[发明专利]一种室内定位系统中的特征指纹库构建方法

权利要求书

1.一种室内定位系统中的特征指纹库构建方法，其特征在于，包括以下步骤：

步骤一，对待定位区域进行栅格化，根据定位精度和部署成本的要求设置参考点之间的间距，保证每个参考点周围接收到的大于最低信号强度阈值的AP个数不少于三个，并记录每个参考点的位置信息；

步骤二，在每个参考点，利用信号采集终端对周围AP的MAC地址及其对应的RSSI值进行扫描，实时记录相应AP的RSSI值，并连同当前参考点的位置信息存储到原始位置指纹库中；

步骤三，当所有的参考点都扫描完成后，对建立的原始位置指纹库进行非线性变换，以增大指纹之间的差异性；对于在某些参考点未扫描到部分AP信号造成的缺失值以及RSSI低于最低阈值的AP，进行缺失值.处理以及相应的非线性变换，将原始的信号强度域变换到变换域，提升指纹间的差异性；

所述步骤三的非线性变换，操作步骤为：

步骤3-1：

对原始指纹库中出现的缺失值以及低于最低阈值-90的RSSI统一赋予-100，再利用如下的线性变换公式将原始的信号强度域变换到变换域中：

;

其中A、B、C为常数，采用的是常用的二次项非线性变换模型，即A=1，B=100，C=2；

为变换后RSSI值；为原始的RSSI值;

步骤四，对经过缺失值处理和非线性变换之后的原始指纹库进行低维嵌入，计算相应的特征变换矩阵，得到相应的特征位置指纹库；

所述步骤四的低维嵌入，具体的实现步骤为：

步骤4-1：

将非线性变换后的位置指纹库中的RSSI部分作为输入数据集，j=1，2，3，…，N，其中 为第j个RP点接收到一组RSSI向量，源自M个AP的信号强度；

首先对输入数据集按如下方式进行去中心化处理，生成新的数据集合；

步骤4-2：计算去中心化的数据集协方差矩阵;

之后对协方差矩阵进行特征值分解，得到相应的特征值及特征向量;

步骤4-3：选取最大的前d个特征值对应的d个特征向量；其中这d个特征向量是指能够表示指纹库数据集中的绝大多数定位信息的最小维度，通过这d个特征值占全部特征值的比重来选取，该比重选取为90%-95% ；

步骤4-4：选取的前d个最大特征值对应的特征向量即为特征转换矩阵，因此原位置指纹库的低维嵌入为：

；其中为去中心之后的位置指纹库;

步骤五，对于在线定位阶段采集的周围AP的RSSI值也要经过相应的缺失值处理和非线性变换，再通过变换矩阵将处理后RSSI向量变换成特征RSSI向量，再与特征指纹库进行匹配定位；

所述步骤五，在线定位阶段，对实时采集的RSSI向量进行缺失值处理和相同的非线性变换后，与特征变换矩阵相乘，即可与特征位置指纹库中的指纹进行匹配运算。

2.根据权利要求1所述的室内定位系统中的特征指纹库构建方法，其特征在于，所述步骤一的栅格化，是指将待定位区域分成很多个小区域，在每个小区域内设置一个参考点；在每个参考点采集的周围AP的RSSI值连同该参考点的位置信息构成位置指纹库中一条指纹。

3.根据权利要求1所述的室内定位系统中的特征指纹库构建方法，其特征在于，所述步骤一中，最低信号强度阈值，是用于滤除信号低于阈值的AP，选取信号强度较强的AP用于定位。

4.根据权利要求1所述的室内定位系统中的特征指纹库构建方法，其特征在于，所述步骤二的信号采集终端，是应用于室内无线信号的采集设备；具体采用Android智能手机。

5.根据权利要求1所述的室内定位系统中的特征指纹库构建方法，其特征在于，所述步骤二的原始位置指纹库，包含每个参考点的位置信息和在该参考点采集周围AP的MAC地址及其对应的信号强度值列表。

6.根据权利要求1所述的室内定位系统中的特征指纹库构建方法，其特征在于，步骤五采用的匹配算法为KNN算法。