專利名稱：基于rss指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法
技術(shù)領(lǐng)域：
本發(fā)明是模糊識別領(lǐng)域內(nèi)的一種室內(nèi)定位方法,具體涉及到基于RSS (ReceivedSignal Strength)數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法。
背景技術(shù)：
定位技術(shù)是現(xiàn)今最重要的信息技術(shù)之一，大到關(guān)乎國家安全的國防軍事，小到平常百姓的日常生活，都需要很多位置信息的輔助。傳統(tǒng)的定位技術(shù)都是一些大型的定位系統(tǒng)，一般用于室外環(huán)境，例如美國的GPS和中國的北斗衛(wèi)星導(dǎo)航系統(tǒng)。然而對于很多結(jié)構(gòu)復(fù) 雜的室內(nèi)環(huán)境，這些定位系統(tǒng)信號被墻體等障礙物阻隔，無法對室內(nèi)提供定位，所以室內(nèi)定位技術(shù)很好的補充了大型室外定位系統(tǒng)的不足。室內(nèi)定位技術(shù)在商業(yè)、公共安全等方面的應(yīng)用前景非常廣闊。在商業(yè)應(yīng)用上，室內(nèi)定位系統(tǒng)可以用來跟蹤定位有特殊需求的人、遠離視線監(jiān)管的小孩，給盲人導(dǎo)航，在醫(yī)院內(nèi)定位需要用到的儀器設(shè)備，大型倉庫中的調(diào)度等；在公共安全方面，室內(nèi)定位系統(tǒng)可以用來跟蹤監(jiān)獄犯人，導(dǎo)航警察、消防員等以完成他們在室內(nèi)的任務(wù)?，F(xiàn)階段常用的室內(nèi)定位方法一般分為基于基礎(chǔ)設(shè)施和無基礎(chǔ)設(shè)施?；诨A(chǔ)設(shè)施的方法有的是在通信節(jié)點上安裝紅外或超聲波傳感器，例如Active Badge和Cricket系統(tǒng)。但由于傳輸距離和視距的限制，這種系統(tǒng)使用范圍很有限，而且定位精度依賴節(jié)點密集度。另外還有的基于基礎(chǔ)設(shè)施的使用測角度的傳感器陣列和高精度的定時器，例如到達角度定位(Angle of Arrival, A0A),到達時間定位(Time of Arrival, T0A)等方法,這類方法的定位系統(tǒng)造價昂貴，而且定位精度往往不理想。無基礎(chǔ)設(shè)施的方法就是直接使用定位節(jié)點通信使用的射頻信號強度RSS定位。傳統(tǒng)的傳統(tǒng)的RSS室內(nèi)定位方法一般使用距離-損耗模型，在多徑傳播效應(yīng)，以及信號衰減規(guī)律異常復(fù)雜的室內(nèi)環(huán)境下，精度很不穩(wěn)定。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服傳統(tǒng)的RSS室內(nèi)定位方法的不足，提出了基于RSS指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法。本發(fā)明的技術(shù)方案是基于RSS指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法，包括如下步驟步驟一設(shè)置室內(nèi)信標節(jié)點位置，組成室內(nèi)定位系統(tǒng)；步驟二 選擇參考點位置，測量參考點接受的RSS向量，建立RSS指紋數(shù)據(jù)庫；步驟三第一次聚類，得到與待定位點同類的點；步驟四得到與待定位點最相似的一半的參考點，求出全局最近點；步驟五第二次聚類，得到與全局最近點同類的點；步驟六依照相似度對各點加權(quán)，計算待定位點坐標；本發(fā)明的有益效果是基于RSS指紋數(shù)據(jù)庫的定位方法，可有效避免多徑和非視距等對定位精度的影響，并且無需額外設(shè)施支持，降低了定位算法復(fù)雜度和定位系統(tǒng)成本。


圖I為本發(fā)明的主流程圖。圖2為本發(fā)明具體實施例中的信標節(jié)點和參考點布局圖；圖中六角星點為信標節(jié)點，空心圓點為參考點。圖3為本發(fā)明具體實施例中的步驟二處理后的結(jié)果；其中實心黑點(2-6編號)為聚類后與待定位節(jié)點(I編號)同類的參考點。圖4為本發(fā)明具體實施例中的步驟三處理后的結(jié)果；其中菱形符點(3，5編號)和叉形符點(4編號)為選出的與待定位點最相似的一半的點，叉形符點(4編號)是這些點的全局最近點。圖5為本發(fā)明具體實施例中的步驟四和步驟五處理的結(jié)果；其中星形符點(5，6編號)為全局最近點(4編號)的同類點，十字符點(7編號)為本發(fā)明計算出的待定位點的位 置，方形符點(8編號)為CC2431計算出的待定位點位置。
具體實施例方式下面結(jié)合附圖和具體實施例對本發(fā)明具體實施方案做進一步的說明。本發(fā)明的實驗過程采用TI公司的射頻芯片CC2431作為節(jié)點平臺，該款芯片內(nèi)部自帶定位引擎，本發(fā)明的實驗結(jié)果將與該款芯片自定位數(shù)據(jù)進行比較，但是本領(lǐng)域的普通計算人員應(yīng)該意識到，此處選擇何種具體射頻芯片并不意味著本發(fā)明的方法只能適用于該芯片，本發(fā)明的方法是可以脫離具體型號的芯片而獨立存在的?；赗SS指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法(以下簡稱本發(fā)明方法)主要分為RSS指紋數(shù)據(jù)庫建立階段和定位階段。RSS指紋數(shù)據(jù)庫建立階段，首先選擇定位系統(tǒng)覆蓋范圍內(nèi)參考點的位置，然后記錄各參考點位置處接收到的各信標節(jié)點的RSS值，將這些值組成該參考點特有的RSS向量(也就是RSS指紋)，存入數(shù)據(jù)庫。定位階段，將待定位點處測得的RSS向量與RSS指紋數(shù)據(jù)庫中的進行匹配，根據(jù)匹配結(jié)果，估算出待定位點的位置。常用的匹配方法，例如最近鄰法、K近鄰法、概率法等，它們只是簡單的求取RSS向量距離或者做一些概率分析，精度受到參考點密度高低的影響；另外，由于多徑效應(yīng)，有可能兩個位置差異較大的參考點其RSS向量距離卻較近，這是傳統(tǒng)的匹配方法無法克服的。而該RSS指紋數(shù)據(jù)庫定位方法有效解決了這些問題。本發(fā)明方法使用的模糊聚類方法可針對不同待定位點的RSS向量和待定位點所在室內(nèi)區(qū)域內(nèi)信號分布特點進行動態(tài)聚類，每次聚類的分類數(shù)和各類中的元素個數(shù)不定，使算法更智能、自主，分類也更客觀、合理。同時，該方法使用全局最近點，以位置坐標聚類求出與全局最近點同類的參考點，有效濾除了一些僅僅與待定位點RSS向量相似但物理距離卻較遠的噪音點。最后，該方法提出以相似度的不同給參考點加權(quán)求和來計算待定位點坐標，進一步提高了定位精度。此外，該方法也有效避免了由于非視距傳輸效應(yīng)、多徑傳播效應(yīng)和RSS衰減規(guī)律異常的情況下對定位精度的影響。本發(fā)明方法需先建立RSS指紋數(shù)據(jù)庫，在定位過程中將進行兩次模糊聚類。其步驟是一、記錄各信標節(jié)點到達待定位點的RSS值，組成該待定位點的RSS向量；二、將待定位點的RSS向量與RSS指紋數(shù)據(jù)庫中的是相同信標節(jié)點到達的RSS向量進行模糊聚類，得到與待定位點同類的η個參考點；三、用向量相似度公式計算待定位點與步驟二得到的η個參考點的RSS向量間相似度,選出最相似的η/2個參考點，求出這些點的全局最近點；四、將該全局最近點和步驟二得到的其他η-l個參考點一起對它們的坐標進行模糊聚類，得到與全局最近點同類的點；五、從步驟三計算的待定位點與參考點的相似度中選出全局最近點和其同類的點與待定位點的 相似度，按相似度的不同對各點加權(quán)，計算待定位點坐標。下面結(jié)合具體實施例對本發(fā)明方法做進一步詳細的描述。如圖I所示，基于RSS指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法，包括如下步驟步驟一設(shè)置室內(nèi)信標節(jié)點位置，組成室內(nèi)定位系統(tǒng)；如圖2，本實施例的實驗場地為一個5X13. 5m的長方形室內(nèi)，共設(shè)置了 8個信標節(jié)點，它們的坐標分別為(0，0)，(4. 5,0),(9,0),(13. 5,0),(13. 5,5),(9,5),(4. 5，5)，(0，5)。步驟二 選擇參考點位置，測量參考點接受的RSS向量，建立RSS指紋數(shù)據(jù)庫；多次重復(fù)采集了8個參考點處的信標節(jié)點到達的RSS值，求平均RSS值。對采集到的數(shù)據(jù)建立一個RSS指紋數(shù)據(jù)庫。信標節(jié)點和參考點分布如圖2所示，其中六角星點為信標節(jié)點，空心圓點為參考點；由于此步驟被視為本領(lǐng)域的現(xiàn)有技術(shù)，因此不再詳細描述。步驟三第一次聚類，得到與待定位點同類的點；選擇一個坐標為(9，2. 25)的待定位點位置，測得8個信標節(jié)點到達它的RSS向量，如圖3中五角星(I編號)處是待定位點位置。使用基于模糊等價矩陣聚類的模糊等價矩陣動態(tài)聚類分析法(以下簡稱模糊聚類方法)對待定位點的RSS向量和參考點的RSS向量進行模糊聚類。圖3中實心黑點(2-6編號)是與待定位點(I編號)同類的點。本步驟中的模糊聚類方法的具體實現(xiàn)過程為本步驟使用的模糊聚類方法是基于模糊等價矩陣聚類的模糊等價矩陣動態(tài)聚類分析法，它是模糊聚類理論中的一種模糊聚類算法，該算法可統(tǒng)籌全局信息，根據(jù)事物間的內(nèi)在聯(lián)系，將事物分類，該方法每次聚類的分類數(shù)和各類中的元素個數(shù)不定，算法更智能、自主，分類也更客觀、合理。本步驟使用的模糊聚類算法步驟如下步驟31:組成特性矩陣U= Iu1, U2, , un}U的每一個對象Ui有m個特性指標(反應(yīng)對象特征的主要指標)，即Ui可由如下m維特性指標向量Ui= (un, ui2, · · ·，uim)，i=l, 2，· · ·，η表示，其中Uu表示第i個對象的第j個特性指標，則η個對象的所有特性指標構(gòu)成一個矩陣，記作

權(quán)利要求
1.基于RSS指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法，其特征在于，包括如下步驟步驟一設(shè)置室內(nèi)信標節(jié)點位置，組成室內(nèi)定位系統(tǒng)；步驟二 選擇參考點位置，測量參考點接受的RSS向量，建立RSS指紋數(shù)據(jù)庫；步驟三第一次聚類，得到與待定位點同類的點；步驟四得到與待定位點最相似的一半的參考點，求出全局最近點；步驟五第二次聚類，得到與全局最近點同類的點；步驟六依照相似度對各點加權(quán)，計算待定位點坐標。
全文摘要
本發(fā)明涉及基于RSS指紋數(shù)據(jù)庫的二次模糊聚類室內(nèi)定位方法。包括如下步驟步驟一設(shè)置室內(nèi)信標節(jié)點位置，組成室內(nèi)定位系統(tǒng)；步驟二選擇參考點位置，測量參考點接受的RSS向量，建立RSS指紋數(shù)據(jù)庫；步驟三第一次聚類，得到與待定位點同類的點；步驟四得到與待定位點最相似的一半的參考點，求出全局最近點；步驟五第二次聚類，得到與全局最近點同類的點；步驟六依照相似度對各點加權(quán)，計算待定位點坐標；本發(fā)明的有益效果是基于RSS指紋數(shù)據(jù)庫的定位方法，可有效避免多徑和非視距等對定位精度的影響，并且無需額外設(shè)施支持，降低了定位算法復(fù)雜度和定位系統(tǒng)成本。
文檔編號H04W64/00GK102711239SQ20121014249
公開日2012年10月3日 申請日期2012年5月10日 優(yōu)先權(quán)日2012年5月10日
發(fā)明者劉丹, 唐道平, 徐展, 薛世帥 申請人:電子科技大學(xué)