WiFi环境中的定位方法及其系统

1.一种WiFi环境中的定位方法，包括：
步骤1，对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模型；
其特征在于，所述方法还包括：
步骤2，采集部分位置在部分信源缺失环境下的信号强度，根据采集到的所有位置在所有信源无缺失环境下的信号强度和部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数；
步骤3，在测试阶段检测到待定位位置所接收到的信源的信号强度，将所述信号强度带入所述回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。
2.如权利要求1所述的WiFi环境中的定位方法，其特征在于，
所述步骤2进一步为，
步骤21，采集部分位置在部分信源缺失环境下的信号强度；
步骤22，对位置接收的信号源的信号强度进行聚类；
步骤23，对应每个聚类，根据聚类中所有位置采集到的在所有信源无缺失环境下的信号强度和聚类中部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。
3.如权利要求2所述的WiFi环境中的定位方法，其特征在于，
所述步骤3进一步为，
步骤31，在测试阶段检测到待定位位置所接收到的信源的信号强度；
步骤32，确定所述待定位位置接收到的信源的信号强度所属的聚类；
步骤33，将所述待定位位置接收到的信源的信号强度带入所属聚类对应的回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度；
步骤34，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。
4.如权利要求3所述的WiFi环境中的定位方法，其特征在于，
所述步骤1和所述步骤2中都被采集到的信号的信源为正常信源，在所述步骤2中未被采集到的信源为异常信源；
所述步骤22进一步为，
步骤41，将所述步骤1中采集的所有位置上接收的正常信源的信号强度和所述步骤2中采集的部分位置接收的正常信源的信号强度组成信号强度矩阵，矩阵中的行代表位置，列代表正常信号源的信号强度，行向量为对应位置的信号向量；
步骤42，计算各个位置的信号向量间明氏距离，将明氏距离小于预设阀值的信号向量分为同一个聚类。
5.如权利要求4所述的WiFi环境中的定位方法，其特征在于，
所述步骤32进一步为，
步骤51，对于每个聚类，计算聚类中所有信号向量对应于同一信源的信号强度的平均值，所述平均值组成聚类中心向量；
步骤52，计算待定位位置的信号向量同各个聚类的聚类中心向量间明氏距离，最小明氏距离对应的聚类为所述待定位位置的信号向量所属的聚类。
6.如权利要求2所述的WiFi环境中的定位方法，其特征在于，
所述步骤23进一步为，
步骤61，根据聚类中位置的信号向量，计算聚类的拉普拉斯图；
步骤62，将所述聚类的拉普拉斯图，聚类中所有位置在所述步骤1中采集的所有信源的信号强度，所述聚类的部分位置在所述步骤2中采集的正常信源的信号强度带入流行正则化公式，求解出所述聚类的回归函数。
7.如权利要求3所述的WiFi环境中的定位方法，其特征在于，
所述步骤21和所述步骤22间还包括：
步骤71，对所述步骤1和所述步骤2中采集的信号强度进行高斯平滑和归一化；
所述步骤31和所述步骤32间还包括：
步骤72，对待定位位置所接收到的信源的信号强度进行高斯平滑和归一化。
8.一种WiFi环境中的定位系统，其特征在于，包括：
映射模型建立模块，用于对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模 型；
回归函数求解模块，用于采集部分位置在部分信源缺失环境下的信号强度，根据采集到的所有位置在所有信源无缺失环境下的信号强度和部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数；
位置标识模块，用于在测试阶段检测到待定位位置所接收到的信源的信号强度，将所述信号强度带入所述回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。
9.如权利要求8所述的WiFi环境中的定位系统，其特征在于，
所述回归函数求解模块进一步用于采集部分位置在部分信源缺失环境下的信号强度；
对位置接收的信号源的信号强度进行聚类；对应每个聚类，根据聚类中所有位置采集到的在所有信源无缺失环境下的信号强度和聚类中部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。
10.如权利要求9所述的WiFi环境中的定位系统，其特征在于，
所述位置标识模块进一步用于在测试阶段检测到待定位位置所接收到的信源的信号强度；确定所述待定位位置接收到的信源的信号强度所属的聚类；将所述待定位位置接收到的信源的信号强度带入所属聚类对应的回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度；依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。
11.如权利要求10所述的WiFi环境中的定位系统，其特征在于，
所述映射模型建立模块和所述回归函数求解模块中都被采集到的信号的信源为正常信源，在所述回归函数求解模块中未被采集到的信源为异常信源；
所述回归函数求解模块根据位置接收的信号源的信号强度对信号强度进行聚类时进一步用于将所述映射模型建立模块采集的所有位置上接收的正常信源的信号强度和所述回归函数求解模块采集的部分位置接收的正常信源的信号强度组成信号强度矩阵，矩阵中的行代表位置，列代表正常信号源的信号强度，行向量为对应位置的信号向量；计算各个位置的信号向量间明氏距离，将明氏距离小于预设阀值的信号向量分为同一个聚类。
12.如权利要求11所述的WiFi环境中的定位系统，其特征在于，
所述位置标识模块在根据所述待定位位置接收到的信源的信号强度确定 所述信号强度所属的聚类时进一步对于每个聚类，计算聚类中所有信号向量对应于同一信源的信号强度的平均值，所述平均值组成聚类中心向量；计算待定位位置的信号向量同各个聚类的聚类中心向量间明氏距离，最小明氏距离对应的聚类为所述待定位位置的信号向量所属的聚类。
13.如权利要求9所述的WiFi环境中的定位系统，其特征在于，
所述回归函数求解模块在对应每个聚类求解回归函数时进一步用于根据聚类中位置的信号向量，计算聚类的拉普拉斯图；将所述聚类的拉普拉斯图，聚类中所有位置在所述映射模型建立模块采集的所有信源的信号强度，所述聚类的部分位置在所述回归函数求解模块中采集的正常信源的信号强度带入流行正则化公式，求解出所述聚类的回归函数。
14.如权利要求10所述的WiFi环境中的定位系统，其特征在于，
所述系统还包括归一化平滑模块，用于对所述映射模型建立模块和所述回归函数求解模块采集的信号强度进行高斯平滑和归一化；以及对待定位位置所接收到的信源的信号强度进行高斯平滑和归一化。

WiFi环境中的定位方法及其系统\n技术领域\n[0001] 本发明涉及定位领域，尤其涉及WiFi环境中的定位方法及其系统。\n背景技术\n[0002] 随着现代通信技术的发展以及计算技术的普及，对于定位的要求已不再局限于户外，对室内位置感知计算(Indoor-Location-Aware Computing)的需求也日益增多，例如机场、大型购物广场内的导航、会议指南、资源查找、井下工作人员的定位、老人与儿童监护等等。基于卫星通信的GPS(全球定位系统)是目前应用最为广泛的定位技术，它通过GPS接收器，利用来自4个不同卫星信号到达的时间来估算位置，以提供接近全球的定位覆盖范围服务。GPS系统良好的定位精度，使其在军事和民用领域都获得了广泛的应用。但其最大的限制在于需要与卫星保持视线可视的条件，在室内或建筑物环境中，由于无线信号无法直接传送到移动端设备，因此无法达到要求的定位精度，甚至无法定位；此外应用GPS系统的用户终端的造价也较高，因此GPS不适用于室内定位系统。\n[0003] 基于WiFi协议的无线局域网(WLAN)的定位已得到日益广泛的应用，目前主流的PDA、笔记本等移动设备中都内置了无线网卡，为定位技术提供了设备保障。基于信号强度的定位技术的基本原理是根据接收到的信号的强度推算信号接收器与信号源之间的距离.[0004] 在室内定位系统当中，会发生信源的损耗、故障或断电等状况。某些信源无法正常工作，对于整体环境而言，意味着信号场发生变化。此问题称为动态信源问题。\n[0005] 例如，在现有技术中，室内定位系统根据设备所接收到的RSS信号估计其物理位置。以图1为例，图1中规定任一物理位置为L＝(x，y)，其中x和y各自表示x坐标和y坐标值。以图片左上角为原点，向右为x增加的方向，向下为y增加的方向。该环境中布置N个AP信号源，在图1中N为7。\n[0006] N个AP(接入点)信号源以及墙壁等各结构构成该室内空间特有的信号场分布。\n在训练阶段，一个安装信号采集软件的移动客户端进入该环境，搜索得到N个AP信号源，接收N个AP的信号，该N个AP的信号强度组成N维信号向量。因此，由该设备在某一固定位T\n置所接收到的信号可描述为S＝(s1，s2，…，sN) ∈RN，并且由地图上的坐标，可计算出对应的位置L＝(x，y)。通过在不同位置采集信号，建立出信号到位置的映射模型；测试阶段，基于该模型将实时接收到的信号所处的位置估计出来。\n[0007] 对于动态信源问题，训练阶段设备接收N维向量，而测试阶段设备只接收到N′个T\n向量，S＝(s1，s2，…，sN) 当中只有部分AP的信号si被探测到。同时，又由于时隔一段时间，两阶段环境发生改变且设备也会发生改变，因此测试阶段与训练阶段的信号相比，此时的信号不仅维数不同，而且信号值也并不一致，因此无法用测试阶段的信号与训练阶段的信号进行匹配。\n[0008] 现有技术中一种方法是直接丢弃异常信源信号，另一种方法中论文Terrestrial Mobile User Positioning Using TDOA and FingerprintingTechniques.PhD thesis，University of New South Wales，2006，中将所有异常信源信号值用-100dBm补齐。现有技术中的该些方法都造成定位精度的明显下降。\n发明内容\n[0009] 为了解决上述的技术问题，提供了WiFi环境中的定位方法及其系统，能够提高WiFi环境中定位的精确度。\n[0010] 本发明公开了一种WiFi环境中的定位方法，包括：\n[0011] 步骤1，对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模型；\n[0012] 步骤2，采集部分位置在部分信源缺失环境下的信号强度，根据采集到的所有位置在所有信源无缺失环境下的信号强度和部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数；\n[0013] 步骤3，在测试阶段检测到待定位位置所接收到的信源的信号强度，将所述信号强度带入所述回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。\n[0014] 所述步骤2进一步为，\n[0015] 步骤21，采集部分位置在部分信源缺失环境下的信号强度；\n[0016] 步骤22，对位置接收的信号源的信号强度进行聚类；\n[0017] 步骤23，对应每个聚类，根据聚类中所有位置采集到的在所有信源无缺失环境下的信号强度和聚类中部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。\n[0018] 所述步骤3进一步为，\n[0019] 步骤31，在测试阶段检测到待定位位置所接收到的信源的信号强度；\n[0020] 步骤32，确定所述待定位位置接收到的信源的信号强度所属的聚类；\n[0021] 步骤33，将所述待定位位置接收到的信源的信号强度带入所属聚类对应的回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度；\n[0022] 步骤34，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述定位位置的位置标号。\n[0023] 所述步骤1和所述步骤2中都被采集到的信号的信源为正常信源，在所述步骤2中未被采集到的信源为异常信源；\n[0024] 所述步骤22进一步为，\n[0025] 步骤41，将所述步骤1中采集的所有位置上接收的正常信源的信号强度和所述步骤2中采集的部分位置接收的正常信源的信号强度组成信号强度矩阵，矩阵中的行代表位置，列代表正常信号源的信号强度，行向量为对应位置的信号向量；\n[0026] 步骤42，计算各个位置的信号向量间明氏距离，将明氏距离小于预设阀值的信号向量分为同一个聚类。\n[0027] 所述步骤32进一步为，\n[0028] 步骤51，对于每个聚类，计算聚类中所有信号向量对应于同一信源的信号强度的平均值，所述平均值组成聚类中心向量；\n[0029] 步骤52，计算待定位位置的信号向量同各个聚类的聚类中心向量间明氏距离，最小明氏距离对应的聚类为所述待定位位置的信号向量所属的聚类。\n[0030] 所述步骤23进一步为，\n[0031] 步骤61，根据聚类中位置的信号向量，计算聚类的拉普拉斯图；\n[0032] 所述62，将所述聚类的拉普拉斯图，聚类中所有位置在所述步骤1中采集的所有信源的信号强度，所述聚类的部分位置在所述步骤2中采集的正常信源的信号强度带入流行正则化公式，求解出所述聚类的回归函数。\n[0033] 所述步骤21和所述步骤22间还包括：\n[0034] 步骤71，对所述步骤1和所述步骤2中采集的信号强度进行高斯平滑和归一化；\n[0035] 所述步骤31和所述步骤32间还包括：\n[0036] 步骤72，对待定位位置所接收到的信源的信号强度进行高斯平滑和归一化。\n[0037] 本发明还公开了一种WiFi环境中的定位系统，包括：\n[0038] 映射模型建立模块，用于对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模型；\n[0039] 回归函数求解模块，用于采集部分位置在部分信源缺失环境下的信号强度，根据采集到的所有位置在所有信源无缺失环境下的信号强度和部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数；\n[0040] 位置标识模块，用于在测试阶段检测到待定位位置所接收到的信源的信号强度，将所述信号强度带入所述回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。\n[0041] 所述回归函数求解模块进一步用于采集部分位置在部分信源缺失环境下的信号强度；对位置接收的信号源的信号强度进行聚类；对应每个聚类，根据聚类中所有位置采集到的在所有信源无缺失环境下的信号强度和聚类中部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。\n[0042] 所述位置标识模块进一步用于在测试阶段检测到待定位位置所接收到的信源的信号强度；确定所述待定位位置接收到的信源的信号强度所属的聚类；将所述待定位位置接收到的信源的信号强度带入所属聚类对应的回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度；依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述定位位置的位置标号。\n[0043] 所述映射模型建立模块和所述回归函数求解模块中都被采集到的信号的信源为正常信源，在所述回归函数求解模块中未被采集到的信源为异常信源；\n[0044] 所述回归函数求解模块根据位置接收的信号源的信号强度对信号强度进行聚类时进一步用于将所述映射模型建立模块采集的所有位置上接收的正常信源的信号强度和所述回归函数求解模块采集的部分位置接收的正常信源的信号强度组成信号强度矩阵，矩阵中的行代表位置，列代表正常信号源的信号强度，行向量为对应位置的信号向量；计算各个位置的信号向量间明氏距离，将明氏距离小于预设阀值的信号向量分为同一个聚类。\n[0045] 所述位置标识模块在根据所述待定位位置接收到的信源的信号强度确定所述信号强度所属的聚类时进一步对于每个聚类，计算聚类中所有信号向量对应于同一信源的信号强度的平均值，所述平均值组成聚类中心向量；计算待定位位置的信号向量同各个聚类的聚类中心向量间明氏距离，最小明氏距离对应的聚类为所述待定位位置的信号向量所属的聚类。\n[0046] 所述回归函数求解模块在对应每个聚类求解回归函数时进一步用于根据聚类中位置的信号向量，计算聚类的拉普拉斯图；将所述聚类的拉普拉斯图，聚类中所有位置在所述映射模型建立模块采集的所有信源的信号强度，所述聚类的部分位置在所述回归函数求解模块中采集的正常信源的信号强度带入流行正则化公式，求解出所述聚类的回归函数。\n[0047] 所述系统还包括归一化平滑模块，用于对所述映射模型建立模块和所述回归函数求解模块采集的信号强度进行高斯平滑和归一化；以及对待定位位置所接收到的信源的信号强度进行高斯平滑和归一化。\n[0048] 本发明的有益效果在于，通过基于流形正则化框架的回归方法来处理动态信源问题，使得定位系统对信源的损耗以及断电等故障有足够的容错能力以提高系统鲁棒性，不仅可以避免重复收集数据的人工劳动，同时能够保持有效的定位精确度；并且定位精度同不补充缺失信源的方法相比，3m以内提高13％，1m以内提高18％。\n附图说明\n[0049] 图1是举例的进行定位的WiFi环境示意图；\n[0050] 图2是本发明WiFi环境中的定位方法的流程图；\n[0051] 图3是本发明WiFi环境中的定位方法的具体实施方式的流程图；\n[0052] 图4是本发明WiFi环境中的定位系统的结构图。\n具体实施方式\n[0053] 下面结合附图，对本发明做进一步的详细描述。\n[0054] 在一个举例中，图1所示的WiFi环境中检测到的信号如表1所示。\n[0055] \n AP1 AP2 AP3 AP4 AP5 AP6 AP7\n L4&Train@t1 -69 -52 -49 -56 -58 -68 -65\n L4&Train@t3 -70 -55 -48 -49 -58 -68 -58\n L4&Train@t19 -61 -61 -43 -60 -60 -76 -72\n L4&Test@t1 -65 -59 -50 -57 -61\n L5&Train@t1 -60 -56 -37 -56 -62 -68 -63\n L5&Test@t1 -52 -54 -30 -58 -66\n L100&Train@t1 -80 -72 -72 -39 -46 -67 -56\n L100&Test@t1 -72 -62 -59 -41 -31\n[0056] 表1\n[0057] 表1中Lx表示图1中的标号x方格，如L4表示标号4的方格。Train表示训练阶段，Test表示测试阶段，tx表示在某一位置上的x时刻采集。采集数据时，在同一个地点采集一定时间段的信号。在本例中，测试阶段由于出现动态信源问题而无法探测到接入点AP6和接入点AP7的信号。\n[0058] 在WiFi环境中的信号、时间、以及距离间具备如下特点。\n[0059] (1)在同一个位置上两阶段所接收到的信号向量相比于其他位置的信号向量更为接近，如在L4&Test接收到的信号向量相比于L5位置和L100位置更接近于L4&Train。\n[0060] (2)在同一个位置上，时间相邻更近的两个信号向量，在信号空间中距离更接近，如L4&Train@t1信号向量相比于L4&Train@t19的信号向量同L4&Train@t3的信号空间向量的距离更小。\n[0061] (3)空间上接近的两个位置，其对应的信号向量距离更为相近，如相比于L100，L4上所采集到的信号向量同L5上的信号向量的距离更小。\n[0062] (4)物理位置上更接近信号源的信号向量，其信号值更强，如L4接近AP3，在第3维的信号更强。\n[0063] 利用上述规律本发明WiFi环境中的定位方法，如图2所示。\n[0064] 步骤S100，在训练阶段，对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模型。\n[0065] 步骤S200，在训练阶段，采集部分位置在部分信源缺失环境下的信号强度，根据采集到的所有位置在所有信源无缺失环境下的信号强度和部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。\n[0066] 步骤S300，在测试阶段，检测到待定位位置所接收到的信源的信号强度，将该些信号强度带入所述回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度，依据待定位位置接收的信号强度和补充信号强度由映射模型计算出所述待定位位置的位置标号。\n[0067] 较佳的，步骤S200进一步为，\n[0068] 步骤S210，采集部分位置在部分信源缺失环境下的信号强度。\n[0069] 步骤S220，对位置接收的信号源的信号强度进行聚类。\n[0070] 步骤S230，对应每个聚类，根据聚类中所有位置采集到的在所有信源无缺失环境下的信号强度和聚类中部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。\n[0071] 较佳的，\n[0072] 所述步骤S300进一步为，\n[0073] 步骤S310，在测试阶段检测到待定位位置所接收到的信源的信号强度。\n[0074] 步骤S320，确定待定位位置接收到的信源的信号强度所属的聚类。\n[0075] 步骤S330，将所述待定位位置接收到的信源的信号强度带入所述信号强度所属聚类对应的回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度。\n[0076] 步骤S340，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述定位位置的位置标号。\n[0077] 具体实施方式如图3所示。\n[0078] 步骤S301，在训练阶段，对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模型。\n[0079] 将WiFi环境的区域划分m个位置，分别用设备1和设备2在位置上采集信号。设备1采集阶段模拟所有信源均无缺失时的环境，设备1采集到所有位置的所有信源信号。\nWiFi环境中共有N个AP(接入点)，设备1采集m个位置的N个AP的信号，m×N的矩阵表示各个位置接收的各个AP的信号强度，其中，行对应位置，列对应为AP。\n[0080] 设备2采集部分信源无法工作时的环境下部分位置的部分AP信号强度。\n[0081] 设备2采集m′个位置的N′个AP的信号，N＞N′，m＞m′，m′×N′的矩阵表示部分位置接收的部分AP的信号强度，其中，行对应位置，列对应为AP。\n[0082] 设备1和设备2在采集信号强度的同时，记录下每个信号强度对应的采集时间。\n[0083] 步骤S302，对设备1和设备2采集的信号强度数据进行预处理。\n[0084] 因为AP信号具有高噪声，对设备1和设备2采集的信号强度的数据进行了高斯平滑；并对信号强度对应的数据进行归一化处理，使信号强度归一化到[0，1]区间。\n[0085] 因为用户在短时间行走过程中不会跨越太长的距离，因而信号不会产生巨大的跳跃，所以信号强度的数据应该是比较平滑的衰减过程。高斯平滑能够有效地剔除噪声数据，提高定位的精确度。\n[0086] 步骤S303，对位置接收的信号源的信号强度进行聚类。\n[0087] 信号被设备1和设备2被采集到的信源为正常信源，信号没有被设备2采集到的信源为异常信源。\n[0088] 选取设备1采集的信号矩阵中N’个正常信源的m×N′矩阵，结合设备2采集的m′×N′矩阵，构成信号矩阵S，信号矩阵S为(m+m′)×N′，行对应位置，列对应为正常信源。\n[0089] 采用距离相似函数计算位置间的相似度，根据相似度对位置聚类。\n[0090] 信号矩阵的每一行对应为一个信号向量。\n[0091] 利用KNN方法，其中使用的距离相似函数为明氏距离||si-sj||p，Si表示信号矩阵S的第i行，sj表示信号矩阵S的第j行，信号矩阵的每一行可以叫做一个信号向量。\n||si-sj||p代表两个信号向量的相似程度，值越小，说明两个向量的相似度越大，越有可能聚成一类。将相似度小于预设阀值的信号向量聚为一类，将采集到的所有信号聚类，聚合相p 1/p\n似向量。明氏距离的计算公式为||si-sj||p＝dij(p)＝(|si-sj|) 。\n[0092] 步骤S304，对每个聚类，利用流行正则化方法求对应的回归函数。\n[0093] 步骤S304具体实现方式如步骤S304a和S304b所示。\n[0094] 步骤S304a，按正则化方法计算拉普拉斯图L＝D-W，，其中，W为邻接矩阵，D为对角矩阵；对角线矩阵D的对角线上元素为邻接矩阵W各行元素的和。\n[0095] 构造邻接矩阵W的方法如步骤S304a1至S304a5所述。\n[0096] 步骤S304a1，对于每个信号向量si∈S，按位置的信号向量间的明氏距离决定位置的初始的k个邻居，k个邻居对应的信号向量为si1，…，sik记为 邻居按离si的距离||si-sj||p升序排列。\n[0097] si表示信号矩阵S的第i行，信号矩阵的每一行为一个信号向量。\n[0098] 采用明氏距离||si-sj||p进行计算，如果信号向量sj与si的明氏距离最小，则两者相似度最大，则sj为si的一个邻居，并升序排序时排在第一个，表示为si1。\n[0099] 步骤S304a2，计算si-siI的所有奇异值集合{σj(k，i)}，并有序排列，表示为以第d个的奇异值为界，按如下公式计算比值。\n[0100] \n[0101] 步骤S304a3，如果 其中，η1，η2为预设的比值上下界，则 执\n行步骤S304b。\n[0102] 步骤S304a4，如果 添加一个近邻，k+1个近邻并执行步骤S304a1；如果(k) (k-1)\n去除Si 的最后邻居，并得到Si ，返回步骤S304a1。\n[0103] 添加近邻的方法具体为按明氏距离；将第k+1个离信号向量si最近的信号向量作为第k+1个邻居。\n[0104] 步骤S304a5，将小于一定时间间隔||ti-tj||＜ΔT的两个信号向量连接起来，并如同上述方法找出邻居点。\n[0105] 步骤S304b，将聚类的拉普拉斯图，聚类中所有位置在设备1采集的所有信源的信号强度，聚类中对应于设备2采集的正常信源的信号强度带入流行正则化公式，求解出所述聚类的回归函数。\n[0106] 文献Belkin，M.，Niyogi，P.，& Sindhwani，V.(2004b)，Manifoldregularization：\nA geometric framework for learning from examples，Technical Report TR-2004-06，University of Chicago中记载有流行正则化的具体计算步骤。\n[0107] 步骤S305，在测试阶段，测试样本为全部未标定的用户行走轨迹形成的信号序列。\n[0108] 步骤S306，对测试样本进行预处理。\n[0109] 采用和训练样本预处理一样的高斯平滑方法，剔除测试样本中的噪声。对样本进行归一化处理，使之变化到[0，1]区间。\n[0110] 步骤S307，确定未标记的待定位位置接收的信号的信号强度所属的聚类。\n[0111] 对于每个聚类，计算聚类中所有信号向量对应于同一信源的信号强度的平均值，所述平均值组成聚类中心向量。计算待定位位置的信号强度同各个聚类的聚类中心向量间明氏距离，最小明氏距离对应的聚类为所述待定位位置的信号强度所属的聚类。\n[0112] 步骤S308，将待定位位置所接收到的正常信源的信号强度带入该信号强度所属聚类的回归函数，计算出在待定位位置上异常信源对应的信号强度，该信号强度作为对应异常信源的补充信号强度。\n[0113] 输入待定位位置上的包含N’个AP信号强度的信号向量到回归函数中，得到待定位位置上未接收到N-N’个AP的信号强度，该信号强度为对应AP的补充信号强度。步骤S309，依据待定位位置接收的正常信源的信号强度和异常信源的补充信号强度由映射模型计算出该定位位置的位置标号。\n[0114] 比如K最近邻(K-NN)方法作为映射模型，首先将待定位位置接收的正常信源的信号强度和异常信源的补充信号强度与采集所有位置在所有信源无缺失环境下的各个信号强度向量进行比较，使用明氏距离公式计算它们两两之间的距离，并选出与之距离最小的K个邻居，然后对这K个邻居所对应的位置坐标求平均，将此平均值作为信号强度对应的位置。\n[0115] 一种WiFi环境中的定位系统如图4所示。\n[0116] 映射模型建立模块100，用于对WiFi环境的区域进行位置划分，采集所有位置在所有信源无缺失环境下的信号强度建立信号强度到位置标号间的映射模型。\n[0117] 回归函数求解模块200，用于采集部分位置在部分信源缺失环境下的信号强度，根据采集到的所有位置在所有信源无缺失环境下的信号强度和部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。\n[0118] 位置标识模块300，用于在测试阶段检测到待定位位置所接收到的信源的信号强度，将所述信号强度带入所述回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度，依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述待定位位置的位置标号。\n[0119] 较佳的，回归函数求解模块200进一步用于采集部分位置在部分信源缺失环境下的信号强度；对位置接收的信号源的信号强度进行聚类；对应每个聚类，根据聚类中所有位置采集到的在所有信源无缺失环境下的信号强度和聚类中部分位置在部分信源缺失环境下的信号强度按流行正则化方法求解回归函数。\n[0120] 较佳的，位置标识模块300进一步用于在测试阶段检测到待定位位置所接收到的信源的信号强度；确定所述待定位位置接收到的信源的信号强度所属的聚类；将所述待定位位置接收到的信源的信号强度带入所属聚类对应的回归函数，计算出在待定位位置上未接收到信号强度的信源对应的补充信号强度；依据待定位位置接收的信号强度和补充信号强度由所述映射模型计算出所述定位位置的位置标号。\n[0121] 较佳的，映射模型建立模块100和回归函数求解模块200中都被采集到的信号的信源为正常信源，在回归函数求解模块200中未被采集到的信源为异常信源；\n[0122] 回归函数求解模块200根据位置接收的信号源的信号强度对信号强度进行聚类时进一步用于将映射模型建立模块100采集的所有位置上接收的正常信源的信号强度和回归函数求解模块200采集的部分位置接收的正常信源的信号强度组成信号强度矩阵，矩阵中的行代表位置，列代表正常信号源的信号强度，行向量为对应位置的信号向量；计算各个位置的信号向量间明氏距离，将明氏距离小于预设阀值的信号向量分为同一个聚类。\n[0123] 较佳的，位置标识模块300在根据所述待定位位置接收到的信源的信号强度确定所述信号强度所属的聚类时进一步对于每个聚类，计算聚类中所有信号向量对应于同一信源的信号强度的平均值，所述平均值组成聚类中心向量；计算待定位位置的信号向量同各个聚类的聚类中心向量间明氏距离，最小明氏距离对应的聚类为所述待定位位置的信号向量所属的聚类。\n[0124] 较佳的，回归函数求解模块200在对应每个聚类求解回归函数时进一步用于根据聚类中位置的信号向量，计算聚类的拉普拉斯图；将所述聚类的拉普拉斯图，聚类中所有位置在映射模型建立模块100采集的所有信源的信号强度，所述聚类的部分位置在回归函数求解模块200中采集的正常信源的信号强度带入流行正则化公式，求解出所述聚类的回归函数。\n[0125] 较佳的，系统还包括归一化平滑模块，用于对映射模型建立模块100和回归函数求解模块200采集的信号强度进行高斯平滑和归一化；以及对待定位位置所接收到的信源的信号强度进行高斯平滑和归一化。\n[0126] 本领域的技术人员在不脱离权利要求书确定的本发明的精神和范围的条件下，还可以对以上内容进行各种各样的修改。因此本发明的范围并不仅限于以上的说明，而是由权利要求书的范围来确定的。