指纹特征匹配方法及装置的制造方法
【专利摘要】本发明提供了一种指纹特征匹配方法及装置。本发明的指纹特征匹配方法包括：获取待测点处采集到的接入点标识、信号强度；在指纹特征库中匹配与待测点具有相同接入点标识的参考点，若匹配到的参考点的数量满足设定条件，将匹配到的参考点作为第一序列；如果不满足，去掉待测点中的信号强度最弱的一个接入点标识，重新进行匹配，直至满足设定条件；分别计算第一序列中所有参考点与待测点的信号强度的余弦相似度，按照余弦相似度由大到小的顺序对第一序列中所有参考点进行排序，得到第二序列；选取第二序列中排序靠前的K个参考点用于后续定位计算。本发明的指纹特征匹配方法及装置，提高了指纹特征库匹配方法的计算效率和匹配精度。
【专利说明】
指纹特征匹配方法及装置
技术领域
[0001 ]本发明设及无线定位技术领域，具体设及一种指纹特征匹配方法及装置。
【背景技术】
[0002] 随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤 其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中， 常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。室内环境的复杂性、对 定位精度和安全性的特殊要求，使得室内定位技术采用的算法需要具备较高的定位精度、 定位鲁棒性和运算效率。
[0003] 基于指纹特征库的室内定位技术主要包括指纹特征匹配和位置计算两部分。指纹 特征匹配的准确度，直接关系到后续计算结果的准确性，因此，如何高效准确的在指纹库中 匹配到合适的参考点，是提高算法效率、提高定位精度的关键一步。
[0004] 常见的指纹匹配算法有K-近邻算法、K-加权近邻法、贝叶斯概率算法。运些方法的 主要问题是定位精度问题，为了达到一定的定位精度，需要大量的位置指纹信息，而采集大 量的位置指纹信息成本较高。尽管后来提出了基于传感器的距离估计方法可W通过用户的 运动采集位置指纹信息，但是想要密集的采集指纹信息需要的时间和人力成本依然较高。
[0005] 现有的指纹特征匹配方法，存在计算效率低或定位精度差的缺陷，无法满足室内 定位实时性和高精度的要求。
【发明内容】
[0006] 针对现有技术中的缺陷，本发明提供了指纹特征匹配方法及装置，W提高指纹特 征库匹配方法的计算效率和匹配精度。
[0007] 第一方面，本发明提供了一种指纹特征匹配方法，包括:获取在待测点处采集到的 数据，所述数据包括:至少一个接入点标识、每个接入点标识对应的信号强度;根据在待测 点处采集到的接入点标识，在指纹特征库中匹配具有相同接入点标识的参考点，判断匹配 到的参考点的数量是否满足设定条件;如果满足，将匹配到的参考点作为第一序列；如果不 满足，去掉所述待测点中的信号强度最弱的一个接入点标识，重新进行匹配，直至满足设定 条件，将匹配到的参考点作为第一序列；分别计算第一序列中所有参考点的信号强度与所 述待测点处采集到的信号强度的余弦相似度，按照所述余弦相似度由大到小的顺序对第一 序列中所有参考点进行排序，得到第二序列;选取第二序列中排序靠前的K个参考点用于后 续定位计算。
[000引本发明提供的指纹特征匹配方法，先进行接入点标识匹配，筛选出与待测点匹配 度较高的参考点，再根据余弦相似度进一步对筛选结果进行二次筛选，得到最终的匹配结 果，基于接入点标识和余弦相似度的二次匹配方法，实现方式简单，大大降低了运算量，提 高了匹配效率。
[0009]可选地，所述指纹特征库被分为多个聚类区域，每个聚类区域有一个聚类中屯、;根 据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同接入点标识的参考点， 包括:将在所述待测点处采集到的数据与指纹特征库中所有聚类中屯、的数据进行比对，确 定最相似的聚类中屯、;根据在待测点处采集到的接入点标识，在所述最相似的聚类中屯、对 应的聚类区域中匹配具有相同接入点标识的参考点。
[0010]可选地，将在所述待测点处采集到的数据与指纹特征库中所有聚类中屯、的数据进 行比对，确定最相似的聚类中屯、，包括:分别计算在所述待测点处采集到的信号强度与指纹 特征库中所有聚类中屯、的信号强度的余弦相似度，选取余弦相似度最高的聚类中屯、作为最 相似的聚类中屯、。
[0011] 可选地，所述指纹特征库的构建方法包括:确定聚类数目m;根据参考点的空间分 布，平均划分m个聚类区域，将距所述聚类区域的几何中屯、最近的参考点作为聚类中屯、;分 别计算所有参考点的信号强度与m个聚类中屯、的信号强度的余弦相似度;针对每个参考点， 将参考点与所述参考点的最大余弦相似度对应的聚类中屯、归为一类;更新m个聚类区域，将 更新的聚类区域的几何中屯、作为聚类中屯、;根据更新的聚类中屯、进行重新聚类，如此迭代 下去，直到所有聚类区域没有重叠且所有聚类区域没有相离。
[0012] 可选地，所述指纹特征库的构建方法包括:分时段在参考点处进行采集，获得参考 点的数据，结合所述参考点的位置信息建立不同时段的指纹特征库，所述参考点的数据包 括:至少一个接入点标识、每个接入点标识对应的信号强度;所述根据在待测点处采集到的 接入点标识，在指纹特征库中匹配具有相同接入点标识的参考点，包括:根据时段选择对应 时段的指纹特征库，根据在待测点处采集到的接入点标识，在所述指纹特征库中匹配具有 相同接入点标识的参考点。
[0013] 第二方面，本发明提供的一种指纹特征匹配装置，包括:待测点信息获取模块，用 于获取在待测点处采集到的数据，所述数据包括:至少一个接入点标识、每个接入点标识对 应的信号强度;第一序列获取模块，用于根据在待测点处采集到的接入点标识，在指纹特征 库中匹配具有相同接入点标识的参考点，判断匹配到的参考点的数量是否满足设定条件； 如果满足，将匹配到的参考点作为第一序列;如果不满足，去掉所述待测点中的信号强度最 弱的一个接入点标识，重新进行匹配，直至满足设定条件，将匹配到的参考点作为第一序 列；第二序列获取模块，用于分别计算第一序列中所有参考点的信号强度与所述待测点处 采集到的信号强度的余弦相似度，按照所述余弦相似度由大到小的顺序对第一序列中所有 参考点进行排序，得到第二序列；参考点选取模块，用于选取第二序列中排序靠前的K个参 考点用于后续定位计算。
[0014] 可选地，所述指纹特征库被分为多个聚类区域，每个聚类区域有一个聚类中屯、;所 述第一序列获取模块具体用于:将在所述待测点处采集到的数据与指纹特征库中所有聚类 中屯、的数据进行比对，确定最相似的聚类中屯、;根据在待测点处采集到的接入点标识，在所 述最相似的聚类中屯、对应的聚类区域中匹配具有相同接入点标识的参考点。
[0015] 可选地，所述第一序列获取模块具体用于:分别计算在所述待测点处采集到的信 号强度与指纹特征库中所有聚类中屯、的信号强度的余弦相似度，选取余弦相似度最高的聚 类中屯、作为最相似的聚类中屯、。
[0016] 可选地，还包括指纹特征库构建模块，用于:确定聚类数目m;根据参考点的空间分 布，平均划分m个聚类区域，将距所述聚类区域的几何中屯、最近的参考点作为聚类中屯、;分 别计算所有参考点的信号强度与m个聚类中屯、的信号强度的余弦相似度;针对每个参考点， 将参考点与所述参考点的最大余弦相似度对应的聚类中屯、归为一类;更新m个聚类区域，将 更新的聚类区域的几何中屯、作为聚类中屯、;根据更新的聚类中屯、进行重新聚类，如此迭代 下去，直到所有聚类区域没有重叠且所有聚类区域没有相离。
[0017]可选地，还包括指纹特征库构建模块，用于:分时段在参考点处进行采集，获得参 考点的数据，结合所述参考点的位置信息建立不同时段的指纹特征库，所述参考点的数据 包括:至少一个接入点标识、每个接入点标识对应的信号强度;所述第一序列获取模块具体 用于:根据时段选择对应时段的指纹特征库，根据在待测点处采集到的接入点标识，在所述 指纹特征库中匹配具有相同接入点标识的参考点。
【附图说明】
[001引图1示出了本发明实施例所提供的一种指纹特征匹配方法的流程图；
[0019] 图2示出了本发明实施例所提供的另一种指纹特征匹配方法的流程图；
[0020] 图3示出了本发明实施例所提供的一种指纹特征匹配装置的框图。
【具体实施方式】
[0021] 下面将结合附图对本发明技术方案的实施例进行详细的描述。W下实施例仅用于 更加清楚地说明本发明的技术方案，因此只是作为示例，而不能W此来限制本发明的保护 范围。
[0022] 需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发 明所属领域技术人员所理解的通常意义。
[0023] 首先，介绍一下本发明实施例中用到的指纹特征库。
[0024] 指纹特征库的构建方法:预先在室内布设参考点，并记录下参考点的位置;在每个 参考点采集能够接收到的无线信号的相关数据，如:接入点标识、W及每个接入点对应的信 号强度等;根据上述采集到的信息和参考点的位置建立对应的指纹特征库。其中，每个参考 点存储的信息包括:该参考点的位置信息（可W是坐标）、在参考点处采集到的所有接入点 标识、每个接入点标识对应的信号强度。
[0025] 相应的，在同一区域内，指纹特征库包含的参考点越多，定位精度就越高。
[0026] 本发明实施例提供的指纹特征匹配方法，包括：
[0027] 步骤S101，获取在待测点处采集到的数据，数据包括:至少一个接入点标识、每个 接入点标识对应的信号强度。
[00%]其中，接入点标识可W是接入点的MAC地址、IP地址等起到唯一标识作用的信息； 信号强度可W选用信号的RSSI(信号接收强度指示)值。
[0029] 步骤S102,根据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同 接入点标识的参考点，判断匹配到的参考点的数量是否满足设定条件;如果满足，将匹配到 的参考点作为第一序列；如果不满足，去掉待测点中的信号强度最弱的一个接入点标识，重 新进行匹配，直至满足设定条件，将匹配到的参考点作为第一序列。
[0030] 其中，设定条件为一个阔值。
[0031] 步骤S103,分别计算第一序列中所有参考点的信号强度与待测点处采集到的信号 强度的余弦相似度，按照余弦相似度由大到小的顺序对第一序列中所有参考点进行排序， 得到第二序列。
[0032] 其中，参考点的信号强度与待测点的信号强度的余弦相似度通过如下公式计算得 到，
[0033]
[0034] 其中，a = (Pi，P2，…，Pn)为待测点的信号强度组成的向量，Pi，P2，…，Pn为待测点接 收到的接入点对应的信号强度，比如，Pi为接入点标识为1的无线信号的信号强度;b=(Pii， Pi2,…，Pin)为第i个参考点的信号强度组成的向量，Pil，Pi2,…，Pin为第i个参考点接收到的 接入点对应的信号强度，Pii为接入点标识为1的信号源的信号强度。a和b的余弦相似度越 高，说明待测点和参考点的信号强度越相似，即在待测点和参考点在位置上越靠近。
[0035] 实际计算时，必须保证待测点的信号强度组成的向量与参考点的信号强度组成的 向量是对应的，才可W采用余弦相似度判断待测点和参考点的匹配度，即a和b中每个相同 位置的元素必须表示的是同一个无线信号的强度，且两个向量的元素个数必须相等。
[0036] 步骤S104,选取第二序列中排序靠前的K个参考点用于后续定位计算。
[0037] 由于室内复杂的环境对无线信号强度影响很大，为避免匹配不到参考点的情况或 者匹配到错误的参考点，上述步骤S102中，加入了对匹配结果的判断，只有当匹配结果的数 量达到或超过设定的阔值，才会结束匹配，否则，通过降低匹配条件扩大匹配范围，直到匹 配到足够数量的参考点。该方法增加了参考点的选取范围，减小了由于环境影响引起的误 差，即使指纹特征库中没有与待测点接收到完全相同的接入点的参考点，也可W通过逐步 扩大匹配范围找到与待测点相近的若干参考点，用于后续的处理或计算。另一方面也说明， 步骤S102中提供的匹配方法，可W在指纹特征库数据量不够详尽的情况下，也能匹配到足 够的参考点用于后续计算，即在不增加指纹特征库的数据量的前提下，提高了指纹特征匹 配的精度。
[0038] 本发明实施例提供的指纹特征匹配方法，先进行接入点标识匹配，筛选出与待测 点匹配度较高的参考点，再根据余弦相似度进一步对筛选结果进行二次筛选，得到最终的 匹配结果，基于接入点标识和余弦相似度的二次匹配方法，实现方式简单，大大降低了运算 量，提高了匹配效率。
[0039] 为了进一步提高参考点的匹配效率，本发明实施例还提供了基于空间聚类的匹配 方法。
[0040] 相应的在前期构建指纹特征库时，采用空间聚类的方法对指纹库中的所有参考点 按一定规则进行聚类。指纹特征库被分为多个聚类区域，每个聚类区域有一个聚类中屯、。基 于空间聚类的指纹特征库的构建方法包括：
[0041 ]确定聚类数目m，即特征库会被分为m个聚类；
[0042] 根据参考点的空间分布，平均划分m个聚类区域，将距聚类区域的几何中屯、最近的 参考点作为聚类中屯、；
[0043] 分别计算所有参考点的信号强度与m个聚类中屯、的信号强度的余弦相似度;针对 每个参考点，将参考点与参考点的最大余弦相似度对应的聚类中屯、归为一类;更新m个聚类 区域，将更新的聚类区域的几何中屯、作为新的聚类中屯、；
[0044] 根据更新的聚类中屯、进行重新聚类，如此迭代下去，直到所有聚类区域没有重叠 且所有聚类区域没有相离。
[0045] 其中，空间分布是指参考点在实际空间中的位置分布。
[0046] 其中，聚类区域没有重叠是指不存在同一参考点分配给多个聚类区域的情况;聚 类区域没有相离是指聚类区域内的所有参考点的余弦相似度的值都接近。
[0047] 基于上述指纹特征库，相应的，本发明实施例提供了另一种指纹特征匹配方法，如 图2所示，包括：
[0048] 步骤S201，获取在待测点处采集到的数据，数据包括:至少一个接入点标识、每个 接入点标识对应的信号强度。
[0049] 步骤S202,将在待测点处采集到的数据与指纹特征库中所有聚类中屯、的数据进行 比对，确定最相似的聚类中屯、;根据在待测点处采集到的接入点标识，在最相似的聚类中屯、 对应的聚类区域中匹配具有相同接入点标识的参考点;判断匹配到的参考点的数量是否满 足设定条件;如果满足，将匹配到的参考点作为第一序列；如果不满足，去掉待测点中的信 号强度最弱的一个接入点标识，重新进行匹配，直至满足设定条件，将匹配到的参考点作为 第一序列。
[0050] 其中，将在待测点处采集到的数据与指纹特征库中所有聚类中屯、的数据进行比 对，确定最相似的聚类中屯、，包括:分别计算在待测点处采集到的信号强度与指纹特征库中 所有聚类中屯、的信号强度的余弦相似度，选取余弦相似度最高的聚类中屯、作为最相似的聚 类中屯、。
[0051] 步骤S203,分别计算第一序列中所有参考点的信号强度与待测点处采集到的信号 强度的余弦相似度，按照余弦相似度由大到小的顺序对第一序列中所有参考点进行排序， 得到第二序列。
[0052] 步骤S204,选取第二序列中排序靠前的K个参考点用于后续定位计算。
[0053] 本发明实施例提供的指纹特征匹配方法，先将待测点与聚类中屯、进行比较，确定 最相似的聚类中屯、，然后再与相应的聚类中屯、所在的聚类区域中的参考点进行二次匹配， 从而避免了待测点与指纹库中所有的参考点进行匹配，减少了计算量，进一步的提高了匹 配效率。
[0054] 由于不是所有的无线信号发射点都呈现常开的状态，W及人员流动对接收的信号 强度的影响比较大，因此，本发明实施例提供的指纹特征匹配方法包括:根据时段选择对应 时段的指纹特征库，根据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同 接入点标识的参考点。
[0055] 相应的，本发明实施例中采用的指纹特征库还可W通过W下方法构建，包括:分时 段在参考点处进行采集，获得参考点的数据，结合参考点的位置信息建立不同时段的指纹 特征库，参考点的数据包括:至少一个接入点标识、每个接入点标识对应的信号强度。
[0056] 根据实际情况，本发明实施例选取了4个时段(上午9:00,中午12:00,下午3:00,下 午6:00)进行参考点的测量，并建立相应的特征库。运4个时段人员流动比较大，而且无线信 号发射点会根据需要进行开关，因此运4个时段的采集到的参考点的指纹特征会出现比较 大的变化。
[0057] 基于与上述指纹特征匹配装置相同的发明构思，本发明实施例还提供了一种指纹 特征匹配装置，如图3所示，具体包括:待测点信息获取模块10,用于获取在待测点处采集到 的数据，数据包括:至少一个接入点标识、每个接入点标识对应的信号强度;第一序列获取 模块20,用于根据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同接入点 标识的参考点，判断匹配到的参考点的数量是否满足设定条件;如果满足，将匹配到的参考 点作为第一序列；如果不满足，去掉待测点中的信号强度最弱的一个接入点标识，重新进行 匹配，直至满足设定条件，将匹配到的参考点作为第一序列；第二序列获取模块30,用于分 别计算第一序列中所有参考点的信号强度与待测点处采集到的信号强度的余弦相似度，按 照余弦相似度由大到小的顺序对第一序列中所有参考点进行排序，得到第二序列；参考点 选取模块40,用于选取第二序列中排序靠前的K个参考点用于后续定位计算。
[0058] 本发明实施例提供的指纹特征匹配装置，先进行接入点标识匹配，筛选出与待测 点匹配度较高的参考点，再根据余弦相似度进一步对筛选结果进行二次筛选，得到最终的 匹配结果，基于接入点标识和余弦相似度的二次匹配方法，实现方式简单，大大降低了运算 量，提高了匹配效率。
[0059] 其中，指纹特征库被分为多个聚类区域，每个聚类区域有一个聚类中屯、;第一序列 获取模块具体用于:将在待测点处采集到的数据与指纹特征库中所有聚类中屯、的数据进行 比对，确定最相似的聚类中屯、;根据在待测点处采集到的接入点标识，在最相似的聚类中屯、 对应的聚类区域中匹配具有相同接入点标识的参考点。
[0060] 其中，第一序列获取模块具体用于:分别计算在待测点处采集到的信号强度与指 纹特征库中所有聚类中屯、的信号强度的余弦相似度，选取余弦相似度最高的聚类中屯、作为 最相似的聚类中屯、。
[0061] 其中，还包括指纹特征库构建模块，用于：确定聚类数目m;根据参考点的空间分 布，平均划分m个聚类区域，将距聚类区域的几何中屯、最近的参考点作为聚类中屯、；分别计 算所有参考点的信号强度与m个聚类中屯、的信号强度的余弦相似度;针对每个参考点，将参 考点与参考点的最大余弦相似度对应的聚类中屯、归为一类;更新m个聚类区域，将更新的聚 类区域的几何中屯、作为聚类中屯、;根据更新的聚类中屯、进行重新聚类，如此迭代下去，直到 所有聚类区域没有重叠且所有聚类区域没有相离。
[0062] 其中，还包括指纹特征库构建模块，用于:分时段在参考点处进行采集，获得参考 点的数据，结合参考点的位置信息建立不同时段的指纹特征库，参考点的数据包括:至少一 个接入点标识、每个接入点标识对应的信号强度;第一序列获取模块具体用于:根据时段选 择对应时段的指纹特征库，根据在待测点处采集到的接入点标识，在指纹特征库中匹配具 有相同接入点标识的参考点。
[0063] 本发明实施例提供的指纹特征匹配装置，先将待测点与聚类中屯、进行比较，确定 最相似的聚类中屯、，然后再与相应的聚类中屯、所在的聚类区域中的参考点进行二次匹配， 从而避免了待测点与指纹库中所有的参考点进行匹配，减少了计算量，进一步的提高了匹 配效率;另外，采用基于时间域的指纹特征库进行匹配，提高了匹配的准确度。
[0064] 本发明实施例提供的指纹特征匹配方法及装置，适用于各种无线定位技术，如 WiFi定位、蓝牙定位。
[0065] 下面给出本发明实施例提供的指纹特征定位方法在WiFi定位技术中的应用方式。 针对蓝牙的匹配方法可参考WiFi定位的匹配方法，在此不再寶述。
[0066] 接入点标识选用WiFi的MAC标识，信号强度采用WiFi的RSSI值。
[0067] 表1给出了指纹特征库中6个参考点的数据。
[0068] 表1参考点指纹特征库
[0069]
[0070]
[0071]
[0072] 表1中，MAC列代表43个参考点采集到的74个不同的WiFi的MAC标识，每个参考点保 存成74行，行中的空值代表没有采集到对应WiFi发出的信号。
[0073] 需要说明的是，表1只列出了WiFi的MAC标识和对应的RSSI值，实际指纹特征库中 还存储有相应的采集时间、采集地点、参考点坐标、索引等信息。
[0074] 下面W第6个参考点为待测点为例，说明匹配的流程和方法。
[00巧]指纹特征库匹配主要分为两个步骤，MAC标识匹配（即步骤S102)和RSSI匹配（即步 骤S103)。
[0076] MAC标识匹配:对待测点上接收到的MAC标识与指纹库中参考点的MAC标识进行匹 配。在待测点共采集到13个MAC标识，即在待测点上接收到了 13个不同的WiFi信号。
[0077] 指纹库中共有43个参考点，假设，匹配的设定条件为匹配到的参考点的数量为10。 表2给出了待测点与参考点相同MAC的个数。
[0078] 在指纹特征库中匹配具有与待测点的13个MAC标识相同的参考点，参考表2,发现 可W匹配到3个参考点（参考点6、参考点7、参考点8)，则该次匹配没达到设定条件，在待测 点中去掉一个信号强度最弱的接入点对应的MAC标识，参见表1，在待测点中信号强度最弱 的接入点的MAC标识为be: 46:99:96:03: ba(表1第Ξ行）；用剩下的12个MAC标识在指纹特征 中再次进行匹配，可W匹配到5个参考点（参考点6、7、8、9、43)，该次匹配仍没有达到设定条 件，继续在待测点中去掉一个信号强度最弱的接入点对应的MAC标识，用剩余的MAC标识进 行匹配，直到匹配到的参考点数量达到或超过设定条件；将匹配到的参考点6、7、8、9、43、 25、26、41、42、10、28作为第一序列。
[0079] 表2待测点与参考点相同MAC的个数
[0080]
[0081] RSSI匹配:计算第一序列中的10个参考点与待测点的RSSI余弦相似度，得到结果 如表3所示。
[0082] 表3参考点与待测点的RSSI余弦相似度
[0083]
[0084] ~~选取表3中排序靠前的几个点进行后续的位置估算。
[0085] 最后应说明的是：W上各实施例仅用W说明本发明的技术方案，而非对其限制;尽 管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依 然可W对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进 行等同替换；而运些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术 方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。
【主权项】
1. 一种指纹特征匹配方法，其特征在于，包括： 获取在待测点处采集到的数据，所述数据包括:至少一个接入点标识、每个接入点标识 对应的信号强度； 根据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同接入点标识的参 考点，判断匹配到的参考点的数量是否满足设定条件;如果满足，将匹配到的参考点作为第 一序列；如果不满足，去掉所述待测点中的信号强度最弱的一个接入点标识，重新进行匹 配，直至满足设定条件，将匹配到的参考点作为第一序列； 分别计算第一序列中所有参考点的信号强度与所述待测点处采集到的信号强度的余 弦相似度，按照所述余弦相似度由大到小的顺序对第一序列中所有参考点进行排序，得到 第二序列； 选取第二序列中排序靠前的K个参考点用于后续定位计算。2. 根据权利要求1所述的方法，其特征在于，所述指纹特征库被分为多个聚类区域，每 个聚类区域有一个聚类中心； 根据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同接入点标识的参 考点，包括： 将在所述待测点处采集到的数据与指纹特征库中所有聚类中心的数据进行比对，确定 最相似的聚类中心； 根据在待测点处采集到的接入点标识，在所述最相似的聚类中心对应的聚类区域中匹 配具有相同接入点标识的参考点。3. 根据权利要求2所述的方法，其特征在于，将在所述待测点处采集到的数据与指纹特 征库中所有聚类中心的数据进行比对，确定最相似的聚类中心，包括:分别计算在所述待测 点处采集到的信号强度与指纹特征库中所有聚类中心的信号强度的余弦相似度，选取余弦 相似度最高的聚类中心作为最相似的聚类中心。4. 根据权利要求3所述的方法，其特征在于，所述指纹特征库的构建方法包括： 确定聚类数目m; 根据参考点的空间分布，平均划分m个聚类区域，将距所述聚类区域的几何中心最近的 参考点作为聚类中心； 分别计算所有参考点的信号强度与m个聚类中心的信号强度的余弦相似度;针对每个 参考点，将参考点与所述参考点的最大余弦相似度对应的聚类中心归为一类;更新m个聚类 区域，将更新的聚类区域的几何中心作为聚类中心； 根据更新的聚类中心进行重新聚类，如此迭代下去，直到所有聚类区域没有重叠且所 有聚类区域没有相离。5. 根据权利要求1至4中任一项所述的方法，其特征在于，所述指纹特征库的构建方法 包括:分时段在参考点处进行采集，获得参考点的数据，结合所述参考点的位置信息建立不 同时段的指纹特征库，所述参考点的数据包括:至少一个接入点标识、每个接入点标识对应 的信号强度； 所述根据在待测点处采集到的接入点标识，在指纹特征库中匹配具有相同接入点标识 的参考点，包括:根据时段选择对应时段的指纹特征库，根据在待测点处采集到的接入点标 识，在所述指纹特征库中匹配具有相同接入点标识的参考点。6. -种指纹特征匹配装置，其特征在于，包括： 待测点信息获取模块，用于获取在待测点处采集到的数据，所述数据包括:至少一个接 入点标识、每个接入点标识对应的信号强度； 第一序列获取模块，用于根据在待测点处采集到的接入点标识，在指纹特征库中匹配 具有相同接入点标识的参考点，判断匹配到的参考点的数量是否满足设定条件;如果满足， 将匹配到的参考点作为第一序列；如果不满足，去掉所述待测点中的信号强度最弱的一个 接入点标识，重新进行匹配，直至满足设定条件，将匹配到的参考点作为第一序列； 第二序列获取模块，用于分别计算第一序列中所有参考点的信号强度与所述待测点处 采集到的信号强度的余弦相似度，按照所述余弦相似度由大到小的顺序对第一序列中所有 参考点进行排序，得到第二序列； 参考点选取模块，用于选取第二序列中排序靠前的K个参考点用于后续定位计算。7. 根据权利要求6所述的装置，其特征在于，所述指纹特征库被分为多个聚类区域，每 个聚类区域有一个聚类中心； 所述第一序列获取模块具体用于： 将在所述待测点处采集到的数据与指纹特征库中所有聚类中心的数据进行比对，确定 最相似的聚类中心； 根据在待测点处采集到的接入点标识，在所述最相似的聚类中心对应的聚类区域中匹 配具有相同接入点标识的参考点。8. 根据权利要求7所述的装置，其特征在于，所述第一序列获取模块具体用于：分别计 算在所述待测点处采集到的信号强度与指纹特征库中所有聚类中心的信号强度的余弦相 似度，选取余弦相似度最高的聚类中心作为最相似的聚类中心。9. 根据权利要求8所述的装置，其特征在于，还包括指纹特征库构建模块，用于： 确定聚类数目m; 根据参考点的空间分布，平均划分m个聚类区域，将距所述聚类区域的几何中心最近的 参考点作为聚类中心； 分别计算所有参考点的信号强度与m个聚类中心的信号强度的余弦相似度;针对每个 参考点，将参考点与所述参考点的最大余弦相似度对应的聚类中心归为一类;更新m个聚类 区域，将更新的聚类区域的几何中心作为聚类中心； 根据更新的聚类中心进行重新聚类，如此迭代下去，直到所有聚类区域没有重叠且所 有聚类区域没有相离。10. 根据权利要求6至9中任一项所述的装置，其特征在于，还包括指纹特征库构建模 块，用于:分时段在参考点处进行采集，获得参考点的数据，结合所述参考点的位置信息建 立不同时段的指纹特征库，所述参考点的数据包括:至少一个接入点标识、每个接入点标识 对应的信号强度； 所述第一序列获取模块具体用于:根据时段选择对应时段的指纹特征库，根据在待测 点处采集到的接入点标识，在所述指纹特征库中匹配具有相同接入点标识的参考点。
【文档编号】H04W4/02GK106060779SQ201610566820
【公开日】2016年10月26日
【申请日】2016年7月18日
【发明人】张弛, 吕明, 汪冬燕, 熊兴玉
【申请人】北京方位捷讯科技有限公司