一种室内定位方法

本发明涉及一种定位方法，尤其是指一种室内定位方法。
背景技术：
：由于室内环境复杂以及墙壁遮挡等的天然隔离原因，卫星信号在室内衰减严重，无法满足室内定位对于精度的需求甚至无法完成室内定位。传统的超声波和红外线定位技术在视距范围内定位反应良好，但非视距情况下也无法定位，更适合小范围视距情况下定位；而可见光和uwb(超宽带)可以实现非视距情况下定位，但需要安装额外的软硬件来辅助定位，成本高且可见光易受其他光源影响；至于室内磁场在不同地点磁场强度因环境原因会出现相同的情况，定位精度无法满足要求。现有的基于无线信号的rssi(接收信号强度指示，receivedsignalstrengthindication)指纹定位方法直接将待定位点的rssi与指纹库中的指纹进行计算比较得到待定位点的位置坐标或利用神经网络实现rssi与位置坐标的映射。由于指纹库本身没有及时更新，以及没有考虑设备软硬件差异对于定位结果的影响，进而导致定位实时性差以及指纹库定位精度降低。技术实现要素：本发明的目的在于针对上述问题，提供一种室内定位方法。该方法利用室内的结构及布局实现区域划分，从而在在线定位时先进行区域判定，再进行位置坐标判定，层层递进提高定位精度同时降低定位时间；并且利用bp神经网络实现不同软硬件设备之间的映射，消除设备差异带来的定位影响；同时通过指纹库存储多方向指纹，使得定位更具有方向性；引入反馈机制，使得指纹库可以得到及时更新，指纹库的实时性得到增强。本发明的目的可采用以下技术方案来达到：一种室内定位方法，包括以下步骤：步骤1、在离线阶段，根据室内结构和布局，对室内进行区域划分，建立相应的坐标轴，并且在区域内设定参考点，在参考点处使用不同类型设备采集无线信号的rssi，形成指纹向量，以构建指纹数据库；步骤2、bp神经网络拟合所述不同类型设备采集的无线信号的rssi；步骤3、构建电子地图，将信息存储到数据库中；步骤4、在在线定位阶段，首先进行区域定位，确定待定位点区域；再在区域内进行位置定位，确定待定位点位置坐标；步骤5、根据目标信息，确定到达目标位置所需经过的参考点集合，然后结合当前位置信息确定当前位置是否在向目标位置行进；步骤6：根据各种反馈信息，对指纹库进行实时更新。进一步地，步骤1中所述的构建指纹库的具体内容包括：1)选定目标设备，将采集的指纹向量用于构建指纹库；2)构建一级指纹库，对处于同一区域内的参考点，采用聚类算法，将聚类的结果作为区域标记保存到数据库，作为一级指纹库；3)构建二级指纹库，对每个区域内的参考点，在参考点处不同方向选取多次采集的rssi的众数作为参考点处的rssi值，每个参考点有多个指纹向量对应多个不同方向，将其保存到数据库，作为二级指纹库。进一步地，所述步骤2的具体内容为：bp神经网络的输入及输出神经元个数相等，其数值为用于室内定位的无线信号发射端的个数；其中，输出为步骤1所选定的目标设备采集的指纹向量，输入为其他设备采集的指纹向量。进一步地，所述步骤3的构建电子地图包含了区域划分结果、部分参考点信息和参考点间路径信息。进一步地，步骤1中，在每个参考点的多个方向均多次采集无线信号的rssi；进一步地，所述参考点间路径信息，表示到达某参考点时所需要经过的参考点集合。进一步地，步骤4中，所述的在线定位包括以下步骤：1)将采集到的待定位点处rssi值作为输入，经bp神经网络得到映射后的rssi值；2)区域定位，利用近邻算法将映射后的rssi值与一级指纹库中指纹进行计算，确定待定位点的区域；3)位置定位，在区域内进行二次定位，利用近邻算法将映射后的rssi值与二级指纹库中指纹进行计算，得到待定位点的位置坐标，确定位置坐标的同时也可以得到当前朝向，然后结合电子地图，将位置信息及朝向显示在电子地图上。进一步地，所述步骤5中的判断是否朝目标位置行进的具体内容为：根据目标位置的参考点路径信息，得到所需经过的参考点集合，将当前位置信息与集合中的参考点做计算，若当前位置隶属于参考点集合，则正朝着目标位置前进。进一步地，步骤1中，所述无线信号包括wi-fi、rfid和蓝牙。进一步地，步骤1中，所述区域内参考点依据区域大小和实际定位精度需求确定。实施本发明，具有如下有益效果：1、本发明利用室内的结构及布局实现区域划分，从而在在线定位时先进行区域判定，再进行位置坐标判定，层层递进提高定位精度同时降低定位时间；并且利用bp神经网络实现不同软硬件设备之间的映射，消除设备差异带来的定位影响。2、本发明通过指纹库存储多方向指纹，使得定位更具有方向性；引入反馈机制，使得指纹库可以得到及时更新，指纹库的实时性得到增强3、本发明充分考虑设备软硬件差异，引入bp神经网络，定位的同时消除设备软硬件差异对定位结果的影响，并且考虑不同方向对定位影响，每个参考点采集多方向指纹并存入指纹库；同时引入反馈机制，实现对指纹库更新，指纹库实时性高。附图说明为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本发明室内定位方法的离线建库流程示意图；图2为本发明室内定位方法在线定位流程示意图；图3为本发明室内定位方法的具体实施例的区域坐标化示意图；图4为本发明室内定位方法的具体实施例的电子地图示意图；图5为本发明室内定位方法的具体实施例的区域某一无线路由器(wirelesspoint,wp)的rssi分布直方图示意图；图6为本发明室内定位方法的具体实施例的参考点某一无线路由器(wp)的rssi分布直方图示意图；具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。实施例：参见图1和图2，本实施例涉及室内定位方法，包括以下步骤：步骤1、在离线阶段，根据室内结构和布局，对室内进行区域划分，建立相应的坐标轴，并且在区域内设定参考点，在参考点处使用不同类型设备在每个参考点的多个方向均多次采集无线信号的rssi，形成指纹向量，以构建指纹数据库；所述无线信号包括wi-fi、rfid和蓝牙。所述区域内参考点依据区域大小和实际定位精度需求确定。所述的构建指纹库的具体内容包括：1)选定目标设备，将采集的指纹向量用于构建指纹库；2)构建一级指纹库，对处于同一区域内的参考点，采用聚类算法，将聚类的结果作为区域标记保存到数据库，作为一级指纹库；3)构建二级指纹库，对每个区域内的参考点，在参考点处不同方向选取多次采集的rssi的众数作为参考点处的rssi值，每个参考点有多个指纹向量对应多个不同方向，将其保存到数据库，作为二级指纹库。步骤2、bp神经网络拟合所述不同类型设备采集的无线信号的rssi；bp神经网络的输入及输出神经元个数相等，其数值为用于室内定位的无线信号发射端的个数；其中，输出为步骤1所选定的目标设备采集的指纹向量，输入为其他设备采集的指纹向量。步骤3、构建电子地图，将信息存储到数据库中；所述电子地图包含了区域划分结果、部分参考点信息和参考点间路径信息。所述参考点间路径信息，表示到达某参考点时所需要经过的参考点集合。步骤4、在在线定位阶段，首先进行区域定位，确定待定位点区域；再在区域内进行位置定位，确定待定位点位置坐标；所述的在线定位包括以下步骤：1)将采集到的待定位点处rssi值作为输入，经bp神经网络得到映射后的rssi值；2)区域定位，利用近邻算法将映射后的rssi值与一级指纹库中指纹进行计算，确定待定位点的区域；3)位置定位，在区域内进行二次定位，利用近邻算法将映射后的rssi值与二级指纹库中指纹进行计算，得到待定位点的位置坐标，确定位置坐标的同时也可以得到当前朝向，然后结合电子地图，将位置信息及朝向显示在电子地图上。步骤5、根据目标信息，确定到达目标位置所需经过的参考点集合，然后结合当前位置信息确定当前位置是否在向目标位置行进；根据目标位置的参考点路径信息，得到所需经过的参考点集合，将当前位置信息与集合中的参考点做计算，若当前位置隶属于参考点集合，则正朝着目标位置前进。步骤6：根据各种反馈信息，对指纹库进行实时更新。具体的，下面以wi-fi作为无线信号为例和附图进行详细说明：本发明的室内定位方法分为离线建库，在线定位和指纹库更新三个阶段。1、离线建库阶段，如图1：(1)根据室内结构及布局，不同区域间有墙壁等自然遮挡物，划分不同区域，使同一区域内部是连通的(没有墙壁等阻碍)，不同区域之间无法连通(有墙壁等阻碍)，假设可以划分5个区域，如图3；(2)将区域坐标化，为说明方便，用边长为1米的网格对区域划分，选定左下角为坐标原点，坐标化后如图3所示；(3)在区域内根据实际需求确定参考点，参考点为网格顶点或网格中心点，如图3中黑色点表示参考点；(4)在每个参考点处按每2s采集东南西北四个朝向的无线路由器(wp)的rssi值，室内假设一共有12个无线路由器，这样每一个参考点的指纹向量可以表示为一个四元组即api＝((xi，yi)，di，ai，rssii)，其中(xi，yi)表示参考点i坐标，di表示参考点i的朝向di＝{0，1，2，3}分别表示东南西北，ai表示参考点i所在对应的区域ai＝{1，2，3，4，5}表示5个不同区域，表示参考点i采集的rssi向量，其中表示在参考点i采集的第j个无线路由器的rssi的值，i表示参考点总数，j为无线路由器总数；(5)使用三个不同型号手机进行采集，手机型号标为a,b,c；每一个参考点每个朝向采集25次，每个参考点对于采集不到的无线路由器其rssi值我们设定为-100db。如某次采集结果：ap＝{(4,8)；0；1；{-45,-39,-50,-32,-65,-100.-70,-77,-100,-100,-48,,-100,}}，表示某次采集到的参考点坐标为(4,8)，朝向为东，区域号为1，rssi向量为{-45,-39,-50,-32,-65,-100.-70,-77,-100,-100,-48,-100,}。采集示例如下所示：表1：采集的指纹向量示例型号坐标朝向区域rssia(4,8)01{-45,-39,-50,-32,-65,-100.-70,-77,-100,-100,-48,,-100,}b(4,8)01{-44,-39,-52,-34,-63,-100.-70,-77,-100,-100,-46,,-100,}...............(6)选取手机型号a采集的rssi向量作为bp神经网络的输出，手机型号b,c采集的rssi向量作为bp神经网络的输入，隐藏层神经元个数为10；隐藏层神经元传输函数选择“tansig”，输出层神经元传输函数选择“purelin”，反向传播训练函数选择“traingd”，训练次数为10000，训练目标为10-7，其余默认，利用matlab自带的bp神经网络函数进行训练，得到训练好的模型，在定位阶段使用。(7)以手机型号a采集得到的指纹向量为标准，构建指纹库。(8)构建每个参考点的rssi向量，对于同一朝向同一无线路由器我们以25次采集过程中rssi值的众数作为在该参考点无线路由器的rssi值，如参考点(4,8)处，朝向东，采集25次，无线路由器的值为{-65,-63,-65,-65,-65,-65,-65,-65,-65,-65,-65,-65,-65,-65,-65,-65,-63,-64,-64,-66,-59,-66,-64,-64,-64},则在参考点(4,8)处，朝向东，无线路由器的rssi值为-65，同理得到每个参考点对应的无线路由器的rssi向量，形成二级指纹库，二级指纹库示例如下：表2：二级指纹库坐标朝向区域rssi(4,8)01{-45,-39,-50,-32,-65,-100.-70,-77,-100,-100,-48,,-100,}(4,8)11{-44,-39,-52,-34,-63,-100.-70,-77,-100,-100,-46,,-100,}............(9)对于同一区域内的参考点，基于k-means(k均值)进行聚类，得到每个区域的一级指纹库，具体过程为：1)随机地选择k个rssi向量，每个rssi向量代表一个簇中心，即选择k个初始中心；2)对剩余的每个rssi向量，根据其与各簇中心的相似度(欧几里得距离)，rssij表示参考点处测得的第j个wi-fi路由器的值，表示在簇中心i处的第j个wi-fi路由器的rssi的值，将它赋给与其最相似的簇中心所对应的簇；3)然后重新计算每个簇中所有rssi向量的平均值，作为新的簇中心。4)不断重复2)，3)，直到准则函数收敛，也就是簇中心不发生明显的变化。采用均方差作为准则函数，即最小化每个点到最近簇中心的距离的平方和。在同一区域内对于同一个无线路由器其采集的rssi值符合高斯分布，构建rssi的分布直方图，如图5，根据2δ原则，δ为高斯分布的标准差，我们可以得到该区域内同一个无线路由器的rssi值的上限和下限，如上限为-57db，下限为-68db，按相差1db计算，进一步确定每个区域聚类个数k＝11，一级指纹库示例如表3所示表3：一级指纹库示例2、构建电子地图，电子地图如图4所示；3、在线定位阶段，如图2：(1)用户手持手机假设型号为b，采集得到用户的rssi向量；(2)将用户采集到的rssi向量经过训练后的bp神经网络，得到对应新的rssi值向量；(3)进行区域判定，利用knn(k近邻)算法将新的rssi向量与一级指纹库中指纹进行计算，确定用户所在的区域。在一级指纹库knn算法中采用欧几里得作为距离判定：即rssij表示待定位点的第j个无线路由器的值，表示在一级指纹库中指纹i的第j个无线路由器的rssi的值。在计算后选取距离d最小的k个点，此处取k＝1，即取查看距离d最小的点对应区域作为待测点的区域，设计算后区域判定结果取区域号1。(4)在区域号为1的区域内，利用knn(k近邻)算法进行二次定位，得到待定位点的位置坐标。在二级指纹库中考虑到朝向，采用余弦相似度算法作为距离判定：rssi·rssii表示待测点和参考点i的rssi向量的点积(数量积)，表示待测点和参考点i的rssi向量模的乘积。每个参考点计算四次(对于四个方向)，我们取余弦相似度值最大的结果作为该点距离，说明待定位点当前朝向与其最接近，取前k个参考点计算其坐标的平均值作为待定位点的最终位置坐标，即根据参考点处rssi直方分布图如图6，结合高斯分布的2δ原则，δ为高斯分布的标准差，取k＝4，计算后位置坐标判定结果为(4,8)。4、如图4所示，当前位置信息1，搜索的位置信息为2，则参考点集合构成的行进路线为图2中红色路径。5、用户对定位结果进行评价，满意则将用户采集的rssi值向量加入到二级指纹库对应的位置坐标处，更新指纹库，不满意则放弃此次更新。用户采集的rssi＝{-45,-39,-50,-32,-65,-100.-70,-77,-100,-100,-48,,-100,}，最后定位结果的位置坐标为(4,8)，若用户对此次定位结果满意，将二级指纹库中指纹向量{(4,8)；0；1；{-45,-39,-50,-32,-63,-100.-70,-79,-100,-100,-45,,-100,}}更新为指纹向量{(4,8)；0；1；{-45,-39,-50,-32,-65,-100.-70,-77,-100,-100,-48,,-100,}}。以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。当前第1页12