一种基于隐马尔科夫模型的室内定位方法
【专利摘要】本发明涉及一种基于隐马尔科夫模型的室内定位方法，该方法利用RSSI指纹特征进行定位，包括离线阶段和实时定位阶段；离线阶段包括：设置信标基站和参考位置；建立参考位置的无向连通图并据此建立位置转移矩阵；在每个参考位置采集各个信标基站的RSSI特征值，建立定位区域的RSSI指纹数据库；利用贝叶斯方法构建参考位置和RSSI指纹的混淆矩阵，建立隐马尔科夫定位模型；实时定位阶段包括：移动设备采集实时RSSI特征值并发送给定位服务器；定位服务器计算连续运动最大可能的轨迹序列，将轨迹序列的最后位置作为定位结果。该方法可以有效降低连续运动过程中RSSI波动对定位结果造成的误差,提高了室内无线定位的精度和稳定性。
【专利说明】一种基于隐马尔科夫模型的室内定位方法
【技术领域】
[0001] 本发明涉及无线网络【技术领域】，特别涉及一种基于隐马尔科夫模型的室内定位方 法，可应用于室内的人员或者车辆等移动目标的定位。
【背景技术】
[0002] 由于能适应室内复杂的多径效应，基于非测距的RSSI指纹定位方法已被广泛应 用于各种室内定位系统中。在室内环境中，由于无线信号的传播容易受温度、湿度和人员走 动的影响，因此RSSI的测量值波动较大。为了提高测量的稳定性和精度，许多基于RSSI的 定位算法往往采用多次采集取平均或加权的方法。但是这种多次测量的方法只能应用于移 动特征较弱的目标，当待定位目标的移动特征较强，系统往往难于在同一个位置上采集到 多次的RSSI数据。
【发明内容】
[0003] 本发明的目的在于提供一种基于隐马尔科夫模型的室内定位方法，该方法可以提 高室内无线定位的精度和稳定性。
[0004] 为实现上述目的，本发明的技术方案是：一种基于隐马尔科夫模型的室内定位方 法，该方法包括离线阶段和实时定位阶段； 离线阶段包括以下步骤： 步骤101 :根据定位区域设置信标基站和参考位置； 步骤102 :建立参考位置的无向连通图，并根据参考位置的无向连通图建立位置转移 矩阵； 步骤103 :在每个参考位置采集各个信标基站的RSSI特征值，建立定位区域的RSSI指 纹数据库； 步骤104 :利用贝叶斯方法构建参考位置和RSSI指纹的混淆矩阵，建立基于隐马尔科 夫模型的定位模型，即隐马尔科夫定位模型； 实时定位阶段包括以下步骤： 步骤201 :移动设备采集实时RSSI特征值并发送给定位服务器； 步骤202 :定位服务器基于Viterbi算法计算连续运动最大可能的轨迹序列，将轨迹序 列的最后位置作为定位结果。
[0005] 进一步的，隐马尔科夫定位模型定义为一个五元组HMLM={n，m，n，A，B}，其中， n是参考位置的个数，m是信标基站的个数，n= 3i p i=l,…，n，,表示初始状态i的概率， A是位置转移矩阵，B是混淆矩阵。
[0006] 进一步的，位置转移矩阵A的构造方法为：根据设置的参考位置和定位区域的结 构布局，建立参考位置的无向连通图G，根据无向连通图G和Dijkstra算法，得到参考位置 之间的最短距离，然后根据泊松分布特性构建位置转移矩阵，即：
【权利要求】
1. 一种基于隐马尔科夫模型的室内定位方法，其特征在于，该方法包括离线阶段和实 时定位阶段； 离线阶段包括以下步骤： 步骤101 :根据定位区域设置信标基站和参考位置； 步骤102 :建立参考位置的无向连通图，并根据参考位置的无向连通图建立位置转移 矩阵； 步骤103 :在每个参考位置采集各个信标基站的RSSI特征值，建立定位区域的RSSI指 纹数据库； 步骤104 :利用贝叶斯方法构建参考位置和RSSI指纹的混淆矩阵，建立基于隐马尔科 夫模型的定位模型，即隐马尔科夫定位模型； 实时定位阶段包括以下步骤： 步骤201 :移动设备采集实时RSSI特征值并发送给定位服务器； 步骤202 :定位服务器基于Viterbi算法计算连续运动最大可能的轨迹序列，将轨迹序 列的最后位置作为定位结果。
2. 根据权利要求1所述的一种基于隐马尔科夫模型的室内定位方法，其特征在于，隐 马尔科夫定位模型定义为一个五元组HMLM= {n,m,Π,A,B}，其中，η是参考位置的个数， m是信标基站的个数，Π=Jipi=l,…，η,πγ表示初始状态i的概率，A是位置转移矩阵，B 是混淆矩阵。
3. 根据权利要求2所述的一种基于隐马尔科夫模型的室内定位方法，其特征在于，位 置转移矩阵A的构造方法为：根据设置的参考位置和定位区域的结构布局，建立参考位置 的无向连通图G，根据无向连通图G和Dijkstra算法，得到参考位置之间的最短距离，然后 根据泊松分布特性构建位置转移矩阵，即：
其中，A7表示参考位置人到参考位置心的转移概率，式7表示参考位置人.到参考位置Ty的最短距离，^表示移动速率； η 对凡7做归一化处理，即Γ/ _ =1,得到系数11; J==I 令ai7=ηVi7,得到位置转移矩阵A= ,i,户1, 2, . . . ,。
4. 根据权利要求2所述的一种基于隐马尔科夫模型的室内定位方法，其特征在于，混 淆矩阵B的构造方法为：定义混淆矩阵B=仏#，j'=l，2,. . .，n，左=1，2,. . .，K}，其中表 示在参考位置心上RSSI指纹为7；的后验概率，{7；从=1，...，Κ}表示所有可能的RSSI指 纹空间； 利用贝叶斯方法计算:采集每个参考位置的RSSI特征值；假设参考指纹TPy= {(〇,，σ w)，（?>，σ#)，...，〇>，σ>)丨，其中，冬表示参考位置J'上的参考指纹，表示在参考位置 T7测量第m个信标基站的RSSI特征值，σ>表示对应的RSSI标准差；则在参考位置Ty 上测得第m个信标基站的RSSI特征值为匕的后验概率：
取后令 ^/?·=Ρ/1·Ρ/2·Ρ/3. · · ·Ρ/；?。
5.根据权利要求1所述的一种基于隐马尔科夫模型的室内定位方法，其特征在于，利 用Viterbi算法进行实时定位的方法为：首先定义一个部分概率5，心(i)表示在?时刻， 移动到位置i的所有可能的位置序列中概率最大的序列的概率；则部分最优序列为达到这 个最大概率的序列；对于每一个时刻的每一个位置都有一个部分概率和部分最优序列；通 过计算?=Τ时刻的每一个位置的最大概率和部分最优序列，选择其中概率最大的位置和其 部分最优序列得到全局的最优序列，则?=Τ时刻最大部分概率的位置即为定位结果； 计算?=1时刻的部分概率
计算?>1时刻的部分概率
令心(i)值最大的位置i为定位结果。
【文档编号】H04W64/00GK104469942SQ201410812548
【公开日】2015年3月25日 申请日期:2014年12月24日 优先权日:2014年12月24日
【发明者】叶阿勇, 绍剑飞, 陈秋玲, 郑永星, 李亚成 申请人:福建师范大学