[发明专利]一种基于用户位置与距离优化的排序聚类定位方法

说明书

本发明公开一种基于用户位置与距离优化的排序聚类定位方法，根据用户前后位置、距离与步长建立了一个类匹配偏差检测模型，达到了对用户位置异常与匹配偏差精确判断的目的，将排序后RSSI向量中的相邻元素作差与设定阈值相比较，确定了待定位点排序特征向量变化位置，进行交换校正，得到了优化后的类匹配结果，最后根据定位时前m时间段内所确定的用户位置与匹配类中指纹点的距离远近，剔除了WKNN定位算法中的异常指纹点，实现了更为精确的WLAN位置指纹室内定位。通过在相似且相近指纹点筛选过程中借助用户位置与距离剔除异常指纹点，实现了对定位算法的优化。

技术领域

本发明涉及室内定位技术领域，具体涉及一种基于用户位置与距离优化的排序聚类定位方法。

背景技术

近年来，随着无线通信技术的快速发展，无线局域网(WLAN)实现了在全球范围内快速部署和普及，为WLAN室内定位技术提供了良好的发展、应用和推广环境。WLAN室内定位技术按照定位原理可细分为近似法、几何法和位置指纹法三种，位置指纹法相对近似法和几何法无需知道无线接入点(AP)的位置坐标，更无需精确的时间和角度测量设备，通过各种便捷式的移动终端，以纯软件的方式即可实现定位，极大地降低了定位成本，已成为WLAN室内定位技术研究的重点和热点。使用位置指纹法进行定位的WLAN室内定位技术又称为WLAN位置指纹室内定位技术，其需要在定位区域内布设一定数量AP，并按照一定距离间隔部署若干虚拟的指纹点。WLAN位置指纹室内定位技术将无线接收信号强度值(RSSI)作为指纹特征，并建立RSSI与物理位置之间一一映射的关系，其工作流程主要包括离线指纹采集和在线指纹匹配定位两个阶段。为了减少在线指纹匹配定位阶段指纹匹配的工作量，排序聚类定位方法被提出。然而，在实际定位中，由于室内环境的不断变化，使得待定位端接收到的RSSI存在较大的波动和跳变，不仅导致排序聚类定位方法类匹配精度较低，而且导致指纹匹配定位阶段通过加权最近邻(WKNN)定位算法筛选出与待定位点相似且相近的K个指纹点中存在异常指纹点，降低了WLAN位置指纹室内定位技术的定位精度。

发明内容

本发明所要解决的是现有WLAN位置指纹室内定位技术存在定位不够精准的问题，提供一种基于用户位置与距离优化的排序聚类定位方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种基于用户位置与距离优化的排序聚类定位方法，包括步骤如下：

步骤1、获取定位区域内的每个指纹点在当前时刻的接收信号强度向量和排序特征向量；

步骤2、按照指纹点在当前时刻的排序特征向量对定位区域内的所有指纹点进行聚类，将具有相同排序特征向量的指纹点归为一类；

步骤3、获取待定位用户在当前时刻的接收信号强度向量和排序特征向量；

步骤4、先将待定位用户在当前时刻的排序特征向量与定位区域内的各个指纹点在当前时刻的排序特征向量作差，得到差向量；再统计各个差向量中零元素的个数，并将零元素最多的差向量即最接近差向量所对应的指纹点所属聚类视为待定位用户的最接近聚类；

步骤5、先计算最接近聚类中各个指纹点在当前时刻的接收信号强度向量与待定位用户在当前时刻的接收信号强度向量的欧氏距离，并选出欧氏距离最小的K1个指纹点；再利用这K1个指纹点计算待定位用户在当前时刻的位置坐标；

步骤6、先计算类匹配偏差，再将类匹配偏差与0进行比较：

如果类匹配偏差f＜0，则认为没有发生类匹配偏差，则步骤5所得的待定位用户在当前时刻的位置坐标即为待定位用户在当前时刻的位置坐标；如果类匹配偏差f≥0，则认为发生了类匹配偏差，转至步骤7；

其中类匹配偏差f为：