一种位置候选集合生成方法及其高精度融合定位方法技术

本发明专利技术公开了一种位置候选集合生成方法及其高精度融合定位方法，一种位置候选集合生成方法的步骤为先对待定位区域构建离线指纹库，基于离线指纹库离线训练指纹分类器，获取待定位目标附近AP的RSS值，得到实时的RSS向量，根据每个分类器对实测数据的格点位置预测概率矢量选取概率较大的多个位置估计构造位置候选集合，一种基于位置候选集合的高精度融合定位方法步骤为：根据位置候选集合生成方法生成的位置候选集得到候选结果，建立目标函数的优化模型；根据建立的优化模型，交替进行权值更新和位置更新直至达到收敛条件，完成位置候选集融合，得到目标定位。本发明专利技术相比于已有方法是一种定位精度高、实用性强且能满足实时融合定位的室内定位方法。

【技术实现步骤摘要】
一种位置候选集合生成方法及其高精度融合定位方法
本专利技术属于室内定位
，具体涉及利用多机器学习方法进行融合的一种基于候选位置集合的高精度融合定位方法。
技术介绍
随着移动互联网和普适计算的发展，人们对基于位置的服务需求越来越高，如室内导航、自动泊车、商场管理、智慧城市等。在大数据技术飞速发展得背景下，基于位置的服务越来越扮演十分重要的作用。近年来，基于WiFi的室内定位系统成为室内定位领域的研究热点，WiFi定位具有设备成本低、不用专门部署、无需增加额外定位设备等优点。然而在室内环境中，受多径、遮蔽、环境变化等效应的影响，接收信号强度RSS波动较大，使得基于RSS的室内定位系统精度不高。近几年，不少学者提出了一些融合定位方法，在不需要设备改动的情况下，可以提高现有定位算法的定位精确性和稳健性。文献[1].GwonY，JainR，KawaharaT.Robustindoorlocationestimationofstationaryandmobileusers.INFOCOM2004.Twenty-thirdAnnualJointConferenceoftheIEEEComputerandCommunicationsSocieties.IEEE，2004，2∶1032-1043.提出了一种基于最小均方误差MinimumMeanSquareError，MMSE准则的多源融合权值估计方法，利用额外的训练数据，根据MMSE准则，分别优化估计目标和的融合权值。该方法的计算复杂度较低，但存在以下问题：1)估计权值需要额外的数据集，增加了建立指纹库的负担；2)所有格点的权值都相同，无法满足环境自适应变换情况；3)权值训练在离线进行，无法实时融合定位。文献[2].FangSH，HsuYT，KuoWH.Dynamicfingerprintingcombinationforimprovedmobilelocalization[J].IEEETransactionsonWirelessCommunications，2011，10(12)：4018-4022.提出了一种局部加权的融合定位方法。该方法利用额外的离线数据集，通过最小化单个格点上的平均定位误差，训练每个格点位置的权值；在线定位阶段，利用欧式距离准则把在线数据和离线数据进行匹配，选取合适的权值进行加权融合得到最终的定位结果。该方法在不同的区域给每个指纹函数分配不同的权值，具有较强的适应性，但该方法也是属于离线权值训练范畴，无法解决实时融合定位问题。文献[3].LiB，WangY，LeeHK，etal.MethodforyieldingadatabaseoflocationfingerprintsinWLAN[J].IEEProceedings-Communications，2005，152(5)：580-586.提出了一种加权K近邻(WKNN)的融合定位方法，在定位阶段，通过计算在线测试样本和离线指纹之间的欧氏距离选出K个离线样本，并通过加权求和K个离线样本对应的位置获取最终的目标位置估计。所分配的权值为前述欧式距离的倒数。该方法虽可解决实时融合定位问题，但该方法对指纹信息的利用率较低，定位精度不高。
技术实现思路
本专利技术的目的在于：解决目前融合定位方法不能同时满足定位精度高、适应性强且能实时融合定位的问题，提出定位精度高、实用性强且能满足实时融合定位的一种位置候选集合生成方法和基于该种位置候选集合生成方法的高精度融合定位方法，本专利技术中位置候选集合生成方法不需要先验知识，自动确定候选位置的数量，效率高，且具有较强的容错空间，对环境的稳健性好，定位精度高，基于该种位置候选集合生成方法的高精度融合定位方法相比于已有方法，该方法仅通过在线数据进行权值估计，减少了对指纹数据库的依赖，自适应地分配权值，对位置候选集进行加权融合，得到了更高的定位精度，同时减少了建立指纹库的负担。本专利技术采用的技术方案如下：一种位置候选集合生成方法，方法步骤包括：步骤(1)、获取待定位区域各个格点的AP的RSS值和格点坐标，构建离线指纹库D；步骤(2)、基于离线指纹库D，离线训练指纹分类器；步骤(3)、获取待定位目标附近AP的RSS值，得到实时的RSS向量；步骤(4)、利用步骤(2)训练好的多个指纹分类器对实时RSS向量进行格点位置预测，输出待定位目标所属格点的概率；步骤(5)、将每个输出的概率排序，找出概率下降最快位置以前的格点位置作为候选位置，依次确定每个指纹分类器的候选位置的集和，合并得到位置候选集合。进一步，所述步骤(1)具体为：步骤(11)、在待定位区域划分为多个格点，并部署多个AP；步骤(12)、依次在各个格点中扫描各AP的RSS，保存各个格点的RSS值和格点二维坐标，构建离线指纹库D。进一步，所述步骤(2)是基于离线指纹库D，利用M个不同的机器学习算法，分别训练对应的指纹分类器，记为fm(D)，(m＝1，2，…，M)，其中M≥1。进一步，所述步骤(3)具体为：在目标位置扫描L个AP的RSS得到实时的RSS矢量进一步，所述步骤(5)中依次确定每个指纹分类器的候选位置的集和采用对每个分类器取Hm且Hm≥1个概率最高的位置预测作为指纹分类器的候选位置的集合，得到的位置候选集合为：其中，是第m个分类器输出的候选位置标号，g(□)：□1→□2是将位置标号转换为二维坐标的映射函数，A为M×2的矩阵，M≥1.一种基于候选位置集合的高精度融合定位方法，方法步骤包括：步骤(1)、根据前面所述的一种位置候选集合生成方法生成的位置候选集得到候选结果，建立目标函数的优化模型；步骤(2)、根据建立的优化模型，交替进行权值更新和位置更新直至达到收敛条件，完成位置候选集融合，得到目标定位。进一步，所述步骤(1)中根据位置候选集得到M个候选结果，建立目标函数的优化模型如下：其中，z＝[x，y]T为目标位置，是第i个候选位置，w＝[w1，w2，…，wM]T是权值向量，||·||2代表二范数。进一步，所述步骤(2)中在交替进行权值更新和位置更新直至达到收敛条件前还包括设定位置初始值z(0)步骤，z(0)可为随机值和位置候选集合的平均值中的任意一种。进一步，所述步骤(2)中权值更新过程为：在第t次权值w(t)更新过程中，第t-1次的位置估计z(t-l)已知，此时目标函数为等式约束型目标函数，通过拉格朗日乘子法进行求解得到第i个候选位置，第t次更新的权值wi(t)表达式；位置更新过程为：在第t次位置z(t)更新过程中，第t次权值w(t)已知，此时的目标函数为无约束的可微凸函数，通过求解偏导数求解得到第t次位置z(t)的表达式。进一步，所述步骤(2)中收敛条件设置为：其中ε为一个较小的常数，z(t-1)为第t-1次的位置估计，z(t)为第t次的位置估计。综上所述，由于采用了上述技术方案，本专利技术的有益效果是：1、本专利技术中，位置候选集合生成方法不需要先验知识，自动确定候选位置的数量，效率高，且具有较强的容错空间，对由人走动/门窗关闭及硬件差异等引起的时变环境具有较好的稳健性，可在无需指纹库矫正的基础上获取较高的定位精度，基于该种位置候选集合生成方法的高精度融合定位方法相比于已有方法，该方法仅通过在线数据进行权值估计本文档来自技高网...

【技术保护点】
1.一种位置候选集合生成方法，其特征在于：方法步骤包括：步骤(1)、获取待定位区域各个格点的AP的RSS值和格点坐标，构建离线指纹库D；步骤(2)、基于离线指纹库D，离线训练指纹分类器；步骤(3)、获取待定位目标附近AP的RSS值，得到实时的RSS向量；步骤(4)、利用步骤(2)训练好的多个指纹分类器对实时RSS向量进行格点位置预测，输出多个待定位目标所属格点的概率；步骤(5)、将每个输出的概率排序，找出概率下降最快位置以前的格点位置作为候选位置，依次确定每个指纹分类器的候选位置的集和，合并得到位置候选集。

【技术特征摘要】
1.一种位置候选集合生成方法，其特征在于：方法步骤包括：步骤(1)、获取待定位区域各个格点的AP的RSS值和格点坐标，构建离线指纹库D；步骤(2)、基于离线指纹库D，离线训练指纹分类器；步骤(3)、获取待定位目标附近AP的RSS值，得到实时的RSS向量；步骤(4)、利用步骤(2)训练好的多个指纹分类器对实时RSS向量进行格点位置预测，输出多个待定位目标所属格点的概率；步骤(5)、将每个输出的概率排序，找出概率下降最快位置以前的格点位置作为候选位置，依次确定每个指纹分类器的候选位置的集和，合并得到位置候选集。2.根据权利要求1所述的一种位置候选集合生成方法，其特征在于：所述步骤(1)具体为：步骤(11)、在待定位区域划分为多个格点，并部署多个AP；步骤(12)、依次在各个格点中扫描各AP的RSS，保存各个格点的RSS值和格点二维坐标，构建离线指纹库D。3.根据根据权利要求1所述的一种位置候选集合生成方法，其特征在于：所述步骤(2)是基于离线指纹库D，利用M个不同的机器学习算法，分别训练对应的指纹分类器，记为fm(D)，(m＝1，2，…，M)，其中M≥1。4.根据根据权利要求1所述的一种位置候选集合生成方法，其特征在于：所述步骤(3)具体为：在目标位置扫描L个AP的RSS得到实时的RSS矢量5.根据根据权利要求1所述的一种位置候选集合生成方法，其特征在于：所述步骤(5)中依次确定每个指纹分类器的候选位置的集和采用对每个分类器取Hm且Hm≥1个概率最高的位置预测作为指纹分类器的候选位置的集和，得到的位置候选集合为：其中，是第m个分类器输出的候选位置标号，是将位置标号转换为二维坐标的映射函数...

【专利技术属性】
技术研发人员：郭贤生，朱世林，李林，段林甫，万群，沈晓峰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51