基于信号分布Wasserstein距离度量的Wi-Fi室内定位方法与流程

本发明属于室内定位技术，具体涉及一种基于信号分布wasserstein距离度量的室内定位方法。

背景技术：

近年来，随着人们对室内位置服务(location-basedservice,lbs)需求的不断增加，室内定位系统在多个应用领域起着不可或缺的作用，如大型机场、购物超市、地下车库等场景中的行人定位与导航。由于室内环境中不易持续、稳定地捕获全球定位系统(globalpositioningsystem,gps)、北斗等卫星信号，从而卫星定位系统无法满足大多室内lbs的定位精度要求。

wi-fi室内定位方法主要有位置指纹法和几何测量法。前者通常包括离线和在线两个阶段，离线阶段通过采集预先标定的若干参考点(referencepoint,rp)处来自不同接入点(accesspoint,ap)的接收信号强度(receivedsignalstrength,rss)，构建位置指纹数据库；而在线阶段则将目标处新采集的rss与位置指纹数据库进行匹配以得到目标的估计位置，该方法存在的主要问题是位置指纹数据库的构建通常需要耗费大量的人力和时间开销。后者通常利用到达角(angleofarrival,aoa)、到达时间(timeofarrival,toa)、到达时间差(timedifferenceofarrival,tdoa)和rss等信号特征来测量ap与目标之间的几何相对位置，其中，aoa测量要求基站配置满足空间采样定理的天线阵列，toa和tdoa测量要求ap与目标之间的高精度时钟同步，而rss测量则相对易于实现，一般通过测量目标处多径信号的叠加场强来估计ap与目标之间的信号传播距离，但其存在的主要问题是室内复杂、时变的信号遮挡、多径效应等环境噪声容易导致测距精度的下降。

针对以上问题，本文提出一种基于信号分布wasserstein距离度量的wi-fi室内定位方法。该方法利不同参考位置接收来自不同ap的信号强度序列进行特征分析，并在基于wasserstein距离检验目标位置信号强度序列分布与参考位置信号强度序列分布的wasserstein距离，并基于一定规则以筛选理想匹配参考点进行定位。

技术实现要素：

本发明解决了基于信号强度指纹的定位方法中由于要问题是室内复杂、时变的信号遮挡、多径效应等环境噪声容易导致测距精度的下降，提供了一种基于信号分布wasserstein距离度量的wi-fi室内定位方法。

本发明所述的一种基于信号分布wasserstein距离度量的wi-fi室内定位方法的步骤如下：

1、基于信号分布wasserstein距离度量的wi-fi室内定位方法，其特征在于，包括以下步骤：

步骤一、离线阶段，将第n个参考点(rp)处来自第m个ap的wi-fi接收信号强度(rss)序列表示为其中，l表示离线序列长度(即离线rss样本数量)；

步骤二、构造关于rm,n的核密度估计函数并将其作为第n个rp处来自第m个ap的rss特征指纹，其中，h＝2.345σl^-0.2，

步骤三、遍历所有rp并对每个rp重复步骤二，得到关于所有rp处来自第m个ap的wi-firss序列的核密度估计函数，并将其作为所有rp处来自第m个ap的rss特征指纹，即pm＝{p(x)m,1,p(x)m,2,k,p(x)m,n}，其中，n表示rp个数；

步骤四、遍历所有ap并对每个ap重复步骤三，得到所有rp处来自所有ap的rss特征指纹矩阵其中，m表示ap个数；

步骤五、在线阶段，将目标位置处来自第m个ap的wi-firss序列表示为其中，l′表示在线序列长度(即在线rss样本数量)，然后根据步骤二构造关于rm的核密度估计函数q(x)m，并将其作为目标位置处来自第m个ap的rss特征指纹；

步骤六、遍历所有ap并对每个ap重复步骤五，得到关于目标位置处来自所有ap的wi-firss序列的核密度估计函数，即目标位置处来自所有ap的rss特征指纹q＝{q(x)1,q(x)2,k,q(x)m}；

步骤七、计算q(x)m与p(x)m,n的wasserstein距离wm,n＝∫|q(x)m-p(x)m,n|dx，并由此得到wasserstein距离矢量wm＝(wm,1,k,wm,n)；

步骤八、遍历所有ap并对每个ap重复步骤七，得到wasserstein距离矩阵

步骤九、通过计算目标位置的z个匹配rp的总波达数，即b1,l,bz，得到目标位置的估计位置坐标其中，(xt,yt)(t＝1,l,z)表示第t个匹配rp的位置坐标。

2、基于信号分布wasserstein距离度量的wi-fi室内定位方法，其特征在于，所述步骤九包括以下步骤：

步骤九(一)、按每个rp对应的wm,n由小到大对所有rp进行排序，得到关于第m个ap的rp排序集合um；

步骤九(二)、遍历所有ap并对每个ap重复步骤九(一)，得到关于所有ap的rp排序集合u＝{u1,k,um}；

步骤九(三)、以第n个rp为例，统计um中排序在其之后的rp个数bm(rpn)，并将其定义为第n个rp的波达数；

步骤九(四)、计算第n个rp在所有排序集合中的波达数之和并将其定义为第n个rp的总波达数；

步骤九(五)、遍历所有rp并对每个rp重复步骤九(四)，得到每个rp的总波达数；

步骤九(六)、按每个rp的总波达数由大到小对所有rp进行排序，取前z个rp为匹配rp；

步骤九(七)、令第t(t＝1,l,z)个匹配rp的位置坐标为(xt,yt)且对应的总波达数为bt，计算目标位置的估计位置坐标为其中，

有益效果

本发明通过离线计算每个参考位置处接收来自每个ap信号强度序列的核密度估计，并将其作为每个ap下的参考位置特征指纹，然后计算目标位置处接收来自每个ap信号强度序列的核密度估计，并将其作为目标位置特征指纹。其次计算目标位置处特征指纹与所有参考位置特征指纹的来自每个ap的wasserstein距离。最后利用波达排序法筛选理想匹配参考点用于定位。本发明解决了传统基于rss指纹的定位方法易受室内复杂、时变的信号遮挡、多径效应等环境噪声导致测距精度下降的问题，利用该方法可以在较为复杂环境且室内ap数目较少的情况下保证定位系统的精确度。

附图说明

图1为本发明流程图；

具体实施方案

下面结合附图对本发明作进一步说明：

如图1所示的基于信号分布wasserstein距离度量的wi-fi室内定位方法，具体包含以下步骤：

步骤一、离线阶段，将第n个参考点(rp)处来自第m个ap的wi-fi接收信号强度(rss)序列表示为其中，l表示离线序列长度(即离线rss样本数量)；

步骤二、构造关于rm,n的核密度估计函数并将其作为第n个rp处来自第m个ap的rss特征指纹，其中，h＝2.345σl^-0.2，

步骤三、遍历所有rp并对每个rp重复步骤二，得到关于所有rp处来自第m个ap的wi-firss序列的核密度估计函数，并将其作为所有rp处来自第m个ap的rss特征指纹，即pm＝{p(x)m,1,p(x)m,2,k,p(x)m,n}，其中，n表示rp个数；

步骤四、遍历所有ap并对每个ap重复步骤三，得到所有rp处来自所有ap的rss特征指纹矩阵其中，m表示ap个数；

步骤五、在线阶段，将目标位置处来自第m个ap的wi-firss序列表示为其中，l′表示在线序列长度(即在线rss样本数量)，然后根据步骤二构造关于rm的核密度估计函数q(x)m，并将其作为目标位置处来自第m个ap的rss特征指纹；

步骤六、遍历所有ap并对每个ap重复步骤五，得到关于目标位置处来自所有ap的wi-firss序列的核密度估计函数，即目标位置处来自所有ap的rss特征指纹q＝{q(x)1,q(x)2,k,q(x)m}；

步骤七、计算q(x)m与p(x)m,n的wasserstein距离wm,n＝∫|q(x)m-p(x)m,n|dx，并由此得到wasserstein距离矢量wm＝(wm,1,k,wm,n)；

步骤八、遍历所有ap并对每个ap重复步骤七，得到wasserstein距离矩阵

步骤九、通过计算目标位置的z个匹配rp的总波达数，即b1,l,bz，得到目标位置的估计位置坐标其中，(xt,yt)(t＝1,l,z)表示第t个匹配rp的位置坐标。

2、根据权利要求1所述的基于信号分布wasserstein距离度量的wi-fi室内定位方法，其特征在于，所述步骤九包括以下步骤：

步骤九(一)、按每个rp对应的wm,n由小到大对所有rp进行排序，得到关于第m个ap的rp排序集合um；

步骤九(二)、遍历所有ap并对每个ap重复步骤九(一)，得到关于所有ap的rp排序集合u＝{u1,k,um}；

步骤九(三)、以第n个rp为例，统计um中排序在其之后的rp个数bm(rpn)，并将其定义为第n个rp的波达数；

步骤九(四)、计算第n个rp在所有排序集合中的波达数之和并将其定义为第n个rp的总波达数；

步骤九(五)、遍历所有rp并对每个rp重复步骤九(四)，得到每个rp的总波达数；

步骤九(六)、按每个rp的总波达数由大到小对所有rp进行排序，取前z个rp为匹配rp；

步骤九(七)、令第t(t＝1,l,z)个匹配rp的位置坐标为(xt,yt)且对应的总波达数为bt，计算目标位置的估计位置坐标为其中，