[发明专利]一种基于线性判别分析的多楼层室内定位方法及系统

说明书

本发明公开了一种基于线性判别分析的多楼层室内定位方法及系统，涉及无线多楼层定位技术领域。所述定位方法在离线阶段对楼层进行网格划分，通过获取各采样点感知的各AP的RSS值，建立离线RSS指纹库；然后采用OvO拆分策略将多楼层拆解成多组两两配对楼层，并对每组两两配对楼层中的AP进行两两配对分类；每组两两配对楼层构建一个分类器，在OvO拆分的基础上，采用LDA求取最大瑞利商对应的AP配对组，即为最优AP配对组，利用最优AP配对组的楼层属性对应的投影直线和投影阈值构建对应的分类器楼层判别模型；在进行待定位目标定位时，采用各分类器楼层判别模型，再结合投票法获取待定位目标所在楼层，再计算出待定位目标所在坐标位置。

技术领域

本发明属于无线多楼层定位技术领域，尤其涉及一种基于线性判别分析的多楼层室内定位方法及系统。

背景技术

室内环境的复杂性和多样性，使得室内定位没有统一的定位标准，一直以来成为研究的热点。基于位置服务(LBS)的应用需求随着移动设备的普及和广泛应用受到普遍关注，比如：火灾现场消防人员的定位，医护中心病人的定位，商场内人员的定位，地下停车位的定位等。室内无线定位技术引起了人们越来越多的研究兴趣，许多技术已广泛应用于各行各业，如无线局域网WiFi、蓝牙、传感器网络、超宽带(UWB)、射频识别标签(RFID)等。除了定位精度外，设备的成本也成为考虑因素，基于Wi-Fi RSS(接收信号强度)的室内定位系统技术中，指纹技术因其具有无需额外基础设施、成本低且定位精度较高等优势成为当前室内定位技术研究的重点。

迄今为止，大部分的室内定位研究都是基于二维空间，即单层楼的研究。对于多楼层的测定，二维空间无法满足此需求。而目前室内环境多为多楼层场景，如商场，机场，写字楼等。所以多楼层的室内定位逐渐受到广泛的关注和研究。

当前，多楼层室内定位技术的主要研究方向是基于WiFi指纹数据库，通过WiFi指纹数据库区分多楼层的定位方法主要有两种：其一，在离线阶段对带有楼层数的参考位置指纹样本数据进行训练(常用的训练方法有：人工神经网络，贝叶斯分类，K近邻)，得出楼层判别模型，在在线阶段利用得出的楼层判别模型对待定位点进行判断。但随着AP(AccessPoint)和楼层数的增加，该方法的计算复杂度也随之增加。其二，减少离线阶段的人工采集样本工作量，结合其他方法(如：聚类)建立楼层判别模型，但这种方式一定程度上降低了定位的精度。

发明内容

针对现有技术的不足，本发明提供一种基于线性判别分析的多楼层室内定位方法及系统，该定位方法在离线阶段进行网格划分，之后在每个网格中采集数据，以此建立完整的离线指纹库；然后利用线性判别分析方法，建立分类器楼层判别模型；在在线阶段，根据离线阶段的分类器楼层判别模型结合投票法(楼层数大于2)判别出待定位目标最终所在的楼层；最后利用改进的KNN算法定位出待定位目标的具体位置。

本发明是通过如下的技术方案来解决上述技术问题的：一种基于线性判别分析的多楼层室内定位方法，包括离线阶段和在线阶段，离线阶段包括以下几个步骤：

步骤(1)建立RSS指纹库：对多楼层室内区域进行网格划分，采集每个网格内各AP的RSS值，生成RSS指纹库；

步骤(2)对楼层和AP进行拆分：采用OvO拆分策略将多楼层拆解为多组两两配对楼层，然后对每组配对楼层中包含的所有AP进行两两配对分类，形成多组AP配对组，每组AP配对组中仅包含两个AP；

步骤(3)分类器楼层判别模型的建立：对每组配对楼层构建一个分类器，采用线性判别分析法计算每个分类器中每组AP配对组的楼层属性广义瑞利商；选取最大广义瑞利商对应的AP配对组作为对应分类器的最优AP配对组，利用最优AP配对组的楼层属性对应的投影直线和投影阈值构建对应的分类器楼层判别模型；

每组AP配对组的楼层属性是指该AP配对组中每个AP在该对应配对楼层中每个楼层所有网格的RSS值的平均值；