基于滑动窗口最长公共子序列Wi-Fi指纹定位算法

发布时间：2019-09-07 09:13

【摘要】：针对基于Wi-Fi瞬时指纹定位算法中由于RSS信号的时变特性引起的Wi-Fi定位精度差问题,提出了一种基于滑动窗口最长公共子序列指纹定位算法.该算法将时间序列的RSS信号指纹转化为基于滑动窗口的数据模型,增加了指纹特征信息,提高比对准确性.通过计算请求定位数据与样本的最长公共子序列来获得样本点的相似性,解决由于窗口伸缩或滑动窗口中个别采样点无信号引起的比对不准确问题,从而提高了定位的精确性和鲁棒性.实验结果表明,所提定位算法的结果明显优于瞬时指纹定位算法.
【图文】：

滑动窗口,数据模型

遗漏点，而后静止于每个采样点逐个对其进行一段时间的采样．而基于滑动窗口的指纹采样方式是在规划的定位环境中选取若干线路，而后沿着每条路径以大致匀速行走若干次，并沿途相隔均等时间记下若干点的信号强度信息Ｒt={r1，r2，…，rm}和坐标位置信息Xt={x1，x2，…，xk}，而后针对时间t设置滑动窗口的大小k，建立基于滑动窗口大小的信号指纹组Ai={Ｒt－k+1，i，Ｒt－k+2，i，…，Ｒt，i}，并依据滑动窗口的大小建立指纹数据样本记录si={Ai，Xt，i}，如图1所示，图中滑动窗口设置为3的样本记录情况．而后针对采样线路上各点逐个按照滑动窗口模型建立用于指纹比对的数据样本库S={s1，s2，…，sn}，该样本库中每条指纹记录包括m个信号发射终端在时间窗口为k时间内的全部指纹数据．其指纹信息量相对于瞬时指纹采样的每条记录是其k倍，且其反映了信号发射终端信号强度随位置变化的规律，针对请求定位指纹数据亦采用适用于该种模型的格式数据Aq={Ｒt－k+1，q，Ｒt－k+2，q，…，Ｒt，q}．由于本文所设计的数据采样模型主要是应用于典型的公共场所定位环境，例如:商尝超市、楼宇等，针对存在的特殊应用环境可以针对具体的情况进行处理，如路径较多的开放区域可考虑在不影响定位精度的情况下选取其中若干条路径作为数据采集路径．图1滑动窗口数据模型Fig.1Slidingwindowdatamodel3最长公共子序列定位算法本文的请求定位数据与指纹库样本数据均采用基于滑动窗口的指纹数据模型，若样本数据和定位请求终端数据均是以常规速度行进采集，使第10期张明洋等:基于滑动窗口最长公共子序列Wi-Fi指纹定位算法1391

测试环境,点图

闲≈刀?应的数据作为MAX选取值．通过最长公共子序列比对后选取样本指纹库中LCSS值最大的前若干个样本记录．若li≠0，则计算其di/li值，选择最小的若干值而后取均值作为最终定位结果;若li=0，则计算滑动窗口中样本记录与定位请求指纹的欧氏距离，选取其中最小的若干值取平均作为定位结果．需要注意的是，若数据样本库过大，LCSS比对过程会产生较高的计算复杂度，对此，可以采取将采集数据在LCSS比对前利用一些分类算法［11］进行分类后再比对，以降低比对计算量．4实验测试本实验测试环境如图2所示，实验环境面积大小为25m×15m，其中上下左右的4个“米”处为无线AP所在位置，其中的实心点为实验采样点．本实验对环境进行了多次采样，，其中包括正常速度、快1～8倍速度、慢1～8倍速度数据采样，并将各类采样数据分别分为两部分:一部分作为采样样本，另一部分作为测试数据．本文实验部分主要包括三部分:第一部分是对窗口及选取最终参考点平均个数的测试;第二部分是对比采用滑动窗口最长公共子序列与仅采用滑动窗口欧式距离比对在快、慢1～8倍速度时各自的定位结果;第三部分是测试C值的选取对定位结果的影响．图2测试环境采点图Fig.2Pointsdiagramoftestenvironment4.1窗口及选取最终参考点平均个数的测试窗口及选取最终参考点平均个数的测试在于验证滑动窗口指纹定位效果要优于瞬时指纹比对的定位效果，而对于相同窗口大小，算法选取用于计算平均值的结果个数K的大小影响定位效果．如图3所示，本实验共测试1～8个滑动窗口，每个窗口测试1～5个K值选取，图3中，每相邻的5个点为一个窗口的1～5个K值的测试平均误差效果，由图3可以看出测试窗口在5(图3中横坐标21点～25点)之前定位平均误差急速下降，
【作者单位】：东北大学信息科学与工程学院;东北大学医学影像计算教育部重点实验室;
【基金】：国家自然科学基金资助项目(60903159,61173153) 沈阳市科技计划项目(1091176-1-00) 中央高校基本科研业务费专项资金资助项目(N110318001,N100218001)
【分类号】：TN92;TP301.6

【相似文献】