CN104635206A - 一种无线定位的方法及装置 - Google Patents

Abstract

本发明提供一种无线定位的方法及装置，该方法包括：在待测点上分别采集多个已知参考点的接收信号强度；根据所述接收信号强度估计待测点位置的取值空间；将估计得到的待测点位置取值空间划分成多个大小相等的网格；求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应位置所在的网格作为待测点的位置空间。通过本发明可以以较低的计算复杂度实现较高精度的无线定位。

Description

一种无线定位的方法及装置

技术领域

本发明涉及通信领域，特别是涉及一种无线定位的方法及装置。

背景技术

由于接收信号强度（RSS）信息易得、成本低，因此基于RSS的无线定位得到了普遍关注和广泛应用。通常可将基于RSS的定位分成两大类：位置指纹识别定位与三角形定位。前者需要预先建立数据库，并随着环境变化更新数据库，建库和维护的成本较高，因而目前多在实验室、楼宇等内使用，尚未大范围普及。后者通过路径损耗模型计算待测点和已知参考点间的距离，然后根据已知参考点位置与估计距离做三角形定位。这种基于三角形定位的方案简单易行，已在商业、科研等领域获得广泛应用。然而由于无线信号极易受环境变化的影响，未知路径损耗模型的估计十分困难，因而影响了三角形定位方案的使用。

为解决未知路径损耗模型情况下基于RSS的三角形定位问题，已有的研究提出了以下几种解决方案：[1]将路径损耗指数和位置的联合估计问题建模成非线性优化问题，并基于Levenberg-Marquardt（列文伯格-马夸尔特法）算法求解该问题；[2]基于根轴定义距离兼容性，并通过最大化距离兼容性动态估计路径损耗指数，进而利用其进行三角形算法定位；[3]将路径损耗指数和位置的联合估计建模形成非线性优化问题后采用Gaussian-Seidel（高斯-赛得尔）算法进行求解；[4]通过减小雅克比矩阵的维数来简化[1]中Lavenberg-Marquardt实现的复杂度；[5]通过线性化路径损耗模型处理将原含有3个变量的路径损耗指数和位置的联合估计问题转变为单变量的优化问题进行求解，并以求得的值作为初始值代入[4]方案中以进一步提高定位精度。

虽然上述五种方案都能解决未知路径损耗模型下的定位问题，但也存在着各自的不足。[1]计算复杂且结果受限于初始值的选择；[2]中的距离兼容性在噪声信道下容易发生错误，进而导致错误的路径损耗指数及位置估计；[3]中的非线性Gaussian-Seidel算法并不保证在非凸优化问题中输出全局最优解，结果同样依赖于合适初始值的选取；[4]虽然简化了[1]的应用，但复杂度依旧不低，且继承了[1]结果受限于初始值的问题；[5]对非线性化的路径损耗模型进行了线性化处理，损失了细节引入了误差，复杂度也不低。

发明内容

本发明要解决的技术问题是提供一种无线定位的方法及装置，可以较低的计算复杂度实现较高精度的无线定位。

为了解决上述技术问题，本发明提供了一种无线定位的方法，包括：

在待测点上分别采集多个已知参考点的接收信号强度；

根据所述接收信号强度估计待测点位置的取值空间；

将估计得到的待测点位置取值空间划分成多个大小相等的网格；

求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应位置所在的网格作为待测点的位置空间。

进一步地，上述方法还具有下面特点：所述将估计得到的待测点位置取值空间划分成多个大小相等的网格包括：

将估计得到的待测点位置取值空间划分成m个大小相等的、面积为s²m²的正方形网格，以每个网格的中心位置作为待测点的所有位置可能值，s的选取由预期的迭代次数和定位精度要求决定。

进一步地，上述方法还具有下面特点：所述求解相应的皮尔逊积矩相关系数ρ_l(l=1,2,…,m)是通过下式实现的：

${\mathrm{\ρ}}_i=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\Σ}}}({\mathrm{\β}}_i-\stackrel{-}{\mathrm{\β}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{k}_i{({\mathrm{\β}}_i-\stackrel{-}{\mathrm{\β}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\Σ}}}{(r_{i,j}-\stackrel{-}{r})}^2};$

其中， k_i为来自第i个参考点的接收信号强度测量数目，r_i,j为从第i个参考点接收到的第j个接收信号强度，j=1,2,…,k_i；

(x_i,y_i)为所述已知参考点的位置，i=1,2,…N，N≥3。

进一步地，上述方法还具有下面特点：所述网格对应位置通过下式得到：

$(\hat{x},\hat{y})=\arg \underset{(x,y)}{\min }\mathrm{\ρ}.$

为了解决上述问题，本发明还提供了一种无线定位的装置，其中，包括：

采集模块，用于在待测点上分别采集多个已知参考点的接收信号强度；

估计模块，用于根据所述接收信号强度估计待测点位置的取值空间；

划分模块，将估计得到的待测点位置取值空间划分成多个大小相等的网格；

处理模块，求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应位置所在的网格作为待测点的位置空间。

进一步地，上述装置还具有下面特点：

所述划分模块，具体用于将估计得到的待测点位置取值空间划分成m个大小相等的、面积为s²m²的正方形网格，以每个网格的中心位置作为待测点的所有位置可能值，s的选取由预期的迭代次数和定位精度要求决定。

进一步地，上述装置还具有下面特点：

所述求解模块，是通过下式求解相应的皮尔逊积矩相关系数ρ_l(l=1,2,…,m)，

${\mathrm{\ρ}}_i=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\Σ}}}({\mathrm{\β}}_i-\stackrel{-}{\mathrm{\β}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{k}_i{({\mathrm{\β}}_i-\stackrel{-}{\mathrm{\β}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\Σ}}}{(r_{i,j}-\stackrel{-}{r})}^2};$ 其中， $\stackrel{-}{r}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\Σ}}}{r}_{i,j}}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{k}_i},$ $\stackrel{-}{\mathrm{\β}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{k}_i{\mathrm{\β}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{k}_i},$

k_i为来自第i个参考点的接收信号强度测量数目，r_i,j为从第i个参考点接收到的第j个接收信号强度，j=1,2,…,k_i；(x_i,y_i)为所述已知参考点的位置，i=1,2,…N，N≥3。

进一步地，上述装置还具有下面特点：所述ρ_L对应位置通过下式得到：

$({\hat{x}}_L,{\hat{y}}_L)=\arg \underset{(x,y)}{\min }\mathrm{\ρ}.$

本发明提供一种无线定位的方法及装置，可以以较低的计算复杂度实现较高精度的无线定位。

附图说明

图1为本发明实施例的一种无线定位的方法的流程图。

图2为本发明实施例的一种无线定位的装置的示意图；

图3为本发明实施例的结果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

本发明实施例，在待测点上测量来自N(N≥3)个已知参考点的RSS信息，利用这些RSS信息估计待测点位置。假设目标节点位于(x,y)；参考点的已知位置为(x_i,y_i)(i=1,2,…N)；来自第i个参考点的RSS测量数目为k_i，从第i个参考点接收到的第j个RSS为r_i,j(j=1,2,…,k_i)。根据无线传播的路径损耗模型，r_i,j可由下式给出：

$r_{i,j}\left(\mathrm{dbm}\right)=\mathrm{\α}\left(\mathrm{dbm}\right)-10n{\log }_{10}\left(\sqrt{{(x-x_i)}^2+{(y-y_i)}^2}\right)+{\mathrm{\ω}}_j$

其中，α为距离发射天线1m处接收到的功率；n为路径损耗指数，根据已有研究，该值的取值范围通常为：2≤n≤5；ω_j代表阴影衰落，在无线传输模型研究中通常假定其服从高斯分布，如ω_j～N(0,σ²)。

设上述r_i,j表达式可以简化为：r_i,j=α-10nβ_i+ω_j。据此，可以很容易的发现r_i,j和β_i线性相关。进一步由2≤n≤5可知，r_i,j与β_i成线性负相关。

通常两个变量之间的相关程度可以用皮尔逊积矩相关系数ρ来描述。皮尔逊积矩相关系数的取值范围为-1≤ρ≤1，ρ>0表示两个变量正相关，即一个变量随着另一个变量的增大而增大；ρ<0表示两个变量负相关，即一个变量随着另一个变量的增大而减小；ρ=0表示两个变量不是线性相关的；ρ=±1意味着两个变量可以用很好的线性方程描述，即两个变量的取值都落在同一条直线上。

由于准确的待测点位置估计满足表达式r_i,j=α-10nβ_i+ω_j，即准确位置估计应使得r_i,j与β_i满足线性负相关关系，故可将待测点位置的估计问题转化成求解下述皮尔逊积矩相关系数的最小化问题：

$\mathrm{\&rho;}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{(r_{i,j}-\stackrel{-}{r})}^2}$

即： $(\hat{x},\hat{y})=\arg \underset{(x,y)}{\min }\mathrm{\&rho;}.$ 其中， $\stackrel{-}{r}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{r}_{i,j}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i},$ $\stackrel{-}{\mathrm{\&beta;}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{\mathrm{\&beta;}}_i}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i}.$

在建立上述模型的基础上，本发明实施例提出了一种简单易行的算法来求解上述最小化问题。该算法采用分级处理的思想迭代求解待测点位置：首先将定位空间离散化成若干个定位区域，通过皮尔逊积矩相关系数计算将定位空间缩小至某个区域；然后在选定的小区域内重复上一步直至迭代终止条件满足。

上述每次迭代中s和m的值会发生变化。

本发明实施例将未知路径损耗模型下基于RSS的无线定位问题建模成最小化皮尔逊积矩相关系数的优化问题，并给出了简单易行的迭代求解算法，较之于现有技术，可以在无需估计路径损耗指数的情况下直接以较低的复杂度实现准确定位。虽然本发明实施例所提算法并没有联合估计路径损耗模型参数，但在获得位置估计后，路径损耗模型参数可以很容易地直接根据线性回归计算得到。

本发明实施例提出了一种未知路径损耗模型情况下基于RSS的无线定位方案。该方案首先利用RSS，将未知路径损耗模型下的无线定位问题建模成了最小化皮尔逊积矩相关系数的问题，然后给出了简单易行的求解算法。其具体实施过程如图1所示，包括如下步骤：

101、在待测点上，分别采集来自N(N≥3)个已知参考点的RSS，每个参考点RSS的采集样本数为k_i(i=1,2,…N)个，已知参考点的位置为来自第i个参考点的第j个RSS为r_i,j(j=1,2,…,k_i)。

其中，参考点位置的获取可由GPS（全球卫星定位***）、手动估测、地图、CAD软件（计算机辅助设计）等不同途径获得)；RSS样本可由安装有无线网卡的笔记本电脑、PDA（个人数码助理）、智能手机等收集。

以Wi-Fi RSS信号的收集为例，在运行Window操作***的笔记本电脑上安装无线网络监控软件后，即可运行软件收集周围Wi-Fi接入点的RSS。

根据皮尔逊积矩相关系数的定义及路径损耗模型将待测点的定位估计问题建模成最小化皮尔逊积矩相关系数问题，即：

$(\hat{x},\hat{y})=\arg \underset{(x,y)}{\min }\mathrm{\&rho;}=\arg \underset{(x,y)}{\min }\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{(r_{i,j}-\stackrel{-}{r})}^2}$

102、估计待测点位置的取值空间。

利用已知参考点位置、待测点上接收到的RSS、无线信号的传输距离，及其它（诸如待测点所处楼宇、地区等）有关待测点位置的信息粗略估计待测点位置的取值空间x∈[X₁,X₂],y∈[Y₁,Y₂]。

如：若已知待测点在某个楼层内，则可以该楼层的坐标空间作为待测点位置的取值空间；若没有与待测点位置相关的参考信息，可先根据质心算法估计待测点位置为并以该点为中心做边长为2D的正方形，以其作为待测点位置的取值空间。其中，D为无线通信技术相应的无线传输距离，如802.11g的室内传输距离约为38m，室外传输距离约为140m。

103、离散化待测点的位置取值空间，将估计得到的待测点位置取值空间划分成多个大小相等的网格。

将步骤102估计得到的待测点位置取值空间划分成m个大小相等的、面积为s²m²的正方形网格，以每个网格的中心位置作为待测点的所有位置可能值。其中，s的选取由预期的迭代次数和定位精度要求决定，预期迭代次数越少、定位精度要求越高，s的取值越小。

104、求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_l对应的位置空间：将所有待测点可能位置代入以下公式：

$\mathrm{\&rho;}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{(r_{i,j}-\stackrel{-}{r})}^2};$

求解相应的皮尔逊积矩相关系数ρ_l(l=1,2,…,m)，并找到最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应的所在的网格作为待测点的位置空间。

重复步骤103-104，直至迭代终止条件满足。此时得到的最小皮尔逊积矩相关系数ρ_L对应的位置即为要求解的位置估计值

迭代终止条件可以根据定位精度、运算时间得实际***需求决定，如若要求定位精度为1m量级，迭代可设置成当s≤1m时终止。

至此，完成了未知路径损耗模型情况下基于RSS的定位问题求解。

图2为本发明实施例的一种无线定位的装置的示意图，如图2所示，本实施例的装置包括：

采集模块，用于在待测点上分别采集多个已知参考点的接收信号强度；

估计模块，用于根据所述接收信号强度估计待测点位置的取值空间；

划分模块，将估计得到的待测点位置取值空间划分成多个大小相等的网格；

处理模块，求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应位置所在的网格作为待测点的位置空间。

其中，所述划分模块，具体可以用于将估计得到的待测点位置取值空间划分成m个大小相等的、面积为s²m²的正方形网格，以每个网格的中心位置作为待测点的所有位置可能值，s的选取由预期的迭代次数和定位精度要求决定。

其中，所述求解模块，是可以通过下式求解相应的皮尔逊积矩相关系数ρ_l(l=1,2,…,m)，

${\mathrm{\&rho;}}_i=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{(r_{i,j}-\stackrel{-}{r})}^2};$ 其中， $\stackrel{-}{r}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{r}_{i,j}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i},$ $\stackrel{-}{\mathrm{\&beta;}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{\mathrm{\&beta;}}_i}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i},$

k_i为来自第i个参考点的接收信号强度测量数目，r_i,j为从第i个参考点接收到的第j个接收信号强度，j=1,2,…,k_i；(x_i,y_i)为所述已知参考点的位置，i=1,2,…N，N≥3。

所述ρ_L对应位置通过下式得到：

$({\hat{x}}_L,{\hat{y}}_L)=\arg \underset{(x,y)}{\min }\mathrm{\&rho;}.$

以下给出一个具体的无线定位实施例。该实施例采用德国曼海姆大学名为COMPASS的Wi-Fi定位***中使用的实验数据为例。实验场景为一个宽约为15m、长约为36m，办公楼层。在该办公区域内共有14个已知位置的Wi-Fi接入点。实验室数据库包含在612个已知位置测试点上采集到的来自这14个接入点的RSS，其中每个测试点上采集的RSS样本数为110。为了考察不同参考点数（即不同N）情况下该发明的定位性能，以下以真实位置为（7.125，6.269）的接入点A作为待测点，从612个已知位置测试点中随机选取N个作为参考点，进行详细的定位过程说明。

根据上述的实施流程说明，设总迭代次数为两次，第一次迭代的s为3，第二次迭代的s为1，则对于测试点的定位可具体描述为：

201、随机从612个已知位置测试点中选择N个作为参考点，同时选取其对应的RSS。

由已知的办公楼空间确定测试点的位置取值空间，x∈[0,36],y∈[0,15]，即位置空间长L=36，宽W=15。

202、将待测点空间换分成60个3×3m²的网格，即m=60,s=3。以每个网格的中心点作为待测点位置的可能取值，则有：

203、根据皮尔逊积矩相关系数公式求解ρ_l并确定最小皮尔逊积矩相关系数ρ_L对应的位置空间。

204、重复202-203步骤，此时的s=1,m=9，以最小ρ_L对应的位置作为测试点的位置估计值。

若以均方根误差（RMSE）为性能指标，则10000次蒙特卡罗仿真得到的本发明实施例的定位结果可由图2给出，由图可见该方案的定位性能随着参考点数量的增大而提高。以参考点数N=10为例，此时本发明实施例的定位RMSE为3.066m，相较于传统质心定位算法的背景7.852m和技术方案[1]的41.027m，分别有约61%和92.6%的显著提高（背景技术方案[1]误差大的原因在于10000次蒙特卡罗仿真中有多次迭代并没有收敛到全局最优值上）。若以误差中值作为性能指标，则当参考点数为N=10时，本发明实施例的定位误差为2.0125m，相较于质心算法的7.0028m和背景技术方案[1]的3.1413m，亦分别有近71.3%和35.6%的显著提高。此外，本发明实施例的算法虽然较最简单的质心算法复杂，但复杂度依旧较低，当N=10时，用酷睿i5做10000次定位仅需144s，相较于背景技术方案[1]的988s，节约了近85.4%的时间。另外，本发明实施例方案还可通过增加参考点、增加迭代次数、减小迭代中网格的大小等进一步提高定位精度。

本领域普通技术人员可以理解上述方法中的全部或部分步骤可通过程序来指令相关硬件完成，所述程序可以存储于计算机可读存储介质中，如只读存储器、磁盘或光盘等。可选地，上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地，上述实施例中的各模块/单元可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。本发明不限制于任何特定形式的硬件和软件的结合。

以上仅为本发明的优选实施例，当然，本发明还可有其他多种实施例，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (8)

1.一种无线定位的方法，包括：

在待测点上分别采集多个已知参考点的接收信号强度；

根据所述接收信号强度估计待测点位置的取值空间；

将估计得到的待测点位置取值空间划分成多个大小相等的网格；

求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应位置所在的网格作为待测点的位置空间。

2.如权利要求1所述的方法，其特征在于：所述将估计得到的待测点位置取值空间划分成多个大小相等的网格包括：

将估计得到的待测点位置取值空间划分成m个大小相等的、面积为s²m²的正方形网格，以每个网格的中心位置作为待测点的所有位置可能值，s的选取由预期的迭代次数和定位精度要求决定。

3.如权利要求2所述的方法，其特征在于：所述求解相应的皮尔逊积矩相关系数ρ_l(l=1,2,…，m)是通过下式实现的：

${\mathrm{\&rho;}}_i=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{(r_{i,j}-\stackrel{-}{r})}^2};$

其中，k_i为来自第i个参考点的接收信号强度测量数目，r_i,j为从第i个参考点接收到的第j个接收信号强度，j=1,2,…,k_i；

(x_i,y_i)为所述已知参考点的位置，i=1,2,…N，N≥3。

4.如权利要求3所述的方法，其特征在于：所述网格对应位置通过下式得到：

$(\hat{x},\hat{y})=\arg \underset{(x,y)}{\min }\mathrm{\&rho;}.$

5.一种无线定位的装置，其特征在于，包括：

采集模块，用于在待测点上分别采集多个已知参考点的接收信号强度；

估计模块，用于根据所述接收信号强度估计待测点位置的取值空间；

划分模块，将估计得到的待测点位置取值空间划分成多个大小相等的网格；

处理模块，求解相应的皮尔逊积矩相关系数，并确定最小的皮尔逊积矩相关系数ρ_L，将该ρ_L对应位置所在的网格作为待测点的位置空间。

6.如权利要求5所述的装置，其特征在于：

所述划分模块，具体用于将估计得到的待测点位置取值空间划分成m个大小相等的、面积为s²m²的正方形网格，以每个网格的中心位置作为待测点的所有位置可能值，s的选取由预期的迭代次数和定位精度要求决定。

7.如权利要求6所述的装置，其特征在于：

所述求解模块，是通过下式求解相应的皮尔逊积矩相关系数ρ_l(l=1,2,…,m)，

${\mathrm{\&rho;}}_i=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})(r_{i,j}-\stackrel{-}{r})}{\left[\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{({\mathrm{\&beta;}}_i-\stackrel{-}{\mathrm{\&beta;}})}^2\right][\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{(r_{i,j}-\stackrel{-}{r})}^2};$ 其中， $\stackrel{-}{r}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}\underset{j=1}{\overset{j=k_i}{\mathrm{\&Sigma;}}}{r}_{i,j}}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i},$ $\stackrel{-}{\mathrm{\&beta;}}=\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i{\mathrm{\&beta;}}_i}{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{k}_i},$

k_i为来自第i个参考点的接收信号强度测量数目，r_i,j为从第i个参考点接收到的第j个接收信号强度，j=1,2,…,k_i；(x_i,y_i)为所述已知参考点的位置，i=1,2,…N，N≥3。

8.如权利要求7所述的装置，其特征在于：所述ρ_L对应位置通过下式得到：

$({\hat{x}}_L,{\hat{y}}_L)=\arg \underset{(x,y)}{\min }\mathrm{\&rho;}.$