位置指紋庫的構(gòu)建方法以及基于該位置指紋庫的定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于室內(nèi)定位技術(shù)領(lǐng)域，具體設(shè)及一種基于WLAN指紋的室內(nèi)定位方法。
【背景技術(shù)】
[0002] 目前，WLAN定位系統(tǒng)大致可W分為兩類，基于傳播模型的定位和基于位置指紋的 定位。
[0003] 由于室內(nèi)環(huán)境比較復(fù)雜，而且無線電信號在傳播過程中會發(fā)生衍射、反射、散射和 多徑傳輸，造成傳播模型的一些參數(shù)難W確定。造成基于傳播模型的定位系統(tǒng)定位精度普 遍較差或者需要額外的信號測量專用硬件，且需要對網(wǎng)絡(luò)重新部署，成本較高，造成基于傳 播模型的定位方式應(yīng)用范圍受到限制。
[0004] 基于位置指紋的定位方式主要是對定位空間內(nèi)的環(huán)境特征進行抽象和形式化 描述，使用定位環(huán)境中各個AP(Access化int，無線訪問點）的RSSUReceivedSi即al StrengthIndication)序列描述定位環(huán)境中的位置信息，并匯集該些RSSI序列構(gòu)成位置 指紋數(shù)據(jù)庫（RadioMap)。最后，使用用戶實時測量的RSSI序列與位置數(shù)據(jù)庫中的位置指 紋進行匹配，根據(jù)指紋庫的匹配相似度，完成對用戶位置的估計。此種定位方法主要包含兩 個階段：離線訓(xùn)練階段和在線定位階段。離線訓(xùn)練階段，目的在于建立一個位置指紋數(shù)據(jù) 庫，定位前，定位系統(tǒng)部署人員在定位環(huán)境中遍歷所有位置，同時在每個采樣點收集來自不 同AP的RSSI值，將各個AP的MAC地址、RSSI值和采樣點的位置信息組成一個關(guān)聯(lián)的S元 組數(shù)據(jù)，保存在位置指紋庫中。在線定位階段，定位時用戶在定位區(qū)域中，實時采集所有AP 接入點的RSSI，并將MAC地址和RSSI值組成二元組，作為位置匹配算法的數(shù)據(jù)輸入，并通過 特定的匹配算法進行位置估計。在線定位階段常見的位置匹配算法是最近鄰法（順S巧和 樸素貝葉斯法（化iveBayes)。順SS是基于類比學(xué)習(xí)的匹配方法，使用定位階段的采樣樣 例和訓(xùn)練階段的采樣樣例進行相似度匹配。將訓(xùn)練階段的RSSI均值稱為位置指紋，使用歐 式距離描述定位指紋與位置指紋間的相似度，最后，取得相似度最高的位置指紋的坐標作 為估計位置。樸素貝葉斯法是使用貝葉斯估計方法進行位置估計，樸素貝葉斯法是一種來 源于統(tǒng)計學(xué)的分類方法，是貝葉斯分類的一種基于貝葉斯定理的實現(xiàn)，它通過計算目標的 后驗概率來實現(xiàn)定位。該方法在定位的訓(xùn)練階段將整個定位區(qū)域劃分為不同的柵格，并在 每個柵格區(qū)域中采集各個AP接入點的RSSI作為樣本數(shù)據(jù)。在定位階段，根據(jù)終端采集的 實時RSSI，使用貝葉斯公式得出在不同位置的后驗概率，最終W后驗概率最大的位置作為 最終的估計位置。
[0005] W上的現(xiàn)有技術(shù)中基于位置的指紋定位方法，存在受到室內(nèi)復(fù)雜多變的環(huán)境點的 影響，造成定位精度的波動性比較大和定位的抗干擾能力差的問題，現(xiàn)有技術(shù)中一般通過 在同一個采樣點采集多次AP的RSSI信息，計算測試點的各個AP的RSSI均值作為該采樣 點的位置指紋，但是在室內(nèi)環(huán)境下，不同的人流量和不同的時間段都會對接收到AP的RSSI 造成很大影響，位置指紋庫的非實時性嚴重影響了定位的精度。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明為解決室內(nèi)環(huán)境對定位精度的影響的技術(shù)問題，提出一種位置指紋庫的構(gòu) 建方法W及基于該位置指紋庫的定位方法。
[0007] 本發(fā)明采用的技術(shù)方案是；位置指紋庫的構(gòu)建方法，其特征在于，包括：
[000引 S11 ;選擇I個采樣點，并對所有采樣點進行統(tǒng)一編號，測量各采樣點的位置坐標；
[0009] S12 ;在J個不同時間段內(nèi)采集當(dāng)前采樣點周圍L個AP的RSSI信息，得到J組指 紋序列組向量，將所述J組指紋序列組向量組成當(dāng)前采樣點的指紋序列集；
[0010] S13;將當(dāng)前采樣點的位置坐標與當(dāng)前采樣點的指紋序列集組合，得到當(dāng)前采樣點 基于指紋序列組的位置指紋；
[0011] S14;重復(fù)步驟S12到S14,得到所有采樣點基于指紋序列組的位置指紋，并根據(jù)所 有采樣點的基于指紋序列組的位置指紋得到基于指紋序列組的位置指紋庫。
[0012] 為解決其技術(shù)問題，本發(fā)明還提供一種基于位置指紋庫的定位方法，包括W下步 驟：
[0013] S21 ;實時采集定位點周圍AP的RSSI信息，得到該定位點在t時刻采集到的RSSI 序列，記為向量Rt，計算向量Rt與位置指紋庫中的所有采樣點的指紋序列組的歐式距離，將 得到的所有歐式距離組成序列集D;
[0014] S22 ;計算得到序列集D的均值石和標準方差0，將區(qū)間[min(D).巧劃分為K個子 區(qū)間；
[0015] S23 ;根據(jù)所劃分子區(qū)間各自的權(quán)重因子0kW及序列集D，得到采樣點的匹配權(quán) 重值Wi;
[0016] S24;根據(jù)各個采樣點的匹配權(quán)重值和位置指紋庫中的各個采樣點的位置坐標，計 算得到定位點的位置坐標。
[0017] 進一步地，所述采樣點的匹配權(quán)重值Wi根據(jù)W下公式計算：
[001引
【主權(quán)項】
1. 位置指紋庫的構(gòu)建方法，其特征在于，包括： 511 :選擇I個采樣點，并對所有采樣點進行統(tǒng)一編號，測量各采樣點的位置坐標； 512 :在J個不同時間段內(nèi)采集當(dāng)前采樣點周圍L個AP的RSSI信息，得到J組指紋序 列組向量，將所述J組指紋序列組向量組成當(dāng)前采樣點的指紋序列集； S13:將當(dāng)前采樣點的位置坐標與當(dāng)前采樣點的指紋序列集組合，得到當(dāng)前采樣點基于 指紋序列組的位置指紋； S14 :重復(fù)步驟S12到S14,得到所有采樣點基于指紋序列組的位置指紋，并根據(jù)所有采 樣點的基于指紋序列組的位置指紋得到基于指紋序列組的位置指紋庫。
2. 基于位置指紋庫的定位方法，其特征在于，包括以下步驟： 521 :實時采集定位點周圍AP的RSSI信息，得到該定位點在t時刻采集到的RSSI序 列，記為向量Rt，計算向量Rt與位置指紋庫中的所有采樣點的指紋序列組的歐式距離，將得 到的所有歐式距離組成序列集D ; 522 :計算得到序列集D的均值萬和標準方差σ，將區(qū)間[min(D),萬]劃分為K個子區(qū) 間； 523 :根據(jù)所劃分子區(qū)間各自的權(quán)重因子0k以及序列集D，得到采樣點的匹配權(quán)重值 wi； 524 :根據(jù)各個采樣點的匹配權(quán)重值Wi和位置指紋庫中的各個采樣點的位置坐標，計算 得到定位點的位置坐標。
3. 根據(jù)權(quán)利要求2所述的基于位置指紋庫的定位方法，其特征在于，所述采樣點的匹 配權(quán)重值Wi根據(jù)以下公式計算：
其中，Qk為將區(qū)間Imin(I)),Dj劃分為K個子區(qū)間中的其中一個子區(qū)間，k = 1，"·，1?，… K0
4. 根據(jù)權(quán)利要求3所述的基于位置指紋庫的分組加權(quán)匹配定位方法，其特征在于，所 劃分區(qū)間各自的權(quán)重因子Θ ,計算過程為：隨機選擇N個測試點，測量得到每個測試點η的 實際位置坐標（xn，yn)，通過公式
計算得到測試點η包含參數(shù)Θ ,的 坐標?,;"；)，采用非線性最小二乘法計算得到使得函數(shù)f值最小的0k;
5. 根據(jù)權(quán)利要求4所述的基于位置指紋庫的分組加權(quán)匹配定位方法，其特征在于，所 述N彡K0
【專利摘要】本發(fā)明公開一種位置指紋庫的構(gòu)建方法以及基于該位置指紋庫的定位方法，通過采集不同時間段的樣本形成指紋序列組，保持了指紋序列的多樣化，并且通過指紋序列組代替單個的指紋序列，減小了周圍環(huán)境的變化對定位結(jié)果的影響，并得到所有采樣點的基于指紋序列組的位置指紋，將所有采樣點的位置指紋組合成位置指紋庫；通過將實時獲取到的RSSI序列與位置指紋庫匹配的結(jié)果劃分成K個區(qū)間，根據(jù)匹配的結(jié)果劃分不同的區(qū)間，計算不同區(qū)間對應(yīng)的權(quán)重因子的值，即為不同區(qū)間內(nèi)的采樣點賦予不同的權(quán)重值，以區(qū)別不同采樣點對待定位點的影響，權(quán)重參數(shù)通過反饋求解，更能適應(yīng)定位場景的環(huán)境，提高定位精度。
【IPC分類】H04W64-00
【公開號】CN104754735
【申請?zhí)枴緾N201510122446
【發(fā)明人】劉強, 王少華, 韋云凱, 李珍
【申請人】電子科技大學(xué)
【公開日】2015年7月1日
【申請日】2015年3月19日