本发明属于导航定位和位置服务领域，尤其涉及一种室内空间泛在定位信号指纹库稀疏表征和匹配定位方法。
背景技术：
：目前，业内常用的现有技术是这样的：随着移动通信产业的壮大和发展，用户在享受无线网络给社会生产生活带来的巨大便利时，对基于多元化和个性化的位置信息服务需求也呈大幅度增长趋势。与此同时，随着移动终端的广泛普及，为高效便携的位置估计提供了强有力的支撑。得益于前期市场培养，用户已经习惯于将移动终端作为生活服务入口，并充分使用位置服务带来的便利。随着生活服务与移动终端的深度结合与场景化运营的探索，移动终端的入口属性将进一步扩大。在无遮挡的空旷室外环境中，全球定位系统和蜂窝网络定位系统以其成熟的技术和良好的系统性能成为当前最具有发展潜力的定位方法。但是，在室内复杂环境中无线信号受到多径效应的影响，全球定位系统和蜂窝网络定位系统不能很好满足人们对于定位性能的要求。因此，众多国内外知名学术研究机构对室内定位系统展开了深入的研究，根据不同的无线信号特性提出了多种室内定位系统，如基于蓝牙的室内定位系统、基于射频标签的室内定位系统、基于uwb的室内定位系统以及无线局域网室内定位技术等。基于蓝牙的室内定位系统不但要求移动设备具有蓝牙功能，而且还必须重新部署蓝牙接入点，由于其整体造价太高，该方法目前还没有投入市场推广；基于射频标签的室内定位系统通常适用于短距离定位，且不具有通信能力；基于uwb的室内定位系统在定位准确度、定位成本、系统能耗以及服务质量等方面都具有良好的市场竞争优势，是目前很有潜力的室内定位技术，但是就目前而言，uwb技术尚未成熟，还有很多核心问题亟待解决，并且没有实际可用硬件设备。对比上述的几种室内定位系统，无线局域网室内定位系统不需要额外的硬件设备，只需要在移动设备上安装相应的数据采集软件就可以实现用户的高精度室内定位，因此无线局域网室内定位系统可以有效地弥补室外定位系统的不足和缺陷。综上所述，现有技术存在的问题是：(1)现有技术，高精度定位系统需要特制的硬件，整个系统的成本很高。(2)目前，泛在信号指纹匹配室内定位系统以其成熟的理论基础、实施的低成本和潜在的市场应用价值，成为国内外高校和企业研发机构的研究热点。指纹匹配方法有基于贝叶斯原理，或基于信号域的距离最短原理等不同的方法。无论采用哪种原理，指纹匹配方法都需要在离线阶段采集足够数量的泛在信号观测值，并建立信号特征指纹库，用于在线阶段匹配定位。指纹匹配方法的优点包括1)不需额外布设基础设施、成本低；2)易于以众筹方式采集指纹库和推广应用。但是在应用中，采集观测值生成指纹库的过程繁琐，需要人工现场作业，且易受作业环境的干扰。这些问题降低了指纹匹配方法的可用性和市场接收程度。解决上述技术问题的难度和意义：解决现有技术问题的难度：指纹匹配定位过程中，指纹特征库的精确程度决定了定位结果的精度。在传统方法中，指纹特征库的精确程度与指纹特征库训练的采样样本数密切相关；要提高指纹特征库的精确度，则要求增加指纹特征库的采集样本数，从而导致指纹库训练的效率低下，使得整个定位系统的部署、维护、更新费时费力，成本增加。而减少指纹库训练样本数导致定位精度下降。因此在传统方法中，提高指纹库的精确程度与降低系统的成本成为一对矛盾；解决现有技术问题带来的意义：通过稀疏特征表征方法，用较少的指纹库训练样本计算出特征表征模型参数，能够维持较好的定位精度，同时减少指纹库样本采集量，降低定位特征指纹库采集和整个定位系统的部署、维护、更新成本，提高指纹匹配定位方法和系统的可用性和市场接受程度。技术实现要素：针对现有技术存在的问题，本发明提供了一种室内空间泛在定位信号指纹库稀疏表征和匹配定位方法。本发明是这样实现的，一种室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，包括：训练定位信号特征指纹库：对每个定位源以一定时间间隔采集一组观测值，形成一个观测值矩阵；从观测值矩阵得到关于所述定位源位置的泛在信号特征表征；在定位区域，若干个位置采集观测值矩阵，建立一个与位置关联的泛在信号特征表征矩阵；在线匹配定位计算；对采集到的定位信号观测值进行处理得到定位特征量，将该特征量与定位特征指纹库中的特征指纹进行匹配；计算移动终端设备的当前位置，并进行显示。进一步，所述室内空间泛在定位信号指纹库稀疏表征和匹配定位方法具体包括：步骤1、选定一个或几个定位信号源用于定位：设计定位信号源的位置分布、信号功率强度，并在定位区域布置定位信号源；当利用区域空间中已经存在的机会信号时，信号源布置及设置操作省略；步骤2、指纹库定位信号源观测值采集：用一个或多个移动设备采集空间中的定位信号源观测值，并将采集到的观测值进行空间参考位置标定；所述空间位置标定包括在空间中确定若干已知坐标值的参考点，利用移动终端在每个参考点位置接收定位信号源的观测值以及信号源身份识别码，最后记录每个参考点的位置信息以及该点观测的多个信号源的观测值以及信号源身份识别码；步骤3、生成虚拟定位信号观测值：利用采集到的定位信号源观测值及定位信号源观测值对应的参考位置，生成虚拟定位信号观测值；包括移动设备在同一时刻观测的不同定位源的观测值求差，或移动设备在不同空间位置处对同一定位源的观测值求差；步骤4、生成泛在信号观测值指纹库：利用同一参考位置的原始观测或虚拟定位观测值计算指纹特征库参数，包括贝叶斯密度模型参数；步骤5、向用户分发匹配定位指纹库：将生成的匹配定位指纹库发布给其他用户移动设备使用，或配置在云服务器用于提供定位服务；步骤6、定位用户采集观测值：用户移动设备采集环境中的定位信号源观测值，然后生成相应的定位信号虚拟观测值，根据原始观测值或虚拟观测值查询指纹特征库参数，重构指纹特征分布；步骤7、指纹匹配定位：将用户移动设备采集生成定位信号虚拟观测值，利用原始观测值和虚拟观测值与定位指纹特征进行匹配，采用选定的匹配算法，确定用户移动设备当前时刻的空间位置；步骤8、下一时刻重复步骤6至7，直到定位任务结束。进一步，所述移动终端设备包括手机、平板电脑、手环或其他移动终端；进一步，本发明所述匹配算法包括贝叶斯估计类方法、观测值域最短距离类方法以及基于其他定位原理的算法；其特征在于，定位指纹特征以稀疏表征模型描述，从较少的采样样本计算表征模型参数；实时定位阶段，从稀疏表征模型重构定位信号，进行匹配定位计算。定位信号源包括wifi信号、蓝牙信号、地球磁场信号。本发明的另一目的在于提供一种实现所述室内空间泛在定位信号指纹库稀疏表征和匹配定位方法的计算机程序。本发明的另一目的在于提供一种实现所述室内空间泛在定位信号指纹库稀疏表征和匹配定位方法的信息数据处理终端。本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法。本发明的另一目的在于提供一种室内空间泛在定位信号指纹库稀疏表征和匹配定位系统包括：定位信号源设备；产生和发射定位信号的定位源设备；定位信号观测传感器；用于接收、观测定位信号的传感器；定位信号特征指纹库计算设备；将定位信号观测量采集设备采集到的定位信号计算生成定位信号特征指纹库；定位信号特征指纹库；根据采集的定位信号观测量计算生成的定位信号特征指纹库，用于匹配定位计算；移动定位终端设备；包含定位信号观测传感器的定位设备，用于观测、记录定位信号，利用计算资源计算其自身的位置的设备；匹配定位计算设备；对定位移动终端设备采集到的定位信号进行计算处理；数据存储介质；储存定位信号特征指纹库计算设备计算生成的定位信号特征指纹库数据；位置地图可视化用户界面；对匹配定位计算设备计算处理的数据进行图形化显示。本发明的另一目的在于提供一种搭载所述室内空间泛在定位信号指纹库稀疏表征和匹配定位系统的信息数据处理终端。综上所述，本发明的优点及积极效果为：本发明针对泛在信号指纹匹配室内定位方法中，现场采集观测值生成指纹库的过程繁琐、外业工作量大的问题，提供一种高效率的指纹库特征稀疏表征和计算方法，以及对应的指纹匹配定位算法。如表1所示，提高现场指纹库采集的效率，减少现场作业的工作量，可以用20个采样代替传统方法要求30个或更多的特征指纹库采样，提高现场作业的工作效率50％以上，提高了匹配定位方法的可用性；基于稀疏表征的指纹匹配定位算法提高了匹配定位的精度，如表1实验中，95％的定位误差从6.18米减少到3.84米，精度提高37.9％。表1.基于wifi泛在信号传统定位方法与本发明指纹库稀疏表征和匹配定位方法的比较传统方法本发明方法采样个数3020定位均方根误差(米)2.871.94定位95％误差(米)6.183.84最大定位误差10.154.39与现有技术相比，本发明还具有以下有益效果：(1)采用泛在信号指纹特征稀疏表征指纹库建库方法，减少对指纹特征表征计算时所需要的观测值个数，减少现场采集的工作量，提高指纹匹配室内定位方法的可用性；(2)采用泛在信号指纹特征稀疏表征和对应的指纹匹配定位方法，提高室内定位精度和可靠性。(3)采用泛在信号指纹特征稀疏表征指纹库建库方法和稀疏表征指纹匹配定位方法，易于以众筹方式采集指纹库和推广应用。附图说明图1是本发明提供的多个泛在定位信号源与移动定位终端组成的拓扑关系结构示意图。图2是本发明实施例提供的室内空间泛在定位信号特征稀疏表征、指纹库高效建库方法以及相应的泛在信号指纹匹配室内定位方法的数据处理方法示意图。具体实施方式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。本发明工作于个人移动设备，如手机、平板电脑、手环或其他移动终端，用于确定移动设备及其用户的位置，发展智能位置服务应用；本发明的方法利用移动设备内嵌的传感器模块，采集环境中泛在定位信号源观测量，采用指纹匹配原理确定移动设备位置。该方法减少指纹匹配方法中建立指纹库时所要求的观测量采样个数，从而减少指纹库数据采集的工作量；本发明也包含一个基于所建立指纹库的新指纹匹配方法，提高了指纹匹配的定位精度和可靠性。因此本发明提高了wifi或蓝牙等指纹匹配室内定位技术的可用性、可靠性和定位精度。下面结合具体分析对本发明作进一步描述。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，收集少量的泛在定位源信号即可表征泛在信号空间征库，采用指纹匹配定位原理，确定个人移动设备的空间位置；采用泛在信号特征稀疏表征算法，提高指纹匹配定位的精度和可靠性；移动设备包括手机、平板电脑、手环或其他移动终端。本发明同时支持一种或多种指纹匹配定位信号源，所述定位信号源包括wifi信号、蓝牙信号、地磁信号等。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，收集环境中泛在定位源信号及其相应的参考位置，生成泛在信号指纹特征库，采用指纹匹配的定位原理，确定个人移动设备的空间位置；所述移动设备包括手机、平板电脑、手环或其他移动终端。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，采用较少的泛在定位信号观测量及其相应的参考位置，重构信号的贝叶斯概率密度，用于确定移动设备的空间位置。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，采用较少的泛在定位信号观测量及其相应的参考位置，建立贝叶斯密度模型，利用一组模型参数重构信号的贝叶斯概率密度，用于确定移动设备的空间位置。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，采用较少的泛在定位信号观测量及其相应的参考位置，确定一组有限个数参数描述信号的分布特征，建立轻量级指纹特征库，用于确定移动设备的空间位置。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，观测环境中泛在的定位源信号，利用轻量级指纹特征库，采用指纹匹配的定位原理，确定个人移动设备的空间位置；所述个人移动设备包括手机、平板电脑、手环或其他移动终端。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，观测环境中泛在的定位源信号，利用轻量级指纹特征库，采用有限个数参数重构泛在定位信号指纹特征，包括但不限于泛在信号的贝叶斯概率密度，采用指纹匹配的定位原理，确定个人移动设备的空间位置。所述匹配算法包括贝叶斯估计类方法、观测值域最短距离类方法以及基于其他定位原理的算法，以及基于这些方法的改进算法。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，观测环境中泛在的定位源信号，利用轻量级指纹特征库，采用有限个数参数重构泛在信号的贝叶斯概率密度，利用贝叶斯密度而非概率分布进行指纹匹配定位。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，同时支持一种或多种指纹匹配定位信号源，所述定位信号源包括wifi信号、蓝牙信号、地球磁场信号等。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，所述定位信号源包括wifi信号、蓝牙信号、地球磁场信号等构成的虚拟观测量，包括但不限于两个原始观测量的差值。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，包括如下步骤：步骤1、选定一个或几个定位信号源用于定位：设计定位信号源的位置分布、信号功率强度等，并在定位区域布置定位信号源；当利用区域空间中已经存在的机会信号时，信号源布置及设置操作省略；步骤2、指纹库定位信号源观测值采集：用一个或多个移动设备采集空间中的定位信号源观测值，并将采集到的观测值进行空间参考位置标定；所述空间位置标定包括在空间中确定若干已知坐标值的参考点，利用移动终端在每个参考点位置接收定位信号源的观测值以及信号源身份识别码，最后记录每个参考点的位置信息以及该点观测的多个信号源的观测值以及信号源身份识别码；步骤3、生成虚拟定位信号观测值：利用采集到的定位信号源观测值及其对应的参考位置，生成虚拟定位信号观测值，其方法包括移动设备在同一时刻观测的不同定位源的观测值求差，或移动设备在不同空间位置处对同一定位源的观测值求差，或其他方法；步骤4、生成泛在信号观测值指纹库：利用同一参考位置的原始观测或虚拟定位观测值计算指纹特征库参数，包括但不限于贝叶斯密度模型参数。步骤5、向用户分发匹配定位指纹库：将生成的匹配定位指纹库发布给其他用户移动设备使用，或配置在云服务器用于提供定位服务；步骤6、定位用户采集观测值：用户移动设备采集环境中的定位信号源观测值，然后生成相应的定位信号虚拟观测值，根据原始观测值或虚拟观测值查询指纹特征库参数，重构指纹特征分布；步骤7、指纹匹配定位：将用户移动设备采集生成定位信号虚拟观测值，利用原始观测值和虚拟观测值与定位指纹特征进行匹配，采用选定的匹配算法，确定用户移动设备当前时刻的空间位置；步骤8、下一时刻重复步骤6至7，直到定位任务结束。下面结合附图对本发明作进一步描述。图1是本发明提供的泛在定位信号源与移动定位终端组成的拓扑关系结构示意图。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法，分为两个阶段：(1)训练定位信号特征指纹库；(2)在线匹配定位计算。在定位指纹特征库训练阶段，定位终端对每个定位源以一定时间间隔采集一组观测值，形成一个观测值向量。对于给定的定位信号源，在不同的位置定位终端收集到的观测值是不同的。这样，在某一个位置，定位终端收集到多个定位源的观测值，形成一个观测值矩阵。这个观测值矩阵是与该位置关联的，从该观测值矩阵可以得到关于该位置的泛在信号特征表征。在定位区域，在若干个位置采集观测值矩阵，建立一个与位置关联的泛在信号特征表征矩阵。在定位阶段，对移动终端设备采集到的定位信号观测值进行处理得到定位特征量，将该特征量与定位特征指纹库中的特征指纹进行匹配，由匹配定位计算设备计算移动终端设备的当前位置，并在地图可视化用户界面显示。在此基础上，结合具体应用场景开发相关的位置服务应用。所述匹配算法包括贝叶斯估计类方法、观测值域最短距离类方法以及基于其它定位原理的算法等。本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位系统，包括：定位信号源设备；产生和发射定位信号的定位源设备；定位信号观测传感器；用于接收、观测定位信号的传感器；定位信号特征指纹库计算设备；将定位信号观测量采集设备采集到的定位信号计算生成定位信号特征指纹库；定位信号特征指纹库；根据采集的定位信号观测量计算生成的定位信号特征指纹库，用于匹配定位计算；移动定位终端设备；包含定位信号观测传感器的定位设备，用于观测、记录定位信号，利用计算资源计算其自身的位置的设备；匹配定位计算设备；对定位移动终端设备采集到的定位信号进行计算处理；数据存储介质；储存定位信号特征指纹库计算设备计算生成的定位信号特征指纹库数据；位置地图可视化用户界面；对匹配定位计算设备计算处理的数据进行图形化显示。所述定位信号观测量采集设备连接定位信号观测量采集终端，用于采集定位信号；将采集到的定位信号通过所述定位信号特征指纹库计算设备计算生成定位信号特征指纹库；所述特征指纹库存储于数据存储介质中；所述匹配定位计算设备对定位移动终端设备采集到的定位信号进行计算处理并在位置地图可视化用户界面显示。图2为本发明实施例提供的室内空间泛在定位信号指纹库稀疏表征和匹配定位方法数据处理方法示意图，首先通过移动终端采集环境中泛在的定位信号源观测值，通过定位信号特征指纹库计算设备生成定位特征指纹库。以贝叶斯指纹匹配方法为例，在传统的贝叶斯算法的指纹库建立时，需要将每个指纹点处接收到的ap的rssi值计算并记录下各个ap的概率分布。在ri指纹点处的ap名为am的信号强度rssi值为xn的概率可以表示为：式中，是代表信号强度rssi的观测值xn在第i个指纹点处的训练数据中出现的次数，ni代表在第i个指纹点处采集到的训练样本的总数。整个指纹库可以表示为：d＝[r1，r2，...，rw](2)式中，w是该区域采集的指纹点的总数量。为了提高计算效率，为了减弱信号强度rssi值奇异性的影响。传统算法在建立指纹库时将信号强度值rssi划分为了9个范围，每个范围可以看成是一个bin，这样在建立指纹库的时候就以bin为单位记录下每个ap的概率分布；匹配定位时，根据所接收到的ap的信号强度rssi值找出其对应的bin获取概率即可。此时，第i指纹点的ap名为am的第bn个bin可以表示为：式中，en-1和en分别是bn的左右界限，代表rssi值在(en-1,en]范围内出现的次数。本发明采用weibull贝叶斯密度模型描述每个指纹点上接收的各个ap的rssi的概率密度，概率密度函数表达式为：计算概率分布的函数表达式为：x是此函数的变量，k是形状参数，λ是尺度参数，θ是移位参数。weibull贝叶斯密度模型的参数估计可以用有限的rssi值的样本量完成。模型的参数(λ、k、θ)的计算公式如下：式中，是一组rssi值oi的均值；std是标准差；γ是伽玛函数；(k+0.15)是在1.5≤k≤2.5的近似表达式。基于weibull信号模型的指纹匹配方法中建立指纹库时只需记下指纹点上各个ap的三个参数，数据量大大减少。匹配定位时会根据实时接收的各个ap的rssi值基于weibull贝叶斯密度模型动态地计算概率分布。在定位阶段将接收到的ap的rssi值的加5db、减5db，根据贝叶斯密度模型计算相应的概率为：式中，x表示为在指纹点ri处智能手机的接收到ap名为am的rssi值。指纹库中已记录了weibull信号模型所需的三个参数即模拟出在指纹点ri处智能手机的接收到ap名为am的rssi值的概率分布。本发明的指纹匹配法是运用了贝叶斯理论和最大似然估计法。原理就是使用条件概率为位置指纹建立模型然后采用贝叶斯推理机制来估算定位终端的位置，也叫贝叶斯概率算法，基本原理为：式中，x代表指纹库中的某个指纹点；y代表智能手机在定位点接收到的ap的rssi值；p(x|y)代表在rssi值为y时，定位点出现在指纹点x的概率；p(y|x)代表在指纹点x处rssi值为y的概率；p(x)代表指纹点的概率。从公式(13)中得知，当p(x|y)值最大时，即在定位点接收到的rssi值为y时指纹点x出现的概率最大，即与定位点最为匹配可作为定位结果输出。因此，贝叶斯概率法就是求出p(x|y)的最大值，此时的x即为定位结果，公式为：为获取p(y|x)的最大值，通过贝叶斯原理公式可以知道p(x)和p(y)在每个指纹点处是相同的，即可转化为求解p(y|x)的最大值，其代表的意义是在指纹点x处接收到的各个ap的rssi值的概率，因为各个ap间是独立的，所以只要求出各个ap的rssi值的概率乘积最大值，公式如下：式中，x代表指纹库中的某个指纹点；yj代表智能手机在定位点接收到的第j个ap的rssi值。因此，求出在各个指纹点处所有ap出现的条件概率乘积，根据最大似然估计法找出概率最大值，相应的指纹点便是定位结果。在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12