技術領域

本發明是模式識別領域內的一種室內定位方法，具體涉及到基于K近鄰的近鄰點數據庫的室內定位方法。

背景技術

室內定位技術在商業、公共安全等方面的應用前景非常廣闊，是現今研究的熱點技術之一。在商業應用上，室內定位系統可以用來跟蹤定位有特殊需求的人、遠離視線監管的小孩，給盲人導航，在醫院內定位需要用到的儀器設備，大型倉庫中的調度等；在公共安全方面，室內定位系統可以用來跟蹤監獄犯人，導航警察、消防員等以完成他們在室內的任務。

現階段常用的室內定位方法一般分為基于基礎設施和無基礎設施。基于基礎設施的方法有的是在通信節點上安裝紅外或超聲波傳感器，例如Active?Badge和Cricket系統。但由于傳輸距離和視距的限制，這種系統使用范圍很有限，而且定位精度依賴節點密集度。另外還有的基于基礎設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?ofArrival，AOA），到達時間定位（Time?ofArrival，TOA）等方法，這類方法的定位系統造價昂貴，而且定位精度往往不理想。無基礎設施的方法就是直接使用定位節點通信使用的射頻信號強度RSS定位。傳統的RSS定位方式一般使用距離-損耗模型，在多徑傳播效應，以及信號衰減規律異常復雜的室內環境下，精度很不穩定。基于RSS指紋數據庫的定位方法，可有效避免多徑和障礙物等對定位精度的影響并且降低了定位算法復雜度。

RSS（Received?Signal?Strength）指紋數據庫定位方法主要分為RSS指紋數據庫建立階段和定位階段。RSS指紋數據庫建立階段，首先選擇定位系統覆蓋范圍內參考點的位置，然后記錄各參考點位置處接收到的各信標節點的RSS值，將這些值組成該參考點特有的RSS向量，存入數據庫。定位階段，將待定位點處測得的RSS向量與RSS指紋數據庫中的進行匹配，根據匹配結果，估算出待定位點的位置。基于RSS指紋數據庫典型的方法有最近鄰法、K近鄰法等，但它們只是匹配得到待定位點與數據庫中各參考點之間的單一的關系，得到最近鄰點或K近鄰點，忽略了更深層次的近鄰點與近鄰點、近鄰點與其他參考點之間的關系，沒有對RSS指紋數據庫中的有用信息進行更進一步的發掘和利用，定位精度很難有更進一步的提高。

發明內容

本發明的目的是為了解決現有的RSS指紋數據庫定位方法存在的上述問題，提出了一種室內定位方法。

本發明的技術方案為：一種室內定位方法，具體包括如下步驟：

步驟一、建立參考點的RSS指紋數據庫；

步驟二、求每個參考點的K近鄰點，并建立近鄰點數據庫；

步驟三、求待定位點的K近鄰點，然后從近鄰點數據庫中找出這K個近鄰點的近鄰點中重復最多的n個近鄰點；

步驟四、對步驟三得到的待定位點的K個近鄰點以及K個近鄰點的n個近鄰點的坐標加權求和，得到待定位點的估計坐標。

本發明的有益效果：本發明的室內定位方法首先建立RSS指紋數據庫，然后在K近鄰算法的基礎上建立所有參考點的近鄰點數據庫，使得原本只是待定位點與參考點之間單一的關系，拓展為待定位點與參考點和待定位點的近鄰點與其他參考點之間的網狀關系；本發明的方法在RSS指紋數據庫的基礎上，利用K近鄰算法構造一個參考點的近鄰點數據庫，這樣在定位運算時便可建立一種待定位點與參考點和待定位點的近鄰點和其他參考點之間的網狀關系，充分挖掘利用了RSS指紋數據庫中有用的信息，在有效避免了由于非視距傳輸效應、多徑傳播效應和RSS衰減規律異常的情況下對定位精度的影響的同時，也找出了更多在物理位置上聚攏于待定位點的參考點。

附圖說明

圖1為本發明方法的實施過程流程圖。

圖2為本發明實驗場地平面圖，其中，BN1-BN7為信標節點位置。

圖3為本發明方法處理得到的聚攏于待定位點的參考點，其中編號8為待定位點位置，3，5,20為K近鄰算法得到的3個近鄰點，4,7,9,10,14,2為3個近鄰點的近鄰點中重復次數最多的6個參考點。

圖4為本發明的方法和K近鄰算法的誤差累積比較圖。

具體實施方式

下面結合附圖和具體實施例對本發明具體實施方案做進一步的說明。

本發明首先建立RSS指紋數據庫，然后在K近鄰算法的基礎上，構造一個參考點的近鄰點數據庫，這樣在定位運算時便可建立一種待定位點與參考點和待定位點的近鄰點和其他參考點之間的網狀關系，充分挖掘利用了RSS指紋數據庫中有用的信息。