[发明专利]一种基于健壮稀疏表示聚类的指纹定位方法

摘要

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。

主权项

一种基于健壮稀疏表示聚类的指纹定位方法，其特征在于，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Ψ=R11R12...R1NR21R22...R2N............RM1RM2...RMN]]>其中Rij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)再通过仿射传播聚类得到优化后的指纹库Φ=S11S12...S1NS21S22...S2N............SP1SP2...SPN]]>其中Sab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，去噪后测试点指纹强度，噪声，纯净测试点指纹强度在指纹库Φ下的稀疏表出系数，则y=y0+e0=Φt0+e0=[ΦI]t0e0=Φ1t1]]>通过RSRC算法求解方程y＝Φ1t1，得到t0的估计值，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t0,e0②计算修正后稀疏表出后的残差rξ(y)=||y-δξ(t0^)-e0^||2,1≤ξ≤P]]>③rξ(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。