一种基于信标分簇的室内定位方法与流程

本发明涉及一种室内定位技术领域，特别是涉及一种基于信标分簇的室内定位方法。

背景技术：

随着WiFi技术的不端发展，WiFi技术被广泛应用于各个行业。定位服务特别是室内定位服务市场同样发展迅速，需求量迅速增长。目前常见的WiFi室内定位技术包括近邻法、三边(角)测量法、模式匹配法。

WiFi室内定位技术中近邻法应用最为广泛，但其定位精度得不到保证；三边(角)测量法理论上精度较高，但时间、角度等参数较难获取；传统的模式匹配法需要采集大量的数据用于指纹数据库的前期训练，且由于运算量较大导致服务延时，不利于定位服务的快速响应。

现有WiFi室内定位技术除技术本身的局限性之外，还存无法最大程度利用现有室内通信网络(往往需要对网络结构或移动终端进行改造)，难以应对室内环境变化，无法根据业务定位精度进行自适应算法调整等问题。以上种种不利因素都制约了WiFi室内定位技术的规模化商用。

技术实现要素：

发明目的：本发明所要解决的技术问题是针对现有WiFi室内定位技术的不足，提供一种有效应对室内环境变化并可根据定位精度实现算法自适应的基于信标分簇的室内定位方法。

本发明公开了一种基于信标分簇的室内定位方法，在室内部署WiFi信标簇，信标簇由两个以上的WiFi信标组成，选取其中一个信标为簇头，簇内信标以设定的功率发射Beacon帧；簇内信标以设定的功率按照国家规范中对于室内天线的要求小于15dBm严格执行，为保证效果一般要求大于5dBm。根据网格划区的大小，调整簇头边缘场强，网格划分大的，簇头功率适当调高，网格小的，适当降低。网格边缘场强一般要求大于-75，同时保持一致。

使用位置服务器维护簇头列表，簇头列表包括五个字段，分别是，

字段Cluster_ID、字段Beacon_MAC、字段Beacon_Floor、字段Beacon_Coordinate_X以及字段Beacon_Coordinate_Y；其中，Cluster_ID为WiFi信标簇标识，Beacon_MAC为簇头MAC地址，Beacon_Floor为簇头所在楼层，Beacon_Coordinate_X与Beacon_Coordinate_Y分别为簇头所在位置坐标；

使用一个位置服务器维护簇内WiFi信标列表，簇内WiFi信标列表由两个字段构成，分别是字段Cluster_ID和字段Beacon_MAC；其中，Cluster_ID为WiFi信标簇标识，Beacon_MAC为WiFi信标MAC地址；

使用位置服务器负责维护指纹数据库，指纹数据库分簇进行维护，由九个字段组成，分别是字段Cluster_ID、Floor、字段Coordinate_X、字段Coordinate_Y、字段Beacon_ID、字段Beacon_MAC、字段RSSI_AVG、字段RSSI_DEV以及字段Beacon_T；其中，Cluster_ID为WiFi信标簇标识，Floor为信标簇所在楼层，Coordinate_X与Coordinate_Y为网格内训练点的位置坐标，Beacon_ID为WiFi信标标识，Beacon_MAC为WiFi信标MAC地址，RSSI_AVG与RSSI_DEV为该WiFi信标在网格训练点的RSSI平均值及标准差，Beacon_T为WiFi信标在网格训练点累计服务次数；

移动终端在发起定位请求时，位置服务器首先下发簇头列表，移动终端侦听簇头Beacon帧并记录簇头实时RSSI指纹，将RSSI指纹最大的簇头坐标作为自身的初始位置坐标，定位精度为低时，该坐标就作为移动终端位置坐标。

本发明中，信标簇根据建筑物内划分的网格进行部署的，一个网格对应一个信标簇，单个信标簇内WIFI信标数量为6～12个；保证定位精度的同时减小运算量，同时保持簇头在网格边缘的RSSI基本一致，网格基于建筑物内部无线传播环境及定位精度要求进行划分，传播环境复杂(对应封闭及半封闭区域)或定位精度高的区域划分的网格面积小，传播环境简单(对应开放区域)或定位精度低的区域划分的网格面积大，单个网格的面积不超过1000平方米，网格不跨楼层设置。

移动终端的定位基于网格所对应的信标簇，信标簇部署完成后进行RSSI指纹训练，训练点间距为1米，在各训练点上记录簇内信标RSSI的平均值及标准差并录入指纹数据库。一般30次左右的训练可基本保证RSSI的均值和标准差收敛。

本发明中，在定位精度为中或者高的情况下，则将实时RSSI指纹最大的簇头所在簇的Cluster_ID上报给位置服务器，位置服务器下发簇内WiFi信标列表给移动终端，移动终端记录簇内信标实时RSSI指纹，将RSSI最大的3～5个信标指纹上报给位置服务器，位置服务器将上报的RSSI指纹与指纹数据库进行匹配，利用加权最大似然估计法将概率最大的训练点位置坐标下发给移动终端并作为移动终端的位置坐标。

本发明中，移动终端获取位置服务包括以下步骤：

步骤101：移动终端发出定位请求，定位请求中包含定位精度，然后执行102；

步骤102：位置服务器向移动终端下发簇头列表，然后执行103；

步骤103：移动终端侦听信道中簇头Beacon帧并记录簇头实时RSSI指纹，然后执行104；

步骤104：根据定位精度选择算法，若定位精度为低，则进行步骤105，否则进行步骤106；

步骤105：移动终端将实时RSSI指纹最大的簇头坐标作为自身的位置坐标，然后执行114；

步骤106：移动终端将实时RSSI指纹最大的簇头Cluster_ID上报给位置服务器，并将簇头所在位置坐标Beacon_Coordinate_X和Beacon_Coordinate_Y作为自身初始坐标，然后执行107；

步骤107：位置服务器下发簇内WiFi信标列表给移动终端，然后执行108；

步骤108：移动终端侦听簇内WiFi信标Beacon帧并记录信标实时RSSI指纹，然后执行109；

步骤109：根据定位精度选择上报实时RSSI指纹的数量，若定位精度为中，则进行步骤110，否则进行步骤111；

步骤110：移动终端上报RSSI最大的3个实时RSSI指纹给位置服务器，然后执行112；

步骤111：移动终端上报RSSI最大的5个实时RSSI指纹给位置服务器，然后执行112；

步骤112：位置服务器将上报的实时RSSI指纹与指纹数据库进行匹配，并通过加权最大似然估计法将概率最大的位置坐标下发给移动终端，然后执行113；

步骤113：将参与定位计算的信标Beacon_T值加1，然后执行114；

步骤114：本次定位结束。

本发明中，位置服务器采用加权最大似然估计法进行指纹匹配，选取高斯分布作为似然函数，各个信标RSSI独立，指纹匹配时位置服务器将信标实时RSSI指纹在网格内各训练点上的先验概率进行加权求和，并将加权求和最大值的训练点坐标下发给移动终端，概率加权求和公式如下所示：

式中：

R＝{r₁,r₂,…,r_n}，r_j为信标j的实时RSSI指纹，j取值1～n，n为移动终端上报信标RSSI指纹的数量；

Z_i为网格内训练点，i取值1～m，m为网格内训练点的数量；

S(R|Z_i)为信标实时RSSI指纹在训练点Z_i上的先验概率加权求和；

K_ij为信标j在训练点Z_i上的权值；

p_ij为信标j的实时RSSI指纹在训练点Z_i上先验概率密度；

T_ij为信标j在训练点Z_i上累计服务次数；

μ_ij为信标j在训练点Z_i上的RSSI平均值；

σ_ij为信标j在训练点Z_i上的RSSI标准差。

本发明中，训练点间距设置为1米。

本发明通过区域网格划分以及WiFi信标分簇管理，减少了指纹数据库前期训练时间以及后期环境变化所导致重新训练的工作量，在很大程度上缩短了定位算法的运算时间，提升了服务响应速度。同时引入定位精度分级策略，实现了定位算法的自适应调整。由于无需对网络结构和移动终端进行变更，加强了定位网络的快速部署能力。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是室内定位系统网络结构图。

图2是位置服务器维护的簇头列表。

图3是位置服务器维护的簇WiFi信标列表。

图4是位置服务器维护的指纹数据库。

图5是移动终端上报给位置服务器信标RSSI的消息格式。

图6是移动终端获取定位服务的流程图。

图7是信标簇布局及测试效果图。

具体实施方式

本发明公开了一种结合现有室内通信网络，分簇部署WiFi信标，并基于信标簇实现定位的WiFi室内定位方法，包括基于建筑物内部无线传播环境及定位精度要求划分网格，每个网格对应一个信标簇，信标簇由多个WiFi信标组成，每个信标簇选取一个信标作为簇头，簇内信标以特定的功率发射Beacon帧，簇头在网格边缘的RSSI基本保持一致；

网格基于建筑物内部无线传播环境及定位精度要求进行划分，传播环境复杂(对应封闭及半封闭区域)或定位精度高的区域划分的网格面积小，传播环境简单(对应开放区域)或定位精度低的区域划分的网格面积大，单个网格的面积不超过1000平方米，网格不跨楼层设置；

移动终端与位置服务器通过现有室内通信网络实现数据交互，终端发起定位请求时，位置服务器下发簇头列表，终端侦听簇头的Beacon帧并记录簇头实时RSSI指纹，将RSSI最大的簇头坐标作为自身的初始位置坐标；如定位精度要求高，则将簇头的Cluster_ID上报给位置服务器，位置服务器下发簇内WiFi信标列表给终端，终端记录簇内信标实时RSSI指纹并根据定位精度上报3-5个信标实时RSSI指纹给位置服务器，位置服务器将上报的实时RSSI指纹与指纹数据库进行匹配，通过加权最大似然估计法将概率最大的位置坐标下发给移动终端。

本发明采用基于网络的定位方法，通过软件实现室内定位服务，通过已有的室内通信网络及WiFi终端进行定位服务，无需修改网络协议或网络结构，且无需使用定制终端或对终端硬件进行改造；室内环境发生变化时，仅需对环境变化区域的信标簇重新部署，并对相应信标簇指纹数据库重新训练。

移动终端获取定位服务包括以下步骤：

步骤101：移动终端发出定位请求，定位请求中包含定位精度，然后执行102；

步骤102：位置服务器向移动终端下发簇头列表，然后执行103；

步骤103：移动终端侦听信道中簇头Beacon帧并记录簇头实时RSSI指纹，然后执行104；

步骤104：根据定位精度选择算法，若定位精度为低，则进行步骤105，否则进行步骤106；

步骤105：移动终端将实时RSSI指纹最大的簇头坐标作为自身的位置坐标，然后执行114；

步骤106：移动终端将实时RSSI指纹最大的簇头Cluster_ID上报给位置服务器，并将簇头所在位置坐标Beacon_Coordinate_X和Beacon_Coordinate_Y作为自身初始坐标，然后执行107；

步骤107：位置服务器下发簇内WiFi信标列表给移动终端，然后执行108；

步骤108：移动终端侦听簇内WiFi信标Beacon帧并记录信标实时RSSI指纹，然后执行109；

步骤109：根据定位精度选择上报实时RSSI指纹的数量，若定位精度为中，则进行步骤110，否则进行步骤111；

步骤110：移动终端上报RSSI最大的3个实时RSSI指纹给位置服务器，然后执行112；

步骤111：移动终端上报RSSI最大的5个实时RSSI指纹给位置服务器，然后执行112；

步骤112：位置服务器将上报的实时RSSI指纹与指纹数据库进行匹配，并通过加权最大似然估计法将概率最大的位置坐标下发给移动终端，然后执行113；

步骤113：将参与定位计算的信标Beacon_T值加1，然后执行114；

步骤114：本次定位结束。

位置服务器采用加权最大似然估计法进行指纹匹配，选取高斯分布作为似然函数，由于各信标RSSI相对独立，指纹匹配时位置服务器将信标实时RSSI指纹在网格内各训练点上的先验概率进行加权求和，并将加权求和最大值的训练点坐标下发给移动终端，概率加权求和公式如下所示：

(其中：)

式中：

R＝{r₁,r₂,…,r_n}，r_j为信标j的实时RSSI指纹，j取值1～n，n为移动终端上报信标RSSI指纹的数量；

Z_i为网格内训练点，i取值1～m，m为网格内训练点的数量；

S(R|Z_i)为信标实时RSSI指纹在训练点Z_i上的先验概率加权求和；

K_ij为信标j在训练点Z_i上的权值；

p_ij为信标j的实时RSSI指纹在训练点Z_i上先验概率密度；

T_ij为信标j在训练点Z_i上累计服务次数；

μ_ij为信标j在训练点Z_i上的RSSI平均值；

σ_ij为信标j在训练点Z_i上的RSSI标准差。

为减少训练阶段的工作量，训练点间距设置为1米

移动终端根据定位精度选择上报信标实时RSSI指纹的数量，精度为中时上报3个，精度为高时上报5个。

本发明将业务的定位精度分为高、中、低三级，根据定位精度和响应时间选择不同的定位算法和复杂度，定位计算基于单簇内信标的RSSI指纹，室内环境变化只影响区域内的信标簇，仅需对特定信标簇的RSSI指纹数据库进行更新；

实施例

图1中，根据建筑物内部区域划分设置网格，每个网格部署多台WiFi信标，同一网格中的信标组成一个信标簇，每个信标簇包含1个簇头，簇内信标以特定的功率发射Beacon帧；移动终端与位置服务器通过现有室内通信网络实现数据交互，如定位精度要求高，则将簇头的Cluster_ID上报给位置服务器，位置服务器下发簇内WiFi信标列表给终端，终端记录簇内信标RSSI指纹并根据定位精度上报3-5个信标RSSI指纹给位置服务器，位置服务器将上报的RSSI指纹与指纹数据库进行匹配，通过加权最大似然估计法将概率最大的位置坐标下发给移动终端。

图2中，位置服务器维护一张簇头列表，列表由5个字段构成，分别是Cluster_ID、Beacon_MAC、Beacon_Floor、Beacon_Coordinate_X、Beacon_Coordinate_Y，Cluster_ID为簇标识，Beacon_MAC为簇头MAC地址，Beacon_Floor为所在楼层，Beacon_Coordinate_X与Beacon_Coordinate_Y分别为簇头所在位置坐标；终端发起定位请求时，位置服务器下发簇头列表，终端侦听簇头的Beacon帧并记录RSSI，将RSSI最大的簇头坐标作为自身的初始位置坐标。

图3中，位置服务器为每个WiFi信标簇维护一张簇WiFi信标列表,列表由2个字段构成，分别是Cluster_ID、Beacon_MAC，Cluster_ID为簇标识，Beacon_MAC为WiFi信标MAC地址。

图4中，位置服务器维护一个指纹数据库，数据库分簇进行维护，由9个字段组成，分别是Cluster_ID、Floor、Coordinate_X、Coordinate_Y、Beacon_ID、Beacon_MAC、RSSI_AVG、RSSI_DEV、Beacon_T，Cluster_ID为簇标识，Floor为所在楼层，Coordinate_X与Coordinate_Y为网格内训练点的位置坐标，Beacon_ID为信标标识，Beacon_MAC为信标MAC地址，RSSI_AVG与RSSI_DEV为该信标在网格训练点的RSSI平均值及标准差，Beacon_T为信标在网格训练点累计服务次数。

图5中，位置服务器下发簇内WiFi信标列表给终端后，终端根据定位精度上报3-5个信标RSSI指纹给位置服务器，上报的消息内容包含上报信标的数量、字段格式、信标MAC地址以及信标RSSI。

图6是移动终端获取定位服务的流程图，具体步骤是：

步骤101：移动终端发出定位请求，定位请求中包含定位精度，然后执行102；

步骤102：位置服务器向移动终端下发簇头列表，然后执行103；

步骤103：移动终端侦听信道中簇头Beacon帧并记录簇头实时RSSI指纹，然后执行104；

步骤104：根据定位精度选择算法，若定位精度为低，则进行步骤105，否则进行步骤106；

步骤105：移动终端将实时RSSI指纹最大的簇头坐标作为自身的位置坐标，然后执行114；

步骤106：移动终端将实时RSSI指纹最大的簇头Cluster_ID上报给位置服务器，并将簇头所在位置坐标Beacon_Coordinate_X和Beacon_Coordinate_Y作为自身初始坐标，然后执行107；

步骤107：位置服务器下发簇内WiFi信标列表给移动终端，然后执行108；

步骤108：移动终端侦听簇内WiFi信标Beacon帧并记录信标实时RSSI指纹，然后执行109；

步骤109：根据定位精度选择上报实时RSSI指纹的数量，若定位精度为中，则进行步骤110，否则进行步骤111；

步骤110：移动终端上报RSSI最大的3个实时RSSI指纹给位置服务器，然后执行112；

步骤111：移动终端上报RSSI最大的5个实时RSSI指纹给位置服务器，然后执行112；

步骤112：位置服务器将上报的实时RSSI指纹与指纹数据库进行匹配，并通过加权最大似然估计法将概率最大的位置坐标下发给移动终端，然后执行113；

步骤113：将参与定位计算的信标Beacon_T值加1，然后执行114；

步骤114：本次定位结束。

本发明中指纹匹配采用加权最大似然估计法，选取高斯分布作为似然函数，位置服务器根据信标在各训练点上的累计服务次数设置权值，并将信标实时RSSI指纹在网格内各训练点上的先验概率加权求和后进行匹配，能够有效利用信号稳定的信标，避免由于RSSI波动造成的位置偏移，概率加权求和公式如下所示：

(其中：)

式中：

R＝{r₁,r₂,…,r_n}，r_j为信标j的实时RSSI指纹，j取值1～n，n为移动终端上报信标RSSI指纹的数量；

Z_i为网格内训练点，i取值1～m，m为网格内训练点的数量；

S(R|Z_i)为信标实时RSSI指纹在训练点Z_i上的先验概率加权求和；

K_ij为信标j在训练点Z_i上的权值；

p_ij为信标j的实时RSSI指纹在训练点Z_i上先验概率密度；

T_ij为信标j在训练点Z_i上累计服务次数；

μ_ij为信标j在训练点Z_i上的RSSI平均值；

σ_ij为信标j在训练点Z_i上的RSSI标准差。

当用户在获取定位服务时，特定训练点上优质信标的累计服务次数不断增加，其在概率估计中所占的比重也不断加大，由于信号在自由空间传播时会受到快衰落的影响，可通过加权让稳定的信标在定位中发挥更大的作用，减少RSSI波动所造成的定位偏移。

图7是信标簇布局及测试效果图，由于本发明的室内定位方法是基于信标分簇实现的，因此对于建筑物的结构适应性较强，对建筑物本身面积无限制。网格的划分应尽可能保证网格边缘到网格中心距离大致相等，以便于准确判定定位点归属信标簇，簇头的选择为位于网格中心的信标。为方便信标的集中供电，建议将WiFi信标与室内分布天线共同部署。若网格内传播环境发生变化(例如新增隔断)，可对网格内训练点进行RSSI指纹更新，或对网格重新划分。

如图7所示，该区域为某酒店的地下停车场的一部分，东侧区域有剪力墙和隔墙分隔，空间相对独立；区域特点为信号传播无遮挡，无线传播环境变化较小，因此可以将其划分为一个网格，网格内共部署WiFi信标9台，共同组成1个信标簇，其中设置Beacon_5为簇头。网格内WiFi信标平均间距为15米，训练点间距为1米。信标部署完毕后，对验证区域内的训练点进行训练并记录各训练点上WiFi信标RSSI指纹。

测试设置：

(1)测试频段部署：2.4G3号频点；

(2)WiFi信标发射功率：WiFi信标发射功率13dBm，天线增益2dBi；

(3)定位精度：高，单次上报RSSI指纹数5个。

在图中测试位置点进行初始测试，测试单组为50次，单次测试停留时长为1秒。测试结果显示，共有31次定位偏离，最大偏离距离为2.24米，平均偏离距离0.90米。

随着在测试位置点周边测试次数的不断增加(平均单点测试50次左右)，通过服务计数器对RSSI先验概率进行加权求和，偏离度出现收敛。单组测试(50次/组)平均偏离距离收敛至0.53米，精度完全能够满足诸如停车智能引导等应用的要求。

本实施例具有以下优点：

(1)建筑物根据区域划分和信号传播特点划分网格，分簇部署WIFI信标，信标不用与网络连接，周期发送BEACON帧；网格内定为仅基于单个簇的WIFI信标，建筑物环境变更只需更新相应区域的簇指纹。

(2)指纹匹配采用加权最大似然估计法，设置服务计数器，服务次数越高，权值越大；充分利用优质信标参与定位，减少由于室内信号快衰落引起的定位偏移。

(3)采用基于精度的自适应定位算法；初期通过最近邻法获取簇头坐标，实现初始定位(减小低精度定位的数据交互量)，中、高精度采用指纹法根据精度自适应上报簇指纹数量。

(4)现有终端可以与现成的分布系统互联，不需重新部署。

本发明提供了一种基于信标分簇的室内定位方法，具体实现该技术方案的方法和途径很多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。