段计算出的索引集合发送给用户方。
[0047] ii)用户自己搜集索引集合中包含的AP信息的Wi-Fi信号，形成指纹
[0048] iii)对于每个哈希表i，重复以下步骤：
[0049] 用gKf')计算出s'i。
[0050] 计算hM# )和)分别作为索引值和检验值。
[0051]在当前哈希表中查找索引值对应的单元，如图2所示。如果对应的单元的检验值列 表中含有当前得出的检验值，那么将该检验值对应的ID列表都插入候选人表格TiKlDi， wi>，〈ID2, W2>，"_〈IDx, ωχ>}中，其中IDi为第一个匹配s值的序列号，ω :为与该值匹配的 碰撞次数，依次类推。如果改检验值在Τ中存在，则将对应的ω值加1，否则在Τ中创建该ID， 且将对应的ω值设置为1。
[0052] iv)完成步骤i ii)中的表格Τ的创建工作之后，将Τ排序，按照每个指纹序号的碰撞 次数由高至低递减的顺序，并且取出前c个碰撞次数最高的候选人，将其序号与碰撞次数一 起形成候选人优化表格T^KlD'i，ω 'AaD'％ ω '2>，…〈ID'x，ω 'χ>}，其中ω '的值呈递 减趋势。
[0053]第三步:基于候选人表格的用户位置计算
[0054]在计算出包含前c个最近邻的候选人表格Τ'之后，第三步将结合Τ'和之前传送的 记录指纹库位置坐标的库L，计算出用户对应的位置，采用加权平均的算法，考虑了每个候 选人占有权重对用户位置计算结果的影响。
[0055] 利用这个候选人表格Τ'来计算用户的真实位置：
，其 中：Xu，yu为Τ'中第u个候选人在L中所对应的坐标，(?刃即为最终得到的用户坐标。 实施例2
[0056] 本实施例中设置倍数约束Rd，将实施例1中第三步替换为以下步骤：
[0057] i)对Τ'中的每一对〈ID'k，ω 'k>重复以下步骤：
[0058] ii)如果当前不是第一个指纹，且当前指纹碰撞次数与前一个指纹碰撞次数之比 大于Rd，跳至步骤V)，否则执行iv)
[0059] iii)计算当前估计值
返回iii)。
[0060] iv)返回？，歹。 实施例3
[0061 ]本实施例中设置累积约束Pt，将实施例1中第三步替换为以下步骤：
[0062] i)对于Τ'中的每一对〈ID'k，ω 'k>，累加 ω \作为总碰撞次数，计算Pt与总碰撞次 数的乘积，设为阈值Th。
[0063] i i)对于T '中的每一对〈ID ' k，ω ' k>，重复以下步骤：
[0064] iii)如果当前不是第一个指纹，且当前指纹碰撞次数与之前指纹碰撞次数的和大 于Th，跳至步骤V)，否则执行iv)
[0065] iv)计算当前估计
返回iii)
[0066] v)返回%
[0067] 如表1所示，在不同的l，m的组合下，索引集合所用的空间大小也不相同。可以看出 来其对于中型的实验规模的空间需求是移动端完全可以承受的，说明了本发明在实际场景 中在空间方面的优越性。
[0068]
[0069] 如图3~图5所示，为单层场景下，在不同的l，m，c的参数变化时，在实验场景下本 发明的表现，根据这些对表现情况的探索，使用者可以寻找最佳的参数组合，达到最大化效 率的目的。发现分为以下三点：
[0070] 1)精度随变量1的变化：图3显示了累计分布图CDF在1变化时其精度与基本算 RADAR算法的对比。图中显示，RADAR算法的50 %误差为3.6m，80 %误差为6.6m。而当1的值为 1500时，本发明所使用的算法的50%误差为2.2m，80%误差为4.8m，显然定位误差更加小。 当1增大，定位精度越高，这是因为此时哈希表数量多，所产生的碰撞数量足够大到可以准 确的反应每RAD个候选指纹与用户指纹的相似度。
[0071 ] 2)精度随变量k的变化:图4显示了累计分布图CDF在k变化时其精度与基本算法 RADAR算法的对比。图中显示，k越大，两个指纹向量越难碰撞，因为碰撞的要求是这k个 哈希值必须都相同。当k为1时，本发明所使用的算法比RADAR算法更优，当k持续增大时，系 统性能的提高并没有通过精度减小来体现。当然，变量变化所产生的结果因实际场景不同 而不同。
[0072] 3)精度随变量c变化：图5显示了累计分布图CDF在c变化时其精度与基本算法 RADAR算法的对比。c代表的是选取的最近邻候选指纹个数，这些指纹直接参与对用户位置 坐标估计的计算。当c为2时，定位精度最高，当c持续增加时，图中产生了明显的性能下降。 在本实验中，因为实验场所并不是规整的图形，所以c的增加可能会加入实际位置相差很远 的候选指纹;而在更为规整的实验场所中，c的增加可能对实验结果产生更小的影响。
[0073]如图6所示，为单层实验场景下，累积分布图CDF在使用不同的优化方法时，其精度 与基本算法RADAR算法的对比。从其中可以看出加了优化效果后性能有一定的提升，且优于 基本算法RADAR算法。
[0074] 如图7所示，为单层实验场景下，用户计算位置时间随1的变化柱状图。由于之前的 时间复杂度分析，用户端的查询和计算时间是线性的，因此，当使用500个哈希表的时候，所 耗时间小于0.01s，当使用2000个哈希表的时候，所耗时间也在0.03s左右。可以预见，即使 在非常大的场景下的室内定位，所需时间也不会超过ls，这与之前的使用同态加密算法进 行加密的方法相比，时间性能大大提高。
[0075] 如图8所示，为两层实验场景下，累积分布图CDF在使用不同的优化方法时，其精度 与基本算法RADAR算法的对比。从其中可以看出加了优化效果后性能有一定的提升，且优于 基本算法RADAR算法。
[0076]如图9、图10所示，为两层实验场景下，压缩指纹库指纹维数和指纹数量对精度带 来的影响，即敏感性分析。从两个图可以看出，较大的指纹维数和指纹数量的确可以降低定 位误差，但是当二者大小达到某个阈值时，对中位数的误差影响就很小了。在当前场景下， 较为精确的定位应要求至少50个Wi-Fi接入点，以及80%当前指纹库的大小。
[0077]上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同 的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所 限，在其范围内的各个实现方案均受本发明之约束。
【主权项】
1. 一种基于Wi-Fi指纹的高效隐私保护的室内定位方法，其特征在于，首先收集室内每 个位置的指纹并生成索引集合;然后将索引集合通过无线网络传给用户端，以待用户完成 对自己位置信息的查找，所述的指纹是指每个位置对应每个Wi-Fi接入点的RSS信号;所述 的索引集合包括:若干个哈希表、每个哈希表的对应函数组的参数以及用指纹序号标记的 每个指纹的位置坐标。2. 根据权利要求1所述的方法，其特征是，所述的步骤1，具体包括： 1.1) 对于一个包含m个位置，η个Wi-Fi接入点的室内场景，位置集合表示为M= {1，2，… m}，Wi-Fi接入点集合表示为N= {1，2, ···!!}，收集室内每个位置、每个Wi-Fi接入点的RSS信 号，用Fj=^fj 2,if,…f；；1}表示第j个位置收集到的、所有η个接入点的信号强度组成的向量， 即指纹； 1.2) 构建一个由1个哈希表组成的索引集合，该索引集合包含所有的服务器端在每个 位置收集的指纹的信息，且用户使用这个索引集合来计算自己的位置坐标，对于第i个哈希 表，从位置敏感哈希函数集G = {gi，g2，g3，…gi I gi: Rn-Nk}的集合中选取函数组gi，来将哈希 表i从η个接入点收集的η维向量映射到一个k维向量中，其中：gi(v) = (hii(v)，hi2(v) ,'"hik (v))，每个Illj(V)函数都是一个具有p稳定性的位置敏感哈希函数； 1.3) 对每个采集到的指纹t映射到每个哈希表i时，计算gl(f^)并且得到一个k维的向 量Slj，将这个 Slj向量和指纹序号j一并插入到哈希表i中，循环操作直至每个服务器端指纹 库中的指纹均插入到每一个哈希表中，其中循环操作次数为指纹数量η*哈希表数量1。3. 根据权利要求1所述的方法，其特征是，所述的步骤2，具体包括： 2.1) 计算用户收集到的指纹F在每个哈希表i中通过函数gdf)计算得到的，然后 在每个哈希表i中查找是否有与相等的su，并记录其对应的指纹序号j，即发生碰撞;再 计算与j的碰撞次数并生成候选人表格T = {< ID1，ω :>，< ID2，ω 2>，…，< IDx，ω x>}，其 中ID1-IDx分别为第一至第X个匹配s值的序列号， ωι~ωχ分别为与序列号匹配的碰撞次 数； 2.2) 将候选人表格排序，按照每个指纹序号的碰撞次数由高至低递减的顺序，并且取 出前c个碰撞次数最高的候选人，将其序号与碰撞次数一起形成候选人优化表格Τ' = {< ID、，ω、、，〈瓜、ω '2>，…<ID'x，ω 'χ>};然后利用候选人优化表格计算用户的实际其中：氏，刃f即为最终得到的用户坐标。4. 根据权利要求3所述的方法，其特征是，所述的步骤2.2中，采用了倍数约束Rd来解决 相似指纹带来的定位误差问题:该倍数约束Rd规定当所采用的前一个指纹的碰撞次数与后 一个指纹的碰撞次数的倍数大于Rd时，停止对后续指纹的采用。5. 根据权利要求3所述的方法，其特征是，所述的步骤2.2中，通过设定累积约束Pt来设 定所有候选指纹碰撞次数的总和，从而达到自动控制候选指纹个数的步骤，以削减需要自 定义候选指纹个数的步骤:通过Pt乘以总的碰撞次数作为碰撞阈值，在按碰撞次数从大到 小处理候选指纹中的一个时，计算当前所有已处理指纹碰撞次数的和，当超过这个阈值，则 舍去当前指纹;否则采用当前指纹，继续下一个指纹的处理。
【专利摘要】一种基于Wi-Fi指纹的高效隐私保护的室内定位方法，首先收集室内每个位置的指纹并生成索引集合；然后将索引集合通过无线网络传给用户端，以待用户完成对自己位置信息的查找，所述的指纹是指每个位置对应每个Wi-Fi接入点的RSS信号；所述的索引集合包括：若干个哈希表、每个哈希表的对应函数组的参数以及用指纹序号标记的每个指纹的位置坐标。本发明采用位置敏感哈希函数对位置隐私的加密方法，以达到高效性和隐私保护的性质。通过对定位的重新设计，来达到减少计算时间空间，提高定位精度，以及保护用户和服务器位置信息隐私的目的。
【IPC分类】H04L9/06, H04W4/02
【公开号】CN105530609
【申请号】CN201510946885
【发明人】吴帆, 胡叶, 高晓沨, 孔令和, 陈贵海
【申请人】上海交通大学
【公开日】2016年4月27日
【申请日】2015年12月16日