一种基于双频Wi‑Fi信号的室内定位方法与流程

本发明涉及室内定位领域，具体涉及基于wi-fi信号指纹定位方法。

背景技术：

随着室内位置服务(ilbs)的发展，室内定位技术越发关键，其中基于wi-fi信号的室内定位技术是普遍的解决方案之一，其优点在于wi-fi基础设施，以及wi-fi设备(如：智能手机)的广泛存在，因此不需要额外设备的投入。然而由于室内环境通常比较复杂，无线信号容易受到多径，遮挡等影响，m.youssef等人(thehoruswlanlocationdeterminationsystem,inproc.acmmobisys,2005,pp.205-218.)提出了基于一种基于信号指纹定位的方法，具体来说是在定位区域参考点处记录来自不同路由器发射的信号强度(rss)，组成特征向量，并对其建立位置指纹地图，当用户进入定位区域，根据采集的rss可估算出位置。近期，吉林大学(cn201510963236.x)公开了基于核函数主特征(kpca)提取的wi-fi室内加权k近邻定位算法，该方法利用kpca的方法从rss特征向量中提取了鲁棒特征用于定位。然而随着移动计算领域的发展，设备的芯片和材质的多样，导致rss值随着设备变化而变化，因此对以rss作为位置特征的指纹定位算法造成了误差。为了解决该问题，a.mahtabhossain等人(ssd:arobustrflocationfingerprintaddressingmobiledevices’heterogeneity,"ieeetrans.mobilecomput.,vol.12,no.1,pp.65-77,jan.2013.)利用了差值信息，用于提升针对异构设备的鲁棒性，然而该方法要求假设信号源彼此独立，也没有考虑双频wi-fi信号。yuanchaoshu等人(gradient-basedfingerprintingforindoorlocalizationandtracking,ieeetransactionsonindustrialelectronics,vol.63,no.4,pp.2424-2433,april.2016.)利用信号的梯度信息进行为指纹，但要求使用者的运动信息，同时也没有考虑到双频wi-fi信息。fredrikkarlsson等人(sensorfusedindoorpositioningusingdualbandwifisignalmeasurements,in2015europeancontrolconference(ecc),2015,pp.1669-1672.)利用了双频wi-fi信号，但仅仅是合并在一起，没有考虑信号的冗余性，另外没有考虑设备的异构性。

综上，上述现有的方法没有考虑双频wi-fi信号以及设备多样化的问题，而随着ieee802.11协议的完善，越来越多的设备支持双频wi-fi信号，同时因为以智能手机为代表的移动智能设备的爆发，一种充分利用双频wi-fi信号，且兼容异构设备的wi-fi定位算法是十分必要的。

技术实现要素：

本发明目的是针对现有技术没有充分利用双频wi-fi信号和异构设备对定位精度的影响的问题，提供一种充分利用双频wi-fi信号，且兼容异构设备的wi-fi定位算法。有效的解决异构设备在双频wi-fi环境下定位精度差，鲁棒性低的问题。

本发明采用的一个技术方案是：提供一种在双频wi-fi环境下兼容异构设备的室内定位方法，定位区域存在任意个双频wi-fi路由器，首先我们离线采集位置数据和wi-fi信号信息，之后将采集到的2.4ghz和5ghz信号强度值(rss)分别做差值处理，获得了不同频段下与设备增益无关的差值信息，之后利用核主成分分析(kpca)方法对不同频段的差值信息进行特征融合，生成了鲁棒的位置特征，其中，kpca方法是一种是对pca算法的非线性扩展，该方法适用于处理含有噪声的非线性wi-fi差值数据。根据该位置特征和对应的位置数据建立指纹数据库。在线定位时，根据wi-fi测量值和特征提取方法提取出位置特征，最后根据在线的位置特征计算与指纹数据库中的每个特征的相似度，选择最相似的k个特征和其对应的位置数据，对选择出的k个位置数据进行加权计算，可估计出用户的位置。

本发明的优点和有益效果：

第一，本发明中充分利用了双频wi-fi信号，由于不同波长的电磁波在室内环境中衰减特性不同，因此相对于传统的2.4ghz信号，双频信息能够提供更多的位置特征，从而提高定位精度。

第二，本发明中利用wi-fi的差值信息进行定位，有助于提高面对异构设备情况下，定位系统的鲁棒性。

第三，本发明中利用核主成分分析(kpca)方法，从不同频段的差值信息中提取关键的信息，实现了特征融合和降维的目的。

附图说明

图1是本发明的定位方法结构框图；

图2是实施例中实验场景；

图3是实施例中异构手机在相同位置采样rss值的概率分布；

图4是实施例中异构手机和不同特征的定位比较。

具体实施方式

实施例

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更清楚明确的界定。

如图2所示是典型的室内场景，包括7个双频路由器，本发明实施例将在该场景检验方法的有效性，为了更好的说明设备异构问题，我们利用四部支持双频的不同的手机进行实验，如图3所示，四部手机在相同地点测试信号强度(rss)值的概率分布，可见rss的值对异构设备十分敏感。本定位系统将分为离线阶段和在线阶段两个步骤，其定位方法的结构框图如附图1所示。

(1)离线阶段：将实验场景的地图离散化为多个栅格，编写基于android平台的应用程序，使用智能手机在各个栅格采集不同路由器的信号，并记录位置数据和信号强度数据。将检测到的2.4ghz频段下的信号强度数据，相互做差，得到2.4ghz的差值信息，同理可得5ghz的差值信息，事实上，通常无线信号的信号强度距离损耗模型为：

其中pap:无线接入点(ap)功率，gap:ap增益，gmn:移动终端增益，λap:电磁波波长，l:系统损耗因子，和ap有关，β路径损耗因子，x(0,σ²)为高斯噪声。当不同信号源的信号强度彼此做差有：

可见，信号强度的差值信息与移动终端增益无关。因此该特征与设备增益无关。由于2.4ghz和5ghz信号具有一定的冗余性，以及相互做差运算带来的特征维度增加，因此利用核主成分分析(kpca)的方法对2.4ghz和5ghz信号进行融合并降维，生成鲁棒的位置特征，kpca方法是一种是对pca算法的非线性扩展，适用于处理含有噪声的数据，具体参见：("kpcapluslda:acompletekernelfisherdiscriminantframeworkforfeatureextractionandrecognition,"ieeetransactionsonpatternanalysisandmachineintelligence,vol.27,no.2,pp.230-244,february2005.)。最后结合位置信息和该位置特征建立位置指纹库。

(2)在线阶段：使用不同的智能手机采集双频wi-fi信号，并对rss值进行差值处理和基于kpca的特征提取，这里kpca需要的参数由离线阶段可得。最后利用传统的近邻法计算出k个指纹最相似位置，加权得出估计位置。

定位结果如图4所示，不同的位置特征对定位精度的影响，(离线采集手机为honor8，在线测试手机为honor8、honor6、honor6plus、nubiaz11)分别对比了2.4ghz信号强度、5ghz信号强度、2.4ghz+5ghz信号强度、ssd特征以及所提出的鲁棒特征。可见一方面同时使用双频信号信息能够提高定位精度，另一方面利用kpca方法从差值信息中提取的特征具有较高的鲁棒性。

综上,本发明提供一种充分利用双频wi-fi信号，且兼容异构设备的wi-fi定位方法。有效的解决异构设备在双频wi-fi环境下定位精度差，鲁棒性低的问题。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。