种条件（称为测试条件）。非精确一维搜索方法通过不断 更新试探步长，时期最终满足测试条件，从而保证目标函数值有一定量的下降。为了防止步 长过大或过小，本发明满足以下Wolfe条件：
[0079]f(x+Ad) ^f(x) +[pg(x)Td]a(十四）
[0080]g(x+ 人d)Td多 〇g(x)Td
[0081] 其中，g(x+人d)T表示f(x+人d)在人处的斜率，g(x)Td表示f(x+人d)在人=0 处的斜率，pG(〇, 1)，oG(p，1)。
[0082] 自适应中值滤波过程说明如下：
[0083] 当图像仅存在加性噪声的情况下，可以选择空间滤波方法。空间滤波器分为均值 滤波器、统计排序滤波器、自适应滤波器等，其中自适应滤波器的滤波性能最优。将该方法 应用在指纹数据库的噪声平滑中，滤除奇异点的同时保留了指纹图像的细节。
[0084]自适应中值滤波器工作于矩形窗口Sxy内，在进行滤波处理时会根据某些条件而 改变窗口尺寸，滤波器输出一个单值，用于代替点（x，y)的像素值，点（x，y)是给定时刻窗 口Sxy的中心。
[0085] 考虑如下符号：
[0086]zmin=Sxy中的最小灰度值
[0087]z_=Sxy中的最大灰度值
[0088] Sxy中的灰度值的中值
[0089]zxy =坐标（X，y)处的灰度值
[0090]Smax=Sxy允许的最大尺寸
[0091] 自适应中值滤波算法以两个进程工作，表示为进程A和进程B，如下所示：
[0092]进程A4 =zned_znin
[0093]A2=znax-zned
[0094] 如果A: > 0且A2< 0,则转到进程B
[0095] 否则增大窗口尺寸
[0096] 如果窗口尺寸彡Sxy，则重复进程A [0097]否则输出zMd
[0098]进程B办=zxy_zmin
[0099]B2=znax-zxy
[0100] 如果队>0且82<0,则输出zxy
[0101] 否则输出乙"
[0102] 本发明的实验仿真物理结构如图2所示，该环境为64. 6mX18. 5m的室内多墙环 境，参考点间距为〇. 8m，参考点个数为214。环境中放置了 4个AP，位置标记为API,AP2，AP3 和AP4。图3为数据库构建示意图，其中，圆圈符号表示扩展参考点位置，圈星符号表示已采 集信号强度的参考点位置，星号表示插入的参考点位置，滤波窗口用虚线方框表示。
[0103] 为了验证本发明提出基于图像处理的Wi-Fi定位指纹数据库构建方法的有效性 和可靠性，由参考点处采集的来自AP3的信号强度映射而构成的图像，经改进的双三次图 像插值方法处理后，图像中像素点的个数增加了一倍，此时，通过比较可以看出，像素点个 数增加后的图像变得更加清晰，分辨率也更高，因此，插值后的指纹数据库可以呈现更细微 的信号强度分布变化情况。此外，经过自适应中值滤波处理后的图像，将不再保留原图像中 像素值变化剧烈的像素点，即可有效剔除原指纹数据库中保存的奇异信号强度值。
[0104] 图4为分别利用旧数据库、新数据库、改进的图像插值数据库和去噪数据库对旧 测试点和新测试点的定位结果对比图，其中，"旧数据库+旧测试点"表示采用旧测试点对旧 数据库进行定位性能测试，"新数据库+新测试点"表示采用新测试点对新数据库进行定位 性能测试，"旧数据库+新测试点"表示采用新测试点对旧数据库进行定位性能测试，"改进 的图像插值数据库+新测试点"表示采用新测试点对通过改进的图像插值方法得到的数据 库进行定位性能测试，"去噪数据库+新测试点"表示采用新测试点对通过本发明方法得到 的最终数据库进行定位性能测试。图5为分别利用图像插值数据库和改进的图像插值数据 库对新测试点的定位结果对比图，其中，"改进的图像插值数据库+新测试点"表示采用新测 试点对通过改进的图像插值方法得到的数据库进行定位性能测试，"图像插值数据库+新测 试点"表示采用新测试点对通过传统的图像插值方法得到的数据库进行定位性能测试。
[0105]基于本发明得到的改进的图像插值数据库和去噪数据库，采用K近邻（KNN)算法 进行定位，与旧数据库、新数据库的定位性能对比结果如图4所示。KNN算法是指：首先计 算新接收信号矢量与数据库中保存的不同指纹矢量的欧式距离，然后选出Z(-般有Z多2) 个具有最小欧式距离的数据库中指纹矢量，最后计算该Z个指纹矢量的几何中心作为待定 位目标的位置估计。由图4可以看出，改进的图像插值数据库相比于旧数据库，定位性能有 较大提升，而采用去噪数据库进行KNN定位，误差3m内的置信概率与采用真实数据库进行 KNN定位的性能相近。图5给出了利用图像插值数据库和改进的图像插值数据库进行KNN 定位的结果对比图，可以看出，本发明提出的Wi-Fi定位指纹数据库构建方法具有更好的 定位性能。
【主权项】
1. 一种基于图像处理的Wi-Fi定位指纹数据库构建方法，其特征在于，包括步骤：在环 境中等间隔选择部分参考点，在选定的参考点处采集接收信号强度RSS，将该部分参考点物 理位置与相应的接收信号强度映射为小幅图像，应用双=次图像插值方法，将图像扩大；通 过自适应中值滤波方法进行图像去噪，滤除奇异点，并映射为指纹信息，得到环境中所有参 考点的RSS估计值，根据RSS估计值构建出Wi-Fi定位指纹数据库。2. 根据权利要求1所述的方法，其特征在于，所述等间隔选择参考点位置具体包括：将 参考点均匀分布，相邻参考点距离为d，并对目标物理环境进行网格划分，网格顶点间距离 为2d。3. 根据权利要求1所述的方法，其特征在于，将该部分参考点物理位置与相应的接收 信号强度映射为小幅图像具体包括：在网格顶点处采集指纹信息，将网格顶点及其来自每 个无线接入点AP的接收信号强度看作是一幅图像的像素点及其对应的灰度值，定义一个 大小为DXK的全零矩阵DATA用来存放所有参考点的指纹信息，将所有网格顶点对应某个 AP的信号强度构成mXn的信号强度矩阵RSSk,将信号强度矩阵RSSk映射为图像的灰度值 矩阵Fk,其中，K为AP总数，D为参考点总数，m，n分别为网格顶点的行数和列数，且有D= 2mX化。4. 根据权利要求1所述的方法，其特征在于，所述应用双=次图像插值方法，将图像扩 大具体包括，为了估计放大后图像位置为（P，q)的像素点灰度值，在扩展后图像的灰度值 矩阵F'k中构建一个滑动窗口B，如滑动窗口中已包含扩展像素，对滑动窗口中扩展像素的 灰度值进行估计，否则，可在扩展图像矩阵F'k中预定位置处内插像素点获得放大图像每， 计算扩展图像F'k中内插像素点与处于位置（s，t)的像素点在X轴方向的距离U= (P% 2)/2,W及在y轴方向的距离V= (q% 2)/2,根据内插像素点与滑动窗口内各像素点在X 轴与y轴方向的距离分别得X轴方向和y轴方向上的基函数向量A，C;计算放大后图像I 中像素点的灰度值.式及C。其中(f，g)表示图像矩阵每第P行q列像素点的灰度 值，其中，P二 1,…，2m,q= 1,…，2n,S= [p/2] +2,t= [q/2] +2, %为取余?f守号。5. 根据权利要求I所述的方法，其特征在于，所述自适应中值滤波方法具体包括，设定 滤波窗口的最小尺寸aminXamin和最大尺寸amaxXamax，将图像矩阵％上下、左右各扩展 (amax-l)/2行和（amax-l)/2列，扩展像素的灰度值设为0,初始化滤波窗口边长a=amin， 令Spq为W像素点（p，q)为中屯、的滤波窗口，根据对滤波窗口内像素点的灰度值排列，获得 滤波后图像矩阵扔中位置为（P，q)的像素点灰度值/V(/W)，直至遍历环境中图像矩阵島 中所有像素点位置获得所有位置的像素点灰度值，输出滤波后图像矩阵h，获得所有参考 点的RSS估计值。6. 根据权利要求4所述的方法，其特征在于，根据公式获得插值基函数S(X),基函数向量分别为：A= [S(l+u)S(U)S(I-U)S(2-u)]，C= [S(l+v)S(V)S(I-V)S(2_v)]t。7.根据权利要求5所述的方法，其特征在于，根据公式： 艮SS',.（八y) =/',(艮SS,; )-min(RSS,;)) +min(RSS,;)获取信号强度矩阵RSS'k中 第P行第q列的元素RSS'k(P，q)，将图像矩阵的映射为信号强度矩阵RSS'k，其中，RSSk中 元素的最大值与最小值为max (RSSk)和min(RSSk)，将RSS' k中元素逐列按序排列为DX1维 矢量，并将其存储到矩阵DATA的第k列，遍历所有AP，将矩阵DATA中不同行矢量与其对应 的参考点位置坐标共同构成定位指纹数据库中的指纹数据。
【专利摘要】本发明请求保护一种无线保真（Wi-Fi）定位指纹数据库构建方法。基于信号指纹的定位方法所面临的最大难题是工作量庞大的室内环境勘测和位置指纹采集。并且随着室内环境温度、布局等的改变，定位精度大幅降低。本发明首先等间隔选择参考点总数，并在选定的参考点处采集接收信号强度（RSS）；其次，将该部分参考点物理位置与相应信号指纹映射为小幅图像，应用改进的双三次图像插值方法，将图像扩大；最后通过自适应中值滤波方法进行图像去噪，并映射为指纹信息，滤除奇异点，得到环境中所有参考点的RSS估计值，从而构建出Wi-Fi定位指纹数据库。本发明可有效减少数据采集的人力和时间开销，能够应用于室内无线电通信网络环境。
【IPC分类】G06F17/30
【公开号】CN105205114
【申请号】CN201510559467
【发明人】周牧, 李双双, 田增山, 李坤鹏, 周非, 邵璐艳, 范馨月, 王向勇
【申请人】重庆邮电大学
【公开日】2015年12月30日
【申请日】2015年9月6日