一种基于无线热点的可离线定位方法与流程

本发明涉及计算机技术领域，特别涉及一种基于无线热点的可离线定位方法。

背景技术：

提起定位导航，最著名的当属美国的GPS全球定位系统，中国也推出了自己的北斗导航系统。但是，卫星定位信号无法穿透建筑物，只能用于室外环境，一到室内，由于信号衰减太快，卫星定位就无法使用。

近年来，为了解决室外定位导航“最后一公里”的问题，科技巨头和研究机构在室内定位技术领域开展大量的研究，如基于移动通信网络的辅助GPS(A-GPS)、伪卫星(Pseudolite)、无线局域网(WLAN)、射频标签(RFID)、Zigbee、蓝牙(Bluetooth)、超宽带无线电(UWB)、地磁、其他卫星或地面数字通信及广播信号、红外定位、光跟踪定位、计算机视觉定位、超声波定位等。

Wi-Fi定位由于Wi-Fi网络的普及，变得非常流行。传统的Wi-Fi定位产品主要应用在专业行业领域(矿井、监狱、医院、石油石化等)。一些Wi-Fi网络设备厂商如Cisco、Motorola等公司也有自己的Wi-Fi定位产品，并随着其Wi-Fi网络设备的推广，已经有很多应用。随着市场(特别是大众消费相关行业)对室内定位需求的增加，Google把Wi-Fi室内定位和室内地图引入Google地图，已经覆盖北美和欧洲许多大型场馆，近期也涌现出一批Wi-Fi定位很有特色的公司，如Wifislam、Meridian、智慧图等公司。百度、高德、四维等公司也在研发Wi-Fi室内定位产品。

WiFi定位技术的定位精度仅到米级(1～10米)，定位精度的提高会带来成本的提高。目前室内定位需求大部分为客流统计分析(常用在商场)、实时导航(停车场找车)、基于地理围栏的广告推送，安全监控(火车站甚至矿井)等。米级的室内定位精度已经能够满足绝大部分市场的需求，因为在室内，米级的定位精度意味着抬头就能看见。

WiFi定位分为用户侧和网络侧两种方式，用户侧通过运行在手机上的定位APP，读取WiFi所扫描到的周边的各种SSID的诸如场强，信噪比，时序等诸多特征数据，去和APP开发者预先在室内各个特征地理位置采集到的周边各种SSID的上述数据进行比对，用来近似推测终端所处的位置。网络侧的作法正好相反，利用具有定位功能的Sensor和后端平台，每个Sensor都在主动探测那些WiFi终端所发射的各种特征数据，以三点定位作为基础逻辑，通过后端平台的计算得出这些终端和Sensor的相对位置。

目前WiFi用户侧定位的算法主要有基于位置指纹的方法和基于无线信号模型(或三角形定位)的方法。存在诸多劣势：

(1)基于位置指纹的方法首先需要前期的数据采集，不仅采集的样本多、工作量大，而且一旦环境发生变化，指纹可能就会失效。

(2)基于无线信号模型(三角形定位)的方法，需要建立复杂的WiFi无线信号传输模型，而且需要确保能够收到3个无线热点(以下也简称AP，Access Point)信号。

(3)虽然WiFi信号采集在用户侧，但是定位计算在服务端进行，不仅加重服务器负担，而且增加网络开销。

技术实现要素：

本发明技术方案解决的技术问题为：如何提供一种定位准确、处理效率快，且对设备无加载负担的用户侧定位。

为了解决上述技术问题，本发明技术方案提供了一种基于无线热点的可离线定位方法，包括：

扫描设备周围的无线热点并获得热点参数，基于所述热点参数至少获取热点位置及定位信号强度；

若设备周围的无线热点数目为1，则输出所述热点位置为所述设备位置；

若设备周围的无线热点数目为2，则将所述设备位置映射至两无线热点对应位置之间的连线上，并将映射位置作为所述设备位置；

若设备周围的无线热点数目大于或等于3，则将所述设备位置分别映射至两两无线热点对应位置之间的连线上，并将对应映射位置的质心作为所述设备位置。

可选的，所述扫描设备周围的无线热点并获得热点参数包括：使用设备WIFI扫描功能扫描区域内所有无线热点参数。

可选的，所述热点参数包括：

SSID；

BSSID；以及，

Level。

可选的，所述扫描周期为10ms～1000ms。

可选的，所述热点参数至少包括：原始信号强度，所述定位方法还包括：

对所述原始信号强度依次进行第一限幅处理、幅度处理以得到预处理信号强度；

基于卡尔曼滤波对所述预处理信号强度进行第一平滑处理，以得到滤波后的信号强度；

对所述滤波后的信号强度再次进行第一均值处理、所述第二限幅处理、第二平滑处理及第二均值处理以获得所述定位信号强度。

可选的，所述基于卡尔曼滤波对所述预处理信号强度进行第一平滑处理包括：

引入线性随机微分方程来描述系统，所述线性随机微分方程为：X(k)＝A X(k-1)+B U(k)+W(k)；

获取系统测量方程，所述测量方程为：Z(k)＝H X(k)+V(k)；

其中，X(k)是k时刻的系统状态函数，U(k)是k时刻对系统的控制量函数，A和B是系统参数，Z(k)是k时刻的测量值函数，H是测量系统的参数，W(k)和V(k)分别表示过程噪声及测量噪声；

利用所述线性随机微分方程与测量方程测算k时刻中信号强度的预测结果及测量值，得到k时刻的最优化估算结果以输出所述滤波后的信号强度。

可选的，所述k时刻的最优化估算结果为：X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))；

其中，Kg为卡尔曼增益，有：Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R)；P(k|k)为对应于X(k|k-1)的Covariance，P(k|k)＝(I-Kg(k)H)P(k|k-1)，I为1的矩阵，对于单模型单测量，I＝1。

可选的，所述第一、第二限幅处理包括在周期内限定信号强度变化范围，第二限幅处理的限定范围严于第一限幅处理的限定范围。

可选的，所述第一均值处理包括：将第一处理周期内的若干数据进行平均值运算以得到所述第一处理周期中的平均值；所述第二均值处理的第二处理周期为所述第一均值处理的处理周期的M倍，所述第二均值处理包括：将所述第二处理周期中的M个所述第一处理周期平均值再取平均值，M为大于1的自然数。

可选的，设所述设备位置为p(x，y)，第n个无线热点的热点位置为pn(x，y)，信号强度为Sn，n为大于或等于1的自然数，有：

若n等于1：p.x＝p1.x，p.y＝p1.y；

若n等于2：

若n等于3：

若n大于3：

本发明技术方案的有益效果至少包括：

有的用户侧室内定位方法或者需要采集大量指纹信息作为参考，或者需要将定位计算提交至服务器，增加服务器及网络压力。B本发明技术方案通过在终端完成定位计算，并提供高效而实时的定位算法和定位策略，可以真正实现用户侧定位。

本发明技术方案可实现基于无线热点扫描的离线定位方法，用户可通过地图及AP数据预加载、AP信号强度数据采集、AP信号强度数据预处理、数据平滑滤波、数据二次处理和滤波、多点定位策略。所述地图及AP数据预加载，包括手动下载离线包和室外至室内切换自动提醒下载室内地图包的方式，是终端离线定位的前提。所述AP信号强度数据采集，利用终端扫描WiFi的功能实时扫描识别域内WiFi，并采集AP信号强度信息。所述AP信号强度数据预处理，针对终端采集的AP信号强度数据进行限幅等实时预处理以滤除噪声。所述数据平滑滤波，采用卡尔曼滤波的方式，使数据更为连续逼真。所述数据处理周期变频及数据二次处理和滤波，是指连续周期数据进行取均值运算与限幅、滤波等算法的结合，进一步滤除噪声，平滑数据。所述多点定位策略，是利用最终处理的信号强度及AP点的位置信息实现多点AP联合定位。

本发明技术方案通过无线热点实现用户侧定位，其基于AP点的实际分布，并结合定位算法及定位策略，充分利用AP资源，并实现协调利用。

本发明技术方案还可适当提升扫描频率，以获取更多的实时数据，从而提高离线定位的准确度及实时性，另外二次限幅和平滑处理将会极大地改善信号强度噪声产生的误差，进一步提高AP定位的准确度。

本发明技术方案包含AP信号强度数据预处理、数据平滑滤波、数据二次处理和滤波、多点定位策略算法。在终端扫描采集的AP信号强度的第一手数据后，首先需要进行数据预处理，滤除尖峰数据和突变数据等。特别的，当AP点从未被扫描到进入到被扫描到的区域，其初始值是一个极小值，也需进行限幅。数据平滑则采用卡尔曼滤波，卡尔曼滤波可以根据上一状态的预测值和当前状态的实际值而得到当前状态的理想值，而且卡尔曼滤波可以实时进行。数据二次处理和滤波是数据预处理和数据滤波基础上的进一步平滑优化算法，包括100ms周期到400ms周期的均值滤波，400ms周期的限幅处理，400ms周期的卡尔曼滤波以及最终400ms周期到1200ms周期的均值滤波流程。多次限幅、均值以及平滑处理将在可接受的延时范围内使数据更接近理想值。多点定位策略算法，将信号强度简化为平方根线性关系，假设终端依据信号强度平方根成比例分布在两个AP点连线上，信号强的AP点距离终端较近，该点称为映射位置。当所选的AP点数足够多时，终端的位置将分布在两两AP点连线的映射位置的重心上，终端的定位精度将会趋于准确。

本发明技术方案的定位策略，也是定位算法的关键部分，采用多点联合定位的方式。结合扫描到的有效AP点数和预先设置的定位点数，取两者最小值N，执行N点定位策略。因为扫描到的有效AP点数是不定时，因此多点定位策略实际上是动态实现的，参与定位的AP点数越多，定位越精确，但计算量也会随之加大。

本发明技术方案突破依赖服务器定位的思维，实现定位的分布式计算，终端无需上传采集的原始数据，只需可选上传定位结果数据。而且定位的实时性高，精度也可随着参与定位AP点数的增加而提高。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其他特征、目的和优点将会变得更明显：

图1为本发明技术方案提供的一种基于无线热点的可离线定位方法的流程示意图；

图2为本发明技术方案提供的另一种基于无线热点的可离线定位方法的流程示意图；

图3为本发明技术方案提供的一种对滤波后的信号进行再处理的方法流程示意图；

图4为本发明技术方案提供的定位策略的原理示意图；

图5为本发明技术方案提供的任意两点定位的原理示意图；

图6为本发明技术方案提供的基于无线热点的可离线定位方法中数据处理过程示意图；

图7为本发明技术方案提供的任意四点定位的原理示意图；

图8为本发明技术方案提供的基于无线热点的可离线定位方法中信号强度转换的流程示意图。

具体实施方式

本发明技术方案提供了一种基于无线热点(AP)的定位方法，该定位方法具体可以基于多点WiFi-AP，并实现离线室内定位。本发明技术方案的原理是利用终端扫描采集周围多个已知位置AP的信号强度，并根据信号强度信息和AP位置信息计算终端自身位置。其中，该定位方法可包括前期的地图预加载以实现终端离线定位，实时扫描采集AP信号强度数据，对数据实时预处理以滤除噪声，数据滤波以平滑数据，数据二次处理和滤波，并利用处理的信号强度及AP点的位置信息实现多点AP联合定位。本发明技术方案的定位方法完全在终端实现，无需增加服务器负担与网络流量消耗，可预先加载室内地图数据，并且同时扫描检测广泛分布的AP，由于AP的位置是已知的，AP分布的密度视定位精度需求和成本而定，大量的终端运算形成分布式计算网络，终端也可以自主选择是否上传位置信息，作为用户的位置入口，还可以在定位的基础上实现导航功能。

为了更好的阐述本发明技术方案的实施过程及发明精髓，以下结合附图对本发明技术方案的具体实施过程作具体的阐述与介绍。

如图1所示的一种基于无线热点的可离线定位方法，包括：

步骤S100，扫描设备周围的无线热点并获得热点参数，基于所述热点参数至少获取热点位置及定位信号强度。

需要说明的是，本实施例所述设备周围的地图数据针对现有技术的技术局限性可以是指一个封闭的地理环境比如室内的商场或者办公楼，这是和AP分布情况的均匀性及广泛性有关，因为目前开放式场景比如马路、公园等地的AP分布很少，可能并非适用，但是可以理解的是，若未来开放式场景下AP分布也能够满足均匀及广泛的特点，本发明技术方案的基于AP定位的方案对于开放式场景的地理环境也是可以适用的。

针对步骤S100的具体步骤，是基于设备终端的地图及AP数据预加载体系的，该体系具体是指室内地图数据和AP在地图上分布的位置信息数据是预先加载的，目的是实现终端离线定位。所述室内地图数据，是需要实现定位的商场、车站、机场、车库等公共室内场所的地图，可包含室内场景浏览、兴趣点标注、室内外地图切换、室内楼层切换等基本地图功能属性。所述AP分布位置信息，是指室内场景布设多个AP点，其位置分布坐标在地图上也是确定的，正是利用AP点的坐标信息及信号强度得到终端坐标。

所述AP点，也即本发明技术方案所述无线热点，其SSID的命名规则是遵循指定规范的，这样终端在扫描WiFi获得AP点信息时可以过滤非定位功能的域外AP。并且AP的类型也是多样的，部分AP能够提供接入互联网服务，以便用户随时随地进行离线地图包获取。

所述AP点布设，根据场景的实际情况、定位精度需求以及成本开销等，一般密集区域布设数量可以多点，空旷区域布设间距可以大点。AP点的发射功率应足够小，使得传输距离限制在小范围内，通过大量布设进行覆盖，平均间距10米左右。

所述地图预加载，可以是主动发起的方法，用户可以自行选择指定场所手动下载离线地图包；也可以是终端自动提醒的方法，当用户从室外进入室内时，终端利用室外定位信息，如果检测到当前场所支持室内定位，那么会提示是否下载室内地图数据包或直接切换进入室内定位。

步骤S100所基于的设备终端的地图及AP数据预加载体系的应用方法也可以作为本实施例的额外步骤进行执行，也可以不包括在本实施例的方法流程内，由外部方法流程执行并向本实施例的方法流程输入有关地图及AP数据的结果信息。

更为具体的，所述扫描设备周围的无线热点即包括对所述AP信号强度数据采集，主要是指利用终端的WiFi扫描功能，扫描域内能接收到的所有AP信息。

终端的WiFi扫描AP，以安卓系统的手机(Android)为例，Android中WifiManager扫描到的WiFi参数，也即所述特定参数可包含：

(1)SSID：用来区分不同的网络，最多可以有32个字符；

(2)BSSID：WiFi AP的MAC地址；

(3)capabilities：网络接入的性能；

(4)frequency：WiFi AP的频率(MHz)；

(5)level：信号强度(dBm)；

(6)timestamp：API 17起，最新一次扫描的时间同步功能时间戳，每次扫描认为是一次路径的重新选择，因此存在一个信号到达时间。

以上是对安卓系统手机设备扫描AP获取的热点参数。其中，终端自动过滤WiFi AP命名规则之外的SSID。对于需要使用本发明技术方案定位方法的室内用户，建议建立AP的SSID命名规则为：公司标识+场景代码+楼层+编号。所述WiFi AP扫描，其扫描频率越高，占用系统资源及耗电量也越高，扫描频率越低，数据真实性越低，延迟也越大。可根据实际需求适中选择扫描周期，本发明技术方案建议扫描周期可以是10ms～1000ms，以采用100ms作为扫描周期为佳。可适当提升扫描频率可以在短时间内获取更多数据，拥有充分的数据基础，并提升实时性。

本实施例的内容公开了对安卓系统手机设备扫描AP获取的上述(1)～(6)的热点参数，但对于其他手机系统其扫描AP的方法原理或获取的热点参数类型可能是与安装手机扫描的结果不同的。本发明技术方案并不对获取的热点参数类型做限定，需要说明的是，本实施例涉及定位所需要的参数包括：SSID、BSSID、level。其中，SSID和BSSID用于识别AP，并可结合预先加载的地图及AP数据获取室内地图数据和AP在地图上分布的位置信息数据；而level是AP的信号强度数据。也就是说，上述热点参数的获取方式及获取内容并非限定的，只要是可基于获取的热点参数获取到AP的热点位置及信号强度即可。

需要说明的是，基于热点参数获取到的热点位置是确切的，虽然是原始热点位置但是其信息是准确的，但是获取到的信号强度数据是原始信号强度，其受环境中噪声等影响获取到的原始信号强度存在毛刺或其他噪声强度，若对于精度要求不那么高，且对于处理速度的要求很快，且室内环境比较宽敞没有过多的环境噪声，那么，所述原始信号数据即为根据步骤S100所述的定位信号强度，继续参考图1，所述基于无线热点的可离线定位方法还包括：

若设备周围的无线热点数目为1，则执行步骤S101，输出所述热点位置为所述设备位置；

若设备周围的无线热点数目为2，则执行步骤S102，将所述设备位置映射至两无线热点对应位置之间的连线上，并将映射位置作为所述设备位置；

若设备周围的无线热点数目大于或等于3，则执行步骤S103，将所述设备位置分别映射至两两无线热点对应位置之间的连线上，并将对应映射位置的质心作为所述设备位置。

但是，若需要进一步准确定位，在本发明技术方案中原始信号强度需要被进一步处理才能够得到根据步骤S100所述的定位信号强度。以下公开了一种基于无线热点的可离线定位方法，如图2所示，包括：上述步骤S100’、S101～S103，及在执行步骤S101～S103之前，执行对原始信号强度数据进行处理以得到所述定位信号强度的流程步骤S200～S202。需要说明的是在本实施例中，步骤S100’为扫描设备周围的无线热点并获得热点参数，基于所述热点参数至少获取热点位置及原始信号强度。

继续参考图2，对原始信号强度数据进行处理以得到所述定位信号强度的流程步骤具体包括：

步骤S200，对所述原始信号强度依次进行第一限幅处理、幅度处理以得到预处理信号强度；

步骤S201，基于卡尔曼滤波对所述预处理信号强度进行第一平滑处理，以得到滤波后的信号强度；

步骤S202，对所述滤波后的信号强度再次进行第一均值处理、所述第二限幅处理、第二平滑处理及第二均值处理以获得所述定位信号强度。

根据步骤S200，上述第一限幅处理、幅度处理属于AP信号强度数据预处理过程，主要是针对扫描采集的原始AP信号强度数据的预处理，旨在滤除尖峰数据和突变数据，防止对进一步数据处理的影响，处理是实时进行的，处理周期优选的为100ms。

所述尖峰处理，即所述第一限幅处理，当信号强度数据过大或者过小，超出最大或最小门限时，则取门限值。

所述突变处理，即所述幅度处理，要求前后一刻扫描信号强度数据变化范围限定在指定范围内。

而幅度变化的门限视加速度和计步频率而定，若一段处理周期内加速度积分和计步数据突然加大，则相应放宽信号强度变化的门限值，反之减小变化门限值。在静止状态下则严格保持最低变化门限值。

AP从未被终端扫描到至被终端扫描到，会有一个初始状态，而这个状态的信号强度就是终端能够识别的WiFi信号强度的极小值，一般取-100dB即可。初始数据的变化也需要进行限幅，限制的程度可以相对放宽，如限制3dBm波动。另外，终端离开扫描到区域，也要进行相应的-3dBm波动的限幅。

根据步骤S201，进一步地对预处理信号强度进行第一平滑处理，也即数据滤波，其作用是在数据预处理的基础上平滑信号强度数据，使得数据更为连续逼真。所述第一平滑处理(数据滤波)是实时进行的，采用卡尔曼滤波的方式，处理周期是100ms。

所述卡尔曼滤波，是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法：

具体的，引入一个离散控制过程的系统。该系统可用一个线性随机微分方程来描述：

X(k)＝A X(k-1)+B U(k)+W(k)

再加上系统的测量值：

Z(k)＝H X(k)+V(k)

X(k)是k时刻的系统状态，U(k)是k时刻对系统的控制量。A和B是系统参数，对于多模型系统，他们为矩阵。Z(k)是k时刻的测量值，H是测量系统的参数，对于多测量系统，H为矩阵。W(k)和V(k)分别表示过程和测量的噪声。他们被假设成高斯白噪声(White Gaussian Noise)，协方差(Covariance)分别是Q和R。

对于满足上面的条件(线性随机微分系统，过程和测量都是高斯白噪声)，卡尔曼滤波器是最优的信息处理器。

首先利用系统的过程模型，来预测下一状态的系统。假设现在的系统状态是k，根据系统的模型，可以基于系统的上一状态而预测出现在状态：

X(k|k-1)＝A X(k-1|k-1)+B U(k).........................................(1)

式(1)中，X(k|k-1)是k时刻利用上一状态k-1时刻的预测结果，X(k-1|k-1)是上一状态k-1中最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为0。

系统状态已经更新，对应于X(k|k-1)的Covariance(即协方差)还没更新，我们用P表示：

P(k|k-1)＝A P(k-1|k-1)A’+Q.............................................(2)

式(2)中，P(k|k-1)是X(k|k-1)对应的Covariance，P(k-1|k-1)是X(k-1|k-1)对应的Covariance，A’表示A的转置矩阵，Q是系统过程的Covariance。式子(1)，(2)就是卡尔曼滤波器5个公式当中的前2个，也就是对系统的预测。

有了现在状态的预测结果，然后再收集现在状态的测量值。结合预测值和测量值，可以得到现在状态，即k时刻的最优化估算值X(k|k)：

X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))...........................(3)

其中Kg为卡尔曼增益(Kalman Gain)：

Kg(k)＝P(k|k-1)H’/(H P(k|k-1)H’+R)..............................(4)

到现在为止，已经得到k时刻状态下最优的估算值X(k|k)。但是为使卡尔曼滤波器不断的运行下去直到系统过程结束，还要更新k状态下X(k|k)的Covariance：

P(k|k)＝(I-Kg(k)H)P(k|k-1).............................................(5)

其中，I为1的矩阵(对于单模型单测量，I＝1)。当系统进入k+1时刻的状态时，P(k|k)就是式子(2)的P(k-1|k-1)。这样，算法就可以自回归的运算下去。

式子(1)，(2)，(3)，(4)和(5)就是卡尔曼滤波器的5个基本公式，最终输出k时刻状态下最优的估算值X(k|k)，即所述滤波后的信号强度。

根据步骤S202，还需要对滤波后的信号强度进行再处理，结合图3的再处理过程，在处理过程包括依次进行：第一均值处理、第二限幅处理、第二平滑处理及第二均值处理。所述再处理过程，包括第一均值处理、第二限幅处理及第二均值处理的二次处理过程，及再次滤波(可参考第一平滑处理的过程)。再处理过程是在数据预处理和数据滤波的基础上进行的。虽然所述第一、第二限幅处理的处理过程都包括在周期内限定信号强度变化范围，但由于有了数据预处理和数据滤波的基础，第二限幅处理的限定范围严于第一限幅处理的限定范围。

另外，所述第一均值处理包括：将第一处理周期内的若干数据进行平均值运算以得到所述第一处理周期中的平均值；所述第二均值处理的第二处理周期为所述第一均值处理的处理周期的M倍，所述第二均值处理包括：将所述第二处理周期中的M个所述第一处理周期平均值再取平均值，M为大于1的自然数。

具体的，所述第一均值滤波可为周期400ms的均值滤波，基于预处理及滤波处理(周期都为100ms)，处理周期从100ms切换为400ms，在400ms处理周期中，对1个周期内的4个数据进行取算术平均值运算。

流程所述数据限幅，是指在400ms周期内限定信号强度数据变化范围，原理与前文一致，但限制应更为严格，因为数据已经实现一次预处理和平滑。

流程所述数据滤波，是在400ms周期内针对限幅的数据再次进行卡尔曼滤波，再次平滑数据。

所述第二均值滤波可为周期1200ms均值滤波，此时将处理周期提升至1200ms，对1个周期内的3个400ms周期数据取算术平均值。

理论上多次限幅、均值以及平滑处理将使数据更接近理想值，但也会导致更严重的延时，这会使得定位存在严重的滞后性，因此本算法不再继续进行更进一层的处理。

特别指出，WiFi扫描周期、预处理数据处理周期、滤波处理周期及再处理周期均是可以调整的，视实际测试情况而定。

根据本发明技术方案的另一方面，步骤S101至S103中的流程步骤属于本发明技术方案的定位策略，具体是利用信号最强的多个AP点的位置信息及其与终端的距离信息实现定位，可以用如下更进一步的算法进行阐述：设所述设备位置为p(x，y)，第n个无线热点的热点位置为pn(x，y)，信号强度为Sn，n为大于或等于1的自然数，有：

若n等于1：p.x＝p1.x，p.y＝p1.y；

若n等于2：

若n等于3：

若n大于3：

具体的，本发明技术方案所述定位策略是利用信号最强的多个AP点的位置信息及其与终端的距离信息实现定位，如根据检测到的AP点的信号强度与阈值强度进行比较，以确定终端周围信号较强的至少一个AP点，具体可以是一个点、两个点等组合，从而形成基于AP信号点的单点定位、两点定位、三点定位、四点定位、五点定位及其组合等。

影响无线信号强度的因素一般有：无线信号传输距离、发送端功率、接收端功率、障碍物影响等，另外使用者持有设备的方向也会对接收的信号强度造成影响。而且信号的传播容易受到折射、反射、绕射、衍射等影响，接收到的信号强度是各种途径传播信号的叠加。因此，WiFi信号的接收信号强度与距离的传输模型是相当复杂的，再者我们布设的AP点间距并不大，能够实现3-5米的定位精度即可，没有必要采用高复杂的算法，终端在扫描和数据处理的同时也没有执行高复杂度计算的支撑。

所述单点定位，这种情况在终端只扫描到一个AP点的时候才会遇到，因为如果扫描到多个AP点一般会采用精度更高的多点定位，此时定位的结果就是这个AP点的坐标。

所述两点定位，是指选择终端当前扫描到并处理后的信号最强的两个AP点，存在一个点，依据信号强度平方根的比例关系分布在这两个AP点连线上，信号强的AP点距离该点较近，该点称为映射位置。也就是终端当前定位的位置。

根据现有技术理解，WiFi AP发送无线信号是在三维立体空间进行的，假设WiFi信号传输处于完全理想的环境中，没有任何损耗，则理论上在以AP点为中心的所有球面上，WiFi无线信号的总功率是相等的。

如图4所示，终端处于两个AP点AP-A和AP-B的连线上，距离AP点半径分别为R1和R2，接收到的信号强度分别为S1和S2，则根据球面总功率相等的原则，我们有：

S1×4π×R1²＝S2×4π×R2²

即：

可知，理想环境下，接收距离与接收信号强度的平方根成正比。

图4直观的展示了两点定位思路。在两点定位的情况下，终端最终的定位坐标就是映射位置坐标。

基于上述发明思路，图5中示意了任意两点定位下的定位策略。

设第一个AP点AP-A的坐标为p₁(x，y)，终端接收到的信号强度为s1(-70dBm/0.1nW)；第二个AP点AP-B的坐标为p₂(x，y)，终端接收到的信号强度为s2(-60dBm/1nW)，AP点AP-A与AP点AP-B的连线线距离为10m，终端在AP点AP-A与AP点AP-B的连线上映射点即图5上映射位置，该映射位置到AP点AP-A上的距离为7.6m，该映射位置到AP点AP-B上的距离为2.4m。则终端的位置p(x，y)坐标为：

以图5为例，假设AP-A的坐标为p₁(0，0)，AP-B的坐标为p₂(10，0)。终端扫描到AP-A的信号强度是-70dBm，即s1＝0.1nW；终端扫描到AP-B的信号强度是-60dBm，即s2＝1nW。

那么我们可以计算得到终端在AB两个AP连线上的映射点坐标为：

p.y＝0。

所述三点定位，是在两点定位策略的基础上进行的，首先两两执行两点定位策略得到3个映射位置坐标，然后取这三个点坐标的质心即可。

设第一个AP点AP-a的坐标为p₁(x，y)，终端接收到的信号强度为s1；第二个AP点AP-b的坐标为p₂(x，y)，终端接收到的信号强度为s2；第三个AP点AP-c的坐标为p₃(x，y)，终端接收到的信号强度为s3。则映射位置的坐标p₁₂(x，y)、p₂₃(x，y)、p₃₁(x，y)及终端位置p(x，y)的坐标为：

因此，有：

对于附近AP点数目大于三点的终端定位，比如所述四点定位、五点定位等，其原理与三点定位一致。设n＞3，第一个AP点的坐标为p₁(x，y)，终端接收到的信号强度为s1；第二个AP点的坐标为p₂(x，y)，终端接收到的信号强度为s2；第三个AP点的坐标为p₃(x，y)，终端接收到的信号强度为s3；...；第n个AP点的坐标为p_n(x，y)，终端接收到的信号强度为sn，则映射位置的坐标p₁₂(x，y)、p₁₃(x，y)、...、p_1n(x，y)、p₂₃(x，y)、p₂₄(x，y)、...、p_2n(x，y)、...、p_(n-1)n(x，y)及终端位置p(x，y)的坐标为有：

因此，有：

在本发明技术方案的一则应用例中，其执行步骤S100、S200至S202，并继续执行步骤S101至S103。

其中，根据该应用例的步骤S100及步骤S200至S202，如图6所示，是本应用例的数据处理过程，原始数据包含初始数据及扫描数据，扫描周期是100ms。原始数据首先进行预处理，从未扫描到进入扫描到区域，或者从扫描到区域离开而变成未扫描到，初始数据设置±3dBm限幅。而常态下的扫描数据设置±2dBm限幅，如用户加速度及计步过快，则适当放宽幅度波动限制。预处理数据经过100ms卡尔曼滤波完成一次数据平滑。然后进行400ms均值滤波，滤波数据±1dBm限幅，实现处理周期的变频和二次数据处理，紧接着进行400ms卡尔曼滤波，实现二次数据平滑。最后经过1200ms均值滤波得到最终的处理结果，最终的定位周期就是1200ms。数据处理过程设计的参数也可以根据实际测试适当修改。

根据本应用例的步骤S101至S103，其是本应用例的定位策略步骤，结合图7，设本应用例中，终端同时收到4个AP点信号，信号强度分别为：AP-A(-60dBm/1nW)、AP-B(-60dBm/1nW)、AP-C(-70dBm/0.1nW)、AP-D(-60dBm/1nW)，首先根据信号强度平方根的比例关系得到终端在两两AP之间的映射位置(图7中黑色圆点示意了所述映射位置)，如在A-B、A-D、B-D的连线上映射位置为中点位置，在A-C、B-C、D-C的连线上映射位置为的位置上，最后再取这6个映射位置点的质心，即为终端最终的定位点。

在图8所示的应用例中，在执行步骤S101至S103的定位策略步骤前，输入的定位信号强度的单位为nW，即在步骤S100或S200至S202执行完毕后，还增加了将信号强度单位从dBm转换为nW的过程，以得到实际信号强度值，然后结合AP点坐标，根据扫描到的AP点数和预设的定位AP点数，实现动态定位策略算法，得到终端坐标。

本发明技术方案公式中描述的“*”为乘号，也可描述为“×”。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。