CN103068035A - 一种无线网络定位方法、装置及系统 - Google Patents

Abstract

本发明公开了一种无线网络定位方法、装置及系统。其中该方法包括：A、根据接收的终端定位请求信息，向参考网络中心服务器请求参考网络中接收机装置对所述终端可见基站信号强度的监测数据；B、根据预设的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考网络实时监控和捕捉接收机装置处周边环境下信号强度数据的动态变化趋势，并将动态信号强度数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的环境因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。

Description

一种无线网络定位方法、装置及系统

技术领域

本发明涉及移动通信技术，尤其涉及一种无线网络定位方法、装置及系统。

背景技术

现有无线网络位置业务中的基于信号强度的指纹定位技术，用于解决指纹定位系统中在维持指纹数据更新以保证指纹定位性能的前提下，降低指纹数据采集成本的技术问题。

指纹定位技术是无线网络中一种基于定位终端接收信号强度等特征参数的定位技术。通常情况下，指纹定位技术从处理流程步骤角度考虑可以分为：离线采样和在线定位两个阶段。

离线阶段中，采样终端在足够密度采样点处终端接收可见基站(此处的“基站”为广义概念，既可指蜂窝小区基站，亦可指WLAN接入点或RFID标签)的标识信息(如蜂窝小区标识CellID或WLAN接入点SSID或RFID、Zigbee、蓝牙等类型无线局域网络的基站接入设备的唯一标识)、信号强度信息(均值矢量或概率分布数据等)及其采样点处终端位置坐标(室外用经、纬、高度等表示)等数据。在每个采样点处终端测量得到的上述信息经整理生成一条样本指纹记录，简称指纹，收集所有采样点处终端的指纹信息，构成指纹数据库。除采集生成指纹数据库之外，离线阶段通常还会对原始的指纹数据库进行一定的预处理操作，如将指纹数据库中可见基站集合重合且位置坐标相近的指纹精简去重等，以提高在线阶段指纹在搜索、匹配和优选处理等方面的性能。

在线定位阶段，定位平台基于某种确定性方法(如信号空间欧氏距离法)或概率统计理论(如直方图等方法)对终端实测各可见基站信号强度与指纹数据库中相应基站信号强度之间的相似度进行计算和比较，确定与实测信号强度最接近(相似度最大)的K个优选指纹，将各优选指纹信号强度与实测信号强度之间的相似度作为权重，计算并返回此K个优选指纹所在采样点处终端位置的加权均值作为终端定位的位置结果。这种基于K个优选指纹的定位方法统称K-最近邻(KNN，K-Nearest Neighbor)方法。

无线网络指纹定位技术相比传统GPS定位方式具有更广泛的适用范围，相比传统蜂窝GSM/CDMA网络定位具有更高的性能(速度和精准度)，因而备受关注且有巨大发展潜力。除了广域GSM/CDMA蜂窝网络外，指纹定位还能够适用于多种无线局域网络，如WLAN、RFID或蓝牙等。指纹定位技术更加适用于密集城区或室内等传统GPS、蜂窝定位方式所无法实现或难以实现高精度定位的场景。

但是，指纹定位技术存在一定技术难题：指纹的动态变化特性所导致的定位精准度降低。

在指纹定位适用的场景中，相比室外空旷地区，密集楼宇城区和室内等环境的动态性和复杂性更高。在这些环境下，离线采样点处终端的无线信号传播受周围静态物体位置改变、动态物体不可预知的移动等复杂环境因素的影响，而存在严重的反射、折射、散射、绕射、小尺度衰落、多径等各种类型的叠加干扰，即使在相同地点对相同AP的接收信号强度也可能随着时间的推移(一天中不同时段或采集后一段时期之后)而产生较大波动，因而造成指纹数据库中记录的信号强度信息失效，最终导致在线定位精度受损。

为解决该问题，提高指纹数据库对环境的适应度，维持指纹定位精准度，现有系统的主要解决方案有：1)手机用户在使用移动位置业务过程中协助采集和上传指纹数据；2)由服务运营方进行周期性批量采集更新指纹数据库。

这两个解决方案有以下缺陷：

方案1)涉及用户位置隐私可能引起法律纠纷(可参考Apple和Google相关的报导)，且在移动互联网位置业务尚未形成用户规模的情况下用户上传数量较少难以见效。因此，方案1)可行性不足。

方案2)大众位置业务覆盖的服务区域范围较广，周期性指纹数据库更新的工作量较大。在实际操作过程中成本较高。

综上所述，现有指纹定位技术为满足在大面积业务区域内多种场景下提供高质量定位服务，在实现离线指纹数据库周期性更新提高指纹数据对动态复杂环境适应性的同时，存在采集成本高、工作量大的问题，使得业务的运营受到制约。因此，通过提高指纹数据信息对环境适应度，进而保证定位性能的同时，从降低指纹采集工作量的角度，改善指纹数据更新的效率，进而提高指纹定位系统的可用性成为现阶段需要解决的技术问题。

发明内容

本发明的目的在于，提供一种无线网络定位方法、装置及系统，其定位精度高，降低了指纹采集工作量。

为实现上述目的，根据本发明的一个方面，提供一种无线网络定位方法，包括：A、根据接收的终端定位请求信息，向参考网络中心服务器请求参考网络中接收机装置对所述终端可见基站信号强度的监测数据；B、根据预设的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位。

为实现上述目的，根据本发明的另一个方面，提供一种定位服务器，包括：请求信息生成模块，用于根据接收的终端定位请求信息生成数据请求信息发送至参考网络中心服务器；定位计算模块，用于根据预存的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位；存储模块，用于存储所述动态指纹预测模型。

为实现上述目的，根据本发明的另一个方面，提供一种无线网络定位系统，其特征在于，包括：定位服务器，用于根据接收的终端定位请求信息向参考网络中心服务器发送数据请求信息；根据预设的动态指纹预测模型及参考网络中心服务器返回的监测数据对所述终端进行定位；所述参考网络中心服务器，用于根据接收的所述数据请求信息从接收机装置获取监测数据，并发送给所述定位服务器；所述接收机装置，用于形成参考网络，实时监测其覆盖的基站信号强度。

本发明的一种无线网络定位方法、装置及系统，通过预设的动态指纹预测模型及接收机装置对终端可见基站信号强度的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考网络实时监控和捕捉接收机装置处周边环境下信号强度数据的动态变化趋势，并将动态信号强度数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的环境因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。另外，通过在离线阶段引入相关流程，利用参考网络采集数据生成动态指纹预测模型，为在线定位阶段完成动态指纹数据的实时更新，在很大程度上节省了离线阶段繁复重复的采集数据工作，提高在线定位的精确度。

附图说明

图1是本发明无线网络定位系统实施例的结构图；

图2是本发明无线网络定位方法实施例的流程图；

图3是本发明定位服务器对终端进行定位的流程图；

图4是本发明定位服务器实施例的结构图；

图5是本发明定位计算模块44实施例的结构图。

具体实施方式

以下结合附图对本发明进行详细说明。

系统实施例

在环境复杂性较高而且对定位精准度要求也很高的目标服务区域，如密集城区(如中心商业区等)和大型公共场所(如大型购物中心、机场、展览馆、医院等)的室内环境中，环境的动态特性很强，指纹数据的失效比较快，频繁地批量采集更新指纹数据库不仅成本高而且效率低。因此，本发明针对该类区域，提出一种无线网络定位系统，如图1所示，在目标服务区域以较小密度(较小密度指参考接收机装置的信号接收范围互相之间不重叠能够覆盖所有可见基站即可)部署若干接收机装置组成的参考网络50。

参考网络50中的接收机装置应该具备下述功能：1)能够接收指纹定位所使用无线局域网络(如WLAN、蓝牙、RFID、Zigbee等)的信号，具体获取内容主要包括：基站标识及其信号强度等；2)能够将周期性接收到的指纹信息实时地通过参考网络上报给参考网络中心服务器。该接收机装置可以为智能手机(android、iphone等)或者平板电脑(ipad、三星tab等)，只要支持定位所用的无线网络(wifi、蓝牙、rfid等)即可。除上述硬件支持，还需要软件层面的支持，即在http协议基础上，设计私有协议支持参考网络中心服务器与参考网络中各接收机装置之间的消息交互，目的是实现接收机装置将自身监测到的无线网络信息相关信息(基站标识、信号强度等)，传送给参考网络中心服务器。系统无需预知参考网络中各接收机装置的具体位置信息。

如图1所示，本发明无线网络定位系统实施例包括：

定位服务器30，用于根据接收的终端10的定位请求信息向参考网络中心服务器40发送数据请求信息；根据预设的动态指纹预测模型及参考网络中心服务器40返回的监测数据对终端进行定位；

参考网络中心服务器40，用于根据接收的数据请求信息从接收机装置51、52获取监测数据，并发送给定位服务器30；

接收机装置51、52，用于形成参考网络，实时监测其覆盖的基站信号强度，例如，接收机装置51监测基站21的信号强度，接收机装置52监测基站21和22的信号强度。

接收机装置由传感器网络各节点添加相应的无线网络信号的接收功能单元构成，并在网络中增加参考网络中心服务器装置用于汇总各参考节点上报信息并与定位服务器交互。

其中，定位服务器30接收终端10的定位请求信息后，首先从定位请求信息中提取终端10的可见基站标识及相应的信号强度信息，根据可见基站标识生成相应的数据请求信息发送至参考网络中心服务器40，向参考网络中心服务器40请求参考网络中各接收机装置51、52对这些可见基站的信号强度接收信息。

定位服务器30在收到参考网络中心服务器40返回的信号强度信息后，根据离线阶段解析训练预先生成的动态指纹预测模型，实时计算能够覆盖终端可见基站的所有采样点处终端的动态指纹数据，进一步利用动态指纹信号强度信息和终端实测信号强度信息计算K个优选指纹并基于最近邻原则求解最终定位结果。具体定位过程在方法实施例中进行描述，在此不再赘述。

本实施例的无线网络定位系统，增加了接收机装置组成的参考网络以及参考网络中心服务器设备。其中，参考网络中心服务器与参考网络相连能够收集汇总、并为定位服务器提供目标服务区域中全部接收机装置所接收到的可见基站标识及其信号强度信息。使用参考网络的作用在于利用机器装置代替人力来动态监测跟踪信号传播环境的变化规律，不仅降低了运营维护成本，而且提高了指纹数据的更新质量。在具体实施中，可以通过在已有传感器网络(如物联网)中各节点基础上添加相应无线网络信号的接收功能，并增加参考网络中心服务器汇总各接收机装置上报信息并与定位服务器交互。

方法实施例

如图2所示，本发明无线网络定位方法实施例的具体流程如下：

S202，终端向定位服务器发起定位请求，同时携带终端所接收到的可见基站标识和信号强度信息；

S204，定位服务器接收终端定位请求后，首先提取终端可见基站标识，根据可见基站标识向参考网络中心服务器请求接收机装置对终端可见基站信号强度的监测数据；

S206，参考网络中心服务器从接收机装置获取监测数据发送给定位服务器；

S208，定位服务器根据预设的动态指纹预测模型及参考网络中心服务器返回的监测数据对终端进行定位。

S206中，参考网络中心服务器从接收机装置获取监测数据可以通过以下两种方式实现：

(1)参考网络中心服务器根据可见基站标识，获取能够接收所述可见基站的接收机装置标识列表，实时主动与这些接收机装置建立连接并向列表中的接收机装置发起获取可见基站的信号强度的监测数据；

(2)由参考网络中各接收机装置定期上报实时监测的不同基站信号强度信息给参考网络中心服务器，参考网络中心服务器将所有接收机装置上报的基站标识及其信号强度信息记录缓存；参考网络中心服务器根据可见基站标识，从缓存中获取接收机装置最新上报的监测数据。

如图3所示，S208中，定位服务器对终端进行定位的具体流程如下：

s301，接收参考网络中心服务器返回的对终端的可见基站的信号强度的监测数据；

s302，根据监测数据和动态指纹预测模型计算各接收机装置对可见基站的信号强度的预测值，即生成动态指纹数据；

s303，计算预测值与可见基站相应的信号强度信息之间的近似度；

s304，选取最邻近的K个预测值作为优选动态指纹；

s305，将优选动态指纹的近似度作为权重值，计算K个优选动态指纹对应接收机装置的所处位置的加权均值作为对终端的定位结果。

上述s302中的动态指纹数据，即为用户发起定位的时间段内，各采样点处终端的实时准确的指纹数据。相比离线静态的指纹数据库而言动态指纹数据更准确地反映了采样点处终端位置处的实时信号强度状态。定位服务器可以将该更新后的指纹数据在本地记录缓存，以便在同一时段内接受到类似请求时能够直接使用。

上述s303中，计算近似度的方法可以有以下两种方式：

a)若终端请求定位时携带的是可见基站的信号强度均值或单次测量值，则使用基于确定性规则的方法，如信号空间欧氏距离法；

b)若终端请求定位是携带的是可见基站信号强度的统计数据，如直方图信息，则使用基于概率统计理论的方法，如概率统计直方图法。

上述s305中，当K为0或1时，处理方法如下：

当K＝1时直接返回该采样点处终端对应的位置作为定位结果。

当K＝0时则定位失败。

本实施例中，定位服务器在离线阶段训练生成动态指纹预测模型。接收机装置与采样点处终端共同收集目标区域内各可见基站的指纹信号强度等信息。终端在各采样点处终端采集各可见基站的标识(如CID或SSID)和信号强度(如RSSI)信息，终端同时获取终端所在采样点处终端的位置坐标(通过定位或地址登记等方式)。二者所收集内容的不同之处在于采样点处终端需要收集完整指纹信息，而参考接收节点只需要收集基站的标识及其信号强度即可，无需采集采样点处终端坐标位置信息。

定位服务器获得接收机装置和采样点处终端收集的信息后，整合终端所采集指纹数据，并进行一定的预处理操作(如均值处理等)，并对二者所接收相同基站j(1≤j≤p，p为目标区域中基站的总数)的信号强度之间的关系f进行分析，得出相应数学规律并建立由接收机装置信号强度推导出采样点处终端i(1≤i≤n，n为目标服务区域中采样点处终端总数)处终端接收信号强度的动态指纹预测模型：

s_ij＝f_ij(r_1j，r_2j，...，r_mj)，1≤i≤n，1≤j≤p

其中，s_ij表示在采样点处终端i处终端接收到的基站j的信号强度，r_kj表示接收机装置k(1≤k≤m)接收可见基站j的信号强度，目标服务区域中接收机装置的数量为m，采样点处终端数量为n，可见基站数量为p。

由此可得所有采样点处终端各可见基站信号强度与接收机装置信号强度之间的关系式。从而建立起由接收机装置信号强度动态推导出所有采样点处终端信号强度(即全部信号强度指纹信息)的预测模型。

具体地，可以采用多元回归的方法实现动态指纹预测模型的生成，建立一个用来描述单个因变量与多个相互独立自变量之间关系的简单线性模型。在本系统中的物理意义为：建立采样点处终端各可见基站信号强度矢量与多个接收机装置相同可见基站信号强度矢量之间的线性关系模型。进一步可以具体描述为下述数学关系：将采样点处终端i处用户终端对可见基站j的接收信号强度s_ij，表示为覆盖这些可见基站的多个接收机装置的接收信号强度矢量的线性聚合或线性组合(Linear Aggregation或Linear Combination)。上述数学关系具体可通过下述数学公式来表示：

s_ij＝f_ij(r_1j，r_2j，...，r_mj)＝a_0j+a_1jr_1j+…+a_mjr_mj+e_j

其中，r_kj表示接收机装置k(1≤k≤m)接收可见基站j的信号强度，接收机装置数量为m，模型系数也即线性组合权值a_kj的物理意义为：各接收机装置所测信号强度(相互独立)对预测采样点处终端终端接收信号强度的贡献比例。e_j是均值为零且呈正态分布的随机误差。上式中r_kj和s_ij是已知量。

因此，在离线阶段建立动态指纹预测模型的主要任务为：在采样点处终端以及接收机装置观测接收到的一组(q次接收测量，且q＞m+1)信号强度基础上，为可见基站j计算线性组合权值或模型系数矢量：

a_j＝(a_0j，a_1j，...，a_mj)^T，1≤j≤p。

基于上述条件，对于采样点处终端和接收机装置都可见的基站j而言，能够建立q个线性方程，取其中m+1个方程构成线性方程组，计算出m+1个未知量a_0j，a_1j，...，a_mj，线性方程组的解即为对该m+1个模型系数的最小二乘估计。

同理，在每一个采样点处终端，利用上述方法针对每一个可见基站计算其模型系数a_j，1＜＝j＜＝p，p为可见基站的数目。最终可得所有采样点处终端针对各可见基站的由接收机装置信号强度计算得到该采样点处终端接收信号强度的预测模型：s_i(1≤i≤n)，

其中，s_i＝(s_i1，s_i2，s_i3，…s_ip)，s_ij＝f_ij(r_1j，r_2j，…r_mj)，1≤j≤p。

本实施例中，s302～s305具体实施方式如下：定位服务器根据各接收机装置对终端可见基站信号强度的监测值，使用离线训练得到的动态指纹预测模型推导出各采样点处终端对这些可见基站的接收信号强度预测值：s_i(1≤i≤n)，s_i＝(s₁，s₂，s₃，…s_p)，s_ij＝f_ij(r_1j，r_2j，…r_mj)，1≤j≤p。

利用这些动态预测的指纹数据信号强度信息，计算各采样点处终端动态指纹信号强度与终端实测信号强度

之间的近似度，例如通过计算信号空间欧氏距离的大小来评估信号强度之间的近似度的弱强，信号强度近似度可以用数学方式描述如下：

$d_i=\sqrt{\underset{j=1}{\overset{p}{\mathrm{\Σ}}}{(s_j-s_j^{\mathrm{real}})}^2},1\≤j\≤p$

上式中，d_i表示采样点处终端i处预测的动态指纹信号强度与终端实测信号强度之间的信号空间距离。在针对所有采样点处终端计算得到上述信号空间距离的基础上，对这i个信号空间距离进行比较排序，确定其中最小的K个，即优选K个与实测信号最为接近的动态指纹作为后续加权平均计算最终定位结果的候选指纹。其中K为一个静态的经验数值或者动态确定的整数值。

本实施例的方法，通过预设的动态指纹预测模型及接收机装置对终端可见基站信号强度的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考网络实时监控和捕捉接收机装置处周边环境下信号强度数据的动态变化趋势，并将动态信号强度数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的环境因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。另外，通过在离线阶段引入相关流程，利用参考网络采集数据生成动态指纹预测模型，为在线定位阶段完成动态指纹数据的实时更新，在很大程度上节省了离线阶段繁复重复的采集数据工作，提高在线定位的精确度。

服务器实施例

如图4所示，本发明定位服务器实施例包括以下模块：

请求信息生成模块42，用于根据接收的终端定位请求信息生成数据请求信息发送至参考网络中心服务器；

定位计算模块44，用于根据预存的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位；

存储模块46，用于存储所述动态指纹预测模型。

优选地，该定位服务器还包括：模型生成模块48，用于根据接收到的采样点处终端和接收机装置采集的目标区域内各可见基站的信号强度信息，生成采样点处终端接收信号强度的动态指纹预测模型。

其中，如图5所示，定位计算模块44包括：

预测子模块441，用于根据所述监测数据和所述动态指纹预测模型计算各接收机装置对所述可见基站的信号强度的预测值；

近似度计算子模块442，用于计算所述预测值与所述可见基站相应的信号强度信息之间的近似度；

优选子模块443，用于选取最邻近的多个预测值作为优选动态指纹；

加权计算子模块444，用于将所述优选动态指纹的近似度作为权重值，计算所述优选动态指纹对应接收机装置的所处位置的加权均值作为对所述终端的定位结果。

本实施例的定位服务器，通过预设的动态指纹预测模型及接收机装置对终端可见基站信号强度的监测数据对所述终端进行定位。本发明通过引入参考接收装置组成的参考网络实时监控和捕捉接收机装置周边环境下信号强度数据的动态变化趋势，并将动态信号强度数据(即动态指纹信息)用于在线实时定位。在很大程度上削弱了复杂、动态变化的环境因素对传统基于静态指纹数据库指纹定位方法的定位精度的影响。另外，通过在离线阶段引入相关流程，利用参考网络采集数据生成动态指纹预测模型，为在线定位阶段完成动态指纹数据的实时更新，在很大程度上节省了离线阶段繁复重复的采集数据工作，提高在线定位的精确度。

应说明的是：以上实施例仅用以说明本发明而非限制，本发明也并不仅限于上述举例，一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围中。

Claims (15)

1.一种无线网络定位方法，其特征在于，包括：

A、根据接收的终端定位请求信息，向参考网络中心服务器请求参考网络中接收机装置对所述终端可见基站信号强度的监测数据；

B、根据预设的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位。

2.根据权利要求1所述的无线网络定位方法，其特征在于，所述步骤A之前还包括：

接收采样点处终端和接收机装置采集到的目标区域内各可见基站的信号强度信息；

根据所述采样点处终端和接收机装置采集到的信号强度信息生成采样点处终端接收信号强度的动态指纹预测模型。

3.根据权利要求1或2所述的无线网络定位方法，其特征在于，所述步骤A包括：

接收终端定位请求信息；

从所述定位请求信息中提取所述终端的可见基站标识及相应的信号强度信息；

根据所述终端的可见基站标识向参考网络中心服务器请求接收机装置对终端可见基站信号强度的监测数据。

4.根据权利要求3所述的无线网络定位方法，其特征在于，所述步骤A还包括：所述参考网络中心服务器通过以下方式从所述接收机装置获取所述可见基站的监测数据：

所述参考网络中心服务器根据所述可见基站标识，获取能够接收所述可见基站的接收机装置标识列表，向所述列表中的接收机装置发起获取所述可见基站的信号强度的监测数据的请求；

或

所述参考网络中心服务器接收所述接收机装置定期上报的对不同基站信号强度的监测数据，根据可见基站标识，获取所述接收机装置最新上报的监测数据。

5.根据权利要求3所述的无线网络定位方法，其特征在于，所述步骤B包括：

接收所述参考网络中心服务器返回的对所述终端的可见基站的信号强度的监测数据；

根据所述监测数据和所述动态指纹预测模型计算各接收机装置对所述可见基站的信号强度的预测值；

计算所述预测值与所述可见基站相应的信号强度信息之间的近似度；

选取最邻近的多个预测值作为优选动态指纹；

将所述优选动态指纹的近似度作为权重值，计算所述优选动态指纹对应接收机装置的所处位置的加权均值作为对所述终端的定位结果。

6.根据权利要求5所述的无线网络定位方法，其特征在于，所述计算所述预测值与所述可见基站相应的信号强度信息之间的近似度的操作包括：

使用信号空间欧氏距离法或概率统计直方图法计算所述预测值与所述可见基站相应的信号强度信息之间的近似度。

7.根据权利要求2所述的无线网络定位方法，其特征在于，所述根据所述终端和接收机装置采集到的信号强度信息生成采样点处终端接收信号强度的动态指纹预测模型包括：

利用多元回归的方法建立采样点处终端可见基站信号强度矢量与接收机装置可见基站信号强度矢量之间的线性关系模型作为所述动态指纹预测模型。

8.一种定位服务器，其特征在于，包括：

请求信息生成模块，用于根据接收的终端定位请求信息生成数据请求信息发送至参考网络中心服务器；

定位计算模块，用于根据预存的动态指纹预测模型及所述参考网络中心服务器返回的监测数据对所述终端进行定位；

存储模块，用于存储所述动态指纹预测模型。

9.根据权利要求8所述的定位服务器，其特征在于，所述请求信息生成模块，用于接收终端定位请求信息，从所述定位请求信息中提取所述终端的可见基站标识及相应的信号强度信息；根据所述终端的可见基站标识生成相应的数据请求信息发送至参考网络中心服务器。

10.根据权利要求8所述的定位服务器，其特征在于，还包括：

模型生成模块，用于根据接收到的采样点处终端和接收机装置采集的目标区域内各可见基站的信号强度信息，生成采样点处接收信号强度的动态指纹预测模型，并将所述动态指纹预测模型存储到所述存储模块。

11.根据权利要求8所述的定位服务器，其特征在于，所述定位计算模块包括：

预测子模块，用于根据所述监测数据和所述动态指纹预测模型计算各接收机装置对所述可见基站的信号强度的预测值；

近似度计算子模块，用于计算所述预测值与所述可见基站相应的信号强度信息之间的近似度；

优选子模块，用于选取最邻近的多个预测值作为优选动态指纹；

加权计算子模块，用于将所述优选动态指纹的近似度作为权重值，计算所述优选动态指纹对应接收机装置的所处位置的加权均值作为对所述终端的定位结果。

12.一种无线网络定位系统，其特征在于，包括：

定位服务器，用于根据接收的终端定位请求信息向参考网络中心服务器发送数据请求信息；根据预设的动态指纹预测模型及参考网络中心服务器返回的监测数据对所述终端进行定位；

所述参考网络中心服务器，用于根据接收的所述数据请求信息从接收机装置获取监测数据，并发送给所述定位服务器；

所述接收机装置，用于形成参考网络，实时监测其覆盖的基站信号强度。

13.根据权利要求12所述的无线网络定位系统，其特征在于，所述定位服务器，用于从所述定位请求信息中提取所述终端的可见基站标识及相应的信号强度信息，根据所述终端的可见基站标识生成相应的数据请求信息发送至参考网络中心服务器。

14.根据权利要求13所述的无线网络定位系统，其特征在于，所述参考网络中心服务器，用于根据接收的数据请求信息中的可见基站标识，获取能够接收所述可见基站的接收机装置标识列表，向所述列表中的接收机装置发起获取所述可见基站的信号强度的监测数据；

或所述参考网络中心服务器，用于根据可见基站标识，从所述接收机装置定期上报的对不同基站信号强度的监测数据中获取所述接收机装置最新上报的监测数据。

15.根据权利要求12所述的无线网络定位系统，其特征在于，所述接收机装置由传感器网络各节点添加相应的无线网络信号的接收功能单元构成，并在所述网络中增加参考网络中心服务器装置用于汇总各参考节点上报信息并与定位服务器交互。

Images