CN112911528A - 基于压缩感知的dtmb与fm信号室内指纹定位***方法 - Google Patents
基于压缩感知的dtmb与fm信号室内指纹定位***方法 Download PDFInfo
- Publication number
- CN112911528A CN112911528A CN201911137849.2A CN201911137849A CN112911528A CN 112911528 A CN112911528 A CN 112911528A CN 201911137849 A CN201911137849 A CN 201911137849A CN 112911528 A CN112911528 A CN 112911528A
- Authority
- CN
- China
- Prior art keywords
- dtmb
- compressed sensing
- point
- fingerprint
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Measurement Of Length, Angles, Or The Like Using Electric Or Magnetic Means (AREA)
Abstract
本发明公开了一种基于压缩感知的DTMB与FM信号室内指纹定位方法,包括步骤:离线阶段根据室内环境随机选取参考点,采集DTMB与FM信号,根据压缩感知技术,重构出全体参考点的信号强度,作为参考点的特征指纹信息构成指纹信息数据库;获取待测点的DTMB与FM信号的指纹信息,利用压缩感知算法在粗定位基础上精确定位出位置信息,完成待测点和参考点指纹数据库的匹配。本发明利用DTMB与FM信号联合定位,覆盖范围广,抗干扰性能优越;本发明采用压缩感知技术,能减少位置信息的采集量,并能提准确高效的完成定位。
Description
技术领域
本发明涉及一种基于压缩感知的DTMB与FM信号的利用指纹信息进行室内定位的方法。
背景技术
随着社会经济的快速发展和信息化进程的不断深入,人们越来越迫切地需要获取位置信息。全球导航卫星***(GNSS)能够较好地解决室外定位问题,而室内定位则成为亟待解决的问题。
Wi-Fi定位技术是当前室内定位领域的研究热点,在良好的情况下,Wi-Fi定位的平均误差可以达到3米。然而,Wi-Fi信号易受环境干扰,在存在干扰的情况下,定位精度会迅速恶化。Wi-Fi信号使用自由许可的ISM 2.4GHz频段,易受其它同频信号的干扰。同时,水分子在2.4GHz频段存在吸收峰,这意味着Wi-Fi信号强度会受到空气湿度的影响。更重要的是,人体70%的成份是水,Wi-Fi信号极易受室内行人的影响。总而言之,Wi-Fi信号是不稳定的、时变的。当Wi-Fi用于室内定位时,存在定位精度低、抗外界干扰能力弱等问题。
公共调频广播(FM)信号与Wi-Fi信号相比,具有发射功率大、覆盖范围广、信号稳定等特点。但是,FM信号的波长约为3米,与门窗、墙壁等室内障碍物尺寸相当,这意味着FM信号会产生明显的衍射现象,削弱其描绘不同位置的能力。
数字电视地面广播(DTMB)信号的引入,能提高FM信号定位的精度。DTMB信号的频率为470-860MHz,波长为0.34-0.64m,与波长3m的FM信号相结合,能够很好地提高定位精度。
然而,在位置指纹匹配定位***中,离线阶段数据采集的巨大工作量也是指纹定位***的一大难题。压缩感知(Compressive Sensing,CS)理论指出,当信号是稀疏或可压缩的,可以以某个线性投影的方式来得到信号的压缩后表示,得到的数据能够大概率地重建出原始数字信号。考虑到位置信息的天然稀疏性,即同一时刻,待定位点的位置具有唯一性,压缩感知能够很好的应用于室内定位领域。
发明内容
鉴于上述各种方法的缺陷和难度,本发明提出一种基于压缩感知的DTMB与FM信号的室内指纹定位的方法,DTMB与FM信号的联合定位克服了传统上利用Wi-Fi信号进行定位的不稳定性和FM信号进行定位的精度偏低的缺点,提高了定位精度;采用的压缩感知技术解决了数据采集巨大工作量的难题,提高了方案的可实用性。
实现本发明的技术方案如下:
1)离线阶段根据室内环境随机选取参考点,采集DTMB与FM信号,储存信号强度,作为参考点的特征指纹信息;
2)根据压缩感知理论,重构出全体参考点的信号强度,构成指纹信息数据库;
3)在线阶段利用天线接收待测点的DTMB与FM信号,获取待测点的DTMB与FM信号的指纹信息;
4)根据KWNN算法完成待测点的粗定位,然后利用压缩感知重构算法精确重构出位置信息,完成待测点和参考点指纹数据库的匹配。
进一步地,本发明所述的信号的指纹信息,是指DTMB与FM的联合定位所得的信号强度。
进一步地,本发明所述的步骤(2)中的压缩感知重构方法,能够从少量参考点的RSS值重构出全部参考点的位置指纹数据库,降低了离线阶段信号采集的数据量,从而加快离线阶段位置指纹数据库的构建。
进一步地,本发明所述的步骤(4)中的压缩感知重构算法包括迭代贪心算法和凸优化算法,如正交匹配追踪(Orthogonal Matching Pursuit,OMP)、压缩采样匹配追踪(Compressive Sampling Matching Pursuit,CoSaMP)、基追踪(Basic Pursuit,BP)、迭代硬阈值(Iterative Hard Threshold,IHT)等等。
本发明提出的室内定位方法与已有的技术相比,有以下优点:
1)本发明所采用的基于压缩感知的DTMB与FM信号室内指纹定位***方法,所利用的压缩感知技术,可以将少量随机选取的参考点的RSS值重构出全部参考点的RSS位置信息,降低了离线阶段信号采集的数据量。
2)本发明所采用的基于压缩感知的DTMB与FM信号室内指纹定位***方法,所利用的压缩感知恢复算法,可在粗定位的基础上精确重构出待测点的指纹信息,进一步提高定位的精确度。
附图说明
图1为本发明基于压缩感知的DTMB与FM信号的利用指纹信息进行室内定位的方法方法的流程图;
图2为实验环境内参考点与待定位点的分布图;
图3为使用压缩感知与KWNN算法定位误差的CDF曲线对比图。
具体实施方式
结合附图及实施例,对本发明所述的方法作详细阐述。
(1)离线阶段根据室内环境随机选取参考点,采集DTMB与FM信号,储存信号强度,作为参考点的特征指纹信息。
离线阶段,如图2所示,在室内区域内设置N个参考点,每个参考点的位置坐标均为已知的。在参考点i处,位置坐标向量为Pi,RSS均值向量为Φi。位置指纹数据库可表示为如下的映射关系:
f:Φi→Pi Φi∈RM,i=1,2,...,N (1)
上式中,M代表信号维度,也就是接收到的信号数目。
(2)根据压缩感知理论,重构出全体参考点的信号强度,构成指纹信息数据库。
不失一般性,对于某一频点,所有参考点的信号强度按照特定的顺序排列形成矢量r,r可以表示为
事实上,r不是稀疏的,需要经过稀疏变换矩阵转换为稀疏向量,鉴于信号的RSS值在空间中的分布可视为图像,而离散小波变换(Discrete Wavelet Transform,DWT)在图像稀疏处理中的巨大成功,本发明采用DWT实现对空间中RSS信号的稀疏化,如下式所示,
R=W·r (3)
其中,W为小波变化矩阵,R为稀疏向量。为了从全部的N个参考点中选择K个参考点(K<N),定义随机选择矩阵G,G是一个K×N的矩阵。G的每一行中,只有被选中的参考点的值设为1,其他值为0。若y表示随机选择的K个参考点的RSS值,则有,
y=Gr=GW-1R=ΨR (4)
其中,Ψ=GW-1,Ψ为压缩感知理论中的传感矩阵。当Ψ为近似正交时,能够以很高的概率从y中重构出R。为了将传感矩阵Ψ转换为正交矩阵,定义正交化因子T为
T=QΨ+ (5)
Q=orth(ΨT)T (6)
其中,Ψ+为Ψ的伪逆,orth(·)是矩阵列向量张成的线性空间的标准正交基。因此,公式(4)可以转化为
z=Ty=QΨ+ΨR≈QR (7)
其中,Q为近似正交的。通过求解下列l1优化问题,即可从观测量z中求解出稀疏向量R。
R=arg min||R||1,s.t.z=QR (8)
通过压缩感知重构算法,即可求解上述问题。对重构出的R做离散小波逆变换,即可求解出全体参考点的信号强度r。
通过采用上述压缩感知重构方法,能够从K个随机选取的参考点RSS值重构出全体N个参考点的RSS,从而降低了离线阶段信号采集的数据量,提高了位置指纹定位方案的实用性。
(3)在线阶段利用天线接收待测点的DTMB与FM信号,获取待测点的DTMB与FM信号的指纹信息。
利用KWNN算法,计算待定位点RSS信号强度与每个参考点指纹数据的欧氏距离。欧式距离的计算公式可以表示为
di=||y0-Φi||2,i=1,2,...,N (9)
其中di表示第i个参考点与待测点的欧式距离,||·||2为向量的二范数。取距离最小的K个参考点,组成集合A,A可以表示为
取集合A中参考点坐标的加权平均,即为定位结果。各个参考点坐标的权重为
其中p为权重调节因子,在本文的实验中,p=0.5。定位结果可以表示为
(4)根据KWNN算法完成待测点的粗定位,然后利用压缩感知重构算法精确重构出位置信息,完成待测点和参考点指纹数据库的匹配。
空间中待定位点的位置是唯一的,这意味着位置信息在某个线性空间的投影是稀的。假设待定位区域内存在N个参考点且待定位点恰好位于参考点i处,则待定位点的位置可以表示为一个稀疏向量θ。θ是一个稀疏度为1的稀疏向量,除了θ(i)=1外,θ的其他值均为0.
θ=[0,0,...,0,1,0,...,0]T (13)
***的观测方程可以表示为
y0=Φθ+ε (14)
其中,y0为待测点处采集的信号强度,Φ的列向量为参考点的RSS均值向量,ε为观测噪声。由于Φ不满足压缩感知重构的有限等距性质(Restricted Isometry Property,RIP),需要对其进行预正交化处理。预正交化因子可以表示为
T0=HΦ+ (15)
H=orth(ΦT)T (16)
公式(14)等号左右同时乘以T0,变为
z0=T0y0=T0Φθ+T0ε≈Hθ+ε′ (17)
此时,H为近似正交矩阵,满足RIP性质。求解下述l1优化问题,即可重构出θ。
根据压缩感知理论,θ可以以很高的概率从观测量z0中重构出来。
在大多数情况下,待定位的点并不完全在某个参考点处,此时,θ的稀疏度大于1。θ具有多个非零系数,它们表示相应参考点作为位置估计的概率。因此,在实际应用中,设定阈值τ,超过阈值的系数用于位置估计,即用于位置估计的参考点集合B
以上只是对本发明作进一步的说明,并非用以限制本专利的实施应用,凡为本发明等效实施,均应包含于本专利的权利要求范围之内。
Claims (3)
1.基于压缩感知的DTMB与FM信号室内指纹定位***方法,其特征在于,根据压缩感知理论,通过接收DTMB与FM联合信号的强度信息,确定室内环境待定位点的空间位置,包括以下步骤:
1)离线阶段根据室内环境随机选取参考点,采集DTMB与FM信号,储存信号强度,作为参考点的特征指纹信息;
2)根据压缩感知理论,重构出全体参考点的信号强度,构成指纹信息数据库;
3)在线阶段利用天线接收待测点的DTMB与FM信号,获取待测点的DTMB与FM信号的指纹信息;
4)根据KWNN算法完成待测点的粗定位,然后利用压缩感知重构算法精确重构出位置信息,完成待测点和参考点指纹数据库的匹配。
2.如权利要求1所述的基于压缩感知的DTMB与FM信号室内指纹定位***方法,其特征在于,所述的压缩感知技术,可以将少量随机选取的参考点的RSS值重构出全部参考点的RSS位置信息,降低了离线阶段信号采集的数据量。
3.如权利要求1所述的基于压缩感知的DTMB与FM信号室内指纹定位***方法,其特征在于,所述的压缩感知恢复算法,可在粗定位的基础上精确重构出待测点的指纹信息,进一步提高定位的精确度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911137849.2A CN112911528A (zh) | 2019-11-18 | 2019-11-18 | 基于压缩感知的dtmb与fm信号室内指纹定位***方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911137849.2A CN112911528A (zh) | 2019-11-18 | 2019-11-18 | 基于压缩感知的dtmb与fm信号室内指纹定位***方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112911528A true CN112911528A (zh) | 2021-06-04 |
Family
ID=76104242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911137849.2A Pending CN112911528A (zh) | 2019-11-18 | 2019-11-18 | 基于压缩感知的dtmb与fm信号室内指纹定位***方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911528A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106888504A (zh) * | 2015-12-11 | 2017-06-23 | 南开大学 | 基于fm与dtmb信号的室内位置指纹定位方法 |
-
2019
- 2019-11-18 CN CN201911137849.2A patent/CN112911528A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106888504A (zh) * | 2015-12-11 | 2017-06-23 | 南开大学 | 基于fm与dtmb信号的室内位置指纹定位方法 |
Non-Patent Citations (1)
Title |
---|
MENGHUAN YANG: ""Indoor Positioning Using Public FM and DTMB Signals Based on Compressive Sensing"", 《CHINA COMMUNICATIONS》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107817465B (zh) | 超高斯噪声背景下的基于无网格压缩感知的doa估计方法 | |
CN106941718B (zh) | 一种基于信号子空间指纹库的混合室内定位方法 | |
Gao et al. | Toward 5G NR high-precision indoor positioning via channel frequency response: A new paradigm and dataset generation method | |
Zagouras et al. | Determination of measuring sites for solar irradiance, based on cluster analysis of satellite-derived cloud estimations | |
JP2002319024A (ja) | 色と質感との組み合わせに基づく映像検索方法 | |
CN100370486C (zh) | 基于嵌入式隐马尔可夫模型与交叉熵的台风中心定位方法 | |
US20140327571A1 (en) | Systems And Methods For Direct Emitter Geolocation | |
Angling et al. | Comparative study of two assimilative models of the ionosphere | |
CN105205114B (zh) | 一种基于图像处理的Wi-Fi定位指纹数据库构建方法 | |
CN107743296A (zh) | 一种基于压缩感知的rssi区域分段式定位方法 | |
CN112616184B (zh) | 基于多基站信道状态信息融合的移动设备位置估计方法 | |
CN103150577A (zh) | 基于粒子群优化的高光谱遥感影像自适应波段选择方法 | |
CN109341723B (zh) | 一种基于地磁信息熵和相似性度量的综合地磁匹配方法 | |
CN108834041B (zh) | 基于张量重建的室内位置指纹定位Radio Map建立方法 | |
Aishwarya et al. | An image fusion framework using novel dictionary based sparse representation | |
CN115267724A (zh) | 一种基于激光雷达可估位姿的移动机器人位置重识别方法 | |
CN104732504A (zh) | 基于压缩感知和wbct变换的图像融合方法 | |
Zhang et al. | Dual-band wi-fi based indoor localization via stacked denosing autoencoder | |
CN112911528A (zh) | 基于压缩感知的dtmb与fm信号室内指纹定位***方法 | |
CN108111973B (zh) | 一种基于实时指纹获取的室内定位方法与装置 | |
CN109547936A (zh) | 基于Wi-Fi信号和环境背景声的室内定位方法 | |
CN109738852A (zh) | 基于低秩矩阵重建的分布式源二维空间谱估计方法 | |
CN113347705B (zh) | 基于ica和cs的超宽带aoa室内定位方法 | |
CN114972460A (zh) | 一种结合图特征上下文匹配的点云配准方法 | |
CN113645565B (zh) | 一种基于六方最密堆积结构的室内定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210604 |