基于不等长序列相似性的无线指纹匹配方法组成比例

本发明专利技术公开了一种基于不等长序列相似性的无线指纹匹配方法，基于若干台部署的Wi‑Fi热点，用于实时检测Wi‑Fi信号的Wi‑Fi检测模块，所述的Wi‑Fi检测模块设置于移动终端上，用于存储Wi‑Fi指纹信息的数据库，包括确定候选序列和不等长序列相似性计算两个阶段。通过确定候选序列阶段获取与待识别序列相关的一组候选序列，作为下一步计算相似性、确定待测点位置标签的序列集合，通过不等长序列相似性计算阶段，实现了在候选序列中找出与待检序列最接近的序列，此结果将用于从后台数据库中查找位置信息。本发明专利技术一种基于不等长序列相似性的无线指纹匹配方法，能够在低成本部署前提下，实现适合停车场定位精度的定位需求，在大型地下停车场车辆定位的应用有较大实用价值。

【技术实现步骤摘要】
基于不等长序列相似性的无线指纹匹配方法
本专利技术涉及室内定位技术中的无线指纹匹配的
，特别涉及一种基于不等长序列相似性的无线指纹匹配方法。
技术介绍
随着移动互联技术的发展，位置服务和位置感知计算等越来越受到重视。在室外环境下，卫星导航技术已广泛应用于人们的生活。而室内环境下的位置服务需求不断增加，如特殊人群监护、大型场馆管理、灾难救援、矿井管理、移动营销等等。在这些应用场景下，卫星信号受限，定位技术面临许多难题。目前常用的室内定位技术涉及三类：一是GNSS技术，如伪卫星技术等；二是无线定位技术，如无线通信信号、射频无线标签、超声波、光跟踪、无线传感器定位等；三是其他技术，如计算机视觉、航位推算等。其中，基于匹配思想的指纹匹配技术具有部署简单、成本低等特点，适合上述场景下的定位需求。无线指纹匹配是指通过实时接收隐含有场景位置信息的无线信号，与指纹数据库中的信息记录进行匹配，从而对测量点的位置进行判断。在室内环境下，特别是大型建筑物或地下建筑中，无线电波经过传播损耗、反射、折射、绕射以及多径传播，每次接触到障碍物都会有一部分能量被吸收。最终在某个测量点形成特定的无线信号特征(如信号数目、强度、相位等)。如果将这一特征和位置坐标进行关联，则可以通过该信号特征表征待测点位置。因此，无线指纹匹配一般分为两个过程：一是场景内离散区域信号特征采集，将信号特征与位置信息关联；二是待测点信号特征分析，通过信号特征计算位置信息。在无线指纹定位过程中，对无线信号特征进行识别与比较是关键步骤。室内环境下，室内建筑格局的变化、设施及人员移动、无线信号源等层面的变化都会导致无线信号特征发生变化，进而导致定位误差。目前常用定位评测标准包括定位精度、复杂度、扩展性、健壮性等指标。考虑到在室内定位常见场景，如大型商场、地下停车场中定位目标的视野可见性，定位精度达几十米即可满足要求，因此此类定位更关注算法健壮性，即当信号发生一定变化时对定位准确性的影响。Wi-Fi热点是一种低成本的无线基站设备，目前得到了广泛应用。通过从Wi-Fi指纹特征的构成出发，认为无线指纹匹配其实是不等长易变序列的相似性计算问题，进而提出一种基于不等长序列相似性的无线指纹匹配方法。
技术实现思路
本专利技术的目的在于克服上述现有技术的不足，提供一种基于不等长序列相似性的无线指纹匹配方法，其旨在解决现有技术在无线定位过程中，由于Wi-Fi序列受环境影响较大，且个别结点稳定性较差，导致序列识别及相似性计算难度较大的技术问题。为实现上述目的，本专利技术提出了一种基于不等长序列相似性的无线指纹匹配方法，基于若干台部署的Wi-Fi热点，用于实时检测Wi-Fi信号的Wi-Fi检测模块，所述的Wi-Fi检测模块设置于移动终端上，用于存储Wi-Fi指纹信息的数据库，包括确定候选序列和不等长序列相似性计算两个阶段，具体步骤如下：步骤一、确定候选序列：①将待测序列中的信号按强度排序，选择其中强度最大的N个信号：由于Wi-Fi基站自身稳定性及传播通道状态变化，待测序列中的信号强度、数量都有可能发生变化，移动终端的Wi-Fi检测模块收到Wi-Fi信号后，首先按强度进行排序，并取出强度最大的N个信号，得到待识别信号序列AP1,AP2,...,APN，存入移动终端的指纹库中；②分别以上述这N个信号为索引，从指纹库中筛选包含信号APi的指纹序列，信号索引事先在离线状态下做好，这样可快速获得包含这些信号的候选序列。由于Wi-Fi具有局部性，即指纹序列所包含的信号一般来自附近热点，因此索引长度可以设置得较短，假设索引长度为k，整个索引过程相当于一次映射，其时间消耗可视作常数；步骤二、不等长序列相似性计算：将Wi-Fi指纹相似性计算抽象为不等长易变序列的等价计算问题。设s1＝(r11,r12,...,r1m)，s2＝(r21,r22,...,r2n)分别表示两个Wi-Fi序列中的热点强度，m和n是热点个数，则Wi-Fi指纹相似性可表示为s1和s2的相似性。由于m和n未必相同，因此采用序列同类属性比和属性值均方差加权融合的方法进行计算。①首先构造s1和s2中热点的并集，并按热点名称或ID号重新排列为新序列p，设p的大小为t。该序列包含在s1和s2中出现过的所有Wi-Fi热点；②将原来在s1和s2中的热点强度值标记到序列p上，分别形成两个序列p1＝(r′11,r′12,...,r′1t)，p2＝(r′21,r′22,...,r′2t)。其中，原序列中没有的热点强度标为0。r′1i和r′2i分别表示第i号热点在两个序列中的强度。通过这种方式将不等长序列转化为等长序列，将计算s1和s2的相似性转化为计算p1和p2的相似性。③计算两个序列热点强度的均方差，如式(1)所示：通过均方差体现原序列同时拥有的热点强度差异，也能反映当热点仅出现在一个序列中时对序列相似性的影响；步骤三、将经过步骤二不等长序列相似性计算得出的结果用于从后台数据库中查找位置信息。作为优选，所述的步骤一中k的值为10～20。作为优选，所述的步骤一确定候选序列的具体过程如算法1所示：算法1Input：Signals(fromSensors),FingerPrintDataBaseOutput：Sequences1VectorSequences＝NULL2VectorSignals＝GetSignals()//fromSensors3Signals＝SortByStrength(Signals)4Signals＝GetTheFirstNSignals(Signals,N)5ForEachAPi∈SignalsDo6Sequences＝Index(APi,FingerPrintDataBase)7EndFor作为优选，所述的步骤二不等长序列相似性计算的具体过程如算法2所示：算法2Input：VectorV,SequencesOutput：Result//Sequences中与V最相似序列1DoubleMin＝02VectorResult＝NULL3ForEachSi∈SequencesDo4VectorTemp＝V-Si//扩展V5SetTemp.signals＝06V＝V∪Temp7Temp＝Si–V//扩展Si8SetTemp.signals＝09Si＝Si∪Temp10DoubleSim＝Simlarity(V,Si)11IfSim<MinThen12Min＝Sim13Result＝Si14EndIf15EndFor本专利技术的有益效果：与现有技术相比，本专利技术提供的一种基于不等长序列相似性的无线指纹匹配方法，通过确定候选序列阶段获取与待识别序列相关的一组候选序列，作为下一步计算相似性、确定待测点位置标签的序列集合，通过不等长序列相似性计算阶段，实现了在候选序列中找出与待检序列最接近的序列，此结果将用于从后台数据库中查找位置信息。结合城市停车场管理问题，提出一种基于不等长序列相似性的无线指纹匹配算法，较好地解决了确定无线候选序列和计算不等长序列相似性等问题，在模拟大型地下停车场车辆定位的应用场景中体现出了其实用价值，能够在低成本部署前提下，实现适合停车场定位精度的定位需求。本专利技术的特征及优点将通过实施例结合附图进行详细说明本文档来自技高网...

【技术保护点】
一种基于不等长序列相似性的无线指纹匹配方法，基于若干台部署的Wi‑Fi热点，用于实时检测Wi‑Fi信号的Wi‑Fi检测模块，所述的Wi‑Fi检测模块设置于移动终端上，用于存储Wi‑Fi指纹信息的数据库，其特征在于：包括确定候选序列和不等长序列相似性计算两个阶段，具体步骤如下：步骤一、确定候选序列：①将待测序列中的信号按强度排序，选择其中强度最大的N个信号：由于Wi‑Fi基站自身稳定性及传播通道状态变化，待测序列中的信号强度、数量都有可能发生变化，移动终端的Wi‑Fi检测模块收到Wi‑Fi信号后，首先按强度进行排序，并取出强度最大的N个信号，得到待识别信号序列AP1,AP2,...,APN，存入移动终端的指纹库中；②分别以上述这N个信号为索引，从指纹库中筛选包含信号APi的指纹序列，信号索引事先在离线状态下做好，这样可快速获得包含这些信号的候选序列。由于Wi‑Fi具有局部性，即指纹序列所包含的信号一般来自附近热点，因此索引长度可以设置得较短，假设索引长度为k，整个索引过程相当于一次映射，其时间消耗可视作常数；步骤二、不等长序列相似性计算：将Wi‑Fi指纹相似性计算抽象为不等长易变序列的等价计算问题。设s1＝(r11,r12,...,r1m)，s2＝(r21,r22,...,r2n)分别表示两个Wi‑Fi序列中的热点强度，m和n是热点个数，则Wi‑Fi指纹相似性可表示为s1和s2的相似性。由于m和n未必相同，因此采用序列同类属性比和属性值均方差加权融合的方法进行计算。①首先构造s1和s2中热点的并集，并按热点名称或ID号重新排列为新序列p，设p的大小为t。该序列包含在s1和s2中出现过的所有Wi‑Fi热点；②将原来在s1和s2中的热点强度值标记到序列p上，分别形成两个序列p1＝(r′11,r′12,...,r′1t)，p2＝(r′21,r′22,...,r′2t)。其中，原序列中没有的热点强度标为0。r′1i和r′2i分别表示第i号热点在两个序列中的强度。通过这种方式将不等长序列转化为等长序列，将计算s1和s2的相似性转化为计算p1和p2的相似性。③计算两个序列热点强度的均方差，如式(1)所示：σ=1tΣi=1t(r2i′-r1i′)2---(1)]]>通过均方差体现原序列同时拥有的热点强度差异，也能反映当热点仅出现在一个序列中时对序列相似性的影响；步骤三、将经过步骤二不等长序列相似性计算得出的结果用于从后台数据库中查找位置信息。...

【技术特征摘要】
1.一种基于不等长序列相似性的无线指纹匹配方法，基于若干台部署的Wi-Fi热点，用于实时检测Wi-Fi信号的Wi-Fi检测模块，所述的Wi-Fi检测模块设置于移动终端上，用于存储Wi-Fi指纹信息的数据库，其特征在于：包括确定候选序列和不等长序列相似性计算两个阶段，具体步骤如下：步骤一、确定候选序列：①将待测序列中的信号按强度排序，选择其中强度最大的N个信号：移动终端的Wi-Fi检测模块收到Wi-Fi信号后，首先按强度进行排序，并取出强度最大的N个信号，得到待识别信号序列AP1,AP2,...,APN，存入移动终端的指纹库中；②分别以上述这N个信号为索引，从指纹库中筛选包含信号APi的指纹序列，信号索引事先在离线状态下做好，这样可快速获得包含这些信号的候选序列；由于Wi-Fi具有局部性，即指纹序列所包含的信号来自附近热点，假设索引长度为k，整个索引过程相当于一次映射，其时间消耗可视作常数；步骤二、不等长序列相似性计算：将Wi-Fi指纹相似性计算抽象为不等长易变序列的等价计算问题；设s1＝(r11,r12,...,r1m)，s2＝(r21,r22,...,r2n)分别表示两个Wi-F...

【专利技术属性】
技术研发人员：黄旭，蒋云良，范婧，吴茂念，刘勇，顾永跟，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：浙江;33