基于随机用户信号逻辑图映射的室内WLAN定位方法技术

基于随机用户信号逻辑图映射的室内WLAN(Wireless Local Area Network)定位方法，主要面向室内无线局域网定位，解决WLAN位置指纹定位方法中离线阶段需要大量人力及时间开销进行位置指纹采集的问题。它首先利用随机用户采集的接收信号强度RSS(Received Signal Strength)序列，通过谱聚类及序列拼接方法，构建随机用户在定位目标区域内的信号逻辑图；其次，根据相应的映射准则，建立信号逻辑图中的RSS聚类节点到物理环境图中的区域位置节点之间的映射；最终利用最优信号逻辑图到物理环境图的映射关系，实现对目标用户的位置估计。本发明专利技术方法能够运用于无线电通信网络环境。

【技术实现步骤摘要】
基于随机用户信号逻辑图映射的室内WLAN定位方法
本专利技术涉及到一种基于随机用户信号逻辑图映射的室内WLAN定位方法
技术介绍
随着可移动设备得到越来越广泛的应用以及无线网络的普及，用户对信息的即时性和就地性的需求也越来越强烈，因此基于位置的服务LBS(LocationBasedService)也备受关注。目前较为流行的无线定位系统有全球定位系统GPS(GlobalPositioningSystem)、蜂窝定位系统、蓝牙定位系统、射频识别RFID(RadioFrequencyIdentification)定位系统、ZigBee定位系统以及Wi-Fi定位系统。其中GPS在室外定位精度较高，得到广泛的应用，但是单卫星信号在障碍物较多的环境下，如高楼林立的城市街道或室内，信号会急剧减弱，导致系统难以正常工作；蜂窝定位系统在室外环境下的定位误差通常大于50米，定位精度较低，在对于定位精度要求较高的室内场景无法适用；蓝牙、RFID和ZigBee定位系统一般适用于短距离定位环境。因此，上述定位技术均不具有普适性，从而亟需寻找一种新的定位系统来代替或弥补上述各定位系统所存在的不足。同时，无线局域网WLAN的不断普及给了WLAN定位技术很大的发展机会。在WLAN定位系统中，位置指纹定位方法的精度较高且不需要添加额外的设备，从而得到了较为广泛的应用。基于位置指纹的定位方法主要分为两个阶段：离线阶段和在线阶段。在离线阶段，通过在目标区域内选择合适的参考点，并在每个参考点处测量来自不同接入点AP(AccessPoint)的信号强度值，建立位置指纹数据库。在在线阶段，利用相应的定位方法对终端实时测量得到的信号值与指纹数据库中的信号数据进行匹配，从而估计终端位置。由于位置指纹定位方法的离线阶段需要在每个参考点处采集来自不同AP的信号强度值，因此在定位前期需要投入大量的人力与时间开销，以完成位置指纹数据库的构建。特别是在参考点数目较多的情况下，离线阶段指纹采集的工作量会大大增加，并且在大多数LBS中，我们无需计算目标的精确物理位置坐标，而仅需获知目标所在的区域及其周围环境信息。
技术实现思路
本专利技术为了解决位置指纹定位方法需要在离线阶段采集大量位置指纹数据的问题，提供一种基于随机用户信号逻辑图映射的室内WLAN定位方法。本专利技术首先利用随机用户采集的信号强度序列，通过聚类及序列拼接方法，构建用户在定位目标区域内的信号逻辑图；其次，根据相应的映射准则，建立信号逻辑图中的RSS聚类节点到物理环境图中的区域位置节点之间的映射；最终，利用最优信号逻辑图到物理环境图的映射关系，实现对目标用户的位置估计。本专利技术基于随机用户信号逻辑图映射的室内WLAN定位方法的步骤如下：步骤一：在定位目标区域内随机采集若干条接收信号强度序列Sj＝{RSSj1,…,RSSjM}(j＝1,…,z)；，其中，M为序列长度，即接收信号强度矢量个数；z为序列条数；RSSjk＝(RSSjk1,…,RSSjkn)(k＝1,…,M)为第j条序列中第k个接收信号强度矢量；n为AP个数；RSSjkr(r＝1,…,n)为第j条序列第k个接收信号强度矢量中来自第r个AP的信号强度值。步骤二：在Sj中，利用时间戳升序排列，将每条信号强度矢量重构为一条混合矢量步骤三：分别对中的时间戳和接收信号强度矢量进行加权，加权系数分别为wts和wrss，wts+wrss＝1，从而得到步骤四：对Sj中混合矢量进行谱聚类，以得到Sj中每条混合矢量的聚类号。步骤五：利用中值滤波，修正每条混合矢量的聚类号及相应类心。步骤六：根据Sj中相邻聚类之间的转移关系，以连接图的形式得到Sj的类转移图。步骤七：重复步骤二至步骤六，以得到所有接收信号强度序列的类转移图。步骤八：对每条类转移图进行序号随机标记，得到类转移图序号1,…,t，其中，t为类转移图个数。步骤九：从序号为1的类转移图开始，按序号顺序依次把每个类转移图作为第一参考序列，设定类合并门限Sth，逐一计算各条非第一参考序列中各类号所对应的类心与第一参考序列中各类号所对应的类心之间的欧式距离其中，表示当前第一参考序列的第f1个类心与第zi条非第一参考序列中的第f2个类心之间的欧式距离，为第一参考序列的第f1个类心；为第zi条非第一参考序列中的第f2个类心。步骤十：在所有的类转移图中，合并欧式距离小于Sth的类，且合并后的类心定义为合并前不同类的类心均值。步骤十一：以数值±1为步长调整Sth取值，即首先按+1为步长调整原Sth，重复步骤九至步骤十，一旦得到非全连通图，停止按+1为步长调整原Sth的步骤，以-1为步长调整原Sth，重复步骤九至步骤十，直到得到的全连通图为当前的第一参考序列为止，即完成序列拼接。步骤十二：重复步骤九至步骤十一，使得所有的类转移图都已被选为第一参考序列，得到的所有合并的全连通图构成了待筛选信号逻辑图集合，其中每个合并图定义为一个信号逻辑图，信号逻辑图中的每个节点定义为一个逻辑节点。步骤十三：将定位目标区域的每个叉路口作为区域边界进行子区域划分，即每个子区域的边界即为目标区域的路口，并对每个子区域进行序号随机标记，记区域标号为1,…,A，其中A表示所有的子区域的个数。步骤十四：根据各子区域的邻接关系，将定位目标区域表示为各子区域连通的物理环境图，即将每个不同的子区域用一个圆圈表示，圈内的数字是相应的区域号，根据各子区域的物理连接特性，用直线将两个在目标区域中相连的子区域连接起来，将所有的连接关系确定之后，就可得到各子区域连通的物理环境图。步骤十五：在定位目标区域内选择NC个标记位置点CP(CalibrationPoints)，且保证标记位置点个数少于子区域个数；要求标记位置点在已知的特定的子区域中；其中cpnc表示第nc个标记点所在的区域号。步骤十六：在各标记位置点处采集NR个来自不同AP的信号强度矢量其中表示第nc个标记点上采集的第num个接收信号矢量；表示第nc个标记点上所采集的第num个接收信号矢量中来自第r个AP的信号强度，并将其均值矢量作为各标记位置点的代表矢量RV(RepresentativeVector)；且RV＝{Mrssnc}，其中，Mrssnc表示第nc个标记点的RV，其中Mrssnc表示为：公式七。步骤十七：在每个逻辑图中，计算与RV中每个元素Mrssnc与逻辑图中各类心的欧式距离其中，表示Mrssnc与第zj个待筛选逻辑图中的第f3个类心之间的欧式距离，为第zj个逻辑图中的第f3个类心；选择与Mrssnc欧氏距离(二范数)最小的类心所对应的逻辑节点为该RV中元素Mrssnc所对应子区域cpnc存在的映射关系，剔除包含与2个或以上不同子区域存在映射关系的逻辑节点所对应的信号逻辑图。步骤十八：根据步骤十七得到所有未剔除信号逻辑图，利用映射准则，得到相应的未剔除信号逻辑图与物理环境图的映射关系。步骤十九：选择对于所有标记点具有最高平均定位精度的信号逻辑图，作为最优信号逻辑图，对于一个信号逻辑图到物理环境图的映射而言，每个标记点的定位精度定义为在该标记点上采集的正确映射到所属子区域的信号强度矢量个数与信号强度矢量总数的比值；即公式八其中，表示第x个逻辑图的映射关系中，第nc个标记点上的定位精度，为第nc个标记点上采本文档来自技高网...

【技术保护点】
基于随机用户信号逻辑图映射的室内WLAN定位方法，其特征在于步骤如下：步骤一：用户在定位目标区域内随机采集若干条接收信号强度序列Sj＝{RSSj1,…,RSSjM}(j＝1,…,z)，其中，M为序列长度，即接收信号强度矢量个数；z为序列条数；RSSjk＝(RSSjk1,…,RSSjkn)(k＝1,…,M)为第j条序列中第k个接收信号强度矢量；n为AP个数；RSSjkr(r＝1,…,n)为第j条序列第k个接收信号强度矢量中来自第r个AP的信号强度值；步骤二：在Sj中，利用时间戳升序排列，将每条信号强度矢量重构为一条混合矢量步骤三：分别对中的时间戳和接收信号强度矢量进行加权，加权系数分别为wts和wrss，wts+wrss＝1，得到步骤四：对Sj中混合矢量进行谱聚类，得到Sj中每条混合矢量的聚类号；步骤五：利用中值滤波，修正每条混合矢量的聚类号及相应类心；步骤六：根据Sj中相邻聚类之间的转移关系，以连接图的形式得到Sj的类转移图；步骤七：重复步骤二至步骤六，得到所有接收信号强度序列的类转移图；步骤八：对每条类转移图进行序号标记，得到类转移图序号1,…,t，其中，t为类转移图个数；步骤九：从序号为1的类转移图开始，按序号顺序依次把每个类转移图作为第一参考序列，设定类合并门限Sth，逐一计算非第一参考序列与第一参考序列中各类之间的欧式距离；步骤十：合并欧氏距离(二范数)小于Sth的类，且合并后的类心定义为合并前不同类的类心均值；步骤十一：以数值±1为步长调整Sth取值，使得得到的各合并图为全连通图，即完成序列拼接；步骤十二：重复步骤九至步骤十一，使得所有的类转移图都已被选作为第一参考序列，此时得到的所有合并图构成了待筛选信号逻辑图集合，其中，每个合并图定义为一个信号逻辑图，信号逻辑图中的每个节点定义为一个逻辑节点；步骤十三：将定位目标区域的每个叉路口作为区域边界进行子区域划分，并对每个子区域进行序号标记；步骤十四：根据各子区域的邻接关系，将定位目标区域表示为各子区域连通的物理环境图；步骤十五：在定位目标区域内选择少量标记位置点CP(Calibration Points)，且保证标记位置点个数少于子区域个数；步骤十六：在各标记位置点处采集一定数目的来自不同AP的信号强度矢量，并将其均值矢量作为各标记位置点的代表矢量RV(Representative Vector)；步骤十七：计算与每个RV欧式距离最小的逻辑节点，并定义此逻辑节点为该RV所对应子区域存在的映射关系，剔除包含与2个或以上不同子区域存在映射关系的逻辑节点所对应的信号逻辑图；步骤十八：利用映射准则，得到所有未剔除信号逻辑图，以及相应的与物理环境图的映射关系；步骤十九：选择对于所有标记点具有最高平均定位精度的信号逻辑图，作为最优信号逻辑图，其中，每个标记点的定位精度定义为在该标记点上采集的正确映射到所属子区域的信号强度矢量个数与信号强度矢量总数的比值；步骤二十：得到最优信号逻辑图，以及该最优信号逻辑图到物理环境图的映射关系；步骤二十一：根据用户新采集的信号强度矢量，在最优信号逻辑图中计算出与新采集信号强度矢量具有最小欧式距离的逻辑节点；步骤二十二：根据最优信号逻辑图到物理环境图的映射关系，估计用户所处的子区域。...

【技术特征摘要】
1.基于随机用户信号逻辑图映射的室内WLAN定位方法，其特征在于步骤如下：步骤一：用户在定位目标区域内随机采集若干条接收信号强度序列Sj＝{RSSj1，…，RSSjM}(j＝1，…，z)，其中，M为序列长度，即接收信号强度矢量个数；z为序列条数；RSSjk＝(RSSjk1,…,RSSjkn)(k＝1,…,M)为第j条序列中第k个接收信号强度矢量；n为AP个数；RSSjkr(r＝1,…,n)为第j条序列第k个接收信号强度矢量中来自第r个AP的信号强度值；步骤二：在Sj中，利用时间戳升序排列，将每条信号强度矢量重构为一条混合矢量步骤三：分别对中的时间戳和接收信号强度矢量进行加权，加权系数分别为wts和wrss，wts+wrss＝1，得到步骤四：对Sj中混合矢量进行谱聚类，得到Sj中每条混合矢量的聚类号；步骤五：利用中值滤波，修正每条混合矢量的聚类号及相应类心；步骤六：根据Sj中相邻聚类之间的转移关系，以连接图的形式得到Sj的类转移图；步骤七：重复步骤二至步骤六，得到所有接收信号强度序列的类转移图；步骤八：对每条类转移图进行序号标记，得到类转移图序号1,…,t，其中，t为类转移图个数；步骤九：从序号为1的类转移图开始，按序号顺序依次把每个类转移图作为第一参考序列，设定类合并门限Sth，逐一计算非第一参考序列与第一参考序列中各类之间的欧式距离；步骤十：合并欧氏距离二范数小于Sth的类，且合并后的类心定义为合并前不同类的类心均值；步骤十一：以数值±1为步长调整Sth取值，使得得到的各合并图为全连通图，即完成序列拼接；步骤十二：重复步骤九至步骤十一，使得所有的类转移图都已被选作为第一参考序列，此时得到的所有合并图构成了待筛选信号逻辑图集合，其中，每个合并图定义为一个信号逻辑图，信号逻辑图中的每个节点定义为一个逻辑节点；步骤十三：将定位目标区域的每个叉路口作为区域边界进行子区域划分，并对每个子区域进行序号标记；步骤十四：根据各子区域的邻接关系，将定位目标区域表示为各子区域连通的物理环境图；步骤十五：在定位目标区域内选择少量标记位置点CP，且保证标记位置点个数少于子区域个数；步骤十六：在各标记位置点处采集一定数目的来自不同AP的信号强度矢量，并将其均值矢量作为各标记位置点的代表矢量RV；步骤十七：计算与每个RV欧式距离最小的逻辑节点，并定义此逻辑节点为该RV所对应子区域存在的映射关系，剔除包含与2个或以上不同子区域存在映射关系的逻辑节点所对应的信号逻辑图；步骤十八：利用映射准则，得到所有未剔除信号逻辑图，以及相应的与物理环境图的映射关系；步骤十九：选择对于所有标记点具有最高平均定位精度的信号逻辑图，作为最优信号逻辑图，其中，每个标记点的定位精度定义为在该标记点上采集的正确映射到所属子区域的信号强度矢量个数与信号强度矢量总数的比值；步骤二十：得到最优信号逻辑图，以及该最优信号逻辑图到物理环境图的映射关系；步骤二十一：根据用户新采集的信号强度矢量，在最优信号逻辑图中计算出与新采集信号强度矢量具有最小欧式距离的逻辑节点；步骤二十二：根据最优信号逻辑图到物理环境图的映射关系，估计用户所处的子区域。2.根据权利要求1所述的基于随机用户信号逻辑图映射的室内WLAN定位方法，其特征在于步骤四的对每条信号强度序列中的混合矢量进行谱聚类处理，以得到序列中不同混合矢量的聚类号，过程如下：步骤四一：对于Sj，构建邻接矩阵Mwa，如下式：其中，wpq为Sj中与的相似度，且其中，||·||表示二范数计算；步骤四二：设定相似度门限thw，当wpq＜thw时，令wpq＝0；步骤四三：将Mwa中的每一列求和，得到构造M×M的对角矩阵Dm，如下：步骤四四：计算拉普拉斯算子L：L＝Dm-Mwa公式四步骤四五：计算L的c个最小特征值{vh}(h＝1,…,c)及相应的c个特征向量Vh＝(eh1,…,ehM)T，其中，vh为第h个特征值，Vh为第h个特征值所对应的特...

【专利技术属性】
技术研发人员：周牧，张巧，田增山，蒋青，周非，范馨月，邱枫，李坤鹏，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85