一種混合定位方法
【專利摘要】本發(fā)明公開了一種混合定位方法，包括：根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位；所述快速模式以離線方式工作，使用快速AP匹配方法進行定位；所述精準模式以在線方式工作，通過定位服務(wù)器進行定位，能夠根據(jù)不同的地圖分辨率自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
【專利說明】一種混合定位方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及WIFI定位領(lǐng)域，尤其涉及一種混合定位方法。
【背景技術(shù)】
[0002]隨著無線網(wǎng)絡(luò)的普及和應(yīng)用，現(xiàn)在對于無線網(wǎng)絡(luò)的應(yīng)用到處可見，目前比較常見的無線網(wǎng)絡(luò)是WIFI無線網(wǎng)絡(luò)，并且調(diào)制解調(diào)器、路由器等設(shè)備也都基本上帶有無線功能，一些商場、辦公樓、教學樓等內(nèi)部都會有WIFI無線網(wǎng)絡(luò)的覆蓋，WIFI無線網(wǎng)絡(luò)的普及為室內(nèi)定位提供了良好的條件。
[0003]目前在室外定位中，GPS已經(jīng)提供了比較成熟的定位技術(shù)，但是對于室內(nèi)定位來說，由于受到建筑物的遮擋，衛(wèi)星信號無法穿透建筑物，使得GPS無法很好地對室內(nèi)進行定位。這也引發(fā)了對室內(nèi)定位技術(shù)的研究，其中使用無線信號來進行室內(nèi)定位已經(jīng)成為了一項研究熱點，并以此來彌補GPS不能對建筑內(nèi)部定位的缺陷。如同GPS定位系統(tǒng)需要衛(wèi)星作為信號發(fā)射器一樣，室內(nèi)定位同樣需要具有發(fā)射信號的設(shè)備裝置，而室內(nèi)定位所需要的信號發(fā)射裝置通常是比較常見的無線接入點(AP，Access Point)。
[0004]在無線室內(nèi)定位技術(shù)中，使用信號強度來進行定位的技術(shù)主要分為兩類，一類是使用信號傳播特性，即信號隨著傳播距離的增加而衰減，對信道進行建模，這樣就能夠根據(jù)接收到的信號強度值來計算出接收設(shè)備和發(fā)送端之間的距離，并且在已經(jīng)知道發(fā)射器位置的情況下，進一步計算來獲得接收處的具體位置，例如三邊定位技術(shù)。然而由于室內(nèi)建筑結(jié)構(gòu)的復雜性，又由于信號傳播具有反射、衍射等多徑效應(yīng)的傳播特性以及傳播噪聲、信道之間的相互干擾等作用，使得很難構(gòu)建出比較準確的信號傳播模型，因此也難以得到比較理想的定位結(jié)果。另一類是稱作位置指紋的定位技術(shù)，通過采集具體位置信號強度值作為位置指紋并且用預(yù)處理過的信號強度值來構(gòu)建指紋數(shù)據(jù)庫，此技術(shù)不僅能夠很好的規(guī)避信號傳播的多徑效應(yīng)而且無需對復雜信道進行建模。采用計算信號距離的方法中，通常包括快速AP匹配算法和K最鄰近算法?？焖貯P匹配算法速度快，資源消耗少，但是定位精度較低，當移動設(shè)備使用的是高分辨率電子地圖時，定位誤差較大。K最鄰近算法定位更加精確，但是速度較慢，需要消耗較多的資源，手機等移動設(shè)備作為典型的嵌入式系統(tǒng)，受到處理能力、存儲資源、電源有限等條件限制，要求運行在其上的嵌入式軟件盡量小巧，不能占用大量資源。綜上所述，不管是快速AP匹配算法還是K最鄰近算法都存在各自的缺點，現(xiàn)有技術(shù)中單純使用其中一種算法來進行定位的方式無法避免算法自身存在的缺點。

【發(fā)明內(nèi)容】

[0005]本發(fā)明鑒于上述情況而作出，其目的是提供一種混合定位方法，能夠根據(jù)不同的地圖分辨率自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
[0006]本發(fā)明提供一種混合定位方法，包括:
[0007]根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位。[0008]所述快速模式以離線方式工作，使用快速AP匹配方法進行定位。
[0009]所述精準模式以在線方式工作，通過定位服務(wù)器進行定位。
[0010]進一步地，所述根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位包括:
[0011]判斷當前使用的電子地圖的分辨率，如果所述電子地圖是低分辨率地圖，選擇通過快速模式定位，如果所述電子地圖是高分辨率地圖，選擇通過精準模式定位。
[0012]進一步地，所述使用快速AP匹配方法進行定位包括:
[0013]采集一次待定位點的實時WIFI信號值數(shù)據(jù)。
[0014]根據(jù)本地保存的稀疏采樣指紋數(shù)據(jù)庫通過快速AP匹配算法計算待定位點的位置。
[0015]進一步地，在所述使用快速AP匹配方法進行定位之前還包括:
[0016]為每一個參考點分別對每個AP進行至少I次WIFI信號采集。
[0017]計算AP在參考點處的信號向量。
[0018]以所有參考點的信號向量構(gòu)建所述稀疏采樣指紋數(shù)據(jù)庫。
[0019]進一步地，所述通過定位服務(wù)器進行定位包括:
[0020]采集多次待定位點的實時WIFI信號值數(shù)據(jù)。
[0021]向定位服務(wù)器發(fā)送封裝有所述實時WIFI信號值數(shù)據(jù)的定位請求。
[0022]定位服務(wù)器根據(jù)結(jié)合支持向量機的權(quán)值K最鄰近定位算法計算待定位點的位置。
[0023]定位服務(wù)器返回待定位點的位置。
[0024]進一步地，在所述通過定位服務(wù)器進行定位之前還包括:
[0025]為每一個參考點分別對每個AP進行多次WIFI信號采集。
[0026]計算AP在參考點處的信號向量。
[0027]以所有參考點的信號向量構(gòu)建采樣指紋數(shù)據(jù)庫。
[0028]根據(jù)采樣指紋數(shù)據(jù)庫進行多分類器訓練。
[0029]進一步地，所述定位服務(wù)器根據(jù)結(jié)合支持向量機的權(quán)值K最鄰近定位算法計算待定位點的位置包括:
[0030]根據(jù)多分類器對所述實時WIFI信號值分類并獲得一個全局投票向量。
[0031]從所述全局投票向量中選出最優(yōu)的多個參考點的投票值組成最優(yōu)投票向量。
[0032]根據(jù)權(quán)值K最鄰近算法來計算出待定位點的位置。
[0033]進一步地，所述根據(jù)采樣指紋數(shù)據(jù)庫進行多分類器訓練包括:
[0034]將所述采樣指紋數(shù)據(jù)庫中所有參考點的位置指紋作為訓練樣本集。
[0035]分別將所述位置指紋按照一對一的方式兩兩訓練分類器。
[0036]生成分類器模型。
[0037]保存所述分類器模型。
[0038]進一步地，所述將所述位置指紋按照一對一的方式兩兩訓練分類器包括:
[0039]將兩組不同的參考點處的位置指紋分別給予一個不同的標簽并組成一組訓練數(shù)據(jù)集。
[0040]隨著懲罰系數(shù)及核參數(shù)的指數(shù)性增長進行交叉驗證尋優(yōu)。
[0041]每次尋優(yōu)后記錄最優(yōu)分類結(jié)果對應(yīng)的懲罰系數(shù)及核參數(shù)。[0042]將最優(yōu)的兩個參數(shù)作為該分類器的懲罰系數(shù)及核參數(shù)。
[0043]優(yōu)選的，所述采集多次待定位點的實時WIFI信號值數(shù)據(jù)為4次。
[0044]優(yōu)選的，所述向定位服務(wù)器發(fā)送封裝有所述實時WIFI信號值數(shù)據(jù)的定位請求為HTTP請求。
[0045]本發(fā)明能夠根據(jù)不同的地圖分辨率自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
【專利附圖】

【附圖說明】
[0046]圖1是本發(fā)明的一種混合定位方法的流程示意圖；
[0047]圖2是本發(fā)明的一種混合定位方法的第一流程示意圖；
[0048]圖3是本發(fā)明的一種混合定位方法的第二流程示意圖；
[0049]圖4是本發(fā)明的一種混合定位方法的第三流程示意圖；
[0050]圖5是本發(fā)明的一種混合定位方法的第四流程示意圖；
[0051]圖6是本發(fā)明的一種混合定位方法的第五流程示意圖；
[0052]圖7是本發(fā)明的一種混合定位方法的第六流程示意圖；
[0053]圖8是本發(fā)明的一種混合定位方法的第七流程示意圖；
[0054]圖9是本發(fā)明的一種混合定位方法的第八流程示意圖；
[0055]圖10是本發(fā)明的實施例的參考點及AP部署示意圖；
[0056]圖11是本發(fā)明的實施例的分類器訓練示意圖。
【具體實施方式】
[0057]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明了，下面結(jié)合【具體實施方式】并參照附圖，對本發(fā)明進一步詳細說明。應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說明中，省略了對公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。
[0058]本發(fā)明提供一種混合定位方法，能夠根據(jù)不同的地圖分辨率自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
[0059]一種混合定位方法，包括:
[0060]根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位。
[0061]所述快速模式以離線方式工作，使用快速AP匹配方法進行定位。
[0062]所述精準模式以在線方式工作，通過定位服務(wù)器進行定位。
[0063]如圖1所示，判斷地圖分辨率的高低，如果地圖分辨率高，采用SVM-WKNN(SupportVector Machine-Weighted K-Nearest Neighbor algorithm,結(jié)合支持向量機的權(quán)重 K 最鄰近結(jié)點算法)算法對實測信號S= (SljooojSn)進行聯(lián)機定位，獲得定位結(jié)果；如果地圖分辨率低，采用快速AP匹配算法對實測信號S = (S1,。。。，Sn)進行單機定位，獲得定位結(jié)果。
[0064]如圖2至圖9所示，根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位包括:
[0065]步驟SlOl，判斷當前使用的電子地圖的分辨率。
[0066]步驟S102，如果所述電子地圖是低分辨率地圖，選擇通過快速模式定位。[0067]步驟S103，如果所述電子地圖是高分辨率地圖，選擇通過精準模式定位。
[0068]其中，步驟S102與步驟S103并無必然的先后順序，其是由不同條件觸發(fā)的。
[0069]步驟S102中，使用快速AP匹配方法進行定位包括:
[0070]步驟S201，采集一次待定位點的實時WIFI信號值數(shù)據(jù)。
[0071]步驟S202，根據(jù)本地保存的稀疏采樣指紋數(shù)據(jù)庫通過快速AP匹配算法計算待定位點的位置。
[0072]在步驟S201之前還包括:
[0073]步驟S301，為每一個參考點分別對每個AP進行至少I次WIFI信號采集。
[0074]步驟S302，計算AP在參考點處的信號向量。
[0075]步驟S303，以所有參考點的信號向量構(gòu)建所述稀疏采樣指紋數(shù)據(jù)庫。
[0076]步驟S103中，通過定位服務(wù)器進行定位包括:
[0077]步驟S401，采集多次待定位點的實時WIFI信號值數(shù)據(jù)。
[0078]步驟S402，向定位服務(wù)器發(fā)送封裝有所述實時WIFI信號值數(shù)據(jù)的定位請求。
[0079]步驟S403，定位服務(wù)器根據(jù)結(jié)合支持向量機的權(quán)值K最鄰近定位算法計算待定位點的位置。
[0080]步驟S404，定位服務(wù)器返回待定位點的位置。
[0081]在步驟S401之前還包括:
[0082]步驟S501，為每一個參考點分別對每個AP進行多次WIFI信號采集。
[0083]步驟S502，計算AP在參考點處的信號向量。
[0084]步驟S503，以所有參考點的信號向量構(gòu)建采樣指紋數(shù)據(jù)庫。
[0085]步驟S504，根據(jù)采樣指紋數(shù)據(jù)庫進行多分類器訓練。
[0086]步驟S403具體包括:
[0087]步驟S601，根據(jù)多分類器對所述實時WIFI信號值分類并獲得一個全局投票向量。
[0088]步驟S602，從所述全局投票向量中選出最優(yōu)的多個參考點的投票值組成最優(yōu)投票向量。
[0089]步驟S603，根據(jù)權(quán)值K最鄰近算法來計算出待定位點的位置。
[0090]步驟S504具體包括:
[0091]步驟S701，將所述采樣指紋數(shù)據(jù)庫中所有參考點的位置指紋作為訓練樣本集。
[0092]步驟S702，分別將所述位置指紋按照一對一的方式兩兩訓練分類器。
[0093]步驟S703，生成分類器模型。
[0094]步驟S704，保存所述分類器模型。
[0095]步驟S702具體包括:
[0096]步驟S801，將兩組不同的參考點處的位置指紋分別給予一個不同的標簽并組成一組訓練數(shù)據(jù)集。
[0097]步驟S802，隨著懲罰系數(shù)及核參數(shù)的指數(shù)性增長進行交叉驗證尋優(yōu)。
[0098]步驟S803，每次尋優(yōu)后記錄最優(yōu)分類結(jié)果對應(yīng)的懲罰系數(shù)及核參數(shù)。
[0099]步驟S804，將最優(yōu)的兩個參數(shù)作為該分類器的懲罰系數(shù)及核參數(shù)。
[0100]實施例
[0101]如圖10所示，根據(jù)定位場景部署參考點901及AP902，參考點901兩兩間隔為1.2m，圖中共有 AP1, AP2, AP3 和 AP4 四個 AP。
[0102]根據(jù)部署的參考點，為每一個參考點采集訓練信號樣本集，信號樣本集中每一個樣本都是按照信號向量SV = (S1, S2, , Sn)的格式采集，每個參考點均采集40個樣本組成信號樣本集(即向量SV中η = 40)，按照參考點編號標識保存于服務(wù)器上的一個文件中。當所有參考點處的信號樣本集都采集完成后，所有的文件就組成了定位所需要的指紋數(shù)據(jù)庫。其中，信號采集的偽代碼如下:
[0103]
【權(quán)利要求】
1.一種混合定位方法，其特征在于，包括: 根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位； 所述快速模式以離線方式工作，使用快速AP匹配方法進行定位； 所述精準模式以在線方式工作，通過定位服務(wù)器進行定位。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)定位需求自動地選擇通過快速模式定位或者通過精準模式定位包括: 判斷當前使用的電子地圖的分辨率，如果所述電子地圖是低分辨率地圖，選擇通過快速模式定位，如果所述電子地圖是高分辨率地圖，選擇通過精準模式定位。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述使用快速AP匹配方法進行定位包括: 采集一次待定位點的實時WIFI信號值數(shù)據(jù)； 根據(jù)本地保存的稀疏采樣指紋數(shù)據(jù)庫通過快速AP匹配算法計算待定位點的位置。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，在所述使用快速AP匹配方法進行定位之前還包括: 為每一個參考點分 別對每個AP進行至少I次WIFI信號采集； 計算AP在參考點處的信號向量； 以所有參考點的信號向量構(gòu)建所述稀疏采樣指紋數(shù)據(jù)庫。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過定位服務(wù)器進行定位包括: 采集多次待定位點的實時WIFI信號值數(shù)據(jù)； 向定位服務(wù)器發(fā)送封裝有所述實時WIFI信號值數(shù)據(jù)的定位請求； 定位服務(wù)器根據(jù)結(jié)合支持向量機的權(quán)值K最鄰近定位算法計算待定位點的位置； 定位服務(wù)器返回待定位點的位置。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在所述通過定位服務(wù)器進行定位之前還包括: 為每一個參考點分別對每個AP進行多次WIFI信號采集； 計算AP在參考點處的信號向量； 以所有參考點的信號向量構(gòu)建采樣指紋數(shù)據(jù)庫； 根據(jù)采樣指紋數(shù)據(jù)庫進行多分類器訓練。
7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述定位服務(wù)器根據(jù)結(jié)合支持向量機的權(quán)值K最鄰近定位算法計算待定位點的位置包括: 根據(jù)多分類器對所述實時WIFI信號值分類并獲得一個全局投票向量； 從所述全局投票向量中選出最優(yōu)的多個參考點的投票值組成最優(yōu)投票向量； 根據(jù)權(quán)值K最鄰近算法來計算出待定位點的位置。
8.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述根據(jù)采樣指紋數(shù)據(jù)庫進行多分類器訓練包括: 將所述采樣指紋數(shù)據(jù)庫中所有參考點的位置指紋作為訓練樣本集； 分別將所述位置指紋按照一對一的方式兩兩訓練分類器； 生成分類器模型； 保存所述分類器模型。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述將所述位置指紋按照一對一的方式兩兩訓練分類器包括: 將兩組不同的參考點處的位置指紋分別給予一個不同的標簽并組成一組訓練數(shù)據(jù)集; 隨著懲罰系數(shù)及核參數(shù)的指數(shù)性增長進行交叉驗證尋優(yōu)； 每次尋優(yōu)后記錄最優(yōu)分類結(jié)果對應(yīng)的懲罰系數(shù)及核參數(shù)； 將最優(yōu)的兩個參數(shù)作為該分類器的懲罰系數(shù)及核參數(shù)。
10.根據(jù)權(quán)利要求5至9任意一項所述的方法，其特征在于，所述采集多次待定位點的實時WIFI信號值數(shù)據(jù)為4次；所述向定位服務(wù)器發(fā)送封裝有所述實時WIFI信號值數(shù)據(jù)的定位請求為HT TP請求。
【文檔編號】H04W64/00GK104039008SQ201410209161
【公開日】2014年9月10日 申請日期:2014年5月16日 優(yōu)先權(quán)日:2014年5月16日
【發(fā)明者】劉海濤, 陸小青 申請人:南京大學