基于粒子滤波算法的WLAN室内跟踪方法

1.基于粒子滤波算法的WLAN室内跟踪方法，其特征是：它由以下步骤实现：
步骤一、针对室内环境布置N个接入点AP，确保所述环境中任意一点被一个或一个以上的接入点AP发出的信号覆盖，并在所述室内环境中均匀设置NRP个参考点；
步骤二、选取一个参考点为坐标原点建立二维直角坐标系，获得NRP个参考点在该二维直角坐标系中的坐标位置，在离线阶段中在每个参考点上利用信号接收机采集来自每一个接入点AP的信号强度RSS值，并利用最大似然法计算每个参考点的信号强度先验概率分布；
步骤三、在第k时刻下，对描述粒子分布的重要性密度函数进行采样，获得Ns个粒子点，计算第i个粒子点坐标与每个参考点坐标之间的欧几里得距离，并选择欧几里得距离最小值所对应的参考点坐标作为该粒子点的修正坐标；所述i＝1、2……Ns；
步骤四、根据步骤二获得的每个参考点的信号强度先验概率分布和重要性密度函数以及第k-1时刻粒子点的权值计算第k时刻粒子点所对应的权值
步骤五、根据步骤四获得的第k时刻的粒子点的权值，采用重采样算法对当前时刻的粒子点进行重新采样得到新的粒子点作为当前时刻的粒子点，并替代原有的粒子点，并获得最终的位置估计坐标；所述最终的位置估计坐标即为第k时刻下待跟踪目标的坐标；然后返回执行步骤三，获得下一时刻的待跟踪目标的坐标；
N、Ns、NRP为正整数；k为大于或等于1的整数。
2.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤二中所述利用最大似然法计算每个参考点的信号强度先验概率分布是通过公式：

获得的，式中，sj为第u个参考点处接收第j个AP的信号强度值；count(sj)表示在第u个参考点处接收到信号强度为sj的信号数量；为第k时刻第u个参考点的位置坐标；
j＝1、2……NRP。
3.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤三中所述对重要性密度函数采样获得粒子点，计算第i个粒子点坐标与每个参考点坐标之间的欧几里得距离是通过公式：
$d_k^{\mathrm{ij}}=\sqrt{{(x_k^i-x_j)}^2+{(y_k^i-y_j)}^2}$
获得的；其中，表示第k时刻第i个粒子的坐标；(xj，yj)表示第j个参考点的坐标。
4.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤三中所述选择欧几里得距离最小值min所对应的参考点坐标作为该粒子点的修正坐标是通过修真公式：
$(x_k^i,y_k^i)=(x_j,y_j){|}_{d_k^{\mathrm{ij}}=\min }$
获得的。
5.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤四中所述根据粒子滤波算法理论，计算第i个粒子点所对应的权值是根据公式：
获得的；式中，为第k时刻第i个粒子所对应的权值；∝表示正比于关系；和分别表示粒子点为时接收信号样本为Zk时的概率及粒子的转移概率；为第k-1时刻第i个粒子所对应的权值，由于每一步都利用了重采样算法，因此第k-1时刻的权值为1/Ns；sj为第u个参考点接收到的第j个AP的RSS值。
6.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤五中所述采用重采样算法对每个粒子进行重新采样得到新的粒子集的表达式为：；获得最终的位置估计坐标是通过公式：获得的。

暂无