一种基于空间数值迭代的室内定位方法与流程

本发明属于室内定位算法技术领域，特别涉及一种基于空间数值迭代的室内定位方法。

背景技术：

定位技术已经广泛应用于生活、生产的诸多领域，包括导航、轨迹追踪、非法轨迹报警、电子签到、实时位置监测、事故救援定位等。室外定位技术主要是gps定位，已经获得了比较高的定位精度和定位效率。但gps定位并不适用于室内定位技术，因为室内环境有建筑物的遮挡干扰。因此，一系列的室内定位技术应运而生。

室内定位的设备包括wifi，蓝牙，超宽带，rfid，zigbee,红外线，地磁，二维码等。各种定位设备的定位精度、成本、定位效率、覆盖范围各异。其中wifi定位技术因其成本低、覆盖范围广、定位精度较高而得到了比较广泛的推广。

针对上述的室内定位设备进行定位时，都需要应用室内定位算法。不同的设备使用的室内定位算法具有共通性。目前，主流的室内定位算法有位置指纹法，多边测距法，多角测距法。

位置指纹法是通过预先测量场景中不同位置点的位置以及接受到的每个ap的信号强度。一个位置点的位置以及接收到的每个ap的信号强度值组成的向量就称为一条指纹。所有位置点的位置以及相对应的指纹就构成预先测量的指纹库。在实时定位时，只需要比较实时测量的指纹与预先测量的所有指纹的匹配度，匹配程度最高的预先测量的指纹的位置就作为实时定位的点的位置估计。位置指纹法能获得较高的定位精度。但缺点在于：1、预先测量指纹数据库的工作量大；2、实时定位匹配的计算开销大；3、定位精度受限于指纹库的预先测量密集度；4、当场景发生变化时，需要重新测量指纹库。

多边测距法是通过测量每个ap的信号强度来计算测量点到每个ap的距离。计算方法通过信号强度值与距离满足一定的衰减关系式。多边测距法的缺点在于：1、定位精度不高，方程简化过程引入了计算误差；2、定位算法计算量大，尤其是需要计算矩阵的逆计算开销大；3、由于实际指纹的测量误差，满足到每个ap一定距离的严格位置点不存在，因此解析法并不适用；4、只能应用于二维定位，无法扩展到三维定位；5、无法量化和纠正多径效应的干扰。

多角测距法是通过测量位置点到每个ap的信号角度方向，通过求解满足角度关系的方程组来求解待测位置点的位置。多角测距法的缺点在于：1、需要专用的天线阵列ap才能测量信号的角度，因此成本较高；2、定位算法计算量大，尤其是需要计算矩阵的逆计算开销大；3、由于测量误差，满足到每个ap一定角度的严格位置点不存在，因此解析法并不适用；4、只能应用于二维定位，无法扩展到三维定位；5、无法量化和纠正多径效应的干扰。

目前，位置指纹法是应用较为广阔的一种主流定位算法。但其预先测量工作量大，实时匹配计算开销大、时延大，定位精度受限于预先测量位置点的密集度，当场景发生变化时需要重新测量指纹库。

技术实现要素：

本发明针对位置指纹法、多边测距法、多角测距法等室内定位方法的局限性，提出了一种基于空间数值迭代的室内定位方法，提高了定位精度，具有超低的实时定位算法计算开销，同时具有量化多径效应的扩展性，同时具有三维定位的扩展性。

一种基于空间数值迭代的室内定位方法，包括以下步骤：

s1、测量每个信号源的信号强度值，得到测试点的信号强度指纹；

s2、将定位空间分成n×n×n的网格，每个网格的边长为a；

s3、基于网格点与信号源的距离计算得到每个网格点的信号强度指纹估计；

s4、比较所述测试点的信号强度指纹和每个网格点的信号强度指纹，得到与所述测试点的信号强度指纹之间欧氏距离最小的网格点的信号强度指纹，将该网格点设置为最似然位置点；

s5、判断网格边长是否小于预设定位精度要求，当网格边长小于预设定位精度要求时，输出所述最似然位置点为定位位置。

进一步地，所述步骤s5包括：

s51、判断网格边长是否小于预设定位精度要求；

s52、当网格边长小于预设定位精度要求时，输出所述最似然位置点为定位位置；

s53、当网格边长不小于预设定位精度要求时，以所述最似然位置点为中心重新构建n×n×n的网格，每个网格的边长以预设倍数进行缩减，流程回到所述步骤s3。

进一步地，所述步骤s3包括：

根据每个网格点与每个信号源的距离，计算得到网格点到每个信号源的接收信号强度

其中，rssi(d)表示网格点与信号源距离为d时的接收信号强度，rssi0表示与信号源距离为d0处的接收信号强度，a表示环境传播因子；

计算得到每个网格点与每个信号源的接收信号强度后，得到每个网格点的信号强度指纹。

进一步地，所述步骤s4包括：

比较测试点的信号强度指纹和每个网格点的信号强度指纹之间的欧式距离

其中，j表示网格点的标记，i表示信号源的标记，distance(j)表示网格点j与测试点的信号强度指纹的欧氏距离，rssii(j)表示网格点j的信号强度指纹，rssii(0)表示测试点的信号强度指纹；

计算得到每个网格点与测试点的信号强度指纹的欧氏距离，选取与测试点的信号强度指纹的欧氏距离最小的网格点作为最似然位置点。

本发明的有益效果：本发明提供了一种基于空间数值迭代的室内定位方法，将空间数值迭代引入到室内定位算法中，其有益效果在于：1、定位精度的天花板效应小，定位精度可调整。可应用于二维、三维乃至多维场景；2、计算复杂度为m为迭代的次数，计算复杂度相比其它算法有量级上的减小；3、不依赖解析解，算法定位过程不引入误差；4、得到的是全局最优解，避免解析法得到局部最优解；5、计算内存、时间开销有量级上的减小，便于实时定位；6、算法扩展性强，可量化多径效应，引入墙面衰减矫正因子、地面墙面折射因子等，进一步提升算法对于场景的适应性和定位精度。7、无需事先测量所有点的位置指纹，方法工程开销量小。

附图说明

图1为本发明实施例提供的流程图。

具体实施方式

下面结合附图对本发明的实施例做进一步的说明。

请参阅图1，本发明提出的一种基于空间数值迭代的室内定位方法，具体通过以下步骤实现：

s1、测量每个信号源的信号强度值，得到测试点的信号强度指纹。

本实施例中，通过测试点和每个信号源之间的接收信号强度，得到测试点的信号强度指纹。测试点即为待定位点。

本实施例中，信号源选用ap信号，可以为wifi，蓝牙，超宽带，rfid，zigbee,红外线，地磁，二维码等信号源。

s2、将定位空间分成n×n×n的网格，每个网格的边长为a。

本实施例中，将定位空间分成4×4×4的网格。定位空间指实际场景的总空间，也即是我们要定位的位置的范围大小的空间。如果不采用迭代的方法，直接将定位空间分成10000×10000×10000的网格，遍历所有网格以计算最似然网格点作为定位位置也是可以满足定位精度需求的，但计算开销非常大，需要计算10000×10000×10000个点的信号强度估计值，这样的计算开销会带来很大的定位延时，无法实现实时定位。所以，本发明提出先将定位空间分成4×4×4的网格，再不断缩小网格的大小，这样计算开销将以对数方式缩小。同样，本发明中将定位空间划分为多个网格的个数不限于此。

s3、计算得到每个网格点的信号强度指纹。

本实施例中，因为网格的划分是以定位空间的大小进行划分的，而定位空间是可设定的，所有网格上每个点的位置是我们已知而且确定的。每个ap的位置也是需要事先测量确定的。已知了网格点的位置以及每个ap的位置，就可以计算每个网格点到每个ap的距离。

根据每个网格点与每个信号源的距离，计算得到网格点到每个信号源的接收信号强度估计，计算方式是基于信号衰减强度与距离满足关系式：

其中，rssi(d)表示网格点与信号源距离为d时的接收信号强度，rssi0表示与信号源距离为d0处的接收信号强度，a表示环境传播因子，进行测量可得；如果要量化墙面衰减因子，地面墙面折射因子则在这个公式后添加一个矫正项，矫正时网格点与信号源以及墙面的空间位置已知，因此可以计算。

计算得到每个网格点与每个信号源的接收信号强度后，得到每个网格点的信号强度指纹。

s4、比较测试点的信号强度指纹和每个网格点的信号强度指纹，得到与测试点的信号强度指纹之间欧氏距离最小的网格点的信号强度指纹，将该网格点设置为最似然位置点。

本实施例中，比较测试点的信号强度指纹和每个网格点的信号强度指纹之间的欧式距离

其中，j表示网格点的标记，i表示信号源的标记，distance(j)表示网格点j与测试点的信号强度指纹的欧氏距离，rssii(j)表示网格点j的信号强度指纹，rssii(0)表示测试点的信号强度指纹；

计算得到每个网格点与测试点的信号强度指纹的欧氏距离，选取与测试点的信号强度指纹的欧氏距离最小的网格点作为最似然位置点。

s5、判断网格边长是否小于预设定位精度要求，当网格边长小于预设定位精度要求时，输出最似然位置点为定位位置。

本实施例中，步骤s5通过以下步骤实现：

s51、判断网格边长是否小于预设定位精度要求；

本实施例中，预设定位精度要求设置为网格边长为10cm，也可以有其它数值的设定。

s52、当网格边长小于预设定位精度要求时，输出最似然位置点为定位位置；

本实施例中，即若网格边长小于预设定位精度要求(比如10cm)，此时定位精度已达到要求，输出此时的最似然位置点为定位位置。

s53、当网格边长不小于预设定位精度要求时，以最似然位置点为中心重新构建n×n×n的网格，每个网格的边长以预设倍数进行缩减，流程回到步骤s3。

本实施例中，若网格边长不小于预设定位精度要求(比如10cm)，即此时的网格边长较大，不满足定位精度的要求，需要对网格边长进行缩减，以最似然位置点为中心重新构建网格。本实施例中采用的缩减倍数为每次迭代缩减一半网格边长，每次迭代流程重复步骤s3-s4，每次迭代生成一次最似然位置点，直到网格边长小于预设精度要求时，输出此时的最似然位置点为定位位置。

本实施例中，当得到最似然位置点时，此时网格的边长可能依然比较大，定位精度与网格的边长正相关，因此定位精度可能不满足实际的定位需求。因此需要缩小网格的大小。本发明采用的一种方法是每次缩小网格的边长一半，基于步骤4的最似然位置为中心重新生成一个网格。之所以以步骤4的最似然位置为中心，是因为离最似然位置点越近，指纹的欧式距离越小。只不过步骤4的最似然位置精度还不够，需要在以该点为中心的领域内继续寻找指纹欧式距离更小的位置点。

本领域的普通技术人员将会意识到，这里的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。