[发明专利]一种基于健壮稀疏表示聚类的指纹定位方法

说明书

一种基于健壮稀疏表示聚类的指纹定位方法，主要解决现有技术中定位精度不够，采集时间过长，健壮性不足等问题。本发明主要利用测试点的稀疏先验信息，其核心在于利用RSRC算法对测试点的指纹数据在聚类后指纹库下稀疏表出，从而实现准确定位的目的，首先构建离线指纹库,然后通过仿射传播聚类优化指纹库，在线阶段利用RSRC算法对测试点指纹强度稀疏表示，极小化修正残差确定候选类，实现对测试位置的估计。实验表明本发明较现有的方案有更好的定位效果。

技术领域

本发明属于无线定位领域，具体涉及一种基于健壮稀疏表示聚类的指纹定位方法。

背景技术

随着WLAN的发展,借助智能手机、PAD、笔记本电脑等通讯设备获取位置信息的方式日益普及。基于位置的服务在医疗、急救、导航等领域有着广阔的应用，准确的定位技术是其关键所在。因此对定位技术的研究具有重大的理论价值和市场应用前景。

由于wifi设备的普及，可利用接受信号指纹强度定位，无需其他传感器，成本低，操作方便，基于指纹的定位算法成为主流。现有的基于指纹的定位算法，需要大量的离线训练，对噪声数据敏感，同时定位精度有待进一步提高。

发明内容

为了克服上述现有技术的不足，本发明的目的是提供一种基于健壮稀疏表示聚类的指纹定位方法，基于此本专利将RSRC算法应用于指纹定位中，提高了定位精度

为了实现上述目的，本发明采用的技术方案是：

一种基于健壮稀疏表示聚类的指纹定位方法，包括以下步骤：

1)对离线采样的数据经过处理后得到原始数据库

其中R_ij表示第i个接入点接收到第j个传感器的指纹强度，1≤i≤M,1≤j≤N,M表示离线采样点数，N表示采样区域内传感器的个数。

2)通过仿射传播聚类得到优化后的指纹库

其中S_ab表示第a个类中心接收到第b个传感器的指纹强度，1≤a≤P,1≤b≤N,P表示类的个数。

3)利用测试点稀疏先验信息，通过RSRC算法稀疏表出测试点指纹强度，极小化修正残差确定候选类中心，估计测试点位置。

由于实际测试过程中数据会受到噪声的影响，如果想定位精确需要考虑噪声的影响。其中y，y₀，e₀，t₀，分别表示实际测试点指纹强度，理想去噪后测试点指纹强度，实际噪声，纯净测试点指纹强度在指纹库Φ下的稀疏表出系数，估计出的噪声，估计出的测试点指纹强度在指纹库下Φ的稀疏表出系数。则

通过RSRC算法求解方程y＝Φ₁t₁，得到极小化修正残差确定候选类中心，估计测试点位置。

RSRC求解步骤：

①利用稀疏表示算法求解y＝Φ₁t₁,得到

②计算修正后稀疏表出后的残差

③r_ξ(y)降序排列，取前若干个对应目录下类中心的坐标加权输出测试点位置估计值。

本发明的有益效果是：

1)本发明利用测试点的稀疏先验信息，通过RSRC算法估计测试点的位置，较已有的方案，有的更高的定位精度。

2)本发明考虑到噪声的影响，较已有的方案有着更强的健壮性。