[发明专利]基于距离约束的半监督APC聚类算法的WLAN室内定位方法

说明书

基于距离约束的半监督APC聚类算法的WLAN室内定位方法，涉及室内定位领域。本发明是为了解决现有WiFi室内定位方法中存在的在线定位复杂度高，移动终端定位实时性差的问题。本发明通过仿射聚类算法，引入已知的类别数据来调整相似度矩阵，通过在新得到的相似度矩阵的基础上进行聚类分析。将数据库中的参考点按照RSS向量进行聚类，使得同一类中的成员物理位置临近，且信号空间向量具有最大的相似度。在保证WLAN室内定位系统的定位精度的同时有效地减少了定位过程的计算量。本发明的在线定位运算时间短，移动终端定位实时性强。本发明适用于WLAN室内定位。

技术领域

本发明涉及室内定位领域，具体涉及一种位置指纹室内定位方法。

背景技术

随着无线网络、移动通信和普适计算技术的广泛普及，基于位置的服务(LBS，Location-based Services)也越来越重要，典型的例子有信息查询、旅游导航、急救服务、人员跟踪等等。其中如何确定用户的位置是实现LBS的核心问题。全球卫星定位(GPS，Global Positioning System)系统通过接收器测量来自5～24个卫星信号的到达时间差估计位置，可以提供较高精度的定位估计。但是，GPS在室内和高楼密集的城市由于感测不到卫星信号而无法进行定位。

基于IEEE802.11协议的无线局域网(WLAN，Wireless Local Area Network)，是以无线信道作传输媒介的计算机局域网络，提供传统有线局域网的功能，能够使移动用户真正实现随时、随地、随意的宽带网络接入。用户对信息的即时性和就地性的需求越来越强烈，给基于WLAN系统的位置服务提供了广阔的发展空间。首先，WLAN系统中依据信号强度的定位技术可以充分利用现有的硬件设备，无需给移动终端添加任何硬件就可以获得信号强度，从而实现移动终端的定位；其次，可以满足大多数室内位置服务的精度需求，即使在非视距环境下，定位结果在典型的室内定位场景下2m以内能够达到较高精度；此外，WLAN定位可以将首次定位时间缩短在2秒内，而GPS和A-GPS的首次定位时间通常为1分钟以上和12秒左右。

WLAN定位技术的原理是利用来自各个接入点(AP，Access Point)的指纹信号(RSS，Received Signal Strength)与物理位置关联特性实现定位。因而在定位过程中，应尽量保持室内环境的相对稳定，提高RSS与物理位置关联的有效性。然而，因室内复杂的环境特性，RSS受电波传播距离、室内布局、建筑材料、人体吸收、气候等多方面的影响，使得指纹信号的不确定性增大，从而严重影响指纹法的定位精度。位置指纹定位算法分为离线测量阶段和在线定位阶段两个步骤，离线阶段主要是建立位置与接收信号强度之间的对应关系，即在待定位区域按一定规则设置参考点，通过测量参考点处接收到的不同AP信号强度值，建立对应的位置指纹数据库Radio Map。在线定位阶段，通过测试点接收到的RSS值，采用相应的匹配算法，主要包括最近邻法，K近邻法，概率法和神经网络法。其中K近邻法(KNN，K Nearest Neighbors)在算法复杂度和定位精度上都具有一定优势，广泛的用于在线定位匹配，找到位置指纹数据库中与其最接近的位置，作为最终的位置估计结果。离线阶段建立的Radio Map包含有大量的数据信息，且随着定位区域扩大及参考点的增加，导致RadioMap信息量呈指数形势增长。

利用聚类分析的方法，将定位区域依据参考点进行聚类，并选择相应的类作为进一步研究子区域，可以降低定位阶段的计算复杂度、提高定位精确度。目前常用的定位分区方法有：通过AP的覆盖范围判定位置区域。由于该区域判定机制要通过训练数据在离线阶段完成，而无线信号的时变性会导致在线阶段区域判定的错误，这将导致极大的定位误差；采用经典的k均值聚类方法，可以减少在线阶段位置匹配的计算量。该方法需要通过随机方式选择初始类首领，聚类的结果质量又大大依赖于对初始聚类的类首领选择，且容易陷入局部极值。