[发明专利]一种基于多层指纹匹配的室内定位方法

摘要

一种基于多层指纹匹配的室内定位方法，它有四大步骤：步骤一：根据室内环境，构建四层指纹地图；步骤二：根据用户实际接收到的信号强度矢量与规则指纹地图和随机指纹地图进行匹配，采用k近邻方法求得两次匹配的定位结果；步骤三：将用户实际接收到的信号强度矢量转化为距离矢量与规则指纹距离地图和随机指纹距离地图进行匹配，采用k近邻方法求得两次匹配的定位结果；步骤四：将根据四层指纹匹配得到的用户估计位置坐标进行平均，得到最终的用户估计位置坐标。本发明依照规则参考点和随机参考点的接收信号强度以及实际位置和基于路径-损耗模型的距离构建指纹数据库，采用多层指纹的策略以解决室内多径环境的影响，提高室内定位精度。

主权项

一种基于多层指纹匹配的室内定位方法，其特征在于：它包括以下步骤：步骤一：根据室内环境，构建四层指纹地图；其中，对于指纹地图，存储每个参考节点接收到的来自各个信号接入点AP的信号接收强度值以及每个参考节点与AP之间的实际距离；对第i个信号接入点，收到的接收信号强度值存储为向量：RSS_i＝(RSS_i1,RSS_i2,…RSS_ij,…,RSS_in)其中，RSS_i为第i个参考点的位置的接收信号强度向量，RSS_ij为第i个参考节点接收到来自第j个AP的信号接收强度；将规则选取的参考节点和随机选取的参考节点的位置信息和对应的距离信息合在一起，共同组成包含规则指纹和随机指纹的指纹数据库；对于距离地图，根据路径‑损耗模型，将指纹地图中的接收信号强度矢量转化为距离矢量，即距离地图中存储每个参考节点与各个AP之间距离；其中，路径‑损耗模型方程为：$P_{\mathrm{rx}}\left(\mathrm{dB}\right)=P_{d_0}\left(\mathrm{dBm}\right)+10n{\log }_{10}\left(\frac{d}{d_0}\right)$其中，P_rx为分贝功率接收器，即信号接收强度值，为距离AP1m处的接收信号强度值即RSSI值；n为路径损耗指数，它的值由具体环境决定；d₀为参考距离1m，d为参考节点与AP之间的距离，因此，根据路径‑损耗模型公式，得到各个参考节点与AP之间距离的表达式为：$d={10}^{(P_{\mathrm{rx}}-P_{d_0})/\left(10n\right)}$对于第i个参考节点，表示其与每个信号接入点位置关系向量为：d_i＝(d_i1,d_i2,…d_ij,…,d_in)其中，d_i为第i个参考点的距离向量，d_ij为第i个参考节点与第j个AP的距离，将规则选取的参考节点和随机选取的参考节点的位置信息和距离位置指纹集合在一起，组成了包含规则和随机指纹的距离地图；步骤二：根据用户实际接收到的信号强度矢量与规则指纹地图和随机指纹地图进行匹配，采用k近邻方法求得两次匹配的定位结果；其中，指纹地图将用户实际接收到的信号接收强度矢量与离线数据库中所有参考点位置的信号接收强度矢量进行匹配，接收信号强度矢量RSS＝(RSS₁,RSS₂,…RSS_j,…,RSS_n)其中，RSS_j表示用户接收到的来自第j个参考节点的接收信号强度值；其中，实际接收信号强度RSS与第i个参考节点的接收信号强度矢量RSS_i间的欧氏距离为：$\mathrm{dist}(\mathrm{RSS},{\mathrm{RSS}}_i)=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{({\mathrm{RSS}}_j-{\mathrm{RSS}}_{\mathrm{ij}})}^2}$采用k近邻方法，根据规则指纹地图和随机指纹地图分别进行匹配，对于欧式距离最小的k个值，所对应的k个参考节点的坐标的平均值，即所在位置的估计位置：$(\hat{x},\hat{y})=\frac{1}{k}\underset{m=1}{\overset{k}{\mathrm{\Σ}}}(x_m,y_m)$根据规则指纹地图和随机指纹地图可以得到用户所在位置的两个估计坐标值，分别为(x₁,y₁),(x₂,y₂)；步骤三：将用户实际接收到的信号强度矢量转化为距离矢量与规则指纹距离地图和随机指纹距离地图进行匹配，采用k近邻方法求得两次匹配的定位结果；根据路径‑损耗模型公式，得到用户位置与AP之间距离的表达式为：$d={10}^{(P_{\mathrm{rx}}-P_{d_0})/\left(10n\right)}$此时，用户接收信号强度值转化为用户距离各个AP的距离，得到用户的距离矢量为：d＝(d_1,d_2,…d_j,…d_n)其中，d_j表示用户与第j个AP之间的距离；定义d与d_i之间的欧氏距离为：$\mathrm{dist}(d,d_i)=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(d_j-d_{\mathrm{ij}})}^2}$采用k近邻方法，根据规则指纹距离地图和随机指纹距离地图分别进行匹配，对于欧式距离最小的k个值，所对应的k个参考节点的坐标的平均值为用户的估计位置，因此，得到用户所在位置的两个估计坐标值，分别为(x₃,y₃),(x₄,y₄)；步骤四：将根据四层指纹匹配得到的用户估计位置坐标进行平均，得到最终的用户估计位置坐标；其中，最终的用户估计位置坐标(x,y)的表达式为：$x=\frac{x_1+x_2+x_3+x_4}{4}$$y=\frac{y_1+y_2+y_3+y_4}{4}.$