基于RSS线性相关与二次加权质心算法的WLAN指纹定位方法

摘要

本发明公开了一种基于RSS线性相关与二次加权质心算法的WLAN指纹定位方法。本发明首先需要建立离线指纹数据库，在目标定位环境中布置Q个参考点，在参考点采集多组RSS样本并进行滤波处理，生成描述所述参考点的指纹数据库。之后可在所述环境实施定位，计算用户终端接收的实时RSS数据与所述指纹数据库样本数据的线性相关系数，选取最大的k个相关系数所对应参考点，采用二次加权质心算法估算出用户的最终位置。本发明可以降低终端硬件差异对室内定位精度的影响，有效提高室内定位系统的稳定性与精确性。

主权项

基于RSS线性相关与二次加权质心算法的WLAN指纹定位方法，其特征在于，具体步骤如下：1)离线指纹数据库建立步骤：a)在目标定位环境中布置Q个参考点，在参考点采集不同AP的RSS样本数据，对参考点K采集到的RSS样本数据进行限幅平均滤波，得到N组通过滤波处理的RSS样本序，如下：{s_K:RSS_K,1 RSS_K,2 … RSS_K,N}N表示参考点K所收集的RSS样本组数，s_K表示参考点K的RSS样本序列，RSS_K,N表示参考点K的第N组RSS样本；b)计算所述参考点K的RSS鲁棒性；首先计算参考点K每一AP的RSS方差，接着对所求的P个方差进行均值处理，P指所述参考点K所收集到的AP数量，利用该计算结果作为所述参考点K的权值w_K，权值越大表示该参考点RSS值变化越剧烈；c)对所述RSS样本序列s_K构建样本矩阵RSS_K，对所述RSS_K样本矩阵每一行RSS数值按降序排列，得到矩阵每一行元素满足rss_i,j,k≥rss_i,j+1,k,i＝1,2,…R j＝1,2,…N‑1；RSS'_K表示在所述参考点K经过排序处理的RSS样本矩阵，rss'_P,N,K表示所述参考点K第N组RSS信息中第P个AP的RSS值；将矩阵等分为M个子矩阵，对每个子矩阵的每行求均值得到由矩阵表示所述位置K处的指纹矩阵信息；RSS_M表示指纹矩阵信息中第M列RSS信息；2)在线定位实现步骤：2.1)线性相关性计算：a)终端采集M组通过滤波处理的RSS样本序列，构建成一个P×M的RSS测量矩阵，对RSS测量矩阵每一行按降序排列；b)计算测量矩阵与指纹库中不同参考点指纹矩阵的线性相关系数r_K；将Q个相关系数计算好后，对其进行降序排序，选取前k个相关系数所对应的位置点{P₁ P₂ … P_k}，P_k＝(x_k y_k r_k)；P_k表示所述Q个相关系数降序排序后的第k个相关系数所对应的参考点信息，x_k y_k分别是第k个相关系数所对应的坐标值，r_k表示第k个相关系数；2.2)二次加权质心算法定位匹配的实现：a)将所述P_k变为两个数组VX和VY$\left\{\begin{array}{cc}VX=\left[\begin{array}{cccc}{\mathrm{vx}}_1& {\mathrm{vx}}_2& ...& {\mathrm{vx}}_k\end{array}\right],& {\mathrm{vx}}_k=\left(\begin{array}{cc}{x}_k& r_k\end{array}\right)\\ VY=\left[\begin{array}{cccc}{\mathrm{vy}}_1& {\mathrm{vy}}_2& ...& {\mathrm{vy}}_k\end{array}\right],& {\mathrm{vy}}_k=\left(\begin{array}{cc}{y}_k& r_k\end{array}\right)\end{array}\right.$VX和VY表示所述k个相关系数所对应的参考点信息中x坐标数组和y坐标数组，vx_k和vy_k表示第k个相关系数对应参考点的x坐标和y坐标信息；对k个位置节点利用质心算法进行第一次计算，算出未知节点I'(x' y')；b)在VX数组和VY数组中，分别用数组中坐标值减去未知节点的坐标值并进行绝对值处理得到Φ_x,k＝|x_k‑x'|,Φ_y,k＝|y_k‑y'|，求出最大的α个Φ_x,k和Φ_y,k，将所对应的坐标信息在VX数组和VY数组中删除，经过删除处理后可得到新的数组VX'和VY'；对VX'和VY'数组进行第二次加权质心算法计算，得到最终的定位结果I(x y)。