進(jìn)行評價(jià)，根據(jù)圖4所示的結(jié)果，我們能夠得出結(jié) 論，TaLc在閾值21n(h) = 1800下有著最好的檢測性和低的假陽性，性能最好。
[0163]感知矩陣（先驗(yàn)指紋庫）更新性能：通過比較5天后，20天后，2個(gè)月和3個(gè)月后 的真實(shí)的RSS值與經(jīng)過算法更新后的RSS值來研究指紋庫的更新性能。經(jīng)過算法更新后的 RSS值與真實(shí)值之間的錯(cuò)誤，平均錯(cuò)誤是2dbm，2. 4dbm，3dbm和3. 6dbm。因此TaLc能夠精 確的更新指紋庫即使是在很長一段時(shí)間內(nèi)，為長期的室內(nèi)定位應(yīng)用鋪好了道路。另外，在本 文中討論了為了達(dá)到一個(gè)低的更新錯(cuò)誤率，應(yīng)該選取多少個(gè)參考點(diǎn)的問題。在不同數(shù)目的 參考點(diǎn)下，RSS的錯(cuò)誤率被展示在圖5中，平均2.ldbm的最小更新錯(cuò)誤率描述了TaLc能夠 精確的更新錯(cuò)誤率，即是當(dāng)n= 9的時(shí)候，正好等于AP的數(shù)量。換句話說，它表明了指紋更 新機(jī)制能夠有效的工作即使是在參考位置的數(shù)量非常少的時(shí)候。
[0164] 定位性能：圖6a表明了在原始校正階段（用訓(xùn)練得到的先驗(yàn)指紋庫對5天后的測 量向量進(jìn)行定位）5天后進(jìn)行定位的錯(cuò)誤率，圖6b表明了在原始校正階段（用訓(xùn)練得到的 先驗(yàn)指紋庫對3個(gè)月后的測量向量進(jìn)行定位）3個(gè)月之后進(jìn)行定位的錯(cuò)誤率，上述圖片表明 TaLc具有相當(dāng)好的定位性能，當(dāng)和原始指紋庫進(jìn)行比較的時(shí)候，TaLc平均的定位精度提高 了 48 % -52 %，這很大程度上受益于精確的指紋更新機(jī)制?；赾s方法的定位有效性不同 于傳統(tǒng)的KNN和Kernel方法，正如圖7中所展示的，在圖7中，TaLc的平均誤差是3m，比基 于1(順和1(代1161方法提高了19%到43%。這表明在相同4?數(shù)量的前提下，基于〇8的定位 方法和其他傳統(tǒng)的方法相比實(shí)現(xiàn)了一個(gè)很高的定位精確度，而且具有很少的能量消耗。因 此，基于CS的定位方法能夠保證一個(gè)更精確的室內(nèi)定位應(yīng)用。
[0165] 人力消耗：用時(shí)間開銷來評價(jià)用不用TcLa方法進(jìn)行指紋更新的人力消耗，分別用 w/TcLa和w/o來表示，實(shí)驗(yàn)中共有176個(gè)樣本點(diǎn)，每個(gè)樣本點(diǎn)用200s來校正，100s用來更 新，因此手動(dòng)指紋校正的時(shí)間開銷至少是200X176/3600 = 9. 78h，當(dāng)用TcLa來更新指紋庫 的時(shí)候，除了原始的校正開銷，僅僅需要100X7/3600 = 0. 19h。圖8表明在不同的校正次 數(shù)下用和不用更新機(jī)制的時(shí)間開銷，并且人力開銷減少98%，這在很大程度上表明了指紋 更新機(jī)制的有效性。
[0166] 需要說明的是：上述實(shí)施例提供的迀移式被動(dòng)定位方法進(jìn)行膠液涂覆的實(shí)施例， 僅作為該迀移式被動(dòng)定位方法中在實(shí)際應(yīng)用中的說明，還可以根據(jù)實(shí)際需要而將上述迀移 式被動(dòng)定位方法在其他應(yīng)用場景中使用，其具體實(shí)現(xiàn)過程類似于上述實(shí)施例，這里不再贅 述。
[0167] 上述實(shí)施例中的各個(gè)序號僅僅為了描述，不代表各部件的組裝或使用過程中的先 后順序。
[0168] 以上所述僅為本發(fā)明的實(shí)施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則 之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于壓縮感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，其特征在于，所述基于壓縮 感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，包括： 在樣本區(qū)域部署傳感器節(jié)點(diǎn)； 在T。時(shí)刻，通過所述傳感器節(jié)點(diǎn)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(shí)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； 確定所述感知矩陣Xc的失效時(shí)刻t k，獲取所述樣本區(qū)域中參考位置處在所述失效時(shí)刻 鞏的RSS值，將所述失效時(shí)刻t RSS值構(gòu)成參考矩陣A k; 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。2. 根據(jù)權(quán)利要求1所述的基于壓縮感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，其特征在 于，所述在T。時(shí)刻，通過傳感器節(jié)點(diǎn)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： 將樣本區(qū)域劃分為N個(gè)正方形網(wǎng)格； 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(gè)所述網(wǎng)格處共Q個(gè)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； 獲取T。時(shí)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(shí)刻的感知矩 陣 X0= [X1，…，Xj,."，Xn]; 其中，Xj= [X i.j，…，Xi.j，…，xM.j]，Xj是所述目標(biāo)在位置j處M個(gè)AP測得的RSS向量，X 是所述目標(biāo)在所述位置j處第i個(gè)AP測得的RSS值，所述M、N、Q為正整數(shù)。3. 根據(jù)權(quán)利要求1所述的基于壓縮感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，其特征在 于，所述確定感知矩陣失效的時(shí)刻tk，包括： 獲取k個(gè)RSS的測量值X1，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； 其中，所述H。分布為/Zli :.v;~j. i = 1，2,…，k !X1, X2,…，xt，所述Ht分布為結(jié)合極大似然比和序列概率比的定義，獲取改變時(shí)刻t的表達(dá)式將所述表達(dá)式化簡后得到的取值大于預(yù)設(shè)閾值h的時(shí)候，獲取到 所述改變時(shí)間4. 根據(jù)權(quán)利要求1所述的基于壓縮感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，其特征在 于，所述獲取所述樣本區(qū)域中參考位置處在所述失效時(shí)刻4的RSS值，將所述失效時(shí)刻t k 的RSS值構(gòu)成參考矩陣Ak，包括： 當(dāng)目標(biāo)處于樣本區(qū)域時(shí)，測量所述tk時(shí)刻每個(gè)所述參考位置處的連續(xù)RSS值； 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 Ak= [a ;，~ak，…aj ; 其中，η << N，a;為所述參考矩陣Ak的列向量。5. 根據(jù)權(quán)利要求1所述的基于壓縮感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，其特征在 于，所述將參考矩陣4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X k，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： 在鞏時(shí)刻的感知矩陣Xk能夠通過公式（1)進(jìn)行重構(gòu) Xk= (Ak-E) (Z*) \ (1) 其中，E = O為誤差，Ak是在時(shí)間t k時(shí)刻的RSS參考矩陣。 結(jié)合壓縮感知（CS)理論，有公式（2)其中，Ymxi= (Y11)和Xmxn是降維后的測量向量和感知矩陣，^是噪聲值，Θ = H1，… ，0_j，···，ΘΝ]Τ為位置向量； 通過壓縮感知重建算法獲得位置向量所述位置向量Θ，完成了所述樣本區(qū)域內(nèi)目標(biāo)的定位； 其中，UM是偽逆操作符，〇0,并且c、δ是一個(gè)常數(shù)，Θ = [G1，…，Θ j，…ΘΝ]Τ, 0 {〇，1}，當(dāng)?shù)趈個(gè)網(wǎng)格上有目標(biāo)時(shí)Θ 1，否則為0。
【專利摘要】本發(fā)明公開了一種基于壓縮感知的低代價(jià)時(shí)間自適應(yīng)室內(nèi)定位方法，屬于主動(dòng)式定位領(lǐng)域。該方法在不需要其他額外設(shè)備的情況下來確定感知矩陣(先驗(yàn)指紋庫)的更新時(shí)間，通過收集相關(guān)位置的新的RSS值來更新指紋數(shù)據(jù)庫，將感知矩陣(先驗(yàn)指紋庫)進(jìn)行遷移。它使得室內(nèi)定位成為一個(gè)完全實(shí)用性的服務(wù)。通過確定指紋庫失效的時(shí)間來遷移感知矩陣(先驗(yàn)指紋庫)進(jìn)行室內(nèi)定位，解決了由于指紋庫失效導(dǎo)致的定位精度下降問題，減少了數(shù)據(jù)量的收集以及能量的消耗。
【IPC分類】H04W64/00, H04W4/04
【公開號】CN105072584
【申請?zhí)枴緾N201510485784
【發(fā)明人】常儷瓊, 強(qiáng)敏, 王亮, 李偉, 陳曉江, 郭軍, 王舉, 王安文, 湯戰(zhàn)勇, 房鼎益
【申請人】西北大學(xué)
【公開日】2015年11月18日
【申請日】2015年8月3日