一种WiFi室内定位系统中指纹库的自动更新方法与流程

本发明属于WiFi室内定位领域，更具体地说，涉及一种WiFi室内定位系统中指纹库的自动更新方法。
背景技术：
：近些年来，基于位置的服务(LBS)提供给人们越来越多的便利，相关的定位技术也得到迅速的发展。全球卫星导航系统(GNSS)能够在开阔环境中提供米级别精度的定位服务，但是在室内环境中，由于建筑物对信号的遮挡，GNSS并不能够用来进行室内定位。因此，在室内环境中基于WiFi、RFID、声波等信号的定位技术被研发出来。随着WiFi热点的普及以及智能手机的广泛使用，WiFi室内定位系统受到越来越多的关注。在WiFi室内定位系统中，指纹定位法由于相较于其他定位方法能够提供更高的定位精度，因而得到广泛的应用。指纹定位法分为两个阶段：离线信号采集阶段和在线定位阶段。离线信号采集阶段，通过在定位区域内的参考点处采集周围无线AP的信号强度，来构建一个参考点位置坐标与周围AP信号强度相对应的指纹库。在线定位阶段，移动设备会采集周围AP的实时的信号强度，通过匹配算法将实时信号强度同指纹库进行匹配，找到相似度最高的指纹，并将该指纹所对应的位置作为移动设备的定位结果。在指纹定位方案中，指纹库的准确性直接影响了定位精度。由于无线信号容易受到物品移动、门的开闭、温度、湿度等环境因素的影响，无线信号在定位空间的分布随着时间的推移会发生变化。这种信号的变化，会导致原来采集的指纹库不能够准确的反应当前的信号特征，从而影响指纹定位法的定位精度。因此，需要定期的更新指纹库，使得指纹库能够准确的表征当前信号的特征。指纹库的更新可以采用人工重新采集指纹的方案，但是这种方案会耗费大量人力财力。另一种方案是通过用户反馈来修正指纹，但是这种方案要么需要用户的主动反馈，要么占用大量移动设备的资源，并不容易推广。技术实现要素：本发明要解决的技术问题：克服现有技术的不足，提供一种WiFi室内定位系统中指纹库的自动更新方法，自动移动端轻负载的更新指纹库，以解决环境变化导致的指纹库失效问题，同时节省指纹库更新所需的人力、财力，以及对移动设备系统资源的占用。本发明的技术解决方案：一种WiFi室内定位系统中指纹库的自动更新方法，为了自动更新WiFi室内定位系统的指纹库，使其适应环境的变化，本发明通过信号特征分析识别观测设备的运动状态，将观测设备静止状态的信号强度作为参考点指纹更新的数据来源；通过构建观测设备与标准设备信号强度之间的线性回归方程，剔除不同移动设备之间信号强度的差异性；通过提取原有指纹库参考点之间的多重共线性关系，实现指纹库的更新方法；指纹库更新操作完全在后台服务器进行，实现移动端的轻负载。本发明具体实现步骤如下：步骤一：在待定位区域布设具有数据回传功能的AP；所述具有数据回传功能的AP是指具有能够记录周围无线设备接收到的信号强度，并周期性的将该信号强度回传给指纹库更新服务器功能的AP；所述指纹库更新服务器是用于自动更新指纹库的计算机设备，运行着指纹库更新的相关算法；步骤二：将待定位区域栅格化，选取参考点并记录参考点的位置坐标，在参考点处使用标准设备Hc采集周围AP的信号强度RSSI和MAC地址信息，构建初始信号特征表Sc；所述标准设备Hc是指用来构建指纹库、测试定位结果的设备，可以使用任意型号的智能手机；所述初始信号特征表Sc包括一段时间内，标准设备在参考点处采集到的周围AP的信号强度列表；步骤三：使用AP回传给指纹库更新服务器的扫描数据包，识别处于静止状态的观测设备，并保存观测设备处于静止状态的信号强度So；所述观测设备是指在待定位区域内，可能处于任意位置的手机、移动电脑、PDA等任意具有WiFi模块的移动设备；其中，识别处于静止状态的观测设备的步骤如下：(1)使用卡尔曼滤波器对扫描时间段内同一AP的信号强度进行滤波；卡尔曼滤波器的状态方程为X(k)＝X(k-1)+W(k)用来预测下一时刻的信号强度，卡尔曼滤波器的观测方程为Z(k)＝X(k)+V(k)，其中X(k)是k时刻信号强度的预测值，Z(k)是k时刻信号强度的测量值，W(k)和V(k)分别表示预测和测量的噪声，假设是高斯白噪声；(2)设置用来标记观测设备处于静止状态的起止时刻Tstart,Tend；(3)使用滤波后的RSSI序列，顺序分析每一个RSSI，如果当前RSSI与之前RSSI序列的均值相差小于设定的阈值，阈值为2db，则观测设备处于静止状态；否则观测设备处于运动状态；(4)计算静止状态持续的时间Tlast＝Tend-Tstart，如果Tlast≥30s，则保存该静止时间段内的扫描数据So，用来进行后续的指纹库更新操作；(5)重复执行(2)(3)(4)步，直到整个扫描时间段内的信号都被处理完毕。步骤四：将步骤三中观测设备处于静止状态的信号强度So与参考点的位置坐标匹配，建立观测设备与标准设备信号强度之间的线性回归方程，利用该方程剔除观测设备与标准设备信号强度之间的差异性，得到修正后观测设备的信号强度；具体步骤如下：(1)约定角标c表示标准设备，角标o表示观测设备；(2)计算观测设备静止状态的信号强度So与步骤二中初始信号特征表SSc中记录的所有参考点处的信号强度之间的相关性其中k表示AP的个数，是观测设备接收的第i个AP的信号强度，是初始信号特征表中对应AP的信号强度，μ(So)表示观测设备接收的第i个AP的信号强度采样的均值，μ(Sc)表示初始信号特征表中对应AP的信号强度采样的均值；；(3)从步骤(1)中挑出相关性r最大的参考点的位置，将该位置初始信号表中的信号强度与观测设备静止状态的信号强度放在一起，构成采样数据对p＝(RSSIo,RSSIc)；(4)重复步骤(1)、步骤(2)，直到所有静止状态的信号强度都得到了计算，得到由观测设备与标准设备信号强度采样数据对p构成的采样数据P＝{p1,p2,…,pn}，其中n表示静止状态的个数；(5)利用步骤(3)中的采样数据P，求解线性回归方程：RSSIc＝b+a*RSSIo+ε，其中RSSIo表示观测设备的信号强度，RSSIc表示标准设备的信号强度，a是回归直线的斜率，b是截矩，ε是服从高斯分布的随机噪声；(6)记录步骤(4)中线性回归方程的参数a和b，利用该线性回归方程，将观测设备的信号强度RSSIO带入公式RSSIm＝b+a*RSSIo，求得修正后观测设备的信号强度RSSIm。步骤五：将步骤四中修正后观测设备的信号强度RSSIm与参考点的位置坐标合在一起，得到参考点处的更新指纹，将该更新指纹加入部分更新指纹库Fp；所述部分更新指纹库是指，将所有更新指纹放在一起构成的指纹库；步骤六：持续执行步骤三、步骤四、步骤五，每天定时例如24点检查部分更新指纹库Fp，如果Fp中参考点的个数占总参考点个数的比例超过30％，并且参考点的个数相较前一天没有增加，则由Fp和初始信号特征表Sc，利用偏最小二乘回归生成剩余更新指纹库Fr；所述剩余更新指纹库是指，由不在部分更新指纹库中的参考点的指纹构成的指纹库；其中,利用偏最小二乘回归生成剩余更新指纹库Fr步骤如下：(1)将部分更新指纹库Fp中包含的参考点个数记为n1，将不在部分更新指纹库中的参考点个数记为n2，对于不在Fp中的一个参考点Li，从初始信号特征表Sc中提取样本数据(RSSIi,RSSIc)，其中RSSIi表示Sc中Li处的信号强度，RSSIc表示Sc中与Fp相对应参考点处的信号强度，其中(2)使用步骤(1)中的样本数据(RSSIi,RSSIc)求解偏最小二乘回归方程，将RSSIi作为X，RSSIc作为Y带入公式Y＝XB＝XPRT，求得回归系数B＝PRT，其中P是X标准化后的轴向量矩阵，R是X和Y标准化后X对Y的回归方程的回归系数矩阵；(3)将部分更新指纹库Fp中与RSSIc相对应的所有参考点处的信号强度RSSIo作为X带入步骤(2)中求得的回归方程，得到参考点Li处的信号强度与Li的坐标一起构成Li处的指纹，将该指纹加入剩余更新指纹库Fr；(4)重复步骤(1)、步骤(2)、步骤(3)，直到将所有不在Fp中的参考点处的指纹都加入到剩余更新指纹库Fr。步骤七：将部分更新指纹库Fp和剩余更新指纹库Fr合在一起，构成更新指纹库Fn。本发明与现有技术相比的优点在于：(1)通过系统自动更新指纹库，减少了人工更新指纹库耗费的人力、财力；(2)所有更新操作在后台服务器执行，实现了移动端的轻负载；(3)通过识别设备静止状态、剔除设备差异性、利用原有指纹库中参考点之间的多重共线性关系等方法，重构完整、准确的指纹库。附图说明图1为指纹库自动更新方法流程图；图2为WiFi指纹库自动更新系统示意图。具体实施方式如图1、2所示为例，说明本发明的实现步骤：步骤一：在待定位区域布设具有数据回传功能的AP，保证每隔30米至少有1个AP，使得所有AP能够覆盖整个定位区域；步骤二：将定位区域栅格化，选取参考点并记录参考点的位置坐标，在参考点处使用标准设备Hc采集周围AP的信号强度RSSI和MAC地址等信息，构建初始信号特征表Sc；其中，所述的初始信号特征表Sc包括一段时间内(3分钟)，标准定位设备在参考点处采集到的周围AP的信号强度列表：参考点编号扫描时间AP的MAC地址信号强度1T1MAC1RSSI11T2MAC2RSSI22T1MAC1RSSI3…………步骤三：使用AP回传给指纹库更新服务器的扫描数据包，识别处于静止状态的观测设备，并保存观测设备处于静止状态的信号强度So；其中，所述的“扫描数据包”包括观测设备扫描到周围AP的信号强度列表：移动设备MAC地址扫描时间AP的MAC地址信号强度MOB_MAC1T1MAC1RSSI1MOB_MAC1T2MAC2RSSI2MOB_MAC1T3MAC3RSSI3…………其中，所述的识别处于静止状态的移动设备的具体步骤如下：(1)使用卡尔曼滤波器对扫描时间段内同一AP的信号强度进行滤波；卡尔曼滤波器的状态方程为X(k)＝X(k-1)+W(k)用来预测下一时刻的信号强度，卡尔曼滤波器的观测方程为Z(k)＝X(k)+V(k)，其中X(k)是k时刻信号强度的预测值，Z(k)是k时刻信号强度的测量值，W(k)和V(k)分别表示预测和测量的噪声，假设是高斯白噪声；W(k)的协方差矩阵Q为零矩阵,V(k)的协方差矩阵R为零矩阵；状态变量的协方差为P(k|k-1)＝P(k-1|k-1)+Q；滤波器的两个初始值：X(0)取扫描时间段内第一个RSSI，P(0)取1；(2)设置用来标记观测设备处于静止状态的起止时刻Tstart,Tend；(3)使用滤波后的RSSI序列，顺序分析每一个RSSI，如果当前RSSI与之前RSSI序列的均值相差小于2db，则观测设备处于静止状态；否则观测设备处于运动状态；(4)计算静止状态持续的时间Tlast＝Tend-Tstart，如果Tlast≥30s，则保存该静止时间段内的扫描数据So，用来进行后续的指纹库更新操作；(5)重复执行(2)(3)(4)步，直到整个扫描时间段内的信号都被处理完毕。步骤四：将步骤三中观测设备处于静止状态的信号强度So与参考点的位置坐标匹配，建立观测设备与标准设备信号强度之间的线性回归方程，利用该方程剔除观测设备与标准设备信号强度之间的差异性，得到修正后观测设备的信号强度；具体步骤如下：(1)约定角标c表示标准设备，角标o表示观测设备；(2)计算观测设备静止状态的信号强度So与步骤二中初始信号特征表Sc中记录的所有参考点处的信号强度之间的相关性其中k表示AP的个数，是观测设备接收的第i个AP的信号强度，是初始信号特征表中对应AP的信号强度，μ(So)表示观测设备接收的第i个AP的信号强度采样的均值，μ(Sc)表示初始信号特征表中对应AP的信号强度采样的均值；；(3)从步骤(1)中挑出相关性r最大的参考点的位置，将该位置初始信号表中的信号强度与观测设备静止状态的信号强度放在一起，构成采样数据对p＝(RSSIo,RSSIc)；(4)重复步骤(1)、步骤(2)，直到所有静止状态的信号强度都得到了计算，得到由观测设备与标准设备信号强度采样数据对p构成的采样数据P＝{p1,p2,…,pn}，其中n表示静止状态的个数；(5)利用步骤(3)中的采样数据P，求解线性回归方程：RSSIc＝b+a*RSSIo+ε，其中RSSIo表示观测设备的信号强度，RSSIc表示标准设备的信号强度，a是回归直线的斜率，b是截矩，ε是服从高斯分布的随机噪声；(6)记录步骤(4)中线性回归方程的参数a和b，利用该线性回归方程，将观测设备的信号强度RSSIo带入公式RSSIm＝b+a*RSSIo，求得修正后观测设备的信号强度RSSIm。步骤五：将步骤四中修正后观测设备的信号强度RSSIm与参考点的位置坐标合在一起，得到参考点处的更新指纹，将该更新指纹加入部分更新指纹库Fp；所述部分更新指纹库是指，将所有更新指纹放在一起构成的指纹库；步骤六：持续执行步骤三、步骤四、步骤五，每天24点检查部分更新指纹库Fp，如果Fp中参考点的个数占总参考点个数的比例超过30％，并且参考点的个数相较前一天没有增加，则由Fp和初始信号特征表Sc，利用偏最小二乘回归生成剩余更新指纹库Fr；所述剩余更新指纹库是指，由不在部分更新指纹库中的参考点的指纹构成的指纹库；其中,利用偏最小二乘回归生成剩余更新指纹库Fr步骤如下：(1)将部分更新指纹库Fp中包含的参考点个数记为n1，将不在部分更新指纹库中的参考点个数记为n2，对于不在Fp中的一个参考点Li，从初始信号特征表Sc中提取样本数据(RSSIi,RSSIc)，其中RSSIi表示Sc中Li处的信号强度，RSSIc表示Sc中与Fp相对应参考点处的信号强度，其中(2)使用步骤(1)中的样本数据(RSSIi,RSSIc)求解偏最小二乘回归方程，将RSSIi作为X，RSSIc作为Y带入公式Y＝XB＝XPRT，求得回归系数B＝PRT，其中P是X标准化后的轴向量矩阵，R是X和Y标准化后X对Y的回归方程的回归系数矩阵；(3)将部分更新指纹库Fp中与RSSIc相对应的所有参考点处的信号强度RSSIo作为X带入步骤(2)中求得的回归方程，得到参考点Li处的信号强度与Li的坐标一起构成Li处的指纹，将该指纹加入剩余更新指纹库Fr；(4)重复步骤(1)、步骤(2)、步骤(3)，直到将所有不在Fp中的参考点处的指纹都加入到剩余更新指纹库Fr。步骤七：将部分更新指纹库Fp和剩余更新指纹库Fr合在一起，构成更新指纹库Fn。总之，本发明布设具有数据回传功能的AP，构建初始信号特征表，对观测设备进行静止状态识别，剔除观测设备与标准设备的信号差异性，构建部分更新指纹库，构建剩余更新指纹库，合成更新指纹库。该方法大大节省了更新指纹库的人力、财力成本，实现了移动端的轻负载，当室内环境发生变化时，能够自动准确的更新指纹库。提供以上实施例仅仅是为了描述本发明的目的，而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改，均应涵盖在本发明的范围之内。当前第1页1 2 3