CN104703143B - 一种基于wifi信号强度的室内定位方法 - Google Patents
一种基于wifi信号强度的室内定位方法 Download PDFInfo
- Publication number
- CN104703143B CN104703143B CN201510119340.0A CN201510119340A CN104703143B CN 104703143 B CN104703143 B CN 104703143B CN 201510119340 A CN201510119340 A CN 201510119340A CN 104703143 B CN104703143 B CN 104703143B
- Authority
- CN
- China
- Prior art keywords
- point
- fingerprint
- signal strength
- wifi
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H04W4/04—
Landscapes
- Collating Specific Patterns (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于WIFI信号强度的室内定位方法,具体过程为:在室内环境选取若干采样点,采集采样点处WIFI信号的强度信息,得到位置指纹库;采集待定位点WIFI信号的强度信息,将待定位点WIFI信号的强度信息与位置指纹库进行预匹配,获得候选位置指纹;采用确定性匹配法,在候选的位置指纹中,选取与待定位点改进欧式距离最近的Kd个位置指纹的位置信息的加权平均值作为待定位点的位置(X1,Y1);采用概率性匹配法,在候选的位置指纹中,取与待定位点联合概率最大的Kp个位置指纹的位置信息的加权平均值作为待定位点的位置(X2,Y2);根据待定位点的位置(X1,Y1)和(X2,Y2)计算待定位点。本发明采用改进欧式距离的计算方法,减小了WIFI信号波动对定位结果的影响,提高定位精度。
Description
技术领域
本发明涉及一种室内定位方法,特别涉及一种基于WIFI信号强度的室内定位方法,属于定位导航技术领域。
背景技术
随着移动互联网的高速发展,基于位置服务的需求量不断扩大,基于位置服务的基础与关键是定位技术。室外定位技术的发展已经较为完善,有基于卫星的定位技术和基于基站的定位技术,定位精度能够满足需求。室内定位技术的实现依赖于现有的无线通讯技术。作为一种无线通讯技术,WIFI技术以其设备成本低、布局简易、通信速度快、发射功率小、无需额外添置硬件的优势成为了发展室内定位技术的重要研究方向。基于WIFI技术的室内定位方法主要包括三种:基于邻近关系的定位方法、基于三角关系的定位方法、基于场景分析的定位方法。
(1)基于邻近关系的定位方法
基于邻近关系的定位方法根据待定位点与已知位置的WIFI热点的邻近关系进行定位,当待定位点的移动端接收到一个或者多个已知位置的WIFI热点信号,信号强度最大的WIFI热点的位置就被认为是待定位点的位置。这种定位方法的精度取决于WIFI热点的密度和信号范围。
(2)基于三角关系的定位方法
基于三角关系的定位方法根据三角形的几何性质来确定待定位点的位置,当待定位点的移动端接收到一个或者多个已知位置的WIFI热点信号,通过测量这些信号的到达角度或传播距离,由三个或者三个以上的已知位置的WIFI热点可以计算出待定位点的位置。根据测量方法的不同,可以细分为基于角度的三角定位方法和基于距离的三角定位方法,而基于距离的三角定位法又可以细分为传播时间法和传播模型法。基于三角关系的定位方法最大的缺点是需要提前预知WIFI热点位置。
(3)基于场景分析的定位方法
基于场景分析的定位方法是对已知的室内定位环境进行抽象化和形式化,用一些具体的、量化的位置特征描述室内定位环境中的离散的已知位置,并把这些已知位置的特征集成在一起生成位置特征库。定位时根据待定位点的位置特征查询位置特征库,采取特定的匹配规则,用已知的WIFI热点位置来估计出待定位点的位置。位置指纹定位方法是一种典型的基于场景分析的定位方法,它主要分为两个阶段:离线阶段和在线阶段。离线阶段是根据已知的室内定位环境,按照一定的间隔距离确定若干采样点,形成一个采样点的网格,以每个采样点采集的信号强度信息加上采样点的位置信息(相对或绝对位置)组成数据元组,这些数据元组称为位置指纹。在线阶段是将待定位点测量到的信号强度信息与位置指纹库中的信号强度信息按照一定的规则进行匹配,找到与待定位点信号强度信息“相似”的一个或若干个位置指纹,最终用这些位置指纹的位置信息估计出待定位点的位置信息。信号强度信息主要包括两个部分:信号强度特征值以及对应的WIFI热点的标识(一般以WIFI热点的物理地址作为标识)。根据匹配时选取的信号强度特征值不同,待定位点与位置指纹的匹配方法分为确定性匹配方法和概率性匹配方法。确定性匹配方法选取的信号强度特征是一定采样时间内信号强度做平滑去噪处理后的平均值,匹配规则是比较待定位点与位置指纹的欧式距离,取欧氏距离最近的位置指纹的位置信息作为待定位点的位置或取欧氏距离最近的K个位置指纹的位置信息的平均值作为待定位点的位置。概率性匹配方法选取的信号强度特征值是一定采样时间内信号强度未做任何处理的平均值和标准差,匹配规则是比较待定位点与位置指纹的联合概率,取联合概率最大的位置指纹的位置信息作为待定位点的位置或取联合概率最大的K个位置指纹的位置信息的平均值作为待定位点的位置。位置指纹定位方法因为不需要提前预知WIFI热点位置和定位精度较高的优势成为了基于WIFI技术的室内定位方法的主要研究方向。
已有的位置指纹定位方法存在以下不足:
①位置指纹库庞大导致匹配时间过长。
②以传统欧式距离为匹配标准的确定性匹配方法对WIFI信号波动影响的考虑不足。
③以联合概率为匹配标准的概率性匹配方法在克服WIFI信号波动影响具有明显优势,但是其定位结果主要决定于联合概率值最大的某一个位置指纹,对于定位结果取K个位置指纹加权后的平均值的方法并不适用。
发明内容
有鉴于此,本发明的目的是针对上述已有技术存在的不足,提出一种基于WIFI信号强度的室内定位方法,该方法能够实现准确的室内定位。
实现本发明的技术方案如下:
一种基于WIFI信号强度的室内定位方法,具体过程为:
步骤一、在室内环境选取若干采样点,采集采样点处WIFI信号的强度信息,将所述强度信息和采样点位置信息组成位置指纹,得到位置指纹库;
步骤二、采集待定位点WIFI信号的强度信息,将待定位点WIFI信号的强度信息与位置指纹库进行预匹配,获得候选位置指纹;
步骤三、采用确定性匹配法,在候选的位置指纹中,选取与待定位点改进欧式距离最近的Kd个位置指纹的位置信息的加权平均值作为待定位点的位置(X1,Y1);采用概率性匹配法,在候选的位置指纹中,取与待定位点联合概率最大的Kp个位置指纹的位置信息的加权平均值作为待定位点的位置(X2,Y2);
假设待定位点可以收到n个WIFI热点信号,预匹配后有m个候选位置指纹,改进的欧氏距离的定义如式(1),
其中,i=1,2,...,m,k=1,2,...,n,di表示待定位点与第i个候选位置指纹的改进欧氏距离,DEV表示待定位点的信号强度的原始标准差,DEVi表示第i个候选位置指纹的信号强度的原始标准差,PAVGk表示待定位点收到的第k个WIFI热点的信号强度的处理平均值,PAVGik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的处理平均值;
步骤四、根据待定位点的位置(X1,Y1)和(X2,Y2)计算待定位点。
进一步地,本发明采样点所对应的位置指纹表示形式为AP=(ID,MAC,AVG,PAVG,DEV),其中ID表示采样点的标识,MAC表示WIFI热点的物理地址,AVG表示信号强度的原始平均值,PAVG表示信号强度的处理平均值,DEV表示信号强度的原始标准差。
进一步地,本发明所述预匹配为:首先,找出待定位点中PAVG>FLAG情况下的MAC,其中FLAG为预设的信号强度阈值;然后,在位置指纹库中,选取包含所找出的MAC的位置指纹,并将其作为候选位置指纹。
进一步地,本发明所述联合概率的定义如式(3)所示,
Pi=Pi1·Pi2·...·Pik·...·Pin (3)
其中,Pi表示待定位点与第i个候选位置指纹的联合概率,Pik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的独立概率,其计算方法为:
对于正态分布公式(4),
令μ=AVGik,σ=DEVik,其中AVGik和DEVik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的原始平均值和原始标准差,令x=AVGi,AVGi表示待定位点信号强度的原始平均值,计算得到Pik。
进一步地,本发明所述步骤四的具体过程为:
首先,计算Kd个最近欧氏距离的方差D1和Kp个最大联合概率对数值的方差D2;
然后,计算最终定位结果
有益效果
本发明提出的方法与已有技术相比较,有如下优点:
第一、本发明提出采样点与位置指纹进行计算匹配之前的预匹配机制,有效减少候选的位置指纹的数量,缩短匹配时间。
第二、本发明引入信号强度标准差,改进确定性匹配方法中欧式距离的计算方法,减小了WIFI信号波动对定位结果的影响,提高定位精度。
第三、本发明引入联合概率对数值,调整概率性匹配方法中加权平均的权值,提高定位精度。
第四、本发明采用线性融合的方式,融合确定性匹配方法和概率性匹配方法分别得到的中间定位结果,进一步提高定位精度。
附图说明
图1为本发明基于WIFI信号强度的室内定位方法的流程图。
图2为本实施例所需定位楼层的结构图。
图3为本实施例对楼层进行网格划分的示意图。
具体实施方式
下面结合具体实例对本发明技术方案进行详细描述,但本发明的实施方式不限于此。
如图1所示,本发明一种基于WIFI信号强度的室内定位方法,具体步骤如下:
步骤一:在室内环境选取若干采样点,采集采样点处WIFI信号的强度信息,将所述强度信息和采样点位置信息组成位置指纹,得到位置指纹库;该步骤具体为:
(1)采样点室内结构分布图的构建:
对于一个已知的室内定位环境,考虑到实际楼层之间的WIFI信号影响较小,因此对其进行二维建模;对建模后的室内定位环境按照一定的间隔距离进行网格划分,网格划分的大小视实际场景及位置指纹库容量的要求而定。根据实际情况建立坐标系,以每一个网格的相对位置作为采样点的位置坐标,得到一系列离散的采样点位置。采样点的位置信息可以用三元组SP=(ID,X,Y)来表示。其中ID表示采样点的标识,X、Y表示采样点的位置坐标。
(2)采样点信号强度信息的采集:
根据形成的采样点室内结构分布图,在实际的待定位环境中对应的采样点位置使用移动装置多次采集WIFI信号,每一个采样点可以采集到多个WIFI热点的信号,采集的频率视移动装置WIFI信号采集模块的扫描频率而定。
(3)位置指纹库的构成:
采集过程结束后,对于未处理的原始信号强度,计算其平均值和标准差,称其为原始平均值和原始标准差,在采用t检验法去除粗大误差和采用中值平均滤波法去除随机误差之后,得到处理后的信号强度,计算其平均值,称其为处理平均值。与采样点对应的WIFI热点信号可以用五元组AP=(ID,MAC,AVG,PAVG,DEV)来表示,其中ID表示采样点的标识,与(1)中的采样点标识对应,MAC表示WIFI热点的物理地址,AVG表示信号强度的原始平均值,PAVG表示信号强度的处理平均值,DEV表示信号强度的原始标准差。一个采样点可以采集到多个WIFI热点信号,因此一个采样点信号强度信息用多个五元组APk=(ID,MACk,AVGk,PAVGk,DEVk)(k=1,2,…,n)来表示,其中n表示采样点处可以收到n个WIFI热点信号。然后由步骤(1)中采样点位置信息加上步骤(2)中采样点信号强度信息共同构成位置指纹库。
步骤二、采集待定位点WIFI信号的强度信息,将待定位点WIFI信号的强度信息与位置指纹库进行预匹配,获得候选位置指纹;具体过程为:
第1步:在实际的待定位环境中待定位点位置使用移动装置多次采集WIFI信号,采集方法与步骤(2)相同。
第2步:采集过程结束后,计算得到原始平均值、原始标准差和处理平均值,处理和计算的方法与步骤一中的(3)相同。待定位点信号强度信息用多个七元组XAPk=(ID,X,Y,MACk,AVGk,PAVGk,DEVk)(k=1,2,…,n)来表示,其中ID表示待定位点的标识,X、Y表示待定位点的位置坐标,MACk表示待定位点收到的第k个WIFI热点的物理地址,AVGk表示待定位点收到的第k个WIFI热点的信号强度的原始平均值,PAVGk表示待定位点收到的第k个WIFI热点的信号强度的处理平均值,DEVk表示待定位点收到的第k个WIFI热点的信号强度的原始标准差,n表示待定位点接收到的WIFI热点信号的总数。
第3步:由于位置指纹库十分庞大,所以在进行采样点与位置指纹的匹配之前进行预匹配。预匹配的方法是:1.找出待定位点的信号强度信息中PAVG>FLAG的MAC,其中FLAG为预设的信号强度阈值,用以区分信号强度信息中较强的WIFI热点信号和较弱的WIFI热点信号。2.选取位置指纹库中信号强度信息中包含上述MAC的位置指纹作为候选的位置指纹。
步骤三、采用确定性匹配法,在候选的位置指纹中,选取与待定位点改进欧式距离最近的K个位置指纹的位置信息的加权平均值作为待定位点的位置(X1,Y1);
假设待定位点可以收到n个WIFI热点信号,预匹配后有m个候选位置指纹,改进的欧氏距离的定义如式(1),
其中,i=1,2,...,m,k=1,2,...,n,di表示待定位点与第i个候选位置指纹的改进欧氏距离,DEV表示待定位点的信号强度的原始标准差,DEVi表示第i个候选位置指纹的信号强度的原始标准差,PAVGk表示待定位点收到的第k个WIFI热点的信号强度的处理平均值,PAVGik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的处理平均值;
取di最小的Kd个位置指纹的位置的加权平均作为第一个中间结果(X1,Y1),其计算式如式(2)所示。
其中,ωi是最小的Kd个位置指纹中第i个位置指纹对应的权重,实际操作中ωi一般取1/di,(Xi,Yi)是Kd中第i个位置指纹对应的位置信息。
采用概率性匹配法,在候选的位置指纹中,取与待定位点联合概率最大的K个位置指纹的位置信息的加权平均值作为待定位点的位置(X2,Y2)。
联合概率的定义如式(3)所示,
Pi=Pi1·Pi2·...·Pik·...·Pin (3)
其中,Pi表示待定位点与第i个候选位置指纹的联合概率,Pik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的独立概率,其计算方法为:
对于正态分布公式(4),
令μ=AVGik,σ=DEVik,其中AVGik和DEVik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的原始平均值和原始标准差,令x=AVGi,AVGi表示待定位点信号强度的原始平均值,计算得到Pik。
取Pi最大的Kp个位置指纹的位置的加权平均作为第二个中间结果(X2,Y2),其计算式如式(5)所示。
其中,ωj是最大的Kp个位置指纹中第j个位置指纹对应的权重,实际操作中ωj一般取联合概率值Pj,但是联合概率值的差距普遍在10的数量级以上,如果简单的采用联合概率值作为权值,会使得结果基本与联合概率值最大的位置指纹重合,因此本发明提出调整权重为联合概率的对数值,即取ωj为lgPj。(Xj,Yj)是最大的Kp个位置指纹中第j个位置指纹对应的位置信息
步骤四、根据待定位点的位置(X1,Y1)和(X2,Y2)计算待定位点。
计算Kd个最近欧氏距离的方差D1和Kp个最大联合概率对数值的方差D2,最终定位结果可表示为式(6)。
其中,表示待定位点的位置。
本发明主要做出了如下改进:
①提出预匹配机制,从庞大的位置指纹库中选取候选位置指纹以缩短匹配时间。
②在传统欧式距离的基础上进行改进,增加对于WIFI信号波动的考虑。
③对联合概率值进行合理的数学处理,以适应定位结果的加权平均处理。
④在上述改进的基础上,将两种方式下的定位结果进行数学融合,以提高定位结果的精度。
实例:
本实施例用于实现基于WIFI信号强度的室内定位方法的系统,包括手持终端、WIFI热点和服务器。
本发明主要针对基于场景分析的定位方法在WIFI技术下进行改进。本发明的基本思想是:首先对已知的室内定位环境进行建模,按照一定间隔距离确定若干采样点,建立采样点室内结构分布图,得到采样点位置信息;按照采样点实际位置进行WIFI信号采集,得到采样点信号强度信息;由采样点位置信息加上采样点信号强度信息组成位置指纹,得到位置指纹库;其次采用预匹配方法从位置指纹库中得到候选位置指纹;然后分别采用确定性匹配方法和概率性匹配方法估计待定位点位置,得到两组不同的中间定位结果;最后将两组不同的中间定位结果进行融合,得到最终定位结果。与传统的基于WIFI信号强度的位置指纹定位方法相比,本发明对确定性匹配方法和概率性匹配方法进行改进,有效克服了WIFI信号波动的干扰,提高了两种匹配方式的定位精度,并且提出对两种匹配方式的定位结果进行融合,使最终的定位结果精度得到进一步提高。本实例具体操作过程如下:
(一)采样点室内结构分布图的构建:
在一般的楼层环境中通常已经设置了多个WIFI热点,本发明无需知道每一个WIFI热点的具体位置,为了提高定位精度,需要在WIFI信号覆盖不佳的区域添加一些WIFI热点。绘制楼层的结构图,并确定采样点的划分,如以1m为间隔,对于图1中的楼层结构,可以有如图2的网格划分。
(二)采样点信号强度信息的采集:
通过手持终端中的WIFI模块,在楼层中的每个采样点实地采集WIFI信号强度信息。采集时,在每个采样点多次采集WIFI信号强度信息,如以1s为采集频率,上传至服务器。
(三)位置指纹库的构成:
由步骤(一)中的采样点划分和(二)中的信号强度采集生成位置指纹库中的表项。实例中的表仅列出必须的列,实际系统可根据此表进行扩展。SP表中ID表示采样点的标识,X、Y表示采样点的位置坐标。AP表中ID表示采样点的标识,参照SP表的ID列(即foreign key(ID)references SP(ID)),MAC表示WIFI热点的物理地址,AVG表示信号强度的原始平均值,PAVG表示信号强度的处理平均值,DEV表示信号强度的原始标准差。
SP表
ID | X | Y |
1 | 1 | 1 |
2 | 1 | 2 |
…… | …… | …… |
AP表
ID | MAC | AVG | PAVG | DEV |
1 | F4-EC-38-33-42-58 | -56 | -52 | 5 |
1 | EC-88-8F-A8-AA-60 | -71 | -72 | 2 |
…… | …… | …… | …… | …… |
(四)采集待定位点WIFI信号的强度信息,将待定位点WIFI信号的强度信息与位置指纹库进行预匹配,获得候选位置指纹。
(五)采用确定性匹配法,在候选的位置指纹中,选取与待定位点改进欧式距离最近的K个位置指纹的位置信息的加权平均值作为待定位点的位置(X1,Y1);采用概率性匹配法,在候选的位置指纹中,取与待定位点联合概率最大的K个位置指纹的位置信息的加权平均值作为待定位点的位置(X2,Y2)。
(六)、根据待定位点的位置(X1,Y1)和(X2,Y2)计算待定位点,并将计算结果返回手持客户端并显示。
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 (7)
1.一种基于WIFI信号强度的室内定位方法,其特征在于,具体过程为:
步骤一、在室内环境选取若干采样点,采集采样点处WIFI信号的强度信息,将所述强度信息和采样点位置信息组成位置指纹,得到位置指纹库;
步骤二、采集待定位点WIFI信号的强度信息,将待定位点WIFI信号的强度信息与位置指纹库进行预匹配,获得候选位置指纹;
步骤三、采用确定性匹配法,在候选的位置指纹中,选取与待定位点改进欧式距离最近的Kd个位置指纹的位置信息的加权平均值作为待定位点的位置(X1,Y1);采用概率性匹配法,在候选的位置指纹中,取与待定位点联合概率最大的Kp个位置指纹的位置信息的加权平均值作为待定位点的位置(X2,Y2);
假设待定位点可以收到n个WIFI热点信号,预匹配后有m个候选位置指纹,改进的欧氏距离的定义如式(1),
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mrow>
<msub>
<mi>PAVG</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<msub>
<mi>PAVG</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
<mo>+</mo>
<mi>D</mi>
<mi>E</mi>
<mi>V</mi>
<mo>+</mo>
<msub>
<mi>DEV</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,i=1,2,...,m,k=1,2,...,n,di表示待定位点与第i个候选位置指纹的改进欧氏距离,DEV表示待定位点的信号强度的原始标准差,DEVi表示第i个候选位置指纹的信号强度的原始标准差,PAVGk表示待定位点收到的第k个WIFI热点的信号强度的处理平均值,PAVGik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的处理平均值;
步骤四、根据待定位点的位置(X1,Y1)和(X2,Y2)计算待定位点。
2.根据权利要求1所述基于WIFI信号强度的室内定位方法,其特征在于,所述联合概率的定义如式(3)所示,
Pi=Pi1·Pi2·...·Pik·...·Pin (3)
其中,Pi表示待定位点与第i个候选位置指纹的联合概率,Pik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的独立概率,其计算方法为:
对于正态分布公式(4),
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>&sigma;</mi>
<msqrt>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</msqrt>
</mrow>
</mfrac>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>-</mo>
<mi>&mu;</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mrow>
<mn>2</mn>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</msup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
令μ=AVGik,σ=DEVik,其中AVGik和DEVik表示第i个候选位置指纹收到的第k个WIFI热点的信号强度的原始平均值和原始标准差,令x=AVGi,AVGi表示待定位点信号强度的原始平均值,计算得到Pik。
3.根据权利要求1所述基于WIFI信号强度的室内定位方法,其特征在于,采样点所对应的位置指纹表示形式为AP=(ID,MAC,AVG,PAVG,DEV),其中ID表示采样点的标识,MAC表示WIFI热点的物理地址,AVG表示信号强度的原始平均值,PAVG表示信号强度的处理平均值,DEV表示信号强度的原始标准差。
4.根据权利要求3所述基于WIFI信号强度的室内定位方法,其特征在于,所述预匹配为:首先,找出待定位点中PAVG>FLAG情况下的MAC,其中FLAG为预设的信号强度阈值;然后,在位置指纹库中,选取包含所找出的MAC的位置指纹,并将其作为候选位置指纹。
5.根据权利要求1所述基于WIFI信号强度的室内定位方法,其特征在于,所述步骤四的具体过程为:
首先,计算Kd个最近欧氏距离的方差D1和Kp个最大联合概率对数值的方差D2;
然后,计算最终定位结果
<mrow>
<mo>(</mo>
<mover>
<mi>X</mi>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mover>
<mi>Y</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>(</mo>
<msub>
<mi>X</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
<mo>+</mo>
<mfrac>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mrow>
<msub>
<mi>D</mi>
<mn>1</mn>
</msub>
<mo>+</mo>
<msub>
<mi>D</mi>
<mn>2</mn>
</msub>
</mrow>
</mfrac>
<mo>(</mo>
<msub>
<mi>X</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
<mo>.</mo>
</mrow>
6.根据权利要求1所述基于WIFI信号强度的室内定位方法,其特征在于,所述位置(X1,Y1)的计算式如式(2)所示;
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mi>d</mi>
</msub>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mi>d</mi>
</msub>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ωi是最小的Kd个位置指纹中第i个位置指纹对应的权重,ωi=1/di,(Xi,Yi)是Kd中第i个位置指纹对应的位置信息。
7.根据权利要求2所述基于WIFI信号强度的室内定位方法,其特征在于,所述位置(X2,Y2)的计算式如式(5)所示;
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mi>p</mi>
</msub>
</munderover>
<mo>&lsqb;</mo>
<msub>
<mi>&omega;</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>j</mi>
</msub>
<mo>,</mo>
<msub>
<mi>Y</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mi>p</mi>
</msub>
</munderover>
<msub>
<mi>&omega;</mi>
<mi>j</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,ωj是最大的Kp个位置指纹中第j个位置指纹对应的权重,ωj=lgPj,(Xj,Yj)是最大的Kp个位置指纹中第j个位置指纹对应的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510119340.0A CN104703143B (zh) | 2015-03-18 | 2015-03-18 | 一种基于wifi信号强度的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510119340.0A CN104703143B (zh) | 2015-03-18 | 2015-03-18 | 一种基于wifi信号强度的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104703143A CN104703143A (zh) | 2015-06-10 |
CN104703143B true CN104703143B (zh) | 2018-03-27 |
Family
ID=53349831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510119340.0A Active CN104703143B (zh) | 2015-03-18 | 2015-03-18 | 一种基于wifi信号强度的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104703143B (zh) |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI593988B (zh) * | 2015-07-24 | 2017-08-01 | P-Square Inc | Indoor positioning system and method |
CN105376855B (zh) * | 2015-09-09 | 2018-10-26 | 华南师范大学 | 基于无线技术的自适应判断障碍物的室内定位方法和系统 |
CN105444755B (zh) * | 2015-11-13 | 2019-09-24 | 深圳数位传媒科技有限公司 | 基于空间杂波信号的室内定位方法 |
CN106888504B (zh) * | 2015-12-11 | 2023-07-14 | 南开大学 | 基于fm与dtmb信号的室内位置指纹定位方法 |
CN105516931A (zh) * | 2016-02-29 | 2016-04-20 | 重庆邮电大学 | 基于双频wlan接入点的室内差分定位方法 |
CN105868702A (zh) * | 2016-03-25 | 2016-08-17 | 上海烟草集团有限责任公司 | 一种wifi定位指纹采集装置及方法 |
CN107295538B (zh) * | 2016-03-30 | 2022-03-18 | 日本电气株式会社 | 定位可信度的计算方法及使用可信度的定位方法和定位仪 |
CN107290713A (zh) * | 2016-04-11 | 2017-10-24 | 上海慧流云计算科技有限公司 | 一种室内定位方法及装置 |
CN106028447B (zh) * | 2016-07-12 | 2020-02-25 | 三维通信股份有限公司 | 一种基于气压指纹的室内楼层定位方法 |
CN106341887B (zh) * | 2016-11-08 | 2019-06-28 | 北京创想智控科技有限公司 | 一种室内机器人定位方法及装置 |
CN106454711A (zh) * | 2016-11-08 | 2017-02-22 | 北京创想智控科技有限公司 | 一种室内机器人定位方法及装置 |
CN106358293A (zh) * | 2016-11-08 | 2017-01-25 | 北京创想智控科技有限公司 | 一种室内机器人定位方法及装置 |
CN106792511B (zh) * | 2016-11-28 | 2019-12-13 | 宜通世纪科技股份有限公司 | 基于移动通信信令采集的wifi指纹数据获取方法及系统 |
CN106793084A (zh) * | 2016-12-26 | 2017-05-31 | 成都麦杰康科技有限公司 | 定位方法及装置 |
CN106793085A (zh) * | 2017-03-08 | 2017-05-31 | 南京信息工程大学 | 基于正态假设检验的指纹定位方法 |
CN107833481A (zh) * | 2017-09-27 | 2018-03-23 | 杭州分数科技有限公司 | 寻车方法、装置及车辆定位寻找系统 |
CN107979818B (zh) * | 2017-11-28 | 2020-06-02 | 元力云网络有限公司 | 一种无线指纹库初始数据的处理方法 |
CN108012235B (zh) * | 2017-12-26 | 2020-06-16 | 青岛海信移动通信技术股份有限公司 | 一种基于热点组的定位方法和装置 |
CN109239659B (zh) * | 2018-08-31 | 2023-12-15 | 平安科技(深圳)有限公司 | 室内导航方法、装置、计算机设备及存储介质 |
CN109672978B (zh) * | 2019-01-30 | 2020-09-25 | 腾讯大地通途(北京)科技有限公司 | 一种无线热点扫描频率控制方法及装置 |
CN110166930A (zh) * | 2019-04-03 | 2019-08-23 | 华中科技大学 | 一种基于WiFi信号的室内定位方法及系统 |
CN109738863A (zh) * | 2019-04-08 | 2019-05-10 | 江西师范大学 | 一种融合置信度的WiFi指纹室内定位算法及系统 |
CN112533144B (zh) * | 2019-09-19 | 2023-07-18 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
CN110856255B (zh) * | 2019-11-25 | 2021-01-19 | 北京眸星科技有限公司 | 一种抗差位置指纹定位方法 |
CN111198365A (zh) * | 2020-01-16 | 2020-05-26 | 东方红卫星移动通信有限公司 | 一种基于射频信号的室内定位方法 |
CN112188614B (zh) * | 2020-09-14 | 2022-03-29 | 山东亚华电子股份有限公司 | 一种室内定位方法及设备 |
CN112866905A (zh) * | 2021-02-08 | 2021-05-28 | 惠州Tcl移动通信有限公司 | 一种室内定位方法、终端及计算机可读存储介质 |
CN113534117B (zh) * | 2021-06-11 | 2024-06-04 | 广州杰赛科技股份有限公司 | 一种室内定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101572856A (zh) * | 2009-06-18 | 2009-11-04 | 杭州华三通信技术有限公司 | 无线局域网中的定位方法和装置 |
CN101651951A (zh) * | 2009-09-15 | 2010-02-17 | 哈尔滨工业大学 | 基于wlan的支持向量机室内定位网络构建方法及定位方法 |
CN102170697A (zh) * | 2011-04-06 | 2011-08-31 | 北京邮电大学 | 一种室内定位方法及装置 |
EP2443580A1 (en) * | 2009-05-26 | 2012-04-25 | Websense, Inc. | Systems and methods for efficeint detection of fingerprinted data and information |
CN102427603A (zh) * | 2012-01-13 | 2012-04-25 | 哈尔滨工业大学 | 基于定位误差估计的wlan室内移动用户定位方法 |
-
2015
- 2015-03-18 CN CN201510119340.0A patent/CN104703143B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2443580A1 (en) * | 2009-05-26 | 2012-04-25 | Websense, Inc. | Systems and methods for efficeint detection of fingerprinted data and information |
CN101572856A (zh) * | 2009-06-18 | 2009-11-04 | 杭州华三通信技术有限公司 | 无线局域网中的定位方法和装置 |
CN101651951A (zh) * | 2009-09-15 | 2010-02-17 | 哈尔滨工业大学 | 基于wlan的支持向量机室内定位网络构建方法及定位方法 |
CN102170697A (zh) * | 2011-04-06 | 2011-08-31 | 北京邮电大学 | 一种室内定位方法及装置 |
CN102427603A (zh) * | 2012-01-13 | 2012-04-25 | 哈尔滨工业大学 | 基于定位误差估计的wlan室内移动用户定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104703143A (zh) | 2015-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104703143B (zh) | 一种基于wifi信号强度的室内定位方法 | |
CN110012428B (zh) | 一种基于WiFi的室内定位方法 | |
CN105813194B (zh) | 基于指纹数据库二次校正的室内定位方法 | |
CN105223546B (zh) | 基于接收信号强度和参考点位置双聚类的室内定位方法 | |
CN107071743B (zh) | 一种基于随机森林的快速KNN室内WiFi定位方法 | |
WO2021143778A1 (zh) | 一种基于激光雷达的定位方法 | |
CN106851571B (zh) | 一种基于决策树的快速KNN室内WiFi定位方法 | |
CN110557716B (zh) | 一种基于对数正态模型的室内定位方法 | |
EP2928243B1 (en) | Method for the indoor positioning of wireless local area network (wlan) devices | |
CN104853434A (zh) | 一种基于svm和k均值聚类的室内定位方法 | |
CN112135248B (zh) | 一种基于K-means最优估计的WIFI指纹定位方法 | |
CN107703480A (zh) | 基于机器学习的混合核函数室内定位方法 | |
CN104853435A (zh) | 一种基于概率的室内定位方法和装置 | |
CN103220777A (zh) | 一种移动设备定位系统 | |
CN108566620B (zh) | 一种基于wifi的室内定位方法 | |
CN112584311B (zh) | 一种基于wknn融合的室内三维空间指纹定位方法 | |
CN110850363B (zh) | 一种基于实时定位轨迹数据进行动态滤波优化的方法 | |
CN107371133B (zh) | 一种提高基站定位精度的方法 | |
CN112714493B (zh) | 物体位置定位方法与定位系统 | |
US20230152121A1 (en) | Indoor map generation method and apparatus | |
CN112533144A (zh) | 室内定位方法、装置、计算设备及计算机存储介质 | |
CN111356072B (zh) | 一种室内定位的位置估计方法、装置及可读存储介质 | |
CN109459723B (zh) | 一种基于元启发算法的纯方位被动定位方法 | |
Hosseini et al. | NSGA-II based optimal Wi-Fi access point placement for indoor positioning: A BIM-based RSS prediction | |
CN111669702A (zh) | 基于wifi地址与场强的粗精匹配定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |