1.一种基于信号子空间指纹库的混合室内定位方法,其特征在于,所述方法包括如下步骤:
步骤(1):在离线阶段,进行接收信号强度的测量,根据各个区域坐标(xi,yj),i=
1,...,m,j=1,...,n,测得相应的接收信号强度Rk(xi,yj),i=1,…,m,j=1,…,n,k=
1,…,L,并建立接收信号强度指纹库;
步骤(2):利用移动终端的阵列天线离线测得阵列信号x(t),天线阵列输出矢量x(t)可以表示为x(t)=As(t)+n(t),其中x(t)=[x1(t),x2(t),…,xb(t)]表示b根接收天线上的信号,A为阵列方向矩阵,s(t)为信号源,n(t)为噪声;
步骤(3):将x(t)通过求出协方差矩阵及特征值分解方法得到信号子空间Us=[u1,u2,…,uL],其中u1,u2,…,uL为阵列信号协方差矩阵的L个较大特征值对应的特征向量,进而测得所有区域坐标的信号子空间集{Us(xi,yj)|i=1,…,m,j=1,…,n},并建立信号子空间指纹库;
步骤(4):在线测量移动终端处的接收信号强度向量R'(xi,yj)和信号子空间U′s(xi,yj),根据KNN算法,计算R'与接收信号强度指纹库中每一个R(xi,yj)的欧氏距离:
D(xi,yj)=||R'-R(xi,yj)||2
选取K个欧氏距离最小的接收信号强度向量对应的坐标,计算平均值得到接收信号强度指纹库的匹配坐标,再根据最小矩阵二范数准则,计算U′s与信号子空间指纹库中每一个Us(xi,yj)差的矩阵二范数:计算使矩阵二范数T(xi,yj)取最小值时的坐标,即为信号子空间指纹库的匹配坐标;
步骤(5):在每一个区域坐标上进行指纹库匹配训练,分别得到两个指纹库的误差统计概率P(dR|(xi,yj))和P(dU|(xi,yj));
步骤(6):根据上述两个指纹库的误差统计概率,利用贝叶斯理论进行信息融合,得到每个区域坐标上的后验概率P((xi,yj)|dR,dU);
步骤(7):利用最大后验概率准则,得到移动终端准确的定位坐标
2.根据权利要求1所述的一种基于信号子空间指纹库的混合室内定位方法,其特征在于:所述的方法步骤(2)包括:定义均匀线阵由b根天线构成,阵元间距为d,其阵列方向向量表示为 其中选第一个阵元为基准点,c为信号波长,θk为来波方向,天线阵列输出x(t)为x(t)=As(t)+n(t),其中x(t)=[x1(t),x2(t),…,xb(t)],s(t)=[s1(t),s2(t),…,sL(t)],A为阵列方向矩阵。
3.根据权利要求1所述的一种基于信号子空间指纹库的混合室内定位方法,其特征在于:所述的方法步骤(3)包括:阵列输出信号x(t)的协方差矩阵为R=E{(x(t)-mx(t))(x(t)-mx(t))H},其中mx(t)为输出信号均值,由于协方差矩阵R为方阵,可以直接对其进行特征值分解 进而得到信号子空间Us=[u1,u2,…,uL],其中u1,u2,…,uL为阵列信号协方差矩阵的L个特征值对应的特征向量,U是酉矩阵,UH是其转置形式;λi是特征值,ui是特征向量,uiH是其转置形式,并建立信号子空间指纹库。
4.根据权利要求1所述的一种基于信号子空间指纹库的混合室内定位方法,其特征在于:所述的方法步骤(5)包括:在每一个区域坐标上执行多次步骤(4),利用匹配坐标计算出匹配误差,并进行相应的概率统计,分别得到两个指纹库的匹配误差统计概率P(dR|(xi,yj))和P(dU|(xi,yj))。
5.根据权利要求1所述的一种基于信号子空间指纹库的混合室内定位方法,其特征在于:所述的方法步骤(6)中所述后验概率为P((xi,yj)|dR,dU)∝P(dR|(xi,yj))·P(dU|(xi,yj))·P((xi,yj))。