[发明专利]一种基于自适应杠杆抽样的WiFi室内定位方法

说明书

本发明涉及一种基于自适应采样的WiFi室内定位方法，包括以下步骤：步骤S1：采集室内感兴趣区域的WiFi数据；步骤S2：构造室内WiFi数据张量；步骤S3：根据所述WiFi数据张量，进行基于杠杆的自适应采样；步骤S4：通过恢复算法进行数据恢复,利用KNN算法实现WiFi数据的室内定位。本发明通过自适应杠杆采样的方式减少构建室内WiFi数据库的时间，人力花费，能够以较少的采样点，较高的精度重建WiFi数据库。

技术领域

本发明涉及一种基于自适应杠杆采样的WiFi室内定位方法。

背景技术

随着经济的快速发展，人们对位置信息的需求越来越强，室内定位服务业因此成为业界和学术界关注的重点，许多室内定位技术应用而生，基于室内定位的动态追踪技术也被广泛研究。由于室内环境复杂且存在很多障碍物，GPS对室内定位存在很大偏差。室内位置服务随着互联网的普及以及智能设备的大众化也越来越流行，目前室内位置服务主要用于商品推送，社交应用，周边捜索，室内导航，用户签到等应用。常见的室内无线定位技术有：WiFi、蓝牙、红外线、超宽带、RFID(射频识别)、ZigBee和超声波。由于网络的普及，通过WiFi进行室内定位变得易于实施，从而使基于WiFi的定位技术成为主流室内定位技术，其独特优势在于WiFi无线网络己经在各类用户终端中得到广泛普及，并且运营商的发展加快了城市WiFi网络的铺设速度，基础设施建设已相对完备，额外投入较低。为WiFi定位技术的推广扫清了障碍。对WiFi信号进行采集构建室内WiFi数据库，用户通过移动设备提交当前位置的WiFi信号与数据库的WiFi 信号相匹配进而实现定位。

Wi-Fi指纹通常分两个阶段进行：离线阶段(现场调查)和在线阶段(位置查询)。在离线阶段进行现场调查，在参考点(RP)采集来自各个接入点(AP)检测到的WiFi信号。在线阶段，用户在当前位置测量记录WiFi信号，并提交给服务器，服务器将接收到的WiFi信号与数据库进行查询匹配，确定当前用户所在位置。本方法通过自适应杠杆采样的方式减少构建室内WiFi 数据库的时间，人力花费，能够以较少的采样点，较高的精度重建WiFi数据库。

发明内容

本发明的目的在于提供一种基于自适应杠杆采样的WiFi室内定位方法，以克服现有技术中存在的缺陷。

为实现上述目的，本发明采用以下技术方案：一种基于自适应杠杆抽样的WiFi室内定位方法，包括以下步骤：步骤S1：获取室内感兴趣区域的WiFi数据；步骤S2：建立WiFi数据张量；步骤S3：根据所述WiFi数据张量，进行基于杠杆分数的自适应采样；步骤S4：通过恢复算法进行数据恢复，利用K最近邻分类算法对恢复的WiFi数据进行室内定位。

在本发明一实施例中，在所述步骤S1，建立矩形室内感兴趣区域并将其划分为均匀网格，每个网格为一个参考点RP；在感兴趣区域内随机放置多个WiFi接入点AP产生WiFi，在每个接入点通过传感器采集WiFi数据。

在本发明一实施例中，在所述步骤S2中，根据所述步骤S1获取后的WiFi数据，将感兴趣区域的长、宽、接入点作为三阶张量的三个维度，建立所述WiFi数据张量。

在本发明一实施例中，在所述步骤S3中，还包括如下步骤：步骤S31：记参考点样本预算为m，分配率为β，0β1；随机选取感兴趣区域内βm个参考点沿第三维进行管道抽样，产生抽样张量；步骤S32：将所述抽样张量进行张量奇异值分解，分别得到左，右奇异值张量步骤S33：将所述奇异值张量和分为水平切片和侧切片，并计算每个切片的杠杆分数和通过杠杆分数计算感兴趣区域内每个参考点的采样概率步骤S34：设置循环次数为 L，每次不重复的选取采样概率最大的(1-β)m/L个参考点进行管道抽样，并将每次抽样的新样本并入样本集中，产生抽样张量；通过执行所述步骤S32、S33，直到最大循环次数或样本预算.

进一步的，在所述步骤S32中所述左，右奇异值张量和核心张量S通过张量奇异值分解(t-SVD)不断进行更新，张量奇异值分解即对三维矩阵进行奇异值分解：