CN105282758A - WiFi室内定位系统指纹数据库自适应动态构建方法 - Google Patents

Abstract

本发明公开了一种WiFi室内定位系统指纹数据库自适应动态构建方法，包括如下步骤：1）确定AP布局方式，适当减少AP的个数；2）确定网格大小及样本参考点位置；3）根据“无用AP剔除”准则，剔除无用AP相关数据；4）采用准则对数据进行粗大误差处理，降低整体数据波动程度；5）根据时间移动窗方法，定期更新指纹数据库，自动适应环境变化带来的干扰。本发明通过选择合理AP布局和合适的网格大小，能够加速指纹库的构建，使指纹信息更加全面准确；剔除无用AP，周期性的更新指纹数据库，能够降低定位算法的复杂度，提高定位系统定位的响应性及抵抗环境干扰的能力。

Description

WiFi室内定位系统指纹数据库自适应动态构建方法

技术领域

本发明涉及一种基于WiFi室内定位系统，尤其涉及一种基于WiFi室内定位中指纹库的构建方法。

背景技术

随着通信技术和无线网络的快速发展，人们对于位置定位的需求越来越大，尤其是在大型且复杂的室内环境，如图书馆、大型百货商场、地下停车场等环境中，常常需要确定室内位置信息以及相关服务。

在室外环境中，基于位置服务的定位技术有成熟而比较精确的GPS技术。但由于卫星信号容易受到各种障碍物遮挡，GPS等卫星定位技术并不适合室内场景。当前室内定位技术主要有：射频识别技术(RFID)、蓝牙技术、WiFi定位技术、超宽带技术，以及图像分析、计算机视觉定位技术、航位推算技术等。其中，由于WiFi定位技术不仅不需要在室内场地布置额外的硬件装置，而且WiFi传输距离远、覆盖位置宽广、无视距要求，相对于其他几种定位技术优势明显，成为当前室内定位研究热点。

通过分析基于WiFi位置指纹的室内定位技术的基本原理可知，该技术分为离线采样阶段和在线定位阶段。离线采样阶段在事先划分且具有位置信息的区域中收集多个无线网络接入点AP的接收信号强度指示值，对采集得到的接收信号强度值进行数据处理，并将每个样本参考点的位置序号、处理后的接收信号强度值、AP的MAC地址等信息存入位置指纹数据库中。在线定位阶段首先在待测点处检测并采集来自每个AP的接收信号强度信息,随后利用定位算法比较待测点与位置指纹库中每个参考点的临近性,从而实现对待测点位置坐标的估计。

这种定位方法的精确度很大程度上依赖于指纹数据库的精度。同时，位置指纹数据库的建立一般需要专人进行操作，需要消耗大量的人力成本，不利于该定位技术的进一步推广。因此，如何确保指纹信息的准确性、如何构建一个低成本、高精度、自适应的指纹数据库及如何提升指纹数据库抵抗环境等因素干扰的能力是这种室内定位系统进一步发展推广所面临的问题。

发明内容

本发明的目的是克服上述现有技术中的不足，提供一种WiFi室内定位系统指纹数据库自适应动态构建方法，有效地构建一个低成本、高精度、自适应的指纹数据库。

本发明的技术方案提供了一种WiFi室内定位系统指纹数据库自适应动态构建方法，根据室内定位场景，选择一种合理的AP布局方式，适当的网格大小，可以确保指纹数据信息更加全面，降低人力代价及定位算法时间复杂度。同时简化了指纹数据采集和处理过程，通过对指纹数据库周期性的更新，自动适应环境变化带来的干扰，最终使得本定位系统抵抗环境变化能力增强、定位准确度提高。

本发明通过“无用AP剔除”准则、3δ准则、时间移动窗等方法的处理，使得指纹数据库能更加准确和全面的反映出样本参考点位置的指纹信息，以实现更加准确和快速的定位。

为了达到上述目的，本发明所采用的技术方案如下：

一种WiFi室内定位系统指纹数据库自适应动态构建方法，包括如下具体步骤：

(1)选择合理的AP布局方式

在保证每个样本参考点位置的指纹是唯一和使用尽可能少的AP的情况下，进行AP布局；

(2)选择合理的网格大小，其网格中心作为样本参考点位置

在保证定位精度、稳定性和降低定位算法时间复杂度及离线采集数据工作量的情况下，根据定位场景，选择网格大小；

(3)在样本采集点处，用客户端扫描周围AP信号，采集数据，传送到服务端后台数据库中；

利用服务端后台数据库建立一个原始指纹数据库，原始指纹数据通过客户端采集，并通过局域网(WLAN)，实时发送到服务端后台数据库中，按指定的数据库格式存入相应的数据库表中；

(4)对采集到的指纹数据，进行统计处理，得到统计特征量

通过服务端对客户端采集的指纹数据库中的每一个样本参考点处的每一个AP的信号强度RSSI(ReceivedSignalStrengthIndication，接收信号强度指示)做统计处理，得到样本参考点处的每一个AP信号强度的均值、标准差、信号最大浮动量及有效信号缺失率；

(5)利用“无用AP剔除”准则，剔除无用AP

根据步骤(4)得到的均值、标准差、信号最大浮动量及有效信号缺失率，对每个样本参考点位置处的AP，使用“无用AP剔除”准则进行判断，如果所述样本参考点位置处的任何一个AP不能完全满足“无用AP剔除”准则中的所有条件，则认为所述样本参考点位置处的这个AP无效，将该无效AP从原始指纹数据库中清除；

(6)采用3δ准则进行粗大误差数据处理

对经过“无用AP剔除”准则处理过后的数据进行3δ准则判断，看是否存在粗大误差数据，如果存在，将不满足3δ准则的指纹数据全部过滤；反之，指纹数据不会受到任何影响；

(7)生成最终指纹数据库

将经过“3δ准则”处理过的指纹数据，按照指定的数据库格式存入最终的指纹数据库中，处理前的指纹数据库仍为原始指纹数据库，作为数据预处理算法原始数据；

(8)采用时间移动窗方法，定期更新指纹数据库

由于所述最终指纹数据库，容易受到环境干扰，因此，在这里采样时间移动窗方法，定期更新指纹数据库中的指纹数据，自动适应环境变化带来的干扰，这样可以提高定位系统的稳定性。

进一步地，步骤(1)中，根据室内定位场景，选择合理的AP布局方式是很有必要的，在本发明的实施例中，AP布局采用三角锯齿形布局在定位区域两边，如图1所示。

进一步地，步骤(2)中，样本参考点位置根据定位场景选择大小合理的等间距网格来设置，在本发明的实施例中采用对应实际空间大小为1.5m*1.5m的网格，如图1所示。

进一步地，步骤(3)中，所述样本参考点是有多个的，每个样本参考点采集指纹数据的过程方式保持一致。通过客户端设置采集模式参数，如采集方式是扫描模式、样本采集点的位置序号、采样频率、采集数据组数等信息。参数设置完毕后，进行指纹数据采集，将样本参考点序号、样本AP的SSID名、AP的MAC地址、信号强度大小RSSI、客户端识别状态、采集时间等信息进行实时传送服务端后台数据库中，形成原始指纹数据库。

进一步地，步骤(5)中，“无用AP剔除”准则，主要包含以下几个条件：

1)指纹信号强度上下波动超过10dbm；

2)在任一个样本参考位置点处该AP的信号强度均值小于-80dbm；

3)在任一个样本参考位置点处该AP的信号强度标准值超过5；

4)在任一个样本参考位置点处该AP的缺失情况超过设定数据采集组数的60％

进一步地，步骤(7)中，指纹数据库中的数据表包括的属性项有：样本参考点序号、样本AP的SSID名、AP的MAC地址、信号强度大小RSSI。

本发明在特定室内定位场景下选择合理的AP布局及合适的网格大小，进行指纹数据采集，通过“无用AP剔除”准则剔除无用AP、3δ准则滤掉粗大误差数据，利用时间移动窗方法定期更新指纹数据库，从而保证指纹数据库中指纹数据更加精确稳定、抗环境干扰能力强，为后续在线定位提供了保障。

本发明中的指纹数据库构建方法相比已有指纹数据库构建方法有如下优点：

1)通过选择AP布局方式及合适的网格大小，可以适当降低指纹数据库构建周期、保证指纹信息的全面性；

2)通过“无用AP剔除”准则剔除无用AP，可以降低定位算法的时间复杂度；

3)通过使用时间移动窗方法，可以方便的更新指纹数据库，自动适应环境变化带来的干扰，提高定位系统抗环境干扰能力，方便维护指纹数据库。

附图说明

图1是本发明的WiFi指纹定位方法中WiFi射频信息地图构建示意图；

图2是本发明的一种WiFi室内定位系统指纹数据库自适应动态构建方法的一实施例的流程示意图。

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，以下结合附图对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护不限于下述的实施例。

如图2所示，本发明所提供的一种WiFi室内定位系统指纹数据库自适应动态构建方法，其具体实施步骤如下：

(1)选择合理的AP布局方式

根据实施例中室内定位场景，采用三角锯齿形布局方式布局AP，如附图1所示。所述布局方式，可以在保证指纹信息全面的基础上，减少AP的个数。

(2)选择合理的网格大小，其网格中心作为样本采集点位置

在保证定位精度、稳定性和降低定位算法时间复杂度及离线采集数据工作量的情况下，根据实施例室内定位场景，选择合理的网格大小是非常有必要的。一般来说，网格越小，定位精度越高，离线采集数据周期更长，定位算法时间复杂度也会越高。在保证定位精度、稳定性前提下，需要适当减少离线采集数据的工作量，本实施例中选择1.5m*1.5m的网格大小，并将其网格中心作为样本采集点。

(3)在样本参考点处，用客户端扫描周围AP信号，按一定形式采集数据，传送到服务端后台数据库中；

利用服务端后台数据库建立一个原始指纹数据库，原始指纹数据通过客户端采集并通过局域网，将数据实时发送到服务端后台数据库中，按指定的数据库格式存入相应的数据库表中。

所述的采集设定模式，是通过客户端设置采集模式参数，如采集方式是扫描模式还是接收模式、样本采集点的位置序号、采样频率、采集数据组数等信息。本实施例中，参数设置如下：采集方式采用扫描模式、采样频率为0.5HZ、采集数据组数为500组。

所述的指纹数据库格式，是指指纹数据存放在数据库表中的属性字段，所述属性字段，主要包括样本参考点序号、样本AP的SSID名、AP的MAC地址、信号强度大小RSSI、客户端识别状态、采集时间。

所述的客户端识别状态，是为了保证采集指纹数据的安全性、有效性，防止通过其他终端，采集数据对指纹数据库进行干扰，用0,1来表示对应的状态。

(4)对采集到的信号数据，进行统计处理，得到统计特征量

通过服务端对客户端采集的指纹数据库中的每一个样本参考点处的每一个AP的信号强度RSSI做统计处理，得到样本参考点处的每一个AP信号强度的均值、标准差、信号最大浮动量及有效信号缺失率；

第五步：利用“无用AP剔除”准则，剔除无用AP

根据步骤(4)得到的均值、标准差、信号最大浮动量及有效信号缺失率，对每个样本参考点位置处的AP，使用“无用AP剔除”准则进行判断，如果所述样本参考点位置处的任何一个AP不能完全满足“无用AP剔除”准则中的所有条件，则认为所述样本参考点位置处的这个AP无效，将该无效AP从原始指纹数据库中清除；

所述的“无用AP剔除”准则，包括以下几个条件：

1)指纹信号强度上下波动超过10dbm；

2)在任一个样本参考位置点处该AP的信号强度均值小于-80dbm；

3)在任一个样本参考位置点处该AP的信号强度标准值超过5；

4)在任一个样本参考位置点处该AP的缺失情况超过设定数据采集组数的60％

所述接收信号强度特征量，是指均值、标准差、信号最大浮动量及有效信号缺失率，其定义分别如下：

假设在某个样本参考点来自某一固定AP的RSSI信号采样值为{x₁,x₂,...,x_i,...,x_n}，其中n为采集样本组数，x_max为所述n个采样值中最大的，x_min为所述n个采样值中最小的，x_i为所述n个采样值的第i个。另外，还有一种情形，采集样本组数为n，但是，只收集到了m个采样值。

1)接收信号强度均值

$\stackrel{\‾}{x}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i$

2)接收信号强度标准差

$\mathrm{\δ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{v_i}^2},$ 其中v_i为残差，其定义为 $v_i=x_i-\stackrel{\‾}{x}.$

3)接收信号强度最大浮动量(上下波动)

最大浮动量：diff＝x_max-x_min。

4)有效信号缺失率

有效信号缺失率： $miss\_percent=\frac{100*(n-m)}{n}\%$

(6)采用3δ准则进行粗大误差数据处理

对经过“无用AP剔除”准则处理过后的数据进行3δ准则判断，看是否存在粗大误差数据，如果存在，将不满足3δ准则的指纹数据全部过滤，反之，指纹数据不会受到任何影响；

所述3δ准则，是指若残差|v_i|>3δ，则对应于的采样值x_i应视为含有粗大误差而剔除。由于3δ准则使用简便，适用于采样次数较多的采样值，因此在离线阶段适合使用3δ准则剔除粗大误差。

(7)生成最终指纹数据库

将经过“准则”处理过的指纹数据，按照指定的数据库格式存入最终的指纹数据库中，处理前的指纹数据库仍为原始指纹数据库，作为数据预处理算法的原始数据；

所述的数据库格式，是指最终指纹数据库中指纹数据表中包含的属性字段，其字段主要有：样本参考点序号、样本AP的SSID名、AP的MAC地址、信号强度大小RSSI。

(8)采用时间移动窗方法，定期更新指纹数据库

由于所述最终指纹数据库，容易受到环境等因素干扰，因此，在这里使用时间移动窗方法，根据每个样本参考点处的历史定位准确率是否低于某个设定阀值，来决定是否更新对应样本参考点处的指纹数据。如果所述样本参考点处对应历史定位准确率低于设定阀值，则先在指纹数据库中清除对应样本参考点处的指纹数据，然后更新相应样本参考点处的指纹数据，从而更新整个定位系统的指纹数据库，这样可以大大提高定位系统的稳定性和准确性。

所述的时间移动窗方法，是指根据特定的室内定位场景，选择一个合适的时间周期T，在T时间内，根据一定的统计方法，统计定位区域中每个样本参考点处的历史定位准确率，如果发现所述定位区域中存在一个或多个样本参考点处的历史准确率低于某个阀值，服务器后台管理系统会自动发消息给定位系统指纹数据库管理者，告知定位区域中，哪些样本参考点处指纹数据库可能需要更新。管理员可以根据更新原则先在指纹数据库中清除对应样本参考点处的指纹数据，然后更新相应样本参考点处的指纹数据，并重复4-7步中的操作，在整个过程中保证采集设定参数、模式等相关信息一致。在接下来的时间T来也进行相应处理，如此往复，处理过程如同在宽度为T的时间窗口内移动，故将所述方法称之为时间移动窗方法。在本实施例中，周期T为一周时间，历史定位准确率阀值为70％。通过使用时间移动窗方法，系统能够自动适应环境变化带来的干扰，从而提高指纹数据库抗环境干扰能力、提高定位精度。

所述一定统计方法，是指在时间T内，定位者请求定位，定位服务器响应请求，将定位结果返回，并在定位终端上显示位置标注信息，定位者根据定位结果进行反馈位置是否正确，反馈信息将会被传送到服务端后台数据库中，作为历史准确率统计数据来源。在T时间后会统计准确定位的次数，算出这个T时间段，定位的准确率，服务器后台系统会根据预先设定历史定位准确率阀值，判断是否需要通知指纹数据库管理员。

Claims (7)

1.一种WiFi室内定位系统指纹数据库自适应动态构建方法，其特征在于包

括如下具体步骤：

（1）选择合理的AP布局方式

在保证每个样本参考点位置的指纹是唯一和使用尽可能少的AP的情况下，

进行AP布局；

（2）选择合理的网格大小，其网格中心作为样本参考点位置

在保证定位精度、稳定性和降低定位算法时间复杂度及离线采集数据工作量

的情况下，根据定位场景，选择网格大小；

（3）在样本采集点处，用客户端扫描周围AP信号，采集数据，传送到服务端后台数据库中；

利用服务端后台数据库建立一个原始指纹数据库，原始指纹数据通过客户端

采集，并通过局域网，实时发送到服务端后台数据库中，按指定的数据库格式存入相应的数据库表中；

（4）对采集到的指纹数据，进行统计处理，得到统计特征量

通过服务端对客户端采集的指纹数据库中的每一个样本参考点处的每一个

AP的信号强度RSSI做统计处理，得到样本参考点处的每一个AP信号强度的均值、标准差、信号最大浮动量及有效信号缺失率；

（5）利用“无用AP剔除”准则，剔除无用AP

根据步骤（4）得到的均值、标准差、信号最大浮动量及有效信号缺失率，

对每个样本参考点位置处的AP，使用“无用AP剔除”准则进行判断，如果所述

样本参考点位置处的任何一个AP不能完全满足“无用AP剔除”准则中的所有条

件，则认为所述样本参考点位置处的这个AP无效，将该无效AP从原始指纹数

据库中清除；

（6）采用准则进行粗大误差数据处理

对经过“无用AP剔除”准则处理过后的数据进行准则判断，看是否存在粗

大误差数据，如果存在，将不满足准则的指纹数据全部过滤；反之，指纹数

据不会受到任何影响；

（7）生成最终指纹数据库

将经过“准则”处理过的指纹数据，按照指定的数据库格式存入最终的指

纹数据库中，处理前的指纹数据库仍为原始指纹数据库，作为数据预处理算法原

始数据；

（8）采用时间移动窗方法，定期更新指纹数据库

由于所述最终指纹数据库，容易受到环境干扰，因此，在这里采样时间移动

窗方法，定期更新指纹数据库中的指纹数据，自动适应环境变化带来的干扰，这样可以提高定位系统的稳定性。

2.根据权利要求1所述的一种基于WiFi的室内定位系统指纹库的构建方

法，其特征在于，步骤（1）所述AP布局采用三角锯齿形布局。

3.根据权利要求1所述的一种基于WiFi的室内定位系统指纹库的构建方

法，其特征在于，步骤（2）所述网格大小为1-2m²。

4.根据权利要求1所述的一种基于WiFi的室内定位系统指纹库的构建方

法，其特征在于，步骤（3）所述采集数据具体是，在客户端设置样本参考点序号，开启WiFi扫描模式并以0.5HZ频率进行扫描，将样本参考点序号、样本AP的SSID名、AP的MAC地址、信号强度大小RSSI、客户端识别状态、采集时间等信息进行时时传送服务端后台数据库中，形成原始指纹数据库。

5.根据权利要求1所述的一种基于WiFi的室内定位系统指纹库的构建方

法，其特征在于，步骤（7）所述指定的数据库格式的字段有：样本参考点序号、样本AP的SSID名、AP的MAC地址、信号强度大小RSSI。

6.根据权利要求1所述的一种基于WiFi的室内定位系统指纹库的构建方

法，其特征在于，步骤（8）所述时间移动窗方法是指每个样本参考点会根据所述样本参考点处的历史定位准确率来确定是否周期性的更新所述参考点处的指纹数据，自动适应环境变化带来的干扰。

7.根据权利要求1所述的一种基于WiFi的室内定位系统指纹库的构建方

法，其特征在于，所述“无用AP剔除”准则包含以下几个条件：

1）指纹信号强度上下波动超过10dbm；

2）在任一个样本参考位置点处该AP的信号强度均值小于-80dbm；

3）在任一个样本参考位置点处该AP的信号强度标准值超过5；

4）在任一个样本参考位置点处该AP的缺失情况超过设定数据采集组数的60%。