一种室内Wi-Fi定位方法与流程

本发明涉及一种室内wi-fi定位的方法。
背景技术：
：随着无线网络技术的日益成熟，无线网络已被越来越多的企业用户所接受，目前，无线局域网成为无线网络技术中的一个热点，与有线网络相比，无线局域网具有使用灵活、扩展方便、成本经济、安装简单等特点。申请号为201711220071.2的“一种wifi定位的方法”的步骤c中，采用的滤除指纹数据库中的信号异常点的方法为：对一次采样周期t采集的信号强度，求每个定位ap的信号强度均值μ和标准差σ，选举原则是根据均值μ大的，取前p个信号好的ap，如果均值μ相等，则取标准差σ大的，如果μ和σ都相等，则取mac地址小的；该方法的主要问题在于：ap信号发生波动时会导致发生波动时的ap短时间内信号特别好或者特别差，特别大或者特别小的rssi数值直接参与到信号强度均值μ和标准差σ的运算中影响信号强度均值μ和标准差σ的数值。具体表现为：情况一：当采样周期t很小时，同时周期t内ap信号持续发生波动，往往只会采集到不稳定时ap的信号很好或者很差的情况，计算出来的信号均值μ出现两极分化，要么μ数值很大导致发生信号波动的ap被当做信号很好的ap直接被选举，要么μ数值很小导致发生信号波动的ap被当做信号不好的ap直接被滤除；这种情况的本质是以发生波动时的rssi值作为正常的rssi值对ap整体的信号强度均值μ和标准差σ进行错误的评估导致选举存在误差进而影响定位精度；情况二：当采样周期t很大时，同时周期t内ap信号发生了短时间的波动，采集的ap信号包括了波动时的信号和正常的信号，波动时的信号的rssi值与正常信号的rssi值同时参与信号强度均值μ和标准差σ的计算影响后续的选举；这种情况的本质是以发生波动时的rssi值作为正常的rssi值的一部分对ap整体的信号强度均值μ和标准差σ进行错误的评估导致选举存在误差进而影响定位精度；该方法无法避免发生ap信号波动的时对于定位精度的影响，即该方法无法有效地滤除指纹数据库中的信号异常点；步骤d中，采用的滤除定位数据的信号异常点的方法在遭遇ap发生信号波动时，同理同样无法有效地避免ap发生信号波动影响定位精度。申请号为201810626172.8的“一种wifi定位的方法”只能确定待定位点处于某个区域，无法确定待定位点具体的坐标，无法满足定位精度要求较高的应用场景。技术实现要素：本发明的目的在于克服现有技术之不足，提供一种室内wi-fi定位的方法。本发明解决其技术问题所采用的技术方案是：一种室内wi-fi定位的方法，其特征在于：其包括若干定位ap、定位客户端和定位服务器，还包括以下步骤：a：定位系统初始化：将待定位区域划分为h个定位区域，每个定位区域编号为ak，在每个定位区域内设置采集点安装定位ap，其中，h，k∈n*，1≤k≤h；b：信号数据采集：统计每个定位区域的定位ap在m个时间周期t采集到的p个ap的rssi构建各定位区域的信号强度矩阵：存储于定位服务器中，其中，表示定位区域ak的定位ap在m个时间周期tm中采集到的p个ap的rssi的集合，表示定位区域ak在ti时间周期采集到apj的信号强度，其中i，j，m，p∈n*；对每个定位ap统计所有定位区域采集到的rssi和出现频数f以构建信号分布矩阵：存储于定位服务器中，其中，表示apj在定位区域ak信号强度rssij及其出现的频数fj，apj表示apj在所有定位区域的信号强度及其出现的频数，其中，q∈n*，计算apj在定位区域ak的rssi信号加权均值c：偏斜分布滤波：定位区域ak的采集点采集到apj的rssi和每个rssi的频数的指纹库样本即：判断指纹库样本偏斜分布类型，对rssi值落在滤波阈值区间td＝[mo-xσ-，mo+yσ+]外的rssi值标记为异常点滤除，其中mo为apj在定位区域ak的采集点，采集到rssi样本中，出现频数最多的rssi值，即其中n＝n-+n+＝n1+n2+n3’n表示各rssi值的频数之和，n1表示所述样本中rssi值小于众数的频数之和，n2表示所述样本中rssi值大于众数的频数之和，n3表示所述样本中mo的频数，x和y为可调常数，x＞0，y＞0，滤除异常点后更新信号加权均值d：定位：定位客户端在待定位点x测试apj的rssi和每个rssi的频数的实测样本即：判断实测样本偏斜分布类型，对rssi值落在所述实测样本滤波阈值区间外的rssi值标记为异常点滤除，计算信号加权均值选择待定位点x信号加权均值绝对值最小前k3个的ap，对每个ap与信号分布矩阵apj匹配相同ap的相同偏斜分布类型的定位区域，对每一个相同偏斜分布类型的定位区域选择与待定位点信号加权均值差值绝对值最小的前k4个定位区域，对k3个的ap各自的k4个定位区域计算每个定位区域的出现次数，选择前k5个出现次数最多的定位区域，通过k5个定位区域采集点的坐标加权求待定位点的坐标，其中k3、k4和k5是可调常数，k3、k4和k5∈n*。在另一较佳实施例中，所述步骤a中，所述采集点设置在各定位区域的中心点，各采集点上安装的定位ap通过mac地址作为标识进行编号。在另一较佳实施例中，所述步骤b中，对rssi信号加权均值的算法为：在另一较佳实施例中，所述步骤b中，将的ap的定位区域ak设置为不定位状态，其中k1是可调常数，k1∈r。在另一较佳实施例中，所述步骤b中，计算apj的在定位区域ak的总频数将的ap的定位区域ak设置为不定位状态，其中k2是可调常数，k2∈n*。在另一较佳实施例中，所述步骤c中，对n-和n+进行四舍五入取整运算，即n-＝round(n-，0)，n+＝round(n+，0)。在另一较佳实施例中，所述步骤d中，匹配相同偏斜分布类型的方法包括，分别计算指纹库样本偏斜系数和实测样本的偏斜系数，通过偏斜系数数值进行匹配以挑选相同ap的相同偏斜分布类型的定位区域，偏斜系数其中，n表示样本中各rssi值的频数之和，s表示样本标准差，表示样本的信号加权均值。在另一较佳实施例中，所述步骤d中，将的在待定位点x测得的ap设置为不定位状态，其中k1’是可调常数，k1’∈r。在另一较佳实施例中，所述步骤d中，计算定位客户端在待定位点x测到的apj的总频数将的在待定位点x测得的ap设置为不定位状态，其中k2’是可调常数，k2’∈n*。在另一较佳实施例中，所述步骤d中，通过k5个定位区域采集点的坐标加权求待定位点的坐标算法包括平均加权算法和出现次数加权算法，所述平均加权算法包括对k5个定位区域的各采集点赋予1/k5的平均权重，再根据平均权重计算待定位点的坐标；所述出现次数加权算法包括根据每个定位区域的出现次数赋予k5个定位区域的各采集点相应的出现次数权重，再根据出现次数权重计算待定位点的坐标。本发明的有益效果是：1、构建信号强度矩阵和信号分布矩阵；对服务器内的信号和实测信号滤除信号突变的异常点，降低定位误差，对实测信号和服务器进行匹配以计算待定位点的坐标，本发明采用偏斜分布滤波滤除异常点，在构建指纹库建立信号分布矩阵和获取定位数据过程中将频数的众数作为滤波区间选取的重要参量，有效滤除出现次数即频数较小的ap信号强度以及与众数差距特别大的ap信号强度，降低发生信号波动时ap信号强度对于正常情况下的ap信号强度在计算信号强度均值的影响，用户还可以根据实际的需求选择滤波区间的大小以调节滤波强度；本发明还通过判断信号分布矩阵中的样本和实测样本偏斜分布类型是否一致，滤除信号分布矩阵中和实测样本不同偏斜分布类型的ap，提高定位精度；本发明在构建指纹库建立信号分布矩阵和获取定位数据过程中还根据信号强度的频数赋予相应的rssi的值对应的权重，频数越大则占据信号加权均值的权重就越大，即使ap发生信号波动其频数很小的信号异常点没有被滤波区间所滤除，在计算信号加权均值时由于其出现的频数很低占据的权重很小对信号加权均值的影响很小，大大地降低了个别频数很小的信号异常点对计算整体信号强度加权均值的影响，有效地降低误差，提高定位精度。2、将采集点设置在定位区域的中心点提高定位ap信号覆盖效率，通过采用ap的mac地址作为标识对各个ap进行编号，实现编号与ap一一对应，节省二次物理编号的成本。3、对定位服务器和定位客户端采集到的数据滤除rssi加权均值较小和总频数较小的ap对应的定位区域以提高定位精度。4、对n-和n+进行四舍五入取整运算，避免n-和/或n+为奇数时影响其中的累加计算。5、通过比对信号分布矩阵中样本的偏斜系数和实测样本的偏斜系数，滤除信号分布矩阵中和实测样本不同偏斜分布类型的ap，提高定位精度。5、可根据实际需求和硬件配置灵活选择平均加权算法或出现次数加权算法求定位坐标。以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种室内wi-fi定位的方法不局限于实施例。附图说明图1是本发明一较佳实施例的流程图；图2是本发明一较佳实施例的定位区域示意图。具体实施方式实施例，参见图1和图2所示，本发明的一种室内wi-fi定位的方法，包括若干定位ap、定位客户端和定位服务器，还包括以下步骤a：定位系统初始化：将待定位区域划分为9个定位区域，每个定位区域编号为a1至a9，采集点l1至l9分别设置在定位区域a1至a9的中心点，在采集点l1至l7安装定位ap，采用mac地址将采集点l1至l7上的定位ap编号为ap1至ap7，每个采集点间距离1.2米，每个定位区域面积近似相等，其中待定位点x在定位区域a5，坐标为(1.2，1.2)，坐标分布参见图2。b：信号数据采集：每隔一个采集周期t采集一次信号，其中t＝10min，为方便起见，每个ap的标识mac地址，ap1至ap7构建信号分布矩阵存储于定位服务器中，分别参见表1至表7。表1ap1各定位区域的信号分布矩阵表2ap2各定位区域的信号分布矩阵表3ap3各定位区域的信号分布矩阵表4ap4各定位区域的信号分布矩阵表5ap5各定位区域的信号分布矩阵表6ap6各定位区域的信号分布矩阵表7ap7各定位区域的信号分布矩阵针对每个ap，计算rssi信号加权均值，将信号加权均值＜k1的ap的定位区域设置为不定位状态，本实施例k1取值为-80，因为ap7的定位区域a1的信号加权均值为-83.07小于-80，所以ap7设置为不定位状态。针对每个ap，统计总频数将的ap的定位区域设置为不定位状态，本实施例k2取值为100，因为ap6定位区域a1的总频数为26，定位区域a2的总频数50，两者均小于100，所以ap6设置为不定位状态。b：偏斜分布滤波：针对指纹库样本计算偏斜系数sk，确定偏斜分布类型及其对应的概率密度函数，确定参数mo，σ-和σ+，对rssi值落在滤波阈值区间td＝[mo-xσ_，mo+yσ+]外的rssi值标记为异常点滤除，其中mo为apj在定位区域ak的采集点，采集到rssi样本中，出现频数最多的rssi值，即其中n＝n-+n+＝n1+n2+n3’对n-和n+进行四舍五入取整运算，避免n-和/或n+为奇数时影响其中的累加计算，n表示各rssi值的频数之和，n1表示所述样本中rssi值小于众数的频数之和，n2表示所述样本中rssi值大于众数的频数之和，n3表示所述样本中mo的频数，x和y为可调常数，x＞0，y＞0，本实施例x＝y＝2，各ap各定位区域偏斜分布滤波参数参见表8。表8各ap各定位区域偏斜分布参数计算结果表d：定位：定位客户端在待定位点x收集待定位数据参见表9。表9待定位点x的信号强度分布矩阵针对每个ap，计算rssi信号加权均值，将信号加权均值＜k1’的实测ap设置为不定位状态，本实施例k1’取值为-80，因为ap6的信号加权均值为小于-80，所以ap6设置为不定位状态。针对实测样本计算偏斜系数，确定偏斜分布类型及其对应的概率密度函数，对rssi值落在滤波阈值区间外的rssi值标记为异常点滤除，定位客户端在待定位点x测得各ap的偏斜分布参数计算结果参见表10。表10待定位点x偏斜分布参数计算结果表待定位点x偏斜分布滤波后的信号强度矩阵参见表11。表11待定位点x偏斜分布滤波后的信号强度矩阵选择待定位点x加权均值绝对值最小前k3个的ap，对每个ap，通过匹配相同定位服务器中相同ap的相同偏斜分布类型的定位区域，再从这些相同偏斜分布类型的定位区域挑选rssi加权均值差值绝对值最小的前k4个定位区域，本实施例k3＝k4＝3，选出ap2，ap4和ap5各自的3个区域，参见表12。表12待定位点x最可能的位置表计算每个定位区域出现的可能次数，取前k5个最多的定位区域，本实施例k5＝3，以每个定位区域的出现次数为权重，计算待定位点的坐标的加权均值，定位点x可能出现的定位区域参见表12所示。表13定位点x可能出现的定位区域统计次数表区域(0，0)(0，1.2)(0，2.4)(1.2，0)(2.4，0)(2.4，1.2)次数121212是否选取×√×√×√计算待定位点x的坐标：本实施例得到的待定位点x的坐标为(0.8，1.2)，实际x的坐标为(1.2，1.2)，相比现有的室内wi-fi定位技术具有较高的精度。上述实施例仅用来进一步说明本发明的一种室内wi-fi定位的方法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。当前第1页12