一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于主動式室內(nèi)定位領(lǐng)域，特別涉及一種基于壓縮感知的低代價時間自適 應(yīng)室內(nèi)定位方法。
【背景技術(shù)】
[0002] 近年來，基于壓縮感知的室內(nèi)定位技術(shù)受到了學(xué)術(shù)界和產(chǎn)業(yè)界的巨大關(guān)注。它主 要是利用待定位目標(biāo)在監(jiān)測區(qū)域?qū)o線信號的擾動進(jìn)行定位，一般具有兩個步驟：在訓(xùn)練 階段，基于"接收信號強(qiáng)度"（ReceivedSignalStrength，簡稱RSS)與"目標(biāo)的位置"關(guān)系 建立定位模型（先驗指紋庫）；在定位階段，通過將實時的RSS值與先驗指紋庫進(jìn)行匹配， 確定目標(biāo)的位置。指紋定位方法實現(xiàn)了細(xì)粒度的定位精確度。
[0003] 現(xiàn)有的室內(nèi)定位方法都有一個共同的假設(shè)，S卩訓(xùn)練得到的感知矩陣（先驗指紋 庫）是靜態(tài)的，但是在實際生活中，由于周圍環(huán)境的動態(tài)變化，RSS值很容易受到影響，包括 由周遭環(huán)境造成的長期干擾和監(jiān)測區(qū)域中節(jié)點的短期散射。當(dāng)RSS值一旦變化，訓(xùn)練階段 得到的先驗指紋庫就會失效，如果再次用該指紋庫進(jìn)行匹配定位，必然會導(dǎo)致定位精確度 的下降；而如果每當(dāng)先驗指紋庫失效的時候就進(jìn)行一次先驗知識的獲取，這必然會浪費(fèi)很 大的時間和人力消耗，顯然是不現(xiàn)實而且不可取的。
[0004] 現(xiàn)有的工作緩解了先驗指紋庫的校準(zhǔn)工作量，包括眾包指紋，它要求目標(biāo)一直上 傳收集到的數(shù)據(jù)并且由相關(guān)設(shè)備來輔助收集新的RSS值。然而，室內(nèi)定位方法完全應(yīng)用于 實踐仍然需要大量的數(shù)據(jù)和高能耗，并且根據(jù)少量的RSS測量值的情況下無法確保定位的 精確程度。

【發(fā)明內(nèi)容】

[0005] 為了解決現(xiàn)有技術(shù)的問題，本發(fā)明提供了一種基于壓縮感知的低代價時間自適應(yīng) 室內(nèi)定位方法，所述基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法，包括：
[0006] 在樣本區(qū)域部署傳感器節(jié)點；
[0007] 在T。時刻，通過所述傳感器節(jié)點獲取所述樣本區(qū)域內(nèi)的樣本RSS值，將所述樣本 RSS值組合為感知矩陣X。，確定所述感知矩陣X。在T。時刻對應(yīng)的參考矩陣A。，將所述參考 矩陣A。包含的位置作為參考位置；
[0008] 確定所述感知矩陣X。的失效時刻tk，獲取所述樣本區(qū)域中參考位置處在所述失效 時刻鞏的RSS值，將所述失效時刻tRSS值構(gòu)成參考矩陣Ak;
[0009] 根據(jù)低秩表達(dá)模型獲取關(guān)系系數(shù)Z，將所述參考矩陣\與所述關(guān)系系數(shù)Z的逆進(jìn) 行相乘，得到迀移后的感知矩陣Xk，根據(jù)所述迀移后的感知矩陣Xk與測量向量，結(jié)合壓縮感 知理論恢復(fù)目標(biāo)的位置。
[0010] 可選的，所述在T。時刻，通過傳感器節(jié)點采集樣本區(qū)域的RSS值，將樣本RSS值組 合為感知矩陣X。，包括：
[0011] 將樣本區(qū)域劃分為N個正方形網(wǎng)格；
[0012] 令目標(biāo)分別依次位于所述樣本區(qū)域的所有網(wǎng)格處，獲取每個所述網(wǎng)格處共Q個連 續(xù)的RSS值，將其中出現(xiàn)概率最大的所述RSS值作為所述網(wǎng)格的最終RSS測量值；
[0013] 獲取T。時刻所述樣本區(qū)域的RSS矩陣X_，將所述矩陣XM+N作為所述T。時刻的感 知矩陣XQ= [Xi，…，Xj，…，XN];
[0014] 其中，Xj= [Xlj，…，Xlj，…，知山父」是所述目標(biāo)在位置j處M個AP測得的RSS向 量，Xl]是所述目標(biāo)在所述位置j處第i個AP測得的RSS值，所述M、N、Q為正整數(shù)。
[0015] 可選的，所述確定感知矩陣失效的時刻tk，包括：
[0016] 獲取k個RSS的測量值Xl，在所述RSS值發(fā)生改變前，所述RSS值服從H。分布，當(dāng) RSS值發(fā)生變化后，所述RSS值服從Ht分布；
[0017] 其中，所述H。分布為:.v,.~i= 1，2,…，k%，x2,…，叉"所述氏分布 為:~)，i= 1，2，…，t;
[0018] 結(jié)合極大似然比和序列概率比的定義，獲取改變時刻t的表達(dá)式
[0019]
[0023] 當(dāng)所述
的取值大于預(yù)設(shè)閾值h的時候，獲 取到所述改變時間
[0024]
[0025] 可選的，所述獲取所述樣本區(qū)域中參考位置處在所述失效時刻4的RSS值，將所 述失效時刻4的RSS值構(gòu)成參考矩陣Ak，包括：
[0026] 當(dāng)目標(biāo)處于樣本區(qū)域時，測量所述tk時刻每個所述參考位置處的連續(xù)RSS值；
[0027] 將所述連續(xù)RSS值中出現(xiàn)概率最大的作為所述參考位置的最終RSS測量值，得到 參考矩陣六!^ [ai，…ak，…aj;
[0028] 其中，n<<N，％為所述參考矩陣厶15的列向量。
[0029] 可選的，所述將參考矩陣\與所述關(guān)系系數(shù)Z的逆進(jìn)行相乘，得到迀移后的感知 矩陣\，根據(jù)迀移后的感知矩陣Xk與測量向量，結(jié)合壓縮感知理論恢復(fù)目標(biāo)的位置，包括：
[0030] 在鞏時刻的感知矩陣Xk能夠通過公式⑴進(jìn)行重構(gòu)
[0031] Xk= (Ak_E) (Z*) \ (1)
[0032] 其中，E= 0為誤差，Ak是在時間tk時刻的RSS參考矩陣。
[0033] 結(jié)合壓縮感知（CS)理論，有公式（2)
[0034] YMX1=XMXN ? 9NX1+N， （2)
[0035] 其中，YMX1=(yu)和XMXN是降維后的測量向量和感知矩陣，N是噪聲值，0 = [0i，…，0.j，…，0n]T為位置向量；
[0036] 通過壓縮感知重建算法獲得位置向量
根據(jù)所述位置向量9，完成了所述樣本區(qū)域內(nèi)目標(biāo)的定位；
[0037] 其中，〔3'訂是偽逆操作符，〇0,并且c、S是一個常數(shù)，0 = [ 0 …，0』，…0N] T，0]G {〇，1}，當(dāng)?shù)趈個網(wǎng)格上有目標(biāo)時0 1，否則為〇。
[0038] 本發(fā)明提供的技術(shù)方案帶來的有益效果是：
[0039] 通過部署的傳感器節(jié)點采集樣本區(qū)域內(nèi)的樣本RSS值，并且根據(jù)樣本RSS值構(gòu)建 感知矩陣和參考矩陣，進(jìn)而確定目標(biāo)迀移后的感知矩陣和參考矩陣，獲取參考矩陣在原感 知矩陣失效的時刻tk時的RSS新值，來得到迀移后的感知矩陣，從而得到目標(biāo)的準(zhǔn)確位置， 相對于現(xiàn)有技術(shù)，能夠降低定位過程中的系統(tǒng)開銷，并且提高了對目標(biāo)進(jìn)行定位的準(zhǔn)確性。
【附圖說明】
[0040] 為了更清楚地說明本發(fā)明的技術(shù)方案，下面將對實施例描述中所需要使用的附圖 作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普 通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0041] 圖1是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法的流 程不意圖；
[0042] 圖2是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法的傳 感器節(jié)點部署示意圖；
[0043] 圖3是本發(fā)明提供一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法的3天之 內(nèi)RSS值累積分布的變化；
[0044] 圖4是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法的對 先驗指紋庫失效時間性能的檢測結(jié)果示意圖；
[0045] 圖5是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法在不 同參考點下RSS的錯誤率；
[0046] 圖6a是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法在原 始校正階段5天后的定位錯誤率；
[0047] 圖6b是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法在原 始校正階段3個月后的定位錯誤率；
[0048] 圖7是本發(fā)明提供的一種基于壓縮感知的低代價時間自適應(yīng)室內(nèi)定位方法與基 于KNN,Krenel方法各自