CN104144495B - 一种基于方向传感器与wlan网络的指纹定位方法 - Google Patents

Abstract

本发明公开了一种基于方向传感器与WLAN网络的指纹定位方法，在离线阶段通过测量参考点在不同方向接收到的AP的信号强度生成指纹库，在在线阶段利用WLAN终端内设的方向传感器得到终端的方向角，最终利用指纹库中与方向角最接近的方向上接收到的信号强度进行匹配，减小了因方向不同造成的信号强度的差异，由此提高定位的精确度；同时，在定位过程中对人体的遮挡情况进行判断，忽略与人体遮挡区域内AP的信号强度的匹配，减小人体遮挡造成的定位干扰，进一步提高定位精度。

Description

一种基于方向传感器与WLAN网络的指纹定位方法

技术领域

本发明涉及导航定位领域，具体涉及一种基于方向传感器与WLAN网络的指纹定位方法。

背景技术

近年来，基于位置的服务(LBS，LocationBasedServices)被广泛认为是信息产业发展的一个重要趋势，目前，LBS中位置的获取主要是依靠以GPS为主要代表的GNSS系统，GNSS具有定位精度高、全球24小时可用，以及不易受天气等因素影响的优势，但卫星通信系统本身具有信号弱、易受遮挡的先天性不足，这使得GNSS的应用场景大大受限，例如在市区的街道和高架桥下等区域，其定位性能将严重受限，在室内、地下等区域将几乎彻底失效。因此，基于蜂窝移动通信网络、WLAN(WirelessLocalAreaNetwork)网络等方式的定位手段应用而生。

由于WLAN网络具有布网成本低、覆盖广泛和终端普及的特定，因此，基于WLAN网络的定位受到了广泛关注。目前，基于WLAN网络的定位手段主要是基于指纹匹配的技术，这里所说的指纹是指无线网络中无线信号的特征，以WLAN为例，其具体包括接入点(AP，AccessPoint)的ID(如SSID、MAC地址等)、是否加密、所使用的信道号、信号强度等，由于这些信息在空间上具有一定的分布特征，换言之，在不同的位置点具有不同的信号特征，好比不同的人之间具有不同的指纹，因此将这些信号特征信息形象地称为指纹。

指纹定位方法通常分为两个步骤：离线标定阶段和在线定位阶段。离线标定阶段是指预先使用专业测量设备对目标区域按一定的空间密度进行指纹信息的采集，然后根据采集的指纹和采集点的地理坐标数据生成整个区域的指纹数据库；在在线定位阶段，WLAN终端在目标点进行指纹信息测量，然后再将该指纹和指纹数据库进行比对匹配，估计出该目标点的地理位置。

但是，由于WLAN终端的天线方向性、使用者本身遮挡等原因，即便是在相同的位置，在不同方向上测得的指纹强度也有着很大的差异，因此不考虑方向性会导致基于WLAN指纹定位方式的精度较差。

发明内容

有鉴于此，本发明提供了一种基于方向传感器与WLAN网络的指纹定位方法，在传统WLAN指纹定位方法的基础上进一步将方向信息作为一种指纹信息存入指纹库，同时，在定位过程中通过方向性来减小人体遮挡造成的干扰，提高指纹定位的精确度。

本发明的一种基于方向传感器与WLAN网络的指纹定位方法，包括：

步骤1、对定位区域进行网格划分，每个网格点作为一个参考点；

步骤2、利用WLAN终端对每个参考点在不同方向上分别进行指纹采集，采集的指纹信息包括：所述WLAN终端在第i个参考点的第k个方向上所能接收到的第j个接入点的信号强度及该参考点的位置x_i,y_i,z_i，表示为：

${\mathrm{RSSI}}^{i,k}={\mathrm{RSSI}}_1^{i,k},{\mathrm{RSSI}}_2^{i,k},...,{\mathrm{RSSI}}_j^{i,k},...,{\mathrm{RSSI}}_N^{i,k},$ x_i,y_i,z_i；

其中，i＝1,2，...,M,M表示参考点个数；j＝1,2,...,N，N为该定位区域中能接收到的接入点的数量；k＝1,2,...,K，K为选取的参考点的方向个数，其中第k个方向与地磁北极的夹角为k360°/K；

将M个参考点的指纹信息存入指纹库；

步骤3、在待测点利用WLAN终端的方向传感器获得WLAN终端当前的方向角α，即WLAN终端取向与地磁北极的夹角，根据WLAN终端与人体距离及人体宽度获得人体对接入点信号的遮挡角β，然后再根据WLAN终端的当前位置确定人体对接入点的遮挡区域；

步骤4、根据WLAN终端的方位角α，在所述指纹库中每个参考点的K个方向中找到与该方位角α最接近的一个方向，记为方向k′；在所述指纹库中提取每个参考点在所述方向k′上接收到的且位于所述遮挡区域外的接入点的信号强度和参考点位置，作为比对集合；

步骤5、获取当前WLAN终端在待测点接收到的遮挡区域外的接入点信号强度 ${\mathrm{RSSI}}^{\′}={\mathrm{RSSI}}_1^{\mathrm{\α}},{\mathrm{RSSI}}_2^{\mathrm{\α}},...,{\mathrm{RSSI}}_j^{\mathrm{\α}},...,{\mathrm{RSSI}}_{N-m}^{\mathrm{\α}},{\mathrm{RSSI}}_j^{\mathrm{\α}}$ 表示在方向角α上接收到的遮挡区域外的第j个接入点的信号强度，m表示遮挡区域内的接入点个数，N-m表示处于遮挡区域之外的接入点数量；并与所述比对集合中参考点接收的接入点信号强度进行匹配，最后根据匹配结果和参考点位置确定待测点的当前精确位置。

进一步的，在对WLAN终端每一次的定位过程中，在第一次定位时，所述步骤3中的WLAN终端的当前位置通过已有指纹定位方法得到；从第二次定位开始，采用上一次定位中步骤5得到的当前位置信息作为本次定位中步骤3的当前位置或者根据已有指纹定位方法得到。

进一步的所述待测点的当前位置信息的确定方法为：得到所述待测点与所有参考点的欧式距离：

$d_i=\sqrt{\underset{j=1}{\overset{N-m}{\mathrm{\Σ}}}{\mathrm{RSSI}}_j^{\mathrm{\α}}-{{\mathrm{RSSI}}_j^{{i,k}^{\′}}}^2}$

其中，表示WLAN终端在第i个参考点的第k′个方向上所能接收到的第j个接入点的信号强度；

然后根据所述欧式距离采用最临近法NN、K邻近法KNN或加权K邻近法WKNN确定待测点的位置。

本发明具有如下有益效果：

本发明在离线阶段通过测量参考点在不同方向接收到的AP的信号强度生成指纹库，在在线阶段利用WLAN终端内设的方向传感器得到终端的方向角，最终利用指纹库中与方向角最接近的方向上接收到的信号强度进行匹配，减小了因方向不同造成的信号强度的差异，由此提高定位的精确度；同时，在定位过程中对人体的遮挡情况进行判断，忽略与人体遮挡区域内AP的信号强度的匹配，减小人体遮挡造成的定位干扰，进一步提高定位精度。

附图说明

图1为本发明的人体对AP遮挡的示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

首先，对已有典型的基于WLAN的指纹定位方法中的离线采集和在线定位两个过程进行介绍。

离线采集：该过程首先对定位区域进行网格划分，每个网格点称为一个参考点，假设定位区域共被划分为M个参考点；在此基础上，利用WLAN终端对每个参考点进行指纹采集，采集的指纹包括：信号强度值和该参考点的位置，用数学表达式可写为：x_i,y_i,z_i，其中N为该定位区域AP的数量，i为参考点标号，i＝1,2，...,M，RSSI为信号强度值，其中对于不可见的AP(即信号强度很弱，在该参考点不能扫描到)，通常将该项RSSI值设为接收机的灵敏度。通过上述过程，即可生成一个所谓指纹库的数据库，共有M条记录，每条对应于一个参考点，每条记录包括N个信号强度值。

在线阶段：WLAN终端在待测点进行指纹扫描并记录，记为RSSI'＝RSSI₁',RSSI₂',...,RSSI_N'，WLAN终端根据RSSI'和指纹库中的各参考点指纹信息进行匹配，从而完成定位，其基本原理为：将当前获得的指纹RSSI'与指纹库中RSSIⁱ的欧氏距离进行匹配，例如，RSSI'与第i个参考点的欧式距离为：

$d_i=\sqrt{\underset{j\∈S}{\mathrm{\Σ}}{\mathrm{RSSI}}_j^{\′}-{{\mathrm{RSSI}}_j^i}^2},i=\mathrm{1,2},...,M$

其中S为所有AP的集合，设AP的编号分别为1，2，…，N,则这里S＝{1,2,...,N}。

根据该待测点与所有参考点的欧式距离即可进行位置估计：常用算法包括NN(最临近法，NearestNeighbor)、KNN(K邻近法，KNearestNeighbor)和WKNN(加权K邻近法，WeightedKNearestNeighbor)等，其中NN算法是其它算法的基础，该方法在所有的参考点中选取最邻近节点(最邻近节点的选择准则是具有最小欧式距离的参考点)，以最邻近节点的位置作为待测点位置的估计值。KNN算法是在NN算法的基础上选择K个邻近节点，对K个邻近节点的位置进行算术平均来估计待测点的位置。WKNN算法在此基础上对算术平均的方法进行了改进，在位置估计过程中加入了加权因子。

可以看到，传统匹配方法中参与定位的AP是所有AP，本发明将针对该问题，利用方向信息在N个AP中进行优选选择，以提高定位精度。

本发明的核心思想包括两个方面，一是基于方向的指纹信息，二是基于方向信息的人体遮挡规避，下面分别对其进行详细介绍。

在传统的指纹定位方法中，指纹信息的建立及利用并未考虑终端在该参考点的方向性，本发明基于方向传感器，将终端测量指纹时的方向作为指纹的一个要素，对指纹的概念进行了扩展，这里的方向具体是指终端此时的朝向与地磁北极方向的夹角。

反映到实际的应用中，本发明需要在离线的指纹采集阶段针对每个参考点上的不同方向分别进行指纹采集，这里设共包括K个方向，其中第k个方向与北极的夹角为k360°/K,k＝1,2,3,...,K。对于第k个方向上的指纹库建立方法采用传统的方法即可。

通过上述步骤建立的指纹数据库共包括KM条指纹信息，其中每个参考点包括K条指纹信息，每条指纹信息对应于一个方向，例如，对于第i个参考点的第k个方向，其指纹信息可表示为：

${\mathrm{RSSI}}^{i,k}={\mathrm{RSSI}}_1^{i,k},{\mathrm{RSSI}}_2^{i,k},...,{\mathrm{RSSI}}_N^{i,k}$

在线定位阶段，WLAN终端在待测点通过WLAN模块进行指纹采集，并通过方向传感器模块记录当前方向，则WLAN终端记录的在线指纹信息包括信号强度 ${\mathrm{RSSI}}^{\′}={\mathrm{RSSI}}_1^{\mathrm{\α}},{\mathrm{RSSI}}_2^{\mathrm{\α}},...,{\mathrm{RSSI}}_N^{\mathrm{\α}}$ 及方向α，其中，表示在方向角α上接收到的第j个AP的信号强度。

在具体定位过程中，首先从离线指纹库中的K个方向中选择与α最相近的一个方向，记为k'：

在此基础上，如果在指纹库中选择方向为k'的指纹信息RSSI^i,k'i＝1,2,...,N与RSSI'进行匹配，根据现有指纹定位方法则可确定待测点的当前位置信息。由于将与当前WLAN终端的方向角不同的指纹信息滤除，只让WLAN终端在线的指纹信息与指纹库中k'方向的指纹信息进行比对，因此可大大提高定位的精确度。

但是，本发明考虑到WLAN终端的使用者会遮挡部分AP的信号，导致这些AP的信号强度变化较为剧烈，对于这些AP而言，离线阶段与在线阶段的信号强度差异较大，这是导致定位误差的一个重要原因。本发明基于方向传感器对AP是否受到使用者遮挡进行判断，在定位的匹配算法终端对这些AP进行过滤，然后再进行定位，从而减小这些AP的信号对定位造成的影响，该方法的具体步骤是：

根据终端当前的粗位置(由于还没有对WLAN终端进行定位，因此目前不能确定WLAN终端的精确位置，因此，这里的粗位置是指终端的大致位置)、终端朝向，以及AP的具体位置来进行AP划分。如图1所示，根据终端当前的方向角α和遮挡角β即可确定使用者的遮挡区域(图中阴影部分)，其中α由终端的位置传感器获得，β可根据手机与人体距离及人体宽度事先进行估计获得。在此基础上，利用终端当前的粗位置，以及各个AP的位置便可确定哪些AP位于遮挡区域内。

设处于遮挡区域之外的AP集合为S₀，则与传统方式不同，在本发明中定位阶段所采用的AP仅从处于遮挡区域之外的AP集合S_o中进行选取，而在传统方法中，定位是在S中进行的，因此，考虑到人体遮挡问题，欧式距离的计算公式更新为：

$d_i=\sqrt{\underset{j\∈S_o}{\mathrm{\Σ}}{\mathrm{RSSI}}_j^{\mathrm{\α}}-{{\mathrm{RSSI}}_j^{i,k^{\′}}}^2}$

其中,表示WLAN终端在第i个参考点的第k′个方向上所能接收到的第j个AP的信号强度。

需要说明的是，上述粗位置的获得具体为：在对WLAN终端每一次的定位过程中，在第一次定位时WLAN终端的当前粗位置可以通过上文所述的现有指纹定位方法得到；从第二次定位开始，由于已经有了上一次的定位信息，因此，除了使用现有定位方法确定粗位置，还可以把上次定位的位置作为本次定位的粗位置，但这只适用于WLAN终端移动速度较慢时，两次的位置差异不大；但当WLAN终端移动速度较快时，本次位置和上次位置已经有了较大差异，因此不能用上次定位的位置作为本次定位的粗位置，还可以采用现有定位方法获得粗位置。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于方向传感器与WLAN网络的指纹定位方法，其特征在于，包括：

步骤1、对定位区域进行网格划分，每个网格点作为一个参考点；

步骤2、利用WLAN终端对每个参考点在不同方向上分别进行指纹采集，采集的指纹信息包括：所述WLAN终端在第i个参考点的第k个方向上所能接收到的第j个接入点的信号强度及该参考点的位置x_i,y_i,z_i，表示为：

${\mathrm{RSSI}}^{i,k}={\mathrm{RSS}}_1^{i,k},{\mathrm{RSSI}}_2^{i,k},...,{\mathrm{RSS}}_j^{i,k},...,{\mathrm{RSSI}}_N^{i,k},$ x_i,y_i,z_i；

其中，i＝1,2，...,M,M表示参考点个数；j＝1,2,...,N，N为该定位区域中能接收到的接入点的数量；k＝1,2,...,K，K为选取的参考点的方向个数，其中第k个方向与地磁北极的夹角为k360°/K；

将M个参考点的指纹信息存入指纹库；

步骤3、在待测点,利用WLAN终端的方向传感器获得WLAN终端当前的方向角α，即WLAN终端取向与地磁北极的夹角，根据WLAN终端与人体距离及人体宽度获得人体对接入点信号的遮挡角β，然后再根据WLAN终端的当前位置确定人体对接入点的遮挡区域；

步骤4、根据WLAN终端的方位角α，在所述指纹库中每个参考点的K个方向中找到与该方位角α最接近的一个方向，记为方向k′；在所述指纹库中提取每个参考点在所述方向k′上接收到的且位于所述遮挡区域外的接入点的信号强度和参考点坐标，作为更新后的指纹库；

步骤5、获取当前WLAN终端在待测点接收到的遮挡区域外的接入点信号强度 ${\mathrm{RSSI}}^{\′}={\mathrm{RSSI}}_1^{\mathrm{\α}},{\mathrm{RSSI}}_2^{\mathrm{\α}},...,{\mathrm{RSS}}_j^{\mathrm{\α}},...,{\mathrm{RSSI}}_{N-m}^{\mathrm{\α}},$ 表示在方向角α上接收到的遮挡区域外的第j个接入点的信号强度，m表示遮挡区域内的接入点个数，N-m表示处于遮挡区域之外的接入点数量；将所述接入点信号强度RSSI′与更新后的指纹库中参考点接收的接入点信号强度进行匹配，最后根据匹配结果确定待测点的当前位置。

2.如权利要求1所述的一种基于方向传感器与WLAN网络的指纹定位方法，其特征在于，在步骤1至步骤5记载的对WLAN终端每一次的定位过程中，在第一次定位时，所述步骤3中的WLAN终端的当前位置通过已有指纹定位方法得到；从第二次定位开始，采用所述上一次定位中步骤5得到的当前位置信息作为本次定位中步骤3的当前位置或者根据已有指纹定位方法得到。

3.如权利要求1或2所述的一种基于方向传感器与WLAN网络的指纹定位方法，其特征在于，所述待测点的当前位置信息的确定方法为：得到所述待测点与所有参考点的欧式距离：

$d_i=\sqrt{\underset{j=1}{\overset{N-m}{\Σ}}{\mathrm{RSSI}}_j^{\mathrm{\α}}-{{\mathrm{RSSI}}_j^{i,k^{\′}}}^2}$

其中，表示WLAN终端在第i个参考点的第k′个方向上所能接收到的第j个接入点的信号强度；

然后根据所述欧式距离采用NN、KNN或WKNN确定待测点的位置。