[发明专利]基于传播模型的室内定位RSS指纹库恢复方法

说明书

本发明提供了一种基于传播模型的室内定位RSS指纹库恢复方法，包括如下步骤：用户首先给定定位的采样量；利用信道相关性，可以确定空间内定位网格的大小，即定位精度；用户在某些指定位置进行信号强度(RSS值)的采样；根据线性变换，仅利用用户采集的部分采样量，恢复出完整的定位数据库。本发明一方面提出了一种不受环境限制的新型信号传播模型，另一方面在较小的采样量下保证了一定的精确度。

技术领域

本发明涉及通信、导航定位技术领域，具体地，涉及一种在室内定位系统中的基于传播模型的室内定位RSS指纹库恢复算法。

背景技术

随着无线覆盖范围越来越广泛，越来越多的Wi-Fi热点出现在人们的智能设备里。因此基于无线网络的室内定位技术近些年来一直在不断的深入，其基本思想是首先进行数据采集以获得大量的Wi-Fi指纹数据，这样就能建立联系指纹信号与对应位置的数据库。当用户上传自己的指纹信号，通过与数据库里的内容进行比对并借助一定的算法，可以精确定位用户的当前位置。

Wi-Fi指纹定位的关键和难点是，在定位系统的训练阶段如何减少收集指纹信息的开销，目前主要有三种解决方案：第一是基于统计学习的方法来解决这个问题。在这种方法中，只采集有限位置的指纹信号，然后利用数据之间的统计学联系来获得余下位置的指纹信息。这种方法实际使用时往往会导致曲解数据以及不规则信息；第二就是基于众包的指纹采集方法，但是此方法并未有效降低需要采集的指纹信息数量；第三种就是利用基于诸如LDPL技术的无线传播模型，就定位而言此种方法仍不够准确。

通过对现有技术进行检索，E.J.Cands等在2010年IEEE Trans.Inform.Theory上发表的The power of convex relaxation:Near-optimal matrix completion中展示了恢复低秩矩阵所需要的最少的矩阵元。但此种矩阵填充的方法都是假设矩阵为低秩矩阵，而对于在室内定位过程中不满足低秩条件的矩阵，该技术的性能将会下降；J.G.Park等2011年在IEEE INFOCOM上发表的Implications of device diversity for organiclocalization中讨论了在不同设备之间共享指纹数据的问题，发现此时的性能较差，此外D.Niculescu等2003在IEEE INFOCOM上发表的Ad hoc positioning system(APS)usingAOA中探讨了使用众包的指纹信息采集，但毫无疑问的是，数据的数量并没有得到有效的减少；M.Zimmermann等2002年在IEEE Trans.Communications上发表的A multipath modelfor the powerline channel中探讨了使用诸如LDPL等无线传播模型来进行定位的方法。使用这种方法可以有效的节省采集数据的开销，但是很容易导致结果的不准确。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于传播模型的室内定位RSS指纹库恢复方法。

根据本发明提供的一种基于传播模型的室内定位RSS指纹库恢复方法，包括：

步骤A：将物理空间划分为由n行×n列个定位网格构成的矩阵区域；

n的取值范围为大于等于3的正整数；例如，n为3、4、5、6、7、8、9或10。

步骤B：仅在矩阵区域中的部分定位网格上采集信号强度；

步骤C：利用步骤B得到的所述信号强度，利用线性变换方法，恢复出完整的定位数据。

优选地，所述步骤B，包括：

步骤B1：将矩阵区域中的各个定位网格，按照从第1行开始逐行且每一行中从第1列开始逐列的顺序对各个定位网格标记序号，得到第1个至第n²个定位网格；

步骤B2：定义一般传递函数矩阵T：