1.一种基于信标分簇的室内定位方法,其特征在于,在室内部署WiFi信标簇,信标簇由两个以上的WiFi信标组成,选取其中一个信标为簇头,簇内信标以设定的功率发射Beacon帧;
使用位置服务器维护簇头列表,簇头列表包括五个字段,分别是,
字段Cluster_ID、字段Beacon_MAC、字段Beacon_Floor、字段Beacon_Coordinate_X以及字段Beacon_Coordinate_Y;其中,Cluster_ID为WiFi信标簇标识,Beacon_MAC为簇头MAC地址,Beacon_Floor为簇头所在楼层,Beacon_Coordinate_X与Beacon_Coordinate_Y分别为簇头所在位置坐标;
使用一个位置服务器维护簇内WiFi信标列表,簇内WiFi信标列表由两个字段构成,分别是字段Cluster_ID和字段Beacon_MAC;其中,Cluster_ID为WiFi信标簇标识,Beacon_MAC为WiFi信标MAC地址;
使用位置服务器负责维护指纹数据库,指纹数据库分簇进行维护,由九个字段组成,分别是字段Cluster_ID、Floor、字段Coordinate_X、字段Coordinate_Y、字段Beacon_ID、字段Beacon_MAC、字段RSSI_AVG、字段RSSI_DEV以及字段Beacon_T;其中,Cluster_ID为WiFi信标簇标识,Floor为信标簇所在楼层,Coordinate_X与Coordinate_Y为网格内训练点的位置坐标,Beacon_ID为WiFi信标标识,Beacon_MAC为WiFi信标MAC地址,RSSI_AVG与RSSI_DEV为该WiFi信标在网格训练点的RSSI平均值及标准差,Beacon_T为WiFi信标在网格训练点累计服务次数;
移动终端在发起定位请求时,位置服务器首先下发簇头列表,移动终端侦听簇头Beacon帧并记录簇头实时RSSI指纹,将RSSI指纹最大的簇头坐标作为自身的初始位置坐标,定位精度为低时,该坐标就作为移动终端位置坐标。
2.根据权利要求1所述的一种基于信标分簇的室内定位方法,其特征在于,信标簇根据建筑物内划分的网格进行部署的,一个网格对应一个信标簇,单个信标簇内WIFI信标数量为6~12个;
移动终端的定位基于网格所对应的信标簇,信标簇部署完成后进行RSSI指纹训练,在各训练点上记录簇内信标RSSI的平均值及标准差并录入指纹数据库。
3.根据权利要求1所述的一种基于信标分簇的室内定位方法,其特征在于,在定位精度为中或者高的情况下,则将实时RSSI指纹最大的簇头所在簇的Cluster_ID上报给位置服务器,位置服务器下发簇内WiFi信标列表给移动终端,移动终端记录簇内信标实时RSSI指纹,将RSSI最大的3~5个信标指纹上报给位置服务器,位置服务器将上报的RSSI指纹与指纹数据库进行匹配,利用加权最大似然估计法将概率最大的训练点位置坐标下发给移动终端并作为移动终端的位置坐标。
4.根据权利要求1或2所述的一种基于信标分簇的室内定位方法,其特征在于,移动终端获取位置服务包括以下步骤:
步骤101:移动终端发出定位请求,定位请求中包含定位精度,然后执行102;
步骤102:位置服务器向移动终端下发簇头列表,然后执行103;
步骤103:移动终端侦听信道中簇头Beacon帧并记录簇头实时RSSI指纹,然后执行104;
步骤104:根据定位精度选择算法,若定位精度为低,则进行步骤105,否则进行步骤106;
步骤105:移动终端将实时RSSI指纹最大的簇头坐标作为自身的位置坐标,然后执行114;
步骤106:移动终端将实时RSSI指纹最大的簇头Cluster_ID上报给位置服务器,并将簇头所在位置坐标Beacon_Coordinate_X和Beacon_Coordinate_Y作为自身初始坐标,然后执行107;
步骤107:位置服务器下发簇内WiFi信标列表给移动终端,然后执行108;
步骤108:移动终端侦听簇内WiFi信标Beacon帧并记录信标实时RSSI指纹,然后执行109;
步骤109:根据定位精度选择上报实时RSSI指纹的数量,若定位精度为中,则进行步骤110,否则进行步骤111;
步骤110:移动终端上报RSSI最大的3个实时RSSI指纹给位置服务器,然后执行112;
步骤111:移动终端上报RSSI最大的5个实时RSSI指纹给位置服务器,然后执行112;
步骤112:位置服务器将上报的实时RSSI指纹与指纹数据库进行匹配,并通过加权最大似然估计法将概率最大的位置坐标下发给移动终端,然后执行113;
步骤113:将参与定位计算的信标Beacon_T值加1,然后执行114;
步骤114:本次定位结束。
5.根据权利要求3所述的一种基于信标分簇的室内定位方法,其特征在于,位置服务器采用加权最大似然估计法进行指纹匹配,选取高斯分布作为似然函数,各个信标RSSI独立,指纹匹配时位置服务器将信标实时RSSI指纹在网格内各训练点上的先验概率进行加权求和,并将加权求和最大值的训练点坐标下发给移动终端,概率加权求和公式如下所示:
式中:
R={r1,r2,…,rn},rj为信标j的实时RSSI指纹,j取值1~n,n为移动终端上报信标RSSI指纹的数量;
Zi为网格内训练点,i取值1~m,m为网格内训练点的数量;
S(R|Zi)为信标实时RSSI指纹在训练点Zi上的先验概率加权求和;
Kij为信标j在训练点Zi上的权值;
pij为信标j的实时RSSI指纹在训练点Zi上先验概率密度;
Tij为信标j在训练点Zi上累计服务次数;
μij为信标j在训练点Zi上的RSSI平均值;
σij为信标j在训练点Zi上的RSSI标准差。
6.根据权利要求2所述的一种基于信标分簇的室内定位方法,其特征在于,训练点间距设置为1米。