基于LTE信号的高低楼层区分方法与流程

本发明涉及高低楼层区分方法，属于信号处理技术领域。

背景技术：

随着通信技术的飞速发展，智能手机越来越受到欢迎，人们对智能手机所提供的服务也有了更高的要求。其中，基于位置的服务(locationbasedservice，lbs)已经成为人们日常工作、生活所必须的一项基本服务需求。lbs是指通过地理信息系统平台的支持，为终端提供基于位置信息的服务。lbs的应用潜力提出了无缝覆盖室内、室外定位的迫切需求。具有全球导航卫星系统(gnss)功能的终端能够确定设备在户外的位置，并且终端中的大量应用和服务可以利用这种精确定位。然而，用户必须在室外无遮挡的环境中定位，而gnss信号无法穿透墙壁在室内环境和地下室传播，由于建筑物的屏蔽，gnss信号会迅速衰减。在大多数室内情况下，gnss定位范围是有限的，终端在室内无法接收到有效的gnss信号，因此gnss无法在室内使用。在这些限制条件下，室内定位比室外定位更具挑战性。因此，近年来它一直是研究的重点之一。

目前的室内定位系统使用各种不同的无线传输技术，例如wifi，红外线，rfid(射频识别)，蜂窝网，超声波，视觉和激光等。在室内定位中，除了需要考虑定位精度外，设备成本也需重点考虑，比如超声波定位方法和激光定位方法成本过高，并且安装不便。因为wifi定位技术成本低，因此许多室内定位技术都是利用wifi信号进行定位；但是wifi信号传播距离很短，并且使用wifi进行定位需要多个ap，在一些建筑物中不满足wifi定位的要求，因此wifi定位方法的使用有一定的局限性。蜂窝无线信号是wifi室内定位的有力替代品，接收的信号电平比卫星系统更强，并且蜂窝网的部署能够在室内提供良好的覆盖。特别地，新的lte(longtermevolution，长期演进)信号具有高带宽以及帧和同步结构，使其非常适合于定位目的。并且使用一部智能手机能很容易地获取到lte信号，不需要昂贵的设备成本和很长的设备安装时间。

大部分室内定位方法都是基于二维空间的定位，即只关注水平定位，而高度信息即楼层信息往往被忽略。水平方向上的定位误差是人们可以接受的，但是垂直方向上如果定位误差较大，则会将用户定位到错误的楼层，这是人们无法接受的。因此在室内定位中，精确的楼层识别对于用户来说是更重要的。传统的楼层识别方法主要是wifi室内定位或者在室内安装微微蜂窝网络。除手机终端外，这些方法均需要在室内安装额外的设备。且基于位置指纹的室内定位方法对信号波动十分敏感，楼层识别的精度偏低。

技术实现要素：

本发明为解决现有定位技术的信号强度波动对楼层识别精度影响大的问题，提供了基于lte信号的高低楼层区分方法。

本发明所述基于lte信号的高低楼层区分方法，通过以下技术方案实现：

步骤一、根据需要定位的建筑结构，选择坐标原点p0(x0,y0,z0)，并建立三维直角坐标系；

步骤二、在每一楼层，根据该层室内环境，均匀选取若干参考点，通过载有lte信号获取设备的平台在所述参考点处进行lte信号采集，并且记录获得的lte信号中的楼层信息；

步骤三、获取采集到的lte信号中主服务小区的参考信号接收功率rsrp、lte参考信号接收质量rsrq、接收的信号强度指示rssi、演进通用陆地无线接入网络小区标识eci，以及邻小区的rsrp、eci，并结合步骤二记录的楼层信息，建立离线数据库database；

步骤四、将数据库中数据按照楼层高低划分为两类：高楼层、低楼层，利用支持向量机算法对database进行训练，得到高低楼层区分模型；

步骤五、由待测信号得到待测信号向量，并将其作为步骤四中得到的高低楼层区分模型的输入，模型的输出即为高低楼层区分结果。

作为对本技术方案的进一步阐述：

进一步的，步骤三中所述建立离线数据库database具体包括以下步骤：

步骤三一、计算采集到的lte信号中全部eci的集合；设第i条lte信号中全部小区集合为{eci}i，信号总条数为m，i＝1,2,…,m；全部eci的集合eciall为：

其中，n是eci的数量；ecij为eciall中的第j个eci；j＝1,2,…,n；

步骤三二、对第i条lte信号中的第j个小区的rsrp值进行以下处理：

其中，rsrp_l是比全部采集的lte信号中rsrp值小的固定值；

步骤三三、通过步骤三二的处理过程，得到rsrp矩阵：

构造rssi向量：

ri＝[ri1ri2…rim]^t(4)

其中，rii是第i条lte信号中参考点接收的主服务小区的rssi；上标t表示转置；

构造rsrq向量：

rq＝[rq1rq2…rqm]^t(5)

其中，rqi是第i条lte信号中参考点接收的主服务小区的rssi；

结合公式(3)、(4)、(5)得到信号空间：

s＝[prirq](6)

步骤三四、构造楼层位置向量：

l＝[l1l2…lm]^t(7)

其中，li∈{+1,-1}为第i个参考点所在楼层高低；若该参考点位于低楼层，则li＝-1，否则li＝+1；

步骤三五、得到离线数据库database：

d＝[ls](8)。

进一步的，步骤四具体包括以下步骤：

步骤四一、将database按照楼层高低划分为两类：高楼层与低楼层；

步骤四二、确定目标函数：

其中，为离线数据库database中的信号空间s的第i行的转置；和为待优化变量；表示实数，表示n+2行1列的实数矩阵；

步骤四三、定义lagrange函数：

其中，α＝[α1,α2,…,αm]^t，αi为lagrange乘子，且αi≥0,i＝1,2,…,m；将目标函数转化为求对偶问题：

步骤四四、对式(10)分别关于w和b求偏导数，并令偏导数均等于0

步骤四五、将式(12)、(13)代入(10)中，得到：

其中，表示等价于；函数q(α)等价于l(w,b,α)；

步骤四六、求解等效问题maxq(α)，得到α的最优解进而得到w与b的最优解w^*和b^*：

其中，maxq(α)表示使得q(α)最大的α；

步骤四七、确定高低楼层区分模型：

其中，s为lte信号向量，<·,·>表示计算向量内积的运算符。

进一步的，步骤五具体包括以下步骤：

步骤五一、对待测信号中的第j个小区的rsrp值进行以下处理：

从而得到待测信号中rsrp向量：

步骤五二、得到待测信号向量：

s^t＝[p^tri^trq^t]^t(20)

其中，ri^t是待测信号中主服务小区rssi值，rq^t是待测信号中主服务小区rsrq值；

步骤五三、将s^t输入f(s)，若f(s^t)>0，表示区分结果为高楼；若f(s^t)＜0，表示区分结果为低楼层；若f(s^t)＝0，表示区分失败。

进一步的，步骤二中在进行lte信号采集时，每个参考点采集2～4min。

进一步的，步骤四中所述按照楼层高低划分为两类的具体过程为：

若该建筑共有f层，则为低楼层，为高楼层，表示向下取整。

本发明最为突出的特点和显著的有益效果是：

本发明所涉及的基于lte信号的高低楼层区分方法，利用一部智能手机能很容易地获取到lte信号样本建立高低楼层区分模型，然后只需要将待检测的信号向量作为高低楼层区分模型的输入，即可得到楼层的区分结果。由于新的长期演进(lte)信号具有高带宽以及帧和同步结构，使得本发明方法可以不需要在室内安装传统楼层识别技术所需的额外设备，就能实现精确的高低楼层区分，并且信号强度波动对楼层区分精度的影响较小，在信号强度波动较大的情况下，也能够达到90％的高低楼层区分精度。本发明方法也可拓展用于不同楼层的精确区分。

附图说明

图1为本发明中建立坐标系示意图；

图2为本发明中database的组成示意图；

图3为本发明中单条lte信号的信号组成示意图；

图4为本发明方法流程示意图；ap1,…,apn表示n个无线访问接入点。

具体实施方式

具体实施方式一：结合图1、图3、图4对本实施方式进行说明，本实施方式给出的基于lte信号的高低楼层区分方法，具体包括以下步骤：

步骤一、根据需要定位的建筑结构，选择坐标原点p0(x0,y0,z0)，并建立楼宇级别的三维直角坐标系p0xyz；如图1所示。

步骤二、在每一楼层，根据该层室内环境，均匀选取若干参考点，通过载有lte信号获取设备(例如手机)的平台在所述参考点处进行lte信号采集，并且记录获得的lte信号中的楼层信息；

步骤三、获取采集到的lte信号中主服务小区的参考信号接收功率rsrp、lte参考信号接收质量rsrq、接收的信号强度指示rssi、演进通用陆地无线接入网络小区标识eci，以及邻小区的rsrp、eci，并结合步骤二记录的楼层信息，建立离线数据库database。

步骤四、该步骤为离线阶段。将数据库中数据按照楼层高低划分为两类：高楼层、低楼层，利用支持向量机算法(svm算法)对database进行训练，得到高低楼层区分模型；

步骤五、该步骤为在线阶段。由待测信号得到待测信号向量，并将其作为步骤四中得到的高低楼层区分模型的输入，模型的输出即为高低楼层区分结果。

具体实施方式二：本实施方式与具体实施方式一不同的是，步骤三中所述建立离线数据库database具体包括以下步骤：

步骤三一、计算采集到的lte信号中全部eci的集合；设第i条lte信号中全部小区集合为{eci}i，采集到的lte信号总条数为m，i＝1,2,…,m；全部eci的集合eciall为：

其中，n是eci的数量；ecij为eciall中的第j个eci；j＝1,2,…,n；

步骤三二、对第i条lte信号中的第j个小区的rsrp值进行以下处理：

其中，rsrp_l是比全部采集的lte信号中rsrp值小的固定值；

步骤三三、通过步骤三二的处理过程，得到rsrp矩阵：

构造rssi向量：

ri＝[ri1ri2…rim]^t(4)

其中，rii是第i条lte信号中参考点接收的主服务小区的rssi；上标t表示转置；

构造rsrq向量：

rq＝[rq1rq2…rqm]^t(5)

其中，rqi是第i条lte信号中参考点接收的主服务小区的rssi；

结合公式(3)、(4)、(5)得到信号空间：

s＝[prirq](6)

步骤三四、构造楼层位置向量：

l＝[l1l2…lm]^t(7)

其中，li∈{+1,-1}为第i个参考点所在楼层高低；若该参考点位于低楼层，则li＝-1，否则li＝+1；

步骤三五、得到离线数据库database，如图2所示：

d＝[ls](8)。

其他步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式二不同的是，步骤四使用支持向量机算法对离线数据库database进行训练，得到楼层识别模型，具体包括以下步骤：

步骤四一、将database按照楼层高低划分为两类：高楼层与低楼层；

步骤四二、确定目标函数：

其中，为离线数据库database中的信号空间s的第i行的转置，li为离线数据库database中的位置向量的第i个分量；和为待优化变量；表示实数，表示n+2行1列的实数矩阵；

步骤四三、定义lagrange函数：

其中，α＝[α1,α2,…,αm]^t，αi为lagrange乘子，且αi≥0,i＝1,2,…,m；将目标函数转化为求对偶问题：

步骤四四、对式(10)分别关于w和b求偏导数，并令偏导数均等于0

步骤四五、将式(12)、(13)代入(10)中，得到：

其中，表示等价于；函数q(α)等价于l(w,b,α)；

步骤四六、求解等效问题maxq(α)，得到α的最优解进而得到w与b的最优解w^*和b^*：

其中，maxq(α)表示使得q(α)最大的α；

步骤四七、确定高低楼层区分模型：

其中，s为lte信号向量，<·,·>表示计算向量内积的运算符。

其他步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式三不同的是，步骤五将待测信号向量作为高低楼层区分模型的输入，模型的输出即为高低楼层识区分结果。具体包括以下步骤：

步骤五一、对待测信号中的第j个小区的rsrp值进行以下处理：

从而得到待测信号中rsrp向量：

步骤五二、得到待测信号向量：

s^t＝[p^tri^trq^t]^t(20)

其中，ri^t是待测信号中主服务小区rssi值，rq^t是待测信号中主服务小区rsrq值；

步骤五三、对于步骤四七中确定的高低楼层区分模型f(s)，将s^t输入f(s)，若f(s^t)>0，表示区分结果为高楼；若f(s^t)＜0，表示区分结果为低楼层；若f(s^t)＝0，表示区分失败。

其他步骤及参数与具体实施方式一、二或三相同。

具体实施方式五：本实施方式与具体实施方式一不同的是，步骤二中在进行lte信号采集时，每个参考点采集2～4min。这个时间区间能够保证采集到的信号完整稳定。

其他步骤及参数与具体实施方式一、二、三或四相同。

具体实施方式六：本实施方式与具体实施方式一、二、三、四或五不同的是，步骤四中所述按照楼层高低划分为两类的具体过程为：

若该建筑共有f层，则为低楼层，为高楼层，表示向下取整。

其他步骤及参数与具体实施方式一、二、三、四或五相同。高低楼层的划分不拘于采用本实施方式的方法，按照实际需求进行划分即可。

本发明方法也可采用以下方式拓展用于不同楼层的精确区分：

(1)采用本发明方法将划分为低楼层，划分为高楼层，对于这上、下两个大分类分别运用本发明方法进行二分区分，二次分类后的分区还可以继续使用本发明方法进行区分，不断重复直至精确至各个楼层。

(2)将f层的建筑则1层和[2,f]层两类，若判定属于[2,f]；则将[2,f]重新运用本发明方法，分为2层和[3,f]，判断属于那部分；重复运用，直至精确找到属于哪个楼层。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。