基于信号指纹的定位技术总结精选.docx

目录一、位置指纹定位原理2二、关于指纹3三、典型位置指纹定位匹配算法41）最邻近法（NN）42）K邻近法（KNN）43）加权K近邻法（WKNN）54) 概率算法55）神经网络法66）支持向量机回归SVR77）压缩感知方法88）朴素贝叶斯法9四、RSS预处理101）均值法112）高斯滤波113）卡尔曼滤波114）均值/方差115）直方图法126）滑动窗口平滑法[18]12五、室内指纹定位121）WiFi/WLAN指纹定位122）影响因素14六、室外指纹定位技术15参考文献17基于信号指纹的定位技术总结位置指纹定位技术最早是由美国Wireless Corp公司提出的，被称为基于多径信号收集和模式匹配算法的指纹定位技术。又被称为基于Radio-map的定位技术或数据库相关定位技术。指纹定位技术，最早在无线局域网室内定位上的研究比较多，主要是避免了室内复杂环境下对距离预测，可以是定位精度有很大的提高[1]。一、位置指纹定位原理位置指纹定位技术的核心思想是通过获取不同位置信息，以及在该位置接收到的指纹信息来建立数据库，将实际接收到的指纹与数据库中的指纹点进行一一对比，从而实现了对目标的定位。位置指纹的定位技术可以分为两个阶段：第一阶段为训练/离线阶段，主要是建立指纹数据库，在选择的试验区域内采集各参考节点位置的信号特征参数，如：信号强度，多径相角分量功率等，将获取的信号特征参数和与之对应的位置信息存入数据库；第二阶段为在线/定位阶段，主要工作是定位，定位中心获取到定位终端接收到的指纹之后，采用匹配算法的得到目标的实际位置。原理图如图1所示，系统图如图2所示[42]。图1 位置指纹定位框架基于指纹定位的系统组成二、关于指纹各种定位方法普遍采用信号强度样本的均值、方差、最大最小值、概率分布等建立Radio-map，并且一旦建立变无法拓展。为了降低构建radio-map工作量[21]，主要分为两类：一、利用无线信号传播理论模型计算不同位置的信号强度，并根据计算结果建立radio-map[22]~[29]。优点是采样位置可以随意选择，位置变化对构建radio-map工作量的影响可忽略不计，radio-map的建立完全有软件实现。缺点是很难利用理论模型完美的描述无线信号在室内复杂环境中的传播特性，故信号强度的理论计算值与实际采样值相差较大。因此，此类方法在实际应用中的效果不佳，此外，此类方法还必须知道网络接入设备的实际安装位置和发射功率等信息，有悖于位置指纹法灵活的特点；二、是根据信号强度在不同位置上的关系（相邻位置上的信号强度值相似），利用少量位置的采样值对剩余位置的信号强度进行估计[30]~[35]。虽然此类方法的采样工作量要大于第一类的，但是扔远远小于传统的逐点采样方法。重要的是第二类方法对信号强度的估计精度更高，建立的radio-map更加接近实际。而第二类要解决的核心问题是如何准确描述信号强度在空间不同位置上的相互关系。例如，基于普通克里金算法的信号强度估计方法。三、典型位置指纹定位匹配算法1）最邻近法（NN）该方法首先计算所得的指纹矢量与数据库中各矢量之间的距离，选取最小距离对应的数据库矢量，以其所代表的位置坐标，作为位置估计的结果输出。广义距离定义为： 其中s为所测的指纹， 示指指纹库中的第 个矢量， 分别表示曼哈顿和欧几里德距离。2）K邻近法（KNN）该算法为最近邻法的改进算法，主要区别是从最小距离开始选取 个最接近的数据库矢量，在计算它们的平均坐标来作为定位目标的位置信息。设 是数据库中第 个基站的第 个指纹数据值， 为定位过程中第 个基站的测量值， ，其中 为基站的个数， 为指纹数据点的个数。 与 之间的距离为 在计算结果中从小到大一次选取K个样值，来计算它们的平均值作为定位结果输出： 式中 是第 个所选取的指纹点对应的位置坐标。3）加权K近邻法（WKNN）与前两种方法的不同之处是该方法在选取了 个最接近的数据库矢量后，在每个数据库矢量对应的坐标上，乘上一个加权系数，最后的位置输出为： 其中 是所测量所得的指纹矢量与第 个数据库矢量之间的距离， 是很小的正常数以防止除数为0， 是第 个数据库矢量对应的坐标。同时有的研究是基于WKNN改进[19]。4) 概率算法设有 个位置 ，在离线阶段这 个位置的设备会测量指纹，设 为在线阶段测量所得到的指纹，则根据下式选取后验概率最大的 ： 由贝叶斯公式得： 当 和 都不变时，判定准则由后验概率准则变为似然准则： 设似然概率为高斯分布，可以计算出其均值和方差，再设各个基站是独立的，则总位置参数为 个基站的似然函数的乘积： 最后由以后验概率为权重，可以估算出比较精确的位置估计值[2]: 式中 是第 个位置的坐标。5）神经网络法整个神经网络由一系列感知单元组成的输入层、一个或多个隐蔽的计算单元以