一种在WLAN/蓝牙异构网络环境中的移动设备定位方法与流程

本发明属于移动无线网络通信领域，具体涉及一种融合WLAN和蓝牙无线信号的手机定位方法。

背景技术：

随着信息技术的迅猛发展，无线网络覆盖的室内环境中，基于位置信息服务(Location Based Services,LBS)的需求越来越多，便利、高效、人性化的生活方式成为人们追求的方向。WLAN(Wireless Local Area Networks，无线局域网)的无线电标准有IEEE802.11a/b/g，作用距离最大为150m，实际环境中，WLAN网络的广泛部署，让大量从事室内定位技术研究的专业人士对其存在的巨大潜力及广阔应用前景产生了极大的关注和研究热情。其作用距离较远、传输速率较快，能有效地覆盖各种大型的室内区域。而且，依托WLAN的室内定位系统，利用软件设计的方式即可实现，不用增加其他的硬件设施，可以减少开支。因此依托WLAN完成的室内定位技术受到本领域研究者的普遍关注。Bluetooth(蓝牙)是能够实现电子设备在一定范围内信息交互的无线电技术。手机、PDA、笔记本电脑、耳机等终端都可集成蓝牙模块，并且可以进行无线信息交换。基于Bluetooth信号的室内定位是一种新兴的室内定位系统，在待测区域部署一定数量的蓝牙接入点，集成蓝牙的移动终端进入待测区域后，通过蓝牙信号搭建不同终端之间的无线蓝牙局域网络，结合定位算法进行实时定位。蓝牙设备的体积小，易于集成，广泛地集成于各种智能手机、笔记本电脑、PAD等智能终端。蓝牙信号传输不受视距影响，信号连接方便简单，所以基于蓝牙的室内定位技术易于推广和普及。

WLAN技术和蓝牙技术相对成熟，应用普遍，网络覆盖率较高。针对目前室内定位的研究成果主要利用单一网络进行位置信息的确定，受复杂环境影响较大。因此，利用现有的位置指纹定位方法，深入研究融合WLAN和Bluetooth异构网络的室内定位方法具有重要的研究价值。目前的大部分位置指纹定位方法都将信号强度作为位置特征指纹，且在定位阶段计算实时测量值与位置特征指纹的欧氏距离得到估计位置，但在室内环境变化时，难以得到更为精确的定位结果。

技术实现要素：

本发明的目的在于针对上述现有技术的不足，提出了一种在WLAN/蓝牙异构网络环境中的移动设备定位方法，能够较好地解决异构网络中传统的位置指纹定位方法在信号强度随机变化时定位精度下降的问题，提高定位精度。

为解决上述技术问题本发明在WLAN于蓝牙异构的无线网络环境中，使用贝叶斯函数对信号的位置指纹特征进行描述，并使用后验概率匹配算法进行位置指纹匹配，最后通过后验概率加权处理算法得到目标估计位置。

本发明提出的一种在WLAN/蓝牙异构网络环境中的移动设备定位方法，具体包括以下步骤：

S1：在定位区域内生成位置指纹采样网格，并记录每个网格格点的位置；

S2：测量上述每个网格格点处所能接收到的WLAN热点和蓝牙基站信号强度值，挑选其中信号强度最大的m个WLAN信号和n个蓝牙信号作为位置特征指纹，记录为RW＝(r_w1,r_w2,r_w3,……,r_wm)和RB＝(r_b1,r_b2,r_b3,……,r_bn),并计算出每个WIFI和蓝牙信号强度在该网格格点处的贝叶斯分布；

S3：在每个网格格点重复步骤2，生成定位区域的位置指纹数据库；

S4：待定位设备进入定位区域后，测量所在位置能够接受到的信号源的信号强度，并选取信号强度值最大的m个WLAN信号和n个蓝牙信号，使用后验概率匹配算法计算出每个信号的信号强度值在位置指纹数据库中信号强度贝叶斯分布的后验概率；

S5：重复步骤4，计算待测量位置的信号强度测量值出现在位置指纹数据库中各网格格点的出现概率，计算方法为：

选出其中概率最大的k个格点作为参考位置；

S6：对选出的k个参考位置使用后验概率加权处理算法进行处理，得到待定位目标的估计位置，并作为实际位置输出结果，加权处理方法为：

其中w_i为权重，其计算方法为：

其中Pi为待定位目标在该点处出现的后验概率。

进一步，当接收的WLAN信号小于m个或蓝牙信号小于n个时，则将所能搜索到的最小信号强度值减去3dBm，赋予后面的值，以保证数据完整。

网格格点处所能接收到的各个信号源信号强度的贝叶斯分布的计算方法为：在网格格点处对某一信号源测量t次信号强度,并计算均值和方差，带入贝叶斯函数：

即可得到网格格点处所能接收到的信号源信号强度的贝叶斯分布，式中，x为实际测量的信号强度值，μ为所测信号强度的均值，σ为信号强度的方差。

上述对信号强度测量值的去误差处理方法为：

其中，σ₀为均方根误差，根据误差处理的3σ准则，当∣vi∣≥3σ₀时，舍去该测量值。

上述后验概率的计算方法为：

其中P(l_i∣A)为已知测量值为A＝(a₁,a₂,……,a_S)时其所在位置为l_i＝(x_i,y_i)的条件概率，a_j为已知位置l_i＝(x_i,y_i)处的第j个信号的信号强度为a_j的条件概率。

与现有技术相比，本发明的有益效果在于：

1，本发明可以提高移动设备在WLAN/蓝牙异构网络环境中的定位精度；

2，本发明减少了已有的基于贝叶斯函数的位置指纹定位算法中所需测量的信号数量，减少了已有的基于贝叶斯函数的位置指纹定位算法的计算量。

附图说明

图1为定位区域网格格点划分图；

图2为定位区域WLAN和蓝牙信号源的分布情况,图中方形点代表WLAN信号源，圆形点代表蓝牙信号源；

图3为本发明所使用定位方法的流程图。

具体实施方式

现结合说明书附图对本发明做进一步的详细说明。

本发明在可接收到WLAN和蓝牙两种无线信号的网络环境中进行目标定位时，在指纹数据库采集阶段使用了贝叶斯函数对信号强度的位置指纹特征进行描述，并在在线定位阶段使用简化的后验概率匹配算法得到参考位置，最后对参考位置进行加权平均化处理得到定位结果。

以下说明中，长度单位为米，时间单位为秒。

离线采样阶段：

1)定位区域为一个18m×12m的矩形区域，每隔2m设置一个指纹采样格点，共70个指纹采样格点，如图1所示；

2)使用信号强度检测设备，在每个采样格点处对信号最强的3个WLAN信号和3个蓝牙信号的信号强度进行采样，采样方法为：对同一个信号进行50次采样，采样间隔为2s，采样数据经过3σ准则的误差处理后，得到信号在该采样点处的贝叶斯分布函数，将这5个贝叶斯分布作为位置指纹录入位置指纹数据库中。本例中，定位区域的WLAN和蓝牙信号源分布，如图2所示；

3)在每个采样格点处重复上一步骤，收集每个采样格点处的位置指纹，并与采样格点一一对应，建立位置指纹数据库。

在线定位阶段：

1)在待定位设备进入定位区域以后，会收集该位置各信号的信号强度信息，选出其中信号强度最大的3个信号源，不考虑信号源的类型，只考虑强度；

2)将这3个信号强度信息与指纹数据库中的位置指纹数据按照信号类型对应，即WLAN信号与WLAN信号对应，蓝牙信号与蓝牙信号对应，并计算所测数据在指纹数据库中关于贝叶斯函数的后验概率。

3)将上一步骤中计算出的后验概率最大的3个采样格点作为待定位设备的参考位置；

4)用后验概率加权处理算法对上一步骤中所得的3个位置坐标进行处理，得到最终的估计位置作为定位结果输出。

图3是本发明具体实施过程的流程图，即具体实施过程为：定位区域生成指纹采样网格，记录网格格点位置；测量格点处各个信号源的信号强度，并用贝叶斯函数对信号强度特征进行描述；重复上一步骤，建立位置指纹数据库；测量待定位目标位置各信号源的信号强度；用后验概率匹配算法将测量结果与指纹数据库各位置指纹信息匹配；将与测量结果匹配概率最高的k个网格格点作为参考位置；用后验概率加权处理算法得到最终定位结果。