一种基于锚点和位置指纹的WiFi室内定位方法
【专利摘要】本发明公开了一种基于锚点和位置指纹识别算法的WiFi室内定位方法，采用锚点信号强度对位置指纹数据进行修正，能够精确地定位终端接收机位置，且反应迅速。本发明采用锚点作为基准值进行强度矫正，较好的修正了瞬时信号强度变化，弥补了位置指纹平均值在某一具体时刻的不确定性，采用KNN匹配算法和基于权重的坐标计算方法获得待测点位置，有效降低了信号波动带来的误差。此外，采用待测点向量对数据库中向量集合进行精炼，能够避免AP变化引起的RSS向量错位。本发明定位精度高，反应迅速，特别适合Android设备端室内位置定位。
【专利说明】一种基于锚点和位置指纹的WiFi室内定位方法
【技术领域】
[0001]本发明属于位置定位【技术领域】，涉及一种基于室内无线网络信号的定位方法，更为具体的说，是涉及一种能够根据锚点矫正位置的精确定位方法。
【背景技术】
[0002]位置信息在人们的日常生活中扮演着重要的作用。在郊外、展览馆、公园等陌生环境中，使用定位导航信息可为观众游览提供更便捷的服务；在仓储物流过程中，对物品进行实时定位跟踪将大大提高工作效率；在监狱环境中，及时准确地掌握相关人员的位置信息，有助于提高安全管理水平，简化监狱管理工作。目前全球定位系统(GPS，GlobalPositioning System)是获取室外环境位置信息的最常用方式。近年来,随着无线移动通信技术的快速发展，GPS和蜂窝网络相结合的A_GPS(Assisted Global Positioning System)定位方式在紧急救援和各种基于位置服务(LBS, Location-Based Services)中逐渐得到了应用。但由于卫星信号容易受到各种障碍物遮挡，GPS/APGS等卫星定位技术并不适用于室内或高楼林立的场合，目前无线室内定位技术迅速发展，已成为GPS的有力补充。
[0003]现有室内无线定位系统主要采用红外、超声波、蓝牙、WiFi (Wireless Fidelity)、RFID (Radio Frequency Identification)等短距离无线技术。其中基于WiFi网络的无线定位技术由于部署广泛且低成本较低，因此备受关注。但现有的WiFi定位技术在应用过程中发现，很多环境中的WiFi信号自身不稳定，而且信号受墙壁等建筑物的影响发生衰减后增加了不确定性，导致实际应用中定位精度偏低，甚至会发生不能够完成定位的情况。
【发明内容】
[0004]为解决上述问题，本发明公开了一种基于锚点和位置指纹识别算法的WiFi室内定位方法，采用锚点信号强度对位置指纹数据进行修正，能够精确地定位终端接收机位置，且反应迅速。
[0005]为了达到上述目的，本发明提供如下技术方案:
[0006]一种基于锚点和位置指纹的WiFi室内定位方法，包括如下步骤:
[0007](I)将区域划分为网格状结构，每一个交点为一个参照点，以此为一个二维坐标系，原点设定在区域左下角的交点，在室内屋顶上方设置一个锚点，锚点具备信号强度分析功能；
[0008](2)扫描区域内所有的AP信号强度，组成该RP的信号强度RSS向量，最后将RP坐标、RSS向量和扫描时间保存在数据库中，将同时刻的锚点RSS向量及时间保存至数据库中，如果没有发现AP，则发出警告，其中RSS向量中包含有AP标识；
[0009](3)接收来自待测点Android手机端的定位请求，解析请求中信号强度向量S=IiSS1, SS2, SS3,…，SSk],获取锚点的当前信号强度向量S=IiaS1, as2, as3,…，ask],提取数据库中最新的所有参照点的信号强度向量RSS集合S，集合中向量定义为Si=LSSil, SSi2, SSi3,…，SSiJ，并提取数据库中存储的锚点的信号强度A= [AS1, AS2, AS3,…，ASm]，其中k、m代表AP数量，Si代表第i个RP的信号强度向量，A代表数据库中锚点的信号强度；
[0010](4)精炼所有参照点的信号强度向量集合和数据库中存储的锚点信号强度，使得S和S中的AP标识——对应，避免AP变化引起的RSS向量错位。如步骤(3 )得到的向量s中的k与向量集合S中的m不相等时，说明测量s时，部分AP没有工作，应该以s中各个AP的ID号和AP的顺序，重新筛选和组织每个向量Si,使得Si=LSSil, SSi2, SSi3,...，SSj和S=Lss1, SS2, SS3,…，SSk]向量的维数一致,且对应顺序上值来自相同AP。由此获得筛选和组织过得向量s'和S'，同理采用a来精炼向量A，得到新的向量a'和A'，一般情况下s和a的维度是一致的，所以也可以用s来精炼A ;
[0011](5)采用步骤(4)中的a'和A'的变化关系来矫正S'，矫正后的5?，
其中i = 1，2，...204个RP，j = A，B，C，D四个AP，as'」指a'中第j维的取值，AS'指A'第j维的取值，SSi' j为集合S'中第i个向量的第j维，SS" u是矫正后的信号向量集合S"中第i个向量的第j维，向量的第j维经步骤(4)精炼后代表的是第j个AP的信号强度值；本发明采用锚点信号强度对位置指纹数据进行修正，较好的修正了瞬时信号强度变化，弥补了步骤20中位置指纹平均值在某一具体时刻的不确定性，将矫正后的信号强度入库替换S，用a替换A ;
[0012](6)采用KNN匹配算法计算待测点信号强度向量s'和矫正后的所有参照点的信号强度向量集合S"之间的欧几里德距离，获得距离集合D ;
[0013](7)对步骤(6)得到的初步距离集合D进行升序排序，首先获取前四个距离代表的RP ;
[0014](8)基于步骤(7)得到的四个RP，采用基于权重的坐标计算方法获得待测点位置坐标，即将待测点和每个RP的距离作为权重来计算待测点的位置坐标P。
[0015]作为本发明的一种优选方案，所述步骤(4)中的精炼过程为如下两种方式中的任意一种:
[0016]a.利用请求中信号强度向量s来精炼所有参照点的信号强度向量集合S，并采用锚点的当前信号强度向量a来精炼数据库中存储的锚点信号强度A ；
[0017]b.利用请求中信号强度向量s来精炼所有参照点的信号强度向量集合S和数据库中存储的锚点信号强度A。
[0018]作为本发明的一种优选方案，所述步骤(8)中采用基于权重的坐标计算方法包括如下步骤:首先获取待测点与四个RP的距离，将上述四个距离进行归一化处理后得到四个权值WpWyWyW4,然后读取四个RP的坐标值(X1, Y1)、 (x2, y2)、(x3, y3)、(x4, y4),最后对两个同方向边上的RP分别进行加权计算后取平均值计算出待测点坐标位置，计算
公式为(X' , j' ) = (W1XAw2XJw3XJw4X4, W1y1+W2y2+W3y3+W4y4)。
[0019]作为本发明的一种优选方案，步骤(I)划分的网格状结构中，网格尺寸默认采用经验值0.5m*0.5m，锚点设置在室内天花板正中。
[0020]作为本发明的一种优选方案，步骤(2)中扫描参照点和锚点获得信号强度向量时，其中锚点和每一个参照点扫描100次，取平均值存入数据库。
[0021]与现有技术相比，本发明提供的基于锚点和位置指纹的WiFi室内定位方法，采用锚点作为基准值进行强度矫正，较好的修正了瞬时信号强度变化，弥补了位置指纹平均值在某一具体时刻的不确定性，采用KNN匹配算法和基于权重的坐标计算方法获得待测点位置，有效降低了信号波动带来的误差。此外，采用待测点向量对数据库中向量集合进行精炼，能够避免AP变化引起的RSS向量错位。本发明定位精度高，反应迅速，特别适合Android设备端室内位置定位。
【专利附图】
【附图说明】
[0022]图1为本发明在室内划分网格状结构布局示意图；
[0023]图2为本发明提供的基于锚点和位置指纹的WiFi室内定位方法的步骤流程图；
[0024]图3为基于权重的坐标计算方法的布局示意图。
【具体实施方式】
[0025]以下将结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述【具体实施方式】仅用于说明本发明而不用于限制本发明的范围。
[0026]图1所示，在8m*5.5m的区域内按照二维的正方形网格分布放置4个WiFi信号接入点AP (标号为A到D)和204个RP (参照点)，以该区域下边界为X轴，左边界为y轴，两个坐标轴方向上相邻两点间的距离为0.5m。在室内天花板上设置一个锚点可以接收信号强度，锚点优选设置在天花板(这里的天花板仅指与8m*5.5m的区域相应的同面积区域)正中央。所有的AP均为有源RFID，工作频率为2.442GHz，灵敏度为_118dBm，发射功率最小值为-24dBm。
[0027]本实施案例采用传统的位置指纹定位算法、KNN匹配算法和基于权重的坐标计算方法来计算室内位置坐标，具体步骤如图2所示:
[0028]步骤10，首先确定204个AP的x，y坐标，并设置锚点坐标；
[0029]步骤20，使用WirelessMon软件扫描区域内的无线信号接入点，得到A、B、C、D、四个AP。针对204个RP，使用WirelessMon软件扫描每个RP接收A到D的信号强度，由此获得204 个 RSS 向量分别为:[{RP: (0,0) ;RSS: (A:_52, B:_31, C:_73, D:_60) ; TME:“2013-01-2609:56，，}，{RP: (I, I) ;RSS: (A:-49, B:-29, C:-70, D:-57) ;TIME:“2013-01-2609:56，，}，{RP: (2,2);RSS: (A:-40, B:-25, C:-66, D:-53) ;TIME:“2013-01_2609:56”}，{RP: (3，3) ;RSS: (A:_39，B:_28, C:-62,D:-51) ;TIME:“2013-01-2609:56”}，...，{RP: (16，11) ;RSS: (A:-69, B:-75, C:-31, D-:-49,) ;TIME: “2013-01-2609:56”}]，其中数值单位为dBm。同时，读取锚点的信号强度A={RP:(16, 11), RSS: (A:-49, B:-75, C:-62, D:-57) TIME: “2013-01-2609:56”}；
[0030]步骤30,接收来自Android设备端的定位请求，解析请求中信号强度向量s=(A:-31，B:-42，C:-47，D:-38)，其中数值单位为dBm，同时获取锚点的信号强度a=(A:-45，B:-80，C:-65，D:-55)。
[0031]步骤40，读取oracle数据库中最新的所有参照点RP的数据，放入集合S中，S中向量为Si ;米用向量s对Si和A进行筛选，使得S、A和s中的AP标识对应。本例中数据库中的向量集合S的维度与向量s的维度一致，因此筛选后的向量集合S不变。
[0032]步骤50，采用向量a和A的变化关系对Si进行修正，修正公式为，其中i = l，2，...204fRP，j =A，B，C，D四个AP，将矫正后的SSi/入库替换S，用a替换A ；
[0033]步骤60，利用s与SSi进行相似度计算，得出广义欧式距离最近的四个SSi,并获得相应的RP坐标值，本例中得到的四个RP与s的欧氏距离表示如下:{1.97: (5,6) ; 3.28: (6,6) ;4.01: (5，7) ;5.19: (6，7)}；
[0034]步骤70，采用权值计算待测点位置坐标P，具体步骤如下:
[0035]步骤701，首先对权值进行归一化处理，通过公式
【权利要求】
1.一种基于锚点和位置指纹的WiFi室内定位方法，其特征在于，包括如下步骤: (1)将区域划分为网格状结构，每一个交点为一个RP，以此为一个二维坐标系，原点设定在区域左下角的交点，在室内屋顶上方设置一个锚点，锚点具备信号强度分析功能； (2)扫描区域内所有的AP信号强度，组成该RP的信号强度RSS向量，最后将RP坐标、RSS向量和扫描时间保存在数据库中，将同时刻的锚点RSS向量及时间保存至数据库中，如果没有发现AP，则发出警告，其中RSS向量中包含有AP标识； (3)接收来自Android手机端的定位请求，解析请求中信号强度向量，获取锚点的当前信号强度向量，提取数据库中最新的所有RP的信号强度向量RSS集合和数据库中存储的锚点的信号强度； (4)精炼所有RP的信号强度向量集合和数据库中存储的锚点原有信号强度向量； (5)根据锚点信号的前后变化关系来矫正精炼后的所有RP的信号强度向量集合； (6)采用KNN匹配算法计算待测点信号强度向量和矫正后的所有RP的信号强度向量集合之间的欧几里德距离，获得距离集合； (7)对步骤(6)得到的初步距离集合进行升序排序，首先获取前四个距离代表的RP； (8)基于步骤(7)得到的四个RP，采用基于权重的坐标计算方法获得待测点位置坐标，即将待测点和每个RP的距离作为权重来计算待测点的位置坐标。
2.根据权利要求1所述的基于锚点和位置指纹的WiFi室内定位方法，其特征在于:所述步骤(4)中的精炼过程为如下两种方式中的任意一种: a.利用请求中信号强度向量来精炼所有RP的信号强度向量集合，并采用锚点的当前信号强度向量来精炼数据库中存储的锚点信号强度； b.利用请求中信号强度向量来精炼所有参照点的信号强度向量集合和数据库中存储的锚点信号强度。
3.根据权利要求1或2所述的基于锚点和位置指纹的WiFi室内定位方法，其特征在于:所述步骤(8)中采用基于权重的坐标计算方法包括如下步骤:首先获取待测点与四个RP的距离d1、d2、d3、d4将上述四个距离进行归一化处理后得到四个权值w1、w2、w3、w4然后读取四个RP的坐标值(X1, Y1), (x2, y2)、(x3, y3)、(x4, y4),最后对两个同方向边上的RP分别进行加权计算后取平均值计算出待测点坐标位置，计算公式为, y' ) = (w1x1+w2x2+w3x3+W4X4, w1y1+w2y2+w3y3+w4y4)。
4.根据权利要求1所述的基于锚点和位置指纹的WiFi室内定位方法，其特征在于:步骤(I)划分的网格状结构中，网格尺寸默认采用经验值0.5m*0.5m，锚点设置在室内天花板正中。
5.根据权利要求1所述的基于锚点和位置指纹的WiFi室内定位方法，其特征在于:步骤(2)中扫描参照点和锚点获得信号强度向量时，其中锚点和每一个参照点扫描100次，取平均值存入数据库。
【文档编号】H04W4/04GK103458369SQ201310346648
【公开日】2013年12月18日 申请日期:2013年8月9日 优先权日:2013年8月9日
【发明者】马廷淮, 杨蓉, 储彬彬, 田伟, 钟水明 申请人:南京信息工程大学