[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

说明书

本发明公开了一种基于核函数主特征提取的WIFI加权k近邻室内定位方法，定位区域内存在任意n个AP，在定位区域内选定的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的记得收接收信号强度(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(KPCA)，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，本发明通过仿真和实际环境中使用RSS信号作为位置指纹的室内定位，有效的避免实际WIFI环境中RSS信号的波动性对定位结果的影响，定位精度有显著的提高，而且本发明与WKNN定位算法相比有较好的定位鲁棒性。

技术领域

本发明涉及无线通信网络领域，具体涉及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。

背景技术

传统的基于卫星的定位技术，如GPS等，能够很好解决室外定位的需求，但是用于室内定位时，由于室内建筑对卫星信号的影响，定位效果非常的不好。相反利用无线网络通信技术用于室内定位时，效果非常的好。WIFI技术因其在室内布设简单，部署广泛，价格低廉等特性更加适用于室内定位，基于WIFI技术的室内定位成为研究热点。

基于位置指纹架构的定位方法，是WIFI无线室内定位中的基本方法，该方法的使用条件是，AP的部署位置固定，部署的所有AP必须保证同构。基于位置指纹架构的定位算法如图2所示。该方法需要建立参考节点的位置指纹库，参考节点位置指纹的信息可以通过测量参考节点处来自各个AP的RSS信号建立。这种基于位置指纹的定位模型，其定位精度很大程度上取决于位置指纹数据与定位时在线测得的数据是否满足相同的分布模型。在实际的室内WLAN环境中，由于室内环境的复杂性，多径、阴影效应、人员走动、信道拥塞和节点的通信半径有限等因素的影响，在参考节点采集的各个AP的RSS信号往往表现出时变的特性，严重影响定位算法的精度。

发明内容

本发明的目的是为解决上述不足，提供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。

本发明的目的是通过以下技术方案实现的：

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，定位区域内存在任意n个AP，在定位区域内选定的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(WKNN)K近邻算法进行匹配定位计算；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(KPCA)核函数主特征提取，提取位置指纹信息的主要特征，作为的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。

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；