本发明涉及一种基于广义Jaccard相似度的室内WiFi定位方法，能够提高室内WiFi定位精度，属于无线通信技术领域。
背景技术：
随着无线移动通信和物联网技术的迅速发展，人们对于地理位置的获取需求日益增加，这使得基于位置的服务在实际生活中发挥的作用越来越大。
目前大家首先想到的定位系统无疑是全球定位系统GPS，它是通过导航卫星获取室外环境地理位置的最常用的定位方式。但是由于导航卫星信号非常容易受到各种物体的遮挡，使得卫星信号衰减得太快，因此使用卫星定位技术并不适用于室内环境，所以室内WiFi定位技术的发展已经成为当前主流、也是未来最具发展潜力的室内定位技术手段之一。
室内WiFi指纹定位技术是基于接收信号强度来进行定位的，由于WiFi信号传输时受非视距NLOS、多径衰落等因素影响较小，故基于WiFi指纹的定位系统稳定性较强，但是由于在线阶段所测得的信号强度需要与离线阶段指纹数据库做相似度比较，而目前用到最多的相似度准则是n维欧氏距离度量，可是这种度量有严重的不足，以至于在很大程度上影响了室内定位的精度。因此，研究基WiFi指纹定位的在线匹配算法具有非常重要的意义。
技术实现要素：
本发明要解决的技术问题是：提高室内WiFi定位精度。
为了解决上述技术问题，本发明的技术方案是提供了一种基于广义Jaccard相似度的室内WiFi定位方法，其特征在于，包括以下步骤：
步骤1、离线阶段：分别采集来自各个不同的接入点AP的信号强度RSSI，以得到WiFi指纹数据库；
步骤2、在线阶段：移动终端在待测位置上采集来自与步骤1相同的每个接入点AP的接收信号强度RSSI；
步骤3、将步骤1获取的信号强度RSSI定义为n维离线向量空间，将步骤2获取的信号强度RSSI定义为n维在线向量空间，并计算在线向量空间中所有的向量与离线向量空间中所有的向量的Jaccard相似度；
步骤4、将步骤3计算所得到的i个Jaccard相似度按照从大到小的方式排列；
步骤5、取出步骤4中的前j个Jaccard相似度，并且计算每个Jaccard相似度对应参考点RP的平均值，以得到未知位置上的坐标(x，y)，即：
式中，xi，yi表示WiFi指纹数据库中第i个信号强度向量所对应的参考点RP的横纵坐标值；
步骤6、将步骤5的结果作为移动终端的位置坐标。
优选地，在所述步骤3中，Jaccard相似度的计算公式如下：
式中，i表示室内环境中参考点RP的数量，表示待测定位位置上的接受信号强度向量，表示第i个参考点RP上的接受信号强度向量，EJi(α，βi)表示待测定位位置上的接受信号强度向量与WiFi指纹数据库中第i个参考点RP上的接受信号强度向量的Jaccard相似度。
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：
1、采用传统的n维欧氏距离来度量向量的相似度会受指标不同单位刻度的影响，同时距离越大，个体间差异越大；而采用空间向量Jaccard相似度来度量修正了位置间可能存在的度量标准不统一的问题，且其相似度落于区间[0，1]，值越大，差异越小。
2、Jaccard相似度只在[0，1]之间，有准则，而欧氏距离度量在[0，+∞)之间，无判别准则。Jaccard相似度为0(即直交)就可以说他们很不相似，就算他们之间距离小，但是他们方向完全不一致。而欧氏距离就需要另找判别准则来定义如何比较大小。
3、对于在线阶段采集到的信号强度向量，由于受到动态环境的影响，因此不可能会采集到与指纹数据中的某一个向量完全一致，因此我们只需要计算两个向量的相似度，Jaccard相似度则就是计算向量直接的相似程度，而欧氏距离计算的是相同程度。
附图说明
图1为本发明提供的一种基于广义Jaccard相似度的室内WiFi定位方法的示意图。
具体实施方式
为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。
由于室内环境复杂，WiFi信号具有很强的时变性，以及环境的不同，在时刻变化着，所以，无线信号衰减模型难以准确的表现出距离与信号强度的关系。而基于指纹数据库的匹配定位方法就具有很好的鲁棒性。
结合图1，本发明提供的一种基于广义Jaccard相似度的室内WiFi定位方法主要也有两个阶段：离线阶段和在线阶段，包括以下步骤：
步骤1、离线阶段：首先对室内场景划分若干个网格，然后分别在所有网格的交汇点即参考点RP，多次采集来自各个不同的接入点AP的信号强度RSSI，最后将采集到来自每个接入点AP数据分别均值以得到WiFi指纹数据库；
步骤2、在线阶段：由于室内环境信道的多变性以及环境的动态性，为了得到相对准确的数据，移动终端在待测位置上需要多次采集来自每个接入点AP的接受信号强度RSSI，然后将测量的来自每个接入点AP的数据分别取均值以得到该位置上最终RSSI值；
步骤3、将步骤1获取的信号强度RSSI定义为n维离线向量空间，将步骤2获取的信号强度RSSI定义为n维在线向量空间，并计算在线向量空间中所有的向量与离线向量空间中所有的向量的Jaccard相似度；
Jaccard相似度的计算公式如下：
式中，i表示室内环境中参考点RP的数量，表示待测定位位置上的接受信号强度向量，表示第i个参考点RP上的接受信号强度向量，EJi(α，βi)表示待测定位位置上的接受信号强度向量与WiFi指纹数据库中第i个参考点RP上的接受信号强度向量的Jaccard相似度；
步骤4、将步骤3计算所得到的i个Jaccard相似度按照从大到小的方式排列；
步骤5、取出步骤4中的前j个Jaccard相似度，并且计算每个Jaccard相似度对应参考点RP的平均值，以得到未知位置上的坐标(x，y)，即：
式中，xi，yi表示WiFi指纹数据库中第i个信号强度向量所对应的参考点RP的横纵坐标值；
步骤6、将步骤5的结果作为移动终端的位置坐标。