基于用户行为特征的WLAN室内定位精度限估计方法与流程

本发明属于室内定位技术，具体涉及一种基于用户行为特征的wlan室内定位精度限估计方法。

背景技术：

随着无线通信技术的发展，人们对无线定位的需求与日俱增。在室外环境，全球定位系统(globalpositioningsystem，gps)等室外定位系统已经得到了广泛的运用。但在室内，由于室内环境复杂多变、多径效应明显等原因，gps等室外定位系统的性能差强人意。近年来，随着无线局域网(wirelesslocalareanetwork，wlan)的普及与应用，利用现有的wlan基础设施进行定位受到人们的广泛关注。与此同时，wlan室内定位精度限对定位网络的部署和优化具有较强的工程指导作用，因此受到很多了学者的关注。

目前，对大多数wlan室内定位精度限估计方法是基于克拉美罗下限(cramerraolowerbound,crlb)方法开展的。通过采用参考点处各无线接入点(accesspoint，ap)信号的联合分布概率构造费歇尔信息矩阵(fisherinformationmatrix，fim)，推导出wlan定位误差的crlb。但是，该类方法不仅需要利用信号传播模型构造fim，而且需要知道ap位置的先验信息。当信号传播模型或ap位置不准确时，该方法会导致较大的估计误差。此外，该方法在单ap的情况下无法工作。为了解决以上问题，有必要开发一种新的基于用户行为特征的wlan室内定位精度限估计方法。

技术实现要素：

本发明的目的是提供一种基于用户行为特征的wlan室内定位精度限估计方法，它能解决传统wlan定位精度限评估方法中存在的稳定性差和应用范围局限问题。

本发明所述基于用户行为特征的wlan室内定位精度限估计方法，包括以下步骤：

步骤一、对目标环境中用户在各个时间端的运动趋势进行分析；

步骤二、在目标定位区域内仿真生成ntrace条用户运动路径；

步骤三、将目标定位区域划分成m个子区域，其中，每个子区域的面积为4d²(＝2d×2d)，d为子区域边长的一半，s为目标环境的面积，m＝s/4d²；

步骤四、计算用户所属区域信息熵与子区域尺寸d之间的关系；具体包括以下步骤：

步骤四(一)、当子区域尺寸为d时，基于ntrace条用户运动路径的仿真结果，统计出所有运动路径经过每个子区域的数量

步骤四(二)、计算出目标位于子区域的概率

步骤四(三)、计算用户所属区域的信息熵

步骤四(四)、重复所述步骤四(一)到所述步骤四(三)，计算在不同子区域尺寸d下所属区域信息熵的值；

步骤四(五)、对所有与d的值进行对数拟合，得到用户所属区域信息熵与子区域尺寸d之间的关系式其中，α和β分别为系数和截距。

步骤五、将室内wlan定位过程模拟为通信系统的信息传播过程，得到定位误差限与所模拟信道容量之间的关系式

步骤六、在参考点wi(i＝1,…,n)上采集来自k个ap的rss数据rssⁱ；

步骤七、计算实际接收rss信号的协方差矩阵ky；

步骤八、计算rss信号噪声的协方差矩阵kz；

步骤九、将所模拟通信系统的信道刻画为彩色高斯噪声信道，计算信道容量

步骤十、将所述步骤九中信道容量的结果代入所述步骤五的关系式中，得到目标环境的定位精度限

本发明具有以下优点：本发明首先对目标环境中的用户运动趋势进行分析；其次，对目标定位区域内的用户运动路径进行仿真，构建用户行为特征与用户所属区域信息熵之间的关系；再次，将wlan室内定位过程模拟为彩色高斯噪声信道中的信息传播过程；最后，利用模拟系统的信道容量与用户所属区域的信息熵之间的约束关系，推导出wlan室内定位精度限。相比于传统位置指纹定位方法，本发明的稳定性强、准确性高，且应用范围广。本发明能够运用于无线电通信网络环境，主要面向室内wlan定位方法，解决了传统wlan定位精度限评估方法存在的稳定性差和应用范围局限问题。

附图说明

图1为本发明中步骤一至步骤十的流程图；

图2为彩色高斯噪声信道下的室内wlan定位过程；

图3为彩色高斯噪声信道模型；

图4为600条用户运动路径仿真结果；

图5为不同子区域尺寸的位置区域信息熵。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示的基于用户行为特征的wlan室内定位精度限估计方法，包括以下步骤：

步骤一、对目标环境中用户在各个时间端的运动趋势进行分析；

步骤二、在目标定位区域内仿真生成ntrace条用户运动路径；

步骤三、将目标定位区域划分成m个子区域，其中，每个子区域的面积为4d²(＝2d×2d)，d为子区域边长的一半，s为目标环境的面积，m＝s/4d²；

步骤四、计算用户所属区域信息熵与子区域尺寸d之间的关系；具体包括以下步骤：

步骤四(一)、当子区域尺寸为d时，基于ntrace条用户运动路径的仿真结果，统计出所有运动路径经过每个子区域的数量

步骤四(二)、计算出目标位于子区域的概率

步骤四(三)、计算用户所属区域的信息熵

步骤四(四)、重复所述步骤四(一)到所述步骤四(三)，计算在不同子区域尺寸d下所属区域信息熵的值；

步骤四(五)、对所有与d的值进行对数拟合，得到用户所属区域信息熵与子区域尺寸d之间的关系式其中，α和β分别为系数和截距。

步骤五、将室内wlan定位过程模拟为通信系统的信息传播过程，得到定位误差限与所模拟信道容量之间的关系式：

步骤六、在参考点wi(i＝1,…,n)上采集来自k个ap的rss数据rssⁱ：

其中，n为采样点个数，k为ap数量，n为采样数量。

步骤七、计算实际接收rss信号的协方差矩阵ky：

其中，(j＝1,…,k)，e[·]为均值运算。

步骤八、计算rss信号噪声的协方差矩阵kz：

其中，且为

步骤九、将所模拟通信系统的信道刻画为彩色高斯噪声信道，计算信道容量

步骤十、将所述步骤九中信道容量的结果代入所述步骤五的关系式中，得到目标环境的定位精度限

如图2所示，为彩色高斯噪声信道下的室内wlan定位过程，假设目标的真实位置为wi，则其位置所属区域可以被理想无噪接收信号幅度(即输入码字序列)所编码。经过彩色高斯噪声信道传输后，输出码字序列用来对目标的所属区域进行估计。

如图3所示，为彩色高斯噪声信道模型，每个子信道对应一个ap，位置wi处不同ap的理想接收信号幅度之间、噪声幅度之间都是相关的。与此同时，在每一个子信道中，理想接收信号幅度与噪声幅度是相互独立的。

如图4所示，为600条用户运动路径仿真结果，颜色越深代表用户在该位置出现的频率越高。

如图5所示，为不同子区域尺寸的位置区域信息熵，通过对不同子区域尺寸d下位置区域信息熵的中值进行对数曲线拟合，得到与d的关系式为所拟合的曲线对应的决定系数r²＝0.969，这表示该拟合曲线能够很好地刻画信息熵随子区域尺寸d的变化趋势^[49]。