压缩感知定位方法
【技术领域】
[0001] 本发明涉及室内定位领域，尤其涉及一种压缩感知定位方法。
【背景技术】
[0002] 基于指纹信息的室内定位技术（以下简称为：指纹定位）它的主要思想来源于模 式识别，并默认用户位置即用户所持终端设备位置。无线接入点（AccessPoint，AP)信号的 强度随着传播距离的增加逐渐衰减，但是实际的室内空间总比理想情况复杂，信号强度的 分布也不再规律。如图1所示，一般智能终端设备可以在WLAN覆盖区域内搜索到多个AP，并 且在覆盖区域内都能接收到信号强度值RSSI(ReceivedSignalStrengthIndication)。 WLAN定位的主旨是在离线阶段感知收集定位环境下每个位置的RSSI采样信息，并建立 RSSI信息数据库；在线阶段根据终端设备在具体位置接收到的RSSI信息匹配已建立的数 据库信息，最终计算出终端设备的具体位置。
[0003] 由于室内复杂多变的空间环境，会对RSSI采样值产生影响，需要定期更新RSSI采 样信息数据库，对室内场景重新标定。当室内场景较大并且标定的点较多时，更新RSSI采 样数据库则会是一个费时费力的过程。现有的技术是通过虚拟标定的方法减少工作量。虚 拟标定的方法是粗略的标定当前室内空间的RSSI采样信息后，通过建模的方式估算出余 下细化标定点的RSSI信息，从而达到减少工作量的目的。然而虚拟标定的方法中RSSI的 数据库数量较大，在进行数据匹配的时候耗时较多，硬件要求较高。
【发明内容】
[0004] 本发明要解决的技术问题是：提供一种基于压缩感知的方法减少信号的采集，并 能够得到足够高的定位精度的压缩感知定位方法。
[0005] 为实现上述目的，所述压缩感知定位方法包括以下步骤：
[0006] 步骤1:在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；
[0007] 步骤2:对稀疏采样矩阵恢复得到RSSI矩阵；
[0008] 步骤3:无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比， 得到当前位置；
[0009] 所述步骤1包括：建立采样模型，对环境空间根据稀疏采样算子进行稀疏采样，得 到稀疏采样矩阵；
[0010] 所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩 阵。
[0011] 所述稀疏采样算子为随机布尔数组。
[0012] 进一步的，所述采样模型为对空间平面分成M个参考位置，并对每个参考位置的 上下左右四个方向分别各采样X次。
[0013] 进一步的，所述X为5次。
[0014] 本发明压缩感知定位方法通过对空间区域内的若干个随机参考位置上进行各方 向多次采样，获得空间区域内的稀疏采样矩阵，并通过L1最小化算法恢复出满足一定定位 精度的RSSI矩阵，降低RSSI矩阵构建的时间。
【附图说明】
[0015] 下面结合附图，通过对本发明的【具体实施方式】详细描述，将使本发明的技术方案 及其它有益效果显而易见。
[0016] 附图中，
[0017] 图1为本发明压缩感知定位方法的基本原理工作示意图；
[0018] 图2为本发明压缩感知定位方法流程示意图；
[0019] 图3为本发明压缩感知定位方法的定位场景示意图；
[0020]图4为本发明压缩感知定位方法的参考位置采样方位示意图；
[0021]图5为本发明压缩感知定位方法的稀疏采样示意图；
[0022]图6为本发明压缩感知定位方法的稀疏采样矩阵的恢复流程图。
【具体实施方式】
[0023] 为更进一步阐述本发明所采取的技术手段及其效果，以下结合本发明的优选实施 例及其附图进行详细描述。
[0024] 请参阅图2,本发明【具体实施方式】提供一种压缩感知定位方法，所述压缩感知定位 方法包括以下步骤：
[0025] 步骤1:在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；所 述步骤1包括：建立采样模型，对环境空间根据稀疏采样算子进行稀疏采样，得到稀疏采样 矩阵。
[0026] 在本实施方式中，如图3把室内场景分割成网格状进行标定，需要的定位精度越 高，网格的划分就越小，形成的采样矩阵就越大。假设室内场景存在M个参考位置，N个AP。 图中黑色的方格为随机减少采集的参考位置，随机减少参考位置数量m〈M/2 (小于总数量 的一半），白色的方格为需要进行采样的参考位置。
[0027] 如图4所示，我们用智能设备（智能手机、平板电脑等）在白色方格位置朝四个方 位各采样AP信号5次，得到稀疏采样矩阵X。
[0028] 如图5所不，稀疏矩阵行为5X4XN，表不AP每次在所有参考位置的米样信号强 度；列为M，表示每个参考位置所有AP采样值。黑色列表示无采集数据的参考位置，白色列 表示已经采样的参考位置。如果我们用〇表示所有参考位置完整采样的信息矩阵，那么稀 疏采样过程可以表述为
[0029] x =〇? *y
[0030]
[0031] 这里x是稀疏采样矩阵；〇是原始的完整RSSI信息矩阵，矩阵大小为 (4X5XN，M)，并且N彡0(KlogM) ;y是采样指数矩阵，y中为1的表示该位置采样，为0的 表示该位置跳过，未采样。
[0032] 所述稀疏采样算子y为随机布尔数组。
[0033] 步骤2:对稀疏采样矩阵恢复得到RSSI矩阵。
[0034] 所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩 阵。
[0035] 在本实施方式中，如图6所示，在离线阶段得到的稀疏采样矩阵可能不具备严格 数学意义的稀疏特性。根据压缩感知理论知，压缩感知所处理的矩阵必须具备稀疏特性，但 是实际上绝大部分信号本身并不稀疏，为此，需要对采样矩阵做稀疏变换。用一组基W= {也i，力2...，力m}对采样矩阵x做稀疏变换，
[0036]
[0037] ，W是MXM的正交矩阵，x和S都是M维向量。经过稀疏变换后得到稀疏矩阵y =〇Wx+e。其中，e是信号噪声，W是AP信号强度特征
[0038] 令R= 〇V，矩阵於是矩阵R的伪逆，Q=orth(RT)T，orth(R)是R的正交基。那 么存在正交变换
[0039]
[0040] 使得z=Ty。带入y，T,可得
[0041]
[0042] 因为辦是R的伪逆，那么Q發'以=f因此z =QX+Te。
[0043] 这里Q是一个正交矩阵，并且Q满足约束等距性（RestrictedIsometry Property)。由于参考位置M?N(远远大于）AP的数量，当AP的数量N和logM在一个数 量级时，满足
[0044]
[0045]这里的|卜| |i是二-范数。通过求出
的最优 解就可以得到X，从而通过z=Qx+e'计算得到完整的近似矩阵z。
[0046] 虽然矩阵z是完整RSSI信息采样矩阵〇的近似矩阵，但是在满足约束等距性 (RestrictedIsometryProperty)的条件下，随机减少一半参考位置采样，稀疏恢复矩阵z 和完整RSSI采样矩阵〇的相对误差可保持在6%以下。最后，把恢复得到完整的近似矩阵 z存入RSSI采样信息数据库。
[0047] 步骤3:无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比， 得到当前位置。
[0048]在本实施方式中，建立并存储完整RSSI采样信息数据库后，在线阶段用户所 持智能设备采集当前位置的所有AP信号信息，与RSSI采样信息数据库进行匹配，可以 计算得到当前位置。例如，在线阶段利用基于权重的K近邻算法（WeightedK-Nearest Neighbor，WKNN)匹配RSSI采样信息数据库，计算出当前智能设备的实时位置。
[0049] 以上所述，对于本领域的普通技术人员来说，可以根据本发明的技术方案和技术 构思作出其他各种相应的改变和变形，而所有这些改变和变形都应属于本发明权利要求的 保护范围。
【主权项】
1. 一种压缩感知定位方法，其特征在于，包括以下步骤： 步骤1 :在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵； 步骤2 :对稀疏采样矩阵恢复得到RSSI矩阵； 步骤3 :无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比，得到 当前位置； 所述步骤1包括：建立采样模型，对环境空间根据稀疏采样算子进行稀疏采样，得到稀 疏采样矩阵； 所述步骤2包括：对所述稀疏采样根据Ll最小化算法进行矩阵恢复，得到RSSI矩阵。 所述稀疏采样算子为随机布尔数组。2. 根据权利要求1所述压缩感知定位方法，其特征在于，所述采样模型为对空间平面 分成M个参考位置，并对每个参考位置的上下左右四个方向分别各采样X次。3. 根据权利要求2所述压缩感知定位方法，其特征在于，所述X为5次。
【专利摘要】本发明提供的压缩感知定位方法包括以下步骤：步骤1：在WIFI环境下，对环境空间内进行无线信号采样，得到稀疏采样矩阵；步骤2：对稀疏采样矩阵恢复得到RSSI矩阵；步骤3：无线接入点采集当前位置的无线信号信息，并与所述RSSI矩阵进行对比，得到当前位置；其中所述步骤1包括建立采样模型，对环境空间进行稀疏采样，得到稀疏采样矩阵；所述步骤2包括：对所述稀疏采样根据L1最小化算法进行矩阵恢复，得到RSSI矩阵。本发明通过对空间区域内的若干个随机参考位置上进行各方向多次采样，获得空间区域内的稀疏采样矩阵，并通过L1最小化算法恢复出满足定位精度的RSSI矩阵，降低RSSI矩阵构建的时间。
【IPC分类】G01S5/02, H04W4/02
【公开号】CN105005024
【申请号】CN201510432191
【发明人】由克
【申请人】深圳市西博泰科电子有限公司
【公开日】2015年10月28日
【申请日】2015年7月21日