一种基于Wi-Fi的室内定位导航方法
【技术领域】
[0001] 本发明涉及一种室内定位导航的方法，具体为一种基于Wi-Fi的室内定位导航方 法，通过对各个方向RSS信号采集，运用仿射传播聚类、类匹配以及压缩感知实现室内精确 定位，属于室内定位导航技术领域。
【背景技术】
[0002] GPS(GlobalPositioningSystem，全球定位系统）作为全球最广泛使用的卫星 导航定位技术，在许多领域得到了推广应用，任何人只要手持无线接收系统就可以自动获 取该系统24颗在轨卫星所发送的信息，眼下GPS在室外的定位误差范围已经缩小到了 5 米，不过一旦到了室内，由于受重重墙壁的阻隔和障碍物的干扰，GPS信号就显得极其微弱 甚至是无影无踪了，导致定位精度差，在室内环境定位不可靠甚至失效，随着无线局域网 IEEE802.il技术的成熟，Wi-Fi(WirelessFidelity，无线保真）在世界各地普及，其覆盖 面越来越广，Wi-Fi主要依靠接入点（AccessPoint，AP)或基站定期发送的信标信号中所 含的接收信息强度（RSS)信息作为定位移动计算，易于建设，投入成本少，定位精度高。
[0003] 目前基于Wi-Fi的室内定位方法有：微软的RADAR系统，该系统采用确定性匹配 算法一K最近邻居算法（K-Nearest Neighbors，KNN)进行定位，需要预先建立位置和信号 强度关系数据库，当基站移动时要重新建立数据库，由于室内电波传播的复杂性，信号强度 受到多径传播、反射等影响，使得在实际室内环境中定位精度不高，中值定位精度为2-5m; Ekahau系统，该系统从统计学的角度采用贝叶斯网络来描述整个定位问题，其核心在于根 据在线接受信号强度向量获取每个参考点位置的后验概率，该系统需要硬件的辅助较多， 无法应用于目前的智能手机。
[0004] 本发明采用场景分析法(指纹法)，利用终端设备在需要定位导航区域内的所有己 知参考点（ReferencePoint，RP)上记录来自各个方向的RSS测量向量，建立RSS指纹库 并存储于服务器；用户持有终端设备进入定位区域后，终端设备将在线RSS测量向量与来 自服务器的指纹库进行匹配，采用类匹配以及压缩感知模型实现精确定位。
[0005] 现有的在线指纹库匹配算法复杂，指纹匹配工作量大，响应时间慢，定位偏差较 大。本发明的指纹法较传统的电波传播模型能更准确地描述RSS和空间位置的关系，且无 需AP具体位置的先验信息，更适宜推广，且采用特有的匹配算法和精确算法，定位精度上 更尚。
【发明内容】
[0006] 为了解决现有技术中存在的不足，本发明的目的在于提供了一种基于Wi-Fi的室 内定位导航方法，几乎不需额外硬件辅助，投入成本低，数据采集、响应速度快，定位精度 尚。
[0007] 本发明所采用的技术方案如下：一种基于Wi-Fi的室内定位导航方法，包括采集 阶段、在线定位、导航阶段，具体包括如下步骤： 51、 采集阶段：包括指纹采集和指纹聚类，在定位区域内完成各个参考点同一个方向 RSS指纹采集的数据库建立，通过仿射传播聚类对采集的数据库进行预处理，形成不同的 类，并在指纹库中形成类首领和对应接收信号强度向量； 52、 在线定位：包括粗定位、精定位，通过采集的在线RSS向量和指纹库中各个类首领 的RSS向量间匹配，服务器再把相匹配的部分类指纹信息发送至手持终端，通过改进的压 缩感知模型，手持终端完成精确位置估算； 53、 导航阶段：路径寻找借助一张网络拓扑图完成，把参考点作为地标点，地标点为图 的节点，每个节点只与其邻居节点相连，构成图的边；图的形成同时结合地图信息，若两节 点间存在障碍物，则将该边删除；路由寻找则简化为一张有向图，在从一个节点到另外一个 节点的所有可达路径中，按照一定的标准选取最合适的一条作为两个节点中的有效路径； 静态正有向图中寻求节点间最短路径的最优解采用量子元胞蚂蚁算法，并利用动态追踪算 法信息融合的滤波系统对位置进行实时追踪和导航，所述滤波系统为卡尔曼滤波系统。
[0008] 本发明利用改进的仿射传播聚类算法建立类首领集合和类成员集合，算法收敛速 度快且高效，再通过类匹配和改进的压缩感知模型实现精确定位，定位响应速度快，根据动 态追踪算法信息融合的滤波系统对位置进行追踪和导航。
【附图说明】
[0009] 下面结合附图及实施例对本发明进一步进行说明或描述 图1为本发明的实施步骤图； 图2为一真实场景平面图； 图3为本发明在图2真实场景中走直线路径的定位示意图； 图4为本发明步骤3中量子元胞蚂蚁算法在停车场内寻找最短路径示意图； 图5为步骤3中量子元胞蚂蚁算法的收敛曲线图。
【具体实施方式】
[0010]一种基于Wi-Fi的室内定位导航方法，包括采集阶段、在线定位、导航阶段，具体 包括如下步骤： 51、 采集阶段：包括指纹采集、指纹聚类，在定位区域内完成各个参考点同一方向RSS 指纹采集的数据库建立，通过仿射传播聚类对采集的数据库进行预处理，形成不同的类，并 在指纹库中形成类首领和对应接收信号强度向量； 52、 在线定位：包括粗定位、精定位，通过采集的在线RSS向量和指纹库中各个类首领 的RSS向量间匹配，服务器端再把相匹配的部分类指纹信息发送至手持终端，通过改进的 压缩感知模型，手持终端完成精确位置估算； 53、 导航阶段：路径寻找借助一张网络拓扑图完成，把参考点作为地标点，地标点为图 的节点，每个节点只与其邻居节点相连，构成图的边，如图4所示；图的形成同时结合地图 信息，若两节点间存在障碍物，则将该边删除；路由寻找则简化为一张有向图，在从一个节 点到另外一个节点的所有可达路径中，按照一定的标准选取最合适的一条作为两个节点中 的有效路径；静态正有向图中寻求节点间最短路径的最优解采用量子元胞蚂蚁算法，并利 用动态追踪算法信息融合的滤波系统对位置进行实时追踪和导航，所述滤波系统为卡尔曼 滤波系统。 toon] 具体的流程见图1，离线阶段：通过手持终端上的应用接口采集定位区域内各参 考点同一方向的RSS指纹信息，以及各参考点同一方向上各个AP的RSS时间序列采样值 并计算相应的RSS时间序列值和偏差，然后将各参考点上的RSS指纹信息发送至服务器， 服务器接收到各参考点同一方向上的RSS指纹信息后创建RSS数据库，并为每个RSS数据 库通过仿射传播聚类产生类首领集合及相应类成员集合，再对每个RSS数据库的异常值进 行修正，完成离线阶段指纹库并存入服务器；在线定位：用户手持终端通过应用接口采集 在线RSS值并发送至服务器，服务器将获得的在线RSS值和各参考点RSS数据库中的类信 息进行类匹配，找到匹配类首项集合S并根据类首项集合S相应类成员C形成指纹图矩阵 ψ，手持终端接收到指纹图矩阵ψ后，依次经过正交、范数最小化、权重后获得二维坐标； 导航阶段：根据二维坐标采用量子元胞蚂蚁算法获得最优路径的选择，并通过卡尔曼滤波 系统对位置进行实时跟踪和导航。
[0012] 所述步骤S1中仿射传播聚类通过如下方式实现： 通过两两