基于固定地标的室内定位系统指纹库构建方法
【专利摘要】一种基于固定地标的室内定位系统指纹库构建方法包括：筛选出采样路径上在固定地标附近预定区域内的采样点，确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的物理相关性，选取所述固定地标附近预定区域内的最优短距离估计模型和确定所述采样路径中各个采样点的绝对坐标。本发明的技术方案有效地构建一个低成本、高精度的WiFi指纹库。
【专利说明】基于固定地标的室内定位系统指纹库构建方法
【技术领域】
[0001] 本发明涉及室内定位系统指纹库构建方法，具体涉及一种基于固定地标的室内定 位系统指纹库构建方法。
【背景技术】
[0002] 随着移动互联网技术的快速发展，智能手机、平板电脑等智能移动设备的迅速普 及，基于用户室内位置的业务大量出现，包括路径寻找、多媒体位置标记、位置交友、针对 性地投放广告和优惠券发放以及给出符合用户兴趣点的建议等创新的业务。与基于GPS、 北斗、伽利略的室外定位系统不同，室内定位系统主要利用无线传感器网络（Wireless SensorNetwork,WSN)、RFID、红外线、超声波以及WiFi等技术，其中，基于WiFi的室内 定位技术正呈现出光明的应用前景。这种定位技术主要利用WiFi信号接入点（Access Point，AP)来获取用户位置，AP的高覆盖率是精确室内定位方案实现的前提。近年来，许多 场所如大型商场等的AP覆盖率正在逐步上升，这对基于WiFi的室内定位技术的发展提供 了便利。目前，基于WiFi室内定位技术的研究领域主要分有两个方向：定位算法与指纹库 构建，其中，定位算法的研究已经形成了一些具有通用性的算法，指纹库的构建仍存在较大 的研究空间。以往指纹库的建立都是由经过训练的专业人士进行操作的，这种指纹库的构 建方法需要消耗非常高的人力成本，不利于该定位技术的进一步发展。因此，如何有效地构 建一个低成本、高精度的WiFi指纹库是WiFi室内定位系统走进普通应用所必须面临和解 决的问题。
[0003] 经对现有技术的文献检索发现，M.Alzantot和M.Youssef于2012年在the20* InternationalConferenceonAdvancesinGeographicInformationSystems发表了 "Crowdinside:automaticconstructionofindoorfloorplans"（2012 年ACM组织在 地理信息领域的会议，《人群参与：室内平面图的自动构建方法》），提出了利用同时定位映 射（SimultaneousLocalizationandMapping,SLAM)技术来解决无特征场所的RF地图建 立的问题。然而，此技术有依赖于智能手机的惯性传感器来识别地标的限制。识别地标所 采用的传感器配置选择，对跟踪精度及此类定位系统的可用性均有较大影响。
【发明内容】
[0004] 本发明解决的技术问题是如何有效地构建一个低成本、高精度的WiFi指纹库。
[0005] 为解决上述问题本发明技术方法提出了一种基于固定地标的室内定位系统指纹 库构建方法。
[0006] 所述基于固定地标的室内定位系统指纹库构建方法包括：
[0007] 筛选出采样路径上在固定地标附近预定区域内的采样点，包括根据所述采样点与 固定地标的信号接收强度指示指纹信息计算两者之间的信号接收强度指示相似度，并结合 所述采样点的位移信息，得到所述固定地标附近预定范围内的采样点集合；
[0008] 确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的 物理相关性，包括在所述采样点集合中，找到与所述固定地标距离预定距离的相关采样点， 并计算所述相关采样点与固定地标之间在信号接收强度指示空间上的距离，基于所述信号 接收强度指示相似度与物理距离之间的信号接收强度指示相关性，构建短距离估计模型；
[0009] 选取所述固定地标附近预定区域内的最优短距离估计模型，包括建立至少一个短 距离估计模型函数，对所述采样路径中的部分路径进行训练，并统计每个路径与测量值之 间的误差，选择具有最小误差的短距离估计模型函数作为该固定地标的最优短距离估计模 型；
[0010] 确定所述采样路径中各个采样点的绝对坐标，包括基于所述固定地标的最优短距 离估计模型，求解出所述固定地标与与其对应的采样路径中的采样点之间的欧氏距离，计 算所述固定地标与与其对应的采样点之间的在欧氏空间中的相对坐标，再根据所述固定地 标在欧氏空间中的全局坐标确定该固定地标对应的采样点在欧氏空间中的全局坐标，对该 固定地标对应的采样点所在的路径的后续采样点的坐标信息进行更新，将所述后续采样点 的坐标信息保存至云服务器端的数据库。
[0011] 可选的，所述根据所述采样点与固定地标的信号接收强度指示指纹信息计算两者 之间的信号接收强度指示相似度包括：确定两个所述采样点之间或所述采样点与固定地标 之间的在信号接收强度指示空间中的距离Sinii，j，
【权利要求】
1. 一种基于固定地标的室内定位系统指纹库构建方法，其特征在于，包括： 筛选出采样路径上在固定地标附近预定区域内的采样点，包括根据所述采样点与固定 地标的信号接收强度指示指纹信息计算两者之间的信号接收强度指示相似度，并结合所述 采样点的位移信息，得到所述固定地标附近预定范围内的采样点集合； 确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的物理 相关性，包括在所述采样点集合中，找到与所述固定地标距离预定距离的相关采样点，并计 算所述相关采样点与固定地标之间在信号接收强度指示空间上的距离，基于所述信号接收 强度指示相似度与物理距离之间的信号接收强度指示相关性，构建短距离估计模型； 选取所述固定地标附近预定区域内的最优短距离估计模型，包括建立至少一个短距离 估计模型函数，对所述采样路径中的部分路径进行训练，并统计每个路径与测量值之间的 误差，选择具有最小误差的短距离估计模型函数作为该固定地标的最优短距离估计模型； 确定所述采样路径中各个采样点的绝对坐标，包括基于所述固定地标的最优短距离估 计模型，求解出所述固定地标与与其对应的采样路径中的采样点之间的欧氏距离，计算所 述固定地标与与其对应的采样点之间的在欧氏空间中的相对坐标，再根据所述固定地标在 欧氏空间中的全局坐标确定该固定地标对应的采样点在欧氏空间中的全局坐标，对该固定 地标对应的采样点所在的路径的后续采样点的坐标信息进行更新，将所述后续采样点的坐 标信息保存至云服务器端的数据库。
2. 如权利要求1所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述根据所述采样点与固定地标的信号接收强度指示指纹信息计算两者之间的信号接收 强度指示相似度包括：确定两个所述采样点之间或所述采样点与固定地标之间的在信号接 收强度指示空间中的距离Simi, ,_，
其中，Pi、Pj表示所述采样点，ΩΓ、Ω/>表示所述采样点Pi和采样点Pj处检测到的接入 点的集合，Θ表示所述采样点Pi与采样点&处均检测到的接入点集合，心、<表示Θ中 第m个接入点在Pi、处的信号接收强度指示值； 所述结合所述采样点的位移信息，得到所述固定地标附近预定范围内的采样点集合包 括计算各采样点与所述固定地标之间在信号接收强度指示空间中的距离，根据设定的信号 接收强度指示距离阈值得到临时采样点集合Ψ，即： Simi；J <SIMLEVEL； 其中，SIMLEVEL为设定的在信号接收强度指示空间中的信号接收强度指示距离阈值； 确定为米样点处位移在Y轴与X轴方向上分量之间的比例关系，根据f对临时米αχαχ 样点集合Ψ进行进一步的筛选，即 Floor<^-<Updx. 其中，Up与Floor分别为设定的上阈值和下阈值，确定所述固定地标附近预定区域内 的采样点集合Γ。
3. 如权利要求2所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述预定区域为以所述固定地标为圆心，半径为I. 5m的圆形区域，所述信号接收强度指示 距离阈值为20,所述上阈值为5,所述下阈值为0. 5。
4. 如权利要求1所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述在所述采样点集合中，找到与所述固定地标距离预定距离的相关采样点包括： 在所述信号接收强度指示指纹信息中提取出4个指标，如下： (1) 定义公有的接入点数目ηη，ηn越大，表示采样点与固定地标之间距离越近； (2) 定义斯佩尔曼排序相关系数P可由下式表示：
对采样点匕和采样点Pb所有共同的接入点集合中各个元素，按照信号接收强度指示值 的大小，进行增序排序，确定每个元素在有序表中的排列次序系数卩?和/严1，#&、Fw 分别表示采样点Pa和采样点Pb处所有排列次序的平均值，所述排列次序系数表示出两个采 样点的临近程度； (3) 信号接收强度指示排列次序差的平方求和c，可由下式得到 c=K'、-r，、Y· c越小表示这两个采样点的距离越近； (4) 非公有的接入点数目nu，表示两个采样点所独有的接入点数目，即 nu =na+nb-2nπ ； 其中na、nb分别表示采样点a、b处检测到的接入点数目，nu越大，说明两个采样点之间 的距离越远； 基于所述信号接收强度指示相似度与物理距离之间的信号接收强度指示相关性，构建 短距离估计模型包括： 根据确定的4个指标，选取不同的指标，构成短距离估计模型Nf即选取nn、Ps、c，即Nf = {nn，Ps，c}，则所述采样点与固定地标之间的物理距离d可由下式表示 d - aooo+aioon Π +aOlO P s+a〇01C+ail〇n Π P S+ aIOIn n C+a011 P sC+a200n n +a020 P s +a002C +· · ·; 其中，a_等为系数，通过最小二乘法计算得到；多项式d的最高阶数N。取值范围为1··· 4。
5. 如权利要求1或4所述的基于固定地标的室内定位系统指纹库构建方法，其特征在 于，所述预定距离为所述固定地标为圆心，距离所述固定地标小于或等于I. 5m的距离。
6. 如权利要求1所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述对所述采样路径中的部分路径进行训练，并统计每个路径与测量值之间的误差，选择 具有最小误差的短距离估计模型函数作为该固定地标的最优短距离估计模型包括： 选取一定训练比例的采样路径，并分别计算每条路径上各个点之间的物理相对距离集 合Z: {Zm，k}和信号接收强度指示空间中的距离集合R: {Rm，k}，其中m、k分别表示当前模型对 应的N。及Nf ; 根据物理相对距离集合Z: {Zm'k}和信号接收强度指示空间中的距离集合R: {Rm'k}，确定 所述采样路径上各采样点在信号接收强度指示空间与欧式空间上的坐标，即： 4Czmi，『，k -Cr' 其中，取误差Y的最小值，Y由下式表示：
其中，Pu表示在采样点Pi处测量得到的采样点Pi和采样点I两点之间的差异性，Clij 表示？1、？」两点之间的欧氏距离，8(^1^8(^〇1'表示缩放参数，€为仅与排列顺序相关的连 续参数单调函数； 建立Ym =S。·Xm ·艮+T。模型，其中，S。、R。与T。分别表示该映射关系中对应的缩放、旋 转与反转因子，确定之间的映射关系； 对非参与训练的采样路径上的点，获得信号接收强度指示空间中的距离集合RT: {RTm，k}，确定信号接收强度指示空间域上的坐标Aia -C/u，利用所述映射关系参 数，将信号接收强度指示空间域上的坐标映射到欧式空间域上-C/"，统计 与直接测得的欧式坐标之间误差，提取出其中具有最小误差的短距离估计模型。
7. 如权利要求6所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述对所述采样路径中的部分路径进行训练为采用多维标度分析算法和普氏分析算法对 采样路径中的部分路径进行训练。
8. 如权利要求6或7所述的基于固定地标的室内定位系统指纹库构建方法，其特征在 于，所述训练比例为50 %。
9. 如权利要求1所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述基于所述固定地标的最优短距离估计模型，求解出所述固定地标与与其对应的采样路 径中的采样点之间的欧氏距离，计算所述固定地标与与其对应的采样点之间的在欧氏空间 中的相对坐标，再根据所述固定地标在欧氏空间中的全局坐标确定该固定地标对应的采样 点在欧氏空间中的全局坐标，对该固定地标对应的采样点所在的路径的后续采样点的坐标 信息进行更新，将所述后续采样点的坐标信息保存至云服务器端的数据库包括： 计算所述固定地标与与其对应的采样路径中采样点之间在信号接收强度指示空间中 的距离集合R:{Rm'k}，利用所述最优短距离估计模型，计算出所述固定地标与采样路径中采 样点之间的欧氏距离集合Z:{Zm'k}; 计算出所述固定地标与采样路径中采样点在信号接收强度指示空间中的坐标 /Ta - 和欧氏空间中的坐标Zjia 将所述信号接收强度指示空间域中的坐标与欧氏空间域的映射参数计算出来，然后根 据这些参数以及信号接收强度指示空间域的坐标，计算得到最终欧氏空间中的相对坐标分 另0为G与匕； 根据所述固定地标在欧氏空间中的全局坐标Cf、相对坐标C二与，确定其对应的采 样路径中采样点在欧氏空间中的全局坐标Cg，其中， Ci Cg--Tr-Ct ^est . 对这些采样点所在的路径的后续采样点坐标信息进行更新，实现对指纹数据库信息的 修正，将数据保存至云服务器端的数据库。
10.如权利要求9所述的基于固定地标的室内定位系统指纹库构建方法，其特征在于， 所述计算所述固定地标与与其对应的采样点之间的在欧氏空间中的相对坐标为采用多维 标度分析算法和普氏分析算法计算固定地标与其附近采样点之间的在欧氏空间中的相对 坐标。
【文档编号】G06F17/30GK104320759SQ201410545517
【公开日】2015年1月28日 申请日期:2014年10月15日 优先权日:2014年10月15日
【发明者】徐超杰, 黄正勇, 夏俊, 俞晖 申请人:上海交通大学