CN103167605B - 一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法 - Google Patents

Abstract

一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，涉及一种WiFi室外定位方法。为了解决目前的WiFi室外定位方法由于其Radio Map建立/更新速度慢导致定位时间长的问题。它的方法为：采用WiFi设备接收各AP的信号强度RSS值和DI值；采用志愿者终端将各AP的信号强度RSS值和各AP的DI值，以及卫星定位经度值lon、纬度值lat和本次定位的精度因子DoP通过WiFi网络上传到Radio Map服务器；Radio Map服务器上述数据进行处理，获得处理后的数据；并根据该处理后的数据建立/更新信号覆盖图并进行WiFi室外定位。本发明适用于室外定位。

Description

一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法

技术领域

本发明涉及一种WiFi室外定位方法。

背景技术

随着WiFi技术在世界范围内的广泛应用，WiFi已经不仅仅能够在诸如机场、高档写字楼、餐厅、酒店、研究机构、校园和家庭等地方使用，数字城市的建设也使得人们可以在室外使用WiFi技术。目前，WiFi定位系统无论是在室内还是在室外，都越来越受到人们的关注。

特别地，在室外环境中，目前的卫星定位初始定位启动时间过长。而且，当卫星不能正常工作或卫星信号受到城市楼宇遮挡时，用户无法使用卫星定位导航服务。因此，人们迫切需求一种对卫星定位导航服务进行增强的室外定位导航技术。

目前，基于WiFi的室外定位技术不需要在现有无线局域网设施中添加定位专用硬件，而是通过移动终端的现有无线网卡及相应软件读取接收信号强度，建立信号覆盖图(RadioMap)，通过匹配算法来确定移动用户的位置。可以说，WiFi定位已经成为一种潜在的增强卫星定位导航的新技术。

基于WiFi信号的室外定位技术沿用室内定位方法，在离线阶段建立Radio Map，在线阶段根据某种算法预测位置。然而，传统Radio Map的建立方法需要耗费大量人力来测量物理位置和该位置上的接收信号强度(Received Signal Strength，RSS)。随着定位区域的增大，Radio Map建立的工作量几乎成指数增长。而且，这种Radio Map的建立方法有着非常棘于的问题。当已经建立Radio Map的区域内，接入点发生故障、有新接入点加入或者物理环境发生改变时，原Radio Map将不再可用，需要更新/重新建立Radio Map。

这样，如何在大范围的室外快速建立Radio Map并且可以方便快捷的及时更新RadioMap，便成为一个急待解决的问题。

发明内容

本发明是为了解决目前的WiFi室外定位方法由于其Radio Map建立/更新速度慢导致定位时间长的问题，从而提供一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法。

一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，它由以下步骤实现：

步骤一、在待定位的室外区域设置N个接入点AP，所述N个接入点AP组成WiFi网络；所述WiFi网络能够全面覆盖整个待定位的室外区域；N为正整数；

步骤二、采用WiFi设备接收各AP的信号强度RSS值、DI值、卫星定位经度值lon、纬度值lat和本次定位的精度因子DoP，并采用志愿者终端通过WiFi网络上传到RadioMap有务器；

步骤三、Radio Map服务器对步骤二中上传的各AP的信号强度RSS值、DI值、卫星定位经度值lon、卫星定位纬度值lat和本次定位的精度因子DoP进行数据处理，获得处理后的数据；

数据的处理方法为：

步骤A、对收到的各AP的信号强度RSS值、DI值、卫星定位经度值lon、卫星定位纬度值lat和本次定位的精度因子DoP进行数据整理，具体为：对各AP的卫星定位经度值lon或纬度值lat相同的数据，进行精度因子DoP的比较，获得精度因子DoP的最小值，保留该精度因子DoP的最小值对应AP的卫星定位经度值lon和卫星定位纬度值lat，并删除其余精度因子DoP对应AP的卫星定位经度值lon和卫星定位纬度值lat；

整理后的每一组数据的存储格式为R_i＝{G_i，W_i}，式中：

G_i＝{lon_i，lat_i，DoP_i}，W_i＝{RSS_i，DI_i}，i＝1，2，…，N；

RSS_i＝{RSS₁，RSS₂，…，RSS_k，…，RSS_n}，

DI_i＝{DI₁，DI₂，…，DI_k，…，DI_n}，k＝1，2，…，n；

N是数据库中数据组的总个数，n是数据库中的第i个数据组中AP的个数；

步骤B、对步骤A整理后的数据组进行分类，具体为：

首先通过公式：

$d_r=\sqrt{{({\mathrm{lon}}_i-{\mathrm{lon}}_j)}^2+{({\mathrm{lat}}_i-{\mathrm{lat}}_j)}^2}$

对任意两组数据计算经纬度距离d_r，式中：i，j＝1，2，…，N，i≠j；

然后根据公式：

d_r≤D₁

对步骤A整理后的数据组分成M类；其中：D₁为预设的角度门限值；

步骤C、将步骤B中获得的M类数据逐一进行内部剔除，具体为：

对每类中的数据组根据DoP大小进行升序排列R₁，R₂，…R_i，…R_S，删除该类中所有DoP_i≥DOP的数据组；其中：

DOP＝1.4706×μ_DoP

式中：μ_DoP为各DoP的均值；

步骤D、将步骤C中进行内部剔除后的每个类中的AP出现的概率根据公式：

$P=\underset{i=1}{\overset{\tilde{S}}{\mathrm{\Σ}}}{c}_i/\underset{i=1}{\overset{\tilde{S}}{\mathrm{\Σ}}}{C}_i$

进行统计；

式中：c_i为该类内一个数据中某一AP的有无，0表示无，1表示有；C_i为该类内一个数据组中AP的个数，为经过第C步后该类中数据组的个数；

步骤四、采用步骤三获得的处理后的数据建立/更新信号覆盖图；

步骤五、用户根据步骤四建立/更新信号覆盖图进行WiFi室外定位。

步骤B中数据组采用D₁为预设的角度门限值进行分类后，再通过公式：

max(d_t)≤D₂

进行数据处理，从而将数据组分成M类；

其中S是该类中的数据组总个数；D₂为预设的最大分类门限值。

步骤二中所述的志愿者终端为同时具有卫星定位功能和WiFi设备且能够将卫星定位结果和WiFi设备所采集的WiFi接收信号强度RSS值上传的移动终端。

步骤四中建立/更新信号覆盖图的数据的存储格式为：

R_i＝{G_i，W_i，P_i}

该式中：i＝1，2，…，M，其中P_i为第i类的AP概率表；

G_i＝{lon_j，lat_j，DoP_j}，W_i＝{RSS_j，DI_j}

该式中： $j=\mathrm{1,2},\·\·\·,\tilde{S};$

RSS_j＝{RSS₁，RSS₂，…，RSS_k，…，RSS_n}

DI_j＝{DI₁，DI₂，…，DI_k，…，DI_n}

n是第i类第j组数据中AP的个数。

该方法中卫星辅助信号覆盖图更新的条件为：当Radio Map覆盖区内的AP布局发生添加或移除时，具体更新方法为：

在该AP的有效覆盖范围内进行数据收集，Radio Map服务器对收集到的数据进行整理，然后根据经纬度坐标(lon，lat)的不同添加到原Radio Map的不同类中，对有数据变更的类进行内部剔除和AP出现概率统计，并根据统计后的数据进行信号覆盖图更新。

本发明的Radio Map建立/更新速度快，从而大幅度降低了WiFi室外定位方法定位时间。

附图说明

图1是本发明的WiFi室外定位环境模拟示意图；其中标记1表示卫星；标记2表示志愿者终端；标记3表示无线接入点；

图2是本发明的原理示意图；V为志愿者终端；U为需要定位用户；WN为WiFi接入用户；SN为卫星定位系统；S为服务器；

图3是本发明的信号流程示意图；

图4是具体实施方式一中设定门限D₁前的分类结果示意图；

图5是具体实施方式一中设定门限D₂后的分类结果示意图。

具体实施方式

具体实施方式一、结合图1至图5说明本具体实施方式，WiFi室外定位系统中的一种卫星辅助Radio Map建立/更新方法通过下述步骤实现：

志愿者开机后，自动对需要定位的室外区域进行测试，确保WiFi信号可以全面覆盖整个区域；应该保证在该WiFi热点地区，志愿者能搜索到的无线AP(Access Point)数量在三个(含三个)以上。在测试时，有可能在某些测试点会有搜索到的无线AP数量小于三个甚至无WiFi信号的情况发生，此位置称为奇异点。这种情况的处理方法是，如果这样的位置比较少且分布稀疏，则忽略这些奇异点；如果这样的位置比较多而且集中在某一范围内时，则需要在该范围或其周边在保证覆盖较多的奇异点的前提下放置新AP。

上传数据到Radio Map服务器。志愿者在要建立或更新Radio Map的区域内随机移动。使用卫星定位导航系统得到当前位置的经度值lon、纬度值lat及本次定位的精度因子DoP，同时将可搜索到的各个AP信号值RSS及其对应的各AP一些识别信息DI(即：SSID、MAC地址)通过此时接入的某个AP上传到Radio Map服务器。

Radio Map服务器对收集到的数据进行处理。

第一步、整理收集到的数据。服务器收集到的数据会有这样的情况出现：某几组数据的经度值lon、纬度值lat相等。这就需要对数据库进需要去重，只需比较重复数据组的DoP大小，保留最小DoP对应的一组数据，删除其余数据组即可。去重后的每一组数据的存储格式为R_i＝{G_i，W_i}，其中：

G_i＝{lon_i，lat_i，DoP_i}，W_i＝{RSS_i，DI_i}，i＝1，2，…，N；RSS_i＝{RSS₁，RSS₂，…，RSS_k，…，RSS_n}，

DI_i＝{DI₁，DI₂，…，DI_k，…，DI_n}，k＝1，2，…，n，N是数据库中数据组的总个数，n是数据库中的第i个数据组中AP的个数。

第二步、对数据组分类。根据式子其中：i，j＝1，2，…，N，i≠j对任意两组数据计算经纬度距离d_r，并由d_r≤D₁(其中D₁为设定的角度门限值，一般小于1/7200度，视移动终端卫星定位精度而定，精度越高则此门限值越低)对数据组进行分类，小于等于D₁的分为一类，为防止分类后其中有经纬度跨度较大的情况出现(如图4所示，虚像内的“十字”类)，需要设定最大值门限，即要求分类时还必须满足最大值不超过一个门限D₂，

max(d_t)≤D₂， $t=\mathrm{1,3},\·\·\·,C_t^2,\·\·\·,C_S^2,$

S是某一类中的数据组总个数，D₂一般取3倍的D₁，图4和图5是对设定最大值门限前后的分类结果的比较，明显设定门限D₂后的分类(虚线内的“十字”类)比较个理。

第三步、假设第二步中最后将数据分为M类，对每类数据进行内部剔除。对每类中的数据组根据DoP大小进行升序排列R₁，R₂，…R_i，…R_S，由于卫星定位的精度与DoP成反比关系，DoP越小对应的定位精度就越高，设定该类的剔除门限DOP＝1.4706×μ_DoP(其中μ_DoP是DoP的均值，1.4706为一个σ置信概率的倒数)删除该类中所有DoP_i≥DOP的数据组R_i。这样就保证了该类的定位精度，即使得建立的Radio Map在不同类中具有不同定位精度。

第四步、统计各个类中的AP出现概率c_i为某一类中某一数据组中某一AP的有无，0表示无，1表示有，C_j为某一类中某一数据组中AP的个数，为经过第三步后每一类中数据组的个数，为每一个类附加AP概率表，便于未来定位时，快速匹配到某一类中，然后进行精确定位。

根据具体实施方式三得到的数据建立Radio Map。用具体实施方式三得到的数据建立Radio Map，其中数据的存储格式为R_i＝{G_i，W_i，P_i}，i＝1，2，…，M，其中P_i为第i类的AP概率表，

G_i＝{lon_j，lat_j，DoP_j}，W_i＝{RSS_j，DI_j}，

RSS_j＝{RSS₁，RSS₂，…，RSS_k，…，RSS_n}

DI_j＝{DI₁，DI₂，…，DI_k，…，DI_n}

n是第i类第j组数据中AP的个数。

Radio Map的更新过程。当Radio Map覆盖区内的AP布局发生改变(如位置变动，数量变动等)，需要对Radio Map更新，如果是添加或移除AP变动，更新过程为在该AP的有效覆盖范围内进行数据收集，在服务器进行数据整理，然后根据经纬度坐标(lon，lat)的不同添加到原Radio Map的不同类中。进行内部剔除和AP出现概率统计，并根据统计后的数据进行信号覆盖图更新。

为了保证Radio Map的可靠性，当物理环境有较大变化或者重建周期到来时，对整个Radio Map重建，即丢弃现有Radio Map，然后重复执行步骤一至步骤五。

在Radio Map建立好之后，如果需要定位，概述定位过程如下：需要定位的用户，连接到定位区域中的某个AP，发送定位请求，同时上传搜索到的所有AP的RSS值及DI，服务器通过搜索每一类中的概率表，确定最可能包含用户位置的一些类，然后分别在这些类中匹配用户上传的RSS值与Radio Map中的RSS值，通过某种定位算法(比如常用的K近邻算法，K Nearest Neighborhood，简称KNN算法)，预测用户的位置，完成定位。

Claims (6)

1.一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，其特征是：它由以下步骤实现：

步骤一、在待定位的室外区域设置N个接入点AP，所述N个接入点AP组成WiFi网络；所述WiFi网络能够全面覆盖整个待定位的室外区域；N为正整数；

步骤二、采用WiFi设备接收各AP的信号强度RSS值、识别信息DI值、卫星定位经度值lon、纬度值lat和当前次定位的精度因子DoP，并采用志愿者终端通过WiFi网络上传到Radio Map服务器；

步骤三、Radio Map服务器对步骤二中上传的各AP的信号强度RSS值、DI值、卫星定位经度值lon、卫星定位纬度值lat和当前定位的精度因子DoP进行数据处理，获得处理后的数据；

数据的处理方法为：

步骤A、对收到的各AP的信号强度RSS值、DI值、卫星定位经度值lon、卫星定位纬度值lat和当前次定位的精度因子DoP进行数据整理，具体为：对各AP的卫星定位经度值lon或纬度值lat相同的数据，进行精度因子DoP的比较，获得精度因子DoP的最小值，保留该精度因子DoP的最小值对应AP的卫星定位经度值lon和卫星定位纬度值lat，并删除其余精度因子DoP对应AP的卫星定位经度值lon和卫星定位纬度值lat；

整理后的每一组数据的存储格式为R_i＝{G_i,W_i},式中：

G_i＝{lon_i,lat_i,DoP_i},W_i＝{RSS_i,DI_i},i＝1,2,…,N；RSS_i＝{RSS₁,RSS₂,…,RSS_k,…,RSS_n},

DI_i＝{DI₁,DI₂,…,DI_k,…,DI_n},k＝1,2,…,n；

N是数据库中数据组的总个数，n是数据库中的第i个数据组中AP的个数；

步骤B、对步骤A整理后的数据组进行分类，具体为：

首先通过公式：

$d_r=\sqrt{{({\mathrm{lon}}_i-{\mathrm{loj}}_j)}^2+{({\mathrm{lat}}_i-{\mathrm{lat}}_j)}^2}$

对任意两组数据计算经纬度距离d_r，式中：i,j＝1,2,…,N,i≠j； $C_r^2=\frac{r\·(r-1)}{2};$

然后根据公式：

d_r≤D₁

对步骤A整理后的数据组分成M类；其中：D₁为预设的角度门限值；

步骤C、将步骤B中获得的M类数据逐一进行内部剔除，具体为：

对每类中的数据组根据DoP大小进行升序排列R₁,R₂,…R_i,…R_S，删除该类中所有DoP_i≥DOP的数据组；其中：

DOP＝1.4706×μ_DoP

式中：μ_DoP为各DoP的均值；

步骤D、将步骤C中进行内部剔除后的每个类中的AP出现的概率根据公式：

$P=\underset{i=1}{\overset{\tilde{S}}{\mathrm{\Σ}}}{c}_i/\underset{i=1}{\overset{\tilde{S}}{\mathrm{\Σ}}}{C}_i$

进行统计；

式中：c_i为该类内一个数据中某一AP的有无，0表示无，1表示有；C_i为该类内一个数据组中AP的个数，为经过第C步后该类中数据组的个数；

步骤四、采用步骤三获得的处理后的数据建立/更新信号覆盖图；

步骤五、用户根据步骤四建立/更新信号覆盖图进行WiFi室外定位。

2.根据权利要求1所述的一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，其特征在于步骤B中数据组采用D₁为预设的角度门限值进行分类后，再通过公式：

max(d_t)≤D₂

进行数据处理，从而将数据组分成M类；

其中S是该类中的数据组总个数；D₂为预设的最大分类门限值。

3.根据权利要求2所述的一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，其特征在于D₂＝3·D₁。

4.根据权利要求1所述的一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，其特征在于步骤二中所述的志愿者终端为同时具有卫星定位功能和WiFi设备且能够将卫星定位结果和WiFi设备所采集的WiFi接收信号强度RSS值上传的移动终端。

5.根据权利要求1所述的一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，其特征在于步骤四中建立/更新信号覆盖图的数据的存储格式为：

R_i＝{G_i,W_i,P_i}

该式中：i＝1,2,…,M，其中P_i为第i类的AP概率表；

G_i＝{lon_j,lat_j,DoP_j},W_i＝{RSS_j,DI_j}

该式中： $j=\mathrm{1,2},\·\·\·,\tilde{S};$

RSS_j＝{RSS₁,RSS₂,…,RSS_k,…,RSS_n}

DI_j＝{DI₁,DI₂,…,DI_k，…,DI_n}

n是第i类第j组数据中AP的个数。

6.根据权利要求1所述的一种卫星辅助信号覆盖图建立/更新的WiFi室外定位方法，其特征在于该方法中卫星辅助信号覆盖图更新的条件为：当Radio Map覆盖区内的AP布局发生添加或移除时，具体更新方法为：

在该AP的有效覆盖范围内进行数据收集，Radio Map服务器对收集到的数据进行整理，然后根据经纬度坐标(lon，lat)对应添加到原Radio Map的各类中，对有数据变更的类进行内部剔除和AP出现概率统计，并根据统计后的数据进行信号覆盖图更新。