[发明专利]超密集无线网络下基于指纹相似度的室内定位方法

说明书

本发明属于无线通信与室内定位技术领域，公开了一种超密集无线网络下基于指纹相似度的室内定位方法，通过定义的灵活且稳定的指纹相似度估计目标的位置，包括：设计的简单高效的接入点(access point，AP)的选择方法选择能够有效地表征室内环境中接收信号强度特征的AP；通过采用接收信号强度相对值以便建立较稳定的指纹库，减轻环境动态与和接收设备异构的影响，提高定位精度；在线阶段设计的权重优先级准则，其在确定两个位置的相似度时为更强信号强度的AP分配较大的权重，从而更好地对抗环境的动态问题，提高定位精度；尤其是当大量的AP丢失时，FSIL能够提供更加鲁棒的定位精度。

技术领域

本发明属于无线通信与室内定位技术领域，尤其涉及一种超密集无线网络下基于指纹相似度的室内定位方法。

背景技术

近年来，物联网中基于位置感知的应用的需求激增，例如医院、机场、大型商场等实际场景下的定位和导引。同时，智能家居、无人医疗护理以及智能机器人等行业也需要计算机能够在室内识别特定对象的位置，推动了室内定位技术(indoor positioningsystem，IPS)快速发展，并带来巨大的前景机会。与此同时，由于物联网设备(例如手机、平板电脑、可穿戴设备等)的性能飞速增长，室内定位技术可以为用户带来更好的用户体验。现有的室内定位技术可以被分为两类：基于测距(range-based)的室内定位技术和基于位置指纹(fingerprint-based)的室内定位技术。由于室内环境复杂且变化多端，基于测距的室内定位技术不能精确地定位；相比之下，基于位置指纹的室内定位技术能更好地适应复杂且多变化的环境，具有更大的潜力。基于位置指纹的室内定位技术包括两个阶段：离线阶段与在线阶段，具体来说，离线阶段收集各个参考点处的位置指纹特征以构建指纹库；在线阶段为待测点从已建好的指纹库中匹配指纹进而估计待测点的位置。得益于接收信号强度的收集简单易操作(无需额外的设施，仅需一些基础设备，例如，智能手机，平板等)，大多数基于指纹的室内定位方法采用接收信号强度作为位置指纹特征。随着超密集无线网络中网络基础设施的密集部署，例如，小型基站和Wi-Fi接入点(access point，AP)，室内定位技术可以利用丰富的锚节点来精确跟踪和估计待测点的位置。然而，室内环境中密集部署的大量AP将造成无线环境将发生剧烈变化(例如AP的动态变化，无线信道的时变性)，导致基于位置指纹的定位方法存在困难和挑战。例如，由于AP的即插即用功能，在线阶段对待测点定位时，指纹库中的一些AP可能会消失并且会出现一些新的AP。与此同时，无线信道具有时变性，这意味着在同一个位置收集的接收信号强度值也会随着时间(几周到几十周)而变化。然而，采用接收信号强度绝对值的位置指纹定位方法是基于接收信号强度变化较小的假设。因此，考虑到以上实际室内定位场景中的问题，大多数基于接收信号强度绝对值的定位方法在实践中将导致十分不稳定的定位精度，且随着环境的剧烈变化，定位精度急剧下降。此外，不同类型的设备收集的接收信号强度绝对值存在一定的差异(即使接收设备位于相同的位置)，这也对精确的室内定位带来严峻的挑战。针对以上实际室内定位场景下的环境动态变化以及接收设备异构问题，以接收信号强度绝对值作为指纹的室内定位方法可能会遭遇很多困难，进而造成定位精度下降且非常不稳定。因此，出现了大量的以接收信号强度相对值作为指纹的室内定位方法，例如：一种无需校准的室内定位方法(calibration-freeindoor localization，FreeLoc)方法与一种处理环境动态问题(handling environmentaldynamics，HED)的室内定位方法。FreeLoc方法基于短期内测量的接收信号强度样本的众数作为指纹建立指纹库比较稳定的实验发现。虽然FreeLoc能够较好地处理接收设备异构问题，但是大量指纹库中的AP丢失将导致FreeLoc的定位精度较低。HED的室内定位方法基于容忍乱序的匹配算法(order-tolerance sequences based matching algorithm)，旨在处理室内定位环境动态的问题，但是HED在大量指纹库中的AP丢失的实际室内场景下的性能急剧下降。这两种方法没有采用AP选择，不仅造成指纹库数据集冗余，而且这些冗余导致定位精度下降。与此同时，由于这两种方法在决定两个位置的相似度时为所有AP赋予相同的权重，而在超密集无线网络中存在大量冗余AP且AP动态变化，导致定位精度下降。