买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：武汉安辰鑫信息科技有限公司

摘要：本发明公开了一种基于半张量积压缩感知Semi‑tensorProductCompressionSensing，STP‑CS的室内定位方法。首先，在目标区域内部署和标定若干个位置已知的接入点AccessPoint，AP和参考点ReferencePoint，RP；其次，采集每一个RP的接收信号强度ReceivedSignalStrength，RSS数据，然后对采集的RSS数据进行聚类，并找到聚类中心；再次，在在线阶段进行聚类匹配的粗定位，将在线测量的RSS与聚类中心比较，判断在线测量的RSS位于哪一个聚类中，从而缩小定位的区域；最后，利用半张量积理论，构造一个低阶的AP选择矩阵，然后利用STP‑CS方法构造STP‑CS模型，再通过迭代重加权最小二乘IterativeRe‑weightedLeastSquare，IRLS算法实现对位置的估计。本发明专利利用半张量理论构造低阶的随机测量矩阵，从而提出了一种基于半张量积压缩感知的室内定位方法，其在保证定位精度的同时，降低了开销，提高了定位的实时性。

主权项：1.一种基于半张量积压缩感知的室内定位方法，其特征在于包括以下步骤：步骤一、在目标区域内，随机部署L个无线接入点AccessPoint，AP和标定N个参考点ReferencePoint，RP，同时标定k个测试点TestPoint,TP；步骤二、在已知位置的RP处收集RSS读数的时间样本，在第j个RP处采集的第i个AP的原始RSS时间样本集记为{ψi,jτ,τ＝1,…,q,q＞1}，其中q为在第j个RP处对第i个AP采集的数据总次数，由此可以对采集到的RSS取均值，并建立离线数据库： 其中ψi,j表示的是在第j个RP的第i个AP处所测量的RSS均值；步骤三、通过聚类算法将离线阶段收集的RP划分为多个聚类，并为每个聚类分配一个聚类中心；步骤四、在线阶段，测量每个测试点处的RSS样本值y；步骤五、在线阶段的粗定位阶段，通过比较在线测量的RSS样本值y与聚类中心的距离，找到距离最近的聚类区域作为新的目标区域，从而缩小定位区域的大小，其中，缩小后的聚类区域中的RP数量为N'；步骤六、在线阶段的精细定位阶段，利用半张量积理论，来构造低阶的AP选择矩阵，从而搭建STP-CS模型，具体包括以下步骤：步骤六一、由于用户在给定时刻的位置在离散空间域中是唯一的，因此可以将定位问题转化为需要求解的稀疏问题，因此，可以使用稀疏向量θ来表示用户的位置，θ是一个N'×1的向量，其中，只有θn＝1，其余元素都等于0，最终的用户位置为θ＝1所对应的位置索引，即RP的索引，所以，通过寻找最优θ，可以找到相应的用户位置，表示为：θ＝[0,…,0,1,0…,0]T步骤六二、利用Fisher准则找到该聚类区域中得分最高的AP子集，得到维度为的AP选择矩阵，其中，是所有AP的一个子集，是所有AP的最佳子集，而M是原始CS模型中AP的一个子集，因此，在STP-CS模型中需要满足步骤六三、STP-CS模型既满足了传统CS模型的采样要求，又满足了CS理论的限制等距性和相互不相干特性，与传统的CS模型相比，该模型只改变了矩阵的大小，但不改变矩阵的任何特征，因此，该模型中y仍然表示在线测量的RSS值，表示为： 其中为低阶的AP选择矩阵，ΨL×N'是经过粗定位之后得到的较小的定位区域的RSS值，θN'×1是用户位置向量，N'为粗定位后RP的个数，为半张量积符号，因此，半张量积的计算方法如下： 其中n为p的因子，即p＝nt，aij∈A,bij∈B；步骤七、根据构造的STP-CS模型，利用IRLS算法实现稀疏位置的恢复，找到用户位置的索引，从而得到位置的估计，具体包括以下步骤：步骤七一、STP-CS问题可以通过凸优化来解决，即需要求解的是l1范数的最小化问题： 步骤七二、采用IRLS算法来实现，在该算法中，引入了迭代权重的概念，即：w＝|Yn-1|-1其中权重值通过迭代得到；步骤七三、最后得到位置索引，然后通过位置索引找到对应的位置，可以表示为： 其中，Dn是一个对角矩阵，值为

全文数据：

权利要求：

百度查询： 武汉安辰鑫信息科技有限公司 一种基于半张量积压缩感知的室内定位方法