一种室内定位方法及子空间特征提取方法

技术领域

本发明涉及位置定位领域，具体涉及一种室内定位方法及子空间特征提取方法。

背景技术

室内定位在人类生活中应用广泛，常见的有三点定位法和指纹定位法。

三点定位法是基于到达时间、到达时间差或到达角的三角定位方法，可以实现亚米级定位精度。然而，其中一些需要复杂的硬件配置，例如，基于到达角的三角定位方法需要使用多天线系统；而另一些方法可能需要昂贵的基础设施，例如，基于到达时间差的定位需要应用于具有高精度时间同步功能的接入点网络。此外，这类方法大多需要视距传播条件，这在复杂的室内环境中难以满足。

指纹定位法是基于指纹的方法，可以提供米级精度，并且它们不需要专用硬件或视距条件，然而基于指纹的定位方法需要构建指纹数据库，数据收集和数据实地标定过程需要大量的人力。具体来说，指纹定位分为线下收集建立数据库和线上匹配两个阶段。在线下数据收集阶段，为了能够使定位精度提高，需要在极小的间隔采集数据，且对该数据实地标定坐标。因此标定工作将会随着室内面积的增大以及精度要求的提高呈线性增长。

现有的定位方法，大多需要昂贵的硬件配置或者繁重的数据实地标定工作，并且由于复杂的室内环境，导致信号传播衰减复杂且无法建模，不能满足复杂室内环境的需求。

发明内容

本发明主要解决的技术问题是提供一种室内定位方法及子空间特征提取方法，具有降低硬件配置和/或减少繁重的数据标定工作需求的特点。

根据第一方面，一种实施例中提供一种室内定位方法，包括，获取待定位对象的待匹配数据x，其中待匹配数据x中包括第三传感器与D个第一传感器之间的信号强度值，D≥2；

所述室内划分有K个需要定位的区域，K≥2，且所述室内设置有所述D个第一传感器，根据测定的对D个第一传感器的接收信号强度值与所述K个区域的关系，确定所述待匹配数据所匹配的区域，从而实现对所述待定位对象的定位。

一个实施例中，所述根据测定的对D个第一传感器的接收信号强度值与所述K个区域的关系，确定所述待匹配数据所匹配的区域，从而实现对所述待定位对象的定位，包括：

基于子空间特征

所述子空间特征

构建样本集X，样本集中有N个样本，N≥2，x

通过K-1个分割点将所述样本集顺序分割为K簇，每一簇一一顺序对应到所述K个子空间；

构建每一个样本到任一子空间的距离关系f(x

根据各个样本到各个样本所属子空间最小原则、所述距离关系及N个样本依次分割为K个簇的原则，构建子空间分割网络，所述子空间分割网络用于求解所述K-1个分割点和所述子空间特征

一个实施例中，子空间k所对应的第k个区域的中心位置坐标即所述定位对象的定位坐标。

一个实施例中，所述根据测定的对D个第一传感器的接收信号强度值与所述K个区域的关系，确定所述待匹配数据所匹配的区域，从而实现对所述待定位对象的定位，包括：

通过将所述待匹配数据输入到子空间匹配神经网络获取所述待定位对象的位置，所述子空间匹配神经网络的训练方法包括：

构建样本集X，样本集中有N个样本，N≥2，x

通过K-1个分割点将所述样本集顺序分割为K簇，每一簇一一顺序对应到所述K个区域，所述K个区域一一对应为K个子空间l(i)，从而得到训练集

一个实施例中，所述通过K-1个分割点将所述样本集顺序分割为K簇，包括：

构建每一个样本到任一子空间的距离关系f(x

根据各个样本到各个样本所属子空间最小原则、所述距离关系及N个样本依次分割为K个簇的原则，构建子空间分割网络，所述子空间分割网络用于求解所述K-1个分割点和子空间特征

根据所述子空间分割网络求解所述K-1个分割点，从而通过所述K-1个分割点将所述样本集顺序分割为K簇。

一个实施例中，所述每一个样本到任一子空间的距离关系f(x

根据各个样本到各个样本所属子空间最小原则及所述距离关系，所述子空间分割网络可以表示为：

其中，t

一个实施例中，所述样本x

一个实施例中，所述D个第一传感器为同类型的传感器，或所述D个第一传感器为不同类型的传感器。

根据第二方面，一种实施例中提供一种子空间特征提取方法，包括，

获取待提取对象的待匹配数据x，其中待匹配数据x中包括第三传感器与D个第一传感器之间的信号强度值，D≥2；

根据子空间分割网络提取待匹配数据x对应的子空间特征

是子空间的中心，d

x

K个区域一一对应为K个子空间，通过K-1个分割点将所述样本集顺序分割为K簇，每一簇一一顺序对应到所述K个子空间。

一个实施例中，所述的所述子空间分割网络根据每一个样本x

所述每一个样本x

根据各个样本到各个样本所属子空间最小原则及所述距离关系，所述子空间分割网络可以表示为：

其中，t

根据第三方面，一个实施例中提供一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现上述任意一个所述的室内定位方法，和/或上述任意一个所述的子空间特征提取方法。

本发明实施例提供的室内定位方法及子空间特征提取方法中，

根据与D个第一传感器的信号强度值与K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位，采用的定位方案根据来自设备的接收信号强度值完成定位，不需要任何额外设备的安装，随着室内传感器数据的增多，定位的精度也会随着提高，而且不需要对数据进行实地标定坐标，因此，降低了硬件配置，同时也减少了繁重的数据标定工作。

提取子空间特征所采用的子空间分割网络训练中所采用的样本序列为依次且不重复地经过所述K个区域时顺序采集的样本，那么就将这些无时间标签和位置标签的样本数据进行分割聚类为K段，每一段数据采集于一个位置，从而通过该分割聚类算法代替人力完成数据标定工作，另外，每个位置的数据会聚集在一个子空间上，因此将数据划分为K簇，根据每一簇距离某个子空间最近的原则，则将定位问题转换为寻找K个位置的K个子空间，因此，通过上述子空间网络提取的子空间特征来实现位置的定位，一方面，不需要繁重的数据标定工作，另一方，不需要复杂的硬件配置，具有降低硬件配置和/减少繁重的数据标定工作需求的特点。

附图说明

图1为一种实施例的室内定位场景示意图；

图2为室内定位方法流程示意图；

图3为一种实施例的子空间分割网络构建流程示意图；

图4为一种实施例的子空间特征提取流程示意图；

图5为一种实施例的室内定位装置结构示意图；

图6为采用本发明申请方案进行室内定位与现有方案进行室内定位的效果比较图。

具体实施方式

下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。

另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。

本文中为部件所编序号本身，例如“第一”、“第二”等，仅用于区分所描述的对象，不具有任何顺序或技术含义。而本申请所说“连接”、“联接”，如无特别说明，均包括直接和间接连接(联接)。

下面先对本发明的室内定位方法进行说明，为能够更清楚地说明，请参考图1，以图1为例，图1是可以划分为多个区域进行定位的一个室内区域分布图，在图1中，斜线填充部分为划分有的感兴趣的需要进行定位的区域，黑色实心圆点部分为设置的第一传感器。

在一个实施例中，请参考图2，我们采用下述室内定位方法：

S101、获取待定位对象的待匹配数据x，其中待匹配数据x中包括第三传感器与D个第一传感器之间的信号强度值，D≥2；

S102、根据测定的对D个第一传感器的接收信号强度值与K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位。所述室内划分有K个需要定位的区域，K≥2，且所述室内设置有所述D个第一传感器，。

在我们需要对某个对象进行定位时，一定条件下，则需要为该对象匹配一个能够进行接收和/或发送信号的用于实现定位的传感器，为与其他功能作用的传感器进行区分，我们这里称之为第三传感器，但并不代表第三传感器与其他的第一、第二传感器不可以是同一类型的传感器；或者，也可以直接将该第三传感器作为待定位的对象。典型地，第三传感器可以是手机、手环等能够进行接收和/或发送信号的用于实现定位的传感器，当D个第一传感器均是能够接收信号时，第三传感器也可以是只具备信号发射功能的传感器，当然，也可以是只具备信号接收功能的传感器。

我们将室内需要定位的区域进行划分为K个，该K个区域可以是室内的部分区域，也可以是室内的全部区域，如图1所示，划分的需要定位的区域一共有9个，只是室内全部区域中的部分区域，划分的方式可以依赖障碍物进行划分，也可以不依赖障碍物进行划分，例如比较大的空旷的区域，可以划分为几个区域，典型地，大型的没有较高障碍物间隔的生产车间，则也可以按照需求进行划分为几个区域。

对于D个第一传感器的设置，可以仅设置在上述的K个区域内，也可以部分设置在该K个区域外，例如，图1中的20个第一传感器，有的就在K个区域外，具体的设置位置，可以根据区域划分、布局及实际需求进行设置。

对于在固定位置的D个第一传感器，发射出去的信号强度，会随着距离的增加而减弱，且距离越远，信号衰减越快，也就是说对于在不同位置且随机布置的D个第一传感器，在某个位置的第三传感器，其对于D个第一传感器，存在着不同大小的接收信号强度值，即位于不同位置的第三传感器针对D个第一传感器的接收信号强度值所组成的信号强度值集合是不同的，因此，我就可以根据该D个第一传感器分别对于第三传感器的接收信号强度值，及测定的对D个第一传感器的接收信号强度值与K个区域的关系，确定当前得到的该D个第一传感器分别对于第三传感器的接收信号强度值与K个区域的远近距离关系，即确定待匹配数据所匹配的区域，从而实现对待定位对象的定位。

由此，本发明给出了一种新的室内定位方法，获取待定位对象的待匹配数据x，其中待匹配数据x中包括第三传感器与D个第一传感器之间的信号强度值；根据测定的对D个第一传感器的接收信号强度值与K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位。

随着智能家居的广泛应用，室内具有发射信号功能的设备越来越多，智能家居的飞速发展使许多室内布局了很多无线传感器，比如路由器、智能开关、语音助手、电脑、智能电视等等，他们在实时发送信号，根据距离与信号强度的正比关系，可以利用信号强度大致推测用户当前所在位置。而现有的定位方案中，比如三角定位的UWB定位方案，需要收发器具有计算信号收发时间的功能，且各个传感器需要能够完成时间协同校准工作。本发明申请采用的定位方案根据来自设备的接收信号强度值完成定位，既不需要位置标签也不需要时间标签，且不需要任何额外设备的安装，随着室内传感器数据的增多，定位的精度也会随着提高，而且不需要对数据进行实地标定坐标，因此，降低了硬件配置，同时也减少了繁重的数据标定工作。

在本发明申请中，我们给出两种根据测定的对D个第一传感器的接收信号强度值与K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位的方法，下面我们先对一种方法进行说明。

作为一个实施例，一种根据测定的对D个第一传感器的接收信号强度值与K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位的方法包括，基于子空间特征

构建样本集X，样本集中有N个样本，N≥2，x

如果将每一个样本中的D个信号强度值视为一个D维空间的一个点，那么每个位置的数据在D维空间中会聚集在一个D维空间中的一个子空间上，因此，我们就可以将定位中数据的聚类原则设定为寻找对应K个位置的K个子空间，使数据划分为K簇，每一簇距离某个子空间最近。

减少数据标注工作一直是室内定位研究人员的重点研究对象，比如指纹定位法，需要已知精确位置，以及该精确位置接收的信号特征。在本发明申请方案中，根据样本集的采集过程可知，由于我们是将第二传感器依次且不重复地经过K个区域时顺序采集的样本，这样我们就可以通过K-1个分割点将样本集顺序分割为K簇，每一簇一一顺序对应到K个子空间；这就使我们可以将无标签数据按照某个规则来完成数据的分组，因此也使得可以代替人工完胜数据标定工作。因此，我们只需要采集第二传感器经过K个区域时采集的D个第一传感器与第二传感器之间的信号强度值即可，并不需要知道任何传感器的精确位置，也并不需要知道除接收的信号强度值外的其他信号特征。

可以理解的是，基于室内K个区域的结构关系，我们不能完全依次且不重复地经过K个区域，例如，如图1所示的右下角的左右两个区域，要先经过左边的区域，再到达右边的区域，然而要从右边区域达到右边区域的上面的区域，则需要从右边区域经过左边区域再到达右边区域的上边区域，这个过程中，并不能完全做到依次且不重复，因此，本发明申请中的依次且不重复为相对地依次且不重复的含义。因此，我们需要控制需要采集样本数据时在对应区域停留的时间和采集样本数据过程中临时经过不需要采集样本数据时在对应区域停留的时间的相对性，使得临时经过不需要采集样本数据时在对应区域停留的时间可相对被忽略。例如，使需要采集样本数据时在对应区域停留的时间和采集样本数据过程中临时经过不需要采集样本数据时在对应区域停留的时间的比值大于10，该相对性本领域技术人员可根据实际情况进行控制，在此不做限定。

可以理解的是，这里的第二传感器只是为了与待定位对象的第三传感器进行区分，而用于实现定位的第三传感器与用于采集样本的第二传感器，可以是同类型的传感器，也可以是不同类型的传感器，甚至也可以是同一个传感器。

基于上述样本采集方式和样本集的分割，我们只需要构建一个样本到任一子空间的距离关系f(x

由于每个样本是在不同的区域顺序获得的，因此，每个样本到任一区域所对应的子空间的距离关系是不同，而各个样本到各个样本所属的子空间的距离是最小的，因此，我们就可以根据各个样本到各个样本所属子空间最小原则、一个样本到任一子空间的距离关系f(x

作为一种实施方式，子空间k所对应的第k个区域的中心位置坐标即定位对象的定位坐标。

下面我们对另一种根据测定的对D个第一传感器的接收信号强度值与K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位的方法进行说明。具体包括：

通过将待匹配数据输入到子空间匹配神经网络获取待定位对象的位置，子空间匹配神经网络的训练方法包括：

构建样本集X，样本集中有N个样本，N≥2，x

通过K-1个分割点将样本集顺序分割为K簇，每一簇一一顺序对应到K个区域，K个区域一一对应为K个子空间l(i)，从而得到训练集

由于采集样本的方式与前面一种实现待定位对象定位的方法的相同，因此，我们在此不再进行具体说明，区别地，通过K-1个分割点将样本集顺序分割为K簇，每一簇一一顺序对应到K个区域，K个区域一一对应为K个子空间l(i)，从而可以得到由各个样本数据x

作为一种实施方式，通过K-1个分割点将样本集顺序分割为K簇，包括：

构建每一个样本到任一子空间的距离关系f(x

根据各个样本到各个样本所属子空间最小原则、距离关系f(x

根据子空间分割网络求解该K-1个分割点，从而通过该K-1个分割点将样本集顺序分割为K簇。

通过K-1个分割点将样本集顺序分割为K簇，则需要得到该样本集的K-1个分割点，在该实施方式中，我们同样可以根据有关于根据各样本到各样本所属子空间最小原则、构建的距离关系及K个簇的分割原则，所构建的关于分割点和子空间特征的子空间分割网络来求解上述的K-1个分割点。

一个实施例中，请参考图4，我们可以选择通过下述方式来获得子空间分割网络：

S201、将每一个样本到任一子空间的距离关系f(x

S202、根据各个样本到各个样本所属子空间最小原则及距离关系f(x

其中，t

S203、采用迭代优化算法求解公式(3)，即假设已知分割点t

由于每一个样本x

x

其中，y是样本在子空间上的坐标，ε是零均值高斯误差，因此，每一个样本x

再根据各个样本到各个样本所属子空间最小原则及距离关系f(x

一个实施方式中，在D个第一传感器的位置未知的情况下，对于公式(1)中向量数据x

对于时间序列i＝1，2，…，N里面的每一个时间点i，得到第二传感器与D个第一传感器之间的信号强度值

一个实施方式中，样本x

在D个第一传感器位置已知的情况下，对于公式(1)中向量数据x

基于上述内容，本发明申请还提供一种新的子空间特征提取方法，请参考图5，包括，

S301、获取待提取对象的待匹配数据x，其中待匹配数据x中包括第三传感器与D个第一传感器之间的信号强度值，D≥2；

S302、根据子空间分割网络提取待匹配数据x对应的子空间特征

x

K个区域一一对应为K个子空间，通过K-1个分割点将所述样本集顺序分割为K簇，每一簇一一顺序对应到所述K个子空间。

可以理解的是，该子空间特征提取方法可以用于室内定位方法中，也可以用于其他环境下本领域技术人员能够想到的定位应用中。也可以理解的是这里的依次且不重复地经过所述K个区域同样为相对地依次且不重复地经过所述K个区域，上述内容中已进行说明这里不再赘述，另外，也可以理解的是，D个第一传感器可以是同类型的传感器，也可以是不同类型的传感器，同样地，第一传感器和第二传感器可以是同类型的传感器，也可以是不同类型的传感器。

在本发明方案中，我们设定样本数据采集方案为依次经过各个希望定位的区域，那么就将普通聚类问题变为分割聚类问题，即将数据划分成连续的K段，每一段数据采集于一个位置，之后就是利用聚类准则设计优化问题，完成分割聚类的求解，实验表明，本发明申请提出的分割聚类求解算法可以实现极低误差的数据聚类。

基于上述内容，一个实施例中还提供一种室内定位装置，如图6所示，包括，

匹配数据获取模块01，用于获取待定位对象的待匹配数据x，其中待匹配数据x中包括第三传感器与D个第一传感器之间的信号强度值，D≥2；以及

位置确定模块02，用于根据测定的对D个第一传感器的接收信号强度值与所述K个区域的关系，确定待匹配数据所匹配的区域，从而实现对待定位对象的定位；室内划分有K个需要定位的区域，K≥2，且室内设置有D个第一传感器。

可以理解的，上述室内定位装置可以为一台智能设备，也可以为两台以上设备，为一台智能设备时，该智能设备可以与第三传感器和/或D个第一传感器进行通信，获取待匹配数据，并且该智能设备的存储器上存储有实现上述定位方法的程序，且该智能装置的处理器能够执行，该定位方法的程序，该定位装置还可以包括显示器，以显示定位结果。为两台以上设备时，至少一台可以与第三传感器和/或D个第一传感器进行通信，获取待匹配数据，至少一台可以根据该待匹配数据执行定位程序获得定位结果。

基于上述内容，一个实施例中提供一种计算机可读存储介质，介质上存储有程序，程序能够被处理器执行以实现上述任意一个室内定位方法，和/或上述任意一个子空间特征提取方法。

基于图1所示的应用场景，多次依次经过图中的9个区域，从而获取多个无标签序列的数据集，将多个数据集分为训练集、测试集1和测试集2，使用区域分类误差和区域定位误差评价设计的方法。如图6所示，本发明申请提出的子空间匹配算法和DNN分类算法优于传统的信号最值匹配算法和权重中心算法。传统方法往往是直接利用原始数据进行室内定位，而原始数据往往存在噪声和干扰，尤其是在复杂的室内环境中，传统方案定位精度比较低。本发明申请提出的方案提取了每个区域的子空间特征，子空间特征能够更有效地表征各个区域，因此利用特征匹配完成定位将会使定位精度得到提高。

可以理解的，处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称：CPU)、网络处理器(Network Processor，简称：NP)等。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存介质可以是，但不限于，随机存取存储介质(Random Access Memory，简称：RAM)，只读存储介质(Read Only Memory，简称：ROM)，可编程只读存储介质(ProgrammableRead-Only Memory，简称：PROM)，可擦除只读存储介质(Erasable Programmable Read-Only Memory，简称：EPROM)，电可擦除只读存储介质(Electric Erasable ProgrammableRead-Only Memory，简称：EEPROM)等。

本文参照了各种示范实施例进行说明。然而，本领域的技术人员将认识到，在不脱离本文范围的情况下，可以对示范性实施例做出改变和修正。例如，各种操作步骤以及用于执行操作步骤的组件，可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。

另外，如本领域技术人员所理解的，本文的原理可以反映在计算机可读存储介质上的计算机程序产品中，该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用，包括磁存储设备(硬盘、软盘等)、光学存储设备(CD-ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器，使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行，这样存储在计算机可读存储器中的指令就可以形成一件制造品，包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上，从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程，使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。