一种混合定位方法
【专利摘要】本发明公开了一种混合定位方法，包括：根据定位需求自动地选择通过快速模式定位或者通过精准模式定位；所述快速模式以离线方式工作，使用快速AP匹配方法进行定位；所述精准模式以在线方式工作，通过定位服务器进行定位，能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
【专利说明】一种混合定位方法
【技术领域】
[0001]本发明涉及WIFI定位领域，尤其涉及一种混合定位方法。
【背景技术】
[0002]随着无线网络的普及和应用，现在对于无线网络的应用到处可见，目前比较常见的无线网络是WIFI无线网络，并且调制解调器、路由器等设备也都基本上带有无线功能，一些商场、办公楼、教学楼等内部都会有WIFI无线网络的覆盖，WIFI无线网络的普及为室内定位提供了良好的条件。
[0003]目前在室外定位中，GPS已经提供了比较成熟的定位技术，但是对于室内定位来说，由于受到建筑物的遮挡，卫星信号无法穿透建筑物，使得GPS无法很好地对室内进行定位。这也引发了对室内定位技术的研究，其中使用无线信号来进行室内定位已经成为了一项研究热点，并以此来弥补GPS不能对建筑内部定位的缺陷。如同GPS定位系统需要卫星作为信号发射器一样，室内定位同样需要具有发射信号的设备装置，而室内定位所需要的信号发射装置通常是比较常见的无线接入点(AP，Access Point)。
[0004]在无线室内定位技术中，使用信号强度来进行定位的技术主要分为两类，一类是使用信号传播特性，即信号随着传播距离的增加而衰减，对信道进行建模，这样就能够根据接收到的信号强度值来计算出接收设备和发送端之间的距离，并且在已经知道发射器位置的情况下，进一步计算来获得接收处的具体位置，例如三边定位技术。然而由于室内建筑结构的复杂性，又由于信号传播具有反射、衍射等多径效应的传播特性以及传播噪声、信道之间的相互干扰等作用，使得很难构建出比较准确的信号传播模型，因此也难以得到比较理想的定位结果。另一类是称作位置指纹的定位技术，通过采集具体位置信号强度值作为位置指纹并且用预处理过的信号强度值来构建指纹数据库，此技术不仅能够很好的规避信号传播的多径效应而且无需对复杂信道进行建模。采用计算信号距离的方法中，通常包括快速AP匹配算法和K最邻近算法。快速AP匹配算法速度快，资源消耗少，但是定位精度较低，当移动设备使用的是高分辨率电子地图时，定位误差较大。K最邻近算法定位更加精确，但是速度较慢，需要消耗较多的资源，手机等移动设备作为典型的嵌入式系统，受到处理能力、存储资源、电源有限等条件限制，要求运行在其上的嵌入式软件尽量小巧，不能占用大量资源。综上所述，不管是快速AP匹配算法还是K最邻近算法都存在各自的缺点，现有技术中单纯使用其中一种算法来进行定位的方式无法避免算法自身存在的缺点。
【发明内容】
[0005]本发明鉴于上述情况而作出，其目的是提供一种混合定位方法，能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
[0006]本发明提供一种混合定位方法，包括:
[0007]根据定位需求自动地选择通过快速模式定位或者通过精准模式定位。[0008]所述快速模式以离线方式工作，使用快速AP匹配方法进行定位。
[0009]所述精准模式以在线方式工作，通过定位服务器进行定位。
[0010]进一步地，所述根据定位需求自动地选择通过快速模式定位或者通过精准模式定位包括:
[0011]判断当前使用的电子地图的分辨率，如果所述电子地图是低分辨率地图，选择通过快速模式定位，如果所述电子地图是高分辨率地图，选择通过精准模式定位。
[0012]进一步地，所述使用快速AP匹配方法进行定位包括:
[0013]采集一次待定位点的实时WIFI信号值数据。
[0014]根据本地保存的稀疏采样指纹数据库通过快速AP匹配算法计算待定位点的位置。
[0015]进一步地，在所述使用快速AP匹配方法进行定位之前还包括:
[0016]为每一个参考点分别对每个AP进行至少I次WIFI信号采集。
[0017]计算AP在参考点处的信号向量。
[0018]以所有参考点的信号向量构建所述稀疏采样指纹数据库。
[0019]进一步地，所述通过定位服务器进行定位包括:
[0020]采集多次待定位点的实时WIFI信号值数据。
[0021]向定位服务器发送封装有所述实时WIFI信号值数据的定位请求。
[0022]定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置。
[0023]定位服务器返回待定位点的位置。
[0024]进一步地，在所述通过定位服务器进行定位之前还包括:
[0025]为每一个参考点分别对每个AP进行多次WIFI信号采集。
[0026]计算AP在参考点处的信号向量。
[0027]以所有参考点的信号向量构建采样指纹数据库。
[0028]根据采样指纹数据库进行多分类器训练。
[0029]进一步地，所述定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置包括:
[0030]根据多分类器对所述实时WIFI信号值分类并获得一个全局投票向量。
[0031]从所述全局投票向量中选出最优的多个参考点的投票值组成最优投票向量。
[0032]根据权值K最邻近算法来计算出待定位点的位置。
[0033]进一步地，所述根据采样指纹数据库进行多分类器训练包括:
[0034]将所述采样指纹数据库中所有参考点的位置指纹作为训练样本集。
[0035]分别将所述位置指纹按照一对一的方式两两训练分类器。
[0036]生成分类器模型。
[0037]保存所述分类器模型。
[0038]进一步地，所述将所述位置指纹按照一对一的方式两两训练分类器包括:
[0039]将两组不同的参考点处的位置指纹分别给予一个不同的标签并组成一组训练数据集。
[0040]随着惩罚系数及核参数的指数性增长进行交叉验证寻优。
[0041]每次寻优后记录最优分类结果对应的惩罚系数及核参数。[0042]将最优的两个参数作为该分类器的惩罚系数及核参数。
[0043]优选的，所述采集多次待定位点的实时WIFI信号值数据为4次。
[0044]优选的，所述向定位服务器发送封装有所述实时WIFI信号值数据的定位请求为HTTP请求。
[0045]本发明能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
【专利附图】
【附图说明】
[0046]图1是本发明的一种混合定位方法的流程示意图；
[0047]图2是本发明的一种混合定位方法的第一流程示意图；
[0048]图3是本发明的一种混合定位方法的第二流程示意图；
[0049]图4是本发明的一种混合定位方法的第三流程示意图；
[0050]图5是本发明的一种混合定位方法的第四流程示意图；
[0051]图6是本发明的一种混合定位方法的第五流程示意图；
[0052]图7是本发明的一种混合定位方法的第六流程示意图；
[0053]图8是本发明的一种混合定位方法的第七流程示意图；
[0054]图9是本发明的一种混合定位方法的第八流程示意图；
[0055]图10是本发明的实施例的参考点及AP部署示意图；
[0056]图11是本发明的实施例的分类器训练示意图。
【具体实施方式】
[0057]为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0058]本发明提供一种混合定位方法，能够根据不同的地图分辨率自动地选择不同的定位方法，既能够满足不同的定位需求又克服了不同定位方法的缺点。
[0059]一种混合定位方法，包括:
[0060]根据定位需求自动地选择通过快速模式定位或者通过精准模式定位。
[0061]所述快速模式以离线方式工作，使用快速AP匹配方法进行定位。
[0062]所述精准模式以在线方式工作，通过定位服务器进行定位。
[0063]如图1所示，判断地图分辨率的高低，如果地图分辨率高，采用SVM-WKNN(SupportVector Machine-Weighted K-Nearest Neighbor algorithm,结合支持向量机的权重 K 最邻近结点算法)算法对实测信号S= (SljooojSn)进行联机定位，获得定位结果；如果地图分辨率低，采用快速AP匹配算法对实测信号S = (S1,。。。，Sn)进行单机定位，获得定位结果。
[0064]如图2至图9所示，根据定位需求自动地选择通过快速模式定位或者通过精准模式定位包括:
[0065]步骤SlOl，判断当前使用的电子地图的分辨率。
[0066]步骤S102，如果所述电子地图是低分辨率地图，选择通过快速模式定位。[0067]步骤S103，如果所述电子地图是高分辨率地图，选择通过精准模式定位。
[0068]其中，步骤S102与步骤S103并无必然的先后顺序，其是由不同条件触发的。
[0069]步骤S102中，使用快速AP匹配方法进行定位包括:
[0070]步骤S201，采集一次待定位点的实时WIFI信号值数据。
[0071]步骤S202，根据本地保存的稀疏采样指纹数据库通过快速AP匹配算法计算待定位点的位置。
[0072]在步骤S201之前还包括:
[0073]步骤S301，为每一个参考点分别对每个AP进行至少I次WIFI信号采集。
[0074]步骤S302，计算AP在参考点处的信号向量。
[0075]步骤S303，以所有参考点的信号向量构建所述稀疏采样指纹数据库。
[0076]步骤S103中，通过定位服务器进行定位包括:
[0077]步骤S401，采集多次待定位点的实时WIFI信号值数据。
[0078]步骤S402，向定位服务器发送封装有所述实时WIFI信号值数据的定位请求。
[0079]步骤S403，定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置。
[0080]步骤S404，定位服务器返回待定位点的位置。
[0081]在步骤S401之前还包括:
[0082]步骤S501，为每一个参考点分别对每个AP进行多次WIFI信号采集。
[0083]步骤S502，计算AP在参考点处的信号向量。
[0084]步骤S503，以所有参考点的信号向量构建采样指纹数据库。
[0085]步骤S504，根据采样指纹数据库进行多分类器训练。
[0086]步骤S403具体包括:
[0087]步骤S601，根据多分类器对所述实时WIFI信号值分类并获得一个全局投票向量。
[0088]步骤S602，从所述全局投票向量中选出最优的多个参考点的投票值组成最优投票向量。
[0089]步骤S603，根据权值K最邻近算法来计算出待定位点的位置。
[0090]步骤S504具体包括:
[0091]步骤S701，将所述采样指纹数据库中所有参考点的位置指纹作为训练样本集。
[0092]步骤S702，分别将所述位置指纹按照一对一的方式两两训练分类器。
[0093]步骤S703，生成分类器模型。
[0094]步骤S704，保存所述分类器模型。
[0095]步骤S702具体包括:
[0096]步骤S801，将两组不同的参考点处的位置指纹分别给予一个不同的标签并组成一组训练数据集。
[0097]步骤S802，随着惩罚系数及核参数的指数性增长进行交叉验证寻优。
[0098]步骤S803，每次寻优后记录最优分类结果对应的惩罚系数及核参数。
[0099]步骤S804，将最优的两个参数作为该分类器的惩罚系数及核参数。
[0100]实施例
[0101]如图10所示，根据定位场景部署参考点901及AP902，参考点901两两间隔为1.2m，图中共有 AP1, AP2, AP3 和 AP4 四个 AP。
[0102]根据部署的参考点，为每一个参考点采集训练信号样本集，信号样本集中每一个样本都是按照信号向量SV = (S1, S2, , Sn)的格式采集，每个参考点均采集40个样本组成信号样本集(即向量SV中η = 40)，按照参考点编号标识保存于服务器上的一个文件中。当所有参考点处的信号样本集都采集完成后，所有的文件就组成了定位所需要的指纹数据库。其中，信号采集的伪代码如下:
[0103]
【权利要求】
1.一种混合定位方法，其特征在于，包括: 根据定位需求自动地选择通过快速模式定位或者通过精准模式定位； 所述快速模式以离线方式工作，使用快速AP匹配方法进行定位； 所述精准模式以在线方式工作，通过定位服务器进行定位。
2.根据权利要求1所述的方法，其特征在于，所述根据定位需求自动地选择通过快速模式定位或者通过精准模式定位包括: 判断当前使用的电子地图的分辨率，如果所述电子地图是低分辨率地图，选择通过快速模式定位，如果所述电子地图是高分辨率地图，选择通过精准模式定位。
3.根据权利要求1所述的方法，其特征在于，所述使用快速AP匹配方法进行定位包括: 采集一次待定位点的实时WIFI信号值数据； 根据本地保存的稀疏采样指纹数据库通过快速AP匹配算法计算待定位点的位置。
4.根据权利要求3所述的方法，其特征在于，在所述使用快速AP匹配方法进行定位之前还包括: 为每一个参考点分 别对每个AP进行至少I次WIFI信号采集； 计算AP在参考点处的信号向量； 以所有参考点的信号向量构建所述稀疏采样指纹数据库。
5.根据权利要求1所述的方法，其特征在于，所述通过定位服务器进行定位包括: 采集多次待定位点的实时WIFI信号值数据； 向定位服务器发送封装有所述实时WIFI信号值数据的定位请求； 定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置； 定位服务器返回待定位点的位置。
6.根据权利要求5所述的方法，其特征在于，在所述通过定位服务器进行定位之前还包括: 为每一个参考点分别对每个AP进行多次WIFI信号采集； 计算AP在参考点处的信号向量； 以所有参考点的信号向量构建采样指纹数据库； 根据采样指纹数据库进行多分类器训练。
7.根据权利要求6所述的方法，其特征在于，所述定位服务器根据结合支持向量机的权值K最邻近定位算法计算待定位点的位置包括: 根据多分类器对所述实时WIFI信号值分类并获得一个全局投票向量； 从所述全局投票向量中选出最优的多个参考点的投票值组成最优投票向量； 根据权值K最邻近算法来计算出待定位点的位置。
8.根据权利要求6所述的方法，其特征在于，所述根据采样指纹数据库进行多分类器训练包括: 将所述采样指纹数据库中所有参考点的位置指纹作为训练样本集； 分别将所述位置指纹按照一对一的方式两两训练分类器； 生成分类器模型； 保存所述分类器模型。
9.根据权利要求8所述的方法，其特征在于，所述将所述位置指纹按照一对一的方式两两训练分类器包括: 将两组不同的参考点处的位置指纹分别给予一个不同的标签并组成一组训练数据集; 随着惩罚系数及核参数的指数性增长进行交叉验证寻优； 每次寻优后记录最优分类结果对应的惩罚系数及核参数； 将最优的两个参数作为该分类器的惩罚系数及核参数。
10.根据权利要求5至9任意一项所述的方法，其特征在于，所述采集多次待定位点的实时WIFI信号值数据为4次；所述向定位服务器发送封装有所述实时WIFI信号值数据的定位请求为HT TP请求。
【文档编号】H04W64/00GK104039008SQ201410209161
【公开日】2014年9月10日 申请日期:2014年5月16日 优先权日:2014年5月16日
【发明者】刘海涛, 陆小青 申请人:南京大学