分为X轴和Y轴样本， 分别表示为：為=访，巧)，/；:.=(瓦巧）；
[0011] S2.对X轴和Y轴样本进行归一化处理；
[0012]S3.利用归一化的X轴样本和Y轴样本分别训练基于模式的分类器，分别得到X轴 分类器与Y轴分类器；
[0013] 所述的在线定位阶段包括W下步骤：
[0014]S4.采集移动终端在待定位区域接收到的各无线AP的RSS值，得到待定位区域的 RSS指纹7=(/-巧，'W2，...^ss。，...，^Mw；)，将J分别作为离线训练阶段训练好的X轴分类器与Y 轴分类器的输入，独立地形成X轴和Y轴的决策结果；
[0015] S5.组合X轴和Y轴决策结果，确定待定位区域所属网格，得到定位结果。
[0016]【所述S1中的网格并不局限于矩形，可W是非规则网格。所述S1采集各网格的 RSS指纹是在持续的一段时间内进行，W避免各网格的RSS指纹采集时间不同，带来的计算 误差。】
[0017] 所述步骤S3中，基于模式的分类器为最小二乘支持向量机（LeastSquares Su卵ortVectorMachines,LS-SVM)分类器、支持向量机（Suppo;rtVectorMachines,SVM) 分类器或K近邻化-NearestNei曲bors，K-NN)分类器。【本发明采用的基于模式分类器有 多重选择，各分类器只是构造的函数不一样，虽然本发明中只WLS-SVM分类器为例来构造 X轴，Y轴分类器，但应该注意的是，使用其它基于模式分类器来实现本发明的技术方案，也 属于本发明的保护范围。】
[0018] 所述X轴分类器的决策函数尤(巧为：
[0019]
[0020] 其中，/为待定位区域的RSS指纹屯为阔值，= "…"')是拉格朗日乘子； Kf(7,巧是满足Mercer条件的核函数；
[0021] 由于ス与X轴上的类别号叫对应，若函数si即（?）括号中的数值是正数，贝U = 1，判断待定位区域在X轴上属于第叫类；否则若函数sign( ?)括号中的数值是负 数，则/、. (7) = -1，判断待定位区域在X轴上不属于第叫类；
[00巧满足Mercer条件的核函数K,-(7,巧可W是多项式函数、径向基函数（RB巧和 Sigmoid函数等，选择不同的核函数构造的分类器不同，本发明WRBF核函数、LS-SVM分类 器为例进行说明。
[002引所述(7,巧的计算方法为：
[0024]
[0025] 其中gy为核宽度，它决定了样本特征子空间分布的复杂程度；II?II是向量的 2-范数：
[0026] 所述阔值6,与《,,0'=I，2，.由下式确定：
[0027]
[002引其中Cy为正则化参数。
[0029] 所述未知参数对（C,，g,)的取值方法为：先采用网格捜索法（gridsearch)选择参 数对，然后采用交叉验证法KrossValidation)进行寻优，将使得分类准确率最高的参数 对作为佔，吊）的取值；所述C,，g亦值范围均为巧-W，2a步距为1。
[0030] 所述Y轴分类器的决策函数/,.(巧为：
[0031]
[003引其中，/为待定位区域的RSS指纹；by为阔值，《,,(/' = 1.2....，0是拉格朗日乘子； (7,別是满足Mercer条件的核函数：
[0033] 由于Z与Y轴上的类别号n;对应，若函数sign('）括号中的数值是正数，贝U /,..(巧=1，判断待定位区域在Y轴上属于第n;类；否则若函数sign( ?)括号中的数值是负 数，则/,.(巧=-1，判断待定位区域在Y轴上不属于第n;类；
[0034] 满足Mercer条件的核函数K,..(7,巧可W是多项式函数、径向基函数（RB巧和 Sigmoid函数等，选择不同的核函数构造的分类器不同，本发明WRBF核函数、LS-SVM分类 器为例进行说明。
[0035] 所述(7,巧的计算方法为：
[0036]
[0037] 其中；其中gy为核宽度，它决定了样本特征子空间分布的复杂程度；
[003引所述阔值by与《,,0'=1，2，...，0由下式确定；
[0039]
[0040] 其中Cy为正则化参数。
[0041] 所述未知参数对（Cy，gy)的取值方法为：先采用网格捜索法（gridsearch)选择参 数对，然后采用交叉验证法KrossValidation)进行寻优，将使得分类准确率最高的参数 对作为（Cy，gy)的取值。所述Cy，gy取值范围均为巧4°，2w]，步距为1。
[0042] 本发明的性能分析如下：
[0043] 传统的位置指纹定位法是将区域划分为若干个子区域，每个子区域代表一类，再 应用多类分类器进行决策。如果将所需定位的二维定位区域划分为lyXly的网格。其中每 个网格对应于一个类别，那么有1,?ly个类别，并且位置坐标为网格的中屯、，将该种方法称 为网格法。而本发明提出的轴向解禪定位法不是同时估计X轴和Y轴坐标，而是同时独立 地估计两轴坐标。因此，对于X维，将所需定位划分为个相等的列条纹，且每一列代表一 类；类似地，将Y维划分为ly个相等的行条纹，且每一行代表一类。由此，可W得出轴向解 禪法有ly+ly个类别，远远小于1yXly。即分类器数目很大程度上得到减少，同时相应的训 练时间也得到减少。
[0044] 与现有技术相比，本发明具有W下优点和有益效果：
[0045] 本发明提出的轴向解禪室内定位方法是通过对X轴和Y轴独立地进行定位决策， 大大减少了分类器数目，根据大量的计算机仿真证实，相应的训练时间也得到减少，而且也 提高了定位精度。此外，本发明拥有位置指纹定位的优点：可W很好的集成在移动终端且 不需要添加额外的硬件设备，降低了定位成本；用户在定位过程中不需要知道无线AP的位 置，提高了系统的实用性。该种低复杂度的计算处理W及高精度的定位方法使在移动终端 上的实时定位成为可能。
【附图说明】
[0046] 图1 ;基于位置指纹的轴向解禪室内定位框架；
[0047] 图2 ;实施例中测试区域的地图；
[0048] 图3 ;LS-SV