一种基于压缩感知的定位指纹库构建方法

本发明公开了一种基于声学混合特征与压缩感知稀疏重建的室内指纹库构建方法。首先，在目标区域采集来自多个参考点的音频信号，并提取声学混合特征；其次，采用序列广义K均值(Sequence Generalized K‑means，SGK)算法对所有样本特征进行字典学习，得到一个可稀疏表示特征空间的过完备字典；然后，针对环境发生变化时的重建需求，仅在少量参考点进行采样，并通过一种相关系数自适应调整匹配追踪(Correlation Coefficient Sparsity Adaptive Matching Pursuit，CCSAMP)算法进行稀疏系数重建；最后将重建后的指纹向量组成完整的指纹库供定位模型使用。该方法充分挖掘声学特征的多域稀疏性与结构稳定性，降低了部署与更新成本，适用于低成本高精度的室内声学定位系统。