一种基于双重匹配指纹定位技术的定位方法与流程

本发明涉及交通信息技术领域，具体涉及一种基于双重匹配指纹定位技术的定位方法。

背景技术：

现有的Wi-Fi移动设备无需附加任何传感器就可直接进行定位，因此Wi-Fi定位法广为采用。然而，这种定位法基于无线信号场强值的RSSI获取，其准确性常受噪音，反射，及障碍物的影响。

具体的是在复杂的室内环境中，无线信号传播特性主要包含，路径损耗、阴影衰落和多径效应，其中路径损耗是基于RSSI定位的核心依据，即信号强度与距离有一定的对应关系；阴影衰落主要由发射机和接收机之间的障碍物造成的，这些障碍物通过吸收、反射、散射和绕射等方式衰落信号功率，严重时甚至会阻断信号；多径效应即接收机所接收到的信号是通过不同的直射、反射、折射等路径到达接收机，由于电波通过各个路径的距离不同，因而各条路径中发射波的到达时间、相位都不相同，不同相位的多个信号在接收端叠加，如果同相叠加则会使信号幅度增强，而反相叠加则会削弱信号幅度。这样，接收信号的幅度将会发生急剧变化。因此室内环境中RSSI值表现出高度的不确定性和非线性特性，使得RSSI与物理位置并非一一映射的关系，严重影响WLAN指纹定位技术的定位精度。

而且现有的算法，没有与服务器进行较好的交互，每一次都需要重新的进行运算得出坐标。然而在大型停车场中，由于AP的数量较多，并且采样点的数量也很多。并且在停车场中的用户流量大时，实时更新数据的效果较差，更新出来的数据就会有一定的滞后性，从而产生更大的误差。

技术实现要素：

为了解决现有技术中的问题，本发明提出一种采用双重指纹匹配定位减小时间复杂度，从而减小位置数据误差的一种基于双重匹配指纹定位技术的定位方法。

为了实现以上目的，本发明所采用的技术方案为：包括以下步骤：

1)在室内环境中采用无线AP建立WiFi网络，以及设置带有离线数据库和在线数据库的定位服务器；

2)离线采样：在WiFi网络中采集各个位置坐标的无线AP信号的RSSI值，并将位置坐标及位置坐标的无线AP信号的RSSI值发送至定位服务器存储至离线数据库；

3)对离线数据库中位置坐标的RSSI值进行过滤处理；

4)在线实时定位：待定位移动终端进入室内停车场连接上WiFi网络，采集无线AP信号的RSSI值并发送至定位服务器，在在线数据库中对该RSSI值进行匹配，在线数据库中存储有用户移动终端定位成功的位置坐标及位置坐标的无线AP信号的RSSI值；

若匹配成功，则在线数据库中匹配的位置坐标为待定位移动终端的位置坐标，完成定位；

若匹配失败，则定位服务器将缓存的RSSI值作为待匹配识别的特征，在离线数据库中选取k个权值最小的点，并读取离线数据库中对应位置坐标，使用k近邻加权算法，利用优先队列取出k个坐标，对k个坐标加权平均得出的坐标作为待定位移动终端的位置坐标，并存储至在线数据库中，完成定位。

所述步骤2)中根据测量得到室内停车场的车位路线图，将车位路线图绘制在坐标系中坐标化后存储至离线数据库。

所述步骤4)中对得到的待定位移动终端的位置坐标的RSSI值与离线数据库中的室内停车场的车位路线图坐标的RSSI值进行匹配，找出最小的权值所对应的坐标，即为待定位移动终端的实时位置坐标。

所述步骤3)中过滤处理为：对离线数据库中位置坐标的RSSI值求取平均值，过滤掉与平均值差的绝对值大于5个单位的RSSI值，对剩余的RSSI值重新计算平均值，该平均值作为标记向量。

所述步骤4)中权值的计算公式为：

其中，D_i表示移动终端的RSSI矢量S与第i个参考节点的RSSI矢量之间的距离，N和L分别表示AP和参考节点的个数，S_j和f_ij分别表示移动终端和第i个参考节点接收到的来自第j个AP的信号强度。

所述步骤4)中k近邻加权计算公式为：

其中，表示移动终端位置坐标的估计值，(x_i,y_i)表示第i个参考节点的坐标，ε为防止除数等于0的正常数。

与现有技术相比，本发明通过离线采样将WiFi网络中的位置坐标及位置坐标的无线AP信号的RSSI值存储在离线数据库中，并对离线数据库中位置坐标的RSSI值进行过滤处理，减少离线数据库的复杂程度，在线数据库中存储有用户移动终端定位成功的位置坐标及位置坐标的无线AP信号的RSSI值，在定位时，待定位移动终端采集的无线AP信号的RSSI值发送至定位服务器，能够通过在线数据库中存储的位置坐标的无线AP信号的RSSI值对采集的RSSI值进行匹配，匹配成功则在线数据库中匹配的位置坐标为待定位移动终端的位置坐标，直接得到待定位移动终端的位置坐标，匹配不成功则通过在离线数据库中选取k个权值最小的点，并读取离线数据库中对应位置坐标，使用k近邻加权算法，利用优先队列取出k个坐标，对k个坐标加权平均得出的坐标作为待定位移动终端的位置坐标，并将该位置坐标存储在在线数据库中，实现在线数据库的实时更新，便于下次定位时通过记忆化搜索来减小时间复杂度，本发明采用双重数据库的指纹匹配定位，降低了时间复杂度，从而减少了时间误差，提高了定位时位置数据的精度，用户流量大时，实现了对在线数据库的实时更新，实时更新效果好。

进一步，由于实际上用户在室内停车场的汽车只能处在停车位或者路线上，因此通过测量得到室内停车场的车位路线图，并将车位路线图绘制在坐标系中坐标化后存储至离线数据库，将实时定位所得到的位置坐标的RSSI值与离线数据库中车位路线图的坐标点进行匹配，找出最小的权值所对应的坐标作为最终的位置坐标，进一步提高了本发明定位的精准度，避免了定位超出停车位或者路线的问题。

附图说明

图1为本发明的方法流程图；

图2为本发明初始阶段配置信息图；

图3为现有的室内定位方法流程图。

具体实施方式

下面结合具体的实施例和说明书附图对本发明作进一步的解释说明。

参见图1，本发明包括以下步骤：

1)在室内环境中采用无线AP建立WiFi网络，以及设置带有离线数据库和在线数据库的定位服务器；

2)离线采样：在WiFi网络中采集各个位置坐标的无线AP信号的RSSI值，并将位置坐标及位置坐标的无线AP信号的RSSI值发送至定位服务器存储至离线数据库；同时根据测量得到室内停车场的车位路线图，将车位路线图绘制在坐标系中坐标化后存储至离线数据库；

3)对离线数据库中位置坐标的RSSI值进行过滤处理：对离线数据库中位置坐标的RSSI值求取平均值，过滤掉与平均值差的绝对值大于5个单位的RSSI值，对剩余的RSSI值重新计算平均值，该平均值作为标记向量；

4)在线实时定位：待定位移动终端进入室内停车场连接上WiFi网络，采集无线AP信号的RSSI值并发送至定位服务器，在在线数据库中对该RSSI值进行匹配，在线数据库中存储有用户移动终端定位成功的位置坐标及位置坐标的无线AP信号的RSSI值；

若匹配成功，则在线数据库中匹配的位置坐标为待定位移动终端的位置坐标；

若匹配失败，则定位服务器将缓存的RSSI值作为待匹配识别的特征，在离线数据库中选取k个权值最小的点，并读取离线数据库中对应位置坐标，使用k近邻加权算法，利用优先队列取出k个坐标，对k个坐标加权平均得出的坐标作为待定位移动终端的位置坐标，并存储至在线数据库中；

对得到的待定位移动终端的位置坐标的RSSI值与离线数据库中的室内停车场的车位路线图坐标的RSSI值进行匹配，找出最小的权值所对应的坐标，即为待定位移动终端的实时位置坐标，完成定位。

权值的计算公式为：

其中，D_i表示移动终端的RSSI矢量S与第i个参考节点的RSSI矢量之间的距离，N和L分别表示AP和参考节点的个数，S_j和f_ij分别表示移动终端和第i个参考节点接收到的来自第j个AP的信号强度。

k近邻加权计算公式为：

其中，表示移动终端位置坐标的估计值，(x_i,y_i)表示第i个参考节点的坐标，ε为防止除数等于0的正常数。

本发明定位方法，参见图1，包括初始配置阶段、离线采样阶段和在线实时定位阶段：

一、在初始配置阶段，预先配置如下信息：

绘制wifi部署地图，在地图上标记出无线AP的安装位置，具体配置信息参见图2；

二、在离线采样阶段、步骤如下：

1.在部署有WiFi网络的环境中，手持不同型号的移动终端到达特定位置，停止20-60s，以收集该位置的WiFi指纹特征，收集的指纹为：移动终端通过安装采样APP调用系统API来收集周边部署的信号强度RSSI信息发送到定位服务器，并将以上数据存储至离线数据库。

2.实际测量得到停车场车位路线图，将路线图绘制在坐标系中，将车位路线坐标化后的值储存至离线数据库；

三、过滤算法阶段：通过过滤算法，过滤掉离线数据库中的无用信息：

1.首先将获得的坐标求取平均值；

2.通过大量的实验发现RSSI基本波动在5个单位左右，因此筛去与上述平均值差的绝对值大于5个单位的RSSI值；

3.将剩余的值重新计算平均值，作为该点处的标记向量；

四、在线实时定位阶段：对于任意待定位终端，进入该无线部署区域，并连接上WiFi，

安装定位APP，具体步骤如下：

1.移动终端进入该无线部署区域后，定位APP采集周边的无线AP的信号强度RSSI值，将其发送到定位服务器；

2.在在线数据库中进行匹配，若匹配成功，即已经计算过该点，则直接进行第五步对应格点算法处理阶段；若匹配不成功，则进行以下步骤：

a.定位服务器程序将3-5s缓存的RSSI，作为待匹配识别的特征；

b.选取k个权值最小的点，并读取离线指纹库条目中对应位置坐标；

权值公式为：

c.使用k近邻加权算法，利用优先队列取出k个坐标，对k个坐标加权平均得出的坐标作为终端的估计位置；

坐标加权公式为：

d.将所得到的位置坐标储存至在线数据库进行下一次的记忆化搜索。

五、对应格点算法处理阶段：

1.由于实际上用户所在的汽车只能处在停车位或者路线上，因此将上步中所得到的点的RSSI值与离线数据库中坐标点进行匹配，找出最小的权值所对应的坐标；

2.将得到的坐标作为实时更新的坐标，完成定位。

参见图3，现有的室内定位方法首先建立离线数据库，然后在线测量RSSI值，计算在线测量值与离线数据库各个指纹的距离，最后取距离较小的K个指纹坐标，求K个坐标平均值得到位置坐标，现有方法没有与服务器进行较好的交互，每一次都需要重新的进行运算得出坐标，在大型停车场中，由于AP的数量较多，并且采样点的数量也很多，在停车场中的用户流量大时，实时更新数据的效果较差，更新出来的数据就会有一定的滞后性，从而产生很大的误差。

在大型停车场内，客流量大，原有算法很难做到实时更新，本发明采用双重数据库，将每次的计算结果储存在在线数据库内，若当前RSSI值与之前所计算的RSSI值结果相差不大，则直接利用上一次的计算结果，本发明采用双重数据库的指纹匹配定位，降低了时间复杂度，从而减少了时间误差，提高了定位时位置数据的精度，用户流量大时，实现了对在线数据库的实时更新，实时更新效果好；实际情况中，所计算出的坐标只可能出现在停车位和道路上，因此本发明采用格点对应，将停车位和道路进行坐标化，计算后的坐标匹配最近的格点，作为实时的坐标点。