技术领域本发明涉及通信、导航定位技术领域，具体地，涉及一种在室内定位系统中的基于传播模型的室内定位RSS指纹库恢复算法。
背景技术：
随着无线覆盖范围越来越广泛，越来越多的Wi-Fi热点出现在人们的智能设备里。因此基于无线网络的室内定位技术近些年来一直在不断的深入，其基本思想是首先进行数据采集以获得大量的Wi-Fi指纹数据，这样就能建立联系指纹信号与对应位置的数据库。当用户上传自己的指纹信号，通过与数据库里的内容进行比对并借助一定的算法，可以精确定位用户的当前位置。Wi-Fi指纹定位的关键和难点是，在定位系统的训练阶段如何减少收集指纹信息的开销，目前主要有三种解决方案：第一是基于统计学习的方法来解决这个问题。在这种方法中，只采集有限位置的指纹信号，然后利用数据之间的统计学联系来获得余下位置的指纹信息。这种方法实际使用时往往会导致曲解数据以及不规则信息；第二就是基于众包的指纹采集方法，但是此方法并未有效降低需要采集的指纹信息数量；第三种就是利用基于诸如LDPL技术的无线传播模型，就定位而言此种方法仍不够准确。通过对现有技术进行检索，E.J.Cands等在2010年IEEETrans.Inform.Theory上发表的Thepowerofconvexrelaxation:Near-optimalmatrixcompletion中展示了恢复低秩矩阵所需要的最少的矩阵元。但此种矩阵填充的方法都是假设矩阵为低秩矩阵，而对于在室内定位过程中不满足低秩条件的矩阵，该技术的性能将会下降；J.G.Park等2011年在IEEEINFOCOM上发表的Implicationsofdevicediversityfororganiclocalization中讨论了在不同设备之间共享指纹数据的问题，发现此时的性能较差，此外D.Niculescu等2003在IEEEINFOCOM上发表的Adhocpositioningsystem(APS)usingAOA中探讨了使用众包的指纹信息采集，但毫无疑问的是，数据的数量并没有得到有效的减少；M.Zimmermann等2002年在IEEETrans.Communications上发表的Amultipathmodelforthepowerlinechannel中探讨了使用诸如LDPL等无线传播模型来进行定位的方法。使用这种方法可以有效的节省采集数据的开销，但是很容易导致结果的不准确。
技术实现要素：
针对现有技术中的缺陷，本发明的目的是提供一种基于传播模型的室内定位RSS指纹库恢复方法。根据本发明提供的一种基于传播模型的室内定位RSS指纹库恢复方法，包括：步骤A：将物理空间划分为由n行×n列个定位网格构成的矩阵区域；n的取值范围为大于等于3的正整数；例如，n为3、4、5、6、7、8、9或10。步骤B：仅在矩阵区域中的部分定位网格上采集信号强度；步骤C：利用步骤B得到的所述信号强度，利用线性变换方法，恢复出完整的定位数据。优选地，所述步骤B，包括：步骤B1：将矩阵区域中的各个定位网格，按照从第1行开始逐行且每一行中从第1列开始逐列的顺序对各个定位网格标记序号，得到第1个至第n2个定位网格；步骤B2：定义一般传递函数矩阵T：其中，T中的元素Tk,j表示第k个定位网格到第j个定位网格的信号传播函数；步骤B3：以一般传递函数矩阵T的矩阵中心为原点，向右为x轴正方向，向上为y轴正方向，建立Oxy坐标系；步骤B4：只采集一般传递函数矩阵T中位于设定直线上的元素的下标对应的定位网格的信号强度；其中，所述设定直线为13条直线，这13条直线为：y＝xy＝x+ny＝x-ny＝x+1y＝x-1y＝x+2y＝x-2y＝x-2ny＝x+2ny＝x+1+ny＝x+1-ny＝x-1+ny＝x-1-n。优选地，定位网格的大小为5cm×5cm。优选地，若一般传递函数矩阵T列数N为奇数，则矩阵中心的x轴坐标为(N-1)/2，否则，则为N/2；若一般传递函数矩阵T行数M为奇数，则矩阵中心的y轴坐标为(M-1)/2，否则，则为M/2。优选地，还包括步骤：步骤S1：设置定位采样量；步骤S2：利用信道相关性，基于定位采样量确定n。优选地，所述步骤S2，包括：步骤S2.1：计算信道相关性：其中，Correlation(Pi,j，Pm,k)表示路径Pi,j与路径Pm,k之间的相关性；表示与之间的相关性；路径Pi,j表示从定位网格i经过p个定位网格a1，a2，…，ap到定位网格j的传播路径；路径Pm,k表示从定位网格m经过p个定位网格b1，b2，…，bp到定位网格k的传播路径；表示路径Pi,j的路径效率，表示路径Pm,k的路径效率；假设两个相邻的定位网格u、定位网格v，则Hu,v表示定位网格u到定位网格v的信号传播函数；步骤S2.2：利用信道相关性,基于定位采样量确定n，具体为：先将室内环境划分的网格大小定为5cm×5cm作为条件，计算该条件下的采样量，与用户给定的采样量进行比较，将13条直线上相邻的采样值进行近似，即将原来的网格根据用户给定采样量进行缩放，以此来确定n。与现有技术相比，本发明具有如下的有益效果：1、鉴于目前还没有行之有效的采集相对较少Wi-Fi指纹数据并获得高准确度的室内定位算法，本发明为基于指纹信息的室内定位建立了一种通过采集有限数目位置已知的指纹数据，根据无线传播中的惠更斯原理，利用矩阵填充等算法，得出空间内其他位置地点的指纹数据，从而恢复完整的指纹地图，是一种新型的室内定位恢复算法，能有效地减少采集数据的开销并提高精度。2、本发明为基于指纹信息的室内定位建立了一种通过采集有限数目位置已知的指纹数据，根据无线传播中的惠更斯原理，利用矩阵填充等算法，得出空间内其他位置地点的指纹数据，从而恢复完整的指纹地图。这是一种新型的室内定位恢复算法，将能有效的减少采集数据的开销并提高定位精度。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：图1为本发明的工作流程图；图2为本发明的信道相关性示意图；图3为本发明的恢复测量值过程示意图；图3中，T’表示实际的信号强度矩阵，黑实线表示实际进行RSS指纹数据采样的点的位置。具体实施方式下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。本发明提供了一种基于传播模型的室内定位RSS指纹库恢复方法，包括如下步骤：用户首先给定定位的采样量；利用信道相关性，可以确定空间内定位网格的大小，即定位精度；用户在某些指定位置进行信号强度(RSS值)的采样；根据线性变换，仅利用用户采集的部分采样量，恢复出完整的定位数据库。本方法一方面提出了一种不受环境限制的新型信号传播模型，另一方面在较小的采样量下保证了一定的精确度。请同时参阅图1，图2，图3。本发明基于惠更斯原理以及矩阵填充算法等，通过将室内环境分割为一个个定位网格，并通过线性变换得出相邻单元之间无线信号强度的联系，最后得出一种基于传播模型的室内定位RSS指纹库恢复方法。本发明，用户只需采集有限点的指纹数据(RSS值)，然后通过网格单元之间的关系来准确恢复整个矩阵，从而能达到节约开销并且提高定位精度的目的。本发明的原理为：在恢复定位数据库时，将一般传递函数矩阵T中的至少一部分需要测量信号强度的元素用临近的元素代替，即元素Tk+1,j+1由元素Tk,j代替，从而通过定位网格大小的调节，用户实现自定义采样量。如下进行具体说明：本发明基于惠更斯原理，首先建立把物理空间分成n×n个定位网格的模型，一般情况下，由于惠更斯原理的使用条件的限制，网格的大小只能取为5cm×5cm左右，这样不仅会导致不能够有效采样，也会增大采样的数目。而根据信道相关性，本步骤通过如下方式解决此问题。计算信道相关性：其中，Correlation(Pi,j，Pm,k)表示路径Pi,j与路径Pm,k之间的相关性；表示与之间的相关性；路径Pi,j表示从定位网格i经过p个定位网格a1，a2，…，ap到定位网格j的传播路径；路径Pm,k表示从定位网格m经过p个定位网格b1，b2，…，bp到定位网格k的传播路径；表示路径Pi,j的路径效率，表示路径Pm,k的路径效率；假设两个相邻的定位网格u、定位网格v，则Hu,v表示定位网格u到定位网格v的信号传播函数；基于以上对于信道相关性的分析，不难发现，T矩阵中的序列Tk,j，Tk+1,j+1，Tk+2j+2…，从物理角度来看，从第k个定位网格到第j个定位网格的信道，和从第k+1个定位网格到第j+1个定位网格的信道的相关性非常大，因为后者可以看成在前者的信道基础上做了非常小的一个位移，由此可以得到，因此在恢复定位数据库时，可以将T中某些原本需要测RSS值的元素用临近的元素代替，从而通过网格大小的调节，用户实现自定义采样量的效果。定义单位传递函数矩阵H为：单位传递函数矩阵H由所述矩阵区域中各组相邻定位网格的信号传播函数构成，单位传递函数矩阵H中的每个元素表示一定位网格到相邻的另一定位网络的信号传播函数；定义一般传递函数矩阵T为：即T＝H+H2+H3+…q的取值范围为0至无穷大，Hq表示信号在单位传递函数矩阵为H的区域内进行传播，进行了q次迭代后的传递矩阵。一般传递函数矩阵T中，元素Tk,j表示从一个定位网格k到另一个定位网格j的信号传播函数，元素Tk+1,j+1表示从一个定位网格k的相邻定位网格到另一个定位网格j的相邻定位网格的信号传播函数；若用户将采样得到的信号强度记为Tx，则：Tx＝Hx+H2x+H3x+…通过化简就得到了单位传递函数矩阵H与一般传递函数矩阵T之间的关系：T＝H+H2+H3+…其中，X是原始信号强度，表示信号传播过程的功率变化；基于单位传递函数矩阵H的特性，可得：Hi,i-1＝Ti,i-1-Hi,kTk,i-1＝Ti,i-1-Hi,i-nTi-n,i-1-Hi,i-1Ti-1,i-1-Hi,i+1Ti+1,i-1-Hi,i+nTi+n,i-1上式是根据单位传递函数H与一般传递函数T之间的关系H＝T-HT的具体展开得到，其中HT一项,根据对单位传递函数矩阵H的分析，仅在定位网格i周围的四个定位网格(记为定位网格i-1、定位网格i+1、定位网格i-n、定位网格i+n)有传递函数，故展开后得上式。据上式，即可得到下面矩阵关系式：根据上述矩阵关系式中所有T中元素的下标的规律，可以发现只需要采集一般传递函数矩阵T中特殊的13条直线上的元素值，即可通过线性变换恢复完整的定位数据库，13条直线依次为：y＝xy＝x+ny＝x-ny＝x+1y＝x-1y＝x+2y＝x-2y＝x-2ny＝x+2ny＝x+1+ny＝x+1-ny＝x-1+ny＝x-1-n接下来对本发明进行更为具体的描述。根据本发明提供的一种基于传播模型的室内定位RSS指纹库恢复方法，包括：步骤A：将物理空间划分为由n行×n列个定位网格构成的矩阵区域；n的取值由用户给定；定位网格的大小为5cm×5cm；步骤B：仅在矩阵区域中的部分定位网格上采集信号强度；步骤C：利用步骤B得到的所述信号强度，利用线性变换，恢复出完整的定位数据库。所述步骤B，包括：步骤B1：将矩阵区域中的各个定位网格，按照从第1行开始逐行且每一行中从第1列开始逐列的顺序对各个定位网格标记序号，得到第1个至第n2个定位网格；步骤B2：定义一般传递函数矩阵T：其中，T中的元素Tk,j表示第k个定位网格到第j个定位网格的信号传播函数；步骤B3：以一般传递函数矩阵T的矩阵中心为原点，向右为x轴正方向，向上为y轴正方向，建立Oxy坐标系；步骤B4：只采集一般传递函数矩阵T中位于设定直线上的元素的下标对应的定位网格的信号强度；其中，所述设定直线为13条直线，这13条直线为：y＝xy＝x+ny＝x-ny＝x+1y＝x-1y＝x+2y＝x-2y＝x-2ny＝x+2ny＝x+1+ny＝x+1-ny＝x-1+ny＝x-1-n。x表示元素Tk,j到矩阵中心的横向距离，y表示元素Tk,j到矩阵中心的纵向距离；在优选例中，在步骤A之前执行如下步骤：步骤S1：设置定位采样量；步骤S2：利用信道相关性，基于定位采样量确定n。所述步骤S2，包括：步骤S2.1：计算信道相关性：其中，Correlation(Pi,j，Pm,k)表示路径Pi,j与路径Pm,k之间的相关性；表示与之间的相关性；路径Pi,j表示从定位网格i经过p个定位网格a1，a2，…，ap到定位网格j的传播路径；路径Pm,k表示从定位网格m经过p个定位网格b1，b2，…，bp到定位网格k的传播路径；表示路径Pi,j的路径效率，表示路径Pm,k的路径效率；假设两个相邻的定位网格u、定位网格v，则Hu,v表示定位网格u到定位网格v的信号传播函数；步骤S2.2：利用信道相关性,基于定位采样量确定n，具体为：先将室内环境划分的网格大小定为5cm×5cm作为条件，计算该条件下的采样量，与用户给定的采样量进行比较，利用信道相关性将13条直线上相邻的采样值进行近似，即将原来的网格根据用户给定采样量进行缩放，以此来确定n。在一个优选的具体实施方式中，环境参数为：150m×150m的室内环境，根据不同的采样需求布设AP。本实验选择的是一段连续的空间，保证每一AP点都被设备所探测到，从而能够收集在不同位置的RSS值。移动终端设备：8部Android智能手机，都是Nexus4，每部智能手机都配置有1.5GHzSnapdragonAPQ8064CPU和2GRAM。8部智能手机的操作系统都是AndroidJellyBean(4.2)。这8部智能手机并列作为测试手机进行RSS值的采集，并将采集到的数据上传至服务器进行进一步的处理。服务器：联想ThinkpadE320笔记本电脑，酷睿i3处理器，4G内存，主频2.3GHz。具体步骤为：步骤一，利用信道相关性，可以确定空间内定位网格的大小，即定位精度。在具体实施的过程中，进行测试的人员根据实际情况，将25(5×5)个5cm×5cm的单元格组合为一个大单元，并用大单元的中央单元格的信号强度来代表整个大单元的信号强度，并且在待进行采样的位置做上标记作为定标点。本阶段持续1小时。步骤二，在由上面提到的13条直线确定的采样矩阵中，2位测试人员站在步骤一已经确定的定标点上，进行RSS数值的测量，记为部分数据采集；与此同时，剩余6位测试人员用手机在区域内每一个矩阵的各个定标点进行RSS值的测量(目的与部分采样恢复出的效果进行比较)。每个定标点测试的时间是10s，测试人员每隔10s钟移动到下一个定标点，最后得到了所有定标点的RSS数据值。本阶段持续3小时。步骤三，测试人员将8部手机上采集的RSS值上传到服务器，并对其中2部进行部分数据采集的手机中的采集数据采用恢复算法，恢复出其他位置(定标点)的数据，并与其它6部手机采集的完整数据库进行比较，对结果进行分析和处理。在本实例中，经过恢复的定位数据与实际采集的数据十分接近。可以看出，本系统可以有效地减少实现定位所需采样量并有效提高定位精度。以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。