基于隐藏地标的室内定位系统指纹库构建方法
【专利摘要】一种基于隐藏地标的室内定位系统指纹库构建方法包括：挖掘隐藏地标相似点集合，隐藏地标坐标化和平滑采样点。本发明的技术方案有效地构建一个低成本、高精度的信号接收强度指示指纹库。
【专利说明】基于隐藏地标的室内定位系统指纹库构建方法
【技术领域】
[0001] 本发明涉及室内定位系统指纹库构建方法，具体涉及一种基于隐藏地标的室内定 位系统指纹库构建方法。
【背景技术】
[0002] 如今可穿戴设备或移动终端设备的市场正处于爆炸式增长阶段，基于这些移动终 端的应用也越来越多，其中基于位置的服务（Location Based Service, LBS)受到了学术 界和工业界的重点关注，其在个性化信息搜索、医疗保健、紧急救助等科技生活领域显示出 巨大的活力。目前，由于智能手机等各种终端设备的普及以及热点覆盖率的提升，能够保证 室内外无缝精确定位，这一点正好也契合建设智慧城市的需求，因此，在众多室内定位系统 中，基于信号接收强度指示测量技术的室内定位系统显示出了极大的应用前景。
[0003] 从目前基于信号接收强度指示测量技术的室内定位系统的研究方向来说，主要是 从指纹库的建立和定位匹配算法两个方面进行。由于定位匹配算法的研究已经取得了不少 实用性的成果，而且以往指纹库的建立都是由经过训练的专业人士进行操作的，这种指纹 库的构建方法需要消耗非常高的人力成本，不利于该定位技术的进一步发展。因此，如何有 效地构建一个低成本、高精度的信号接收强度指示指纹库是这种室内定位系统走进普通应 用所必须面临和解决的问题。
[0004] 经对现有技术的文献检索发现，Rai A, Chintalapudi K K以及Padmanabhan V N 于 2012 年在 Proceedings of the 18th annual international conference on Mobile computing and networking(2012年ACM组织在移动计算网络领域的会以）中发表了 "Zee:zero-effort crowdsourcing for indoor localization"（Zee:室内定位中的众包 模式），提出了在室内定位系统中引入众包模式的思想，这种思想的主要目的是引导大量 的手持智能手机的普通人员参与到室内定位中，对普通人员所采集得到的数据进行分析处 理，可为建立信号接收强度指示指纹库提供一种解决思路，这种思想能够在一定程度上降 低成本；但是，在众包模式下，由于都是未受过训练的普通人员参与数据采集，则通过终端 设备中的通信接口获得的数据信息的质量是无法保证的，而且惯性传感器单元会产生累积 误差，记录的行走距离越长，其产生的误差也就越大，因此，无法保证定位系统的定位精度。
【发明内容】
[0005] 本发明技术方案解决的问题是如何有效地构建一个低成本、高精度的信号接收强 度指示指纹库。
[0006] 为解决上述问题，本发明的技术方案提出了一种基于隐藏地标的室内定位系统指 纹库构建方法，包括：
[0007] 挖掘隐藏地标相似点集合，包括统计采样路径上各个采样点的信号接收强度指示 信息，根据所述信号接收强度指示信息，计算得到每对采样点之间的信号接收强度指示相 似度，根据过滤准则，即筛选出相似度高于预先设定的门限阈值的采样点，确定所述隐藏地 标相似点集合；
[0008] 隐藏地标坐标化，包括基于所述隐藏地标相似点集合，利用模糊逻辑决策机制以 及每个隐藏地标相似点集合中采样点的坐标，确定每个隐藏地标的坐标信息；
[0009] 平滑采样点，包括基于所述隐藏地标的坐标信息，结合粒子滤波算法，对所述采样 路径中的采样点进行平滑，得到平滑后的采样路径上每个采样点的坐标，确定信号接收强 度指示指纹库信息。
[0010] 可选的，所述计算得到每对采样点之间的信号接收强度指示相似度，根据过滤准 贝1J，确定所述隐藏地标相似点集合包括：
[0011]
【权利要求】
1. 一种基于隐藏地标的室内定位系统指纹库构建方法，其特征在于，包括： 挖掘隐藏地标相似点集合，包括统计采样路径上各个采样点的信号接收强度指示信 息，根据所述信号接收强度指示信息，计算得到每对采样点之间的信号接收强度指示相似 度，根据过滤准则，即筛选出相似度高于预先设定的门限阈值的采样点，确定所述隐藏地标 相似点集合； 隐藏地标坐标化，包括基于所述隐藏地标相似点集合，利用模糊逻辑决策机制以及每 个隐藏地标相似点集合中采样点的坐标，确定每个隐藏地标的坐标信息； 平滑采样点，包括基于所述隐藏地标的坐标信息，结合粒子滤波算法，对所述采样路径 中的采样点进行平滑，得到平滑后的采样路径上每个采样点的坐标，确定信号接收强度指 示指纹库信息。
2. 如权利要求1所述的基于隐藏地标的室内定位系统指纹库构建方法，其特征在于， 所述计算得到每对采样点之间的信号接收强度指示相似度，根据过滤准则，确定所述隐藏 地标相似点集合包括：
其中，s(i，j)表示两个采样点之间的信号接收 强度指示相似度，W疗：^1义=1，表示采样点Pi处采集的信号接收强度指示信 息集合，W= 丨表示采样点匕处采集的信号接收强度指示信息集合， ?表示采样点Pi与匕所共有的信号接收强度指示信息集合； 信号接收强度指示相似度的上门限值S s，所述采样点Pi，i = 1，. . .，M中，如果s (i，j) 小于所述上门限值S s，则将采样点&添加到Pi的相似点集合Si中，如此迭代循环，统计出 每个采样点的相似点集合S1，i = 1，...，M,如果任意两个采样点的相似点集合中的元素存 在多个相同的元素，则融合这两个采样点的相似点集合得到集合Ck，k = 1，. . .，K ; 基于所述集合Ck，k = 1，...，K，如果存在多个采样点隶属于同一条采样路径，则根据信 号接收强度指示相似度，筛选出信号接收强度指示相似度最高的点，过滤掉这条采样路径 中其他采样点，得到所述隐藏地标相似点集合Wk, k = 1，. . .，K。
3. 如权利要求1所述的基于隐藏地标的室内定位系统指纹库构建方法，其特征在于， 所述基于所述隐藏地标相似点集合，利用模糊逻辑决策机制以及每个隐藏地标相似点集合 中采样点的坐标，确定每个隐藏地标的坐标信息包括： 基于所述隐藏地标相似点集合Wk，k = 1，. . .，K，对每个隐藏地标相似点集合Wk，k = 1，...，K中的采样点，计算任意两个采样点Pi和&之间的物理距离#^，根据所述模糊逻辑 决策机制，确定物理距离的等级集合为T = {small, medium, large}，其中，small表示物理 距离一级，medium表示物理距离二级，large表示物理距离三级，所述物理距离一级，物理 距离二级，物理距离三级的取值依次升高，确定每个物理距离的模糊内联等级值/^，其 中：
4.如权利要求3所述的基于隐藏地标的室内定位系统指纹库构建方法，其特征在于， 所述模糊逻辑决策机制的决策方式如下： 确定模糊置信度集合agSet: {vlow, low, medium, high, vhigh}，其中，vlow表示置信度 水平一级、low表示置信度水平二级、medium表示置信度水平三级、high表示置信度水平四 级、vhigh表示置信度水平五级，所述置信度水平一级，置信度水平二级，置信度水平三级， 置信度水平四级和置信度水平五级的取值依次升高； 量化所述置信度水平一级，置信度水平二级，置信度水平三级，置信度水平四级和置信 度水平五级的值依次为 vlow = 0, low = 0? 25, medium = 0? 5, high = 0? 75, vhigh = 1 ; 设计一个三输入单输出的模糊逻辑决策机制的模糊准则，即{TWiP n T(dik) - agSet of sample point Pi: small n small - vhigh ;small n medium - high ;small n large - medium ; medium n small - high ;medium n medium - low ;medium n large - vlow ; large n small 一 medium ;large n medium 一 vlow ;large n large 一 vlow，其中 T (d。） 与T(dik)分别表示采样点Pi与P」以及采样点Pi与Pk之间的物理距离的等级，agSet of sample point Pi表示采样点Pi的置信度水平； 利用排列组合原理，对包含了 Nk(k > 4)的隐藏地标相似点集合中所有的采样点进行 重新组合，其中每个组合只包含三个采样点，即含有C^4种组合；确定每组中各个采样点P
其中，i表示每个采样点所属的组合数，得到每个采 样点P的可信值rt'k，其中：
针对每个隐藏地标相似点集合Wk，k = 1，. . .，K中的每个采样点，确定其权重值其 中：
根据每个采样点的坐标以及其权重值信息，计算得到该隐藏地标的坐标信息（xk，yk)， 其中：
5. 如权利要求1所述的基于隐藏地标的室内定位系统指纹库构建方法，其特征在于， 所述基于所述隐藏地标的坐标信息，结合粒子滤波算法，对所述采样路径中的采样点进行 平滑包括： 初始化产生％个粒子 ，根据系统状态方程以及 高斯随机噪声，计算下一个时刻的每个粒子的状态，其中，上一时刻的每个粒子运动到下一 时刻过程中会根据高斯随机噪声产生多个新的粒子，其中，系统的状态方程为：
预估k时刻处的有效的粒子数#f w : 获得每个时刻下粒子的状态信息，对所述粒子进行重采样，确定有效的粒子有效的粒
子的数目的阈值、_当前有效的粒子数目为 如果则过滤 n￡" ' >Nf 掉其中权重最小的#f - Af ""粒子，并重新生成权重最大的新粒子。
6. 如权利要求5所述的基于隐藏地标的室内定位系统指纹库构建方法，其特征在于， 所述预估k时刻处的有效的粒子数JVf "包括： 在状态sk下，计算所有粒子与该状态下的目标之间的欧式距离，并对欧氏距离集合继 续排序，得到一个有序集合Sd ; 计算所述有序集合Sd的平均值i ,根据所述平均值i将所述有序集合Sd分为第一子集 合Sf和第二子集合s，； 确认i为所述第一子集合Sf中第i个值，计算所述第一子集合sf与第二子集合SJ 中前i个元素的第一平均值^7和所述第二子集合中剩下的元素的第二平均值 根据下式计算得到目标i和所述k时刻处的有效的粒子数iVf /UM，如下：
7.如权利要求5所述的基于隐藏地标的室内定位系统指纹库构建方法，其特征在于， 还包括：在所述预估k时刻处的有效的粒子数IVf 之前，计算目标位置的估计值其 中：
【文档编号】G06F17/30GK104349278SQ201410545507
【公开日】2015年2月11日 申请日期:2014年10月15日 优先权日:2014年10月15日
【发明者】夏俊, 黄正勇, 邱梦婷, 俞晖 申请人:上海交通大学