本发明属于室内定位与短距离通信领域。
背景技术：
：室内定位是指在室内环境中实现位置定位，主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系，从而实现人员、物体等在室内空间中的位置监控。除通讯网络的蜂窝定位技术外，常见的室内无线定位技术还有：Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波。室内定位技术发展至今，已经有相当成熟的一些定位方式，如测距式的定位方法，包括基于无线信号空间传播路损(Pathloss)模型，基于TOA(到达时间)，TDOA(到达时间差)，AOA(到达角)等；同时，非测距式的定位方法，如指纹匹配(RFPM)也具有相当广泛的影响力和使用范围。在现有混合定位的方案中，都是以牺牲工程部署难度或者增加成本来追求高精度的定位性能，但实际工程中需要综合考虑性能与适用性的折中。技术实现要素：本发明提出一种融合的室内定位方法，该方法通过融合低密度的离线采样和路损模型测距方式，目的能够大大降低实际工程的安装部署复杂度，实现了定位性能与工程量开销的这种，具有广泛的适用性。为了实现上述目的，本发明的内容包括以下三个部分：一、融合室内定位方法的总流程步骤1：在实际环境中，根据场景部署好定位基站。步骤2：对实际的无线环境进行虚拟栅格化，为降低栅格化和采样的工程量，仅在锚节点处，以及锚节点附近进行少量参考点的栅格化。步骤3：基于步骤2划分好的栅格，提取各个栅格的无线信号特征量信息。步骤4；判断待测用户的特征量对于任意栅格特征量的欧式距离是否小于阈值。如果是，则执行步骤5；如果否，则跳转步骤6。步骤5：执行基于KNN的指纹匹配定位算法，跳转步骤7。步骤6：执行基于无线信号实测修正的路损模型测距的定位算法。步骤7：总流程结束。所述的基于KNN的指纹匹配定位算法和基于无线信号实测修正的路损模型测距定位算法属于本发明的两个子算法模块，分别如第二部分和第三部分所述。二、基于KNN的指纹匹配定位算法步骤1：选择待测目标的特征量同指纹数据库中栅格点的特征量欧氏距离最短的K个栅格，记为：G1，G2，…GK。步骤2：选择对待测目标RSSI最强和次强的两个定位基站，记为AP1，AP2。步骤3：在备选的K个栅格中，删除同AP1和AP2不相关的栅格。所谓不相关的栅格，即该栅格中不包含AP1和AP2的特征量。假定删除不相关的栅格后，还剩下N个备选栅格，N满足大于等于1。步骤4：对N个备选栅格进行加权平均。假定这N个栅格的坐标(以二维坐标为例)分别为：(x1，y1)，(x2，y2)…(xn，yn)，且这N个栅格与待测目标之间的欧式距离分别为D1，D2，…Dn(欧式距离越小，加权系数越大)。那么加权平均后的坐标为：三、基于路损模型测距的定位算法步骤1：选择对待测目标的接收信号强度指示(RSSI)最大的定位基站，记为AP1。步骤2：在AP1的相邻AP中，选择具有次强接收信号强度指示(RSSI)的定位基站，记为AP2。AP1和AP2也必须满足相邻的位置关系。步骤3：基于拟合的路损模型测距方法，估算出待测目标位于以AP1为圆心，R1为半径的圆上。步骤4：基于拟合的路损模型测距方法，估算出待测目标位于以AP2为圆心，R2为半径的圆上。步骤5：判断两个圆的位置关系，是否相切？如果是，执行步骤6；如果否，则跳转步骤7。步骤6：相切交点的位置坐标，即是待测目标的位置坐标。跳转步骤14。步骤7：判断两圆的位置是否是相交？如果是，则执行步骤8；如果否，则跳转步骤9。步骤8：两圆相交有两个交点，连接两个交点，以及连接两个圆的圆心，这两条线段的交点，即为待测目标的位置坐标。步骤9：判断两圆的位置关系是否是外离？如果是，则执行步骤10；如果否，则跳转步骤12。步骤10：两圆发生外离，则证明两个定位基站对于待测目标的信号强度相对较弱。对于信号强度强的AP1来讲，必然满足R1＜R2，则以V1*R1为步长对R1进行扩大；对于R2，则以V2*R2为步长对R2进行扩大。直到两圆发生相交(V1，V2是算法参数，在本发明中可根据实际环境调整)。步骤11：对于扩大半径后的两圆交点，连接这两个交点，以及连接两个圆的圆心，这两条线段的交点，即为待测目标的位置坐标。跳转步骤14。步骤12：此时两圆的位置关系为内离，表明两个定位基站对于待测目标的信号强度差异很大。对于R1，半径不改变；对于R2，以V3*R2为步长对R2进行缩小，直到两个圆发生相交(V3是算法参数，在本发明中可根据实际环境调整)。步骤13：对于缩小半径后的两圆交点，连接这两个交点，以及连接两个圆的圆心，这两条线段的交点，即为待测目标的位置坐标。步骤14：算法结束本发明的有益效果：本发明提出一种混合的室内定位方式，在实际应用和工程上，通过少量的离线采样和基于路损模型的位置估计，能够大大降低部署的难度和工程复杂度。本发明不仅考虑了定位精度的优化，同时考虑了工程部署的便捷性和复杂度，以及适用场景的广泛性，是一种考虑多方面因素的实用定位方法。附图说明图1是融合室内定位方法的总流程图2是基于KNN的指纹匹配算法流程图3是基于路损模型测距的定位算法流程具体实施方式实施例1：假定系统的定位基站采用的WLAN技术为WIFI，并且每个基站按照60m的站间距进行部署，本发明中的系统关键参数配置如下：参数名称参数值特征量阈值3dB快速收敛因子：V11％快速收敛因子：V210％快速收敛因子：V310％实施例2：假定系统的定位基站采用的WLAN技术为Zigbee，并且每个基站按照90m的站间距进行部署，本发明中的系统关键参数配置如下：参数名称参数值特征量阈值4dB快速收敛因子：V12％快速收敛因子：V215％快速收敛因子：V310％当前第1页1 2 3