CN105142216A - 基于特征信号指纹库的室内外定位切换方法 - Google Patents

Abstract

本发明提出一种基于特征信号指纹库的室内外定位切换方法，包括：S1：在室内外切换区域设置多个检测点，在每个检测点重复检测多个信号发射器发射的特征信号，并建立特征信号数据库；S2：判断信号发生器是否满足预设条件，如果是，则计算接收到的信号发生器发出的多次特征信号的强度的平均值；S3：数据预处理；S4：对预处理后的特征信号进行训练，得到分类器；S5：将实时采样得到的目标的特征信号经过如步骤S2和步骤S3的处理后，得到第一向量，代入分类器并输出分类结果，如果分类结果小于0，则判定目标处于室外，否则判定目标处于室内。本发明的方法能够快速准确地实现室内定位系统和室外定位系统之间的无缝切换，为用户提供全方位的定位。

Description

基于特征信号指纹库的室内外定位切换方法

技术领域

本发明涉及无线定位技术领域，特别涉及一种基于特征信号指纹库的室内外定位切换方法。

背景技术

随着人类社会的发展，智能城市的兴起，人类对定位技术的需求日益增加。全球卫星导航系统(GlobalNavigationSatelliteSystem，GNSS)在室外定位中具有很高的定位精度。然而，由于卫星导航信号在穿越建筑物过程中会出现的信号衰减和多径问题，因此，GNSS无法在室内环境中进行有效地定位。

目前比较流行的室内定位方法，主要为特征值匹配方法。即将实时测量的特征值(如wifi，蓝牙，RFID等)与数据库中的特征值进行匹配，得出目标的具体位置。一般分为离线和在线两个阶段。以wifi为例，在离线阶段，将定位场景划分为网格，在每个网格内采集多个wifi接收信号强度值(RSSI值)，并存入指纹数据库。在线定位阶段，将目标实时接收到的接收信号强度值与指纹库中的数据进行对比，然后估计出当前位置。基于特征值匹配的室内定位方法在离线阶段将生成大量的指纹数据，由于数据库容量以及算法实时性的限制，此类定位技术仅适用于一定区域内的室内环境定位，而无法实现目标在室外大范围移动时的定位。

为了实现全面的位置信息服务，需要在室内和室外定位之间加上一个切换模块，当目标所处室内外环境发生变化时，需要迅速识别目标室内外状态，并且控制定位系统平滑地切换到适合于目标的定位方式。

发明内容

本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本发明的目的在于提出一种基于特征信号指纹库的室内外定位切换方法，该方法能够快速准确地实现室内定位系统和室外定位系统之间的无缝切换，为用户提供全方位的定位。

为了实现上述目的，本发明的实施例提出了一种基于特征信号指纹库的室内外定位切换方法，包括以下步骤：S1：在室内外切换区域中设置多个检测点，在每个检测点重复检测多个信号发射器发射的特征信号，并根据每个信号发射器发射的多次特征信号的强度建立特征信号数据库；S2：根据所述特征信号数据库中每个信号发生器发射的特征信号次数和每个检测点检测到的相应的特征信号接收次数判断是否满足预设条件，如果是，则计算接收到的所述信号发生器发出的多次特征信号的强度的平均值；S3：将同一检测点测得的不同信号发生器的特征信号的强度变换到预设区间，以实现数据预处理；S4：对预处理后的特征信号进行训练，得到分类器，其中，所述预处理后的特征信号包括信号强度和室内/室外标志位；S5：将实时采样得到的目标的特征信号经过如所述步骤S2和步骤S3的处理之后，得到第一向量，并将所述第一向量代入所述分类器并输出分类结果，如果所述分类结果小于0，则判定所述目标处于室外，如果所述分类结果大于0，则判定所述目标处于室内。

另外，根据本发明上述实施例的基于特征信号指纹库的室内外定位切换方法还可以具有如下附加的技术特征：

在一些示例中，还包括：当判定所述目标处于室内时，采用室内定位系统对所述目标进行定位；当判定所述目标处于室外时，采用室外定位系统对所述目标进行定位。

在一些示例中，判断所述信号发生器是否满足预设条件，具体包括：设每个检测点对每个信号发生器的测量次数为M，实际测量到所述信号发生器的次数为N，如果N/M>0.8，则判定所述信号发生器满足预设条件。

在一些示例中，所述将同一检测点测得的不同信号发生器的特征信号的强度变换到预设区间的变换公式为：

value＝x_lower+(x_upper-x_lower)×(x-x₁)/(x₂-x₁)，

其中，value为变换后的值，x_lower，x_upper分别为预设区间的下限和上限，x₁为该组数据中的最小值，x₂为该组数据中的最大值，x为待变换特征信号的强度。

在一些示例中，所述步骤S4具体包括：

设训练数据集合为(x_i,y_i)，

x_i＝(rssi_i1,rssi_i2,…rssi_ik,…,rssi_im)，

其中，rssi_ik为第i个检测点采集到的第k个信号发射器发射的特征信号的强度经过预处理后的值，y_i表示预处理后的特征信号的室内外标志位，如果该特征信号位于室内，则y_i取值为1，否则，y_i取值为-1；

通过支持向量机方法求取核函数：

$K(x_i,x)=\exp (-\frac{\left|\right|x-x_i|{|}^2}{{\mathrm{\σ}}^2}),$

其中，x,x_i为预处理后的特征信号的强度向量，求取α_i值使的下面公式中W(α)取最大值，

$W\left(\mathrm{\α}\right)={\mathrm{\Σ}}_{i=1}^n{\mathrm{\α}}_i-1/2{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{j=1}^n{\mathrm{\α}}_i{\mathrm{\α}}_j{y}_i{y}_{j}K(x_i,x_j),$

n为检测点的个数，同时，有以下约束：

${\mathrm{\Σ}}_{i=1}^n{\mathrm{\α}}_i{y}_i=0,0\≤{\mathrm{\α}}_i\≤1(i=1,2...,n),$

采用序贯最小优化算法，并利用拉格朗日乘子法求得上述两个方程的解，并通过训练得到分类器：

$f\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i^{*}{y}_{i}K(x_i,x)+b^{*}$

其中，

$b^{*}=1-{\mathrm{\Σ}}_{i=1}^n{\mathrm{\α}}_i^{*}{y}_{i}K(x_i,x_s),$

其中，x_s为取y_s＝1的任意参与数据训练的向量。

在一些示例中，在所述步骤S5中，所述第一向量为：

x＝(rssi₁,rssi₂,…rssi_k,…,rssi_m)，

其中，rssi_k为实时检测到的第k个信号发射器发射的特征信号的强度经过预处理后的值。

在一些示例中，所述特征信号为WIFI信号、蓝牙信号或RFID信号。

根据本发明实施例的基于特征信号指纹库的室内外定位切换方法，利用支持向量机强大的分类特性，能够有效地甄别室内室外的环境特征，有利于快速准确地实现室内定位系统和室外定位系统之间的无缝切换，为用户提供全方位的定位。该方法能够在目标室内外状态发生转换时选用正确的系统进行实时的不间断的定位，有效地提高了资源利用率，避免了同时利用两种定位系统导致的电量消耗，以及选用不适当定位系统造成的定位误差。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本发明一个实施例的基于特征信号指纹库的室内外定位切换方法的流程图；

图2是根据本发明一个实施例的基于特征信号指纹库的室内外定位切换方法的启动流程图；以及

图3是根据本发明一个实施例的室内外定位流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

以下结合附图描述根据本发明实施例的基于特征信号指纹库的室内外定位切换方法。

图1是根据本发明一个实施例的基于特征信号指纹库的室内外定位切换方法的流程图。如图1所示，该方法包括以下步骤：

步骤S1：在室内外切换区域中设置多个检测点(例如按网格进行描点)，在每个检测点重复检测并记录多个信号发射器发射的特征信号，并根据每个信号发射器发射的多次特征信号的强度建立特征信号数据库。换言之，该步骤即数据采集的过程。其中，室内外切换区域例如为商场入口、地铁入口等。

步骤S2：根据特征信号数据库中每个信号发生器发射的特征信号次数和每个检测点检测到的相应的特征信号接收次数判断信号发生器是否满足预设条件，如果是，则计算接收到的信号发生器发出的多次特征信号的强度的平均值。换言之，该步骤即数据过滤的过程，即对每个信号发射器产生的数据量进行统计，判断其数据质量。如果该信号发射器产生的数据适合用于室内外切换，则计算接收到的该信号发射器的多个特征信号的强度的平均值；如果数据质量不适合于室内外切换，则从特征信号数据库中删除该信号发射器的相关信息。

其中，在本发明的一个实施例中，在步骤S2中，判断信号发生器是否满足预设条件，具体包括：设每个检测点对每个信号发生器的测量次数为M，实际测量到信号发生器的次数为N，如果N/M>0.8，则判定信号发生器满足预设条件。

步骤S3：将同一检测点测得的不同信号发生器的特征信号的强度变换到预设区间，以实现数据预处理。换言之，该步骤即数据预处理过程，即将同一个检测点测得的不同信号发射器的特征信号强度值变换到一个相对较小的预设区间，以减少此后进行数据训练时的计算量。

其中，在本发明的一个实施例中，将同一检测点测得的不同信号发生器的特征信号的强度变换到预设区间的变换公式为：

value＝x_lower+(x_upper-x_lower)×(x-x₁)/(x₂-x₁)，

其中，value为变换后的值，x_lower，x_upper分别为预设区间的下限和上限，x₁为该组数据中的最小值，x₂为该组数据中的最大值，x为待变换特征信号的强度。

步骤S4：对预处理后的特征信号进行训练，得到分类器，其中，预处理后的特征信号包括信号强度和室内/室外标志位。

在本发明的一个实施例中，步骤S4即数据训练的过程，其具体包括：

设训练数据集合为(x_i,y_i)，

x_i＝(rssi_i1,rssi_i2,…rssi_ik,…,rssi_im)，

其中，rssi_ik为第i个检测点采集到的第k个信号发射器发射的特征信号的强度经过预处理后的值(即步骤S3中的value值)，yi表示预处理后的特征信号的室内外标志位，也反映了检测点的室内外状态，如果该特征信号位于室内，则y_i取值为1，否则，y_i取值为-1。

进一步地，通过支持向量机方法求取核函数：

$K(x_i,x)=\exp (-\frac{\left|\right|x-x_i|{|}^2}{{\mathrm{\σ}}^2}),$

其中，x,x_i为预处理后的特征信号的强度向量，求取α_i值使的下面公式中W(α)取最大值，

$W\left(\mathrm{\α}\right)={\mathrm{\Σ}}_{i=1}^n{\mathrm{\α}}_i-1/2{\mathrm{\Σ}}_{i=1}^n{\mathrm{\Σ}}_{j=1}^n{\mathrm{\α}}_i{\mathrm{\α}}_j{y}_i{y}_{j}K(x_i,x_j),$

n为检测点的个数，同时，有以下约束：

${\mathrm{\Σ}}_{i=1}^n{\mathrm{\α}}_i{y}_i=0,0\≤{\mathrm{\α}}_i\≤1(i=1,2...,n),$

采用序贯最小优化算法，并利用拉格朗日乘子法求得上述两个方程的解(用表示)，并通过训练得到分类器：

$f\left(x\right)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i^{*}{y}_{i}K(x_i,x)+b^{*}$

其中，

$b^{*}=1-{\mathrm{\Σ}}_{i=1}^n{\mathrm{\α}}_i^{*}{y}_{i}K(x_i,x_s),$

其中，x_s为取y_s＝1的任意参与数据训练的向量。

步骤S5：将实时采样得到的目标的特征信号经过如步骤S2和步骤S3的处理之后，得到第一向量，并将第一向量代入分类器并输出分类结果，如果分类结果小于0，则判定目标处于室外，如果分类结果大于0，则判定目标处于室内。具体地说，首先判断室内外状态，将实时采样得到的目标的特征信号经过如步骤S2和步骤S3的处理之后，得到第一向量x，

x＝(rssi₁,rssi₂,…rssi_k,…,rssi_m)，

其中，rssi_k为实时检测到的第k个信号发射器发射的特征信号的强度经过预处理后的值(即步骤S3中的value值)。

进一步地，将向量x带入步骤S4中得到的分类器，得到分类结果f(x)。如果f(x)<0，则判定目标处于室外，如果f(x)>0，则判定目标处于室内。

进一步地，在本发明的一个实施例中，例如图3所示，在步骤S5之后还包括：

步骤S6：当判定标处于室内时，采用室内定位系统对目标进行定位。或者，当判定目标处于室外时，采用室外定位系统对目标进行定位。

在本发明的一个实施例中，本发明上述涉及的特正信号例如为WIFI信号、蓝牙信号或RFID信号等。

综上，根据本发明实施例的基于特征信号指纹库的室内外定位切换方法，利用支持向量机强大的分类特性，能够有效地甄别室内室外的环境特征，有利于快速准确地实现室内定位系统和室外定位系统之间的无缝切换，为用户提供全方位的定位。该方法能够在目标室内外状态发生转换时选用正确的系统进行实时的不间断的定位，有效地提高了资源利用率，避免了同时利用两种定位系统导致的电量消耗，以及选用不适当定位系统造成的定位误差。

为了便于更好的理解本发明，以下结合附图，以具体的实施例来对本发明上述实施例的基于特征信号指纹库的室内外定位切换方法进行更加详细、具体地描述。

在本实施例中，以特征信号为WIFI信号为例进行说明，则在该实施例中，基于WIFI信号的室内外定位切换方法包括以下步骤：

步骤1：数据采集。首先确定需要进行室内外切换的区域(如商场入口，地铁入口，小区住宅楼入口等)，在该入口周围按等间隔(如1.5米)网格进行描点(检测点)。重复测量并记录指定点处能接收到的每个信号接入点AP的mac值，以及每个AP对应的接收信号强度(用dB表示)，并据此建立特征信号数据库。

步骤2：数据过滤。统计每个点对每个AP的测量次数M和实际测量到AP的次数N。如果N/M>0.8则表明此接入点的数据适合用于室内外切换，并计算此AP点接收到的接收信号强度的平均值。否则表明数据质量不适合于室内外切换，则删除该AP点的相关信息。

步骤3：数据预处理。将同一个点测得的不同AP的接收信号强度值变换到一个相对较小的区间(预设区间)，以减少此后进行数据训练时的计算量。其具体变换公式为：

value＝x_lower+(x_upper-x_lower)×(x-x₁)/(x₂-x₁)，

其中，value为变换后的值，x_lower、x_upper分别为待转换到区间的下限和上限值，x₁为该组数据中的最小值(一般为-1)，x₂(一般为0)为该组数据中的最大值，x为待变换的接收信号强度值。

步骤4：数据训练。训练数据集合为(x_i,y_i)，

x_i＝(rssi_i1,rssi_i2,…rssi_ik,…,rssi_im)，

其中，rssi_ik为第i个采样点(检测点)采集到的第k个WIFI的接收信号强度经过预处理后的值(即步骤3中的value值)。y_i表示预处理后的WIFI信号的室内外标志位，也反映了采样点的室内外状态。如果采样点在室内，则取值为1，否则，取值为-1。

由支持向量机方法，取核函数：

$K(x_i,x)=\exp (-\frac{\left|\right|x-x_i|{|}^2}{{\mathrm{\&sigma;}}^2})\mathrm{\&alpha;}=1,$

其中，x,x_i为经预处理后的接收信号强度向量。求取α_i值使的下面公式中W(α)取最大值，

$W\left(\mathrm{\&alpha;}\right)={\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&alpha;}}_i-\left(\frac{1}{2}\right){\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&Sigma;}}_{j=1}^n{\mathrm{\&alpha;}}_i{\mathrm{\&alpha;}}_j{y}_i{y}_{j}K(x_i,x_j),$

n为采样点的个数同时，有以下约束：

${\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&alpha;}}_i{y}_i=0,0\&le;{\mathrm{\&alpha;}}_i\&le;1(i=1,2...,n),$

此时，采用序贯最小优化算法，利用拉格朗日乘子法可以求得上述两个方程的解(用表示)，

此时，经过训练得到分类器为：

$f\left(x\right)={\&Sigma;}_{i=1}^n{\mathrm{\&alpha;}}_i^{*}{y}_{i}K(x_i,x)+b^{*},$

其中

$b^{*}=1-{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&alpha;}}_i^{*}{y}_{i}K(x_i,x_s),$

其中，x_s为取y_s＝1的任意参与数据训练的向量。

进一步地，如图2所示，在室内定位系统或室外定位系统检测到目标靠近可能出现室内外切换的部分(如商城门口，地下车库入口，小区楼门口等)时，将启动室内外定位切换的流程。

图3为室内外定位切换方法的具体流程，其中实时数据为目标接收到的各AP(用其mac值记录)和接收到其的WIFI信号强度值。然后进行数据过滤和数据预处理，其方法与步骤2-步骤3相同。

步骤5：进行室内外状态判定：将实时采样得到的WIFI信号强度数据经过如以上步骤2和步骤3的处理之后，得到向量x，

x＝(rssi₁,rssi₂,…rssi_k,…,rssi_m)，

其中，rssi_k为实时检测到的第k个WIFI的接收信号强度经过预处理后的值(即数据预处理过程中的value值)，然后将向量x带入步骤4中得到的分类器。并且，如果f(x)<0，则目标处于室外，如果f(x)>0，则目标处于室内。

进一步地，如图3所示，如果判断目标处于室内，则关闭室外定位系统，应用室内定位系统进行定位。反之，则关闭室内定位系统，应用室外定位系统进行定位。

综上，本发明实施例的基于特征信号指纹库的室内外定位切换方法，依靠室内外交界地带(室内外切换区域)的特征信号建立的特征信号数据库，然后利用支持向量机进行训练，从而依据目标接收到的实时特征信号，判明目标处于室内或室外状态，然后选择适合于目标位置状态的定位方式。因此，该方法能够有效地甄别室内室外的环境特征，有利于快速准确地实现室内定位系统和室外定位系统之间的无缝切换，为用户提供全方位的定位。该方法能够在目标室内外状态发生转换时选用正确的系统进行实时的不间断的定位，有效地提高了资源利用率，避免了同时利用两种定位系统导致的电量消耗，以及选用不适当定位系统造成的定位误差。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (7)

1.一种基于特征信号指纹库的室内外定位切换方法，其特征在于，包括以下步骤：

S1：在室内外切换区域中设置多个检测点，在每个检测点重复检测多个信号发射器发射的特征信号，并根据每个信号发射器发射的多次特征信号的强度建立特征信号数据库；

S2：根据所述特征信号数据库中每个信号发生器发射的特征信号次数和每个检测点检测到的相应的特征信号接收次数判断所述信号发生器是否满足预设条件，如果是，则计算接收到的所述信号发生器发出的多次特征信号的强度的平均值；

S3：将同一检测点测得的不同信号发生器的特征信号的强度变换到预设区间，以实现数据预处理；

S4：对预处理后的特征信号进行训练，得到分类器，其中，所述预处理后的特征信号包括信号强度和室内/室外标志位；

S5：将实时采样得到的目标的特征信号经过如所述步骤S2和步骤S3的处理之后，得到第一向量，并将所述第一向量代入所述分类器并输出分类结果，如果所述分类结果小于0，则判定所述目标处于室外，如果所述分类结果大于0，则判定所述目标处于室内。

2.根据权利1所述的基于特征信号指纹库的室内外定位切换方法，其特征在于，还包括：

当判定所述目标处于室内时，采用室内定位系统对所述目标进行定位；

当判定所述目标处于室外时，采用室外定位系统对所述目标进行定位。

3.根据权利要求1所述的基于特征信号指纹库的室内外定位切换方法，其特征在于，判断所述信号发生器是否满足预设条件，具体包括：

设每个检测点对每个信号发生器的测量次数为M，实际测量到所述信号发生器的次数为N，如果N/M>0.8，则判定所述信号发生器满足预设条件。

4.根据权利要求1所述的基于特征信号指纹库的室内外定位切换方法，其特征在于，所述将同一检测点测得的不同信号发生器的特征信号的强度变换到预设区间的变换公式为：

value＝x_lower+(x_upper-x_lower)×(x-x₁)/(x₂-x₁)，

其中，value为变换后的值，x_lower，x_upper分别为预设区间的下限和上限，x₁为该组数据中的最小值，x₂为该组数据中的最大值，x为待变换特征信号的强度。

5.根据权利要求4所述的基于特征信号指纹库的室内外定位切换方法，其特征在于，所述步骤S4具体包括：

设训练数据集合为(x_i,y_i)，

x_i＝(rssi_i1,rssi_i2,…rssi_ik,…,rssi_im)，

其中，rssi_ik为第i个检测点采集到的第k个信号发射器发射的特征信号的强度经过预处理后的值，y_i表示预处理后的特征信号的室内外标志位，如果该特征信号位于室内，则y_i取值为1，否则，y_i取值为-1；

通过支持向量机方法求取核函数：

$K(x_i,x)=\exp (-\frac{\left|\right|x-x_i|{|}^2}{{\mathrm{\&sigma;}}^2}),$

其中，x,x_i为预处理后的特征信号的强度向量，求取α_i值使的下面公式中W(α)取最大值，

$W\left(\mathrm{\&alpha;}\right)={\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&alpha;}}_i-1/2{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&Sigma;}}_{j=1}^n{\mathrm{\&alpha;}}_i{\mathrm{\&alpha;}}_j{y}_i{y}_{j}K(x_i,x_j),$

n为检测点的个数，同时，有以下约束：

${\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&alpha;}}_i{y}_i=0,0\&le;{\mathrm{\&alpha;}}_i\&le;1(i=1,2...,n),$

采用序贯最小优化算法，并利用拉格朗日乘子法求得上述两个方程的解，并通过训练得到分类器：

$f\left(x\right)=\underset{i=1}{\overset{n}{\&Sigma;}}{\mathrm{\&alpha;}}_i^{*}{y}_{i}K(x_i,x)+b^{*}$

其中，

$b^{*}=1-{\mathrm{\&Sigma;}}_{i=1}^n{\mathrm{\&alpha;}}_i^{*}{y}_{i}K(x_i,x_s),$

其中，x_s为取y_s＝1的任意参与数据训练的向量。

6.根据权利要求5所述的基于特征信号指纹库的室内外定位切换方法，其特征在于，在所述步骤S5中，所述第一向量为：

x＝(rssi₁,rssi₂,…rssi_k,…,rssi_m)，

其中，rssi_k为实时检测到的第k个信号发射器发射的特征信号的强度经过预处理后的值。

7.根据权利要求1-6任一项所述的基于特征信号指纹库的室内外定位切换方法，其特征在于，所述特征信号为WIFI信号、蓝牙信号或RFID信号。