一种基于rss的室内定位方法
【专利摘要】本发明公开了一种基于RSS(Received signal strength,接收信号强度)的室内定位方法，其数据获取方便、无需额外增加接收设备、定位准确。这种基于RSS(Received signal strength,接收信号强度)的室内定位方法，包括步骤：(1)离线阶段，收集空间一些位置上的无线信号接收强度信息，构建指纹库；(2)在线测试阶段，收集行走路径上的信号强度；(3)通过使用稀疏表示算法，加入时间与空间约束条件，建立定位模型；(4)计算路径上信号值对应的位置坐标，对结果进行优化。
【专利说明】一种基于RSS的室内定位方法

【技术领域】
[0001] 本发明属于WLAN(WirelessLocalAreaNetworks，无线局域网络）室内定位的技 术领域，具体地涉及一种基于RSS(Receivedsignalstrength,接收信号强度）的室内定 位方法。

【背景技术】
[0002] 无线局域网络（WLAN)是一种全新的信息获取平台，可以在广泛的应用领域内实 现复杂的大范围定位、监测和追踪任务，而网络节点自身定位是大多数应用的基础和前提。 当前比较流行的Wi-Fi(WirelessFidelity,无线保真技术）定位是无线局域网络系列标 准之IEEE802. 11的一种定位解决方案。该系统采用经验测试和信号传播模型相结合的方 式，易于安装，需要很少基站，能采用相同的底层无线网络结构，系统总精度高。主要分为以 下三类：
[0003] ?近似法
[0004] 近似法利用AP在室内的覆盖范围有限的特点（不同型号的路由器有不同的覆盖 范围），通过终端设备接收信号强度的情况和对应AP的位置来判定移动用户的位置。当用 户靠近某一已知位置时，由该位置来定位物体。也就是，将无线终端用于数据通信的访问点 (AP)的位置，近似地作为估计的位置。该方法可用于检测物品接触，监控蜂窝网络访问点等 方面。它不需要复杂的计算，但是定位精度局限在AP的覆盖范围，只能实现区域性的位置 判定，并且需要AP具体位置的先验信息。
[0005] ?几何测量法
[0006] 这种方法首先要求根据无线电信号的传播模型（经验模型或数学模型），将信号 强度值映射为信号传播的距离。在二维平面上，根据终端设备与其它至少三个AP间的距 离，通过三边测量的几何学原理来进行位置估计。如图1所示，三个黑色圆点为已知坐标的 参考点，x是需要定位的点，则利用x与三个参考点的距离，可以计算出x的坐标。
[0007] 微软的RADAR(radiodetectionandranging,无线电探测和测距）是一个基于 RSSI(ReceivedSignalStrengthIndication接收的信号强度指示）技术的室内定位系 统，也是最早出现的基于WLAN的室内定位系统，充分利用现有WLAN设施，通过802.n标准 中的接收信号强度指示来确定用户节点在楼层内的位置。通常使用两种方法计算节点位 置，其中一种是利用信号传播的理论模型。这种方法精确度不高，但可以节省费用，不必提 前建立数据库，在基站移动后比比重新计算参数。但是在现实环境中，温度、障碍物、传播模 式等条件往往都是变化的，使得该技术在实际应用中仍存在困难。这类方法简单，计算效率 高，但是定位的准确性依赖于传播模型是否正确，是否适合定位区域复杂的建筑结构。由于 室内电波传播的复杂性，信号强度受到多径传播、反射等影响，使得在实际室内环境很难用 固定的数学模型来刻画。
[0008] ?场景分析法
[0009] 场景分析法，又称为指纹法，不是直接将信号强度值的测量映射为信号传播距离， 而是利用在某一地点观察到的场景特征来推断观察者的位置，可以看作是先对信号强度与 位置间的内在规律进行学习，然后再用新的测量值与学习过的样本点进行匹配。
[0010] 该方法一般分为离线测量和在线定位两个阶段完成定位。离线测量是在需要定位 的区域里按照一定的间隔距离选定若干样本点，形成一个样本点的网格，在这些样本点位 置上测量，记录来自各个AP的信号强度测量向量，这些信息构成了信号强度指纹库。该指 纹库描述了这一固定定位环境中信号强度与空间位置的关系。在线定位是将实时测量的信 号强度测量向量与指纹库中的信息比较，取信号强度最接近的样本点的位置作为估计的位 置。
[0011] RADAR系统中的另一种计算节点位置的方法，就是利用信号传播的经验模型。实际 定位前，在楼层内选取若干测试点，记录这些点上个基站收到的信号强度，建立各个点上位 置和信号强度关系的离线数据库。实际定位时，系统采用确定性匹配算法一一K最近邻居 (KNN)算法，根据测得的信号强度与数据库中记录的信号强度进行比较，信号强度均方差最 小的那个点的坐标为节点的坐标。这种方法有较高的精度，但是要预先建立位置和信号强 度关系数据库，当基站移动时要重新建立数据库。
[0012] 该系统可在任何具有Wifi适配器的手持终端设备上嵌入，并独立进行定位和追 踪，无需额外的硬件支持，且无需视距传输，因而定位范围较Cricket系统广。但由于室内 环境的复杂性，如多径、阴影衰落、干扰等，室内电波传播具有较强的时变特性，使得定位的 性能受到一定的影响。
[0013] 由于指纹法较传统的电波传播模型能更准确地描述RSS和空间位置的关系，且无 需AP具体位置的先验信息，因而被广泛应用于基于RSS的室内定位系统中。


【发明内容】

[0014] 本发明的技术解决问题是：克服现有技术的不足，提供一种基于RSS的室内定位 方法，其数据获取方便、无需额外增加接收设备、定位准确。
[0015] 本发明的技术解决方案是：这种基于RSS的室内定位方法，包括以下步骤：
[0016] (1)离线阶段，收集空间一些位置上的无线信号接收强度信息，构建指纹库；
[0017] (2)在线测试阶段，收集行走路径上的信号强度；
[0018] (3)通过使用稀疏表示算法，加入时间与空间约束条件，建立定位模型；
[0019] (4)计算路径上信号值对应的位置坐标，对结果进行优化。
[0020] 本发明将稀疏表示算法运用于建立定位模型，并且加入时间与空间约束条件，所 以数据获取方便、无需额外增加接收设备、定位更加准确。

【专利附图】

【附图说明】
[0021] 图1是根据几何测量法进行位置估计的示意图。
[0022] 图2是真实的实验场景俯视图。
[0023] 图3a，b，c，d分别是根据本文方法，K近邻方法，稀疏表示算法和核方法在真实场 景中进行直线路径定位的示意图。

【具体实施方式】
[0024] 这种基于RSS(Receivedsignalstrength,接收信号强度）的室内定位方法，包 括以下步骤：
[0025] (1)离线阶段，收集空间一些位置上的无线信号接收强度信息，构建指纹库；
[0026] (2)在线测试阶段，收集行走路径上的信号强度；
[0027] (3)通过使用稀疏表示算法，加入时间与空间约束条件，建立定位模型；
[0028] (4)计算路径上信号值对应的位置坐标，对结果进行优化。
[0029] 离线阶段：也称训练阶段，获取指纹数据和构建指纹库的过程；
[0030] 指纹数据：空间已知位置的接收信号强度数据，在本文中指已知位置上利用智能 手机等移动设备获得的多个无线wifi节点（AP)的信号强度数据；
[0031] 指纹库：给定空间指纹数据的集合。通常将空间划分为网格，对每个网格节点的位 置记录其指纹数据，所有节点的指纹数据构成指纹库；
[0032] 在线测试阶段：在测试对象移动过程中，利用智能手机等移动设备记录移动路径 上的信号强度，并采用稀疏表示模型实现移动对象的位置估计；
[0033] 稀疏表示算法：是对信号的一种表示方法，该方法借助一个事先得到的字典（即 本文的指纹库），将给定信号表示为字典中数据的线性组合。
[0034] 时间约束条件：对象在移动过程中，在路径上记录的信号接收强度是连续变化的， 因此对于连续信号的稀疏表示也具有时间的连续性；
[0035] 空间约束条件：无线信号强度在空间上具有连续分布的特性，即对于空间一个位 置上测量的信号接收强度，与它周围位置上测量的信号强度具有连续性和相似性，因此某 个位置的信号强度的稀疏表示也只与该位置空间临近的位置信号强度的稀疏表示有关。
[0036] 本发明将稀疏表示算法运用于建立定位模型，并且加入时间与空间约束条件，所 以数据获取方便、无需额外增加接收设备、定位更加准确。
[0037] 优选地，所述步骤（3)中通过公式（5) _(7)获得定位模型：

【权利要求】
1. 一种基于RSS的室内定位方法，其特征在于，包括以下步骤： (1) 离线阶段，收集空间一些位置上的无线信号接收强度信息，构建指纹库； (2) 在线测试阶段，收集行走路径上的信号强度； (3) 通过使用稀疏表示算法，加入时间与空间约束条件，建立定位模型； (4) 计算路径上信号值对应的位置坐标，对结果进行优化。
2. 根据权利要求1所述的基于RSS (Received signal strength,接收信号强度）的室 内定位方法，其特征在于，所述步骤（3)中通过公式（5)-(7)获得定位模型：
其中λ 1，2为设定的阈值，Y = [yi，y2，...yn]为移动对象在移动过程中采集的连 续接收信号强度，Yi代表第i个时间点采集的信号接收强度向量，V为步骤（1)中的 指纹库，^ = 乂]，?*中的每一列表示γ中每列信号的稀疏表示向量；求解得到 5 = ，根据指纹库ψ中的信号位置信息，得到Y中每列信号的位置信息，从而实 现位置定位。
3. 根据权利要求2所述的基于RSS (Received signal strength,接收信号强度）的室 内定位方法，其特征在于，所述步骤（4)中通过公式（8)获得优化的结果：
其中r为阈值，1?为Qi中大于阈值的位置集合，（Xn，yn)表示在 n点的坐标值，为 在第η位置的权值。
【文档编号】G01S5/02GK104519571SQ201410831784
【公开日】2015年4月15日 申请日期:2014年12月26日 优先权日:2014年12月26日
【发明者】李婷姝, 胡永利, 孙艳丰, 尹宝才 申请人:北京工业大学