[发明专利]一种基于无线信号强度的室内定位方法

说明书

本发明涉及一种基于无线信号强度的室内定位方法。本发明首先构造RSS变化空间，RSS变化空间由距离矩阵D和相对坐标矩阵Y构成；然后确定测试数据集，将整个测试数据集作为测试样本输入到k‑means算法模型中，构造距离矩阵D；接着进行数据降维，建立距离矩阵D的相对坐标矩阵Y；此后，通过RSS变化空间来对未知位置移动节点进行定位，数据分析中心将目标的准确定位发送至移动终端。本发明利用实时数据实时更新模型和定位，无需在移动设备上进行专门设置，对环境动态变化具有适应性，更加便于推广。当使用者发生位移时利用新型手机内置传感器来构建RSS信号变化平面示意图，测算一个移动节点的相对位置，从而达到定位效果。

技术领域

本发明属于涉及机器学习的无线通信网络技术领域，涉及一种基于无线信号强度的室内定位方法。

背景技术

无线网络、移动计算、普适计算等技术的不断发展使得基于位置的服务和应用日益普及。而定位系统在室内环境中却因为环境阻隔而难以发挥功效。因此可实现精确的室内定位技术显得尤为重要。

目前在室内定位领域人们多偏向于基于Wi-Fi指纹的定位算法。该方法分为采样和定位两个阶段。采样阶段：在待定场所布置三个或三个以上固定位置参考点，采集并保存Wi-Fi信号的信号强度-位置(RSS-location,RSSI)值数据，构建位置指纹库。定位阶段：服务器对待定位点RSSI值与指纹库中的对应位置进行匹配，找出最近似位置点。该方法指纹数据库构建麻烦，人工投入以及在线计算量大且无法自动更新指纹数据库，而不同时间、同一位置接收的同一个AP的RSS值有较大的差异，这导致指纹数据库中的信息在定位时失去时效性与准确性，其次两个相隔很远的位置采集到的RSS指纹可能较相似，降低了RSS指纹在空间上的区分度，从而降低了定位系统的精度。

本发明在RSS定位的基础上，通过测试节点对RSS变化空间进行训练，无须探明固定WIFI信号源的位置，摆脱了原方法对于信号强度的过度依赖，只需要采集一次先验信息，通过后续的信号强度变化进行测算定位目标位置的变化，定位精度可达厘米级。

发明内容

本发明的目的就是提供一种基于无线信号强度的室内定位方法。

本发明包括如下步骤：

步骤一：数据分析中心构造RSS变化空间，RSS变化空间将由距离矩阵D和相对坐标矩阵Y构成，具体步骤如下：

1、确定测试数据集：测试数据集RSS_k(rss_1k,rss_2k,rss_3k)由K个测试样本组成，RSS_k为形容一个移动到固定位置的节点的数组，rss_1k、rss_2k、rss_3k分别为固定位置的节点接受到的来自三个WIFI发射器的信号强度。

2、将整个测试数据集作为测试样本输入到k-means算法模型中。选取了K个样本数据，将这K个样本数据作为K个簇。因为每个簇都有一个簇中心，且刚好每个样本数据对应一个簇，所以简单认为每一个样本数据都属于一个不同的簇，同时样本数据也是该簇的簇中心。

3、构造距离矩阵D:计算K个簇中心之间两两之间的欧几里得距离(x₁,x₂为两节点的坐标)数据记在距离矩阵D中，例如dist₁₂是簇1和簇2之间的欧几里得距离。

4、进行数据降维，建立距离矩阵D的相对坐标矩阵Y。

首先，利用步骤3的距离矩阵D计算降维后样本的内积矩阵B:构造矩阵B＝D^TD，得到计算公式：根据这个公式计算出距离矩阵B中的每一个元素。然后，对上述矩阵内积矩阵B做特征值分解。然后，对降维后的数据进行可视化。最后，将降维后的数据存储到相对坐标矩阵Y。

步骤二：数据分析中心通过RSS变化空间来对移动节点进行定位；