利用信号时间相关性提高指纹室内定位精度的方法
【技术领域】
[0001] 本发明设及通信、导航定位技术领域，具体地，设及一种利用时间相关性提高WiFi 指纹定位精度的方法。
【背景技术】
[0002] 定位服务是多年来在众多领域拥有广泛应用前景的技术，GPS卫星定位及各类地 图导航方便了千家万户。在运移动互联快速发展的时代，室内定位是移动服务最后一米的 机会，公共安全、商场停车场定位导览、社交交友互动、商品市场推广等诸多领域，都需要良 好的室内定位技术提供支持。室内定位技术是移动互联和物联网时代正在热口研究和发展 的技术之一。
[0003] 如今，室内定位主要采用无线通讯、基站定位、惯导定位等技术实现室内人员和物 体的位置确定。除了通信网络的蜂窝定位技术外，常见的室内无线定位技术还有Wi-Fi、蓝 牙、RFID、ZigBee、超声波等。其中属Wi-Fi无线局域网应用覆盖最为广泛，目前家庭、商场、 餐厅宾馆室内环境有越来越多的Wi-Fi热点提供服务。基于Wi-Fi广泛的硬件设施基础和前 提，利用Wi-Fi来实现定位的技术研究不断进步，目前主要有两种解决方案：一种是经验测 试建立指纹地图的概率模型，另一种是利用信号传播模型进行位置估计计算。由于时间同 步、信道噪声、传感器精度等问题，TDOA技术的定位精度难W得到大幅提升。同时，大数据云 计算平台给予Wi-Fi的指纹定位方法更多思路与契机。
[0004] 然而基于Wi-Fi的指纹定位方法的精度始终难W满足更高的需求，主要原因在于 信号的时变性、复杂的环境多径效应、硬件敏感度W及移动物体噪声影响等。许多研究工作 也研发出许多方法来提高Wi-Fi指纹定位方法的精度，如利用移动设备的嵌入传感器探知 移动物体的位置，群智众筹的方法能快速获取大量训练数据，还有机器学习的方法减少定 位阶段的时延等。
[0005] 经过对现有技术文献的检索发现，绝大部分科学研究将信号强度值作为独立的变 量进行建模分析，同时把信号的时间相关性视作影响定位精度的因素。然而我们发现正是 由于复杂的环境因素，导致不同信号在不同位置具有不同的时间相关性，运一信息可W提 取出来作为额外的信息来提高定位的精度。
【发明内容】
[0006] 针对现有技术中的缺陷，本发明的目的是提供一种利用信号时间相关性提高指纹 室内定位精度的方法。
[0007] 根据本发明提供的一种利用信号时间相关性提高指纹室内定位精度的方法，包括 如下步骤：
[000引步骤1:采集线下训练数据；
[0009]步骤2:为每个定标点处的每个Wi-Fi信号发射器建立高斯概率分布，并用采集的 线下训练数据得到高斯概率分布的参数；
[0010] 步骤3:基于所述高斯概率分布的参数，对双曲曲面边界进行训练，得到信号强度 RSS数据在概率空间中定位的区间E，完成信号强度指纹地图；
[0011] 步骤4:接收用户上传的数据，所述用户上传的数据包括信号强度矩阵X和定位请 求;其中，信号强度矩阵X的获取方法为：由用户使用移动终端进行多次测量无线信号强度， 获得不同路由器的信号强度矩阵X;
[0012] 步骤5:根据定位请求，将用户上传的数据与信号强度指纹地图相比较，考虑D维时 间序列的相关性，映射为概率空间的向量，通过双曲曲面边界条件及相关系数P的匹配，找 到最大概率的位置作为定位结果；
[0013] 步骤6:将定位结果返回给用户。
[0014] 步骤7:用户对定位结果进行反馈，如果用户反馈定位结果是正确的，则将测量的 信号强度矩阵X放入数据库中训练所述高斯概率分布;如果用户反馈定位结果是错误的，贝U 不将测量的信号强度矩阵X放入数据库中训练所述高斯概率分布。
[0015] 优选地，所述步骤1包括如下步骤：
[0016] 步骤1.1:将室内定位区域划分为多个定位区间W及设定k个定标点；
[0017] 步骤1.2:在每个定标点处，打开Wi-Fi信号强度的扫描设备，标定所在定标点的位 置信息，对扫描设备的信号捜索范围内的n个Wi-Fi信号发射器发出的信号，设定扫描时间 间隔T和扫描次数m;令扫描设备开始扫描测量，并将测量数据存储为信号强度矩阵X:
[0019]其中，xi，iy如，表示在一个定标点处第i个Wi-Fi信号发射器发出的信号的时 间序列向量;xij，l < 1 <n，l < j <m，表示在一个定标点处对信号捜索范围内第1个Wi-Fi信 号发射器发出的信号进行第j次信号强度测量得到的测量数据；
[0020] 步骤1.3:将信号强度矩阵X作为线下训练数据。
[0021] 优选地，所述步骤2包括如下步骤：
[0022] 步骤2.1:对每个定标点r处的时间序列向量Xi考虑D次测量的信号时间相关性，构 建D维高斯概率分布fr( Xi )为：
[0024]其中，det(*)表示求行列式，A 2为马氏距离，e表示自然底数；
[002引 A 2= [(X-W)Ts-I(X-Ii)];
[0026] 其中，I：表示相关矩阵；
[0027] 步骤2.2:对D维高斯概率分布frUi)的每一个维度进行坐标系旋转，旋转45°，使马 氏距离A 2变换成为只有二次项的正交表示；
[0028] 步骤2.3:利用最大似然估计方法，计算高斯概率分布的参数ii，I：，得出Wi-Fi信号 强度的指纹地图；
[0029] 首先，构建利用测量数据构成相关性计算矩阵A，每D个相邻数据构成一个向量：
[0031] 其中，XU表示在一个定标点处对第i个Wi-Fi信号发射器发出的信号进行第j次信 号强度测量得到的测量数据，1 < j <m;
[0032] 然后利用A计算高斯概率分布的参数ii、I：: 7!].-
[0033] H= Pd.
[0034] 其中，y为信号强度的均值向量化，i = l，2,…，D，表示AT的第i个向量的均值；
[0035] 2=[Cov[Ak，Aj]]，k=l，2，...，D;j = l，2，...，D
[0036] 其中，Ak为AT的第k个向量，Aj表示AT的第j个向量；
[0037] 为信号的相关系数0维向量，由于信号传播过程为平稳随机过程，^31表示1维时间 间隔下的相关系数；
[003引 S用化表示为：
[0040] 特别地，D等于2时，相关矩阵I：表示为： a" 口'。2-
[0041] S= ? Lp打之 CF' J
[0042] 其中，O2表示信号强度矩阵X中某一行元素的方差。
[0043] 优选地，所述步骤2.2包括如下步骤：
[0044] 找到相关矩阵I：的一组标准正交基Ui, i = l，2,…，m，则变换矩阵U为U= [U1， U2, . . .，Um]T，其中，Ui表示第i个标准正交基；
[0045] 设分布变量y = u(x-y)，则fr(Xi)经变换后得到新坐标系下的D维高斯概率分布fr (y|y，2):
[0047]其中，、表示第i个特征值;yi表示第i维变量。
[004引优选地，所述步骤3包括如下步骤：
[0049] 步骤3.1:基于所述高斯概率分布，在概率空间中对样本进行边界训练;物理空间 中的定标点r对应样本空间区间为E，定义为：
[0050] E= {x I fr(y |]i(r), 2 (r)) > fr±s(y |ji(r±5), 5： (r±5))}
[0051] 其中，X表示信号强度矩阵，y表示分布变量，S表示误差距离，ii(r)表示定标