本发明涉及定位技术领域，尤其是一种室内定位方法。
背景技术：
近年来，随着无线通信技术的发展以及移动终端设备性能的不断增强，用户对基于位置服务(locationbasedservice，lbs)的需求越来越高。包括美国的gps系统、俄罗斯的glonass系统、中国的北斗、欧洲的伽利略在内的基于卫星信号的全球定位系统已经能够满足用户对室外定位的要求，并且定位精度还在进一步提高。但由于室内环境错综复杂，而且卫星信号不能穿透建筑物墙壁，目前还缺少可广泛应用的、较为成熟的、精度较高的室内定位技术。因此，随着大家对室内定位技术的关注，室内定位技术的研究日渐成为当前的研究热点。
现有的室内定位技术主要包括蓝牙(bluetooth)技术、红外线(infrared)技术、超宽带(ultrawideband，uwb)技术、rfid技术、zig-bee技术、超声波技术以及wi-fi技术等。在上述室内定位技术中，蓝牙技术所需设备体积小，但它在复杂环境中稳定性差，且蓝牙信号传输距离短；红外线技术需要探测器之间和待定位目标之间可视，这在复杂的室内环境中是不可实现的；超宽带技术需要新加入盲节点且功耗较高；rfid技术定位精度高，但其抗干扰能力较差。同时，除wi-fi技术以外，其余室内定位技术在现有的公共场所里没有较为完善的适合的基础设施，而建立这些基础设施也需要大量的时间和经济投入。随着网络通信技术的发展，以及人们对无线通信速度提升的需求，有力地推动了无线网络的普及，wi-fi接入点(accesspoint,ap)也被广泛部署，wi-fi信号几乎可以在建筑物任意位置中使用。这就使得基于wi-fi的室内定位技术的优势越来越显著，成为室内定位技术中的一项重要的研究领域。
基于wi-fi的室内定位算法主要分为基于接收信号强度(receivedsignalstrength，rss)和基于测距模型两大类，其中，基于测距模型的定位算法需要预先对室内信道环境进行估计，建立信道模型，由于室内环境复杂多变的特性，基于测距模型的室内定位方法无法适用新环境，而基于rssi(receivedsignalstrengthindication，接收信号强度指示)的指纹室内定位算法因其能适应较复杂的室内环境而具有突出的优势。基于rssi的指纹室内定位算法涉及两个阶段：离线训练阶段(生成数据库)和线上定位阶段。在离线阶段，基于在参考点位置接收到的来自周围ap的rssi以及与rssi对应的位置形成指纹信息，利用参考点的指纹信息构建rssi指纹数据库；在线上定位阶段，测量待定位点接收到的来自周围ap的rssi指纹信息，将该指纹与指纹数据库中的各指纹数据进行比较，获取指纹数据库中与测量rssi相匹配的指纹信息，从而估计待定位点的当前位置。
基于指纹的定位算法主要包括：k最近邻法(k-nearestneighbor，knn)和加权k最近邻法(weightk-nearestneighbor，wknn)。该算法相对于其他基于wi-fi的室内定位算法，计算复杂率低，运行速度快，易于实现。但由于wi-fi技术的普及，大型场所内的wi-fi热点逐渐增多，有时会达到成百上千的数量，定位参考点的数量也会增多，因此指纹数目和热点数目的逐渐增大会导致在离线阶段构造的rssi指纹数据库越来越庞大，knn和wknn算法的定位效率会受到很大影响。同时，由于wknn算法在定位阶段不能自适应的获取实时定位点的有效k值，需要手动设置，无法保证定位精度。因此，急需一种能够解决在wi-fi指纹数据库变得庞大时依然能够缩短定位时间、保证定位效率，以及自适应获取k值，提升定位精度的解决方案。
技术实现要素：
为了解决上述现有技术中存在的问题，本发明提供一种室内定位方法。
本发明室内定位方法包括：
步骤s1，获取wi-fi接入点接收信号强度参考数据，将所述wi-fi接入点接收信号强度参考数据进行预设运算处理，并基于处理后得到的数据构建wi-fi接入点接收信号强度参考数据库，其中，所述预设运算处理用于将wi-fi接入点接收信号强度参考数据转换为长度固定的参考数据；
步骤s2，在待定位点pi处测量来自wi-fi接入点的接收信号强度；
步骤s3，将待定位点pi处的wi-fi接入点接收信号强度进行预设运算处理，得到待定位接收信号强度数据；
步骤s4，计算所述待定位接收信号强度数据与所述wi-fi接入点接收信号强度参考数据库中的参考数据之间的距离；
步骤s5，按照距离值从小到大的顺序选取k个距离值对应的参考点坐标信息作为参考坐标，根据所述参考坐标估计得到所述待定位点的位置信息。
可选地，所述步骤s1进一步包括：
步骤s11，设置n个参考点，并获取所述n个参考点的位置信息，其中，n为正整数；
步骤s12，获取n个参考点位置处所接收到的wi-fi接入点接收信号强度；
步骤s13，将所述wi-fi接入点接收信号强度数据进行哈希运算处理，作为所述wi-fi接入点接收信号强度参考数据，构建得到wi-fi接入点接收信号强度参考数据库。
可选地，所述预设运算处理为哈希运算处理。
可选地，所述哈希运算处理为md5运算处理。
可选地，所述步骤s13中将所述wi-fi接入点接收信号强度数据进行哈希运算处理的步骤包括：
步骤s131，将wi-fi参考点接收信号强度数据转换成第一序列，其中，所述第一序列为‘01’序列，即由‘0’和‘1’组成的序列；
步骤s132，将步骤s131得到的第一序列的长度对512求余，若求余结果不等于448，就在所述第一序列后面填充一个1和n个0得到第二序列，使得第二序列的长度对512求余的结果等于448；
步骤s133，将步骤s132产生的第二序列长度用64bits序列存储，并将此64bits序列添加在步骤s132产生的求余结果后面，得到第三序列；
步骤s134，初始化四个链接变量：a,b,c,d，作为步骤s135中第一轮运算的输入；
步骤s135，将步骤s133产生的第三序列进行分组处理，利用4个逻辑函数对每个分组进行4轮逻辑函数运算，前一分组的4轮循环运算的输出作为下一分组相应4轮循环运算的输入，直至得到最后一个分组4轮循环运算的结果，即为哈希运算结果。
可选地，所述步骤s4中，待定位接收信号强度数据与所述wi-fi接入点接收信号强度参考数据库中的参考数据之间的距离dist可以利用下式来计算：
其中，m表示wi-fi接入点接收信号强度参考数据库中每个参考点对应的参考数据相关的接入点总数，rssimj表示在第j个参考点rpj处接收到的来自第m个wi-fi接入点apm的接收信号强度参考数据，rssi’mi表示在第i个参考点rpi处接收到的来自第m个wi-fi接入点apm的接收信号强度参考数据，u表示距离的类别：当u＝1时，dist表示曼哈顿距离；当u＝2时，dist表示欧几里得距离。
可选地，所述步骤s5中，假设k个参考坐标表示为(xk,yk)，k∈[1,k]，则所述待定位点的估计坐标(xi',yi')可以表示为：
可选地，所述步骤s5中，假设k个参考坐标表示为(xk,yk)，k∈[1,k]，则所述待定位点的估计坐标(xi',yi')可以表示为：
其中，distk为第k个参考点与待定位点之间的欧氏距离，wk为加权系数。
本发明的主要优点如下：本发明方法是一种基于md5-knn的wi-fi室内定位方法，其有效地解决了当指纹，即参考数据数量以及热点数量增多时，参考数据数据库变大而导致的定位效率降低的问题，降低了运算时间复杂度与参考数据数据库参考数据数量大小的关联性，提升了定位效率，同时还能够自适应的确定k值，有效地提升了定位精度。
附图说明
图1是根据本发明一实施方式的室内定位方法的流程图；
图2(a)是传统定位方法的定位误差概率密度分布图；
图2(b)是本发明定位方法的定位误差概率密度分布图；
图3是本发明定位方法与传统定位方法的定位误差累积分布函数对比示意图；
图4是本发明定位方法与传统定位方法的运算时间复杂度随参考数据数量的变化趋势对比图；
图5是本发明定位方法与传统定位方法的运算时间复杂度随ap数量的变化趋势对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1是根据本发明一实施方式的室内定位方法的流程图，如图1所示，在本发明一实施方式中，所述室内定位方法包括：
步骤s1，获取wi-fi接入点接收信号强度参考数据，将所述wi-fi接入点接收信号强度参考数据进行预设运算处理，并基于处理后得到的数据构建wi-fi接入点接收信号强度参考数据库，其中，所述预设运算处理用于将wi-fi接入点接收信号强度参考数据转换为长度固定的参考数据；
其中，所述wi-fi接入点接收信号强度参考数据指的是在参考点位置处所接收到的wi-fi接入点接收信号强度数据，其中，参考点可以是一个也可以是多个，wi-fi接入点也可以是一个或多个。
在本发明一实施例中，所述预设运算处理为哈希运算处理，比如可采用md5算法(message-digestalgorithm5)来实现，md5算法具有不可逆性，使得从md5序列值中无法逆推出用户的rssi信息，从而保证了用户的位置隐私。
在该实施例中，所述步骤s1进一步包括以下步骤：
步骤s11，设置n个参考点，并获取所述n个参考点的位置信息，其中，n为正整数；
该步骤中，在设置参考点时，可在测量区域内均匀设置参考点，也可以根据实际应用的需要设置参考点。
其中，所述参考点的位置信息可以由其空间位置坐标来表示，也可以由其他定位方法得到的位置信息来表示。
步骤s12，获取n个参考点位置处所接收到的wi-fi接入点接收信号强度；
步骤s13，将所述wi-fi接入点接收信号强度数据进行哈希运算处理，作为所述wi-fi接入点接收信号强度参考数据，构建得到wi-fi接入点接收信号强度参考数据库。
md5算法的优势在于可以将任意长的数据进行压缩，生成128bit的md5信息。接下来以md5运算处理为例对该步骤进行说明，在该步骤中，首先将所述wi-fi接入点接收信号强度数据生成128bit的md5信息，继而生成32字节的md5序列，即经过md5运算处理后，wi-fi接入点接收信号强度参考数据库中每条wi-fi接入点接收信号强度数据均转换为32字节的md5序列。在实现时，可先将wi-fi接入点接收信号强度数据转换成‘01’表示的序列，然后通过数据填充、记录信息长度、装入标准幻数、四轮循环运算来生成md5序列。
进一步地，所述步骤s13中将所述wi-fi接入点接收信号强度数据进行哈希运算处理的步骤包括：
步骤s131，将wi-fi参考点接收信号强度数据转换成第一序列，其中，所述第一序列为‘01’序列，即由‘0’和‘1’组成的序列；
步骤s132，数据填充：将步骤s131得到的第一序列的长度(单位为bit)对512求余，若求余结果不等于448，就在所述第一序列后面填充一个1和n个0得到第二序列，使得第二序列的长度对512求余的结果等于448；
步骤s133，记录信息长度：将步骤s132产生的第二序列长度用64bits序列存储，并将此64bits序列添加在步骤s132产生的求余结果后面，得到第三序列；
步骤s134，装入标准幻数：初始化四个链接变量：a,b,c,d，作为步骤s135中第一轮运算的输入；
在本发明一实施例中，a＝0x01234567，b＝0x89abcdef，c＝0xfedcba98，d＝0x76543210。
步骤s135，将步骤s133产生的第三序列进行分组处理，每组512位，将每组512位信息划分为16个32位子组，利用4个逻辑函数ff(a,b,c,d,mj,s,ti)，gg(a,b,c,d,mj,s,ti)，hh(a,b,c,d,mj,s,ti)，ii(a,b,c,d,mj,s,ti)对每个分组进行4轮逻辑函数运算，每轮循环的最终结果由4个32位分组组成，前一分组的4轮循环运算的输出作为下一分组相应4轮循环运算的输入，直至得到最后一个分组4轮循环运算的结果，即为哈希运算结果。
其中，ff(a,b,c,d,mj,s,ti)表示a＝b+((a+f(b,c,d)+mj+ti)<<s)，gg(a,b,c,d,mj,s,ti)表示a＝b+((a+g(b,c,d)+mj+ti)<<s)，hh(a,b,c,d,mj,s,ti)表示a＝b+((a+h(b,c,d)+mj+ti)<<s)，ii(a,b,c,d,mj,s,ti)表示a＝b+((a+i(b,c,d)+mj+ti)<<s)，mj表示每个分组的第j个子组，ti表示232*abs(sin(i))的整数部分，i取值为1～64，f(b,c,d)＝(b&c)|((～b)&d)，g(b,c,d)＝(b&d)|(c&(～d))，h(b,c,d)＝b^c^d，i(b,c,d)＝c^(b|(～d))，<<符号表示循环左移，s代表左移的位数。
在本发明一实施例中，所述wi-fi接入点接收信号强度参考数据库可如表1所示：
表1接收信号强度参考数据库
表中，rpj表示第j个参考点，j＝1…n，n表示参考点的数量，(xj,yj)表示参考点rpj的位置坐标，api表示第i个wi-fi接入点，i＝1…m，m表示wi-fi接入点的数量，rssiij表示在第j个参考点rpj处接收到的来自第i个wi-fi接入点api的接收信号强度参考数据，即参考点rpj的参考数据信息可以表示为：[(xj,yj)，rssi1j,…,rssiij,…,rssimj]。步骤s2，确定待定位点pi，并获取待定位点pi的位置信息；
在本发明一实施例中，待定位点pi的坐标可表示为(xi,yi)。
步骤s2，在待定位点pi处测量来自wi-fi接入点的接收信号强度；
在本发明一实施例中，wi-fi接入点数量为m个，在待定位点pi处测量得到的来自m个接入点的接收信号强度数据可表示为：[rssi’1i,rssi’2i,……,rssi’mi]。
步骤s3，将待定位点pi处的wi-fi接入点接收信号强度进行预设运算处理，得到待定位接收信号强度数据；
其中，所述预设运算处理与上文提及的对于wi-fi接入点接收信号强度参考数据进行的预设运算处理相同。
步骤s4，计算所述待定位接收信号强度数据与所述wi-fi接入点接收信号强度参考数据库中的参考数据之间的距离；
在本发明一实施例中，待定位接收信号强度数据与所述wi-fi接入点接收信号强度参考数据库中的参考数据之间的距离dist可以利用下式来计算：
其中，m表示wi-fi接入点接收信号强度参考数据库中每个参考点对应的参考数据相关的接入点总数，u表示距离的类别：当u＝1时，dist表示曼哈顿距离；当u＝2时，dist表示欧几里得距离。
距离dist的值越小，表明相应参考数据对应的参考点的位置与待定位点的位置越相近。
步骤s5，按照距离值从小到大的顺序选取k个距离值对应的参考点坐标信息作为参考坐标，根据所述参考坐标估计得到所述待定位点的位置信息。
假设k个参考坐标表示为(xk,yk)，k∈[1,k]，则所述待定位点的估计坐标可以表示为：
或者：
其中，distk为第k个参考点与待定位点之间的欧氏距离；wk为加权系数。
那么待定位点的实际位置与估计位置之间的定位误差可以表示为：
其中，(xi,yi)表示待定位点的实际位置，(xi',yi')表示待定位点的估计位置。
在传统的基于wi-fi的定位算法中，由距离计算公式可知，当参考数据库中的ap数量增大，即m值增大时，计算距离dist的时间复杂度会随之增大，同时当参考数据库增加时，即n值增大时，得到k个参考坐标的复杂度也会增加，从而造成定位效率下降。因此，本发明对于参考数据和待定位点处的wi-fi接入点接收信号强度进行了预设运算处理，对待处理数据进行了简化转换，从而大大降低了计算复杂度，节省了计算时间。
本发明不仅可以有效的估计待定位点的位置，而且还可以识别与待定位点最为相近的参考点位置，进而自动的推算出最为合适的k值，从而解决了传统定位算法中需要手动设置k值的问题，有效提升了定位精度。
为评估本发明提出的室内定位方法的性能，特选取一实际楼房的某一楼层作为实验环境进行实验。该楼层面积接近2000m2，有多间房间、水泥墙壁及木质房门，该楼层所在的环境中已经铺设有无线wi-fi，无需连接。为降低实际信号不稳定带来的影响，实验时在每个参考点位置采集20组数据，并利用均值滤波对其进行处理，实测rssi检测间隔为0.8秒，构造的wi-fi参考数据库共包含3000条参考数据，每条参考数据共包含来自200个ap点的rssi信息。
利用传统定位方法和本发明提出的定位方法的定位误差概率密度分布函数如图2所示，其中图2(a)为传统定位方法的定位误差概率密度分布，图2(b)为本发明定位方法的定位误差概率密度分布：
从图2可以看出，传统定位方法的误差分布较为分散，主要集中在1-8m之间，而相对于本发明定位方法而言，本发明定位方法的误差范围进一步收缩，定位精度进一步提高，主要集中在1-4m之间。
两种方法的定位误差累积分布函数(cumulativedistributionfunction，cdf)如图3所示，从图3可以看出，传统定位方法的定位精度在误差为2.5m的概率均接近80％，而本发明定位方法的概率提升到了90％，并且本发明定位方法的累积分布函数更快地接近1，表明改进后的定位方法的定位效果要优于传统定位方法。
另外，对于各方法的复杂度：
传统定位方法的运算时间复杂度由下式表示：
o(mn)＝k1*m*n.(6)
本发明定位方法的运算时间复杂度由下式表示：
on＝k2*32*n.(7)
式中，k1，k2分别为两种方法的单次运算时间，且满足k1＞k2；n为参考数据库中的参考数据数目；m为每条参考数据中ap的数目。在本发明定位方法中，由于对传统的参考数据数据库中的参考数据进行了预设运算，因此本发明定位方法的运算时间复杂度(computationoftimecomplexity，ctc)只受数据库参考数据条数的影响，而传统定位方法不仅受数据库参考数据条数的影响，而且受每条参考数据中ap数量的影响。
当ap数量一定时，传统定位方法与本发明定位方法随参考数据数量变化的运算时间复杂度如图4所示。其中图4(a)为定位区域内ap数量高于32的运算复杂度对比图，其中图4(b)为定位区域内ap数量低于32的运算复杂度对比图。
从图4可以看出，在参考数据数量相同的条件下，当区域内的ap数量大于32时，本发明定位方法定位所需要的时间明显小于传统定位方法所需要的时间。而当ap数量小于32时，本发明定位方法的定位效率要差于传统定位方法，这归功于本发明定位方法将每条参考数据进行了预设运算转换。
在实验过程中，两种方法的实际定位效率如表2所示：
表2定位效率对比表
由表2可知，当参考数据的数量扩大6倍时，本发明定位方法的定位时间增加了2.3倍，而传统定位方法的定位时间增加了近13倍。在大型商场或者其他大型建筑物的参考数据库构建过程中，参考数据的数量会远远多于3000条，ap数量也会远多于32，因此本发明提出的定位方法的定位效率具有很大的优势。
当参考数据库中的参考数据数量一定时，两种算法的运算时间复杂度随ap数量的变化如图5所示，从图5可以看出，由于本发明定位方法的运算复杂度与ap数量无关，而传统定位方法的运算复杂度与ap数量呈线性关系。而在大型场合如大型商场中，ap数量会远多于32个，这也就表明本发明提出的本发明定位方法的可行性与实用性。
相较于传统室内定位方法，本发明提出的室内定位方法无论在定位精度还是在定位效率方面都有了较大、明显的改善，定位稳定性方面也有了一定的提高。在大型场合如商场中，由于面积大，接入点数目多，参考数据库的参考数据条数以及接入点数量都会逐渐增多，对定位精度和定位效率的要求也随之增大，更能体现出本发明方法的优越性和可用性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。