【技术实现步骤摘要】
本专利技术属于无线通信与室内定位，具体涉及一种多源异构特征空间测度模型的构造与优化方法。
技术介绍
1、随着移动通信技术以及互联网的快速发展，人们无论生活、学习还是工作、娱乐等，约有80％的时间是处于室内空间当中，全球导航卫星系统(gnss)仍然面临着无法穿透诸如地下停车场、博物馆、矿井、大型超市、医院等室内复杂空间的难题和困境。为满足人们在室内空间内的位置服务需求，国内外的专家与学者不断提出更适用于室内环境的定位技术，例如：wifi、地磁、视觉、5g蜂窝网络、蓝牙、超宽带(uwb)等。
2、在一些简单的室内场景下，单一定位技术固然也可以取得不错的定位效果。然而大多数的室内环境往往受到非视距、强干扰、多遮挡等因素的综合影响，如果仅采用单一定位技术进行指纹定位的话，可能会面临环境适应性差、可用性低、定位精度不高等问题。
3、为了解决以上问题，已有前沿研究通过加入其它定位源，比如在wifi定位源的基础上融入视觉定位源，可以将多种定位源的特征进行有效融合形成异构指纹特征，从而提高定位精度。基于异构指纹特征的室内定位方法已成为当前的研究趋势，但是由于多源数据的加入以及流程的复杂化使得系统可用性难以满足要求，且目前尚缺少异构特征的统一表征方法和高区分度的指纹特征，从而导致定位精度依然未能达到普适推广的需求。因此，如何解决多源异构空间维度高、特征区分度不够等问题，是室内定位领域研究者亟待解决的问题。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的
2、为解决上述技术问题，本专利技术采用的技术方案是：一种多源异构特征空间测度模型的构造与优化方法，该方法包括以下步骤：
3、步骤s1、在待定位室内区域布设多个参考点，通过计算机连接wifi收发设备在各个参考点上采集csi特征，并通过计算机连接摄像头模组在各个参考点上采集图像sift特征；
4、步骤s2、通过稀疏表达基字典的自适应学习和观测矩阵的最优结构设计，将步骤s1采集到的高维度的csi特征和图像sift特征转换至低维度的定位稀疏域上，得到稀疏表征与维度压缩后的csi特征和图像sift特征；
5、步骤s3、采用稀疏表征与维度压缩后的csi特征和图像sift特征建立异构特征空间的统一测度表征模型；
6、步骤s4、基于异构特征空间的统一测度表征模型，探究异构指纹特征的区分度产生机理，建立基于平均互信息的异构特征空间测度模型；
7、步骤s5、以最大化异构特征空间测度为目标，采用自适应矩估计对异构特征空间的统一测度表征模型的模型参数进行自适应优化，使得异构特征空间的统一测度表征模型得出的异构空间特征向量具有最大的区分度；
8、步骤s6、将低维且具有高区分度的异构空间特征向量及其对应的位置坐标信息存储进离线指纹库中。
9、上述的一种多源异构特征空间测度模型的构造与优化方法，步骤s2中所述通过稀疏表达基字典的自适应学习和观测矩阵的最优结构设计，将步骤s1采集到的高维度的csi特征和图像sift特征转换至低维度的定位稀疏域上，得到稀疏表征与维度压缩后的csi特征和图像sift特征的具体过程为：
10、步骤s201、根据csi特征和图像sift特征的结构和相关性，结合稀疏表达基的数学约束条件，构造稀疏表达基字典；
11、步骤s202、分别通过csi特征与图像sift特征自适应地训练步骤s201中构造好的稀疏表达基字典，得出适用于该特征稀疏表达的基字典；
12、步骤s203、构造适用于csi特征和图像sift特征的最优观测矩阵；
13、步骤s204、使用稀疏表达基字典和最优观测矩阵，分别对高维度的csi特征和图像sift特征进行稀疏表征与维度压缩，得到稀疏表征与维度压缩后的csi特征和图像sift特征。
14、上述的一种多源异构特征空间测度模型的构造与优化方法，步骤s3中所述采用稀疏表征与维度压缩后的csi特征和图像sift特征建立异构特征空间的统一测度表征模型，用公式表示为：
15、
16、其中，为在第k个指纹点上的异构空间特征向量中的第m个元素，为第k个指纹点在第i′个维度上的第m个csi特征的稀疏表征信息向量，为第k个指纹点在第j′个维度上的第m个图像sift特征的稀疏表征信息向量，ncsi为csi特征的维度，nima-ncsi为图像sift特征的维度，表示的权值，表示的权值，为异构特征空间的统一测度表征模型的模型参数，其中，wi′表示在第i′个维度上csi特征对应的权值集合，表示为wj′表示在第j′个维度上图像sift特征对应的权值集合，表示为m表示第i′个维度上csi特征元素的总个数，或第j′个维度上图像sift特征元素的总个数；i′的取值为1～ncsi的自然数，j′的取值为ncsi+1～nima的自然数，k的取值为1～n的自然数，n为指纹点的总数量。
17、上述的一种多源异构特征空间测度模型的构造与优化方法，步骤s4中所述基于异构特征空间的统一测度表征模型，探究异构指纹特征的区分度产生机理，建立基于平均互信息的异构特征空间测度模型的具体过程为：
18、步骤s401、构建两个指纹点之间的异构多维指纹空间的相似性测度表征，并采用kl距离测度作为评估两个指纹点之间异构多维指纹空间相似度的标准，将第i个与第j个指纹点之间的空间相似度di，j表示为：
19、
20、其中，为在第i个指纹点上的异构空间特征向量中第q个元素，为在第j个指纹点上的异构空间特征向量中第q个元素，i的取值为1～n的自然数，j的取值为1～n的自然数，n为指纹点的总数量，q的取值为1～u的自然数，u为第i个或者第j个指纹点特征元素的总个数；
21、步骤s402、以平均互信息为数学模型，以两个指纹点之间的异构多维指纹空间的相似性概率密度测度作为平均互信息中的互信息，构建异构特征空间测度模型，将当前基于异构特征空间的统一测度表征模型下的特征空间测度i表示为：
22、
23、其中，pi，j为第i个与第j个指纹点之间的异构多维指纹空间的相似度的权重，且pi，j的表达式为：
24、
25、其中，di，j为第i个与第j个指纹点的几何空间的欧式距离，σ为自适应参数，且σ的表达式为：
26、
27、其中，dmin为第i个指纹点与其余n-1个指纹点的几何空间的最短欧本文档来自技高网...
【技术保护点】
1.一种多源异构特征空间测度模型的构造与优化方法，其特征在于，该方法包括以下步骤：
2.按照权利要求1所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：步骤S2中所述通过稀疏表达基字典的自适应学习和观测矩阵的最优结构设计，将步骤S1采集到的高维度的CSI特征和图像SIFT特征转换至低维度的定位稀疏域上，得到稀疏表征与维度压缩后的CSI特征和图像SIFT特征的具体过程为：
3.按照权利要求1所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：步骤S3中所述采用稀疏表征与维度压缩后的CSI特征和图像SIFT特征建立异构特征空间的统一测度表征模型，用公式表示为：
4.按照权利要求3所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：步骤S4中所述基于异构特征空间的统一测度表征模型，探究异构指纹特征的区分度产生机理，建立基于平均互信息的异构特征空间测度模型的具体过程为：
5.按照权利要求4所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：所述自适应截断系数α的取值为α∈(0，1)。
...【技术特征摘要】
1.一种多源异构特征空间测度模型的构造与优化方法，其特征在于，该方法包括以下步骤：
2.按照权利要求1所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：步骤s2中所述通过稀疏表达基字典的自适应学习和观测矩阵的最优结构设计，将步骤s1采集到的高维度的csi特征和图像sift特征转换至低维度的定位稀疏域上，得到稀疏表征与维度压缩后的csi特征和图像sift特征的具体过程为：
3.按照权利要求1所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：步骤s3中所述采用稀疏表征与维度压缩后的csi特征和图像sift特征建立异构特征空间的统一测度表征模型，用公式表示为：
4.按照权利要求3所述的一种多源异构特征空间测度模型的构造与优化方法，其特征在于：步骤s4中所述基于异构特征空间的统一测度表征模型，探究异构指纹特征的区分度产生机理，建立基于平均互信息的异构特征空间测度模型的具体过程为：
5.按照权利要求4所述的一种多源异构特征空间测度模型的构造与优化方法，其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。