[发明专利]基于核函数主特征提取的WIFI室内加权K近邻定位算法

权利要求书

1.一种基于核函数主特征提取的WIFI室内加权K近邻定位算法，其特征在于：定位区域内存在任意n个AP，在定位区域内选定N个定位参考节点，在各个参考节点上可以采集到非视距的n个AP的接收信号强度(RSS)信号，这个n维的RSS信号作为参考节点位置指纹信息，将所有参考节点的指纹信息通过核函数主特征提取，提取位置指纹的主要特征，利用加权K近邻算法(WKNN) 进行匹配定位计算；包括以下步骤：

a.在定位区域内选定的N个定位参考节点，采集全部N个参考节点的位置指纹信息；

b.将所有的位置指纹信息通过核函数主特征提取(KPCA) ，提取位置指纹信息的主要特征，作为参考节点的特征位置指纹；

c.采集待测点的来自各个AP的RSS信号，利用加权K近邻算法进行匹配输出定位结果；

所述的步骤a的具体过程如下：

a1.在选定的定位区域选定N个参考节点(Reference Points，RP)，每个参考节点的物理位置为l_i(x_i，y_i)，N个参考节点的物理位置构成一个位置库L＝(l₁，l₂…l_N)^T；

a2.在各个参考节点上可以采集到非视距的n个AP的RSS信号及MAC地址信息，在每个参考节点上都要进行p次采集，将RSS均值作为这个参考节点l_i(x_i，y_i)的位置指纹信息，这个位置指纹信息是一个n维向量f_i＝(rss₁，rss₂…rss_n)^T，i∈(1，N)，其中为p次采样之后来自第i个AP的RSS信号的平均值；

a3.全部参考节点的位置信息构成一个N×n维的位置指纹空间F，即F＝(f₁，f₂…f_N)^T，将全部F与L存储在数据库中，数据库中，F的每个行向量f_i，代表着参考节点l_i(x_i，y_i)的位置指纹信息；

所述的步骤b的具体过程如下：

b1.将F作为输入，根据公式K(x_i，x_j)＝exp(|x_i-x_j|²/-ε²)，计算N×N阶高斯核矩阵K，其中核矩阵K的每个元素为K_ij＝exp(|f_i-f_j|²/-ε²)，ε为高斯核宽度，其中i，j＜＝N；

b2.根据式计算修正核矩阵1_N为N×N阶矩阵，每一个元素都是1/N；

b3.计算的前k个最大特征值λ₁≥λ₂…λ_k-1≥λ_k，及对应的特征向量v₁，v₂…v_k，其中k＜N；

b4.通过施密特正交化方法将v₁，v₂…v_k单位正交化得到α₁，α₂…α_k；

b5.计算特征位置指纹空间其中α＝(α₁，α₂…α_k)^T，F′为N×k维矩阵；

所述的步骤c的具体过程如下：

c1.在待测地点实时采集各个AP的RSS信号构成在线指纹向量S，对S进行KPCA提取后，得到在线特征指纹向量S′，其中

c2.计算S′与各个特征位置指纹f_i′的欧氏距离，能够表征S′与f_i′间的相似程度，其值越小二者越相似；

c3.按D_i(S′，F_i′)的大小排列，找到前m(m＜N)个最小的D_i，使之满足并找到其相对应的m个特征位置指纹和位置信息l_i(x_i，y_i)；

c4.利用加权K近邻法估计出待测点的位置信息