[发明专利]一种基于最优相似度的指纹定位方法及装置

说明书

本发明公开了基于最优相似度的指纹定位方法及装置，涉及移动定位技术领域，所述方法包括：将待定位点的信号特征和位置指纹数据库中位置指纹参考点的信号特征进行欧式距离匹配处理和相似度匹配处理，确定与所述待定位点距离最近的多个最优相似度位置指纹参考点；利用所确定的多个最优相似度位置指纹参考点，计算所述待定位点的位置坐标。通过计算待定位点的信号特征与位置指纹数据库中位置指纹参考点的信号特征的欧氏距离和相似度，确定与待定位点最优相似的位置指纹参考点，消除了匹配结果的多样性误差，提高了定位精度。

技术领域

本发明涉及移动定位技术领域，特别涉及一种基于最优相似度的指纹定位方法和装置。

背景技术

随着移动互联网的发展，人们对定位和导航功能的需求将越来越高。以全球定位系统(Global Positioning System，GPS)和北斗为代表的室外定位技术已经获得广泛应用，但在复杂的室内或封闭环境下，如大型候车室、大型会场、体育馆、大型写字楼、地下矿井等场景，由于信号遮挡衰减严重，仍然无法定位。但是通信网对这些复杂的室内环境，需要满足随时随地的热点覆盖，所以可以利用通信系统基站进行室内定位。

为实现移动定位，目前提出了多种技术方案，比较典型的有基于陀螺仪的定位，三角定位和指纹定位。基于陀螺仪的定位存在误差积累问题，无法长时间使用。基于时间测量的定位系统一般要求多个基站严格时间同步、并且需要对无线信号进行高精度到达时间测量，目前基站设备不支持。指纹定位无需知道基站的位置和准确的信道模型，因此在具体实施和定位性能上，相对于三角定位都具有较大的优越性。

指纹定位是指通过测试定位区域中所有参考点的接收信号强度(ReceivedSignal Strength，RSS)信号并提取RSS信号的信号特征，将信号特征与对应的参考点的位置坐标一起存入位置指纹数据库，然后利用同样的方法得到待定位点的信号特征，根据一定的匹配算法和位置指纹数据库进行匹配，从而得到待定位点的估算位置。常用的方法有最近邻方法(Nearest neighbor in signal Space，NNSS)、K-最近邻算法(KNNSS)等。

然而，不管是NNSS算法还是KNNSS算法，其原理都是通过计算待定位点的信号强度向量与指纹库中所有样本点的信号强度值向量的距离选择参考指纹，而指纹的信号强度大小并不随距离线性变化，很难保证选择出的参考指纹的质量，进而影响定位结果的准确度和稳定性，使得定位结果的精度收到严重的影响。

发明内容

根据本发明实施例提供的技术方案解决的技术问题是如何提高指纹定位精度。

根据本发明实施例提供的基于最优相似度的指纹定位方法，包括：

将待定位点的信号特征和位置指纹数据库中位置指纹参考点的信号特征进行欧式距离匹配处理和相似度匹配处理，确定与所述待定位点距离最近的多个最优相似度位置指纹参考点；

利用所确定的多个最优相似度位置指纹参考点，计算所述待定位点的位置坐标。

优选地，所述信号特征是接收信号强度向量，所述的确定与所述待定位点距离最近的多个最优相似度位置指纹参考点的步骤包括：

将所述待定位点的接收信号强度向量和所述位置指纹数据库中位置指纹参考点的接收信号强度向量分别进行欧式距离匹配处理，确定欧式距离最小的N个位置指纹参考点；

将所述待定位点的接收信号强度向量和所述N个位置指纹参考点的接收信号强度向量分别进行相似度匹配处理，确定相似度最大的n个位置指纹参考点作为最优相似度位置指纹参考点，其中，2≤n≤N,N3。

优选地，所述的确定相似度最大的n个位置指纹参考点作为最优相似度位置指纹参考点的步骤包括：

对所述待定位点和所述N个位置指纹参考点之间的接收信号强度向量的相似度分别进行计算，得到N个相似度；