一种基于music算法的室内定位方法及装置的制造方法
【专利摘要】本发明公开了一种基于MUSIC算法的室内定位方法及装置，设定K个接收天线构成信号接收阵列和M个信号发射点；利用信号接收阵列输出的信号矩阵计算协方差矩阵Rxx；利用协方差矩阵Rxx构造特征方程，求解得到多个特征值λi和与特征值对应的特征向量vi，并对特征值λi进行大小排序；对经过排序的各特征值λi利用主成分分析法和设定的累积贡献率计算出主变量及主变量的个数，得到与信号子空间和噪声子空间分别对应的特征值和特征向量；构造谱函数，搜索出M个最大谱峰，计算出波达方向。本发明该方法能够通过部署在监测区域的beacon点和无线网关组网通信，数据经无线通信模块传输至云端，进行协作感知、采集和定位网络覆盖区域内信号发射点的信息。
【专利说明】
一种基于MUSIC算法的室内定位方法及装置
技术领域
[0001] 本发明属于物联网应用领域，尤其涉及一种基于MUSIC算法的室内定位方法及装 置。
【背景技术】
[0002] 随着无线通信、集成电路以及MESH网络等技术的飞速发展和日益成熟，特征子空 间类(MUSIC)算法利用信号子空间和噪声子空间的正交性，构造空间谱函数，通过谱峰搜索 来确定信号的波达方向（D0A)。其测向原理是根据矩阵特征分解的理论，对阵列输出协方差 矩阵R xx进行特征分解，协方差矩阵的特征向量属于两个正交子空间之一，称之为特征子空 间（信号子空间）和非主特征子空间（噪声子空间）。
[0003] 但是实际中是使用有限个数样本估计协方差矩阵Rxx的，所有对应于噪声功率的特 征值并不相同，而是一组差别不大的值。随着用以估计R xx的样本数的增加，表征它们离散程 度的方差逐渐减小，它们将会转变为一组比较接近的值，最小特征值的重数一旦确定，就可 以确定信号的估计个数。通过寻找与R xx中小特征值对应的特征向量最接近正交的导引向 量，可以估计与接收信号相关的导引向量，因此如何将不同特征向量和特征值对应到不同 的子空间就是MUS IC算法的核心。
【发明内容】
[0004] 针对上述问题，本发明提出一种基于MUSIC算法的室内定位方法及装置，该方法能 够通过部署在监测区域的beacon点和无线网关组网通信，数据经无线通信模块传输至云 端，进行协作感知、采集和定位网络覆盖区域内信号发射点的信息。
[0005] 实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
[0006] -种基于MUSIC算法的室内定位方法，包括以下步骤：
[0007] (1)在待定位区域内部署K个beacon点构成信号接收阵列；
[0008] (2)由M个无线移动设备构成M个信号点，M个无线移动设备与信号接收阵列直接进 行通信；
[0009] (3)利用信号接收阵列输出的信号矩阵计算协方差矩阵Rxx;
[0010] (4)利用协方差矩阵Rxx构造特征方程|AI-Rxx|=0,求解特征方程，得到多个特征 值\和与特征值对应的特征向量 Vl，并对特征值\进行大小排序；
[0011] (5)对经过排序的各特征值\利用主成分分析法和设定的累积贡献率计算出主变 量及主变量的个数，从而得到与信号子空间和噪声子空间分别对应的特征值和特征向量， 形成信号子空间和噪声子空间；
[0012 ](6)利用MUSIC算法构造谱函数，搜索出谱函数的M个最大谱峰，从而计算出波达方 向，定位出M个信号点的地理位置，M个无线移动设备将与其对应的信号点的地理位置和Mac 地址传输到无线网关，由无线网关传输到云端监控中心；
[0013] (7)当M个无线移动设备移动到其他的位置时，重复执行步骤(2)~(6)，得到M个无 线移动设备的新的地理位置；
[0014] (8)云端监控中心找出具有相同Mac地址的2个不同的地理位置，进行路线规划，并 发送给无线移动设备，实现室内定位。
[0015] 所述步骤(5)中主成分分析法中主成分贡献率为：
[0019]式中:m代表了在设定的累积贡献率下，主成分的个数，m<k。
[0020]所述步骤(6)中的谱函数为：
[0022]式中:Vs为利用信号特征向量构成的信号特征向量矩阵，Vn*利用噪声特征向量构 成的噪声特征向量矩阵。
[0023]所述的一种基于MUSIC算法的室内定位方法，还包括(9)计算基于MUSIC算法构造 的谱函数的方差：
[0025]其中(1 = (^/(10，3 = 61口[」231(1(；[-1)8；[110]为阵列导向矢量;11表示共辄装置;<7^为接 收阵列噪声方差;T为扫描累计时间。
[0028]当var值超过1时，将主成分个数加1，重新计算式(2)中的累积贡献率PAk。
[0029] 一种利用基于MUSIC算法的室内定位方法的装置，包括K个beacon点构成信号接收 阵列、无线网关、M个无线移动设备、云端监控中心;所述K个beacon点构成信号接收阵列分 布在待定位区域内，M个无线移动设备与信号接收阵列之间为无线通信;无线移动设备通过 无线接口与无线网关连接;无线网关发送信息传输到云端控制中心，并接收云端控制中心 发送的信号。
[0030] 所述无线移动终端为蓝牙移动终端;所述无线网关为蓝牙无线网关;所述无线接 口为蓝牙无线接口。
[0031] 本发明的有益效果：
[0032] 本发明提出一种基于MUSIC算法的室内定位方法和装置，通过在待定位区域部署K 个beacon点构成信号接收阵列，利用M个无线移动设备构成M个信号点，M个信号点与K个 beacon点之间通信，无线移动设备结合MUSIC定位算法、主成分分析法得到波达方向信息， 从而定位出信号点的地理位置，无线移动设备其MAC地址信息和信号点的地理位置信息经 过无线网关传送到云端监控中心；当M个无线移动设备变更位置后，再次进行其物理位置的 定位，并上传其MAC地址信息和信号点的地理位置信息到云端监控中心；云端控制中心进行 路线规划，并通过反向的通信链路下达给无线移动设备，利用无线移动设备的导航实现反 向寻位，非常适用于地下车库导航系统。
[0033] 本发明提出一种基于MUSIC算法的室内定位方法，先寻找信号接收阵列输出的信 号的协方差矩阵Rxx的特征值，将其从大到小排序，利用主成分分析法和设定的累计贡献率 计算出主变量及主变量的个数，从而确定出信号子空间和噪声子空间，结合谱函数计算出 出波达方向信息。
[0034] 本发明提出一种基于MUSIC算法的室内定位方法，具有良好的参数估计性能及较 小的计算量，能得到参数的渐近无偏估计，并且该方法算法简单，易于编程实现。对采样数 据矩阵进行奇异值分解或对采样数据的协方差矩阵进行特征值分解，利用分解所得的信号 子空间和噪声子空间的正交性，进行室内定位。
【附图说明】
[0035] 图1为本发明的方法的流程示意图。
[0036] 图2为本发明中信号接收阵列接收信号示意图。
[0037]图3为本发明中的走道布局示意框图。
[0038]图4为本发明在高斯白噪声下的定位仿真图。
[0039] 图5为本发明高斯有色噪声下的定位仿真图。
【具体实施方式】
[0040] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于 限定本发明。
[0041] 下面结合附图对本发明的应用原理作详细的描述。
[0042] 如图1所示，一种基于MUSIC算法的室内定位方法，包括以下步骤：
[0043] (1)在待定位区域内部署K个beacon点构成信号接收阵列；
[0044] (2)由M个无线移动设备构成M个信号点，M个无线移动设备与信号接收阵列直接进 行通信；
[0045] (3)利用信号接收阵列输出的信号矩阵计算协方差矩阵Rxx;
[0046] (4)利用协方差矩阵Rxx构造特征方程|AI-Rxx|=〇,求解特征方程，得到多个特征 值\和与特征值对应的特征向量 Vl，并对特征值\进行大小排序；
[0047] (5)对经过排序的各特征值&利用主成分分析法和设定的累积贡献率计算出主变 量及主变量的个数，从而得到与信号子空间和噪声子空间分别对应的特征值和特征向量， 形成信号子空间和噪声子空间；
[0048] (6)利用MUSIC算法构造谱函数，搜索出谱函数的M个最大谱峰，从而计算出波达方 向，定位出M个信号点的地理位置，M个无线移动设备将与其对应的信号点的地理位置和Mac 地址传输到无线网关，由无线网关传输到云端监控中心；
[0049] (7)当M个无线移动设备移动到其他的位置时，重复执行步骤(2)~(6)，得到M个无 线移动设备的新的地理位置；
[0050] (8)云端监控中心找出具有相同Mac地址的2个不同的地理位置，进行路线规划，并 发送给无线移动设备，实现室内定位。
[0051 ]所述主成分分析法中主成分贡献率为：
[0055] 式中:m代表了当累积贡献率设为80 %时，主成分的个数，m < k。
[0056]所述步骤(6)中的谱函数为：
[0058] 式中:Vs为利用信号特征向量构成的信号特征向量矩阵，Vn*利用噪声特征向量构 成的噪声特征向量矩阵。
[0059] 所述的一种基于MUSIC算法的室内定位方法，还包括(9)计算基于MUSIC算法构造 的谱函数的方差：
[0061]其中d = da/d0，a = exp[ j2Jid(i-l)sin0]为阵列导向矢量;H表示共辄装置;<7^为接 收端噪声方差;T为扫描累计时间。
[0064] 当var值超过1时，将主成分个数加1，重新计算式(2)中的累积贡献率PAk。
[0065] 可以看出，当阵元数足够多，信噪比越大时，MUSIC性能越接近CRB，算法估计精度 也越尚。
[0066] 下面结合具体实施例对本发明进行说明：
[0067]如图2和3所示，本发明包括由K个间距为d的beacon(阵元）点构成信号接收阵列、M 个信号发射点（停车点），对应的入射角为为与法线方向的夹角，各阵元的噪声是高斯白 噪声，各阵元间噪声相互独立，噪声与信号也相互独立。
[0068]信号接收阵列的协方差矩阵Rxx可以分解成K个特征值和特征向量，Rxx可以表示 为：
[0070] 其中\，￥1分别为特征值和与特征值对应的特征向量，V是以Vl为元素的列矩阵，A 是以特征值为元素的对角矩阵。由于各信号和噪声之间不相关，因此在所有的特征值中，主 要特征值即信号特征值个数和目标个数相同，剩余特征值为噪声；由于信号子空间对应大 特征值，而主成分分析提取就是提取主变量，当得到主变量个数后，即可根据特征值个数找 到与之对应的噪声子空间特征向量。根据MUSIC方法，即可根据峰值得到波达方向。因此在 实际计算中，采用主成分分析法用于提取主特征值个数。
[0071] 因此可以将上式修改为：
[0072] Rxx = VsAsVsH+VnA nVnH。
[0073] 首先解特征方程|AI-Rxx|=〇,从而求出特征值~，…Ak，并使其按大小顺序排列， 然后分别求出对应于特征值M的特征向量vi(i = l，2^_k)。当取到第m(m彡k)个主成分时，主
成分PCk贡献率 ，累积贡献率：，在本发明的一种实施例中，累积贡献率 取到80 %。
[0074] 上述过程可以通过调用mat lab中[PC, latent，explained ] =pcacov(X)函数对协 方差矩阵进行主成分分析，返回主成分贡献率(PCk)、协方差矩阵R xx的特征值(latent)和每 个特征向量表征在观测量总方差中所占的百分数(explained)，通过百分数可以计算出累 计贡献率。
[0075] 当得到主成分个数m后，根据总特征值个数，即可近似计算出小特征值个数，从而 计算出信号特征向量和噪声特征向量，并得到对应的信号子空间特征向量矩阵和噪声子空 间特征向量矩阵。
[0076] 通过MUSIC算法公式：
[0078]其中Vs和Vn分别为信号和噪声矢量。
[0079] 通过在空间谱域求取谱函数最大值，其谱峰对应的角度即是来波方向角的估计。
[0080] 计算基于MUSIC算法构造的谱函数的方差：
[0082] 其中d = da/d9，a = exp[ j2Jid(i-l)sin9]为阵列导向矢量;上标H表示共辄装置; 为接收端噪声方差;T为扫描累计时间。
[0085] 可以看出，当阵元数足够多，信噪比越大时，MUSIC性能越接近CRB，算法估计精度 也越尚。
[0086] 如图4所示，在高斯白噪声下的MUSIC定位仿真图，所述在高斯白噪声下信噪比为 20dB，快拍数为256。如图5所示，在高斯有色噪声下的MUSIC定位仿真图，所述噪声功率分别 为[3,3,3,3，16,2,20,80,2,2]，平均功率为 13.4,信噪比为 2dB。
[0087] 一种利用基于MUSIC算法的室内定位方法的装置，包括K个beacon点构成信号接收 阵列、无线网关、M个无线移动设备、云端监控中心;所述K个beacon点构成信号接收阵列分 布在待定位区域内，M个无线移动设备与信号接收阵列之间为无线通信;无线移动设备通过 无线接口与无线网关连接;无线网关发送信息传输到云端控制中心，并接收云端控制中心 发送的信号。
[0088] 在本发明中，无线网关作为网络的主设备，无线移动设备比如手机作为从节点散 布在指定的通信范围内，通过自组网方式构成网络。
[0089] 所述无线移动终端为蓝牙移动终端;所述无线网关为蓝牙无线网关;所述无线接 口为蓝牙无线接口。
[0090] 本发明的利用基于MUSIC算法的室内定位方法的装置的工作过程如下：
[0091] (1)首先通过M个无线移动设备发射信号，K个beacon点构成信号接收阵列接收并 反馈信息到无线移动设备;在待定位区域内，所有的无线移动设备均可以直接与各beacon 点进行通信，各个无线移动设备的MAC地址可以方便地进入和离开自组网方式构成网络； [0092] (2)无线移动设备根据Music算法进行定位计算，得到各个无线移动设备此刻的地 理位置信息，具体采用的是基于MUSIC算法的室内定位方法中的步骤(2)-(5)，然后将无线 移动设备的Mac地址信息和无线移动设备此刻的地理位置信息，通过无线网关发送到云端 监控中心，进行存储;具体为:无线移动设备通过其内部的无线通信模块将本地数据信息按 照已经设置好的数据格式进行打包，将打包好的数据通过无线接口传送给无线网关;无线 网关将将数据传送到云端监控中心；
[0093] (3)当无线移动设备变动位置之后，想找出原来所在的位置，则再次根据Music算 法进行定位计算，得到各个无线移动设备此刻的地理位置信息，然后将无线移动设备的Mac 地址信息和无线移动设备此刻的地理位置信息，通过无线网关发送到云端监控中心，进行 存储;具体为:云端对无线移动设备进行远程控制时，将各种指令按照已经设置的数据格式 打包，通过无线接口发送给无线移动设备。
[0094] (4)云端监控中心根据存储的信息，找出相同Mac地址对应的2个不同的地理位置， 进行路线规划，并发送给无线移动设备，实现室内定位。
[0095]以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术 人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本 发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变 化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其 等效物界定。
【主权项】
1. 一种基于MUSIC算法的室内定位方法，其特征在于，包括以下步骤： (1) 在待定位区域内部署K个beacon点构成信号接收阵列； (2) 由M个无线移动设备构成M个信号点，M个无线移动设备与信号接收阵列直接进行通 f目； (3) 利用信号接收阵列输出的信号矩阵计算协方差矩阵Rxx; (4) 利用协方差矩阵Rxx构造特征方程|AI-Rxx|=〇,求解特征方程，得到多个特征值\和 与特征值对应的特征向量 Vl，并对特征值&进行大小排序； (5) 对经过排序的各特征值\利用主成分分析法和设定的累积贡献率计算出主变量及 主变量的个数，从而得到与信号子空间和噪声子空间分别对应的特征值和特征向量，形成 信号子空间和噪声子空间； (6) 利用MUSIC算法构造谱函数，搜索出谱函数的M个最大谱峰，从而计算出波达方向， 定位出M个信号点的地理位置，M个无线移动设备将与其对应的信号点的地理位置和Mac地 址传输到无线网关，由无线网关传输到云端监控中心； (7) 当M个无线移动设备移动到其他的位置时，重复执行步骤(2)~(6)，得到M个无线移 动设备的新的地理位置； (8) 云端监控中心找出具有相同Mac地址的2个不同的地理位置，进行路线规划，并发送 给无线移动设备，实现室内定位。2. 根据权利要求1所述的一种基于MUSIC算法的室内定位方法，其特征在于:所述步骤 (5) 中主成分分析法中主成分贡献率为：累积贡献率为：式中:m代表了在设定的累积贡献率下，主成分的个数，m<k。3. 根据权利要求1所述的一种基于MUSIC算法的室内定位方法，其特征在于:所述步骤 (6) 中的谱函数为：式中：Vs为利用信号特征向量构成的信号特征向量矩阵，Vn为利用噪声特征向量构成的 噪声特征向量矩阵。4. 根据权利要求1~3中任一项所述的一种基于M U SIC算法的室内定位方法，其特征在 于： 还包括(9)计算基于MUSIC算法构造的谱函数的方差：其中d = da/d0，a = exp[ j2Jid(i-l)sin0]为阵列导向矢量;H表示共辄装置;为接收阵 列噪声方差;T为扫描累计时间。当var的值超过1时，将主成分个数加1，重新计算式(2)中的累积贡献率PAk。5. -种利用权利要求1所述的基于MUSIC算法的室内定位方法的装置，其特征在于:包 括K个beacon点构成信号接收阵列、无线网关、M个无线移动设备、云端监控中心；所述K个 beacon点构成信号接收阵列分布在待定位区域内，M个无线移动设备与信号接收阵列之间 为无线通信;无线移动设备通过无线接口与无线网关连接;无线网关发送信息传输到云端 控制中心，并接收云端控制中心发送的信号。6. 根据权利要求5所述的一种利用基于MUSIC算法的室内定位方法的装置，其特征在 于:所述无线移动终端为蓝牙移动终端;所述无线网关为蓝牙无线网关;所述无线接口为蓝 牙无线接口。
【文档编号】G01S5/06GK106054130SQ201610394602
【公开日】2016年10月26日
【申请日】2016年6月6日
【发明人】刘伟伟, 唐蕾, 沈卫康
【申请人】南京工程学院