[发明专利]指纹定位中基于参考点最大距离的定位可信度计算方法

说明书

技术领域

本发明涉及一种位置指纹定位的定位可信度计算方法，涉及位置指纹定位技术领域。

背景技术

位置指纹定位的实施一般可以分为两个阶段：第一阶段为训练/离线阶段，主要工作是采集所需定位区域各参考节点位置的信号特征参数，例如信号场强、多径相角分量功率等，将一组指纹信息对应一个特定的位置形成位置指纹数据库。第二阶段为定位/在线阶段，利用接收机测定接收信号的参数，采用匹配算法来确定与数据库中哪一组数据相匹配，从而得出用户的实际位置。

在实现室内指纹定位技术的过程中，首先要建立室内的RSS指纹图，即在一些位置已知的参考点处测量RSS值向量S_(i)。

S_(i)＝(a_i1,a_i2,a_i3,…,a_ij,…a_iM)

式中a_ij表示第i个参考点处观测第j个室内信号节点得到的信号强度值，M为室内信号节点个数。所有参考点的RSS向量可以记录记录成一个数据库C，即指纹图，式中N为参考点个数。

C=S(1)S(2)S(3)...S(N)]]>

在定位过程中，用户机实时接收到的RSS向量可由S’表示

S'＝(a_r1,a_r2,a_r3,…,a_rj,…a_rM)

将该指纹图中的每个RSS向量与测量到的RSS向量S’进行对比，通过寻找欧氏距离最小的组合来确定当前用户所在的位置。欧氏距离的计算过程如下式所示。

E(S′,S(i))=Σj=1m(arj-aij)2]]>

kNN算法是常用的解算方法，其具体过程为：首先找到距离测试点欧氏距离最近的k个参考点，其坐标可以用P_m＝(X_m,Y_m,Z_m)表示，其中m的取值为1～k之间。则定位结果是该k个参考点位置的均值P＝Σ(X_m,Y_m,Z_m)/k。