基于SimRank相似组合邻近图构建的室内WLAN定位组网方法技术

本发明专利技术公开了一种基于SimRank相似组合邻近图构建的室内无线局域网（WLAN）定位组网方法，它首先构造定位目标环境中不同位置参考点之间的物理位置邻近图及接收信号强度（RSS）邻近图，并按一定准则将两幅邻近图进行组合以得到参考点邻近图；然后从图论的角度构建SimRank模型，以计算参考点间的相似度，并在增大参考点间差异性（或称减小参考点间相似度）的基础上，建立室内WLAN接入点（AP）位置优化的目标函数；最后运用模拟退火算法求解目标函数，以实现对AP位置的快速优化。该方法在保证较高定位精度的同时，显著降低了多AP条件下（当AP数大于2时）定位系统的计算时间开销。

【技术实现步骤摘要】
基于SimRank相似组合邻近图构建的室内WLAN定位组网方法
本专利技术属于无线电通信技术，具体涉及一种基于SimRank相似组合邻近图构建的室内WLAN定位组网方法。
技术介绍
随着嵌入式计算机系统、无线网络和移动通信技术的迅猛发展，移动定位业务逐步得到了开发与实现，特别是基于位置的服务(Location-basedServices，LBSs)在实际应用中发挥着越来越重的作用，如在大型办公楼、机场、酒店、商业中心、仓库和地下停车场等场景用户都亟需得到准确的定位信息。GPS定位技术以其定位精度高、全天候获取信息、用户接收设备轻巧等诸多优点得到了广泛应用，然而在室内环境下由于卫星信号的急剧衰弱，GPS定位系统难以正常工作，因此近年来室内定位技术得到了更加广泛的关注。目前较为流行的室内定位技术主要有红外线室内定位技术、蓝牙室内定位技术、ZigBee室内定位技术、射频识别(RFID)室内定位技术、无线局域网(WLAN)室内定位技术。红外线室内定位技术的工作原理是通过接收安装在室内的多个光学传感器信号进行定位，其仅能在视距传播环境下具有较高的定位精度，且所需设备较复杂，成本较高；蓝牙室内定位技术采用基于蓝牙信号的三角定位技术，其除了使用蓝牙模块外，还需在环境中部署多个蓝牙基站，由于目前蓝牙基站在室内环境下的部署还不普及，因此其系统成本较高；RFID和ZigBee室内定位技术一般适用于小范围定位环境；相比较，WLAN在机场、校园、医院、商业区、餐饮娱乐场所和住宅小区等各种场景中的应用越来越广泛，以及在智能手机、笔记本、上网本、MP4、个人数字助理(PDA)等移动终端设备中的普遍使用，此外，基于WLAN的室内定位技术一般具有成本低、覆盖范围广、精度较高等优势，因此，WLAN室内定位技术成为了目前室内定位技术的主流。在众多WLAN室内定位方法中，基于位置指纹的定位方法由于具有较高的定位精度且无需添加额外的硬件设备，于是得到了最为广泛的关注。基于位置指纹的定位方法主要包括两个阶段：离线阶段和在线阶段。在离线阶段，通过在定位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WLAN接入点(AP)的信号强度值，建立位置指纹数据库；而在在线阶段，则利用相应的定位算法将终端实时测量得到的信号强度值与位置指纹数据库中预先保存的位置指纹数据进行匹配，进而估计终端位置。由于室内环境的复杂多变，位置指纹定位方法的定位精度受多种因素的影响。通过已有研究的分析对比，发现在影响位置指纹定位方法精度性能的众多因素中，AP摆放位置对于定位精度有较大影响。因此，为了优化AP摆放位置，现有方法主要关注的有AP发射信号覆盖范围、通信服务质量、网络吞吐量、信号传输速率以及覆盖范围内不同参考点间的接收信号强度(RSS)差异性等因素。而针对不同参考点间的RSS差异性这一因素，现有研究主要使用不同参考点间的RSS欧几里德距离来表征。
技术实现思路
本专利技术的目的是提供一种基于SimRank相似组合邻近图构建的室内WLAN定位组网方法，在保证较高位置指纹定位精度的前提下，实现AP摆放位置的快速优化，并降低系统的计算时间开销。本专利技术首先通过构建参考点的物理位置邻近图及RSS邻近图，并按一定的准则进行组合；然后从图论的角度建立SimRank模型，通过图的拓扑信息(如参考点的邻近节点信息)来衡量不同参考点间的相似程度(即RSS差异性)；最后运用模拟退火算法求解相应的目标函数，实现对AP摆放位置的快速优化，该专利技术在保证较高定位精度的同时显著降低了系统的计算时间开销。SimRank是一种基于图的拓扑结构信息来衡量任意两个对象间相似程度的模型。本专利技术所述的基于SimRank相似组合邻近图构建的室内WLAN定位组网方法，包括以下步骤：步骤一、初始化，令i＝1；其中i为计数量；步骤一至步骤九为构造参考点间的接收信号强度(RSS)邻近图及物理位置邻近图。步骤二、初始化，令j＝1；其中j为计数量。步骤三、分别计算参考点i与参考点j之间的RSS欧几里德距离和物理位置距离，并存入矩阵Edistance和Distance中，其中，矩阵Edistance的第i行第j列元素Edistance(i,j)为参考点i与参考点j之间的RSS欧几里德距离；矩阵Distance的第i行第j列元素Distance(i,j)为参考点i与参考点j之间的物理位置距离。步骤四、j＝j+1；j为计数量。步骤五、判断j是否小于Num_RF；若是，则进入步骤三；若否，则进入步骤六；其中Num_RF为参考点的总个数。步骤六、分别对矩阵Edistance和Distance的第i行元素进行归一化处理。步骤七、分别对归一化处理后的矩阵Edistance和Distance的第i行元素进行升序排列，各取升序排列后前10％的元素所对应的分别在矩阵Edistance和Distance中的列标号，并将其分别存入矩阵near_1和near_2的第i行；其中near_1、near_2分别是Num_RF行列的矩阵。步骤八、i＝i+1；其中，i为计数量。步骤九、判断i是否小于Num_RF；若是，则进入步骤二；若否，则进入步骤十；其中Num_RF为参考点的总个数。步骤十、按一定的准则合并矩阵near_1和near_2，并且存入矩阵near中；合并准则为：交运算。步骤十一、根据合并后的矩阵near构造参考点的邻近图，从图论角度建立的基于SimRank的相似度计算模型，为了优化AP位置，使参考点之间的RSS差异最大化，建立总的优化目标函数f(w)，其中，w为该优化目标函数所对应的最优解，即最优AP位置；s(m,n)为参考点m与参考点n之间的相似度；C为衰减因子，其取值范围为(0,1)；L(m)和L(n)为在邻近图中分别与参考点m和n相连的参考点集合，例如，在图2中，L(1)＝{2,3,4,7}，L(2)＝{1,4,3}；|L(m)|和|L(n)|分别为集合L(m)和L(n)中元素的个数；Li(m)和Lj(n)为在邻近图中分别与参考点m相连的第i个参考点和与参考点n相连的第j个参考点；例如，在图2中，L1(1)＝2，L2(1)＝3；s(Li(m),Lj(n))为在邻近图中与参考点m相连的第i个参考点和与参考点n相连的第j个参考点之间的相似度；P(Li(m),k)和P(Lj(n),k)分别为在邻近图中与参考点m相连的第i个参考点和与参考点n相连的第j个参考点处接收到的来自第k个AP的信号强度值。步骤十二、运用模拟退火算法解目标函数f(w)，选定AP所有可能摆放位置，并将每个AP位置定义为模拟退火算法的一个可能目标解w。步骤十三、设置初始温度T0；降温速度α；总的迭代次数K；终止温度Ts；其中，T0、α、K、Ts为模拟退火算法的参数。步骤十四、初始化k＝1；当前温度T＝T0；其中k为计数迭代次数，总迭代次数为K。步骤十五、随机生成AP摆放位置初始解w，并计算当前AP摆放位置下目标函数f(w)的值。步骤十六、扰动产生AP摆放位置新解w'，并计算当前AP摆放位置下目标函数的值f(w')；其中，扰动方式为：随机选取当前组合AP位置中的某一AP位置，将其与剩余某一待选AP位置进行替换。步骤十七、计算Δf，Δf＝f(w')-f(w)。步骤十八、判断Δ本文档来自技高网...

【技术保护点】
基于SimRank相似组合邻近图构建的室内WLAN定位组网方法，其特征在于：所述方法首先通过构建参考点的物理位置邻近图及RSS邻近图，并按一定的准则进行组合；然后从图论的角度建立SimRank模型，通过图的拓扑信息来衡量不同参考点间的相似程度，即RSS差异性；最后运用模拟退火算法求解相应的目标函数，实现对AP摆放位置的快速优化。

【技术特征摘要】
1.基于SimRank相似组合邻近图构建的室内WLAN定位组网方法，其特征在于：所述方法首先通过构建参考点的物理位置邻近图及RSS邻近图，并按一定的准则进行组合；然后从图论的角度建立SimRank模型，通过图的拓扑信息来衡量不同参考点间的相似程度，即RSS差异性；最后运用模拟退火算法求解相应的目标函数，实现对AP摆放位置的快速优化；所述首先通过构建参考点的物理位置邻近图及RSS邻近图，并按一定的准则进行组合的步骤如下：步骤一、初始化，令i＝1；其中i为计数量；步骤二、初始化，令j＝1；其中j为计数量；步骤三、分别计算参考点i与参考点j之间的RSS欧几里德距离和物理位置距离，并存入矩阵Edistance和Distance中，其中，矩阵Edistance的第i行第j列元素Edistance(i,j)为参考点i与参考点j之间的RSS欧几里德距离；矩阵Distance的第i行第j列元素Distance(i,j)为参考点i与参考点j之间的物理位置距离；步骤四、j＝j+1；步骤五、判断j是否小于Num_RF，其中，Num_RF为参考点个数；若是，则进入步骤三；若否，则进入步骤六；步骤六、分别对矩阵Edistance和Distance的第i行元素进行归一化处理；步骤七、分别对归一化处理后的矩阵Edistance和Distance的第i行元素进行升序排列，各取升序排列后前10％的元素所对应的分别在矩阵Edistance和Distance中的列标号，并将其分别存入矩阵near_1和near_2的第i行；其中，near_1、near_2分别是Num_RF行列的矩阵；步骤八、i＝i+1；步骤九、判断i是否小于Num_RF；若是，则进入步骤二；若否，则进入步骤十；步骤十、对矩阵near_1和near_2进行交运算处理，并将结果存入矩阵near中；其中near是Num_RF行列的矩阵；交运算准则如下：若则near(i,j)＝near_1(i,j)；否则，near(i,j)＝0；其中，near是Num_RF行列的矩阵；步骤十一、根据矩阵near构造参考点邻近图，构造邻近图的准则如下：若near(i,j)≠0且则参考点i与参考点near(i,j)之间用无向线段连接；若near(i,j)＝0或则参考点i与参考点near(i,j)之间不连接；所述从图论的角度建立SimRank模型，通过图的拓扑信息来衡量不同参考点间的相似程度的步骤如下：从图论角度建立基于SimRank相似度计算模型的优化目标函数f(w)，即：其中，w为该优化目标函数所对应的最优解，即最优AP位置；s(m,n)为参考点m与参考点n之间的相似度；C为衰减因子，其取值范围为(0,1)；L(m)和L(n)为在邻近图中分别与参考点...

【专利技术属性】
技术研发人员：周牧，蒲巧林，田增山，史瑞康，何维，王名孝，范馨月，向铭，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;85