CN104869641B - 基于AP优化的Wi‑Fi室内定位方法 - Google Patents
基于AP优化的Wi‑Fi室内定位方法 Download PDFInfo
- Publication number
- CN104869641B CN104869641B CN201510349999.5A CN201510349999A CN104869641B CN 104869641 B CN104869641 B CN 104869641B CN 201510349999 A CN201510349999 A CN 201510349999A CN 104869641 B CN104869641 B CN 104869641B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- positioning
- rss
- matching
- aps
- 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.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Collating Specific Patterns (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及一种基于AP优化的Wi‑Fi室内定位方法,属于无线通信技术领域。该方法主要包括以下步骤:步骤1)离线数据采集阶段,通过最大区分度优化AP布局,建立指纹库;步骤2)在线定位阶段,通过三边法得到待测点初始位置,然后在待测点的初始位置附近利用KNN匹配法得到精确的位置。本发明提供的一种基于AP优化的Wi‑Fi室内定位方法,通过优化AP布局,从而建立了具有较好定位性能的指纹库,提高了定位精度,并对在线定位算法进行了改进,有效地提高了计算效率。
Description
技术领域
本发明属于无线通信技术领域,涉及一种基于AP优化的Wi-Fi室内定位方法。
背景技术
当前,随着无线网络的发展和无线局域网的广泛部署,基于WLAN技术的室内定位技术受到广泛重视。在WLAN环境下,通过测量来自接入点AP(Access Point)的接收信号强度RSS(Received Signal Strength)获得相应位置;结合信号强度数据库求解,确定移动用户的位置。其中基于位置指纹的定位算法因其定位精度高、可充分利用现有设施、升级和维护对用户影响小等优点而得到广泛应用。
由于AP的布局对定位精度具有较大的影响。因此引入了参考点指纹矢量区分度概念,通过最大区分度来布局AP,得到具有较好定位性能的指纹库;然后结合三边法和KNN匹配法得到较精确的位置信息。
本专利主要用于没有GPS信号的室内环境而对定位精度和实时性要求较高的场合。
发明内容
有鉴于此,本发明的目的在于提供一种基于AP优化的Wi-Fi室内定位方法,该方法通过优化AP布局,从而建立了具有较好定位性能的指纹库,提高了定位精度,并对在线定位算法进行了改进,有效地提高了计算效率。
为达到上述目的,本发明提供如下技术方案:
基于AP优化的Wi-Fi室内定位方法,所述方法包括以下步骤:
步骤1)离线数据采集阶段,通过最大区分度优化AP布局,建立指纹库;
步骤2)在线定位阶段,通过三边法得到待测点初始位置,然后在待测点的初始位置附近利用KNN匹配法得到精确的位置。
进一步,所述步骤1)具体包括以下步骤:
1-1)在定位区域内,建立以定位区域中心为原点的坐标系x-y;
1-2)定位区域内,以d为间隔,均匀划分参考点,所述参考点均有四个方向所对应的四个指纹矢量;
1-3)定义参考点指纹矢量的区分度D用于衡量参考点,D为所有参考点不同指纹矢量的欧氏距离Dij最小值;
其中,Dij表示指纹矢量RSSi,k和指纹矢量RSSj,k间的欧氏距离;N表示指纹矢量的总数,M表示指纹矢量的维度;
1-4)按照最大区分度在坐标系第一象限寻找第一个AP位置(x,y);然后根据对称性,在其它三个象限找到其它三个AP的位置(-x,y)、(-x,-y)和(x,-y);四个AP位置确定后,指纹矢量维度为4;
1-5)再按照其次的最大区分度确定第五个AP位置;然后根据对称性,分别在其它三个象限确定第六个、第七个、第八个AP位置;
1-6)重复上述步骤,确定R个AP位置;
1-7)测试R个AP在每个参考点四个方向上的RSS值,得到指纹库。
进一步,所述步骤1-2)中的四个方向包括y轴正方向,x轴正方向,y轴负方向,x轴负方向。
进一步,所述步骤2具体包括以下步骤:
2-1)根据现场测试数据,估计RSS的噪声强度σ;
2-2)在位置指纹的y轴正方向上,选取三个较大的RSS值,用三边法得到一个待测点的初始位置(x1,y1);
2-3)根据RSS的噪声强度σ,确定参与匹配的位置矢量的维度M;
2-4)在待测点的初始位置附近,采用KNN匹配的方法进行匹配,得到最终的定位结果。
进一步,所述根据RSS的噪声强度σ,确定参与匹配的位置矢量的维度M,具体为:
当σ≥4.5dB时,M=8;当2dB≤σ<4.5dB时,M=6;当σ<2dB时,M=4。
本发明的有益效果在于:本发明提供的一种基于AP优化的Wi-Fi室内定位方法,根据位置指纹区分度优化AP的布局,从而建立了具有较好定位性能的指纹库,提高了定位精度,并对在线定位算法进行了改进,根据三角形法的最大定位误差来选择合理的参考点,在小范围内再进行匹配减少了差异因素,提高定位精度及计算效率,进而提高了定位的实时性。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为本发明所述方法的流程图;
图2为四个AP在第一象限不同位置时的指纹矢量区分度;
图3为不同噪声强度σ下三种方法的定位误差;
图4为平均定位时间对比图;
图5为测试地点的平面图;
图6为定位误差距离累积概率分布。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
本发明提供的一种基于AP优化的Wi-Fi室内定位方法,包括离线数据采集阶段和在线定位阶段;
在离线数据采集阶段,引入参考点指纹矢量区分度概念,通过最大区分度来布局AP,从而得到了具有较好定位性能的指纹库。
具体实现方法如下:
(1)在定位区域内,建立以区域中心为原点的坐标系x-y。对定位区域以d米间隔均匀划分出一些参考点,指纹库中的每个参考点都有四个方向(0°,90°,180°,270°,其中0°表示y轴正方向,90°表示x轴正方向,180°表示y轴负方向,270°表示x轴负方向)所对应的四个指纹矢量,每个指纹矢量的维度决定于AP的数量。
(2)定义一个衡量参考点指纹矢量的区分度D。D为所有参考点不同指纹矢量的欧氏距离Dij最小值。Dij为:
其中,Dij表示指纹矢量RSSi,k和指纹矢量RSSj,k间的欧氏距离;N表示指纹矢量的总数,M表示指纹矢量的维度(即AP的数目)。
(3)按照最大区分度在坐标系第一象限寻找第一个AP位置(x,y)。此时,指纹矢量维度为1。按照对称性,在其它三个象限找到其它三个AP的位置(-x,y)、(-x,-y)和(x,-y)。四个AP位置确定后,指纹矢量维度为4。
(4)优化第五个AP位置时,指纹矢量维度为5。按照最大区分度确定第五个AP位置。然后按照对称性,分别在其它三个象限确定第六个、第七个、第八个AP位置。
(5)每一轮,按照上述策略增加4个AP。从而确定12个、16个、20个AP的位置,等等。
(6)按照上述方法确定好AP位置后,通过测试这些AP在每个参考点四个方向上的RSS,得到指纹库。
在线定位阶段,先用三边法得到初始位置,然后在初始位置附近利用KNN匹配法得到精确的位置,具体实现方法如下:
(1)根据现场测试数据,估计RSS的噪声强度σ。
(2)在位置指纹的0°方向上,选取较大的三个RSS值,用三边法得到一个初始位置(x1,y1)。
(3)根据RSS的噪声强度σ,确定参与匹配的位置矢量的维度M;
当σ≥4.5dB时,M=8;当2dB≤σ<4.5dB时,M=6;当σ<2dB时,M=4。
(4)在初始位置附近,采用k=3的KNN匹配的方法进行匹配,得到最终的定位结果。
本专利首先根据位置指纹区分度优化AP的布局。实验表明,采用AP布局优化后,位置指纹区分度增加值约为1,定位的精度可提高约0.6m。
在30×30m2的定位区间参考点间距2m的情况下使用四个AP进行定位,四个AP在第一象限不同位置处的位置指纹矢量区分度如图2所示。
由图2可见,在点(0,0)处具有最小区分度0;在点(9,10)处具有最大区分度1.4264。比较了优化的四个AP和不优化四个AP情况的定位性能,结果表明,优化后的定位精度为3.39m,没有优化时精度减少了0.74m。
从图3可以看出,基于AP优化的Wi-Fi室内定位方法(改进的位置指纹法)与传统的位置指纹法的定位误差都随着环境中噪声标准差的增大而增大。随着噪声强度增加,与传统的位置指纹法相比,基于AP优化的Wi-Fi室内定位方法的定位误差上升幅度较慢。当噪声标准差σ小于4时,传统的位置指纹法算法的定位误差略小于改进的算法的定位误差;当噪声标准σ大于4时,改进的算法定位误差远远小于传统的位置指纹法。因为环境变化较大时,噪声强度变大,一定程度上影响了RSS信号的一致性,即指纹库中的位置指纹变的不可靠,单纯根据传统的位置指纹法进行定位,得到的定位误差会比较大。而改进的算法根据三角形法的最大定位误差来选择合理的参考点,在小范围内再进行匹配减少了差异因素,提高了定位精度。
采用Matlab 7作为分析工具,硬件环境为Intel双核2.80GHz处理器,内存4GB,平均定位时间如图4所示。
由图4可以看出,改进的算法的平均定位时间远小于传统的位置指纹法的定位时间。传统的位置指纹法由于在线匹配阶段需要对指纹数据库中所有的指纹进行匹配,这一计算量非常大,而改进的算法只需要与选取的初次定位点附近为数不多的参考点处的指纹进行匹配,因此大大提高了定位的实时性。
测试地点一个测试地点N1馆,该测试地点的长110m,宽75m。本次实验的定位区间大小选定为90×60m2,参考点间距为3m,采用24个AP。在测试地点中建立直角坐标系如图5所示。表1是10个待测点位置与实际点位置的对比图。由此可见,根据本文改进的定位算法进行定位,即使在环境变化较大,其平均定位误差也不超过3.92米。
表1估计位置与实际位置对比表
从图6定位误差累积分布图可以看出,4米以内定位误差范围内累积概率达到60%,4.45米定位误差范围内累积概率达到75%。
表2是根改进算法与原始位置指纹法算法之间的定位结果对比。从表的对比中能够得出,在定位个数和实验环境相同情况下,改进算法在效率方面有较为明显的改善和提高,并且定位精度也较传统算法有所提高,传统的位置指纹法每次运算都需要全部的AP与全部的参考点进行定位,而改进的算法可根据定位要求合理选取AP数目与参考点数目。这是由于改进的算法进行匹配计算定位时,没有像传统匹配算法一样与指纹库中每个指纹进行一一匹配计算,而是先利用三角形法估计出初始定位坐标,然后在线匹配的计算过程中,只是选取了初始定位坐标附近的最近一些参考点,并根据噪声情况选取了合适的AP数目,来进行定位,有效的提高了计算效率。特别是在AP数目选择时,可灵活根据噪声情况来选择合适的AP数目,在保证定位精度的前提下,有效的节约了计算时间。由此验证了该算法的高效性与有效性。
表2两种定位算法的定位对比
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
Claims (4)
1.基于AP优化的Wi-Fi室内定位方法,其特征在于:所述方法包括以下步骤:
步骤1)离线数据采集阶段,通过最大区分度优化AP布局,建立指纹库;
步骤2)在线定位阶段,通过三边法得到待测点初始位置,然后在待测点的初始位置附近利用KNN匹配法得到精确的位置;
所述步骤1)具体包括以下步骤:
1-1)在定位区域内,建立以定位区域中心为原点的坐标系x-y;
1-2)定位区域内,以d为间隔,均匀划分参考点,所述参考点均有四个方向所对应的四个指纹矢量;
1-3)定义参考点指纹矢量的区分度D用于衡量参考点,D为所有参考点不同指纹矢量的欧氏距离Dij最小值,欧氏距离Dij为:
<mrow>
<msub>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>RSS</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>RSS</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>N</mi>
<mo>;</mo>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>j</mi>
</mrow>
其中,Dij表示指纹矢量RSSi,k和指纹矢量RSSj,k间的欧氏距离;N表示指纹矢量的总数,
M表示指纹矢量的维度;
1-4)按照最大区分度在坐标系第一象限寻找第一个AP位置(x,y);然后根据对称性,在其它三个象限找到其它三个AP的位置(-x,y)、(-x,-y)和(x,-y);四个AP位置确定后,指纹矢量维度为4;
1-5)再按照其次的最大区分度确定第五个AP位置;然后根据对称性,分别在其它三个象限确定第六个、第七个、第八个AP位置;
1-6)重复上述步骤,确定R个AP位置;
1-7)测试R个AP在每个参考点四个方向上的RSS值,得到指纹库。
2.根据权利要求1所述的基于AP优化的Wi-Fi室内定位方法,其特征在于:所述步骤1-2)中的四个方向包括y轴正方向,x轴正方向,y轴负方向,x轴负方向。
3.根据权利要求1所述的基于AP优化的Wi-Fi室内定位方法,其特征在于:所述步骤2具体包括以下步骤:
2-1)根据现场测试数据,估计RSS的噪声强度σ;
2-2)在位置指纹的y轴正方向上,选取三个较大的RSS值,用三边法得到一个待测点的初始位置(x1,y1);
2-3)根据RSS的噪声强度σ,确定参与匹配的位置矢量的维度M;
2-4)在待测点的初始位置附近,采用KNN匹配的方法进行匹配,得到最终的定位结果。
4.根据权利要求3所述的基于AP优化的Wi-Fi室内定位方法,其特征在于:所述根据RSS的噪声强度σ,确定参与匹配的位置矢量的维度M,具体为:
当σ≥4.5dB时,M=8;当2dB≤σ<4.5dB时,M=6;当σ<2dB时,M=4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510349999.5A CN104869641B (zh) | 2015-06-18 | 2015-06-18 | 基于AP优化的Wi‑Fi室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510349999.5A CN104869641B (zh) | 2015-06-18 | 2015-06-18 | 基于AP优化的Wi‑Fi室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104869641A CN104869641A (zh) | 2015-08-26 |
CN104869641B true CN104869641B (zh) | 2018-04-03 |
Family
ID=53915057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510349999.5A Expired - Fee Related CN104869641B (zh) | 2015-06-18 | 2015-06-18 | 基于AP优化的Wi‑Fi室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104869641B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105208652B (zh) * | 2015-09-21 | 2018-11-30 | 徐乔治 | 一种基于无线技术的室内定位系统 |
CN105866732B (zh) * | 2016-03-30 | 2018-05-11 | 南京邮电大学 | 一种改进mk模型和wknn算法相结合的混合室内定位方法 |
CN109525931B (zh) * | 2017-09-18 | 2021-10-29 | 中兴通讯股份有限公司 | 一种定位无线设备的方法、装置、设备及存储介质 |
CN108111972B (zh) * | 2017-12-15 | 2021-03-12 | 中国人民解放军战略支援部队信息工程大学 | 基于信号强度与空间划分的室内WiFi接入点定位方法 |
CN110008671B (zh) * | 2017-12-28 | 2022-04-05 | 腾讯科技(深圳)有限公司 | 数据校验方法及装置 |
CN108761435B (zh) * | 2018-04-25 | 2021-01-19 | 西安交通大学 | 一种基于正态分布信号的指纹优化方法 |
CN109511084A (zh) * | 2018-08-02 | 2019-03-22 | 上海紫越网络科技股份有限公司 | 资产设备的定位方法、系统、计算机可读存储介质及终端 |
CN110035384A (zh) * | 2019-05-09 | 2019-07-19 | 桂林电子科技大学 | 一种融合多传感器信号滤波优化的室内定位方法 |
CN110057404A (zh) * | 2019-05-14 | 2019-07-26 | 北京立群建筑科学研究院 | 环境检测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101883424A (zh) * | 2010-04-23 | 2010-11-10 | 哈尔滨工业大学 | 基于近邻点数优化的wlan室内knn定位方法 |
CN102325369A (zh) * | 2011-06-08 | 2012-01-18 | 哈尔滨工业大学 | 基于参考点位置优化的wlan室内单源线性wknn定位方法 |
US8599758B1 (en) * | 2011-04-20 | 2013-12-03 | Google Inc. | Indoor localization of mobile devices |
-
2015
- 2015-06-18 CN CN201510349999.5A patent/CN104869641B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101883424A (zh) * | 2010-04-23 | 2010-11-10 | 哈尔滨工业大学 | 基于近邻点数优化的wlan室内knn定位方法 |
US8599758B1 (en) * | 2011-04-20 | 2013-12-03 | Google Inc. | Indoor localization of mobile devices |
CN102325369A (zh) * | 2011-06-08 | 2012-01-18 | 哈尔滨工业大学 | 基于参考点位置优化的wlan室内单源线性wknn定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104869641A (zh) | 2015-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104869641B (zh) | 基于AP优化的Wi‑Fi室内定位方法 | |
CN106851573B (zh) | 基于对数路径损耗模型的联合加权k近邻室内定位方法 | |
CN107703480B (zh) | 基于机器学习的混合核函数室内定位方法 | |
CN104703143B (zh) | 一种基于wifi信号强度的室内定位方法 | |
WO2017185828A1 (zh) | 指纹定位方法及装置 | |
CN109672973B (zh) | 一种基于最强ap的室内定位融合方法 | |
Fang et al. | Calibration-free approaches for robust Wi-Fi positioning against device diversity: A performance comparison | |
WO2015184961A1 (en) | Mitigating signal noise for fingerprint-based indoor localization | |
CN103916820B (zh) | 基于接入点稳定度的无线室内定位方法 | |
CN105044662A (zh) | 一种基于wifi信号强度的指纹聚类多点联合室内定位方法 | |
Zou et al. | Standardizing location fingerprints across heterogeneous mobile devices for indoor localization | |
CN106093852A (zh) | 一种提高WiFi指纹定位精度与效率的方法 | |
CN107360552B (zh) | 一种多分类器全局动态融合的室内定位方法 | |
Wang et al. | Research on APIT and Monte Carlo method of localization algorithm for wireless sensor networks | |
CN103913720B (zh) | 一种面向非特定Wi-Fi设备的室内定位方法 | |
CN108111972B (zh) | 基于信号强度与空间划分的室内WiFi接入点定位方法 | |
CN112601173A (zh) | 5g定位真值检测与攻击溯源方法、系统、设备及应用 | |
CN110784837B (zh) | 室内定位方法、装置、介质及电子设备 | |
CN111757257B (zh) | 一种克服设备差异的动态模糊匹配室内定位方法 | |
Wang et al. | Robust Wi-Fi location fingerprinting against device diversity based on spatial mean normalization | |
CN102215497A (zh) | 基于条件信息熵的wlan室内单源高斯位置指纹定位性能评价方法 | |
CN109459723B (zh) | 一种基于元启发算法的纯方位被动定位方法 | |
Mingzhe et al. | The indoor positioning algorithm research based on improved location fingerprinting | |
CN110907925B (zh) | 一种高频地波雷达双站模型下的权重定位方法 | |
CN109996180B (zh) | 基站方位角核查的方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180403 Termination date: 20190618 |
|
CF01 | Termination of patent right due to non-payment of annual fee |