技术领域本发明属于基于指纹法的室内定位领域，采用RSS欧氏距离拟合和定位区域划分的方法对KNN指纹法的定位结果进行优化。
背景技术：
随着无线技术的不断发展，与之相关的定位技术受到了国内外专家学者的广泛关注，与定位技术相关的新业务不断出现。目前为止现有的许多电子产品大多包含定位的服务，基于位置的服务(LBS)已成为研究的热点之一，且具有广泛的市场空间。定位技术的应用领域十分广泛，包含商业、救灾、军用、民用等各个方面，目前世界上最为著名的定位系统为美国的全球定位系统(GPS)，GPS通过卫星可覆盖全球范围，其基本原理为采用信号时间差进行定位，目前已在许多国家和地区得到广泛应用。其他一些国家也有类似这样的定位系统，例如俄罗斯的格洛纳斯卫星导航系统(GLONASS)以及中国的北斗卫星导航系统等。但是，这些定位系统只在室外的环境下拥有良好的定位精度，在室内由于环境复杂、建筑物的遮挡、障碍物多以及人员的走动等GPS无法实现准确定位，满足不了人们在室内环境下的定位需求。在室内定位的研究中使用无线信号进行定位是当前的主流。室内定位技术主要分为测距法和非测距法，常用的测距方法为到达时间(TOA)、到达时间差(TDOA)、接收信号强度(RSS)、到达相位差(PDOA)等。常用的非测距方法为指纹定位法，指纹法中常用的算法包括最近邻法(NN)、K最近邻法(KNN)、加权K最近邻法(WKNN)等。对室内定位技术效果好坏的评价指标主要分为以下几点：(1)定位精度：无论对于室外定位还是室内定位来说，定位精度都是最重要的指标之一。室内环境相比室外环境范围小，因此相对来说对于室内定位的应用需要更高的定位精度。(2)覆盖范围：室内定位系统的覆盖范围是指该系统在满足用户需求的条件下所能达到的最远的范围。室内定位系统可以采用不同的方法进行定位，其中包括蓝牙、RFID、超声波、红外线、WIFI、ZIGBEE等等，而对于不同的定位方法其覆盖范围不同，可根据实际需要选择合适的定位方法。(3)稳健性：由于现代生活水平的提高，人们对于室内环境的布局及装饰出现多种多样的变化，而且室内环境并非一成不变，人们往往会根据实际需要及自己的喜好对环境进行改变，这就使得室内定位系统想要保持良好的稳健性面临巨大的挑战。(4)可扩展性：可扩展性是室内定位系统的一个重要指标之一，由于不同的室内环境之间的差异性较大，因此同一套室内定位系统在移植到不同的室内环境中是需要做一些改进。对于可扩展性差的定位系统就需要做很大的改进，这样既不方便也不经济。(5)成本和复杂度：室内定位系统大多是针对个人用户进行定位，因此其规模较小，所以其成本和复杂度不应太高。由于RSS容易获得且成本较低，因此基于RSS的位置指纹定位法是当前最流行的室内定位应用之一。指纹定位法主要分为两个阶段即离线指纹采集阶段和在线实时定位阶段。离线指纹采集阶段通过人工在各个事先确定好的指纹点处测得每个发射源到该指纹点的接收信号强度RSS并构建一个位置与RSS的位置指纹数据库。在线实时定位阶段通过用户接收到的每个发射源的RSS序列并将其与离线阶段所建立的位置指纹数据库进行匹配处理得到当前待定位目标的位置坐标。但当前基于指纹法的室内定位技术中由于室内噪声和多径的影响使得定位过程中最近邻的k个指纹点的选择存在偏差从而造成定位结果误差增大。
技术实现要素：
本发明的目的是提供一种对现有的基于KNN的指纹定位法进行改进，提供一种可以提高定位精度的KNN指纹定位方法。本发明采用RSS欧氏距离拟合和定位区域划分的方法对基于KNN指纹法的定位结果进行优化从而提高定位精度。技术方案如下：一种基于RSS欧氏距离拟合的KNN指纹定位方法，将定位场景分成不同的区域，在每个区域内均匀排布指纹点，并在定位场景内或周边排布N1个发射源，步骤如下：1)通过在离线状态下采集每个指纹点的RSS向量[R1,R2,…,RN1]建立指纹库，设Ri为该指纹点处第i个发射源的RSS值。2)令[Si1,Si2,…,SiN1]为第i个指纹点的RSS向量，[Sj1,Sj2,…,SjN1]为第j个指纹点的RSS向量，则指纹点i与指纹点j之间的RSS欧氏距离为选择所有的指纹点将其两两之ij间的Eij欧氏距离与其距离dij之间的ij关系进行多项式拟合得到dij＝a·Eij+b，其中a,b为拟合系数3)结合基于KNN的指纹定位法在每个区域中根据实测RSS值选取最优的k值。4)利用待定位目标与指纹点之间的距离关系对定位结果进行修正：设待定位目标的RSS向量为[S1,S2,…,SN1]，与其相邻近的第j个指纹点的RSS向量为[θj1,θj2,…,θjN1]，根据待定位目标与指纹点之间的RSS欧氏距离，得到待定位目标与指纹点之间的距离d。5)在线阶段利用待定位目标到每个区域中最近邻的k个指纹点的RSS欧氏距离之和的平均值作比较，选择最小值的区域即认为待定位目标在该区域中，在获得待定位目标与该区域内的k个指纹点之间的距离之后，因为指纹点位置已知，采用最小二乘法计算出待定位目标的位置。本发明所述的为一种新型的基于RSS欧氏距离拟合的改进的KNN指纹定位法。现实中的室内环境不同区域往往具有不同的特性，例如在走廊和大厅里其最优的k值是不同的，传统的基于KNN的指纹定位法中在整个定位环境中只使用一个固定的k值这样会造成定位精度的下降。本发明采用区域划分的思想，对不同的区域通过实测数据分别选取本区域内最优的k值，在通过RSS欧氏距离拟合出待定位目标到本区域内最近邻的k个指纹点之间的距离，最后再用最小二乘法计算出待定位目标的坐标。仿真结果表明本方法与传统的KNN指纹定位法相比定位精度提高。附图说明图1示出了本发明待定位场景及仿真结果示意图。图2示出了本发明整体方法的流程框图。图3示出了指纹点RSS欧氏距离与距离之间关系的效果图。图4示出了使用本发明的定位结果仿真图。具体实施方式下面结合附图对本发明所述的一种基于RSS欧氏距离拟合的改进的KNN指纹定位法做进一步的描述。图1示出了本发明所提算法定位场景示意图，在20m*10m的室内环境中，4个发射源坐标分别为(0,0)、(20,0)、(0,10)、(20,10)。我们采用18个指纹点，将定位场景划分为两个区域，每个区域中均匀分布9个指纹点，指纹点之间的距离为3m，指纹点与待定位目标分布在18m*8m的环境中如图1所示。图2所示为本发明的流程框图，在本实施例的具体应用如下：1，在图1所示的定位示意图中离线状态下采集图中第i个指纹点的RSS向量[Si1,Si2,…,Si4]建立指纹库，Si为该指纹点处第i各发射源的RSS值。将所采集的RSS向量与指纹点的坐标建立位置数据指纹库。2，因为指纹点位置已知，因此可以计算出其两两之间的距离。通过第一步中所采集的位置指纹数据库可以计算出指纹点i和j之间的RSS欧氏距离为：Eij=Σk=1N1(Sik-Sjk)2]]>其RSS欧氏距离与距离的关系如图2所示，从图中可以看出其具有良好的线性关系：dij＝a·Eij+b通过多项式拟合的方法可以计算出系数a和b。3，对定位场景进行划分，对于KNN指纹定位法来说，不同的定位环境中具有不同的最优k值。即使在同一个室内环境中对于不同的区域，其信道特性也是不同的，因此可以根据经验和实地测量将待定位的环境划分为不同的区域对每个区域选取一个最适合该区域的k值，以便使得定位精度得到提高。对于本发明仿真中的定位场景，我们将定位环境从横坐标为10处划分为左右两个区域将左边区域记为区域1、右边区域记为区域2。区域1和区域2的噪声标准差分别设为1dB和2dB，其最优k值分别设为4和5。4，对于待定位目标来说，测得其与每个发射源的RSS值，计算其与每个指纹点之间的RSS欧氏距离。将其分别与区域1和区域2中最近邻的k个指纹点的RSS欧氏距离之和的均值作比较，假定待定位目标落在值较小的区域内。在确定待定位目标所在区域后，将待定位目标与其最近邻的k个指纹点的RSS欧氏距离代入到第二步所拟合出的公式，得到待定位目标到其最近邻的k个指纹点的距离。5，通过多项式拟合的方法得到待定位目标到其最近邻的k个指纹点的距离di后，可以通过最小二乘法计算出待定位目标的坐标，假设待定位目标坐标为(x,y)，k个最近邻指纹点坐标为(xi,yi)，i＝1,2…,k。则有：(x-x1)2+(y-y1)2=d12(x-x2)2+(y-y2)2=d22...(x-xk)2+(y-yk)2=dk2]]>经整理得：Aθ＝b，其中A=2·y1-xky1-ykx2-xky2-yk......xk-1-xkyk-1-yk,θ=xy,b=x12+y12-xk2-yk2+dk2-d12x22+y22-xk2-yk2+dk2-d22...xk-12+yk-12-xk2-yk2+dk2-dk-12]]>则由θ＝(ATA)-1ATb可以得到待定位目标的坐标(x,y)。图4为其仿真结果。仿真结果表明本发明定位精度优于KNN指纹法。