《一种基于隐马尔科夫模型的室内定位方法.pdf》由会员分享，可在线阅读，更多相关《一种基于隐马尔科夫模型的室内定位方法.pdf（11页珍藏版）》请在专利查询网上搜索。
1、(10)申请公布号 (43)申请公布日 (21)申请号 201410812548.6(22)申请日 2014.12.24H04W 64/00(2009.01)(71)申请人福建师范大学地址 350117 福建省福州市大学城福建师范大学旗山校区(72)发明人叶阿勇 绍剑飞 陈秋玲 郑永星李亚成(74)专利代理机构福州元创专利商标代理有限公司 35100代理人蔡学俊(54) 发明名称一种基于隐马尔科夫模型的室内定位方法(57) 摘要本发明涉及一种基于隐马尔科夫模型的室内定位方法，该方法利用RSSI指纹特征进行定位，包括离线阶段和实时定位阶段；离线阶段包括：设置信标基站和参考位置；建立参考位置的无向。
2、连通图并据此建立位置转移矩阵；在每个参考位置采集各个信标基站的RSSI特征值，建立定位区域的RSSI指纹数据库；利用贝叶斯方法构建参考位置和RSSI指纹的混淆矩阵，建立隐马尔科夫定位模型；实时定位阶段包括：移动设备采集实时RSSI特征值并发送给定位服务器；定位服务器计算连续运动最大可能的轨迹序列，将轨迹序列的最后位置作为定位结果。该方法可以有效降低连续运动过程中RSSI波动对定位结果造成的误差,提高了室内无线定位的精度和稳定性。(51)Int.Cl.(19)中华人民共和国国家知识产权局(12)发明专利申请权利要求书2页 说明书6页 附图2页(10)申请公布号 CN 104469942 A(43。
3、)申请公布日 2015.03.25CN 104469942 A1/2 页21. 一 种 基 于 隐 马 尔 科 夫 模 型 的 室 内 定 位 方 法， 其 特 征 在 于， 该 方 法 包 括 离 线 阶 段 和 实时定位阶段 ；离线阶段包括以下步骤 ：步骤 101 ： 根据定位区域设置信标基站和参考位置 ；步 骤 102 ： 建 立 参 考 位 置 的 无 向 连 通 图， 并 根 据 参 考 位 置 的 无 向 连 通 图 建 立 位 置 转 移矩阵 ；步骤 103 ： 在每个参考位置采集各个信标基站的 RSSI特征值， 建立定位区域的 RSSI指纹数据库 ；步 骤 104 ： 利 用 。
4、贝 叶 斯 方 法 构 建 参 考 位 置 和 RSSI 指 纹 的 混 淆 矩 阵， 建 立 基 于 隐 马 尔 科夫模型的定位模型， 即隐马尔科夫定位模型 ；实时定位阶段包括以下步骤 ：步骤 201 ： 移动设备采集实时 RSSI 特征值并发送给定位服务器 ；步骤 202 ： 定位服务器基于 Viterbi算法计算连续运动最大可能的轨迹序列， 将轨迹序列的最后位置作为定位结果。2. 根 据 权 利 要 求 1 所 述 的 一 种 基 于 隐 马 尔 科 夫 模 型 的 室 内 定 位 方 法， 其 特 征 在 于， 隐马尔科夫定位模型定义为一个五元组 HMLM=n, m, , A, B， 。
5、其中， n是参考位置的个数，m 是信标基站的个数， =i， i=1,n， i表示初始状态 i 的概率， A 是位置转移矩阵， B是混淆矩阵。3. 根 据 权 利 要 求 2 所 述 的 一 种 基 于 隐 马 尔 科 夫 模 型 的 室 内 定 位 方 法， 其 特 征 在 于， 位置 转 移 矩 阵 A 的 构 造 方 法 为 ： 根 据 设 置 的 参 考 位 置 和 定 位 区 域 的 结 构 布 局， 建 立 参 考 位 置的无向连通图 G， 根据无向连通图 G 和 Dijkstra 算法， 得到参考位置之间的最短距离， 然后根据泊松分布特性构建位置转移矩阵， 即 ：其中， pij表示。
6、参考位置 li到参考位置 lj的转移概率， dij表示参考位置 li到参考位置lj的最短距离， 表示移动速率 ；对 pij做归一化处理， 即 ， 得到系数 ；令 aij= pij， 得到位置转移矩阵 A=aij, i,j=1,2,.,n,。4. 根 据 权 利 要 求 2 所 述 的 一 种 基 于 隐 马 尔 科 夫 模 型 的 室 内 定 位 方 法， 其 特 征 在 于， 混淆矩阵 B 的构造方法为 ： 定义混淆矩阵 B=bjk, j=1,2,.,n, k=1,2,.,K， 其中 bjk表示在参考位置 lj上 RSSI 指纹为 Tk的后验概率， Tk |k=1,.,K 表示所有可能的 R。
7、SSI 指纹空间 ；利用贝叶斯方法计算 bjk： 采集每个参考位置的 RSSI特征值 ； 假设参考指纹 Rj=(rj1,j1),(rj2,j2),.,(rjm,jm)， 其中， Rj表示参考位置 j 上的参考指纹， rjm表示在参考位置lj测量第 m 个信标基站的 RSSI 特征值， jm表示 rjm对应的 RSSI 标准差 ； 则在参考位置 lj权 利 要 求 书CN 104469942 A2/2 页3上测得第 m 个信标基站 apm的 RSSI 特征值为 tm的后验概率 ：最后令 bjk=Pj1Pj2Pj3.Pjm。5. 根 据 权 利 要 求 1 所 述 的 一 种 基 于 隐 马 尔 。
8、科 夫 模 型 的 室 内 定 位 方 法， 其 特 征 在 于， 利用 Viterbi算法进行实时定位的方法为 ： 首先定义一个部分概率 ， t(i)表示在 t 时刻，移 动 到 位 置 i 的 所 有 可 能 的 位 置 序 列 中 概 率 最 大 的 序 列 的 概 率 ； 则 部 分 最 优 序 列 为 达 到 这个 最 大 概 率 的 序 列 ； 对 于 每 一 个 时 刻 的 每 一 个 位 置 都 有 一 个 部 分 概 率 和 部 分 最 优 序 列 ； 通过 计 算 t=T 时 刻 的 每 一 个 位 置 的 最 大 概 率 和 部 分 最 优 序 列， 选 择 其 中 概 。
9、率 最 大 的 位 置 和 其部分最优序列得到全局的最优序列， 则 t=T 时刻最大部分概率的位置即为定位结果 ；计算 t=1 时刻的部分概率 ：计算 t1 时刻的部分概率 ：令 t(i) 值最大的位置 i 为定位结果。权 利 要 求 书CN 104469942 A1/6 页4一种基于隐马尔科夫模型的室内定位方法技术领域0001 本 发 明 涉 及 无 线 网 络 技 术 领 域， 特 别 涉 及 一 种 基 于 隐 马 尔 科 夫 模 型 的 室 内 定 位 方法， 可应用于室内的人员或者车辆等移动目标的定位。背景技术0002 由 于 能 适 应 室 内 复 杂 的 多 径 效 应， 基 于。
10、 非 测 距 的 RSSI 指 纹 定 位 方 法 已 被 广 泛 应用于各种室内定位系统中。 在室内环境中， 由于无线信号的传播容易受温度、 湿度和人员走动的影响， 因此 RSSI的测量值波动较大。 为了提高测量的稳定性和精度， 许多基于 RSSI的定位算法往往采用多次采集取平均或加权的方法。 但是这种多次测量的方法只能应用于移动 特 征 较 弱 的 目 标， 当 待 定 位 目 标 的 移 动 特 征 较 强， 系 统 往 往 难 于 在 同 一 个 位 置 上 采 集 到多次的 RSSI 数据。发明内容0003 本 发 明 的 目 的 在 于 提 供 一 种 基 于 隐 马 尔 科 夫 。
11、模 型 的 室 内 定 位 方 法， 该 方 法 可 以 提高室内无线定位的精度和稳定性。0004 为 实 现 上 述 目 的， 本 发 明 的 技 术 方 案 是 ： 一 种 基 于 隐 马 尔 科 夫 模 型 的 室 内 定 位 方法， 该方法包括离线阶段和实时定位阶段 ；离线阶段包括以下步骤 ：步骤 101 ： 根据定位区域设置信标基站和参考位置 ；步 骤 102 ： 建 立 参 考 位 置 的 无 向 连 通 图， 并 根 据 参 考 位 置 的 无 向 连 通 图 建 立 位 置 转 移矩阵 ；步骤 103 ： 在每个参考位置采集各个信标基站的 RSSI特征值， 建立定位区域的 RS。
12、SI指纹数据库 ；步 骤 104 ： 利 用 贝 叶 斯 方 法 构 建 参 考 位 置 和 RSSI 指 纹 的 混 淆 矩 阵， 建 立 基 于 隐 马 尔 科夫模型的定位模型， 即隐马尔科夫定位模型 ；实时定位阶段包括以下步骤 ：步骤 201 ： 移动设备采集实时 RSSI 特征值并发送给定位服务器 ；步骤 202 ： 定位服务器基于 Viterbi算法计算连续运动最大可能的轨迹序列， 将轨迹序列的最后位置作为定位结果。0005 进 一 步 的 ， 隐 马 尔 科 夫 定 位 模 型 定 义 为 一 个 五 元 组 HMLM=n, m, , A, B， 其 中 ，n 是参考位置的个数， 。
13、m 是信标基站的个数， =i， i=1,n， i表示初始状态 i 的概率，A 是位置转移矩阵， B 是混淆矩阵。0006 进 一 步 的， 位 置 转 移 矩 阵 A 的 构 造 方 法 为 ： 根 据 设 置 的 参 考 位 置 和 定 位 区 域 的 结构布局， 建立参考位置的无向连通图 G， 根据无向连通图 G 和 Dijkstra 算法， 得到参考位置之间的最短距离， 然后根据泊松分布特性构建位置转移矩阵， 即 ：说 明 书CN 104469942 A2/6 页5其中， pij表示参考位置 li到参考位置 lj的转移概率， dij表示参考位置 li到参考位置lj的最短距离， 表示移动速。
14、率 ；对 pij做归一化处理， 即 ， 得到系数 ；令 aij= pij， 得到位置转移矩阵 A=aij, i,j=1,2,.,n,。0007 进 一 步 的， 混 淆 矩 阵 B 的 构 造 方 法 为 ： 定 义 混 淆 矩 阵 B=bjk, j=1,2,.,n, k=1,2,.,K， 其 中 bjk表 示 在 参 考 位 置 lj上 RSSI 指 纹 为 Tk的 后 验 概 率， Tk|k=1,.,K表示所有可能的 RSSI 指纹空间 ；利用贝叶斯方法计算 bjk： 采集每个参考位置的 RSSI特征值 ； 假设参考指纹 Rj=(rj1,j1),(rj2,j2),.,(rjm,jm)， 其。
15、中， Rj表示参考位置 j 上的参考指纹， rjm表示在参考位置lj测量第 m 个信标基站的 RSSI 特征值， jm表示 rjm对应的 RSSI 标准差 ； 则在参考位置 lj上测得第 m 个信标基站 apm的 RSSI 特征值为 tm的后验概率 ：最后令 bjk=Pj1Pj2Pj3.Pjm。0008 进一步的， 利用 Viterbi算法进行实时定位的方法为 ： 首先定义一个部分概率 ，t(i)表示在 t 时刻， 移动到位置 i 的所有可能的位置序列中概率最大的序列的概率 ； 则部分 最 优 序 列 为 达 到 这 个 最 大 概 率 的 序 列 ； 对 于 每 一 个 时 刻 的 每 一 。
16、个 位 置 都 有 一 个 部 分 概 率和 部 分 最 优 序 列 ； 通 过 计 算 t=T 时 刻 的 每 一 个 位 置 的 最 大 概 率 和 部 分 最 优 序 列， 选 择 其 中概 率 最 大 的 位 置 和 其 部 分 最 优 序 列 得 到 全 局 的 最 优 序 列， 则 t=T 时 刻 最 大 部 分 概 率 的 位 置即为定位结果 ；计算 t=1 时刻的部分概率 ：计算 t1 时刻的部分概率 ：令 t(i) 值最大的位置 i 为定位结果。0009 本 发 明 的 有 益 效 果 是 引 入 隐 马 尔 科 夫 模 型 描 述 室 内 定 位 模 型， 利 用 移 动 。
17、目 标 历 史的 位 置 信 息 和 移 动 空 间 的 限 制 来 计 算 移 动 目 标 的 最 大 可 能 移 动 路 径， 将 该 路 径 的 终 点 作 为定 位 结 果， 该 方 法 有 效 的 降 低 了 连 续 运 动 过 程 中 RSSI 波 动 对 单 次 采 集 实 时 RSSI 指 纹 定 位造 成 的 误 差， 提 高 了 定 位 精 度 和 稳 定 性， 能 较 好 地 适 应 目 标 连 续 移 动 的 定 位 场 景， 在 RSSI波动较大的环境中仍具有较高的定位精度和稳定性。说 明 书CN 104469942 A3/6 页6附图说明0010 图 1 是本发明方。
18、法中隐马尔科夫定位模型的定位原理图。0011 图 2 是本发明方法中混淆矩阵的示意图。0012 图 3 是本发明方法中实时定位阶段设备运行示意图。0013 图 4 是本发明的实现流程图。具体实施方式0014 本 发 明 定 义 基 于 隐 马 尔 科 夫 模 型 的 定 位 模 型， 即 隐 马 尔 科 夫 定 位 模 型 为 一 个 五元组 HMLM=n, m, , A, B， 其中， n 是参考位置的个数， m 是信标基站的个数， =i，i=1,n， i表示初始状态 i 的概率， A 是位置转移矩阵， B 是混淆矩阵。本发明基于隐马尔科夫模型的室内定位方法， 包括离线阶段和实时定位阶段。0。
19、015 离线阶段包括以下步骤 ：步骤 101 ： 根据定位区域设置信标基站和参考位置。0016 步 骤 102 ： 建 立 参 考 位 置 的 无 向 连 通 图， 并 根 据 参 考 位 置 的 无 向 连 通 图 建 立 位 置转移矩阵。 其中， 位置转移矩阵 A的构造方法为 ： 根据设置的参考位置和定位区域的结构布局， 建立参考位置的无向连通图 G， 根据无向连通图 G 和 Dijkstra 算法， 得到参考位置之间的最短距离， 然后根据泊松分布特性构建位置转移矩阵， 即 ：其中， pij表示参考位置 li到参考位置 lj的转移概率， dij表示参考位置 li到参考位置lj的最短距离， 。
20、表示移动速率 ；对 pij做归一化处理， 即 ， 得到系数 ；令 aij= pij， 得到位置转移矩阵 A=aij, i,j=1,2,.,n,。0017 步 骤 103 ： 在 每 个 参 考 位 置 采 集 各 个 信 标 基 站 的 RSSI 特 征 值， 建 立 定 位 区 域 的RSSI 指纹数据库。0018 步 骤 104 ： 利 用 贝 叶 斯 方 法 构 建 参 考 位 置 和 RSSI 指 纹 的 混 淆 矩 阵， 建 立 基 于 隐 马尔 科 夫 模 型 的 定 位 模 型， 即 隐 马 尔 科 夫 定 位 模 型。 其 中， 混 淆 矩 阵 B 的 构 造 方 法 为 ： 。
21、定 义 混淆矩阵 B=bjk, j=1,2,.,n, k=1,2,.,K， 其中 bjk表示在参考位置 lj上 RSSI 指纹为Tk的后验概率， Tk|k=1,.,K 表示所有可能的 RSSI 指纹空间 ；利用贝叶斯方法计算 bjk： 采集每个参考位置的 RSSI特征值 ； 假设参考指纹 Rj=(rj1,j1),(rj2,j2),.,(rjm,jm)， 其中， Rj表示参考位置 j 上的参考指纹， rjm表示在参考位置lj测量第 m 个信 标基站的 RSSI 特征值， jm表示 rjm对应的 RSSI 标准差 ； 则在参考位置 lj上测得第 m 个信标基站 apm的 RSSI 特征值为 tm的。
22、后验概率 ：说 明 书CN 104469942 A4/6 页7最后令 bjk=Pj1Pj2Pj3.Pjm。0019 实时定位阶段包括以下步骤 ：步骤 201 ： 移动设备采集实时 RSSI 特征值并发送给定位服务器。0020 步骤 202 ： 定位服务器基于 Viterbi算法计算连续运动最大可能的轨迹序列， 将轨迹序列的最后位置作为定位结果。 其中， 利用 Viterbi算法进行实时定位的方法为 ： 首先定义 一 个 部 分 概 率 ， t(i) 表 示 在 t 时 刻， 移 动 到 位 置 i 的 所 有 可 能 的 位 置 序 列 中 概 率 最大 的 序 列 的 概 率 ； 则 部 分。
23、 最 优 序 列 为 达 到 这 个 最 大 概 率 的 序 列 ； 对 于 每 一 个 时 刻 的 每 一 个位 置 都 有 一 个 部 分 概 率 和 部 分 最 优 序 列 ； 通 过 计 算 t=T 时 刻 的 每 一 个 位 置 的 最 大 概 率 和 部分 最 优 序 列， 选 择 其 中 概 率 最 大 的 位 置 和 其 部 分 最 优 序 列 得 到 全 局 的 最 优 序 列， 则 t=T 时刻最大部分概率的位置即为定位结果 ；计算 t=1 时刻的部分概率 ：计算 t1 时刻的部分概率 ：令 t(i) 值最大的位置 i 为定位结果。0021 下面结合附图及具体实施例对本发明。
24、作进一步的详细说明。0022 基于隐马尔科夫模型的定位模型 ：本 发 明 将 隐 马 尔 科 夫 模 型 HMM 引 入 到 室 内 定 位 中， 建 立 基 于 隐 马 尔 科 夫 模 型 的 定 位 模型， 即隐马尔科夫定位模型 （Hidden Markov Localizing Model, HMLM） 。图 1 为隐马尔科夫定位模型的定位原理图， 其中， lj 表示在一个定位序列中的第 j 次定位位置， Tj 表示一个 定 位 序 列 中 第 j 次 实 时 采 集 的 目 标 RSSI 指 纹， 当 有 m 个 信 标 基 站 时， Tj 可 进 一 步 表 示Tj=tj1, tjm。
25、， 表示实时定位阶段中采集目标指纹的时间间隔。0023 因此， 本发明定义 HMLM为一个五元组 n, m, , A, B， 其中 ： n是参考点位置的个数 ； m是信标基站的个数 ； =i， i=1,n， i表示初始状态 i 的概率， 即位置序列中第一个位置的后验 概率， 各位置概率可认为相等 ； A 是位置转移矩阵， A=aij, i,j=1,n， aij表 示 位 置 l i到 位 置 l j的 转 移 概 率 ； B 是 位 置 与 概 率 相 对 应 的 混 淆 矩 阵， B=bjk, i=1,n，k=1,K， K 为离线指纹空间大小。0024 在 位 置 转 移 矩 阵 和 混 淆。
26、 矩 阵 中 的 每 个 概 率 都 是 时 间 无 关 的， 即 当 系 统 演 化 时， 这些 矩 阵 并 不 随 时 间 改 变。 对 于 一 个 n 和 m 固 定 的 HMM 来 说， 可 以 用 = , A, B 表 示 HMLM 参数。0025 位置转移矩阵的构造方法 ：根据室内布局结构建立参考点位置的无向连通图 G， G 定义如下 ：说 明 书CN 104469942 A5/6 页8其中， V 表示参考位置集合， E 表示参考位置之间连通边的集合， eij表示位置 i 与位置j 的连通关系， 1 表示连通， 0 表示不连通。0026 根据无向连通图 G和 Dijkstra算法，。
27、 可以得到参考位置点之间的最短距离 dij。 然后根据泊松分布的特性来构建转移矩阵， 即 ：其 中， pij表 示 位 置 i 到 位 置 j 的 转 移 概 率 ； 而 为 移 动 速 率， 可 以 取 每 秒 移 动 距 离 1米或 2 米方便计算 ；对 pij做归一化处理， 即 ， 得到系数 。0027 令 aij= pij， 得到转移矩阵 A=aij， i,j=1,2,.,n,。0028 混淆矩阵的构造方法 ：混淆矩阵是隐藏的位置状态和可观察的 RSSI特征状态之间的概率关系矩阵。 如图 2所示， 混 淆 矩 阵 B=bjk,j=1,2,.,n, k=1,2,.,K， 其 中 bjk表。
28、 示 在 参 考 位 置 lj上 RSSI 指纹为 Tk的后验概率， Tk|k=1,.,K 表示所有可能的 RSSI 指纹空间。0029 本发明利用贝叶斯方法来计算 bjk。 首先根据室内平面图设定好参考点位置， 然后采 集 每 个 参 考 位 置 的 RSSI 特 征。 为 了 提 高 精 度 和 稳 定 性， 可 以 在 同 一 位 置 采 集 多 次 （ 一 般为 50 到 100 次 ） ， 并 做 均 值 和 方 差 计 算。 假 设 参 考 指 纹 Rj=(rj1,j1),(rj2,j2),.,(rjm,jm)， 其 中， Rj表 示 位 置 j 上 的 参 考 指 纹， rjm表。
29、 示 在 参 考 位 置 j 测 量 第 m 个 信 标 基 站 的RSSI特征值， jm表示 rjm对应的 RSSI标准差。 则在位置 lj上测得第 m个信标基站的 RSSI特征为 tm的后验概率， 计算如下 ：由 于 接 收 自 不 同 信 标 基 站 的 RSSI 值 都 可 以 认 为 是 相 互 独 立 的， 那 么 通 过 所 有 条 件 概率相乘向多维推广， 即在多信标环境下 bjk=Pj1Pj2Pj3Pjm。0030 基于 Viterbi 算法的实时定位方法 ：Viterbi 算法可以根据给定的 HMM 和可观察到序列计算出最可能的隐藏状态序列。 利用 该 算 法， 可 以 在。
30、 实 时 定 位 阶 段 中 根 据 一 个 定 位 序 列 中 连 续 采 集 到 的 多 次 RSSI 特 征 （ 一 般为 35 次 ） ， 找到最大可能的位置序列。说 明 书CN 104469942 A6/6 页90031 首先， 定义一个部分概率 ， t(i) 表示在 t 时刻， 移动到位置 i 的所有可能的位置 序 列 中 概 率 最 大 的 序 列 的 概 率 ； 则 部 分 最 优 序 列 就 是 达 到 这 个 最 大 概 率 的 序 列。 对 于 每一个时刻的每一个位置都有一个部分概率和部分最优序列。 通过计算 t=T时刻的每一个位置 的 最 大 概 率 和 部 分 最 优。
31、 序 列， 选 择 其 中 概 率 最 大 的 位 置 和 它 的 部 分 最 优 序 列 就 可 以 得 到全局的最优序列， 因此 t=T 时刻最大部分概率的位置即为定位结果。0032 计算 t=1 时刻的部分概率 ：计算 t1 时刻的部分概率 ：令 t(i) 值最大的位置 i 即为定位结果。0033 下面结合图 3、 图 4 说明本发明的实施流程， 本发明的具体实施步骤包括离线阶段和实时定位阶段 ：（1） 离线阶段 ：步骤 1 ： 设置 m 个信标基站 ap1， ap2， apm 和 n 个参考位置 l1， l2， ln。信标基 站 的 数 目 m 建 议 为 35 个， 并 且 分 布 。
32、在 定 位 区 域 的 四 周 ； 参 考 点 位 置 为 等 间 距， 建 议 设 置距离为 12 米。0034 步 骤 2 ： 根 据 设 定 的 参 考 点 位 置 和 定 位 区 域 的 结 构 布 局， 建 立 参 考 点 位 置 的 无向 连 通 图 G= ； 根 据 上 述 位 置 转 移 矩 阵 的 构 造 方 法， 生 成 位 置 转 移 矩 阵 A=aij，i,j=1,2,.,n,。0035 步 骤 3 ： 采 集 所 有 参 考 位 置 l1， l2， ， ln 的 离 线 RSSI 特 征 库。 假 设 Rj表 示 参考位置 lj上的参考指纹， 则 Rj=(rj1,j1。
33、),(rj2,j2),.,(rjm,jm)， 其中， rjm表示在参考位置 lj测量信标 基站 apm的 RSSI 特征值， jm表示 rjm对应的 RSSI 标准差。 为了提高稳定性和精确度， 可以在同一位置采集 50 到 100 次 RSSI 值， 并做均值和方差计算。0036 步 骤 4 ： 根 据 上 述 混 淆 矩 阵 的 构 造 方 法， 生 成 混 淆 矩 阵 B=bjk,j=1,2,.,n, k=1,2,.,K。0037 （2） 实时定位阶段步骤 1 ： 获取实时 RSSI。0038 如 图 3 所 示， 移 动 目 标 通 过 携 带 的 移 动 设 备 测 量 各 信 标 。
34、基 站 的 RSSI 值， 并 提 交 给定位服务器。 可以定义实时指纹为 Tj=tj1, tjm， Tj 表示在一个定位序列中第 j 次采集的实时 RSSI 指纹， tjm 表示信标基站 apm的 RSSI 值。根据设置的连续定位序列长度，并 将 一 个 定 位 序 列 的 所 有 实 时 指 纹 一 同 发 送 到 定 位 服 务 器。 其 中， 设 备 的 采 集 频 率 为 1 次/ 秒， 一次定位序列的时间周期为 3 到 4 秒。0039 步骤 2 ： 位置估算。0040 根据已构建的 HMM 参数和实时定位阶段收集到的指纹序列， 并利用 Viterbi 算法计算出最优可能的物理位置的序列， 最后将序列的最后位置作为定位结果。0041 以 上 是 本 发 明 的 较 佳 实 施 例， 凡 依 本 发 明 技 术 方 案 所 作 的 改 变， 所 产 生 的 功 能 作用未超出本发明技术方案的范围时， 均属于本发明的保护范围。说 明 书CN 104469942 A1/2 页10图 1图 2说 明 书 附 图CN 104469942 A10。