基于图像边缘检测的wlan室内用户运动地图构建-周牧.pdf
《基于图像边缘检测的wlan室内用户运动地图构建-周牧.pdf》由会员分享,可在线阅读,更多相关《基于图像边缘检测的wlan室内用户运动地图构建-周牧.pdf(7页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、 第 45 卷 第 2 期 电 子 科 技 大 学 学 报 Vol.45 No.2 2016年 3月 Journal of University of Electronic Science and Technology of China Mar. 2016 基于图像边缘检测的 WLAN室内用户运动地图构建 周 牧,张 巧,田增山,蒲巧林,李玲霞 (重庆邮电大学移动通信技术重庆市重点实验室 重庆 南岸区 400065) 【 摘要 】 针对传统 WLAN室内指纹定位需在离线阶段采集大量指纹数据,或即时定位与地图构建 (SLAM)中要求终端包含运动传感器等特殊功能模块的问题,该文首先通过在定位目标区
2、域内随机采集若干条接收信号强度 (RSS)序列,并对带有时间戳标记的 RSS序列进行谱聚类处理,以构建 RSS类转移图;然后,利用图像边缘检测方法,建立运动用户所对应的信号空间逻辑图;最后,根据信号空间逻辑图与定位目标区域的物理连接图的映射关系,完成对用户位置的估计。此外,采用绘图正交算法对逻辑图与物理连接图进行绘制,以增强用户运动地图的可读性和可靠性。 关 键 词 边缘检测 ; 绘图 ; 室内定位 ; 逻辑图 ; WLAN 中图分类号 TP391 文献标志码 A doi:10.3969/j.issn.1001-0548.2016.03.014 Edge Detection Based Ind
3、ividual Mobility Graph Construction in WLAN Indoor Environment ZHOU Mu, ZHANG Qiao, TIAN Zeng-shan, PU Qiao-lin, and LI Ling-xia (Chongqing Key Lab of Mobile Communications Technology, Chongqing University of Posts and Telecommunications Nanan Chongqing 400065) Abstract In response to the issues of
4、the time-consuming and labor-intensive fingerprint collection involved in the conventional wireless local area networks (WLAN) indoor localization, as well as the specific requirement for motion sensors in simultaneous localization and mapping (SLAM), we first use the off-the-shelf smartphones to sp
5、oradically collect a batch of time-stamped received signal strength (RSS) sequences, and then conduct spectral clustering on RSS sequences to build RSS cluster graphs. Second, we construct the logic graph in signal space corresponding to the individual movement by using the concept of edge detection
6、 in image. Finally, based on the mapping between the logic graph in signal space and physical graph of the target environment, we realize individual localization. Furthermore, the orthogonal algorithm in graph drawing is considered to depict both the logic graph and physical graph in a readable mann
7、er, and enhance the reliability of the graphs. Key words edge detection; graph drawing; indoor localization; logic graph; WLAN 收稿日期: 2014 12 25;修回日期: 2015 11 20基金项目:国家自然科学基金 (61301126);长江学者和创新团队发展计划 (IRT1299);重庆市科委重点实验室专项 (CSTC);重庆市基础与前沿研究计划 (cstc2013jcyjA40041, cstc2015jcyjBX0065) 作者简介:周牧 (1984 ),男
8、,博士,教授,主要从事无线定位技术、机器学习与人工智能、凸优化理论等方面的研究 . 随着无线局域网 (WLAN)的广泛部署,利用WLAN基础设施进行定位可以大大降低定位设备和系统维护的开销。目前,基于 RSS的室内 WLAN位置指纹定位系统得到了广泛的关注1-3。该系统主要包括两个阶段,即离线阶段和在线阶段。在离线阶段,系统需在定位目标区域内选择一定数目的参考点 (reference point, RP),并在每个参考点处测量来自不同接入点 (access point, AP)的信号强度值,建立位置指纹数据库;在在线阶段,通过用户实测 RSS值与位置指纹数据库中的指纹数据进行匹配,从而实现对用
9、户的定位。 位置指纹定位方法需在离线阶段采集所选 RP处来自不同 AP的信号强度值,从而需要大量的人力和时间开销。为了解决这一问题,人们提出了基于即时定位与 SLAM的室内 WLAN定位方法4-5。 然而,由于 SLAM定位方法需要利用传感器信息进行辅助定位,所以其对终端设备的选择会有特殊的要求。同时,考虑到在大多数基于位置的服务 (location based services, LBS)中,往往勿需精确计算用户的位置坐标,而仅需获得用户所处的位置区域或其周边的位置信息。基于此,本文提出了一种基于图像边缘检测的 WLAN室内用户运动地图构建及映射方法,首先在定位目标区域内随机采集一定数目的R
10、SS序列;然后,利用谱聚类算法对带有时间戳标记的 RSS序列进行聚类处理,以构建 RSS类转移图;其次,利用图像边缘检测方法,对得到的 RSS类转 第 2期 周牧,等 : 基于图像边缘检测的 WLAN室内用户运动地图构建 241 移图进行拼接,以建立运动用户所对应的信号空间逻辑图;最后,根据信号空间逻辑图与定位目标区域的物理连接图的映射关系,完成对用户位置的估计。此外,采用绘图正交算法对逻辑图与物理连接图进行绘制,以增强图形结构的可读性和可靠性。 1 基于图像边缘检测的 WLAN室内用户运动地图构建与映射 1.1 信号采集 定义移动终端在定位目标区域内随机采集的 z条接收信号的强度序列为12R
11、SS ,RSS , ,jjjS = null RSS jjM(j=1,2, , z),其中, Sj为第 j条 RSS序列, Mj为第 j条接收信号强度序列的长度,即接收信号强度矢量个数,12RSS (RSS ,RSS , ,RSS )jkjkjk jkn= null , (1, 2, , )jkM= null 为第 j条接收信号序列中第 k个 RSS矢量, n为 AP个数,jkrRSS ( (1,2, , )rn= null为第 j条接收信号强度序列中第 k个 RSS矢量内来自第 r个 AP的信号强度值。 在完成对接收信号强度序列的采集后,将各序列中的 RSS矢量按升序标记时间戳。对于每个接收
12、信号强度矢量中的时间戳和 RSS进行加权,构成混 合矢量1(,RS,RS)jk ts rss jk rss jknkww w = null ,其中, jk为第 j条接收信号强度序列中第 k个混合矢量, wts和wrss分别为时间戳和 RSS的权重,且 wts+wrss=1。 1.2 逻辑图构建 对每一条包含混合矢量的接收信号强度序列进行谱聚类6,以得到每个混合矢量所属的聚类号及相应聚类的类心,然后利用中值滤波对序列中不同混合矢量所属的聚类号进行平滑处理,并根据相邻聚类的转移关系,以连接图的形式构建每条序列所对应的 RSS类转移图,其中,中值滤波后的类号重排过程,其目的是得到较为规整的类号转移关
13、系。 当得到所有 RSS类转移图后,将利用图像边缘检测技术,确定不同 RSS类转移图中不同聚类之间的相关性,同时合并相关性大于门限 Std的 RSS聚类,以实现对不同 RSS类转移图的拼接,从而得到所有待筛选的信号逻辑图。具体步骤为: 1) 将所有接收信号强度序列按序号升序排列为1211 12 1 21 22 2RSS ,RSS , ,RSS ,RSS ,RSS , ,RSS ,MM = nullnull12RSS ,RSS , ,RSS zzz Mnull 。 2) 计算 中不同接收信号强度矢量的欧式距离,得到距离矩阵 Mdis,其中, Mdis表示为: 11 12 121 22 2dis1
14、2.MMMM Mdi di didi di didi di di = nullnullnullnullM (1) 式中, M为序列 中接收信号强度矢量个数; didi1di2 (di1, di2=1,2, ,M)为序列 中第 di1和第 di2个接收信号强度矢量的欧氏距离,即相关性度量值。 3) 设定门限 Std,当 didi1di2Std时,令 didi1di2=1;当 didi1di2 Std时,令 didi1di2=0。 4) 由于矩阵 Mdis中每个元素刻画了序列 中对应接收信号强度矢量的相关性。 对 Mdis做中值滤波处理,可有效剔除矩阵中的奇异值元素,即减小环境噪声的影响。 图 1
15、为对原始矩阵进行中值滤波后所得的二值图像。 2004006008001 0001 2001 400RSS IDs 500 1 000 1 500RSS IDs 图 1 中值滤波处理后的二值图像 此外,对图 1中的二值图像进行腐蚀处理,能够得到矩阵中数值为 1的元素块, 即相关性较大的元素集合。由于矩阵中 (xpi, ypi)(xpi, ypi=1,2, ,M)处的元素值表示序列 中第 xpi个和第 ypi个接收信号强度的相关性,故相关性较大的元素集合能够有效表征序列 中相关性较强的接收信号强度序列。图 2为经腐蚀处理后的二值图像。 RSS IDs 500 1 000 1 5005001 000
16、1 500RSS IDs 图 2 腐蚀处理后的二值图像 5) 选定二值图像中横向和纵向边缘检测 Sobel 电 子 科 技 大 学 学 报 第 45 卷 242卷积因子 Gx和 Gy,并用 3 3的滑动窗遍历腐蚀图像中的元素,得到腐蚀图像中第 dis_a行且第 dis_b列的元素, Ero(dis_a, dis_b)(dis_a, dis_b=1,2, ,M),在横向和纵向的灰度差分值 Gx_dis_a和 Gy_dis_a,其中, Gx和 Gy分别为: 121 101000, 202121 101xy+ += +GG (2) 此外, Gx_dis_a和 Gy_dis_a分别为: _dis_di
17、s_Ero(dis _ ) 1,(dis _ ) 1)2Ero(dis _ ),(dis _ ) 1)Ero(dis _ ) 1,(dis _ ) 1)Ero(dis _ ) 1,(dis _ ) 1)2Ero(dis _ ),(dis _ ) 1)Ero(dis _ ) 1,(dis _ ) 1)Ero(dis _ ) 1,(dis _ ) 1)2Ero(dixaybababababab=+=+GGs_ ) 1,(dis_ )Ero(dis _ ) 1,(dis _ ) 1)Ero(dis _ ) 1,(dis _ ) 1)2Ero(dis _ ) 1,(dis _ )Ero(dis _ )
18、 1,(dis _ ) 1)ababab+ (3) 由 Gx_dis_a和 Gy_dis_a,可利用式 (4)计算得到元素 Ero(dis_a, dis_b)的灰度差分值 Gxy,即: _dis_ _dis_|xyxa ybG =+GG (4) 设定灰度差分门限 Gth,当 Gxy Gth时,令Ero(dis_a, dis_b)=1 ,当 GxyGth时,令 Ero(dis_a, dis_b)=0。图 3为经腐蚀处理后的某局部图像,图 4为图 3经边缘检测后所得到的图像。 从图 4可以看出,经边缘检测后所得图像,将原始矩阵中相关性较大的元素块的边缘轮廓信息进行了提取,根据轮廓的长度和宽度可得对
19、应的接收信号强度矢量序号。 330 340 350 360 370 200 220 240RSS IDs RSS IDs 图 3 腐蚀处理后的某局部图像 190200210220230330 340 350 360 370RSS IDs RSS IDs 图 4 边缘检测后的某局部图像 在将腐蚀后的图像经边缘检测后,可得序列 中所有相关性较大的接收信号强度矢量的序号。此外,根据 RSS类转移图构建中的谱聚类结果,可知每个接收信号强度矢量的所属聚类,从而,利用 中所有相关性较大的接收信号强度矢量的序号信息,可得 中相关性较大的 RSS聚类。将相关性较大的 RSS聚类进行合并, 用合并前各 RSS聚
20、类的类心均值作为合并后的新的类心,且保持合并前后各类之间的连接关系。最后,将此拼接后的逻辑图与剩余未拼接的逻辑图共同构成待筛选的逻辑图。 6) 以定位目标区域内的每个物理交叉路口作为区域边界进行子区域划分,并对每个子区域进行序号标记。此外,在定位目标区域内随机选择少量标记位置点 (calibration point, CP),且在各标记位置点处采集少量来自不同 AP的信号强度值,并将其均值矢量作为各标记位置点的代表矢量 (representative vector, RV)。 7) 计算得到与每个 RV具有最小欧式距离的信号逻辑图中的节点 (或称逻辑节点 ), 且令此逻辑节点与该 RV所对应子
21、区域存在映射关系。同时,剔除包含与不止一个子区域存在映射关系的逻辑节点的待筛选信号逻辑图。 8) 根据逻辑图与物理连接图 (即根据物理区域邻接关系所确定的以各子区域为节点、子区域邻接关系为边的连通图 )的映射关系,选择对于标记位置点具有最高平均定位精度的信号逻辑图为最优信号逻辑图。对于一个给定的标记位置点,其所对应的定位精度定义为:在该标记位置点上采集的能够正确定位到其所对应子区域的信号强度矢量个数与采集的信号强度矢量总数的比值,即: proncx concnuNR= (5) 式中, proncx表示第 x个待筛选信号逻辑图关于第 nc 第 2期 周牧,等 : 基于图像边缘检测的 WLAN室内
22、用户运动地图构建 243 个标记位置点的定位精度, nuconc为第 nc个标记位置点上采集的能够正确定位到其所对应子区域的信号强度矢量个数; NR为第 nc个标记位置点上采集的信号强度矢量总数。于是,对于所有标记位置点的平均定位精度为: mean11pro proNCx xncncNC=(6) 1.3 逻辑图与物理连接图的映射 在上节讨论的逻辑图构建步骤 8)中,最优信号逻辑图的选择需要利用待筛选逻辑图与物理连接图的映射关系。该映射关系的构建过程如下: 1) 计算物理连接图中各子区域的邻接度(adjacent degree, AD)。对于一个给定的子区域,其邻接度定义为:该子区域与其邻接子区
23、域在物理连接图中所对应的度数总和。定义子区域的最大和最小邻接度为 Amag和 Amig。 2) 对于第 x(x=1,2, ,y)个待筛选逻辑图 Grx,其中, y为待筛选逻辑图个数。同样,计算 Grx中各逻辑节点的邻接度。对于一个给定的逻辑节点,其邻接度定义为:该逻辑节点与其邻接逻辑节点的度数总和。 3) 令 Grx中逻辑节点的最大和最小邻接度为Amal和 Amil,且将每个逻辑节点的邻接度 VADl修正为VADg,即: mag migADg mig ADl milmal mil()AAVA VAAA=+ (7) 4) 对于一个给定的逻辑节点,选择物理连接图中与其具有最小邻接度距离的子区域,作
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 图像 边缘 检测 wlan 室内 用户 运动 地图 构建 周牧
限制150内