本发明属于无线定位领域，具体涉及一种自动生成位置指纹数据的方法。
背景技术：
随着移动终端(特别是智能手机)的普及，大型商场、机场、高铁站等人员密集的室内区域的位置服务需求急剧增加。但是，以GPS(Global Positioning System，全球定位系统)、BDS(BeiDou Navigation Satellite System，北斗卫星导航系统)等为代表的卫星导航定位系统在室内区域却几乎无法工作，国内外科研机构正致力于寻找能够辅助(或替代)卫星系统为室内区域提供定位服务的技术方案。无线城市、智慧城市等工程的建设为室内定位提供了基础支撑，比如WiFi(Wireless Fidelity，无线保真技术)在满足了用户上网需求的同时也能够用于定位。由于WiFi、蓝牙等泛在无线信号的广泛性、生态性，基于泛在无线信号的室内定位成为当前的研究热点。
基于泛在无线信号的室内定位方法主要有位置指纹匹配和测距交会两种。两种方法各有优缺点，其中位置指纹匹配具有较高的定位精度，但是需要花费人力时间成本采集位置指纹数据，并且位置指纹数据需要维护和更新。
名称为“一种WiFi室内定位中指纹库的构建及更新方法”的中国专利申请CN104853317A提出，在目标区域布设具有WiFi信号收发功能的锚节点周期性地采集参考位置指纹数据。在构建或更新位置指纹数据之前，首先利用地理加权回归算法构建锚节点扫描的接收信号强度(Received Signal Strength Indicator,RSSI)与WiFi接入点(Access Point，AP)位置及锚节点位置之间的映射关系；然后利用锚节点周期性采集的数据对锚节点周期性定位，并计算每个锚节点的平均定位误差，判断误差是否超过阀值，如果误差超过阀值，系统就依据此前建立的地理加权回归模型对该锚节点附近的位置指纹数据进行更新。该发明需要知道WiFi AP的坐标位置，浪费了目标区域周围大量未知坐标位置的AP，在一定程度上限制了系统的可扩展性。
名称为“无线室内定位指纹地图的自动更新方法及装置”的中国专利申请CN104869536A公开了以下技术方案，即利用移动设备静止时的位置作为参考点构建其与非参考点之间关于指纹数据的映射关系，然后基于此映射关系，在更新指纹数据时利用一定数量参考位置及在其上收集的最新指纹数据生成非参考点的位置指纹数据。该发明需要首先确定移动设备静止时的位置，其中的定位误差给非参考点的位置指纹数据生成带来不利影响。另外，该发明所依赖的映射关系的完善需要较长的训练时间。
技术实现要素：
本发明的目的在于克服现有技术的缺点和不足，提供一种自动生成位置指纹数据的方法，该方法能够实现位置指纹的自动化生成，避免大量人力成本的消耗，精确估计位置指纹数据。
为了实现以上目的，本发明提供了一种自动生成位置指纹数据的方法，其包括如下步骤：
步骤一.布设参考终端，所述参考终端能够采集RSSI并联网上载数据，控制中心服务器已知所有参考终端坐标位置；
步骤二.采集并上载数据，采集并上载数据的系统采用集中式架构，所述参考终端实时采集同步数据并通过通信网络上载至所述控制中心服务器，由所述控制中心服务器进行数据处理及位置指纹数据的生成；
步骤三.生成位置指纹数据：利用有限个所述参考终端的数据插值生成目标区域所有位置点的位置指纹数据，采用通用克里金方法插值生成位置指纹数据，具体步骤如下：
a)将目标区域进行格网划分，每个网格的大小根据系统精度要求而定；
b)在每个格网点离线采集一次位置指纹数据，用于构建克里金插值所需的半方差模型；
c)针对每个无线信号发射器构建半方差模型。利用离线采集的位置指纹数据计算半方差
其中，Z(xi)表示位置点xi处的RSSI，h表示点xi和xj之间的距离间隔，N(h)表示所有位置点中距离间隔为h的点对数目；在得到不同距离间隔h对应的半方差数据之后，拟合得到合适的半方差模型。常用的半方差模型主要有球状模型、高斯模型、指数模型等。半方差模型只需要构建一次便可以供系统在线使用。
d)利用通用克里金方法，所述控制中心服务器收集所述参考终端实时同步上传的数据插值估计目标区域内所有点的位置指纹数据，形成完整的位置指纹库。
优选地，所述参考终端能够在WiFi环境下采集WiFi RSSI和利用WiFi上载数据。
优选地，所述参考终端布设为均匀分布，并在关键区域和复杂区域增加布设密度。整个目标区域的参考终端布设密度由系统定位精度要求而定，通常布设密度越高，系统定位精度越高，反之亦然。
优选地，所述采集并上载数据的系统包括控制中心服务器和多个参考终端。
本发明利用满足空间分布要求的参考终端同步采集来自无线发射器(比如WiFi AP)的RSSI，并将采集的数据上载至控制中心服务器；服务器接收数据并利用UK(Universal Kriging，通用克里金)插值方法估计目标区域的位置指纹数据。本发明中，均匀分布的参考终端实时同步运行保证了数据与动态环境变化的同步性，自适应于动态环境变化。而利用插值方法直接估计位置指纹数据实现了位置指纹的自动化生成，避免了大量人力成本的消耗。通用克里金方法能够利用RSSI在目标区域的空间变化特征，精确估计位置指纹数据。
附图说明
图1示出了本发明的自动生成位置指纹数据的系统架构示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
本发明的自动生成位置指纹数据的方法包括以下步骤：
步骤一.布设参考终端。
参考终端为具有RSSI采集、联网上载数据功能(比如，在WiFi环境下参考终端应具有WiFi RSSI采集和利用WiFi上载数据的功能)的设备。服务器已知所有参考终端坐标位置。
参考终端布设遵循均匀分布，并在关键区域和复杂区域增加布设密度。整个目标区域的参考终端布设密度由系统定位精度要求而定，通常布设密度越高，系统定位精度越高，反之亦然。
步骤二.采集并上载数据。
采集并上载数据的系统采用集中式架构(如图1所示，包括控制中心服务器和多个参考终端)。参考终端实时采集同步数据并通过通信网络(比如WLAN(Wireless Local Area Network，无线局域网))上载至控制中心服务器，由服务器进行数据处理及位置指纹数据的生成。
步骤三.生成位置指纹数据
利用有限个参考终端的数据插值生成目标区域所有位置点的位置指纹数据。本发明采用通用克里金方法插值生成位置指纹数据，具体步骤如下：
a)将目标区域进行格网划分，每个网格的大小根据系统精度要求而定，比如1米×1米；
b)在每个格网点离线采集一次位置指纹数据，用于构建克里金插值所需的半方差模型；
c)针对每个无线信号发射器构建半方差模型。利用离线采集的位置指纹数据计算半方差
其中，Z(xi)表示位置点xi处的RSSI(Received Signal Strength Indicator，接收信号强度)，h表示点xi和xj之间的距离间隔，N(h)表示所有位置点中距离间隔为h的点对数目。在得到不同距离间隔h对应的半方差数据之后，拟合得到合适的半方差模型。常用的半方差模型主要有球状模型、高斯模型、指数模型等。半方差模型只需要构建一次便可以供系统在线使用；
d)利用通用克里金方法(具体理论可参见相关文献)，中心服务器收集参考终端实时同步上传的数据插值估计目标区域内所有点的位置指纹数据，形成完整的位置指纹库。
本发明利用满足空间分布要求的参考终端同步采集来自无线发射器(比如WiFi AP)的RSSI，并将采集的数据上载至控制中心服务器；服务器接收数据并利用UK(Universal Kriging，通用克里金)插值方法估计目标区域的位置指纹数据。参考终端优选均匀分布，在关键区域或复杂区域增加布设密度，根据系统建设的定位精度要求选择终端布设密度。由于参考终端同步实时采集，保证了数据适应环境的动态变化。
本发明中，均匀分布的参考终端实时同步运行保证了数据与动态环境变化的同步性，自适应于动态环境变化。而利用插值方法直接估计位置指纹数据实现了位置指纹的自动化生成，避免了大量人力成本的消耗。通用克里金方法能够利用RSSI在目标区域的空间变化特征，精确估计位置指纹数据。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何在未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均因为等效的置换方式，都包含在本发明的保护范围之内。