一种无人机辅助的指纹定位方法技术

本发明专利技术公开一种无人机辅助的指纹定位方法，包括：在定位区域内部署

【技术实现步骤摘要】
一种无人机辅助的指纹定位方法


[0001]本专利技术属于定位
，更具体地，本专利技术涉及一种无人机辅助的指纹定位方法
。

技术介绍

[0002]GPS
和基站定位技术可以满足室外定位需求，但人们大部分时间都在室内
。
然而，在室内环境中，建筑物对信号进行了遮挡，导致
GNSS
信号衰减迅速甚至完全不可用，无法满足室内导航定位需求
。
[0003]Wi
‑
Fi
定位技术基础设施广泛，易于部署，因此基于
Wi
‑
Fi
的定位技术被广泛用于室内定位
。
指纹定位作为一种基于
Wi
‑
Fi
信号的室内定位技术，由于其精度高
、
成本低
、
易于实现等优点，近年来受到了广泛的关注
。
为了解决室内环境会影响定位的问题，对指纹数据提出了各种预处理方法，旨在减少室内环境对指纹库的影响，避免异常值和噪声对指纹库的影响，从而提高构建指纹库的准确性
。
如提出了一种基于
KPCA
的室内定位方法，该方法通过非线性映射将数据从原始空间映射到高维特征空间，然后进行线性主成分分析
(PCA)。
为了更好地处理非线性变换，
KPCA
引入了核函数技巧，该技巧用核函数计算的相似度度量替换特征空间中数据向量之间的点积
。
[0004]上述定位方法通过引入核函数来捕获数据的非线性特征，但
KPCA
使用的算法存在与
PCA
相同的缺点，即只保留数据的全局欧几里得结构，而忽略数据的局部邻域结构；这种全局性使得
KPCA
很难完全捕获数据之间的复杂关系和局部特征，从而导致
KPCA
在某些情况下的性能不佳
。

技术实现思路

[0005]本专利技术提供一种无人机辅助的指纹定位方法，旨在改善上述问题
。
[0006]本专利技术是这样实现的，一种无人机辅助的指纹定位方法，所述方法包括如下步骤：
[0007]S1、
在定位区域内部署
n
个无人机接入点，在无人机接入点的网络覆盖范围内设置
M
个参考点，精准测量每个参考点的位置信息；
[0008]S2、
在每个参考点处收集来自
n
个无人机接入点的
RSSI
信号，组成参考位置的指纹数据，将所有参考点的指纹数据存储到指纹数据库中，形成参考点的指纹数据空间
F
；
[0009]S3、
从指纹数据空间
F
中的每条指纹数据中提取指纹特征，构成参考点的指纹空间
F
′
；
[0010]S4、
在待定位的目标位置处收集来自
n
个无人机接入点的
RSSI
信号，组成目标位置的指纹数据空间
R
，从指纹数据空间
R
中提取指纹特征
R
′
；
[0011]S6、
计算目标位置的指纹特征
R
′
与参考点指纹空间
F
′
中各个指纹特征的相似度，基于高相似度的参考点位置预估目标位置
。
[0012]进一步的，参考位置
p
i
的指纹数据为其中
为参考点
p
i
处第
s
次采集到的第
t
个无人机接入点的
RSSI
值
。
[0013]进一步的，参考点的指纹数据空间
F
＝
(f1,f2,
…
,f
i
,
…
,f
M
)
T
，参考点的指纹空间
F
′
＝
(f
′1,f
′2,
…
,f
i
′
,...,f
′
M
)
T
，其中，
f
i
′
为从原始位置指纹信息
f
i
中提取到的指纹特征
。
[0014]进一步的，指纹特征为
f
′
的提取过程具体如下：
[0015]将第
i
个参考点的指纹数据
f
i
投影至第
k
个最大特征对应的特征向量
V
k
，获取投影向量
t
ki
，指纹特征
f
i
′
＝
(t
1i
,t
2i
,
…
,t
li
)
T
，投影向量
t
ki
计算公式具体如下：
[0016][0017]其中，
α
kj
表示第
k
个特征向量中的第
j
个分量对应的单位正交特征向量，
k
的取值为1～
l
，
l
表示选取的最大特征值数量
,
表示第
i
个参考点与第
j
个参考点之间的核函数修正值
。
[0018]进一步的，原始位置指纹数据
R
的获取过程具体如下：
[0019]目标位置
r
处收集来自
n
个无人机接入点的
RSSI
信号
q
次，将收集到的
RSSI
信号组成目标位置
r
的原始位置指纹数据
R
＝
(rs1,rs2,
…
,rs
t
,
…
,rs
n
)
T
，
rs
t
表示从目标位置
r
采集到的第
t
个无人机接入点的
RSSI
信号平均值
。
[0020]进一步的，采用欧氏距离表示目标位置的指纹特征
R
′
与参考点指纹库
F
′
中各参考点的指纹特征之间的相似度，两者间的欧式距离越小，两者间的相似度越高
。
[0021]进一步的，指纹特征
R
′
与指纹数据库
F
′
中参考点指纹特征
f
j
′
间的欧式距离计算公式具体如下：
[002本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种无人机辅助的指纹定位方法，其特征在于，所述方法包括如下步骤：
S1、
在定位区域内部署
n
个无人机接入点，在无人机接入点的网络覆盖范围内设置
M
个参考点，测量每个参考点的位置信息；
S2、
在每个参考点处收集来自
n
个无人机接入点的
RSSI
信号，组成参考位置的指纹数据，将所有参考点的指纹数据存储到指纹数据库中，形成参考点的指纹数据空间
F
；
S3、
从指纹数据空间
F
中的每条指纹数据中提取指纹特征，构成参考点的指纹空间
F
′
；
S4、
在待定位的目标位置处收集来自
n
个无人机接入点的
RSSI
信号，组成目标位置的指纹数据空间
R
，从指纹数据空间
R
中提取指纹特征
R
′
；
S6、
计算目标位置的指纹特征
R
′
与参考点指纹空间
F
′
中各个指纹特征的相似度，基于高相似度的参考点位置预估目标位置
。2.
如权利要求1所述无人机辅助的指纹定位方法，其特征在于，参考位置
p
i
的指纹数据为其中为参考点
p
i
处第
s
次采集到的第
t
个无人机接入点的
RSSI
值
。3.
如权利要求2所述无人机辅助的指纹定位方法，其特征在于，参考点的指纹数据空间
F
＝
(f1,f2,
…
,f
i
,
…
,f
M
)
T
，参考点的指纹空间
F
′
＝
(f1′
,f
′2,
…
,f
′
i
,
…
,f
′
M
)
T
，其中，
f
i
′
为从原始位置指纹信息
f
i
中提取到的指纹特征
。4.
如权利要求3所述无人机辅助的指纹定位方法，其特征在于，指纹特征为
f
′
的提取过程具体如下：将第
i
个参考点的指纹数据
f
i
投影至第
k
个最大特征对应的特征向量
V
k
，获取投影向量
t
ki
，指纹特征
f
i
′
＝
(t
1i
,t
2i
,...,t
li
)
T
，投影向量
t
ki
计算公式具...

【专利技术属性】
技术研发人员：高文根，潘孟星，李云飞，江玲，穆少鹏，许汉文，
申请(专利权)人：安徽工程大学，
类型：发明
国别省市：