移动终端沿图2中所示的直线路径行走，通过在线接收RSS信 息，将服务器反馈的匹配类集合采用本方法进行相应计算后得出此人的行走路线，取行走 路线与实际路线部分定位点的比对看，通过本发明方法在该区域内进行定位后，定位偏差 控制在3米左右。
[0048] 本发明可以实现二维坐标的定位，对于具有多层布局的建筑室内定位，可以通过 楼层的切换进入对应的地图，对应的在ΑΡΡ功能内增加楼层地图的切换，进而实现定位及 实时导航。
[0049] 以上实施例用以说明本发明而并非限定本发明，任何对本发明的等同修改或替 换、简化、组合而不脱离本发明精神范围的，均应涵盖在本发明的权利要求之内。
【主权项】
1. 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妈蚁算法，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。2. 根据权利要求1所述的方法，其特征在于，所述步骤Sl中仿射传播聚类通过如下方 式实现： 通过两两参考点间吸引度消息和归属度消息的传递来确立类首领，吸引度消息用W描 述某一参考点作为其他参考点的类首领的适应性，归属度消息用W描述某一参考点成为另 一参考点为类首领的类成员的归属感，通过一个迭代循环的方式不断从数据中进行证据捜 索，并进行消息传递，产生高质量的类首领，为每一个类成员分配一个类首领； 具体地，我们定义某一方向O上，吸引度消息为反应了在考虑除RP,W 外的其他候选参考点的影响下，RP,作为类首领对RPi的吸引度的累积证据表示为 瓣，.激双纖，翁奪鑽;替觀;嫌 '、繊聲'I，^ 度，謂归属度消息，归属度消息辫候选类首领RPj发给参考点RP1，反应了 在考虑RP,为首领的其他类成员的影响下，RP1认为由RP，作为其首领的归属感的累积证据， 表示为：其中，自归属度消息巧(4./T，反应了在考虑除RP.斟外的其他参考点向RP.，发送的吸 引度正值后，RP,作为类首领的累积证据，即：对于每个参考点，计算/ .品;'皆装,，J湾化、'；{饼乂 手W、'/)}，若、/ ' -MU 参考点被选择为类首领，反之，参考点RPi将成为参考点的类首领。3.根据权利要求I所述的方法，其特征在于，所述步骤S2步骤中的粗定位通过W下步 骤实现：采集在线RSS向量和离线数据库中各个类首领的RSS向量间匹配，将定位区域缩小 至所有参考点的一个子集中； 具体地，用方向O上^j为首领的各类成员的RSS向量均值作为类的代表，取类首领的 接收信号强度向量参与平均信号强度向量'运算，对应相似度定义为：(4) 其中，i代表方向O上^j为类首领的所有类成员，ICI代表该类下所有类成员 的数目， 根据W上相似度函数（4)的定义，可进一步确定匹配类首领集合SMgtth,及对应匹配类成 员集合C，即其中，a为预定义口限值，用W控制适度数目的匹配类，实验中为限定匹配类 的数目，将a定义为一定比例下最大相似度与最小相似度的线性组合，表示为：a1=0. 95,确定匹配类后， 手持终端向服务器请求发送与匹配集相关的部分指纹库，即匹配类成员的接收信号强度向 量所构成的集合，用一个￡父:?的矩阵表示，其中，義为所有被选 择的匹配类成员的数目，即：簽=ICI，矩阵象用于下一阶段的精定位。4.根据权利要求1所述的方法，其特征在于，所述步骤S2中所述改进的压缩感知模型 通过W下公式构建：其中：0为一个方黎XI的向量，ii;表示AP平均信号强度向量，（Xj，yj)为参考点RPj 的二维位置坐标值，为一个LX:§矩阵，由粗定位类匹配过程中被选择类成员的接收 信号强度向量构成，每一列分别代表粗定位区域中一个被选中的类成员的RSS向量；?为 一个MXL(M<脚矩阵，用于选择矩阵f中相应的行向量；公式（8)中Q是方向向量权重指 数，设定口限值A，A=O. 6,将中大于口限值的系数所对应的参考点作为二级候选参考点， 用A表示。5. 根据权利要求1和3所述的方法，其特征在于，所述步骤S2在粗定位时选择具有较 强接收信号强度的AP用于运算，选择信号强度不为零的较强的5个AP。6. 根据权利要求1所述的方法，其特征在于，所述的量子元胞妈蚁算法采用W下公式 实现：其中：A/表示妈蚁k的转移概率，7表示所有可能的取值；Ti为第j个格点处的信息 素；a(a> 0)为信息启发式因子，表示信息素的相对重要性；Cu为边弧（i，j)的能见 度，为第i个格点与第j个格点间的欧氏距离；e(P> 0)为期望的启发式因子，表示能 见度的相对重要性，其值越大代表妈蚁越倾向于选择格点间距离较短的第j个格点；Ia，|2 表示第j个量子位的量子态巧缩到I0 >的概率，即对妈蚁k而言，Ia,|2越小，则y,越 大，从而A/也就越大；丫（丫 >0)为量子比特启发式因子，表示格点的量子态概率幅的相 对重要性；P为轨迹的持久性（〇《P<1)，为妈蚁k在第j个格点上留下的信息素数量； Q为一常数（0《Q《10000)。
【专利摘要】本发明公开了一种基于Wi-Fi的室内定位导航方法，包括采集阶段、在线定位和导航阶段，通过仿射传播聚类算法对各参考点同一方向上采集的RSS指纹信息聚类形成不同的类及类首领，建立指纹库并存入服务器；在线定位时手持终端接收RSS指纹信息发送至服务器，服务器将接收的RSS指纹信息与服务器的指纹信息进行类匹配，根据匹配的类首领集合形成指纹图矩阵并发送至手持终端进行精定位，运用改进的压缩感知模型对粗定位信息经过范数最小化处理及相应的权重后，完成坐标的定位；导航阶段运用量子元胞蚂蚁算法寻找最短路径，利用卡尔曼滤波系统对位置进行实时追踪和导航。本发明算法简单，仿射聚类匹配的工作量小，响应时间快，定位误差小。
【IPC分类】G01S5/02, G01S5/04, H04W4/02
【公开号】CN105372628
【申请号】CN201510799145
【发明人】何小锋, 方程, 朱军
【申请人】上海雅丰信息科技有限公司
【公开日】2016年3月2日
【申请日】2015年11月19日