定位方法、装置及系统和服务器与流程

本申请涉及可穿戴设备技术领域，尤其涉及一种定位方法、装置及系统和服务器。

背景技术：

随着移动互联网和智能终端的普及，人们对于室内定位信息的需求与日俱增。企业、商场、博物馆、机场等室内场所需要提供精确的定位来实现基于室内位置服务(indoorlocationbasedservices，简称ilbs)，以便为用户自动提供位置查询、热度统计、周边信息、消息推送、路线导航等服务。目前常用的室内定位系统主要采用无线射频识别(radiofrequencyidentification，简称rfid)、红外线、超声波、紫蜂(zigbee)、蓝牙、无线保真(wifi)等无线信号。

从定位方法来看，位置指纹(locationfingerprint)方法因其定位精度高、对设备要求低等优点被广泛采用在现有的定位系统中。位置指纹方法分为离线训练和在线定位两个阶段。在离线训练阶段，先在定位空间采集接收无线信号，将采集接收的无线信号通过训练生成特征值，以作为每个位置点的位置指纹，存入到数据库中，该数据库也被称为电子地图(radiomap)，该阶段由人工采集完成；在定位阶段，将实时采集的信号特征与位置指纹库进行比对，以得到位置信息。

但是，上述位置指纹方法需要人工采集无线信号，而随着空间的增大势必会耗费很大的人力和时间成本，另外，无线信号传输受人体遮挡、温湿度变化、家具移位等环境因素的影响动态波动较大，这会导致在训练阶段所生成的位置指纹库与定位阶段采集的无线信号不一致，进而导致定位准确率低。

技术实现要素：

有鉴于此，本申请提供一种新的技术方案，实现过程中不需要人工采集无线信号，节省了人力和时间成本，同时，将无线信号强度向量的处理结果与在线生成的位置指纹库进行比对，定位准确率高。

为实现上述目的，本申请提供技术方案如下：

根据本申请的第一方面，提出了一种定位方法，所述方法包括：

接收多个锚节点采集的来自当前设备的无线信号；

对所述无线信号进行预处理，以得到所述当前设备的无线信号强度向量；

采用预设算法对所述无线信号强度向量进行处理，并将处理结果与在线生成的位置指纹库进行比对，以得到所述当前设备的位置信息，其中，所述预设算法与所述位置指纹库的生成算法相同。

根据本申请的第二方面，提出了一种定位装置，所述装置包括：

接收模块，用于接收多个锚节点采集的来自当前设备的无线信号；

预处理模块，用于对所述接收模块接收的所述无线信号进行预处理，以得到所述当前设备的无线信号强度向量；

第一定位模块，用于采用预设算法对所述预处理模块得到的所述无线信号强度向量进行处理，并将处理结果与在线生成的位置指纹库进行比对，以得到所述当前设备的位置信息，其中，所述预设算法与所述位置指纹库的生成算法相同。

根据本申请的第三方面，提出了一种服务器，所述服务器包括：

处理器；用于存储所述处理器可执行指令的存储器；

其中，所述处理器，被配置为执行上述定位方法。

根据本申请的第四方面，提出了一种定位系统，所述系统包括定位服务器、锚节点和当前设备，其中：

所述当前设备，用于发射无线信号；

所述锚节点，用于采集来自所述当前设备的无线信号，并向所述定位服务器发送采集到的所述无线信号；

所述定位服务器包括上述定位装置。

由以上技术方案可见，通过对接收的多个锚节点采集的无线信号进行预处理，以得到当前设备的无线信号强度向量，并采用预设算法对无线信号强度向量进行处理，然后将处理结果与在线生成的位置指纹库进行比对，从而可以得到当前设备的位置信息，实现过程中不需要人工采集无线信号，节省了人力和时间成本，同时，将无线信号强度向量的处理结果与在线生成的位置指纹库进行比对，定位准确率高。

附图说明

图1示出了本发明的一示例性实施例的定位方法的流程图；

图2示出了本发明的定位系统的结构示意图；

图3示出了本发明的一示例性实施例的在线训练生成位置指纹库的流程图；

图4a示出了本发明的一示例性实施例的采用位置稳定性判断方式筛选无线信号向量的流程图；

图4b示出了本发明的一示例性实施例的采用向量平均方差判断方式筛选无线信号向量的流程图；

图4c示出了本发明的一示例性实施例的采用强信号近邻判断方式筛选无线信号向量的流程图；

图5示出了本发明的一示例性实施例的更新位置指纹库的流程图；

图6示出了本发明的一示例性实施例的定位装置的结构示意图；

图7示出了本发明的另一示例性实施例的定位装置的结构示意图；

图8示出了本发明的另一示例性实施例的定位装置的结构示意图；

图9示出了本发明的另一示例性实施例的定位装置的结构示意图；

图10示出了本发明的另一示例性实施例的定位装置的结构示意图；

图11示出了本发明的另一示例性实施例的定位装置的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1示出了本发明的一示例性实施例的定位方法的流程图，如图1所示，该方法可应用于定位服务器上，为了更清楚地描述方案，本实施例可结合图2所示的定位系统进行描述，该方法包括如下步骤：

步骤s101，接收多个锚节点采集的来自当前设备的无线信号。

如图2所示，该定位系统包括定位服务器21、锚节点22和当前设备，其中，当前设备可以包括但不局限于可穿戴蓝牙设备例如手环23，它可以周期性地发射无线信号，锚节点22需要预先设置在室内的已知位置，如房顶、墙壁等，用于采集来自当前设备的无线信号，并向定位服务器21发送采集到的无线信号，定位服务器21可以接收所有锚节点22采集到的无线信号，并可以据此获得当前设备的实时位置。

在该实施例中，当前设备例如手环可以佩戴在手腕上，它可以周期性地发射蓝牙广播信号，它每发射一次广播信号，固定在室内的多个锚节点均可采集该广播信号，然后，多个锚节点可以向定位服务器发送采集到的无线信号。

步骤s102，对无线信号进行预处理，以得到当前设备的无线信号强度向量。

在该实施例中，定位服务器可以对每个锚节点采集到的无线信号进行滑动时间窗处理，例如，可以根据当前时间点向前滑动一个时间窗口(例如3秒)，计算这个时间窗口内接收的每个锚节点采集的多个无线信号强度的统计值，该统计值可以包括但不局限于最大值或平均值，并将该统计值作为对应锚节点在当前时间点接收到的当前设备的无线信号强度，然后根据所有锚节点在当前时间点接收的当前设备的无线信号强度，生成无线信号强度向量。

步骤s103，采用预设算法对无线信号强度向量进行处理，并将处理结果与在线生成的位置指纹库进行比对，以得到当前设备的位置信息，其中，预设算法与位置指纹库的生成算法相同。

其中，预设算法可以包括但不局限于马尔科夫模型(hmm)、支持向量机(svm)、人工神经网络(ann)中的一种机器学习算法。

在该实施例中，预设算法与位置指纹库的生成算法相同，目的是可以将当前得到的无线信号强度向量的处理结果与在线生成的位置指纹库进行比对，从而得到当前设备的位置信息。

另外，在步骤s102之后，还可以包括：确定无线信号强度向量中信号强度最大的维度，并将所确定维度对应的锚节点所在的位置作为当前设备的估计位置，这样，若当前不存在位置指纹库，则可以将该估计位置作为当前设备的位置信息。

上述实施例，通过对接收的多个锚节点采集的无线信号进行预处理，以得到当前设备的无线信号强度向量，并采用预设算法对无线信号强度向量进行处理，然后将处理结果与在线生成的位置指纹库进行比对，从而可以得到当前设备的位置信息，实现过程中不需要人工采集无线信号，节省了人力和时间成本，同时，将无线信号强度向量的处理结果与在线生成的位置指纹库进行比对，定位准确率高。

图3示出了本发明的一示例性实施例的在线训练生成位置指纹库的流程图，该实施例从定位服务器侧进行描述，如图3所示，该过程包括：

步骤s301，对接收的无线信号进行预处理，以得到当前设备的无线信号强度向量。

步骤s302，确定无线信号强度向量中信号强度最大的维度，并将所确定维度对应的锚节点所在的位置作为当前设备的估计位置。

步骤s303，记录并保存无线信号强度向量和估计位置的对应关系。

步骤s304，统计接收无线信号的时长，判断该时长是否达到预设时长，若达到预设时长，则执行步骤s305，若未达到预设时长，则继续等待。

其中，步骤s304为可选步骤，预设时长可以为12小时等。

步骤s305，对保存的无线信号强度向量进行筛选处理，以得到筛选后的数据。

其中，可以采用多种筛选方式对无线信号强度向量进行筛选处理，例如可以采用位置稳定性判断、向量平均方差判断和强信号近邻判断等多种方式中的任意一种或几种，这些筛选方式可以互相补充，共同对无线信号强度向量进行筛选处理。

需要说明的是，强信号近邻判断的实现前提是当前设备的运动速度不是特别快。

下面分别对位置稳定性判断方式、向量平均方差判断方式和强信号近邻判断方式进行详细描述：

(1)位置稳定性判断方式

如图4a所示，位置稳定性判断方式可以包括以下步骤：

步骤s4011，针对每个无线信号强度向量，确定当前无线信号强度向量对应的时间点，并根据该时间点构建第一时间窗口。

假设当前无线信号强度向量对应的时间点为t，则可以以t为中心构建第一时间窗口，例如以t为中心构建时间窗口(-w/2～w/2)。

步骤s4012，获得第一时间窗口内的无线信号强度向量集合。

假设第一时间窗口的窗口长度为w，则在该窗口内有w组信号强度向量，这w组信号强度向量可以构成一个集合即无线信号强度向量集合。

步骤s4013，计算无线信号强度向量集合中所有无线信号强度向量的估计位置众数，并根据计算结果保留或删除当前无线信号强度向量及其对应的估计位置。

其中，步骤s4013可以包括：将当前无线信号强度向量的估计位置作为当前估计位置，将无线信号强度向量集合中其它无线信号强度向量的估计位置与当前估计位置进行比较，若与当前估计位置相同的向量数量大于或等于预设数量，则保留当前无线信号强度向量及其对应的位置信息，若与当前估计位置相同的向量数量小于预设数量，则删除当前无线信号强度向量及其对应的位置信息。

例如，可以通过以下公式将无线信号强度向量集合中其它无线信号强度向量的估计位置与当前估计位置进行比较：

其中，i表示当前无线信号强度向量，label表示估计位置，w为窗口长度。

如果与当前估计位置相同的向量数量大于或等于预设数量，则认为当前估计位置是稳定的，其对应的信号强度向量也即当前无线信号向量可以用于生成位置指纹库，因此，保留当前无线信号向量及其对应的估计位置。

(2)向量平均方差判断方式

如图4b所示，在上述步骤s4012之后，向量平均方差判断方式还可以包括以下步骤：

步骤s4021，计算无线信号强度向量集合中所有无线信号强度向量每个维度的方差。

步骤s4022，根据所有无线信号强度向量每个维度的方差，计算出无线信号强度向量集合中所有无线信号强度向量的所有维度的方差平均值，并判断方差平均值是否小于预设门限，若小于预设门限，则执行步骤s4023，若大于或等于预设门限，则执行步骤s4024。

步骤s4023，保留当前无线信号强度向量及其对应的位置信息。

步骤s4024，删除当前无线信号强度向量及其对应的位置信息。

向量平均方差判断方式是根据信号强度向量的稳定性进行判断，向量的方差平均值越小，表示邻近窗口内的向量差异性越小，因此当前信号强度向量可以用于生成位置指纹库。

(3)强信号近邻判断方式

如图4c所示，强信号近邻判断方式可以包括以下步骤：

步骤s4031，针对每个无线信号强度向量，获取当前无线信号强度向量中与其它维度的信号强度差值大于预设数值的维度，并记录所获取维度对应的锚节点所在的位置。

如果一个信号强度向量中的某一维数值较大(一般是高于其他维度的值较多)，则较大概率判断该时刻当前设备正处在对应的锚节点附近。

步骤s4032，确定当前无线信号强度向量对应的时间点。

步骤s4033，获取其它无线信号强度向量中与当前无线信号强度向量的时间之差小于预设阈值的无线信号强度向量。

如果该时刻当前设备正处在某锚节点附近，则该时刻附近时间窗内的信号强度向量也应落在该锚节点附近。因此，可以根据当前无线信号强度向量的时间点获取附近时间窗内的信号强度向量。

步骤s4034，读取获取的无线信号强度向量的估计位置，判断读取的估计位置与步骤s4031中记录的位置之间的距离是否在预设范围内，若在预设范围内，则执行步骤s4035，若在预设范围外，则执行步骤s4036。

其中，记录的位置是指步骤s4031中在获取当前无线信号强度向量中与其它维度的信号强度差值大于预设数值的维度之后，记录的所获取维度对应的锚节点所在的位置。

步骤s4035，保留当前无线信号强度向量及其对应的估计位置。

步骤s4036，删除当前无线信号强度向量及其对应的估计位置。

之后，将附近时间窗内的无线信号强度向量的估计位置与对应锚节点所在的位置进行比较，并保留位于锚节点附近的无线信号强度向量及其对应的估计位置。

采用强信号近邻判断方式可以保留前两者判断方式无法保留的无线信号强度向量，从而可以提高位置指纹库的抗干扰性。

由此可见，可以采用多种方式对无线信号强度向量进行筛选处理，并且基于筛选后的数据生成的位置指纹库抗干扰性强。

步骤s306，使用预设算法对筛选后的数据进行处理，以生成位置指纹库。

其中，预设算法可以包括但不局限于hmm、svm、ann中的一种机器学习算法。假设生成位置指纹库时采用的算法是hmm，则在定位过程中，也采用hmm对无线信号强度向量进行处理，从而可以将无线信号强度向量的处理结果与位置指纹库进行比对，得到当前设备的位置信息。

上述实施例，只需要事先标定锚节点，即可接收到无线信号，无需复杂的离线训练阶段，即额外的人工采集和训练过程，大大降低了训练成本。

由于无线信号传输受人体遮挡、温湿度变化、家具移位等环境因素的影响波动较大，为了减少环境因素对无线定位的影响，本申请实施例提出随时间变化更新位置指纹库的方案，如图5所示，该位置指纹库的更新过程包括：

步骤s501，记录当前位置指纹库的生成时间。

步骤s502，自该生成时间起，每隔预设时间段更新位置指纹库。

其中，预设时间段可以为7天、10等，假设当前位置指纹库的生成时间为本周一上午9点，预设时间段为7天，则在下周一上午9点起开始更新位置指纹库，更新位置指纹库的过程与生成位置指纹库的过程相似，都是对预设时长例如24小时内保存的无线信号强度向量进行筛选处理，并使用预设算法对筛选后的数据进行处理，以得到新的位置指纹库。在定时生成新的位置指纹库后，可以采取完全替代或者增量的方式更新位置指纹库。

上述实施例，通过定时更新位置指纹库，可以减少环境因素对无线定位的影响，进一步提高定位准确率。

图6示出了本发明的一示例性实施例的定位装置的结构示意图，如图6所示，该装置包括：接收模块61、预处理模块62和第一定位模块63。

接收模块61用于接收多个锚节点采集的来自当前设备的无线信号。

预处理模块62用于对接收模块61接收的无线信号进行预处理，以得到当前设备的无线信号强度向量。

第一定位模块63用于采用预设算法对预处理模块62得到的无线信号强度向量进行处理，并将处理结果与在线生成的位置指纹库进行比对，以得到当前设备的位置信息，其中，预设算法与位置指纹库的生成算法相同。

图7示出了本发明的另一示例性实施例的定位装置的结构示意图，如图7所示，在上述图6所示实施例的基础上，该装置还可以包括：位置确定模块71和第二定位模块72。

位置确定模块71用于在预处理模块对无线信号进行预处理之后，确定无线信号强度向量中信号强度最大的维度，并将所确定维度对应的锚节点所在的位置作为当前设备的估计位置。

第二定位模块72用于若当前不存在位置指纹库，则将位置确定模块71确定的估计位置作为当前设备的位置信息。

图8示出了本发明的另一示例性实施例的定位装置的结构示意图，如图8所示，在上述图7所示实施例的基础上，该装置还可以包括：记录保存模块81、统计筛选模块82和生成模块83。

记录保存模块81用于在位置确定模块71将所确定维度对应的锚节点所在的位置作为当前设备的估计位置之后，记录并保存无线信号强度向量和估计位置的对应关系。

统计筛选模块82用于对记录保存模块81保存的无线信号强度向量进行筛选处理，以得到筛选后的数据。

生成模块83用于使用预设算法对统计筛选模块82得到的筛选后的数据进行处理，以生成位置指纹库。

图9示出了本发明的另一示例性实施例的定位装置的结构示意图，如图9所示，在上述图8所示实施例的基础上，统计筛选模块82可以包括：确定构建子模块821、集合获得子模块822和计算筛选子模块823。

确定构建子模块821用于针对每个无线信号强度向量，确定当前无线信号强度向量对应的时间点，并根据时间点构建第一时间窗口。

集合获得子模块822用于获得确定构建子模块821构建的第一时间窗口内的无线信号强度向量集合。

计算筛选子模块823用于计算集合获得子模块822获得的无线信号强度向量集合中所有无线信号强度向量的估计位置众数和/或平均方差，并根据计算结果保留或删除当前无线信号强度向量及其对应的估计位置。

在一可选实施方式中，计算筛选子模块823可以包括：确定单元、比较单元、保留单元和删除单元，但图中未示出。

确定单元，用于将当前无线信号强度向量的估计位置作为当前估计位置。

比较单元，用于将无线信号强度向量集合中其它无线信号强度向量的估计位置与确定单元确定的当前估计位置进行比较。

保留单元，用于若比较单元的比较结果为与当前估计位置相同的向量数量大于或等于预设数量，则保留当前无线信号强度向量及其对应的位置信息。

删除单元，用于若比较单元的比较结果为与当前估计位置相同的向量数量小于预设数量，则删除当前无线信号强度向量及其对应的位置信息。

在另一可选实施方式中，计算筛选子模块823可以包括：方差计算单元、平均值计算单元、保留单元和删除单元，但图中未示出。

方差计算单元，用于计算无线信号强度向量集合中所有无线信号强度向量每个维度的方差。

平均值计算单元，用于根据方差计算单元计算的所有无线信号强度向量每个维度的方差，计算出无线信号强度向量集合中所有无线信号强度向量的所有维度的方差平均值。

保留单元，用于若平均值计算单元计算出的方差平均值小于预设门限，则保留当前无线信号强度向量及其对应的位置信息。

删除单元，用于若平均值计算单元计算出的方差平均值大于或等于预设门限，则删除当前无线信号强度向量及其对应的位置信息。

图10示出了本发明的另一示例性实施例的定位装置的结构示意图，如图10所示，在上述图8所示实施例的基础上，统计筛选模块82还可以包括：获取记录子模块824、时间确定子模块825、向量获取子模块826和读取筛选子模块827。

获取记录子模块824用于针对每个无线信号强度向量，获取当前无线信号强度向量中与其它维度的信号强度差值大于预设数值的维度，并记录所获取维度对应的锚节点所在的位置。

时间确定子模块825用于确定当前无线信号强度向量对应的时间点。

向量获取子模块826用于获取其它无线信号强度向量中与时间确定子模块825确定的当前无线信号强度向量的时间之差小于预设阈值的无线信号强度向量。

读取筛选子模块827用于读取向量获取子模块826获取的无线信号强度向量的估计位置，若读取的估计位置与获取记录子模块824记录的位置之间的距离在预设范围内，则保留当前无线信号强度向量及其对应的估计位置，若距离在预设范围外，则删除当前无线信号强度向量及其对应的估计位置。

图11示出了本发明的另一示例性实施例的定位装置的结构示意图，如图11所示，在上述图6所示实施例的基础上，预处理模块62可以包括：构建子模块621、计算确定子模块622和向量生成子模块623。

构建子模块621用于根据当前时间点构建第二时间窗口。

计算确定子模块622用于分别计算构建子模块621构建的第二时间窗口内接收的每个锚节点采集的多个无线信号强度的统计值，并将统计值作为对应锚节点在当前时间点接收的当前设备的无线信号强度。

向量生成子模块623用于根据计算确定子模块622确定的所有锚节点在当前时间点接收的当前设备的无线信号强度，生成无线信号强度向量。

本发明实施例，只需要事先标定锚节点，即可接收到无线信号，无需复杂的离线训练阶段，即额外的人工采集和训练过程，大大降低了训练成本；通过对接收的多个锚节点采集的无线信号进行预处理，以得到当前设备的无线信号强度向量，并采用预设算法对无线信号强度向量进行处理，然后将处理结果与在线生成的位置指纹库进行比对，从而可以得到当前设备的位置信息，实现过程中不需要人工采集无线信号，节省了人力和时间成本，同时，将无线信号强度向量的处理结果与在线生成的位置指纹库进行比对，定位准确率高；通过定时更新位置指纹库，可以减少环境因素对无线定位的影响，进一步提高定位准确率。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。