主权项 |
一种基于多维尺度分析的室内WLAN信号平面图构建与定位方法,其特征在于,包括以下步骤:步骤一、将目标区域划分为用户感兴趣的N<sub>Area</sub>个目标子区域;步骤二、对目标区域内用户的运动路径进行观测,统计得到用户的N<sub>PathPattern</sub>种典型的运动路径模式,每种运动路径模式表示为若干目标子区域的连接关系;步骤三、在每种运动路径模式下分别采集N<sub>trace</sub>条信号序列,从而得到信号序列RSS<sub>1</sub>,RSS<sub>2</sub>,…,RSS<sub>n</sub>,其中,n为在所有运动路径模式下总共采集得到的信号序列条数;RSS<sub>i</sub>={rss<sub>i1</sub>,rss<sub>i2</sub>,...,rss<sub>im</sub>}(1≤i≤n),rss<sub>ij</sub>=(rss<sub>ij1</sub>,rss<sub>ij2</sub>,...,rss<sub>ijk</sub>)(1≤j≤m),其中,m为序列长度,k为AP数目,rss<sub>ijl</sub>(1≤l≤k)为第i条信号序列内第j个信号矢量中来自第l个AP的信号强度值;步骤四、信号序列中每个采样点为一个信号矢量,利用MDS方法对所有的信号矢量进行降维处理,其中,降维得到的低维空间的维度为2;利用所有采样点在低维空间中的二维坐标,构建每种路径模式的信号平面图;步骤五、将经过相同目标子区域但方向相反的运动路径模式进行合并,得到N'<sub>PathPattern</sub>种合并模式;步骤六、将每种合并模式所包含运动路径模式的信号平面图进行合并,得到N'<sub>PathPattern</sub>种合并模式的信号平面图;步骤七、利用综合判断因子,确定像素宽度w;步骤八、根据每个采样点所对应的二维坐标,绘制出每种合并模式下每条信号序列的信号平面图;步骤九、将每条信号序列的信号平面图转换为像素宽度为w的灰度图像;步骤十、对每种合并模式下每条信号序列所对应的灰度图像进行图像特征提取;步骤十一、利用后向传播BP神经网络对不同运动路径模式进行训练,输入为每条信号序列所对应的图像特征,输出为该信号序列所属的合并模式标号;步骤十二、令定位阶段采集的信号序列为RSS<sub>new</sub>={rss<sub>new1</sub>,rss<sub>new2</sub>,...,rss<sub>newm</sub>};步骤十三、从已有采样点中找到与rss<sub>newi</sub>(1≤i≤m)余弦距离最近的采样点rss'<sub>newi</sub>(1≤i≤m),并构成新的信号序列RSS'<sub>new</sub>={rss'<sub>new1</sub>,rss'<sub>new2</sub>,…,rss'<sub>newm</sub>};步骤十四、根据新的信号序列中每个采样点在低维空间中的二维坐标,可以得到RSS'<sub>new</sub>={rss'<sub>new1</sub>,rss'<sub>new2</sub>,…,rss'<sub>newm</sub>}的信号平面图,令该平面图为RSS<sub>new</sub>={rss<sub>new1</sub>,rss<sub>new2</sub>,...,rss<sub>newm</sub>}的信号平面图;步骤十五、将RSS<sub>new</sub>={rss<sub>new1</sub>,rss<sub>new2</sub>,...,rss<sub>newm</sub>}的信号平面图转换为像素宽度为w的灰度图像;步骤十六、对于所述步骤十五所得到的灰度图像,提取与所述步骤十相同的图像特征;步骤十七、将所述步骤十六所提取的图像特征作为所述步骤十一训练得到的BP神经网络的输入,对定位阶段采集信号序列的所属模式进行判断,令BP神经网络的输出为定位阶段采集信号序列所属的合并模式标号;步骤十八、判断定位阶段采集信号序列的路径方向,确定其所属的运动路径模式。 |