[发明专利]一种基于传播损耗学习的室内定位方法及系统

说明书

本发明公开了一种基于传输损耗学习的室内定位方法，包括：移动终端对室内的所有wifi信号进行实时扫描，为所述实时扫描的结果建立对数化“距离‑损耗”模型；利用历史数据对“距离‑损耗”模型进行学习，建立机器学习模型；然后基于历史数据生成训练样本集，对所建立的机器学习模型加以训练，得到用于生成wifi的信号传输衰减预测值的SVM回归预测函数；基于移动终端的实时扫描结果，结合SVM回归预测方程与对数化“距离‑损耗”模型，计算所述移动终端的准确的位置坐标。

技术领域

本发明属于信息技术、自动控制和电子技术领域，具体涉及采用支持向量机方法对wifi信号的传输损耗特性进行学习，同时利用学习结果实现在线位置估计的方法。

背景技术

随着位置数据业务的不断发展，室内定位在机场、商场、停车场、矿井等领域取得了广泛的应用。但由于室内定位环境的复杂性，其在定位精度方面还难以满足实际要求。一方面，由于不同室内环境下，室内整体结构、材料、物品位置等都会导致信号传输存在较大损耗和波动，另一方面，室内存在的反射、绕射等现象，会产生严重的多径效应，极大增加了定位难度。虽然，许多学者在室内定位方式、定位算法等都开展了许多研究，目前已经提出的室内定位算法包括三角定位、强度法、指纹法等多种方法，取得了许多重要研究成果，但由于实际环境的复杂性，室内定位精度仍难以令人满意，定位精度还亟待进一步提高。

发明内容

为了克服已有的室内定位方法定位精度有限的缺陷，本发明提供一种能够有效提高室内定位精度的定位方法及系统。

为了实现上述目的，本发明提供了一种基于传输损耗学习的室内定位方法，包括：

步骤1)、移动终端对室内的所有wifi信号进行实时扫描，为所述实时扫描的结果建立对数化“距离-损耗”模型；其中，所述“距离-损耗”模型的表达式为：

其中，P_i为第i个wifi接收的信号强度，i＝1,2,…,I，I为所有wifi的总数量，ξ_i表示对于位置(x,y)处第i个wifi信标的信号传输衰减因子，(a_i,b_i,c_i)为第i个wifi的坐标；ε_i表示第i个wifi在传输过程中的其他误差；

步骤2)、利用历史数据对“距离-损耗”模型进行学习，建立机器学习模型；然后基于历史数据生成训练样本集，对所建立的机器学习模型加以训练，得到用于生成wifi的信号传输衰减预测值的SVM回归预测函数；

步骤3)、基于步骤1)中移动终端的实时扫描结果，结合步骤2)所建立的SVM回归预测方程与步骤1)所建立的对数化“距离-损耗”模型，计算所述移动终端的准确的位置坐标。

上述技术方案中，所述步骤1)进一步包括：

步骤1-1)、移动终端在时刻t对周围的所有wifi信号进行扫描，并记录每个wifi的强度信息；

步骤1-2)、上传并存储各个移动终端所记录的wifi信号的强度信息；

步骤1-3)、为各个移动终端对所有wifi信号的扫描结果建立对数化“距离-损耗”模型。

上述技术方案中，所述步骤2)进一步包括：

步骤2-1)、将整个待定位区域划分为J×K个网格，每个网格的坐标点记为j＝1,2,…,J，k＝1,2,…,K；

步骤2-2)、基于历史数据对每个位置点的wifi信号强度进行采集，在坐标点处第i个wifi采集信号强度记为对“距离-损耗”模型进行变换，得到该坐标点对应的信号传输衰减因子为：