[发明专利]基于接入点重选择和自适应簇分裂的室内指纹定位方法

权利要求书

1.基于接入点重选择和自适应簇分裂的室内指纹定位方法，其特征在于，包括以下步骤：

步骤一：按照传统方法将待定位区域均匀划分为若干栅格，选取每个栅格的几何中心作为参考点位置，在每个参考点位置测量能接收到的所有接入点的信号强度，生成接收信号强度指纹向量，即RSS向量，建立基础RSS指纹库；

步骤二：结合基于地理位置和辨识度的AP重选择方法、自适应簇分裂聚簇方法和自学习机制，生成栅格大小可变的RSS指纹库，即V-RSS指纹库；

(0)初始时，设置一个存储待分裂簇的空栈，并将当前簇设置为根簇；

(1)设当前簇为q，对q做预分裂，对簇q作虚拟的十字均分，预分裂后得到四个子簇q₁,q₂,q₃,q₄；

(2)计算各子簇的重心指纹向量；以子簇q₁为例，其重心指纹r_q1＝(r_q1,1,r_q1,2…r_q1,M)，其中r_q1,j表示第j个AP在q₁子簇内的平均接收信号强度；

(3)AP重选择，当前簇改变后需要重新进行AP选择，最终为不同地理位置的簇定义自己的最佳AP集合；选择最佳AP集合的具体步骤为：

(31)先计算子簇的重心指纹和簇内方差；

以簇q₁中第j个AP为例，其重心指纹S_i,j表示第j个AP在第i个参考点的位置指纹；C_q1表示簇q₁中参考点数目；

其簇内方差

同理可得r_q2,j，r_q3,j，r_q4,j，

(32)对簇q，第j个AP的辨识度定义为：

辨识度向量t_q＝(t_q,1，t_q,2…，t_q,M)；

(33)对t_q,j按由大到小的顺序排序，取出前N个组成最佳AP集合，把对应的AP编号存在向量v_q中；

(34)分别得到四个子簇的簇指纹；例如，子簇q₁簇指纹定义为是指从中选出v_q对应的指纹，得到经过AP选择后子簇q₁的重心指纹可以表示为：

同理可得和的区别是后者包括了所有AP在簇q₁的指纹，其维度为M，而前者只包括了最佳AP集合的指纹，其维度为N，N<M；

(4)定义函数Γ(t_q)，用于判断当前簇可否分裂：

其中ε为可分裂门限，既可根据经验由人工设置，也可由自学习机制自动获得，其方法是将辨识度阈值定为预期定位误差、无线信号波动特征和簇尺寸的函数，通过自学习的方式确定该函数的具体表达式或者数值对应关系；

(5)存储数据：将簇编号q、判别函数Γ(t_q)的值、当前簇最佳AP集合v_q存储到V-RSS指纹库中；

如果Γ(t_q)＝1，跳到步骤(6)；

如果Γ(t_q)＝0，跳到步骤(7)；

(6)对簇q进行分裂；实际上就是对簇预分裂的确认过程，对簇q进行十字均分，得到四个子簇q₁,q₂,q₃,q₄，存储v_q在四个子簇产生的重心指纹u_q1,u_q2,u_q3,u_q4，将簇q₂,q₃,q₄压入栈中，当前簇设置为q₁，跳到步骤(1)；

(7)当前簇q不能再分裂，返回栈中取出一个新簇作为当前簇，跳到步骤(1)；如果栈空则整个簇分裂过程结束，V-RSS指纹库生成完毕；

步骤三：将待定位的移动终端移动到某个位置，测量实时接收的RSS向量，多次测量取平均值并进行去噪处理；

步骤四：将步骤三中测得的RSS向量与V-RSS指纹库进行比对，运用基于多叉树的自适应簇分裂定位方法估计待定位的移动终端的位置；以四叉树中的节点表示簇，即当前节点λ_k等价于当前簇q；

(1-1)从根节点λ_k，k＝0开始；

(1-2)读取V-RSS指纹库存储的数据，判断当前节点λ_k是否可以继续分裂：如果可以继续分裂，继续执行步骤(1-3)，否则跳至步骤(1-7)；

(1-3)当前节点下一层的四个子节点记为θ＝1,2,3,4；从V-RSS指纹库中读取每个子节点对应的重心指纹u_θ，θ∈[1,4]；

(1-4)待定位的移动终端的实时指纹经当前节点的最佳AP集合选择后得到

(1-5)从四个子节点中找出与欧式距离最近的，其编号记为λ_k+1；

λ_k+1＝arg min||d_θ||，θ∈[1,4]；

欧氏距离公式：

(1-6)λ_k+1成为当前节点，跳至步骤(1-2)；

(1-7)当前节点对应的簇即为最佳匹配簇，输出簇信息作为定位结果，包括簇编号和簇的尺寸；

步骤五：输出定位结果，所述定位结果包括最佳匹配的簇编号、待定位的移动终端的位置估计和不确定度。