一种快速精确的室内定位方法与流程

技术特征：

1.一种快速精确的室内定位方法，其特征在于，所述方法包括以下步骤：

将待测区域划分为网格状，每个节点作为一个参考点，终端采集RSS指纹发送至服务器端；

将参考点划分成子区域类，构建相应子区域的指纹库；

设备采集待定位点RSS并识别待定位点所属区域类；

在服务器端执行基于加权欧氏距离和异常值剔除的室内定位算法进行精确定位；

从服务器端返回定位结果至终端并显示。

2.根据权利要求1所述的一种快速精确的室内定位方法，其特征在于，所述的将参考点划分成子区域类，构建相应子区域的指纹库包括：

采用K-means算法按照最邻近原则把参考点分成w个区域类；

把每个子区域内的参考点对应的RSS向量，按照一定的顺序构建该区域类的指纹库。

3.根据权利要求1所述的一种快速精确的室内定位方法，其特征在于，所述的设备采集待定位点RSS并识别待定位点所属区域类具体为：

计算待定位点RSS向量与w个区域类的类中心的欧式距离，将待测点定位到相应第i个子区域，获取该子区域的指纹数据库RadioMap_i，其中，i＝1,2,…,w。

4.根据权利要求1所述的一种快速精确的室内定位方法，其特征在于，所述的基于加权欧氏距离和异常值剔除的室内定位算法包括：

运用优化算法，搜寻WO-KNN算法中的最优参数s、k，根据结果初始化参数；

粗筛选：计算待测点的RSS向量与子区域的指纹数据库RadioMap_i中每条向量的欧氏距离，并对它们进行升序排列，取前s个参考点构成新的指纹库RadioMap'_i；

精确筛选：计算待测点的RSS向量与新指纹库RadioMap'_i中每条向量的加权欧氏距离，对它们进行升序排列，取前k个参考点构成最邻近点集，参考点对应的二维坐标构成最邻近坐标点集Z；

异常点剔除：用异常点检测的方法识别集合Z中的异常点，剔除该参考点对应的加权欧式距离和二维坐标；

将剔除后参考点的加权距离作为权重，采用基于权重的方法得出待测点位置坐标P。

5.根据权利要求4所述的一种快速精确的室内定位方法，其特征在于，所述的将剔除后参考点的加权距离作为权重，采用基于权重的方法得出待测点位置坐标P具体为：

利用得到的向量加权欧氏距离，计算出l个近邻点以及其坐标的权值ζ_i：

其中d_wi表示待测点与第i个最邻近参考点的相似度，l表示经过异常点剔除处理后的异常点剩余最邻近点的个数，l≤k；

由计算出待定位点的位置，即其中(x_i,y_i)表示参考点的横坐标和纵坐标。

6.根据权利要求2所述的一种快速精确的室内定位方法，其特征在于，所述区域类的指纹库用Ψ表示：

在指纹图Ψ矩阵中RSS_m,n,(m＝1，2...M，n＝1，2，...N)表示第m个参考点接收到第n个AP的RSS平均值(单位：dBm),Ψ的每一个行向量代表一个参考点接收到N个AP的RSS。

7.根据权利要求4所述的一种快速精确的室内定位方法，其特征在于，所述的计算待测点的RSS向量与子区域的指纹数据库RadioMap_i中每条向量的欧氏距离的公式为：

上式表示待测点RSS向量与子区域的指纹数据库RadioMap_i中第m条向量的欧氏距离，式中，m＝1,2,…M,n＝1,2,…N，RSS_m,n表示来自第m个参考点接收到来自第n个AP点的RSS，RSS_t,n表示待测点接收到来自第n个AP点的RSS。

8.根据权利要求4所述的一种快速精确的室内定位方法，其特征在于，所述的计算待测点的RSS向量与新指纹库RadioMap'_i中每条向量的加权欧氏距离的公式为：

式中，m＝1,2,…M,n＝1,2,…N，W代表归一化因子，σ为调节因子，w_n为权值，其计算公式为：

RSS_m,n表示来自第m个参考点接收到来自第n个AP点的RSS，RSS_t,n表示待测点接收到来自第n个AP点的RSS。

9.根据权利要求4所述的一种快速精确的室内定位方法，其特征在于，所述的异常点检测的方法为Modified Thompson Tau test，其具体判定规则如下：

设为坐标对集合Z的均值，std_x,std_y分别为x坐标、y坐标数据集的标准差，则当：

则认为x_i或y_i是异常值，同时把该坐标从坐标集中删除，并把其对应的加权欧氏距离删除，处理后剩余l个参考点。