基于稀疏信号指纹数据库的室内定位方法
【技术领域】
[0001] 本发明设及室内定位领域，具体的设及一种基于稀疏信号指纹数据库的室内定位 方法。
【背景技术】
[0002] 确定室内任意处位置的坐标具有重要意义，研究人员针对此问题开发了各种不同 的算法。随着基于802.11规范的无线网络技术发展W及无线网络和智能手机的普及，基于 无线信号指纹的室内定位方法受到广泛关注。
[0003] 信号指纹定位包括两个步骤:训练与定位。训练阶段主要是创建信号指纹数据库， 在室内不同位置捜集不同热点信号强度，将位置与对应的信号强度信息组合构成信号指 纹，将所有信号指纹保存到数据库中。在定位阶段，将用户接收到的信号强度与指纹数据库 中所有信号指纹进行比对，寻找相似的信号指纹，通过不同算法，包括KNN，KWNN，贝叶斯，神 经网络等算法，计算得到用户在室内的位置。该方法可W通过现有的WiFi热点和普通智能 手机等设备即可实现，且算法复杂度不高，定位精度好，已被很多公司产品化，包括谷歌室 内定位地图，WiFiSlam等软件均采用了上述方法。
[0004] 但现有室内定位方法中训练阶段捜集的信号指纹信息越多，在定位阶段精度越 高，运导致创建与维护信号指纹数据库所需成本较高。
[0005] 首先，创建数据库过程非常费时费力，需要逐点测量信号强度，运些已知位置和信 号强度的节点称为参考点（Reference化int，RP)，若参考点数量过多，则测量过程非常耗 时。W-个20m*20m的区域为例，为了保证该方法的室内定位精度，假如每隔1米测量一个参 考点，则总共需要测量400个参考点，每个点需要进行数次测量W获得可行的数据，由此可 知测量过程非常耗费时间。对于更大区域，所需时间更多。对于有些区域来说，由于布局等 原因，可能无法获取高密度的参考点信息。
[0006] 其次，维护一个数据库成本也非常巨大。因为无线信号传播受到环境影响较大，室 内物品摆放的变化，口的开关，人员走动，W及天气环境的变化等都会影响信号的分布。一 旦信号分布发生变化，为了保持定位性能，原有数据库就需要更新。室内环境变化较为频 繁，因此数据库就需要不断更新，进一步增高了成本。
[0007] 另一方面，传统信号指纹定位算法适用范围有限，用户移动范围必须都处于训练 阶段捜集过的区域内，否则无法找到相似的指纹，无法进行位置估计，因此对于陌生区域无 法使用。
[000引由此可见，尽管基于信号指纹定位方法具有部署简单，定位精度高的优点，但是构 建与维护信号指纹数据库成本较高，适用范围有限，在实际应用过程中，直接导致的问题是 数据库包含的参考点密度不够，定位性能无法得到保证。例如，谷歌室内定位地图推出了几 年，已经捜集了约十万个场馆的地图信息，但是运些场馆绝大多数都没有足够的信号指纹 信息支持用户定位;有些数据较为老旧，定位性能大幅降低，因此其使用率一直不高。对此， 研究人员提出了大量快速构建与更新指纹数据库的算法，群智感知(化OWdsourcing)，光线 追踪（Ray-Tracing)，SLAM(Simultaneous Localization And Mapping)等。
[0009] 群智感知算法的核屯、在于利用普通用户定位结果构建数据库，然而其中面临设备 多样性，异常数据识别与剔除，用户贡献机制设计等问题，增加了该算法使用的成本。
[0010] 光线追踪算法需要首先构建精确的室内空间=维模型，通过追踪无线信号在室内 的传播路径，估计信号的空间分布，该算法复杂度较高，不适用于大范围的室内环境。
[0011] SLAM算法则利用惯导沿一定路径捜集信号构建数据库，该算法定位中所用惯性导 航会导致误差积累，因此数据库准确度不高。
【发明内容】
[0012] 本发明的目的在于提供一种基于稀疏信号指纹数据库的室内定位方法，该发明解 决了现有技术中参考点获取费时、工作量大、成本较高的技术问题。
[0013] 参见图1，本发明提供一种基于稀疏信号指纹数据库的室内定位方法，包括W下步 骤：
[0014] 步骤Sioo:采集所有参考点的信息指纹，构建含有信号指纹的参考点指纹训练数 据库DBtT;
[0015] 步骤S200:根据所取参考点生成大量均匀分布、覆盖整个待定位区域的虚拟参考 点，构建由虚拟参考点构成的虚拟数据库PQVT;
[0016] 步骤S300:基于局部高斯过程估计虚拟数据库PDVT中虚拟参考点所能接收到的无 线热点信号强度，并构建虚拟指纹数据库DBVT;
[0017] 步骤S400:基于虚拟指纹数据库通过IKWr^N算法，对虚拟参考点的坐标进行位置估 计；
[0018] 步骤Sioo~S300中的各步骤均可W按现有方法进行处理。
[0019] 步骤S400包括W下步骤：
[0020] 步骤S410:在任意待确定位置的未知点测量到一组无线热点信号强度，计算所测 量到的信号强度与虚拟指纹数据库中任意虚拟参考点n的信号强度之间的距离dt,n，按照公 式(5)计算：
[0021] 今"=〇+<:) (5)
[0022] 其中，为任意待确定位置的未知点处的一组无线热点信号与虚拟指纹数据库 中任意虚拟参考点n之间的信号距离，<：r为任意待确定位置的未知点处的一组无线热点信 号与虚拟指纹数据库中任意虚拟参考点n之间的坐标方差距离;假设用户在时刻t，某点处 测量得到的RSS向量为RSSt，RSSt={RSSt,i，i = l，2,…，a}，其中RSSt,i表示t时刻接收到第i 个热点的信号强度值；
[0024]其中，是虚拟参考点n对应于接入点i的无线热点信号强度，q为可调参数， 表示用户t时刻在虚拟参考点n测量到的第i个无线热点信号强度；
[0026] 其中，On,I是信号强度估计方差，采用公式(3)计算，q为可调参数；
[0027] 步骤S420:根据公式(5)~(7)计算任意未知点测量到一组信号强度与虚拟指纹数 据库中所有虚拟参考点对应的信号强度之间的距离。选择所得距离结果中最小的m个参考 点，采用加权平均计算接入点处的用户位置：
[0029] 其中，片;\乂 '）为所选择的m个参考点中第j个参考点巧。的坐标，…C DF'i， 兩为归一化后m个参考点的权重，
[0030] 其中，P为可调参数，C表示任意未知点测量到的无线热点信号与所选择的m个参 考点中第j个参考点的距离，采用公式(5)进行计算;《表示在任意未知点处测量得到的无 线热点信号与所选择的m个参考点中第i个参考点的距离，采用公式(5)进行计算。
[0031] 进一步地，步骤S300包括W下步骤：
[0032] 步骤S310:用户在任一已知位置的虚拟参考点点C*处收到的任意热点m的信号强 度'33*,。取值概率9(^3*,。|料，？)服从正态分布|<枯'&/|&，巧=5￥'的^,。,,;/4"，<,)，根据公式 (2)和(3)估计得到任一虚拟参考点C*能接收到的无线热点信号强度和信号强度估计方 差喊；
[0033] 片。M = k (!< + 〇-J Y 民SS 1 2)
[0034] 其中，RSS= (rssi,nT''rssk,m)，rssi,m表示距离最小的k个临近参考点中的第一个参 考点所接收到的第m个热点信号强度，I为单位对角矩阵;k*是kXl向量，表示C*与TS*之间的 相关性，表示为k*[i]=k(c*，i)，其中此处的i表示第i个最近邻居，k(c*，i)采用公式4进行 计算；诚为信号强度测量方差，砖1、由hyper-parameter方法基于训练数据库估计得 至Ij; WP = {(Ci，f i) I i = 1，2，? ? ?，n}表示训练数据库中所有的参考点，其中Ci = (Xi，Yi)表示 第i个参考点的坐标;fi = {(idi,m，rssi,m) Im=I，2，。'曰}，表示第i个参考点处的无线热点信 号强度;rSSi,m表示在第i个参考点处收到的第m个无线热点信号源idi,m的信号强度，单位是 地m; a表示所有参考点可收到的所有热点数量；
[0035] K是与C*距离最小的k个临近参考点之间的相关性，表示为K [ i，j ] = k (Ci，C j)，
[0036] 信号强度估计方差表示为：
[0037] 新二時斬，尤-較巧+诗7'屯+式 (3)
[003引其中，k(x*，x*)=k(Ci，Cj)，k*表示点c*与k个临近参考点之间的相关性，参照公式 (4)得到，I为单位对角矩阵；
[0039] 步骤S320:将点C*坐标和与之对应的信号强度相组合，构成信号指纹，存入虚拟信 号指纹数据库DBVT中。
[0040] 进一步地，虚拟参考点的提取方法包括W下步骤：W参考点为端点，每间隔距离D 取第i个虚拟参