CN104066058B - 一种基于双套指纹叠加的wlan室内定位方法 - Google Patents

Abstract

一种基于双套指纹叠加的WLAN室内定位方法，属于无线通信的技术领域，是对对无线局域网环境下的室内人员/资产进行定位的方法。该方法在离线阶段首先采集参考点的信号特征，建立第一套RSS指纹数据库；然后平移第一套指纹数据库中全部参考点的位置坐标，使两套指纹交错叠加在一起，再采集平移后的参考点的信号特征，建立第二套RSS指纹数据库。在线定位阶段，先分别判定待定位点在两套指纹地图中的网格位置，利用网格中心点坐标取均值进行定位；若局部定位环境不理想，还可采用交叉筛选指纹的方式选出最优的一套指纹进行定位，有效减弱个别异常指纹对定位计算造成的影响。本发明简单易行，定位精度高。

Description

一种基于双套指纹叠加的WLAN室内定位方法

技术领域

本发明属于无线通信的技术领域，本发明是一种基于双套指纹叠加的WLAN室内定位方法，适用于无线局域网环境下的室内人员/资产定位。

背景技术

随着物联网的兴起和快速发展，基于位置的服务应用越来越广泛，基于位置的服务要求定位系统提供准确、实时、可靠的位置信息。因此，充分利用现有的无线局域网络(Wireless Local Area Networks，WLAN)，以较低的成本提供室内环境下的精确的位置信息，具有重要的现实意义。

目前室内定位方法中应用最普遍的是位置指纹法，该方法将参考点RP(ReferencePoint)从无线接入点AP(Access Point)中测得的信号强度RSS(Received SignalStrength)作为指纹特性与地理空间相匹配，无需增加额外硬件，简单易行，定位精度较高。位置指纹法共分为离线阶段和在线阶段两个步骤，主要包括最近邻法、K近邻法和概率法。其中K近邻法(KNN，K Nearest Neighbors)在算法复杂度和定位精度上具有一定优势，然而RSS易受多径、绕射、衍射、人员走动等干扰因素影响，使经过KNN算法计算出的个别候选参考点远离真实待定位点，会对定位精度造成一定影响。

传统的基于RSS位置指纹定位法在离线阶段均采用建立单套指纹的方法，在室内定位区域中间隔一定距离均匀设置参考点并采集RSS，在线阶段需要以遍历的方式去匹配位置指纹地图中的指纹信息。理论上定位精度随着参考点密度增大而获得提升，由于离线阶段需要人工参与建立指纹库，为了获得较高的定位精度，离线工作量也会随之增大，这会使时间成本迅速提高。

专利名称：基于近邻点数优化的WLAN室内KNN定位方法，专利申请号：201010154412.2，年份2010年，公开了一种基于近邻点数优化的WLAN室内KNN定位方法，该方法解决了现有的WLAN室内KNN定位方法中，因近邻点数选取不当所导致的定位精度恶化的问题，然而该方法在离线阶段将目标区域划分成均匀的网格，需要人工采集每一个参考点的RSS，离线工作量很大。

专利名称：基于分区信息熵增益的WLAN室内定位方法，专利申请号：201210329662.4，年份：2012年，公开了一种基于分区信息熵增益的WLAN室内定位方法，该方法通过利用K均值聚类算法将定位空间分区来减少定位所需的运算量并通过筛选AP来提高定位精度，为了减小系统误差，提高参考点密度，然而该方法在离线阶段将目标区域划分成间隔1米的均匀网格，需要人工采集每一个参考点的RSS，离线工作量很大。

专利名称：基于分类阈值及信号强度权重的室内定位方法，专利申请号：201310155441.4，年份2013年，公开了一种基于分类阈值及信号强度权重的室内定位方法，该方法通过根据路径损耗特征对参考点分类来确定匹配阈值并以参考点信号强度作为权重参与K近邻加权，可减小室内环境干扰造成RSS随机抖动的影响，削弱乃至消除被严重干扰的参考点的影响，较为准确地实现室内定位，然而该方法在离线阶段将目标区域划分成间隔1.5米的均匀网格，需要人工采集每一个参考点的RSS，离线工作量很大。

针对上述背景内容，研究一种简单易行、离线工作量大大降低且定位精度仍能保证较高水平的位置指纹定位算法，对WLAN室内定位具有重要意义。

发明内容

本发明的目的是为了改进现有位置指纹定位算法，提供一种基于双套指纹叠加的WLAN室内定位方法，既能提升定位精度，减弱RSS受多径、绕射、衍射、人员走动等干扰因素对定位造成的影响，又能大大降低离线阶段指纹建库的工作量，简单易行，从而为实现室内精确定位具有重要的应用价值。

本发明提供的技术方案包括如下步骤：

A、将待定位区域划分成均匀网格，每一个网格的边长为l，单套指纹共m个参考节点，将网格的顶点作为参考点的位置并接收来自n个AP的RSS值，构建第一套RSS指纹地图；

B、平移第一套指纹地图中的全部m个参考点，构建第二套RSS指纹地图，并结合两套指纹地图构建直角坐标系；

C、在线定位阶段，根据待定位点的实时RSS值，分别判定其所在第一套指纹及第二套指纹中的位置，并将其所属网格作为该套指纹的候选网格；

D、分别选出两套指纹地图中的候选网格，根据特定算法确定待定位点的位置。

所述步骤A为：

A1、将每个参考点接收到的k次来自每一个AP的信号强度RSS值构成一个n×k矩阵，该矩阵的第i行和第j列分别表示来自第i个AP第j次测量的RSS值，其中，i≤n,j≤k。

A2、分别对所有参考点的n×k矩阵的各列求和再取平均值，将其值保存在矩阵中，令其中m表示参考点的总数，n表示AP的总数。

所述步骤B为：

B1、先将第一套指纹水平向右平移l/2距离，再水平向下平移l/2距离，同样将网格的顶点作为参考点的位置并接收来自n个AP的RSS值，将其值存在信号强度RSS矩阵中，具体方法见A1。

B2、构建第二套指纹地图的矩阵，具体方法见A2。

B3、将第二套指纹的最下边作为x轴，取向右为正方向，将第一套指纹的最左边作为y轴，取向上为正方向，分别将两套指纹中每个网格的中心点坐标与其在指纹地图中的位置编号一一对应存入两个不同的GC矩阵中，令其中i表示指纹地图中参考网格的行总数，j表示指纹地图中参考网格的列总数，(x,y)表示网格的中心点坐标。

分别将两套指纹中每个参考点的坐标存入两个不同的RP矩阵中，令其中i表示指纹地图中参考点的行总数，j表示指纹地图中参考点的列总数，(x,y)表示参考点的坐标。

所述步骤C为：

C1、待定位点的实时RSS采样次数为N，将其平均信号强度值作为该点的实时RSS值，分别计算实时RSS与两套指纹地图中各个参考点的值之间的欧氏距离，利用如下公式：

其中，D_i表示实时RSS到第D_i个参考点之间的欧式距离值，i＝1，2，……，m，m为参考点总数，j＝1，2，……，n，n为AP总数。

C2、在其中的一套指纹中，找到最小的前四个欧氏距离D值，并找到其对应的参考点坐标，先取出前三个最小的欧氏距离所对应的参考点坐标，判断其中任意两个参考点的横、纵坐标的差值Δx和Δy是否满足区域判定条件(0≤Δx≤2l∩0≤Δy≤2l，l表示网格的边长)。

若满足上述条件，则通过如下公式计算权重指标：

其中，i＝1，2，3；k＝1，2，3。

通过如下公式计算待定位点在该套指纹中的平均坐标：

其中，i＝1，2，3。

在指纹地图中判断待定位点属于哪一个网格，用如下公式：

其中，d_ij表示待定位点与指纹地图中任意网格中点坐标的距离，表示待定位点在该套指纹地图中的坐标，(x_ij,y_ij)表示指纹地图中网格中心点坐标，i＝1，2，……，j＝1，2，……。

选取最小的d_ij值所对应的坐标即为待定位点所在指纹地图中的网格中心点坐标，将该网格作为待定位点在该套指纹中的候选网格。

C3、若不满足上述条件，则选取最小的前四个欧氏距离D值所对应的参考点坐标，计算这四个参考点的平均坐标，用下述公式表示：

分别计算这四个参考点与其平均坐标值之间的距离dis_i，用下述公式表示：

将dis_i中的最大值所对应的坐标剔除掉，利用其余的三个坐标值先判断条件，若满足条件，则计算权重指标ω_i，计算待定位点坐标并找到其在指纹地图中的网格，具体步骤见C2；

若仍然不满足条件，则认为待定位点在该套指纹地图中无法通过参考点聚类的方法精确定位，定位误差较大，即真实的网格位置无法判定，此时选取待定位点在该套指纹地图中最小的前两个欧氏距离值所对应的坐标。

所述步骤D为：

D1、若两套指纹地图中均存在候选网格，则用两个候选网格的中心点坐标取平均值作为待定位点坐标。

D2、若两套指纹地图中仅存在一个候选网格，则用判断该网格成立的前三个最小欧氏距离点所对应的坐标取平均值作为待定位点坐标。

D3、若两套指纹地图中均不存在候选网格，则取各自指纹地图中与待定位点最近的前两个参考点，计算这四个点的平均值作为待定位点坐标。

本发明的有益效果：

(1)采用双套指纹地图叠加定位，理论上可将待定位点所在区域面积缩小四分之三，平均定位误差下降，定位精度获得提升；

(2)使用网格边长为l的双套指纹地图叠加定位，相比网格边长为l/2的单套指纹具有相当的定位精度，却能使离线阶段选取参考点的数量下降50％，大大节约时间成本；

(3)在复杂的室内条件下，若局部定位环境不理想，还可采用交叉筛选指纹的方式选出最优的一套指纹进行定位，有效减弱个别异常指纹对定位计算造成的影响。

附图说明

图1双套指纹叠加算法流程示意图。

图2实例中实验环境全景示意图。

图3双套指纹叠加示意图。

具体实施方式

下面结合具体实施例和附图详细阐述本发明，该实施例的实施平台为Windows XP操作系统，采用戴尔笔记本电脑InspironN4110的无线网卡Wireless-N1030采集信号强度，双套指纹叠加定位算法流程示意图见图1。

A、将待定位区域划分成均匀网格，设每一个网格的边长为l＝1.2m，共24个参考节点，将网格的顶点作为参考点的位置并接收来自6个AP的RSS值，构建第一套RSS指纹地图，实验全景见图2，其中，黄色网格区域为定位区域，实验共架设6个AP，SSID名称分别为MMCL1-6，工作在1、6、11这三个不同信道中，SSID名称为DLUT的为场地自有AP，所有实验均在27.6×1.8m²区域中进行；

A1、将每个参考点接收到的50次来自每一个AP的信号强度RSS值构成一个6×50矩阵，采样频率为1次/秒，将其值存在信号强度RSS矩阵中。

A2、分别对所有参考点的6×50矩阵的各列求和再取平均值，将其值保存在矩阵中。

B、平移第一套指纹地图中的全部24个参考点，构建第二套RSS指纹地图，并结合两套指纹地图构建直角坐标系，见图3；

B1、先将第一套指纹水平向右平移0.6m，再水平向下平移0.6m距离，同样将网格的顶点作为参考点的位置并接收来自6个AP的RSS值，将其值存在信号强度RSS矩阵中。

B2、构建第二套指纹地图的矩阵。

B3、将第二套指纹的最下边作为x轴，取向右为正方向，将第一套指纹的最左边作为y轴，取向上为正方向，分别将两套指纹中每个网格的中心点坐标分别存入两个不同的GC矩阵中。

分别将两套指纹中每个参考点的坐标存入两个不同的RP矩阵中，两套指纹地图中每个参考点的位置编号在直角坐标系中的具体位置见图3。

C、在线定位阶段，根据待定位点的实时RSS值，分别判定其所在第一套指纹及第二套指纹中的位置，并将其所属网格作为该套指纹的候选网格；

C1、待定位点的坐标为(x,y)，实时RSS采样次数为5次，将其平均信号强度值作为该点的实时RSS值，利用公式(1)分别计算实时RSS与两套指纹地图中各个参考点的值之间的欧氏距离。

C2、在第一套指纹中，找到最小的前三个欧氏距离D₁、D₂和D₃值，并找到其对应的参考点坐标(x₁,y₁)、(x₂,y₂)和(x₃,y₃)，判断这三个参考点坐标中任意两个参考点的横、纵坐标的差值Δx和Δy是否满足区域判定条件(0≤Δx≤2l∩0≤Δy≤2l，l表示网格的边长)。

若满足上述条件，则通过公式(2)分别计算这三个参考点的权重指标：ω₁、ω₂和ω₃，并将这三个权重值带入公式(3)计算待定位点在该套指纹中的平均坐标然后通过公式(4)分别计算该平均坐标与指纹地图中的各个网格中心点坐标的距离，最后选取最小距离点所对应的网格中心点坐标并将该网格作为待定位点在该套指纹中的候选网格。

C3、若不满足上述区域判定条件，则选取最小的前四个欧氏距离D₁、D₂、D₃和D₄值所对应的参考点坐标(x₁,y₁)、(x₂,y₂)、(x₃,y₃)和(x₄,y₄)，利用公式(5)计算这四个参考点的平均坐标然后将该平均坐标代入公式(6)，分别计算这四个参考点与其平均坐标值之间的距离dis_i，将dis_i中的最大值所对应的坐标剔除掉，利用其余的三个坐标值先判断条件，若满足区域判定条件，则计算权重指标ω_i，确定待定位点坐标并找到其在指纹地图中的网格，具体步骤见C2；

若仍然不满足区域判定条件，则认为待定位点在该套指纹地图中无法通过参考点聚类的方法精确定位，定位误差较大，即真实的网格位置无法判定，此时选取待定位点在该套指纹地图中最小的前两个欧氏距离值所对应的坐标。

D、分别选出两套指纹地图中的候选网格，根据特定算法确定待定位点的位置。

D1、若两套指纹地图中均存在候选网格，则用两个候选网格的中心点坐标取平均值作为待定位点坐标。

D2、若两套指纹地图中仅存在一个候选网格，则用判断该网格成立的前三个最小欧氏距离点所对应的坐标取平均值作为待定位点坐标。

D3、若两套指纹地图中均不存在候选网格，则取各自指纹地图中与待定位点最近的前两个参考点，计算这四个点的平均值作为待定位点坐标。

在本实验环境下，应用本发明，得到的室内平均定位误差为0.95m。

Claims (1)

1.一种基于双套指纹叠加的WLAN室内定位方法，其特征在于以下步骤：

A、将待定位区域划分成均匀网格，每一个网格的边长为l，单套指纹共m个参考节点，将网格的顶点作为参考点的位置并接收来自n个参考点AP的信号强度RSS值，构建第一套RSS指纹地图；

B、平移第一套指纹地图中的全部m个参考点，构建第二套RSS指纹地图，并结合两套指纹地图构建直角坐标系；具体如下：

(1)先将第一套指纹水平向右平移l/2距离，再水平向下平移l/2距离，同样将网格的顶点作为参考点的位置并接收来自n个AP的RSS值，将其值存在信号强度RSS矩阵中；

(2)构建第二套指纹地图的矩阵，令其中m表示参考点的总数，n表示AP的总数；

(3)将第二套指纹的最下边作为x轴，取向右为正方向，将第一套指纹的最左边作为y轴，取向上为正方向，分别将两套指纹中每个网格的中心点坐标与其在指纹地图中的位置编号一一对应存入两个不同的GC矩阵中，令其中i表示指纹地图中参考网格的行总数，j表示指纹地图中参考网格的列总数，(x,y)表示网格的中心点坐标；

分别将两套指纹中每个参考点的坐标存入两个不同的RP矩阵中，令其中，i表示指纹地图中参考点的行总数，j表示指纹地图中参考点的列总数，(x,y)表示参考点的坐标；

C、在线定位阶段，根据待定位点的实时RSS值，分别判定其所在第一套指纹及第二套指纹中的网格位置，并将其所属网格作为该套指纹的候选网格；

具体如下：

(1)待定位点的实时RSS采样次数为N，将其平均信号强度值作为该点的实时RSS值，分别计算实时RSS与两套指纹地图中各个参考点的值之间的欧氏距离，利用如下公式：

$D_i=\sqrt{\underset{j=1}{\overset{n}{\Σ}}{({\mathrm{RSS}}_j-\stackrel{\‾}{{\mathrm{RSS}}_{ij}})}^2}$

其中，D_i表示实时RSS到第D_i个参考点之间的欧式距离值，i＝1，2，……，m，m为参考点总数，j＝1，2，……，n，n为AP总数；

(2)在其中的一套指纹中，找到最小的前四个欧氏距离D值，并找到其对应的参考点坐标，先取出前三个最小的欧氏距离所对应的参考点坐标，判断其中任意两个参考点的横、纵坐标的差值Δx和Δy是否满足区域判定条件0≤Δx≤2l∩0≤Δy≤2l，l表示网格的边长；

若满足上述条件，则通过如下公式计算权重指标：

${\mathrm{\ω}}_i=\frac{D_i^2}{\underset{k=1}{\overset{3}{\Σ}}{D}_k^2}$

其中，i＝1，2，3；k＝1，2，3；

通过如下公式计算待定位点在该套指纹中的平均坐标：

$(\stackrel{\‾}{x},\stackrel{\‾}{y})=\underset{i=1}{\overset{3}{\Σ}}{\mathrm{\ω}}_i(x_i,y_i)$

其中，i＝1，2，3；

在指纹地图中判断待定位点属于哪一个网格，用如下公式：

$d_{i_j}=\sqrt{{(\stackrel{\‾}{x}-x_{i_j})}^2+{(\stackrel{\‾}{y}-y_{i_j})}^2}$

其中，d_ij表示待定位点与指纹地图中任意网格中点坐标的距离，表示待定位点在该套指纹地图中的坐标，(x_ij,y_ij)表示指纹地图中网格中心点坐标，i＝1，2，……，j＝1，2，……；

选取最小的d_ij值所对应的坐标即为待定位点所在指纹地图中的网格中心点坐标，将该网格作为待定位点在该套指纹中的候选网格；

(3)若不满足上述条件，则选取最小的前四个欧氏距离D值所对应的参考点坐标，计算这四个参考点的平均坐标，用下述公式表示：

$(\stackrel{\‾}{x},\stackrel{\‾}{y})=\frac{1}{4}\underset{i=1}{\overset{4}{\Σ}}(x_i,y_i)$

分别计算这四个参考点与其平均坐标值之间的距离dis_i，用下述公式表示：

${\mathrm{dis}}_i=\sqrt{{(x_i-\stackrel{\‾}{x})}^2+{(y_i-\stackrel{\‾}{y})}^2}$

将dis_i中的最大值所对应的坐标剔除掉，利用其余的三个坐标值先判断条件，若满足条件，则计算权重指标ω_i，计算待定位点坐标并找到其在指纹地图中的网格，具体步骤见C(2)；

若仍然不满足条件，则认为待定位点在该套指纹地图中无法通过参考点聚类的方法精确定位，定位误差较大，即真实的网格位置无法判定，此时选取待定位点在该套指纹地图中最小的前两个欧氏距离值所对应的坐标；

D、分别选出两套指纹地图中的候选网格，根据特定算法确定待定位点的位置；具体如下：

(1)若两套指纹地图中均存在候选网格，则用两个候选网格的中心点坐标取平均值作为待定位点坐标；

(2)若两套指纹地图中仅存在一个候选网格，则用判断该网格成立的前三个最小欧氏距离点所对应的坐标取平均值作为待定位点坐标；

(3)若两套指纹地图中均不存在候选网格，则取各自指纹地图中与待定位点最近的前两个参考点，计算这四个点的平均值作为待定位点坐标。