手机终端的无线定位方法与流程

本发明涉及无线数据通讯领域，具体涉及一种手机终端的无线定位方法。

背景技术：

随着互联网的发展，越来越多的人使用网络，而且有不少人通过网络参与志愿行动，因此这部分人也被称为网络志愿者。志愿者通过网络结识及组织活动，从虚拟归于现实的活动方。所有的网络志愿者都是网友自发组织的，是自下而上的民间组织，他们有两件事可做，捐钱物和捐时间。

志愿者通常会在陌生的环境中工作，如，在一些大型的室内展会中，通常需要支援者维护人群的秩序，志愿者在活动中通常需要在场馆内走动。在陌生的环境中，志愿者的在室内的位置信息需要反馈到组织者那里显得十分重要。这就需要室内定位技术的支持。

在各种室内定位技术中，基于RSSI(基于接收信号强度定位技术)的位置指纹定位方法因无需添加任何硬件设备和无需知道AP的位置信息及准确的信道模型等有点，已成为室内定位的主流定位方法。该方法一般分为离线和在线两个阶段。离线阶段通过测量定位区域所有指纹参考点的RSSI信号并提取信号特征建立Radio Map的位置指纹数据库；在线阶段得到定位点的信号特征，并和位置指纹库匹配找出最相近一组或几组指纹参考点数据，然后采用一定的定位算法得到定位点的定位结果，由此可见，无论是离线阶段还是在线阶段，RSSI信号特征值的选取都是非常重要的工作，然而人们对RSSI信号特征的研究并不多。

一般选取RSSI信号特征的平均值作为其定位特征值，但是考虑到志愿者工作时，室内环境的复杂性和动态性，信号传播过程中往往存在多路径传播和非视距传播，RSSI信号特征值的平均值进行指纹定位有一定的局限性。

技术实现要素：

本发明针对志愿者工作时，由于室内环境的复杂性和动态性，在RSSI信号特征值的平均值进行指纹定位时，存在较大的误差的技术问题在于提供一种手机终端的无线定位方法。

本方案提供的基础方案为：手机终端的无线定位方法，包括如下步骤：

步骤1、将信号强度从小到大排序，并求出每个信号强度分布对应的百分比概率P(R)、中位数、众数和均值；

步骤2、对信号强度概率分布进行曲线拟合并对拟合曲线进行峰值检测，若有两个及两个以上峰值，取曲线拟合峰值中最大的作为信号强度特征值；

步骤3、若只有一个峰值，则进行步骤4，若有两个峰值，取右峰值，进行步骤8；

步骤4、计算概率分布的偏态系数Cs；

步骤5、若-1≤Cs≤1，则判断该信号强度分布居中，取均值作为其信号特征值；

步骤6、若Cs＜-1，则判定该信号强度分布为左偏，采用3倍中误差过滤法对RSSI信号特征进行左尾过滤，过滤之后回到步骤4重新计算Cs，再判断Cs偏态，若分布居中，取平均值作为其信号特征值，若分布左偏，则再用百分比概率过滤法进行左尾过滤，一次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1为止，取过滤后的平均值R_P作为其信号特征值；若分布右偏，则用步骤7的右偏改正法处理；

步骤7、若Cs＞1，则判定该信号强度分布为右偏，首先以众数为界求小于等于众数的RSSI的平均值，记作R₁，再用小于等于R₁的RSSI求中误差α₁，然后求多径干扰信号强度的概率分布函数P’(R)，最后求融合算法观测值R_r，作为其信号特征值；

步骤8、根据在线阶段定位算法中的K加权近邻算法，确定定位点的位置，最后将这K个指纹参考点位置坐标的加权最为定位点的定位结果；

步骤9、读取室内地图，并按比例尺生成黑色栅格图像，遍历地图要素，若为可通达区域，则在图像上绘制成白色，并将白色区域的坐标定位为集合S；

步骤10、步骤8中得到的定位结果若不包括在集合S内，则返回步骤1重新开始，若步骤8中得到的定位结果包括在集合S内，则在地图上显示结果。

本方案手机终端的无线定位方法具有如下特点，1.对RSSI信号强度峰值检测和筛选，多峰值时选取最左边的峰值作为融合值。2.考虑到外界干扰一般使信号强度变弱，采用两种左尾过滤法来逼近众数的真值，基于众数实现左偏改正。3.将混合高斯概率分布函数固定两个参数用于右偏改正，简化运算。这些特点使得该融合算法定位具有很好的环境适用性。

本发明在志愿者工作时，针对室内环境的复杂性和动态性，提出针对RSSI信号峰值的不同情况使用不同的运算方式，达到提高定位准确性的目的。解决了在志愿者工作时，由于室内环境的复杂性和动态性，在RSSI信号特征值的平均值进行指纹定位时定位误差大的问题。

进一步，步骤4中Cs的计算方法为，式1：式中，R为手机接收端接收到某个AP源的信号强度观测值，R’和α分别是R的平均值和标准差，N是观测值的个数。

进一步，步骤7中α₁的计算方法为，式2：N’是小于等于R₁的RSSI 观测值的个数，P’(R)的计算方法为，式3：

进一步，步骤7中R_r的计算方法为，式4：n是观测值RSSI中非重复的RSSI的个数。

进一步，步骤8中的具体方式为，首先计算第i个指纹参考点与定位点之间的物理欧式距离D_i,D_i的计算方式为，式5：M为AP信号源的个数，R^j为定位点接收到的第j个AP信号源的信号强度特征值，R_jⁱ为第i个指纹参考带你接收到的第j个AP信号源信号强度特征值，然后根据D_i的大小找到与定位点物理欧式距离最近的K个指纹参考点，并对这K个指纹参考点的位置坐标赋予不同的权重系数w_i,w_i的计算方式为，式6：最后将这K个指纹参考点位置坐标的加权和作为定位点的定位结果，计算方式为，式7：(x,y)是定位点的坐标，(x_i,y_i)是指纹点坐标。

附图说明

图1为测量点的分布图；

图2为现有三点均值定位法定位出的定位点分布图；

图3为采用本发明定位出的定位点分布图。

具体实施方式

下面通过具体实施方式对本发明作进一步详细的说明：

实施例

手机终端的无线定位方法，包括如下步骤：

步骤1、将信号强度从小到大排序，并求出每个信号强度分布对应的百分比概率P(R)、中位数、众数和均值；

步骤2、对信号强度概率分布进行曲线拟合并对拟合曲线进行峰值检测，若有两个及两个以上峰值，取曲线拟合峰值中最大的作为信号强度特征值；

步骤3、若只有一个峰值，则进行步骤4，若有两个峰值，取右峰值，进行步骤8；

步骤4、计算概率分布的偏态系数Cs，计算方式为，式1：式中，R为手机接收端接收到某个AP源的信号强度观测值，R’和α分别是R的平均值和标准差，N是观测值的个数；

步骤5、若-1≤Cs≤1，则判断该信号强度分布居中，取均值作为其信号特征值；

步骤6、若Cs＜-1，则判定该信号强度分布为左偏，采用3倍中误差过滤法对RSSI信号特征进行左尾过滤，过滤之后回到步骤4重新计算Cs，再判断Cs偏态，若分布居中，取平均值作为其信号特征值，若分布左偏，则再用百分比概率过滤法进行左尾过滤，一次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1为止，取过滤后的平均值R_P作为其信号特征值；若分布右偏，则用步骤7的右偏改正法处理；

步骤7、若Cs＞1，则判定该信号强度分布为右偏，首先以众数为界求小于等于众数的RSSI的平均值，记作R₁，再用小于等于R₁的RSSI求中误差α₁，然后求多径干扰信号强度的概率分布函数P’(R)，最后求融合算法观测值R_r，作为其信号特征值；

步骤8、根据在线阶段定位算法中的K加权近邻算法，确定定位点的位置，最后将这K个指纹参考点位置坐标的加权最为定位点的定位结果；

步骤9、读取室内地图，并按比例尺生成黑色栅格图像，遍历地图要素，若为可通达区域，则在图像上绘制成白色，并将白色区域的坐标定位为集合S；

步骤10、步骤8中得到的定位结果若不包括在集合S内，则返回步骤1重新开始，若步骤8中得到的定位结果包括在集合S内，则在地图上显示结果。

为了检验本发明的有效性，在某次公益活动中的展厅中进行验证，该展厅内的人流较为密集，并且人员流动情况复杂。

在实验过程中，手机终端是作为一个运行平台，本发明在手机终端中运行还需要软件的支撑。在实验的过程中，选用一款代码开源、并具有定位功能的APP进行实验是至关重要的，因此，选用的是市面上一款名称为“暖青汇”的手机APP，“暖青汇”也是针对志愿者服务的，并且也具有现有的三点均值定位功能，通过对该APP进行改写，将本方法应用于该APP，进行对比实验。改写前，手机终端应用的是现有的三点均值定位法，改写后，手机终端应用的是本发明提供的方法。

实验时，展厅内有4个AP，△代表指纹点(即AP所在点)，○代表实际所在点称为测量点，□代表的是手机经定位算法定位出来的点称为定位点。

手机采集AP的信号强度，采用1s的采样率，每个时段采集数据8min。需要说明的是，本次做的是对比实验，实验组采用本发明提供的方法，对照组采用的是现有的三点均值定位法，由于不同品牌、型号的手机接收AP信号强度具有差异性，故实验中所有数据的采集均采用相同品牌、型号的手机进行，本次实验均采用iPhone 5。

本次实验的方式为，两部相同的手机，分别装上改写前的“暖青汇”和改写后的“暖青汇”，同时在同一个○点用三点均值定位法和本发明提供的方法定位，在两个地图上分别标记出□点的位置，分别计算两种□点与○点的误差ds，ds’为定位点误差的平均值。

图1为测量点的分布图，图2为现有三点均值定位法定位出的定位点分布图，图3为采用本发明定位出的定位点分布图。

从图2中可明显看出在一些边缘点附近，现有的三点均值定位法，定位存在较大的误差，并且由于缺少自检的步骤，一些明显误差未得到修正。

从图3中可看出，本发明定位出来的点误差较小，未出现明显的错误。

表1为复杂环境下RSSI概率分布含双峰分布或右偏分布情况

表1

从表1可看出，在实际情况复杂的情况下，RSSI信号特征的分布特性绝大多数是呈双峰分布或右偏分布。现有的均值三点定位法在这种情况下，定位精度如图2所示，图2中(2.8,6.7)这个点，由于遮挡物的影响，定位点出现在遮挡物内部，出现明显错误。本发明的定位精度如图3所示，图3中所有的定位点，经过修正均未出现明显错误。

图2中，所有的定位点均偏向AP信号强的方向，并且距离AP信号源越近，误差ds越大。

图3中，通过本发明的处理后，定位点的的偏移量明显得到控制，减小了误差ds。

表2为复杂环境下RSSI不同信号特征值定位点误差及精度

表2

结果表明：本发明的定位精度优于现有的均值三点定位方式。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。