首页
学习
活动
专区
工具
TVP
发布

正则化距离准则的Wi-Fi位置指纹室内定位方法

摘 要

针对K-近邻法中常规指纹相似度匹配准则未能充分利用测试点和参考点的几何距离信息问题,该文提出了正则化距离准则的Wi-Fi位置指纹室内定位方法。该方法较常规距离准则兼顾了测试点与参考点的指纹距离和可靠几何距离,仅增加了正则化距离和K-近邻位置估算的迭代流程。而且,该方法仅含一个正则化因子,确定方法简便且可解释性好。密集与稀疏参考点格网间距下智能手机Wi-Fi平面定位实验表明,所提方法在正则化距离准则下能够有效提高约20%的定位精度,其中曼氏和欧氏定位中误差不超过2 m。

引用格式

刘志平,李桂南,余航,等.正则化距离准则的Wi-Fi位置指纹室内定位方法[J].测绘科学,2017,42(12):185-189,194.

正文

当前,高精度室内定位已成为导航定位领域“最后一公里”的关键难题[1]。现有室内定位原理有4类[2-5]:到达时间(time of arrival, ToA)、到达时间差(time difference of arrival, TDoA)、接收信号强度(received signal strength, RSS)及到达角(angle of arrival, AoA)。随着无线网络的广泛应用和智能手机的高度普及,使基于RSS的Wi-Fi(wireless fidelity)定位成为室内定位技术热点。其中,Wi-Fi位置指纹凭借计算简便、成本功耗低、维护便捷等特点成为主流室内定位方法之一[3]。对此,国内外学者进行了大量研究。考虑参考点个数动态变化与反距离加权策略调整的K-近邻法[6-9]减小了Wi-Fi信号多路径影响,利用压缩感知方法[10]、LANDMARC算法[11]、BWC方法[12]有效降低了指纹构建与匹配耗时。顾及用户状况与参考点环境多因素干扰研究了自适应指纹匹配方法[13-14],引入神经网络、支持向量机(support vector machine, SVM)降低环境动态变化影响并提高Wi-Fi定位精度[15-17]。

综上,Wi-Fi位置指纹定位问题本质上属于模式分类问题[15-16],核心步骤包括指纹特征提取、相似度量准则或核函数确定、训练策略优化。上述研究大多通过引入模式分类算法对指纹特征提取和训练策略进行优化,而较少讨论位置指纹的相似度量准则或核函数。此外,多类别模式分类算法往往参数多且可解释性差、过程繁冗且缺乏标准化以及训练耗时且要求终端具备强计算能力,难以适用于以智能手机为代表的移动终端。鉴此,本文简要介绍了K-近邻室内定位算法,指出了常规曼哈顿、欧几里和切比雪夫距离等指纹相似度匹配准则未充分利用指纹库的几何距离信息,进而提出了顾及测试点与参考点几何距离信息的正则化距离准则,并给出了正则化因子的确定方法和该准则下Wi-Fi位置指纹定位算法。最后,在中国矿大室内外定位场利用智能手机进行了Wi-Fi平面定位实验,结果表明所提出方法易标准化实现、正则化距离可解释性好、能够显著提高定位精度。

Wi-Fi位置指纹室内定位主要分为两个阶段:离线阶段及在线阶段。其中,在线阶段常利用简便高效的K近邻(K-nearest neighbor, KNN)算法进行坐标估计[8, 16-17]。本文围绕在线阶段指纹特征提取、相似度量计算、K-近邻法坐标估算3部分扼要介绍常规距离准则下的K-近邻室内定位算法。

对于常规曼哈顿、欧几里和切比雪夫距离准则,在指纹相似度匹配时仅使用了Wi-Fi信号特征的指纹距离。在理想的室内环境下干扰因素少,Wi-Fi信号特征突变少、指纹距离准确性好,位置估算结果会较好。如果室内环境发生突变,人类活动增加,使得环境干扰增大,信号指纹距离的可靠性降低。然而,常规距离准则下的K-近邻法定位方法仅采用Wi-Fi指纹特征计算的指纹距离作为相似度匹配测度,难以克服环境干扰、提高定位精度。

鉴此,本文不仅考虑RP与TP的信号指纹距离,还顾及RP位置与常规距离准则下获得的TP位置初值之间的可靠几何距离,从而充分利用指纹距离和几何距离构造的正则化距离实现TP位置的迭代优化。因此,本文引入正则化因子对TP与RP的指纹距离、TP位置初值与RP位置的几何距离进行加权,定义一种新的正则化距离准则进行相似度匹配以提高Wi-Fi位置指纹定位精度。

为验证本文所提正则化距离准则方法的正确性和有效性,利用智能手机(一加手机1,OnePlus A0001)在中国矿大室内外定位场进行Wi-Fi定位实验。实验区域和场景为:实验区域宽2.3 m,长150 m,离线阶段RP位置指纹构建时采用两种RP网格尺度:2.3 m×4.5 m(密集)、2.3 m×9.0 m(稀疏)。其中,密集RP网格包含58个参考点,稀疏RP网格含30个参考点,测试点均为29个。

本文简要评述了现有Wi-Fi位置指纹定位的K-近邻法、神经网络及支持向量机方法,并重点研究了K-近邻法采用常规距离计算相似度存在的问题。针对欧氏、曼氏、切氏等常规距离测度仅考虑Wi-Fi信号特征的指纹距离,本文定义了同时顾及指纹距离和几何距离的正则化距离准则,并由此提出了Wi-Fi位置指纹室内定位的正则化K-近邻法。在密集、稀疏两种参考点格网间距条件下开展中国矿大室内外定位场智能手机Wi-Fi平面定位实验,正则化K-近邻法定位精度提高约20%,验证了所提出新方法的正确性和有效性。需要说明的是,本文离线建库和在线定位均采用了同一智能手机,对于离线建库、在线定位两个阶段使用不同智能手机时新方法的定位精度还待进一步研究。

2017年(第42卷)第12期

往期热点文章

感谢关注、点赞、留言、转发

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180110A04U1K00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券