指纹匹配定位方法与流程

本发明涉及物联网、室内定位、基于位置的服务领域。具体地，涉及一种指纹匹配定位方法。

背景技术：

据统计，现代都市人群超过80％的时间在室内环境中度过，室内定位服务需求已变得日益广泛和重要。基于室内位置信息，我们可以在商场、停车场、图书馆、会议展厅、办公楼、医院、学校、博物馆等多类场景下，为普通大众及各类专业人员提供丰富多样的基于位置的服务(locationbasedservice，lbs)，在提高社会生产力、促进经济发展的同时，保障人们财产与生命安全。

在现有各类室内定位技术中，位置指纹匹配(fingerprint)是一种常用的方法，它以无线通信与网络技术为基础，具有易于实现、成本低、对接入点(accesspoint，以下简称为ap)时间同步精度要求低等诸多特点，可基于wi-fi、蓝牙(bluetooth)等不同无线局域网(wlan)传感器实现，在许多室内定位场景下被广泛使用。位置指纹匹配方法的基本原理是对所在定位环境特征进行抽象和形式化描述，使用定位环境中各个ap的接收信号强度指示(receivedsignalstrengthindication，以下简称为rssi)序列描述定位环境中的位置信息，并实现采集这些rssi序列建立位置指纹数据库(database)。用户实际定位使用时，将自身实时测量的rssi序列与位置指纹数据库中的位置指纹信息进行匹配，并选取出匹配相似度最优的结果作为自身位置估计。这类方法主要包括两个阶段：离线训练阶段和在线定位阶段，如说明书附图1所示。

其中，离线训练阶段的目标在于建立一个位置指纹数据库，定位系统部署人员在定位环境中遍历所有位置，同时在每个参考位置收集来自不同ap的rssi值，将各个ap的多媒体连接(mac)地址、rssi值和参考点的位置信息组成一个相关联的数组保存在位置指纹数据库中。在线定位阶段，用户实时测量得到所有ap的mac地址和rssi值，将其作为位置指纹匹配算法的输入数据，以特定的匹配算法进行位置估计。

近邻法(nearestneighbor，nn)是位置指纹匹配方法中最基本和常用的匹配算法。它基于类比学习原理，使用定位阶段的实时测量值和训练阶段的采样数据库(即位置指纹)进行相似度匹配，并使用欧氏距离(euclideandistance)描述定位指纹与位置指纹间的相似度。最后，取相似度最高的位置指纹的坐标作为估计位置。定义t时刻的rssi测量向量rt与指纹数据库中的参考点位置j(j＝1，2，…，k)的rssi参考向量rj之间的欧氏距离dist(rt，rj)为：

dist(rt，rj)＝||rt-rj||²(1)

其中，rj＝(rssi1，j，rssi2，j，…，rssin，j)，表示位置指纹数据库中参考点位置j处接收到的来自n个接入点的rssi参考向量；rt＝(rssi1，rssi2，…，rssin)，表示用户终端在t时刻测量得到的来自n个接入点的rssi测量向量。

最后，取欧氏距离最小的参考点所在位置作为用户估计位置l，即：

在此基础上，后续又提出了k邻近算法(k-nearestneighbor，knn)和加权k邻近算法(weightk-nearestneighbor，knn)，通过选取k个参考点位置的坐标均值或加权坐标均值作为最终的估计位置，如公式(3)和公式(4)所示：

式(3)和式(4)中，k为所选择的邻近参考点的数量。权系数wj一般可通过各个参考点的欧氏距离值大小确定，如式(5)：

knn和wknn等位置指纹匹配算法的性能主要受到室内环境下的无线电信号传输复杂性影响。一方面，wi-fi、蓝牙等传感器的无线电信号会因墙壁、门窗、家具及人体等物体的遮挡而产生各种绕射、折射、散射效应，从而给用户rssi测量结果带来未知误差；另一方面，受人员流动及其他室内物体的移动和变迁影响，离线训练阶段与用户在线定位阶段的rssi测量背景环境也不会完全一致。因此，当定位区域内的某个或多个接入点的rssi测量值出现异常或具有误差时，会对位置指纹匹配处理产生较大误差，并最终影响用户定位性能和使用体验。

技术实现要素：

有鉴于此，本发明实施例提出了一种指纹匹配定位方法，用于解决接入点的rssi测量值出现异常或误差而造成位置指纹匹配处理产生较大误差的问题。

一方面，本发明实施例提出一种指纹匹配定位方法，该方法包括：步骤一，进行离线训练，在定位区域的各个参考点位置采集各个接入点的rssi参考值和mac地址，并将所述各个参考点位置的rssi参考值组成的rssi参考向量和各个参考点位置的mac地址存储在位置指纹数据库中；步骤二，进行在线定位，在用户终端处搜索各个接入点的无线信号，获得各个接入点的rssi测量值和mac地址，得到所述rssi测量值和mac地址组成的测量向量；步骤三，从所述各个参考点位置中选取k个参考点位置，分别判断所述rssi测量向量与所述k个参考点位置中每个参考点位置对应的rssi参考向量之间的离散度是否在阈值范围内以及所述rssi测量向量与所述rssi参考向量中的接入点数量n是否大于预定的接入点最小数量，其中k≥2，所述预定的接入点最小数量大于等于3；步骤四，对于所述离散度不在阈值范围内且所述rssi测量向量与所述rssi参考向量中的接入点数量n大于预定的接入点最小数量的参考点位置，计算所述rssi测量向量与所述rssi参考向量的每个共同的接入点的rssi测量值与rssi参考值之间的差值，将差值最大的接入点确定为异常接入点，并将异常接入点剔除；步骤五，重复执行步骤三和步骤四，当所述离散度在阈值范围内，或者剩余的接入点的数量小于或等于预定的接入点最小数量时，执行步骤六；步骤六，利用剔除异常接入点之后的k个参考点位置的剩余接入点的mac地址和rssi参考值以及对应的剔除异常接入点之后的用户终端处的剩余接入点的mac地址和rssi测量值，执行位置指纹匹配算法，得到用户移动终端坐标位置。

根据一些实施例，其中所述步骤一还包括：在每个参考点位置上对各个接入点连续采集一定数量的瞬时rssi值，并对所述瞬时rssi值进行均值计算，从而获得每个参考点位置的rssi参考值。

根据一些实施例，其中所述步骤三还包括：通过公式计算用户终端在t时刻测量的rssi测量向量rt与位置指纹数据库中的参考点位置j的rssi参考向量rj之间的离散度σ(rt，rj)，其中，j＝1，2，…，k；rj＝(rssi1，j，rssi2，j，…，rssin，j)，表示位置指纹数据库中参考点位置j处接收到的来自n个接入点的rssi参考向量；rt＝(rssi1，rssi2，…，rssin)，表示用户终端在t时刻测量得到的来自n个接入点的rssi测量向量。

根据一些实施例，其中在所述步骤六中，所述位置指纹匹配算法为近邻法、k邻近算法和加权k邻近算法中的一种或多种的组合。

利用本发明所提供的指纹匹配定位方法，通过引入故障检测与排除(faultdetectionandexclusion，fde)理论，对参与位置指纹匹配运算的各个ap的rssi测量值进行检测，判断和剔除其中的异常测量值，从而可以有效消除由于某一个或多个接入点rssi测量值波动或异常所造成的影响，提高位置指纹匹配定位结果的精度及可靠性。

附图说明

图1为位置指纹匹配方法的示意图；

图2为根据本发明的指纹匹配定位方法的流程图。

具体实施方式

为使本领域技术人员更好地理解本公开的技术方案，下面结合附图和具体实施方式对本公开作详细说明。下面结合附图和具体实施例对本公开的实施例作进一步详细描述，但不作为对本公开的限定。

本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的部分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素，并不排除也涵盖其他要素的可能。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本公开使用的所有术语(包括技术术语或者科学术语)与本公开所属领域的普通技术人员理解的含义相同，除非另外特别定义。还应当理解，在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

本发明提供了一种指纹匹配定位方法，该方法包括：

步骤一，进行离线训练，在定位区域的各个参考点位置采集各个接入点的rssi参考值和mac地址，并将所述各个参考点位置的rssi参考值组成的rssi参考向量和各个参考点位置的mac地址存储在位置指纹数据库中；

步骤二，进行在线定位，在用户终端处搜索各个接入点的无线信号，获得各个接入点的rssi测量值和mac地址，得到所述rssi测量值和mac地址组成的测量向量；

步骤三，从所述各个参考点位置中选取k个参考点位置，分别判断所述rssi测量向量与所述k个参考点位置中每个参考点位置对应的rssi参考向量之间的离散度是否在阈值范围内以及所述rssi测量向量与所述rssi参考向量中的接入点数量n是否大于预定的接入点最小数量，对于二维平面定位而言，选取的参考点位置数量一般不小于2个，即k≥2，且所述预定的接入点最小数量一般大于等于3；

步骤四，对于所述离散度不在阈值范围内且所述rssi测量向量与所述rssi参考向量中的接入点数量n大于预定的接入点最小数量的参考点位置，计算所述rssi测量向量与所述rssi参考向量的每个共同的接入点的rssi测量值与rssi参考值之间的差值，将差值最大的接入点确定为异常接入点，并将异常接入点剔除；

步骤五，重复执行步骤三和步骤四，当所述离散度在阈值范围内，或者剩余的接入点的数量小于或等于预定的接入点最小数量时，执行步骤六；

步骤六，利用剔除异常接入点之后的k个参考点位置的剩余接入点的mac地址和rssi参考值以及对应的剔除异常接入点之后的用户终端处的剩余接入点的mac地址和rssi测量值，执行位置指纹匹配算法，得到用户移动终端坐标位置。

具体来说，wifi、蓝牙等无线局域网中的用户终端与ap之间通过通信连接进行信息交互。可以指定与用户终端进行通信连接的ap，在某时刻如果不指定ap，用户终端将以附近ap的信号强度为标准，选取信号强度最高的ap建立通信连接。然而，与用户终端与ap进行关联从而实现通信的方式不同，为实现位置指纹匹配定位功能，用户终端需要探测感知所在区域内所有ap的信号强度。在ieee相关协议中，用户终端可以使用被动扫描(passivescanning)和主动扫描(activescanning)两种模式获取各个接入ap的rssi信息。被动扫描模式的优点是可以降低功耗，但由于ap可以被设置为不发送beacons帧，因此用户终端可能无法获得所有ap的rssi信息。为此，在进行定位应用时，一般多选择使用主动扫描模式来获取rssi信息。

在主动扫描模式下，用户终端将扫描所有的无线信道。在每个信道中，用户终端将以广播的方式发送探测请求(proberequest)帧。随着用户终端接收到工作在各个信道上的ap返回的探测请求(proberequest)帧，主动扫描过程结束，用户终端将会获取到所有可以观察到的ap列表，其中包括定位所需的各个ap的mac地址和rssi值。

其中，在所述步骤一中，主要是采集各个ap的rssi参考向量和mac地址，从而建立位置指纹数据库。这需要在定位区域中遍历所有位置，同时在每个参考点位置采集来自不同ap的rssi参考值，将各个ap的多媒体连接(mac)地址和rssi参考值组成数组保存在位置指纹数据库中。优选的，可以以一定的距离(一般为数米)为采样间隔，对每个参考点位置(采样点)进行数据采样。进一步优选的，为了消除人员流动、带点设备运转、信号波动等对测量的rssi值的影响，一般还需要在每个参考点位置上连续采集一定数量的瞬时rssi值，并对其进行均值计算，从而获得每个参考点位置的rssi参考值。

在所述步骤二中，用户终端在定位区域中搜索周围各个ap的无线信号，在用户终端处实时测量各个ap的rssi测量值和mac地址，所述各个ap的rssi测量值可以组成用户终端处测量的rssi测量向量(rssi测量值序列)。

在所述步骤三中，选取k个参考点位置，判断用户终端处测量的rssi测量向量与所述k个参考点位置中每个参考点位置对应的rssi参考向量之间的离散度是否在阈值范围内。优选的，可以通过公式(6)计算用户终端在t时刻测量的rssi测量向量rt与位置指纹数据库中的参考点位置j(j＝1，2，…，k)的rssi参考向量rj之间的离散度σ(rt，rj)

其中，rj＝(rssi1，j，rssi2，j，…，rssin，j)，表示位置指纹数据库中参考点位置j处接收到的来自n个接入点的rssi参考向量，其中rssi1，j表示位置指纹数据库中参考点位置j处接收到的来自第1个接入点的rssi参考值，rssi2，j表示位置指纹数据库中参考点位置j处接收到的来自第2个接入点的rssi参考值，以此类推，rssin，j表示位置指纹数据库中参考点位置j处接收到的来自第n个接入点的rssi参考值；rt＝(rssi1，rssi2，…，rssin)，表示用户终端在t时刻测量得到的共来自n个接入点的rssi测量向量，其中rssi1表示用户终端在t时刻测量得到的来自第1个接入点的rssi测量值，rssi2表示用户终端在t时刻测量得到的来自第2个接入点的rssi测量值，以此类推，rssin表示用户终端在t时刻测量得到的来自第n个接入点的rssi测量值。

将用户终端在t时刻测量的rssi测量向量rt与位置指纹数据库中参考点位置j的rssi参考向量rj之间的离散度σ(rt，rj)作为检查量，判断检查量是否在预定的阈值范围之内，且rt与rj中的ap数量n是否大于预定的接入点最小数量，所述阈值范围可根据ap的测量精度以及实际测试经验值确定，一般可取数dbm至十几dbm。

在步骤四中，如果检测量不在预定的阈值范围内且rt与rj中的ap数量n大于预定的接入点最小数量，则对于rssi测量向量与所述rssi参考向量的每个共同的接入点，计算rssi测量值与rssi参考值之间的差值，将差值最大的接入点确认为异常接入点，并剔除该异常接入点。一般地，可以通过公式|rt(i)-rj(i)|或(rt(i)-rj(i))²计算rssi测量值与rssi参考值之间的差值。其中，rt(i)为rt中第i(i＝1，2，…，n)个接入点的rssi测量值；rj(i)为rj中第i(i＝1，2，…，n)个接入点的rssi参考值。

在步骤五中，重复执行步骤三和步骤四，直至所述离散度在阈值范围内，或者剩余的接入点的数量小于或等于预定的接入点最小数量为止。

在步骤六中，利用剔除异常接入点之后的k个参考点位置的剩余接入点的mac地址和rssi参考值以及对应的剔除异常接入点之后的用户终端处的剩余接入点的mac地址和rssi测量值，执行位置指纹匹配算法。可以采用现有技术中的近邻法、k邻近算法(k-nearestneighbor，knn)和加权k邻近算法(weightk-nearestneighbor，wknn)等，从而获得用户终端的位置坐标。需要说明的是，对于k个参考点位置中的每个参考点位置，将单独执行步骤三至五，从而对于不同的参考点位置，可能会对参考点位置和用户终端处位置剔除不同的异常接入点。从而在该步骤六中，k个参考点位置中每个参考点位置的剩余接入点与相对应的用户终端处的剩余接入点是相同的，但是k个参考点位置中不同参考点位置的剩余接入点可能是不同的。利用该k个参考点位置的剩余接入点的mac地址和rssi参考值及其对应的剔除异常接入点之后的用户终端处的剩余接入点的mac地址和rssi测量值，进行位置指纹匹配算法。

利用本发明所提供的指纹匹配定位方法，通过引入故障检测与排除(faultdetectionandexclusion，fde)理论，对参与位置指纹匹配运算的各个ap的rssi测量值进行检测，判断和剔除其中的异常测量值，从而可以有效消除由于某一个或多个ap的rssi测量值波动或异常所造成的影响，提高位置指纹匹配定位结果的精度及可靠性。

以上对本发明多个实施例进行了详细说明，但本发明不限于这些具体的实施例，本领域技术人员在本发明构思的基础上，能够做出多种变型和修改实施例，这些变型和修改都应落入本发明所要求保护的范围之内。