室內定位方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種室內定位方法，包括如下步驟：a.設置參考點，采集所述參考點的指紋，并存入指紋庫中；b.對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數；c.利用上述得到的定位參數，計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。本發(fā)明還涉及一種室內定位系統(tǒng)。本發(fā)明能夠簡便地應用于各種智能移動設備，并獲得較高的定位精度。
【專利說明】室內定位方法及系統(tǒng)
【技術領域】[0001 ] 本發(fā)明涉及一種室內定位方法及系統(tǒng)。
【背景技術】
[0002]隨著智能移動設備的不斷普及以及無線網絡技術的迅猛發(fā)展，基于用戶信息的服務應用層出不窮。由于用戶要求各種服務越來越具有針對性，用戶位置信息作為一種提供定制服務的基本信息更是被更多應用利用于各種服務。盡管由于GPS (全球定位系統(tǒng))定位技術，室外定位領域已經基本發(fā)展成型，室內定位卻由于室內環(huán)境的各種局限性而仍然處于發(fā)展階段。因此，如何提出一種定位準確并且可實際實現(xiàn)于智能移動設備的室內定位技術，是一個具有挑戰(zhàn)性的問題。
[0003]現(xiàn)有的室內定位技術大致分為如下兩種:
[0004]一是基于硬件的室內定位技術:目前已有的部分室內定位技術是基于硬件的室內定位技術。利用超聲波，藍牙或者射頻信號進行定位，但是由于這些技術都需要在環(huán)境或者移動設備上添加額外硬件導致成本較高并且不易于實現(xiàn)，因此沒辦法進行大范圍普及。
[0005]二是基于無線網絡信號的室內定位技術:由于目前高度覆蓋的無線網絡環(huán)境，以及移動設備內默認配置的無線網絡模塊，該方法不需要添加額外硬件，但是由于無線網絡信號易受干擾，導致信號中存在一定的噪聲，因而導致定位匹配不精確。目前主流的匹配算法是最近鄰居法，該方法利用了指紋之間的相似性進行匹配。但是該方法準確度無法滿足市場應用的服務需求。

【發(fā)明內容】

[0006]有鑒于此，有必要提供一種室內定位方法及系統(tǒng)。
[0007]本發(fā)明提供一種室內定位方法，該方法包括如下步驟:a.設置參考點，采集所述參考點的指紋，并存入指紋庫中；b.對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數利用上述得到的定位參數，計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。
[0008]其中，所述的步驟b包括:bl.根據指紋庫中記錄的指紋，獲得每個參考點的稀疏字典；b2.獲得每個參考點平均指紋的稀疏表不；b3.確定稀疏字典最優(yōu)的大小k以及Y，作為最終的定位參數。
[0009]所述的步驟bl中獲得參考點Pi的大小為k的稀疏字典Di包括:bll.根據指紋庫中記錄的Pi的指紋Fil，F(xiàn)i2，...，F(xiàn)iM，計算得到該參考點Pi的平均指紋；bl2.在Fil，F(xiàn)i2，…，F(xiàn)iM中尋找與最接近的指紋作為該參考點Pi的稀疏字典的第一個元素dl ；bl3.將4向當前字典空間進行最小二乘投影獲得最小投影殘差r ；bl4.在Fil，F(xiàn)i2，…，F(xiàn)iM中除該稀疏字典已選元素外，將與r最接近的指紋作為新的字典元素；bl5.如果字典大小尚未到達k，則返回bl3進行循環(huán)；bl6.如果字典大小達到k，則停止尋找，記錄該參考點Pi的稀疏字典Di。[0010]所述的步驟b3具體包括:選擇一個需要定位的室內環(huán)境內的25%的參考點，然后對所選擇的每一個參考點取5條指紋作為參數訓練指紋；對于k等于I到指紋維度，分別求得對應的每個點的稀疏字典；對于不同的k，Y取0，0.01, 0.02,…，0.99，1，將所述參數訓練指紋向每個參考點的稀疏字典進行投影，計算該指紋距離該點距離，最終將所述參數訓練指紋定位到距離最小的參考點；計算對于不同的k，Y分別取0，0.01，0.02，…，0.99，I時，將每個參數訓練指紋實際坐標與定位到的參考點坐標的距離作為定位誤差，并計算得到定位誤差均值；從上述得到的定位誤差均值中選取的最小定位誤差均值，確定該最小定位誤差均值的k以及Y作為最終的定位參數。
[0011]所述的步驟c包括:將需定位的指紋ft向每個參考點的稀疏字典進行投影，獲得對應的系數與殘差，將該系數與稀疏字典聯(lián)合恢復為指紋主成分ft’，根據確定的k、Y，計算得到需定位的指紋ft與每個參考點的距離，選取最小的距離對應的參考點坐標作為定位結果。
[0012]本發(fā)明提供一種室內定位系統(tǒng)，包括相互電性連接的指紋采集模塊、指紋訓練模塊及指紋匹配模塊，其中:所述指紋采集模塊用于設置參考點，采集所述參考點的指紋，并存入指紋庫中；所述指紋訓練模塊用于對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數；所述指紋匹配模塊用于利用上述得到的定位參數，計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。
[0013]其中，所述指紋訓練模塊具體用于:根據指紋庫中記錄的指紋，獲得每個參考點的稀疏字典；獲得每個參考點平均指紋的稀疏表不；確定稀疏字典最優(yōu)的大小k以及Y，作為最終的定位參數。
[0014]所述指紋匹配模塊具體用于將需定位的指紋ft向每個參考點的稀疏字典進行投影，獲得對應的系數與殘差，將該系數與稀疏字典聯(lián)合恢復為指紋主成分ft’，根據確定的k、Y，計算得到需定位的指紋ft與每個參考點的距離，選取最小的距離對應的參考點坐標作為定位結果。
[0015]本發(fā)明所提供的室內定位`方法及系統(tǒng)，利用無線網絡信號的稀疏性特征進行室內定位匹配，能夠簡便地應用于各種智能移動設備，并獲得較高的定位精度。
【專利附圖】

【附圖說明】
[0016]圖1為本發(fā)明室內定位方法的流程圖；
[0017]圖2為本發(fā)明室內定位系統(tǒng)的硬件架構圖。
【具體實施方式】
[0018]下面結合附圖及具體實施例對本發(fā)明作進一步詳細的說明。
[0019]參閱圖1所示，是本發(fā)明室內定位方法較佳實施例的作業(yè)流程圖。
[0020]步驟S401，設置參考點，采集所述參考點的指紋，并存入指紋庫中。具體如下:
[0021]對于一個需要定位的室內環(huán)境，在室內對設備可到達的區(qū)域每隔一定距離設置參考點P1，P2，……，PN。其中，所述設備可以到達的區(qū)域是指該設備無線網絡信號覆蓋的區(qū)域。對于每個參考點Pi (i=l, 2，…，N)，采集該點的指紋Fil，F(xiàn)i2,…，F(xiàn)iM,存入指紋庫中。其中，所述指紋用向量表示，所述向量由所述參考點接收到的多個設備發(fā)出的信號強度聯(lián)合得到。所述指紋庫記錄每個參考點的坐標Pi (xi, yi)，以及該參考點對應的指紋Fil, Fi2, -,FiM0
[0022]步驟S402，對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數。具體過程如下:
[0023]a.為了將指紋以稀疏表示的形式表示，需要獲得每個參考點的稀疏字典。所述稀疏字典由該參考點部分訓練指紋構成，該稀疏字典以線性方式近似表示該點的所有指紋，并且字典大小小于指紋維度。
[0024]為了達到較高的運算速度，本實施例采用貪心算法一正交匹配方法追蹤得到該參考點的稀疏字典。本實施例中，得到參考點Pi的大小為k的稀疏字典Di過程如下:
[0025]al,根據上述指紋庫中記錄的Pi的指紋Fil, Fi2,…，F(xiàn)iM,計算得到該參考點Pi的平均指紋;
[0026]a2，在Fil，F(xiàn)i2，…，F(xiàn)iM中尋找與4最接近的指紋作為該參考點Pi的稀疏字典的第一個元素dl ；
[0027]a3，將向當前字典空間進行最小二乘投影獲得最小投影殘差r ；
[0028]a4，在Fil，F(xiàn)i2,…，F(xiàn)iM中除該稀疏字典已選元素外，將與r最接近的指紋作為新的字典元素；
[0029]a5，如果字典大小尚未到達k，則返回a3進行循環(huán)；
[0030]a6，如果字典大小達到k，則停止尋找，記錄該參考點Pi的稀疏字典Di。
[0031]b.獲得每個參考點平均指紋的稀疏表不。
`[0032]本實施例繼續(xù)以參考點Pi進行說明。將平均指紋向其稀疏字典Di構成的空間上進行投影，獲得該稀疏字典Di的投影Ci以及殘差。該殘差作為噪聲直接丟棄。投影Ci與稀疏字典Di聯(lián)合線性恢復成指紋的形式，作為該參考點Pi的指紋主成分fi’ =Di*ci與其稀疏字典Di —起保存在指紋庫中。
[0033]c.由于本發(fā)明中計算指紋之間距離的公式為distance= Y ft’fi’+(1-Y )rt。其中，ft’為需定位的指紋在參考點Pi稀疏字典上投影之后的指紋主成分，fi’為參考點Pi的指紋主成分，rt為需定位的指紋投影后剩下的殘差，Y為主成分fi’與殘差rt之間的一個調整權重。使用如下方法設定稀疏字典最優(yōu)的大小k以及Y:
[0034]Cl,首先選擇一個需要定位的室內環(huán)境內的25%的參考點，然后對所述25%的參考點中的每一點均取5條指紋作為參數訓練指紋。其中,所述25%的參考點的坐標已知。
[0035]c2，對于k等于I到指紋維度(即所收到無線網絡接入點個數)，分別求得對應的每個點的稀疏字典。
[0036]c3,對于不同的k，Y取0，0.01，0.02，..., 0.99, 10將所述參數訓練指紋
作為需定位的指紋，向每個參考點的稀疏字典進行投影，獲得主成分及殘差，并用distance= y ft’fi’ + (l_ Y )rt計算該指紋距離該點距離,最終將所述參數訓練指紋定位到distance最小的參考點。
[0037]c4，計算對于不同的k，Y分別取0，0.01，0.02，- ,0.99，I時，每個參數訓練指紋
實際坐標與定位到的參考點坐標的距離作為定位誤差，并計算得到定位誤差均值。每一個k對應一個定位誤差均值。
[0038]c5，從上述得到的定位誤差均值中選取的最小定位誤差均值，確定該最小定位誤差均值的k以及Y作為最終的定位參數。
[0039]步驟S403，計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。具體而言:
[0040]首先，對于需定位的指紋ft，將其向每個參考點Pi (i=l，2，...，N)的稀疏字典Di上進行投影，獲得對應的系數與殘差，將該系數與稀疏字典Di聯(lián)合恢復為指紋主成分ft’。然后，根據上述確定的k、Y，計算得到需定位的指紋ft與每個參考點的距離distance= Y ft’ fi’ +(1- Y )rtD最后,選取最小的distance對應的參考點坐標作為定位結果。
[0041]參閱圖2所示，是本發(fā)明室內定位系統(tǒng)的硬件架構圖。該系統(tǒng)包括相互電性連接的指紋采集模塊、指紋訓練模塊及指紋匹配模塊。
[0042]所述指紋采集模塊用于設置參考點，采集所述參考點的指紋，并存入指紋庫中。具體如下:
[0043]所述指紋采集模塊對于一個需要定位的室內環(huán)境，在室內對設備可到達的區(qū)域每隔一定距離設置參考點P1，P2，……，PN。其中，所述設備可以到達的區(qū)域是指該設備無線網絡信號覆蓋的區(qū)域。對于每個參考點Pi (i=l, 2，...，N)，采集該點的指紋Fi 1，F(xiàn)i2,...，F(xiàn)iM,存入指紋庫中。其中，所述指紋用向量表示，所述向量由所述參考點接收到的多個設備發(fā)出的信號強度聯(lián)合得到。所述指紋庫記錄每個參考點的坐標Pi (xi, yi)，以及該參考點對應的指紋 Fil，F(xiàn)i2,...，F(xiàn)iM。
[0044]所述指紋訓練模塊用于對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數。具體過程如下:
[0045]a.為了將指紋以稀疏表示的形式表示，需要獲得每個參考點的稀疏字典。所述稀疏字典由該參考點部分訓練指紋構成，該稀疏字典以線性方式近似表示該點的所有指紋，并且字典大小小于指紋維度。
[0046]為了達到較高的運算速度，所述指紋訓練模塊采用貪心算法一正交匹配方法追蹤得到該參考點的稀疏字典。本實施例中，所述指紋訓練模塊得到參考點Pi的大小為k的稀疏字典Di過程如下:
[0047]al，根據上述指紋庫中記錄的Pi的指紋Fil，F(xiàn)i2，…，F(xiàn)iM，計算得到該參考點Pi的平均指紋;
[0048]a2，在Fil，F(xiàn)i2，…，F(xiàn)iM中尋找與4最接近的指紋作為該參考點Pi的稀疏字典的第一個元素dl ；
[0049]a3，將向當前字典空間進行最小二乘投影獲得最小投影殘差r ；
[0050]a4，在Fil，F(xiàn)i2,…，F(xiàn)iM中除該稀疏字典已選元素外，將與r最接近的指紋作為新的字典元素；
[0051]a5，如果字典大小尚未到達k，則返回a3進行循環(huán)；
[0052]a6，如果字典大小達到k，則停止尋找，記錄該參考點Pi的稀疏字典Di。
[0053]b.所述指紋訓練模塊獲得每個參考點平均指紋的稀疏表示。
[0054]本實施例繼續(xù)以參考點Pi進行說明。將平均指紋向其稀疏字典Di構成的空間上進行投影，獲得該稀疏字典Di的投影Ci以及殘差。該殘差作為噪聲直接丟棄。投影Ci與稀疏字典Di聯(lián)合線性恢復成指紋的形式，作為該參考點Pi的指紋主成分fi’ =Di*ci與其稀疏字典Di —起保存在指紋庫中。
[0055]c.由于本發(fā)明中計算指紋之間距離的公式為distance= Y ft’fi’+(1-Y )rt。其中，ft’為需定位的指紋在參考點Pi稀疏字典上投影之后的指紋主成分，fi’為參考點Pi的指紋主成分，rt為需定位的指紋投影后剩下的殘差，Y為主成分fi’與殘差rt之間的一個調整權重。所述指紋訓練模塊使用如下方法設定稀疏字典最優(yōu)的大小k以及Y:
[0056]Cl,首先選擇一個需要定位的室內環(huán)境內的25%的參考點，然后對所述25%的參考點中的每一點均取5條指紋作為參數訓練指紋。其中,所述25%的參考點的坐標已知。
[0057]c2，對于k等于I到指紋維度(即所收到無線網絡接入點個數)，分別求得對應的每個點的稀疏字典。
[0058]c3,對于不同的k，Y取0，0.01，0.02，..., 0.99, 10將所述參數訓練指紋
作為需定位的指紋，向每個參考點的稀疏字典進行投影，獲得主成分及殘差，并用distance= y ft’fi’ + (l_ Y )rt計算該指紋距離該點距離,最終將所述參數訓練指紋定位到distance最小的參考點。[0059]c4，計算對于不同的k，Y分別取0，0.01，0.02，- ,0.99，I時，每個參數訓練指紋
實際坐標與定位到的參考點坐標的距離作為定位誤差，并計算得到定位誤差均值。每一個k對應一個定位誤差均值。
[0060]c5,從上述得到的定位誤差均值中選取的最小定位誤差均值,確定該最小定位誤差均值的k以及Y作為最終的定位參數。
[0061]所述指紋匹配模塊用于計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。具體而言:
[0062]首先，所述指紋匹配模塊對于需定位的指紋ft，將其向每個參考點Pi(i=l，2，…,N)的稀疏字典Di上進行投影，獲得對應的系數與殘差，將該系數與稀疏字典Di聯(lián)合恢復為指紋主成分ft’。然后，所述指紋匹配模塊根據上述確定的k、Y，計算得到需定位的指紋ft與每個參考點的距離distance= Y ft’ fi’ +(1- y )rtD最后,所述指紋匹配模塊選取最小的distance對應的參考點坐標作為定位結果。
[0063]雖然本發(fā)明參照當前的較佳實施方式進行了描述，但本領域的技術人員應能理解，上述較佳實施方式僅用來說明本發(fā)明，并非用來限定本發(fā)明的保護范圍，任何在本發(fā)明的精神和原則范圍之內，所做的任何修飾、等效替換、改進等，均應包含在本發(fā)明的權利保護范圍之內。
【權利要求】
1.一種室內定位方法，其特征在于，該方法包括如下步驟: a.設置參考點，采集所述參考點的指紋，并存入指紋庫中； b.對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數； c.利用上述得到的定位參數，計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。
2.如權利要求1所述的方法，其特征在于，所述的步驟b包括: bl.根據指紋庫中記錄的指紋，獲得每個參考點的稀疏字典； b2.獲得每個參考點平均指紋的稀疏表不； b3.確定稀疏字典最優(yōu)的大小k以及Y，作為最終的定位參數。
3.如權利要求2所述的方法，其特征在于，所述的步驟bl中獲得參考點Pi的大小為k的稀疏字典Di包括: bll.根據指紋庫中記錄的Pi的指紋Fil，F(xiàn)i2，…，F(xiàn)iM，計算得到該參考點Pi的平均指紋; bl2.在Fil，F(xiàn)i2，一，F(xiàn)iM中尋找與最接近的指紋作為該參考點Pi的稀疏字典的第一個元素dl ； bl3.將4向當前字典空間進行最小二乘投影獲得最小投影殘差r ;bl4.在Fil，F(xiàn)i2,…，F(xiàn)iM中除該稀疏字典已選元素外，將與r最接近的指紋作為新的字典元素；` bl5.如果字典大小尚未到達k，則返回bl3進行循環(huán)； bl6.如果字典大小達到k，則停止尋找，記錄該參考點Pi的稀疏字典Di。
4.如權利要求3所述的方法，其特征在于，所述的步驟b3具體包括: 選擇一個需要定位的室內環(huán)境內的25%的參考點，然后對所選擇的每一個參考點取5條指紋作為參數訓練指紋； 對于k等于I到指紋維度，分別求得對應的每個點的稀疏字典； 對于不同的k，Y取O，0.01，0.02，…，0.99，1，將所述參數訓練指紋向每個參考點的稀疏字典進行投影，計算該指紋距離該點距離，最終將所述參數訓練指紋定位到距離最小的參考點； 計算對于不同的k，Y分別取0，0.01，0.02,-,0.99，I時，將每個參數訓練指紋實際坐標與定位到的參考點坐標的距離作為定位誤差，并計算得到定位誤差均值； 從上述得到的定位誤差均值中選取的最小定位誤差均值，確定該最小定位誤差均值的k以及Y作為最終的定位參數。
5.如權利要求1所述的方法，其特征在于，所述的步驟c包括:將需定位的指紋ft向每個參考點的稀疏字典進行投影，獲得對應的系數與殘差，將該系數與稀疏字典聯(lián)合恢復為指紋主成分ft’，根據確定的k、Y，計算得到需定位的指紋ft與每個參考點的距離，選取最小的距離對應的參考點坐標作為定位結果。
6.一種室內定位系統(tǒng)，其特征在于，該系統(tǒng)包括相互電性連接的指紋采集模塊、指紋訓練模塊及指紋匹配模塊，其中: 所述指紋采集模塊用于設置參考點，采集所述參考點的指紋，并存入指紋庫中； 所述指紋訓練模塊用于對采集到的每個參考點的指紋進行訓練，從而得到所需的定位參數； 所述指紋匹配模塊用于利用上述得到的定位參數，計算需定位的指紋與每個參考點的距離，選取距離最小的參考點作為定位結果。
7.如權利要求6所述的系統(tǒng)，其特征在于，所述指紋訓練模塊具體用于:根據指紋庫中記錄的指紋，獲得每個參考點的稀疏字典；獲得每個參考點平均指紋的稀疏表不；確定稀疏字典最優(yōu)的大小k以及Y，作為最終的定位參數。
8.如權利要求7所述的系統(tǒng)，其特征在于，所述指紋匹配模塊具體用于將需定位的指紋ft向每個參考點的稀疏字典進行投影，獲得對應的系數與殘差，將該系數與稀疏字典聯(lián)合恢復為指紋主成分ft’，根據確定的k、Y，計算得到需定位的指紋ft與每個參考點的距離，選取最小的距離對應的參 考點坐標作為定位結果。
【文檔編號】H04W4/04GK103517210SQ201310486136
【公開日】2014年1月15日 申請日期:2013年10月16日 優(yōu)先權日:2013年10月16日
【發(fā)明者】沈昀, 陳愛, 樊建平, 黃昊權 申請人:中國科學院深圳先進技術研究院