CN104215990A - 一种基于无线网络单节点的辅助gps定位方法和系统 - Google Patents

Abstract

本发明提供了一种基于无线网络单节点的辅助GPS定位方法和系统，所述方法包括：获取移动终端当前时刻的数据和前一时刻的定位结果；解析获取的数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果，并计算无线定位结果；搜索无线节点覆盖范围内的路径集合；根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置。通过预测位置、无线测距以及GPS定位，获取观察结果；并通过路径搜索得到约束条件；本发明基于极大似然估计的原理，融合了无线定位和GPS定位的结果；只需一个节点辅助定位，即可大幅度降低定位误差，提升定位精度，有效减少了无线节点数量，降低了自组无线网络进行定位的成本。

Description

一种基于无线网络单节点的辅助GPS定位方法和系统

技术领域

本发明属于无线定位技术领域，尤其涉及一种基于无线网络单节点的辅助GPS定位方法及系统。

背景技术

随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大。全球卫星定位系统(GPS)是目前应用最为广泛的定位技术，在全球范围内已经得到广泛的应用，在现代社会中起着十分重要的作用。但传统的GPS定位技术受定位时间、气象、复杂环境或室内环境等条件的限制，存在定位精度有限或者无法定位的不足。

另外还有一些无线定位技术，比如蜂窝网络(比如A-GPS)定位技术、射频识别(RFID)定位技术、无线局域网络(WLAN)定位技术。通过构建相对坐标已知的无线节点网络，采用三角定位方法，分别测量这些节点(大于或等于3个)与移动节点之间的相对距离，解算出移动节点的相对位置。

当前比较流行的Wi-Fi定位是无线局域网络系列标准(IEEE802.11)的一种定位解决方案，采用经验测试和信号路径损耗传输模型相结合的方式实现移动节点的定位，具有成本低、灵活、可移动等优点，但是容易受到环境或者其他信号的干扰。使用单个无线节点进行Wi-Fi定位，其误差大约为30m。Wi-Fi定位要实现比较精确的精度，至少需要3个无线节点。而Wi-Fi的有效覆盖半径一般在90m左右，这导致自组Wi-Fi网络进行定位的成本极高。

发明内容

本发明的目的在于提供基于无线网络单节点的辅助GPS定位方法及装置，以解决现有技术中，无线网络定位至少需要三个节点才能实现比较精确的定位精度，导致自组无线网络进行定位具有较高成本的问题。

为了实现上述目的，本发明提供了一种基于无线网络单节点的辅助GPS定位方法，该方法包括：

获取移动终端当前时刻的GPS定位数据、连接的无线节点数据、运动数据和前一时刻的定位结果；

解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果；

根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果；

根据连接的无线节点GPS位置，搜索无线节点覆盖范围内的路径，得到路径集合；

根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果。

进一步的，所述根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果，包括：

构建似然函数L^t(x,y)，根据公式

$\left\{\begin{array}{c}{\max }_{(x,y)}{L}^t(x,y)=f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)f_{p_{\mathrm{lon}}^t}\left(x\right)f_{p_{\mathrm{lat}}^t}\left(y\right)\\ s.t.f(x,y)=0\end{array}\right.$ 计算约束条件下似然函数L^t(x,y)达到最大值的最大似然位置，作为当前时刻的定位结果；

其中，t表示当前定位的时刻；是无线定位结果的概率密度函数，服从正态分布；是GPS定位结果中经度的概率密度函数，是GPS定位结果中纬度的概率密度函数，服从正态分布；f(x,y)＝0是路径集合，作为约束条件。

进一步的，所述根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果，包括：

根据前一时刻的定位结果和当前时刻的运动数据，计算移动终端当前时刻的预测位置；

根据前一时刻的定位结果和当前时刻的预测位置，通过公式

$\left\{\begin{array}{c}{\mathrm{\μ}}_{{\mathrm{\θ}}^t}=\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)\\ {\mathrm{\σ}}_{{\mathrm{\θ}}^t}=(\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)-\arctan (y_{\mathrm{AF}}^{t-1}/x_{\mathrm{AF}}^{t-1}))/3\end{array}\right.$ 计算当前时刻的预测角度信息服从正态分布

其中，t表示当前定位时刻，t-1表示前一定位时刻，是当前时刻的预测位置的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差；

根据当前时刻的预测角度信息和无线定位距离，得到无线定位结果如下：

无线定位结果的极坐标为

概率密度函数 $f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}\sqrt{x^2+y^2}}{e}^{-\frac{{(\sqrt{x^2+y^2}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\arctan \frac{y}{x}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

其中，为无线定位距离，服从正态分布 为测距结果，为测距误差。

进一步的，所述基于无线网络单节点的辅助GPS定位方法还包括：

对前一时刻的定位结果、当前时刻的预测位置和最大似然位置进行卡尔曼滤波，得到当前时刻的优化定位结果：

构建卡尔曼滤波器如下：

$x_{\mathrm{AF}}^t={\mathrm{KG}}^t{x}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)x_{\mathrm{ML}}^t,y_{\mathrm{AF}}^t={\mathrm{KG}}^t{y}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)y_{\mathrm{ML}}^t$

${\mathrm{KG}}^t=\sqrt{\frac{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2}{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2+{\left({\mathrm{\σ}}_{\mathrm{ML}}^t\right)}^2}}$

${\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t=\sqrt{{\left({\mathrm{\σ}}_{\mathrm{AF}}^{t-1}\right)}^2+{\mathrm{\σ}}_{\mathrm{est}}^2},{\mathrm{\σ}}_{\mathrm{AF}}^t=\sqrt{1-{\mathrm{KG}}^t}{\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t$

${\mathrm{\σ}}_{\mathrm{ML}}^t=\sqrt{{\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}[{(x-{\stackrel{\‾}{x}}_{\mathrm{ML}}^t)}^2+{(y-{\stackrel{\‾}{y}}_{\mathrm{ML}}^t)}^2]L^t(x,y)\mathrm{dxdy}}$

${\stackrel{\‾}{x}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}x{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dydx},{\stackrel{\‾}{y}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}y{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dxdy}$

其中，是当前时刻的优化定位结果的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是当前时刻的预测位置的横坐标、纵坐标，是最大似然位置的横坐标、纵坐标；σ_est是移动终端基于运动参数估计的预测位置的标准差，是前一时刻的定位结果的标准差，是当前时刻优化定位结果的标准差；L^t(x,y)是似然函数。

进一步的，所述连接的无线节点数据，包括无线节点的信号强度RSS、IP地址和/或mac地址；

所述解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果，包括：

根据连接的无线节点的IP地址和/或mac地址，查询预存的无线网络节点数据库，得到连接的无线节点GPS位置，再根据连接的无线节点GPS位置和无线节点的信号强度RSS，从所述预存的无线网络节点数据库中得到无线定位距离；所述预存的无线网络节点数据库，包括预先测定无线网络节点的GPS数据、信号强度RSS与距离对应的数据模型；

以连接的无线节点GPS位置为原点，以正东方向为x轴正方向建立直角坐标系；

将GPS定位数据解析到建立的坐标系中，得到GPS定位结果。

本发明还提供了一种基于无线网络单节点的辅助GPS定位系统，包括：

数据获取单元，用于获取移动终端当前时刻的GPS定位数据、连接的无线节点数据、运动数据和前一时刻的定位结果；

数据解析单元，用于解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果；

无线定位计算单元，用于根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果；

路径搜索单元，用于根据连接的无线节点GPS位置，搜索无线节点覆盖范围内的路径，得到路径集合；

极大似然估计单元，用于根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果。

进一步的，所述极大似然估计单元，具体用于构建似然函数，根据公式

$\left\{\begin{array}{c}\underset{(x,y)}{\max }{L}^t(x,y)=f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)f_{p_{\mathrm{lon}}^t}\left(x\right)f_{p_{\mathrm{lat}}^t}\left(y\right)\\ s.t.f(x,y)=0\end{array}\right.$

计算约束条件下似然函数L^t(x,y)达到最大值的最大似然位置，作为当前时刻的定位结果；

其中，L^t(x,y)表示似然函数；t表示当前定位的时刻；是无线定位结果的概率密度函数，服从正态分布；是GPS定位结果中经度的概率密度函数，是GPS定位结果中纬度的概率密度函数，服从正态分布；f(x,y)＝0是路径集合，作为约束条件。

进一步的，所述无线定位计算单元，具体用于：

根据前一时刻的定位结果和当前时刻的运动数据，计算移动终端当前时刻的预测位置；

根据前一时刻的定位结果和当前时刻的预测位置，通过公式

$\left\{\begin{array}{c}{\mathrm{\μ}}_{{\mathrm{\θ}}^t}=\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)\\ {\mathrm{\σ}}_{{\mathrm{\θ}}^t}=(\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)-\arctan (y_{\mathrm{AF}}^{t-1}/x_{\mathrm{AF}}^{t-1}))/3\end{array}\right.$ 计算当前时刻的预测角度信息服从正态分布

其中，t表示当前定位时刻，t-1表示前一定位时刻，是当前时刻的预测位置的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差；

根据当前时刻的预测角度信息和无线定位距离，得到无线定位结果如下：

无线定位结果的极坐标为

概率密度函数 $f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}\sqrt{x^2+y^2}}{e}^{-\frac{{(\sqrt{x^2+y^2}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\arctan \frac{y}{x}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

其中，为无线定位距离，服从正态分布 为测距结果，为测距误差。

进一步的，所述基于无线网络单节点的辅助GPS定位系统，还包括：

卡尔曼滤波单元，用于对前一时刻的定位结果、当前时刻的预测位置和最大似然位置进行卡尔曼滤波，得到当前时刻的优化定位结果：

构建卡尔曼滤波器如下：

$x_{\mathrm{AF}}^t={\mathrm{KG}}^t{x}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)x_{\mathrm{ML}}^t,y_{\mathrm{AF}}^t={\mathrm{KG}}^t{y}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)y_{\mathrm{ML}}^t$

${\mathrm{KG}}^t=\sqrt{\frac{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2}{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2+{\left({\mathrm{\σ}}_{\mathrm{ML}}^t\right)}^2}}$

${\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t=\sqrt{{\left({\mathrm{\σ}}_{\mathrm{AF}}^{t-1}\right)}^2+{\mathrm{\σ}}_{\mathrm{est}}^2},{\mathrm{\σ}}_{\mathrm{AF}}^t=\sqrt{1-{\mathrm{KG}}^t}{\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t$

${\mathrm{\σ}}_{\mathrm{ML}}^t=\sqrt{{\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}[{(x-{\stackrel{\‾}{x}}_{\mathrm{ML}}^t)}^2+{(y-{\stackrel{\‾}{y}}_{\mathrm{ML}}^t)}^2]L^t(x,y)\mathrm{dxdy}}$

${\stackrel{\‾}{x}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}x{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dydx},{\stackrel{\‾}{y}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}y{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dxdy}$

其中，是当前时刻的优化定位结果的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是当前时刻的预测位置的横坐标、纵坐标，是最大似然位置的横坐标、纵坐标；σ_est是移动终端基于运动参数估计的预测位置的标准差，是前一时刻的定位结果的标准差，是当前时刻优化定位结果的标准差；L^t(x,y)是似然函数。

进一步的，所述数据解析单元包括：

无线网络节点数据库模块，用于存储预先测定的无线网络节点的GPS数据、信号强度RSS与距离对应的数据模型；

数据查询模块，用于根据无线节点的IP地址和/或mac地址，查询预存的无线网络节点数据库，得到连接的无线节点GPS位置，再根据连接的无线节点GPS位置和无线节点的信号强度RSS，从所述预存的无线网络节点数据库中得到无线定位距离；

坐标系建立模块，用于以连接的无线节点GPS位置为原点，以正东方向为x轴正方向建立直角坐标系；

GPS定位结果模块，用于将GPS定位数据解析到建立的坐标系中，得到GPS定位结果。

本发明至少具有以下有益效果：通过对移动终端的位置的预测、无线测距以及GPS定位，获取足够的状态观察结果；并通过路径搜索的方式，得到极大似然估计的约束条件；在前述基础上，进行极大似然估计，得到最大似然位置，作为的定位结果。本发明，只需要一个无线节点(AP接入点)，在GPS定位误差10-25m、无线定位误差20-50m的情况下，可降低定位误差至2-5m，大幅度地降低了定位误差，提升了定位精度；在满足覆盖广、精度高的定位效果的同时，有效减小了无线节点(AP接入点)的个数，降低了自组无线网络进行定位的成本。

此外，本发明进一步的结合了极大似然估计和卡尔曼滤波算法，可以实现对定位数据、结果的实时的更新和处理，在有效利用已有数据的同时，减少了可能存在的误差传播，有效地消除了随机干扰，提高了定位的精度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是实施例一的定位方法的一种方法流程图；

图2是实施例一的解析移动终端当前时刻数据的一种方法流程图；

图3是实施例一建立的坐标系及定位示意图；

图4是实施例一的定位方法的另一种方法流程图；

图5是实施例二的定位系统的一种结构示意图；

图6是实施例二中的数据获取单元的结构示意图；

图7是实施例二中的数据解析单元的结构示意图；

图8是实施例二的定位系统的另一种结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。

实施例一

如图1所示，本发明的基于无线网络单节点的辅助GPS定位方法，包括以下步骤：

S100：获取移动终端当前时刻的GPS定位数据、连接的无线节点数据、运动数据和前一时刻的定位结果。

通过在移动终端上设置GPS模块、无线传输模块、运动数据采集模块等模块，获取移动终端当前时刻的运动数据、GPS定位数据和连接的无线节点数据。定位的时间间隔，需在实时定位精度需求与处理系统资源之间权衡，可以根据实际情况进行调整。从1秒到10秒，甚至更长的时间间隔也是允许的。为了实现较高的定位精度，可以将定位的时间间隔限定为1秒。

其中，GPS数据是当前时刻GPS模块定位的数据，包括经度、纬度数据。

连接的无线节点数据，是指移动终端的无线传输模块在当前时刻连接的无线网络的节点的信息。无线网络，可以是无线局域网络，比如基于IEEE802.11标准的Wi-Fi网络；也可以是蜂窝网络、ZigBee网络。连接的无线节点数据包括无线节点的mac地址或者IP地址、信号强度RSS等。其中，信号强度RSS也可以替换成其他可以用于无线测距的数据，比如基于TDOA(Time Difference of Arrival)方法的射频信号和超声波信号的收到时间差，基于TOA(Time of Arrival)方法的信号传播时间，或者基于AOA(Angle of Arrival)的多个接收器收到信号的到达方向等。

本实施例中，使用Wi-Fi网络，采用支持Wi-Fi的网卡。连接的无线节点的数据包括，Wi-Fi网络节点的mac地址、信号强度RSS。使用信号强度RSS进行定位，无需对网卡进行改造。无线节点上也可以设置GPS模块，使得连接的无线节点数据还可以包括无线节点的GPS数据。

运动数据，是通过设置在移动终端上的运动数据采集模块，比如MEMS惯性传感器——陀螺仪、加速度计、磁强计等，获得的移动终端的线速度、加速度、角速度、方位角等数据。当前时刻的运动数据包括了前一时刻至当前时刻时间段内的运动数据，用于预测移动终端当前时刻的位置。

上述的运动数据、GPS定位数据和连接的无线节点数据可以分别获取、传输，也可以打包一起传输。如果没有获取到相关数据，可以“00”替代。本实施例中，上述三类数据加工成一定格式的数据包：#(开始符)+GPS经度+‘’+GPS纬度+‘’+mac(AP)+‘’+RSS+‘’+$(结束符)。当然，也可以采用其他格式。

读取存储的移动终端前一时刻的定位结果。如果是初始时刻，可以将GPS定位结果作为前一时刻的定位结果。

S200：解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果。

解析步骤S100得到的数据包，提取当前时刻的GPS定位数据和连接的无线节点的数据。GPS定位数据包括经度数据和纬度数据，连接的无线节点的数据包括无线节点的mac地址(也可以是IP地址)和信号强度RSS，甚至包括无线节点的GPS数据。当连接的无线节点的数据包括信号强度RSS和无线节点的GPS数据时，可以直接得到无线节点的GPS数据。

根据无线电信号随距离增大而有规律地衰减的原理，可以根据信号强度RSS计算无线定位距离ρ(移动终端与无线节点之间的距离)。信号强度RSS与无线定位距离ρ的关系如下所示：RSS＝-(10*n*logρ+A)其中，n表示信号传播常数，也叫传播系数，用来描述信号强度随距离增加而递减的参量；A表示距无线节点1m时的信号强度，是一个经验参数。

由于n、A都是经验参数，容易受到具体环境的影响。这就使得直接使用上述公式得到的无线定位距离的误差较大。并且，直接使用GPS模块定位无线节点，其结果也存在一定的误差。为了减少误差，如图2所示，本步骤包括：

S201：根据连接的无线节点的mac地址，查询预存的无线网络节点数据库，得到连接的无线节点GPS位置，再根据连接的无线节点GPS位置和无线节点的信号强度RSS，从预存的无线网络节点数据库中得到无线定位距离。

预存的无线网络节点数据库，包括预先测定的无线网络节点的GPS数据、信号强度RSS与距离对应的数据模型。预先测定无线网络各节点的GPS数据，可以避免GPS实时定位引起的误差，保证GPS数据的准确性。并且，针对每个无线节点的实际环境，测定并建立各个无线节点的信号强度RSS与距离对应的数据模型。整合无线网络各节点的GPS数据、信号强度RSS与距离对应的数据模型，即可构建一个无线网络节点数据库。无线网络节点数据库中的数据，可以根据实际需要，定期或者不定期的更新，以与实际情况相符。

具体的，首先利用无线节点的mac地址，在预存的无线网络节点数据库中进行查询，得到预先测定的该节点的GPS位置和信号强度RSS与距离对应的数据模型。再根据信号强度RSS与距离对应的数据模型，得到此次信号强度RSS对应的距离，即是无线定位距离无线定位距离服从正态分布 为测量值，即为测距误差，和均预先测定并保存在无线网络节点数据库中。

S202：以连接的无线节点GPS位置为原点，以正东方向为X轴正方向建立直角坐标系。

为了方便计算，本实施例建立的坐标系为：以连接的无线节点(AP接入点)所在位置为原点(也就是无线节点的GPS位置)，以正东方向为x轴正方向和θ＝0建立直角坐标系及极坐标系，如图3所示。当然也可以建立其他形式的坐标系。

首次连接该无线节点时，初始建立上述坐标系。在与该无线节点保持连接的时间内，维持上述坐标系。当切换连接的无线节点时，重新建立坐标系。

S203：将GPS定位数据解析到建立的坐标系中，得到GPS定位结果。

GPS定位数据包括测定的经度数据和纬度数据。本实施例中，需要将GPS定位数据转换到上述坐标系中。GPS定位结果记为：其中，为转换后的经度数据，服从正态分布 为转换后的经度测定值，σ_GPS为GPS定位误差；为转换后的纬度数据，服从正态分布 为转换后的纬度测定值。

S300：根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果。

具体的，本步骤包括：

根据移动终端前一时刻的定位结果和当前时刻的运动数据，计算移动终端当前时刻的预测位置初始时，前一时刻的定位结果直接使用GPS定位结果，即当知道前一时刻的定位结果以及当前时刻的运动数据(比如线速度、角速度)，即可推算出移动终端当前时刻的预测位置该推算方法属于现有技术，在此不在赘述。

服从二维正态分布，

$f_{\mathrm{est}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{\mathrm{est}}^2}\exp (-\frac{{(x-x_{\mathrm{est}}^t)}^2}{2{\mathrm{\σ}}_{\mathrm{est}}^2}-\frac{{(y-y_{\mathrm{est}}^t)}^2}{2{\mathrm{\σ}}_{\mathrm{est}}^2}),$ 其中σ_est为移动终端基于运动参数估计的预测位置的标准差。

根据前一时刻的定位结果和当前时刻的预测位置，通过公式

$\left\{\begin{array}{c}{\mathrm{\μ}}_{{\mathrm{\θ}}^t}=\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)\\ {\mathrm{\σ}}_{{\mathrm{\θ}}^t}=(\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)-\arctan (y_{\mathrm{AF}}^{t-1}/x_{\mathrm{AF}}^{t-1}))/3\end{array}\right.$ 计算当前时刻的预测角度信息服从正态分布

其中，t表示当前定位时刻，t-1表示前一定位时刻，是当前时刻的预测位置的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差。

根据当前时刻的预测角度信息和无线定位距离，得到无线定位结果如下：

无线定位结果的极坐标为

极坐标系下，无线定位结果的概率密度函数

$f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(\mathrm{\ρ},\mathrm{\θ})=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}}{e}^{-\frac{{(\mathrm{\ρ}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\mathrm{\θ}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

将极坐标系变换到上述直角坐标系，无线定位结果的概率密度函数表示如下：

$f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}\sqrt{x^2+y^2}}{e}^{-\frac{{(\sqrt{x^2+y^2}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\arctan \frac{y}{x}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

其中，为无线定位距离，服从正态分布 为测距结果，为测距误差；为当前时刻的预测角度信息，服从正态分布 表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差。

S400：根据连接的无线节点GPS位置，搜索无线节点覆盖范围内的路径，得到路径集合。

具体的，通过已知的道路信息及GIS(Geographic Information System，地理信息系统)引擎搜索无线节点覆盖范围内的路径，并将路径的地理坐标转化为以无线节点为原点的直角坐标，得到路径集合，记为Path＝{(x,y)|f(x,y)＝0}。

S500：根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置。

具体的，构建似然函数L^t(x,y)，

$\left\{\begin{array}{c}\underset{(x,y)}{\max }{L}^t(x,y)=f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)f_{p_{\mathrm{lon}}^t}\left(x\right)f_{p_{\mathrm{lat}}^t}\left(y\right)\\ s.t.f(x,y)=0\end{array}\right.$

其中，Lt(x,y)为似然函数，t表示当前时刻；是无线定位结果的概率密度函数，服从正态分布；是GPS定位结果中经度的概率密度函数，是GPS定位结果中纬度的概率密度函数，服从正态分布；f(x,y)＝0是路径集合，作为约束条件。

计算约束条件下似然函数L^t(x,y)达到最大值的坐标，即是最大似然位置作为当前时刻的定位结果并存储。

本发明的定位方法与单独使用GPS定位、Wi-Fi定位等技术的定位结果比较如下表所示。

从表中可以看到，在GPS误差10m、Wi-Fi测距误差20m的情况下，本发明的定位误差接近2m。在GPS误差25m、Wi-Fi测距误差50m的情况下，本发明的误差为4.67m。显然，与现有的GPS定位、Wi-Fi定位相比，在使用一个无线节点的情况下，本发明大幅度地降低了定位误差，可以实现较高的精度。

本发明的基于无线网络单节点的辅助GPS定位方法，基于极大似然估计的原理，通过对移动终端的位置的预测、Wi-Fi测距以及GPS定位，获取足够的状态观察结果；并通过路径搜索的方式，得到极大似然估计的约束条件；在前述基础上，进行极大似然估计，得到最大似然位置，作为的定位结果。本发明的定位方法，只需要一个无线节点(AP接入点)，在GPS定位误差为10m，Wi-Fi定位误差为20m的情况下，可以将定位精度控制在2m左右；在满足覆盖广、精度高的定位效果的同时，有效减小了无线节点(AP接入点)的个数，降低了自组无线网络进行定位的成本。

为了进一步降低定位误差，提高定位精度，如图4所示，本发明的基于无线网络单节点的辅助GPS定位方法，还包括：

S600：对前一时刻的定位结果、当前时刻的预测位置和最大似然位置进行卡尔曼滤波，得到当前时刻的优化定位结果。

构建卡尔曼滤波器如下：

$x_{\mathrm{AF}}^t={\mathrm{KG}}^t{x}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)x_{\mathrm{ML}}^t,y_{\mathrm{AF}}^t={\mathrm{KG}}^t{y}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)y_{\mathrm{ML}}^t$

${\mathrm{KG}}^t=\sqrt{\frac{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2}{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2+{\left({\mathrm{\σ}}_{\mathrm{ML}}^t\right)}^2}}$

${\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t=\sqrt{{\left({\mathrm{\σ}}_{\mathrm{AF}}^{t-1}\right)}^2+{\mathrm{\σ}}_{\mathrm{est}}^2},{\mathrm{\σ}}_{\mathrm{AF}}^t=\sqrt{1-{\mathrm{KG}}^t}{\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t$

${\mathrm{\σ}}_{\mathrm{ML}}^t=\sqrt{{\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}[{(x-{\stackrel{\‾}{x}}_{\mathrm{ML}}^t)}^2+{(y-{\stackrel{\‾}{y}}_{\mathrm{ML}}^t)}^2]L^t(x,y)\mathrm{dxdy}}$

${\stackrel{\‾}{x}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}x{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dydx},{\stackrel{\‾}{y}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}y{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dxdy}$

其中，是当前时刻的优化定位结果的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是当前时刻的预测位置的横坐标、纵坐标，是最大似然位置的横坐标、纵坐标；σ_est是移动终端基于运动参数估计的预测位置的标准差，是前一时刻的定位结果的标准差，是当前时刻优化定位结果的标准差；L^t(x,y)是似然函数。

当前时刻的优化定位结果以及标准差，需要存储，以备后续使用。

通过结合极大似然估计和卡尔曼滤波算法，融合前一时刻的定位结果当前时刻的预测位置和最大似然位置三个数据，实现对定位数据、结果的实时更新和处理，在有效利用已有定位数据的同时，减少了可能存在的误差传播，有效地消除了随机干扰，进一步提高了定位精度(如前述定位结果误差对比表所示)。

进一步的，本发明的基于无线网络单节点的辅助GPS定位方法，还包括：

解析移动终端传输的数据包，提取当前时刻的GPS定位数据时，判断是否为第一个数据包。如果是，加载并保存GPS定位数据所在区域的地图，并初步按照GPS定位数据在地图上显示移动终端的位置。如果否，读取已经保存的GPS定位数据所在区域的地图，并根据当前时刻的定位结果更新地图，以备后续读取使用。

将当前时刻的定位结果转换为GPS位置，使用GIS引擎(GeographicInformation System，地理信息系统)在地图上显示移动终端的位置。本发明实施例中，通过GIS引擎在地图上显示移动终端的位置，可以使定位结果更直观。

实施例二

本发明还提供给了一种基于无线网络单节点的辅助GPS定位系统，如图5所示，包括：

数据获取单元10，用于获取移动终端当前时刻的GPS定位数据、连接的无线节点数据、运动数据和前一时刻的定位结果。

具体的，如图6所示，数据获取单元10，包括设置在移动终端上的GPS模块11、无线传输模块12、运动数据采集模块13。同时，数据获取单元10读取存储的前一时刻的定位结果。GPS模块，用于获取移动终端的GPS定位数据，包括经度数据和纬度数据。

无线传输模块12，用于获取连接的无线节点数据，也可以用于无线数据传输。无线传输模块可以是一个无线网卡，或者其他具有无线数据传输功能的模块(比如蜂窝数据传输模块)。在本实施例中，无线网络具体是指IEEE802.11标准的Wi-Fi网络，无线传输模块是支持Wi-Fi网络的网卡。无线传输模块搜索周围的无线节点(Wi-Fi网络中，网络节点也称为AP接入点)，选择信号最强的无线节点作为连接点。当信号强度RSS低于一定阀值时，无线传输模块启动漫游搜索周围的无线节点。当发现存在比当前连接的无线节点信号更强的无线节点时，无线传输模块无线传输模块与信号最强的无线节点连接。

运动数据采集模块13，可以是MEMS惯性传感器，比如陀螺仪、加速度计、磁强计等；用于采集移动终端当前时刻的运动数据，比如移动终端的线速度、加速度、角速度、方位角等数据。

本实施例中，数据获取单元还可以包括数据传输模块，用于将运动数据、GPS定位数据和连接的无线节点数据加工成一定格式的数据包：#(开始符)+GPS经度+‘’+GPS纬度+‘’+mac(AP)+‘’+RSS+‘’+$(结束符)，并传输给其他单元。

数据解析单元20，解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果。

具体的，如图7所示，数据解析单元20包括：

无线网络节点数据库模块21，用于存储预先测定的无线网络节点的GPS数据、信号强度RSS与距离对应的数据模型。

数据查询模块22，用于根据无线节点的IP地址和mac地址，查询预存的无线网络节点数据库，得到连接的无线节点GPS位置，再根据连接的无线节点GPS位置和无线节点的信号强度RSS，从预存的无线网络节点数据库中得到无线定位距离。无线定位距离服从正态分布 为测量值，即为测距误差。

坐标系建立模块23，用于以连接的无线节点GPS位置为原点，以正东方向为X轴正方向建立直角坐标系。

首次连接该无线节点时，初始建立坐标系：以连接的无线节点(AP接入点)所在位置为原点(也就是无线节点的GPS位置)，以正东方向为x轴正方向和θ＝0建立直角坐标系及极坐标系，如图3所示。在与该无线节点保持连接的时间内，维持上述坐标系。当切换连接的无线节点时，重新建立坐标系。

GPS定位结果模块24，用于将GPS定位数据解析到建立的坐标系中，得到GPS定位结果。

本实施例中，GPS定位结果模块需要将GPS定位数据转换到上述坐标系中，得到GPS定位结果记为：其中，为转换后的经度数据，服从正态分布 为转换后的经度测定值，σ_GPS为GPS定位误差；为转换后的纬度数据，服从正态分布 为转换后的纬度测定值。

无线定位计算单元30，用于根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果。

具体的，无线定位计算单元30，具体用于：

根据移动终端前一时刻的定位结果和当前时刻的运动数据，计算移动终端当前时刻的预测位置初始时，前一时刻的定位结果直接使用GPS定位结果，即当知道前一时刻的定位结果以及当前时刻的运动数据(比如线速度、角速度)，根据惯性导航原理，即可推算出移动终端当前时刻的预测位置

服从二维正态分布，

$f_{\mathrm{est}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{\mathrm{est}}^2}\exp (-\frac{{(x-x_{\mathrm{est}}^t)}^2}{2{\mathrm{\σ}}_{\mathrm{est}}^2}-\frac{{(y-y_{\mathrm{est}}^t)}^2}{2{\mathrm{\σ}}_{\mathrm{est}}^2}),$ 其中σ_est为移动终端基于运动参数估计的预测位置的标准差。

根据前一时刻的定位结果和当前时刻的预测位置，通过公式

$\left\{\begin{array}{c}{\mathrm{\μ}}_{{\mathrm{\θ}}^t}=\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)\\ {\mathrm{\σ}}_{{\mathrm{\θ}}^t}=(\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)-\arctan (y_{\mathrm{AF}}^{t-1}/x_{\mathrm{AF}}^{t-1}))/3\end{array}\right.$ 计算当前时刻的预测角度信息服从正态分布

其中，t表示当前定位时刻，t-1表示前一定位时刻，是当前时刻的预测位置的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差。

根据当前时刻的预测角度信息和无线定位距离，得到无线定位结果如下：

无线定位结果的极坐标为，

极坐标系下，无线定位结果的概率密度函数

$f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(\mathrm{\ρ},\mathrm{\θ})=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}}{e}^{-\frac{{(\mathrm{\ρ}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\mathrm{\θ}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

将极坐标系变换到上述直角坐标系，无线定位结果的概率密度函数表示如下：

$f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}\sqrt{x^2+y^2}}{e}^{-\frac{{(\sqrt{x^2+y^2}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\arctan \frac{y}{x}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

其中，为无线定位距离，服从正态分布 为测距结果，为测距误差；为当前时刻的预测角度信息，服从正态分布 表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差。

路径搜索单元40，用于根据连接的无线节点GPS位置，搜索无线节点覆盖范围内的路径，得到路径集合。

具体的，通过已知的道路信息及GIS(Geographic Information System，地理信息系统)引擎搜索无线节点覆盖范围内的路径，并将路径的地理坐标转化为以无线节点为原点的直角坐标，得到路径集合，记为Path＝{(x,y)|f(x,y)＝0}。

极大似然估计单元50，用于根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果。

具体的，极大似然估计单元50，具体用于：

构建似然函数L^t(x,y)，

$\left\{\begin{array}{c}\underset{(x,y)}{\max }{L}^t(x,y)=f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)f_{p_{\mathrm{lon}}^t}\left(x\right)f_{p_{\mathrm{lat}}^t}\left(y\right)\\ s.t.f(x,y)=0\end{array}\right.$

其中，L^t(x,y)为似然函数，t表示当前时刻；是无线定位结果的概率密度函数，服从正态分布；是GPS定位结果中经度的概率密度函数，是GPS定位结果中纬度的概率密度函数，服从正态分布；f(x,y)＝0是路径集合，作为约束条件。

计算约束条件下似然函数L^t(x,y)达到最大值的坐标，即是最大似然位置作为当前时刻的定位结果

本发明的基于无线网络单节点的辅助GPS定位系统，基于极大似然估计的原理，通过对移动终端的位置的预测、Wi-Fi测距以及GPS定位，获取足够的状态观察结果；并通过路径搜索的方式，得到极大似然估计的约束条件；在前述基础上，进行极大似然估计，得到最大似然位置，作为的定位结果。本发明的定位系统，只需要一个无线节点(AP接入点)，在GPS定位误差为10m，Wi-Fi定位误差为20m的情况下，可以将定位精度控制在2m左右(如图4所示)；在满足覆盖广、精度高的定位效果的同时，有效减小了无线节点(AP接入点)的个数，降低了自组无线网络进行定位的成本。

为了进一步降低定位误差，提高定位精度，如图8所示，本发明的基于无线网络单节点的辅助GPS定位系统，还包括：

卡尔曼滤波单元60，用于对前一时刻的定位结果、当前时刻的预测位置和最大似然位置进行卡尔曼滤波，得到当前时刻的优化定位结果。

具体的，构建卡尔曼滤波器如下：

$x_{\mathrm{AF}}^t={\mathrm{KG}}^t{x}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)x_{\mathrm{ML}}^t,y_{\mathrm{AF}}^t={\mathrm{KG}}^t{y}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)y_{\mathrm{ML}}^t$

${\mathrm{KG}}^t=\sqrt{\frac{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2}{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2+{\left({\mathrm{\σ}}_{\mathrm{ML}}^t\right)}^2}}$

${\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t=\sqrt{{\left({\mathrm{\σ}}_{\mathrm{AF}}^{t-1}\right)}^2+{\mathrm{\σ}}_{\mathrm{est}}^2},{\mathrm{\σ}}_{\mathrm{AF}}^t=\sqrt{1-{\mathrm{KG}}^t}{\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t$

${\mathrm{\σ}}_{\mathrm{ML}}^t=\sqrt{{\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}[{(x-{\stackrel{\‾}{x}}_{\mathrm{ML}}^t)}^2+{(y-{\stackrel{\‾}{y}}_{\mathrm{ML}}^t)}^2]L^t(x,y)\mathrm{dxdy}}$

${\stackrel{\‾}{x}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}x{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dydx},{\stackrel{\‾}{y}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}y{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dxdy}$

其中，是当前时刻的优化定位结果的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是当前时刻的预测位置的横坐标、纵坐标，是最大似然位置的横坐标、纵坐标；σ_est是移动终端基于运动参数估计的预测位置的标准差，是前一时刻的定位结果的标准差，是当前时刻优化定位结果的标准差；L^t(x,y)是似然函数。

通过结合极大似然估计和卡尔曼滤波算法，融合了前一时刻的定位结果当前时刻的预测位置和最大似然位置三个数据，可以实现对定位数据、结果的实时的更新和处理，在有效利用已有定位数据的同时，减少了可能存在的误差传播，有效地消除了随机干扰，提高了定位的精度。

进一步的，本发明的基于无线网络单节点的辅助GPS定位系统，还包括：

地图显示单元，用于在解析移动终端传输的数据包，提取当前时刻的GPS定位数据时，判断是否为第一个数据包。如果是，加载并保存GPS定位数据所在区域的地图，并初步按照GPS定位数据在地图上显示移动终端的位置；如果否，读取已经保存的GPS定位数据所在区域的地图，并根据当前时刻的定位结果更新地图，以备后续读取使用。

并且，将当前时刻的定位结果转换为GPS位置，使用GIS引擎(Geographic Information System，地理信息系统)在地图上显示移动终端的位置。

本发明的基于无线网络单节点的辅助GPS定位系统，通过GIS引擎在地图显示单元上显示移动终端的位置，可以使定位结果更直观。

应当理解，此处描述的具体实施例仅用以解释本发明，并不用于限定本发明。

Claims (10)

1.一种基于无线网络单节点的辅助GPS定位方法，其特征在于，该方法包括：

获取移动终端当前时刻的GPS定位数据、连接的无线节点数据、运动数据和前一时刻的定位结果；

解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果；

根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果；

根据连接的无线节点GPS位置，搜索无线节点覆盖范围内的路径，得到路径集合；

根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果。

2.根据权利要求1所述的基于无线网络单节点的辅助GPS定位方法，其特征在于，所述根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果，包括：

构建似然函数L^t(x,y)，根据公式

$\left\{\begin{array}{c}{\max }_{(x,y)}{L}^t(x,y)=f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)f_{p_{\mathrm{lon}}^t}\left(x\right)f_{p_{\mathrm{lat}}^t}\left(y\right)\\ s.t.f(x,y)=0\end{array}\right.$ 计算约束条件下似然函数L^t(x,y)达到最大值的最大似然位置，作为当前时刻的定位结果；

其中，t表示当前定位的时刻；是无线定位结果的概率密度函数，服从正态分布；是GPS定位结果中经度的概率密度函数，是GPS定位结果中纬度的概率密度函数，服从正态分布；f(x,y)＝0是路径集合，作为约束条件。

3.根据权利要求2所述的基于无线网络单节点的辅助GPS定位方法，其特征在于，所述根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果，包括：

根据前一时刻的定位结果和当前时刻的运动数据，计算移动终端当前时刻的预测位置；

根据前一时刻的定位结果和当前时刻的预测位置，通过公式

$\left\{\begin{array}{c}{\mathrm{\μ}}_{{\mathrm{\θ}}^t}=\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)\\ {\mathrm{\σ}}_{{\mathrm{\θ}}^t}=(\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)-\arctan (y_{\mathrm{AF}}^{t-1}/x_{\mathrm{AF}}^{t-1}))/3\end{array}\right.$ 计算当前时刻的预测角度信息服从正态分布

其中，t表示当前定位时刻，t-1表示前一定位时刻，是当前时刻的预测位置的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差；

根据当前时刻的预测角度信息和无线定位距离，得到无线定位结果如下：

无线定位结果的极坐标为

概率密度函数 $f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}\sqrt{x^2+y^2}}{e}^{-\frac{{(\sqrt{x^2+y^2}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\arctan \frac{y}{x}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

其中，为无线定位距离，服从正态分布 为测距结果，为测距误差。

4.根据权利要求3所述的基于无线网络单节点的辅助GPS定位方法，其特征在于，所述基于无线网络单节点的辅助GPS定位方法还包括：

对前一时刻的定位结果、当前时刻的预测位置和最大似然位置进行卡尔曼滤波，得到当前时刻的优化定位结果：

构建卡尔曼滤波器如下：

$x_{\mathrm{AF}}^t={\mathrm{KG}}^t{x}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)x_{\mathrm{ML}}^t,y_{\mathrm{AF}}^t={\mathrm{KG}}^t{y}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)y_{\mathrm{ML}}^t$

${\mathrm{KG}}^t=\sqrt{\frac{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2}{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2+{\left({\mathrm{\σ}}_{\mathrm{ML}}^t\right)}^2}}$

${\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t=\sqrt{{\left({\mathrm{\σ}}_{\mathrm{AF}}^{t-1}\right)}^2+{\mathrm{\σ}}_{\mathrm{est}}^2},{\mathrm{\σ}}_{\mathrm{AF}}^t=\sqrt{1-{\mathrm{KG}}^t}{\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t$

${\mathrm{\σ}}_{\mathrm{ML}}^t=\sqrt{{\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}[{(x-{\stackrel{\‾}{x}}_{\mathrm{ML}}^t)}^2+{(y-{\stackrel{\‾}{y}}_{\mathrm{ML}}^t)}^2]L^t(x,y)\mathrm{dxdy}}$

${\stackrel{\‾}{x}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}x{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dydx},{\stackrel{\‾}{y}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}y{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dxdy}$

其中，是当前时刻的优化定位结果的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是当前时刻的预测位置的横坐标、纵坐标，是最大似然位置的横坐标、纵坐标；σ_est是移动终端基于运动参数估计的预测位置的标准差，是前一时刻的定位结果的标准差，是当前时刻优化定位结果的标准差；L^t(x,y)是似然函数。

5.根据权利要求1至4任意一项权利要求所述的基于无线网络单节点的辅助GPS定位方法，其特征在于，所述连接的无线节点数据，包括无线节点的信号强度RSS、IP地址和/或mac地址；

所述解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果，包括：

根据连接的无线节点的IP地址和/或mac地址，查询预存的无线网络节点数据库，得到连接的无线节点GPS位置，再根据连接的无线节点GPS位置和无线节点的信号强度RSS，从所述预存的无线网络节点数据库中得到无线定位距离；所述预存的无线网络节点数据库，包括预先测定无线网络节点的GPS数据、信号强度RSS与距离对应的数据模型；

以连接的无线节点GPS位置为原点，以正东方向为x轴正方向建立直角坐标系；

将GPS定位数据解析到建立的坐标系中，得到GPS定位结果。

6.一种基于无线网络单节点的辅助GPS定位系统，其特征在于，包括：

数据获取单元，用于获取移动终端当前时刻的GPS定位数据、连接的无线节点数据、运动数据和前一时刻的定位结果；

数据解析单元，用于解析移动终端当前时刻的GPS定位数据和连接的无线节点数据，获取无线定位距离、连接的无线节点GPS位置、GPS定位结果；

无线定位计算单元，用于根据无线定位距离、前一时刻的定位结果和当前时刻的运动数据，计算得到无线定位结果；

路径搜索单元，用于根据连接的无线节点GPS位置，搜索无线节点覆盖范围内的路径，得到路径集合；

极大似然估计单元，用于根据GPS定位结果、无线定位结果和路径集合，进行极大似然估计，得到最大似然位置，作为当前时刻的定位结果。

7.根据权利要求6所述的基于无线网络单节点的辅助GPS定位系统，其特征在于，所述极大似然估计单元，具体用于构建似然函数，根据公式

$\left\{\begin{array}{c}\underset{(x,y)}{\max }{L}^t(x,y)=f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)f_{p_{\mathrm{lon}}^t}\left(x\right)f_{p_{\mathrm{lat}}^t}\left(y\right)\\ s.t.f(x,y)=0\end{array}\right.$

计算约束条件下似然函数L^t(x,y)达到最大值的最大似然位置，作为当前时刻的定位结果；

其中，L^t(x,y)表示似然函数；t表示当前定位的时刻；是无线定位结果的概率密度函数，服从正态分布；是GPS定位结果中经度的概率密度函数，是GPS定位结果中纬度的概率密度函数，服从正态分布；f(x,y)＝0是路径集合，作为约束条件。

8.根据权利要求7所述的基于无线网络单节点的辅助GPS定位系统，其特征在于，所述无线定位计算单元，具体用于：

根据前一时刻的定位结果和当前时刻的运动数据，计算移动终端当前时刻的预测位置；

根据前一时刻的定位结果和当前时刻的预测位置，通过公式

$\left\{\begin{array}{c}{\mathrm{\μ}}_{{\mathrm{\θ}}^t}=\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)\\ {\mathrm{\σ}}_{{\mathrm{\θ}}^t}=(\arctan (y_{\mathrm{est}}^t/x_{\mathrm{est}}^t)-\arctan (y_{\mathrm{AF}}^{t-1}/x_{\mathrm{AF}}^{t-1}))/3\end{array}\right.$ 计算当前时刻的预测角度信息服从正态分布

其中，t表示当前定位时刻，t-1表示前一定位时刻，是当前时刻的预测位置的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是表示当前时刻的预测角度信息的预测值，表示当前时刻的预测角度信息的标准差；

根据当前时刻的预测角度信息和无线定位距离，得到无线定位结果如下：

无线定位结果的极坐标为

概率密度函数 $f_{\mathrm{pd}{f}_{\mathrm{Wi}-\mathrm{Fi}}}^t(x,y)=\frac{1}{2\mathrm{\π}{\mathrm{\σ}}_{{\mathrm{\θ}}^t}{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}\sqrt{x^2+y^2}}{e}^{-\frac{{(\sqrt{x^2+y^2}-{\mathrm{\μ}}_{{\mathrm{\ρ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\ρ}}^t}^2}-\frac{{(\arctan \frac{y}{x}-{\mathrm{\μ}}_{{\mathrm{\θ}}^t})}^2}{2{\mathrm{\σ}}_{{\mathrm{\θ}}^t}^2}}$

其中，为无线定位距离，服从正态分布 为测距结果，为测距误差。

9.根据权利要求8所述的基于无线网络单节点的辅助GPS定位系统，其特征在于，所述基于无线网络单节点的辅助GPS定位系统，还包括：

卡尔曼滤波单元，用于对前一时刻的定位结果、当前时刻的预测位置和最大似然位置进行卡尔曼滤波，得到当前时刻的优化定位结果：

构建卡尔曼滤波器如下：

$x_{\mathrm{AF}}^t={\mathrm{KG}}^t{x}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)x_{\mathrm{ML}}^t,y_{\mathrm{AF}}^t={\mathrm{KG}}^t{y}_{\mathrm{est}}^t+(1-{\mathrm{KG}}^t)y_{\mathrm{ML}}^t$

${\mathrm{KG}}^t=\sqrt{\frac{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2}{{\left({\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t\right)}^2+{\left({\mathrm{\σ}}_{\mathrm{ML}}^t\right)}^2}}$

${\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t=\sqrt{{\left({\mathrm{\σ}}_{\mathrm{AF}}^{t-1}\right)}^2+{\mathrm{\σ}}_{\mathrm{est}}^2},{\mathrm{\σ}}_{\mathrm{AF}}^t=\sqrt{1-{\mathrm{KG}}^t}{\mathrm{\σ}}_{\mathrm{AF}+\mathrm{est}}^t$

${\mathrm{\σ}}_{\mathrm{ML}}^t=\sqrt{{\∫}_{-\∞}^{\∞}{\∫}_{-\∞}^{\∞}[{(x-{\stackrel{\‾}{x}}_{\mathrm{ML}}^t)}^2+{(y-{\stackrel{\‾}{y}}_{\mathrm{ML}}^t)}^2]L^t(x,y)\mathrm{dxdy}}$

${\stackrel{\‾}{x}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}x{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dydx},{\stackrel{\‾}{y}}_{\mathrm{ML}}^t={\∫}_{-\∞}^{\∞}y{\∫}_{-\∞}^{\∞}{L}^t(x,y)\mathrm{dxdy}$

其中，是当前时刻的优化定位结果的横坐标、纵坐标，是前一时刻的定位结果的横坐标、纵坐标，是当前时刻的预测位置的横坐标、纵坐标，是最大似然位置的横坐标、纵坐标；σ_est是移动终端基于运动参数估计的预测位置的标准差，是前一时刻的定位结果的标准差，是当前时刻优化定位结果的标准差；L^t(x,y)是似然函数。

10.根据权利要求6至9任意一项权利要求所述的基于无线网络单节点的辅助GPS定位系统，其特征在于，所述数据解析单元包括：

无线网络节点数据库模块，用于存储预先测定的无线网络节点的GPS数据、信号强度RSS与距离对应的数据模型；

数据查询模块，用于根据无线节点的IP地址和/或mac地址，查询预存的无线网络节点数据库，得到连接的无线节点GPS位置，再根据连接的无线节点GPS位置和无线节点的信号强度RSS，从所述预存的无线网络节点数据库中得到无线定位距离；

坐标系建立模块，用于以连接的无线节点GPS位置为原点，以正东方向为x轴正方向建立直角坐标系；

GPS定位结果模块，用于将GPS定位数据解析到建立的坐标系中，得到GPS定位结果。