CN105338498B - 一种WiFi室内定位系统中指纹库的构建方法 - Google Patents

一种WiFi室内定位系统中指纹库的构建方法 Download PDF

Info

Publication number
CN105338498B
CN105338498B CN201510632921.4A CN201510632921A CN105338498B CN 105338498 B CN105338498 B CN 105338498B CN 201510632921 A CN201510632921 A CN 201510632921A CN 105338498 B CN105338498 B CN 105338498B
Authority
CN
China
Prior art keywords
reference point
signal strength
data
convex closure
acquisition
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
Application number
CN201510632921.4A
Other languages
English (en)
Other versions
CN105338498A (zh
Inventor
诸彤宇
赵福丹
陈征
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201510632921.4A priority Critical patent/CN105338498B/zh
Publication of CN105338498A publication Critical patent/CN105338498A/zh
Application granted granted Critical
Publication of CN105338498B publication Critical patent/CN105338498B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种WiFi室内定位系统中指纹库的构建方法，属于室内无线通信和网络技术领域。方法包括：在参考点上采集原始信号强度RSSI，然后对RSSI数据进行预处理，用预处理后的数据进行优良AP的选择，再提取每个参考点上的优良AP信号强度特征，检测AP信号强度完整性，对检测出有缺失数据的参考点进行信号强度的填补，对未采集的参考点信号强度进行推算，最后生成指纹库。该方法考虑到是室内环境对信号强度的影响，充分利用信号强度的传播规律，解决了传统的指纹库构建过程采集工作量大，指纹信息不完整的问题。在不降低指纹库精度的情况下，降低指纹库构建阶段的现场采集成本和剔除对位置点分辨模糊、冗余的AP，减少了指纹库的存储空间。

Description

一种WiFi室内定位系统中指纹库的构建方法
技术领域
本发明属于WiFi室内定位领域，更具体地说，涉及一种WiFi室内定位系统中指纹库的构建方法。
背景技术
近年来，随着移动通信技术的快速发展，基于位置的服务(LBS)越来越受到人们的青睐，其核心技术就是定位技术。全球定位系统(GPS)在室外能达到很好的定位精度。但是，GPS在室内和高楼密布的城市由于感测不到卫星信号而无法定位，。因此急需寻找一种可行的室内定位方法来弥补GPS系统的不足。
基于802.11b/g/n协议的无线局域网在近年来得到迅速发展和普及，并广泛分布于家庭、校园、办公场所、地下停车场与娱乐场所。支持WiFi的终端也越来越多，智能手机、笔记本、Pad等手持设备也均内置了无线网卡，这为WLAN定位提供了必要的物质基础与技术支持，使得基于WLAN的无线定位成为可能。
而在室内WLAN定位系统中，位置指纹定位方案以普适性和高效性得到了广泛的应用。位置指纹定位方案包括两个阶段：离线信号空间建立阶段和在线定位阶段，在离线信号空间的建立阶段，主要的工作是在定位区域内选择的参考点采集周围无线接入点(AP)正常运行时发送的烟火信号信息，构建一个与参考点位置坐标相对应的AP信号强度的位置指纹库，或称为无线电地图。在线定位阶段中，用户终端在某个位置点采集周围AP发送的信号强度信息后，通过一定的搜索匹配算法匹配采集到的信号强度信息与位置指纹库中信号强度信息，信号强度信息最相似的位置点作为用户终端的定位结果。
位置指纹定位方案取得的定位精度很大程度上依赖于指纹库的精确和指纹信息的充分程度。建立一个精确可靠的指纹库，这一方案可以取得较高的定位精度，但其主要缺点之一在于，在信号空间的建立阶段需要大量的数据采集，这一工作使得系统的建立需要耗费很多的人力与时间成本，并且因为系统定位精度与数据采集点密度密切相关，使得系统定位精度的进一步提高出现了难以逾越的瓶颈，从而降低了系统的易操作性与竞争力。
发明内容
本发明要解决的技术问题是：克服现有技术的不足，提供一种WiFi室内定位系统中指纹库的构建方法，在室内定位系统中，解决离线建立指纹库的阶段需要耗费很多人力和时间成本多次采集大量数据的问题，同时解决对AP进行选择，剔除冗余的，模糊的AP信息，减少了指纹库的容量。
本发明的技术方案：对定位区域网格化选取参考点，仅对部分参考点进行现场采集信号强度信息，其他未采集参考点的信号强度信息利用采集参考点强度信息进行插值推算得到，从而减少了需要现场采集参考点的个数；对每个AP信号强度信息进行完整性检测及对检测出有缺失数据的参考点数据进行填补，减少了对参考点需要多次采集的工作；对AP进行选择，剔除冗余的，模糊，对位置点分辨率低的AP信息，保证了不降低指纹库精度的情况下，减少了指纹库的容量。
本发明一种WiFi室内定位系统中指纹库的构建方法，包括以下几个步骤：
步骤一：在定位区域建立三维坐标系，确定定位区域内参考点和位置坐标，选出需采集的参考点，在采集参考点上采集接入点AP的信号强度(RSSI)等信息。
其中，定位区域可以为多个楼层或整栋建筑，为每个楼层或平面区域分配一个唯一的标示符(ID)。参考点位置信息包括参考点的x，y，z坐标和参考点所在楼层的ID。能采集到信息有：AP的Mac地址，信号强度，信道，手机连接状态和干扰值等。
步骤二：采集到的原始数据进行预处理。
采集到的原始数据进行预处理包括首先根据采集到信道、手机连接状态和干扰值等信息对RSSI进行过滤，然后用分位点剔除法剔除RSSI序列中的噪声数据。
其中，所述根据采集信息对RSSI进行过滤的具体步骤如下：
(1)去除信号强度在-100～-20外的数据；
(2)去除信号强度切换后的第一条数据；
(3)去除手机状态从连接到未连接状态时接受的第一条数据；
(4)去除干扰值小于85的数据；
其中，所述分位点剔除法的具体步骤如下：
(1)求出数据的第一四分位数Q1和第三四分位数Q3；
假设有n个数据，数据的p分位数xp定义为至少有np个数据小于或等于xp且至少有n(1-p)个数据大于或等于xp。0.25分位数x0.25称为第一四分位数，0.75分位数x0.75称为第三四分为数。
(2)计算IQR＝Q3–Q1；
(3)剔除小于Q1–1.5*IQR或大于Q3+1.5*IQR的数据；
(4)若第三步中没有数据被剔除，算法终止，否则用剩下的数据作为输入转到第一步。
步骤三：用信息熵增益选择出优良的AP。
AP对网格参考点的辨别能力的高低往往决定着这个AP的定位能力，因此应该选择对参考点辨别能力的高的AP来构建指纹库，对辨别能力强弱的权衡标准可采用信息熵增益理论。AP对位置点的信息熵增益大小代表AP对参考点的辨别能力的高低，所以优良AP的选择包括首先计算每个AP信息熵增益，然后选择具有最大信息熵增益的m个AP为优良AP，具体计算步骤如下：
已知每个位置点采集到每个AP信号强度序列，令L表示位置点，可能的取值为Li(1≤i≤n),APi表示第i个AP的信号强度，取值范围为r(-100＜＜r＜＜-20)，AP选择的具体步骤如下：
(1)用核密度估计估计每个AP的信号强度概率分布p(APi)。
其中核密度估计中核函数选用的是高斯窗，待确定参数为标准差δ。
(2)估计每个AP在已知位置点上的信号强度概率分布p(APi|Lk)。
(3)计算每个AP的信息增益I(L,APi)，计算公式如下：
I(L,APi)＝log2(n)-H(L|APi)
其中，H(L|APi)表示条件熵，表示已知APi的信号强度分布后位置点平均不确定度。
(4)选择具有最大信息熵增益的m个AP。
步骤四：从预处理后的数据中剔除第三步中未选择为优良AP的数据，然后对优良AP的信号强度进行处理，提取信号强度特征(均值，众数，标准差等)来代表AP在位置点的信号强度。
步骤五：用凸包方法对每个AP的数据进行完整性检测。
首先，对每个楼层的每个AP进行平面凸包检测，下面是对每个AP的数据进行检测的步骤：
(1)找出采集到信号强度的采集参考点形成凸包。
(2)找出凸包内没有信号强的采集参考点，记为集合N。
(3)在凸包外的采集参考点中，找出到凸包边界距离小于8m点，记为集合D。
(4)依次取出集合D中的采集参考点d，若以d为圆心，8m为半径的圆中包含信号强度大于-85dB的采集参考点，则把采集参考点d放入集合W。
(5)集合N和W分别为凸包内和凸包外有缺失数据的采集参考点。
对每个楼层进行平面凸包检测后，再对整个多楼层建筑进行三维凸包检测。三维凸包检测与平面凸包检测类似，唯一不同的是数据为多楼层采集参考点数据，，主要包括形成的是三维凸包，找出三维凸包内需要插补的采集参考点，找出三维凸包边界外的需要插补的采集参考点。所以具体步骤不再赘述。
步骤六：对第五步骤中检测出某个AP有数据缺失的采集参考点进行信号强度的填补。
步骤五中检测出某个AP有数据缺失的采集参考点需要进行信号强度的填补，以保证信号数据的完整性，包括内容为分别对检测出的凸包内缺失数据采集参考点和凸包外缺失数据采集参考点进行填补，具体如下步骤：
(1)凸包内缺失数据采集参考点数据填补。采用径向基函数法进行填补，即离填补参考点近的位置点对插补点贡献率大，离填补参考点远的位置点的贡献率就小。假设L为待插补信号强度的参考点，Li为有采集到信号强度的参考点(i＝1,2,3…m)，Li对应的信号强度为RSSIi，则插补步骤如下：
a)Li到L的距离为di＝||L-Li||
b)Li对应L点信号强度的贡献率为
c)Li对L贡献率归一化
d)L点信号强度
其中u(di)[0,E]为示性函数：di取值在[0,E]时,则函数值为1，否则为0。
上述中需要确定得参数为：E为一个阈值，决定需插补的参考位置为中心，多大范围内参考点的信号强度对需插补参考点的信号强度有贡献；δ高斯分布的标准差，确定参考点的信号强度对需插补插补参考点的信号贡献率的大小。
(1)凸包外缺失数据采集参考点数据填补。信号强度在离AP很远的局部空间可看成线性衰减的，所以在局部用线性回归来插补，公式如下：
RSSI＝a*x+b*y+c*z+d (1)
其中x，y，z为位置坐标，a，b，c，c为参数。
a)找出离L最近的且有信号强度的5个采集参考点，记为Li(i＝1,2…5)，对应的坐标为xi，yi，zi。
b)已知五个位置点的坐标和强度信息，用均方差最小原则求出参数a，b，c，d。
c)L位置的xyz坐标带入上公式(1)，得到插补信号强度。
步骤七：对未采集参考点的AP信号强度进行推算。
采用径向基函数法对数据进行插值，包含具体步骤与步骤六中的(1)凸包内缺失数据采集参考点填补方法相同。
步骤八：生成最终的指纹库。
所述生成最终的指纹库是指把步骤一确定所有参考点的位置信息和步骤四算出信号强度特征，步骤五填补信号强度特征，步骤七插补信号强度特征相对应，生成一条条记录存入数据库或文件中。
其中，一条记录的内容包含有：参考位置坐标x，y，z，参考点所在楼层ID，AP的Mac地址，信号强度的均值，众数和标准差。
本发明提供的技术方案的有益效果是：
(1)仅对部分参考点进行现场采集信号强度，其他未采集参考点的信号强度利用采集参考点强度信息进行插值推算得到，从而减少了需要现场采集参考点的个数；
(2)对每个AP信号强度进行完整性检测及对检测出有缺失数据的参考点数据进行填补，减少了对参考点需要多次采集的工作，保证指纹库的完整性；
(3)对AP进行选择，剔除冗余的，模糊，对位置点分辨率低的AP信息，保证了不降低指纹库精度的情况下，减少了指纹库的容量。
附图说明
图1为本发明所提供的指纹库构建流程图。
具体实施方式
下面结合流程图和具体实施例对本发明具体实施方案做进一步说明。应当理解，此处所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。
如图1所示，本发明所提供的WiFi室内定位系统的指纹数据库构建方法，包括步骤如下：
步骤一：在定位区域建立三维坐标系，确定定位区域内参考点和位置坐标，选出需采集的参考点，在采集参考点上采集接入点AP的信号强度等信息。
首先，对每个楼层或平面区域选取参考点，参考点均匀覆盖需定位的区域，可选取等距网格的交点选取为参考点，相邻参考点间隔越小，定位的精度相对越高，但采样位置点增多，所需的总时长也越长。本例中参考点之间的间隔设置为2.5米。确定点参考点的位置信息有：参考点所在楼层ID，三维坐标系中的坐标位置坐标(x，y，z)。
其次，从参考中选取需要现场采集的参考点，记为采集参考点，采集参考点一般均匀覆盖需定位的区域，间距为5米左右，在定位区域边界和环境复杂的地方应该加大采集参考点的密度。
最后，手持智能移动终端设备逐一在每个采集参考点上采集周围AP信号强度信息。每个位置点采集时间在1分钟左右，数据采集的频率与采集终端设备有一定的关系，而能采集到的字段与采集终端设备和接入点AP有关。基本能采集到字段有：采集时间，AP的物理地址，AP信号强度，信道。有些采集设备还能采集到的字段有：设备的连接AP状态，信号的干扰值等。
步骤二：采集到的原始数据进行预处理。
采集到的原始信号强度RSSI进行预处理包括首先根据采集到信道、手机连接状态和干扰值等信息对RSSI进行过滤，然后用分位点剔除法剔除RSSI序列中的噪声数据。对于没采集手机连接状态和干扰值数据则可忽略相关的规则。
其中，所述根据采集信息对RSSI进行过滤的具体步骤如下：
(1)去除信号强度在-100～-20外的数据；
(2)去除信号强度切换后的第一条数据；
(3)去除手机状态从连接到未连接状态时接受的第一条数据；
(4)去除干扰值小于85的数据；
其中，所述分位点剔除法的具体步骤如下：
(1)求出数据的第一四分位数Q1和第三四分位数Q3
假设有n个数据，对数据进行从小到大排序，排完序后记为：x1，x2，x3，…，xn，p分位数yp为：
第一四分位数Q1为0.25分位数，第三四分位数Q3为0.75分位数。
(2)计算IQR＝Q3–Q1
(3)剔除小于Q1–1.5*IQR或大于Q3+1.5*IQR的数据
(4)若第三步中没有数据被剔除，算法终止，否则用剩下的数据作为输入转到第一步。
步骤三：用信息熵增益选择出优良的AP。
首先计算每个AP信息熵增益，然后选择具有最大信息熵增益的m个AP为优良AP，具体计算步骤如下：
已知每个位置点采集到每个AP信号强度序列，令L表示位置点，可能的取值为Lk(1≤k≤n),APi表示第i个AP的信号强度，取值范围为r(-100＜＜r＜＜-20)，AP选择的具体步骤如下：
(1)用核密度估计估计每个AP的信号强度概率分布p(APi)。
每个采集参考点所采集到第i个AP的信号强度合并到一起构成序列rssij(1≤j≤N)，N为采集到第i个AP的信号强度的数据条数。其中核密度估计中核函数选用的是高斯窗，标准差δ可定为3，第i个AP的信号强度概率分布p(APi)的计算公式如下：
公式(1)为核密度估计公式，公式(2)为高斯核函数，公式(3)为对估计出的概率密度归一化来表示概率分布。
(2)估计每个AP在已知位置点上的信号强度概率分布p(APi|Lk)。
p(APi|Lk)估计方法与p(APi)估计相同。不同的是数据rssij应表示在参考点Lk采集到第i个AP的信号强度序列。
(3)计算每个AP的信息增益I(L,APi)，计算公式如下：
I(L,APi)＝log2(n)-H(L|APi)
p(Lk|APi＝r)＝p(Lk,APi＝r)/p(APi＝r)
p(Lk,APi＝r)＝p(APi＝r|Lk)p(Lk)
其中，H(L|APi)表示条件熵，表示已知APi的信号强度分布后位置点平均不确定度；p(Lk)表示在位置点Lk的概率，等于1/n。
(4)对AP按照信息熵增益进行排序，选择具有最大信息熵增益的m个AP作为优良AP。
步骤四：从数据预处理后的数据中剔除第三步中未选择为优良AP的数据，然后对优良AP的信号强度进行处理，提取信号特征(均值，众数，标准差等)来代表AP在位置点的信号强度。
在每个采集参考点提取每个优良AP信号强度序列RSSI＝{RSSI1，RSSI2，…,RSSIn},求取均值，众数，标准差作为参考点的信号强度特征。
步骤五：用凸包方法对每个AP的数据进行完整性检测。
首先，对每个楼层的每个AP进行平面凸包检测，下面是对每个AP的数据进行检测的步骤：
(1)找出采集到信号强度的采集参考点形成凸包。
已知每个参考点的知道x，y坐标，凸包求取可用Graham扫描法，输入为有信号强度的采集参考点，计算步骤如下：
a)在点集中，选取y坐标最小的一点，当作基点。如果存在多个点的y坐标都为最小值，则选取x坐标最小的一点，记为p0。
b)以p0为基点，计算其余点的极坐标幅角，然后以幅角的非降序顺序来对点进行排序，如果有幅角相同的多个点，最接近p0的点优先，排完序的点记为<P1,P2,……,Pn>。
c)初始化一个栈S，P0和排序后的P1,P2作为初始凸包相继入栈S，然后依次对其余点进行操作：栈顶元素是凸包的顶点，则它应该向左转指向当前被扫描的点Pi。如果它不是向左转，则它不属于凸包中的顶点，应从堆栈S中移出。在弹出了所有非左转的顶点后，我们就把Pi推人堆栈S，继续扫描序列中的下一个点Pi+1。
d)当全部点被扫描后，顶点也就查找完毕，存放在栈S中。最后栈S内的点按照顺序相连可得到所求的凸包。
(1)找出凸包内没有信号强的采集参考点，记为集合N。
(2)在凸包外的采集参考点中，找出到凸包边界距离小于8m点，记为集合D。
(3)依次取出集合D中的采集参考点d，若以d为圆心，8m为半径的圆中包含信号强度大于-85dB的采集参考点，则把采集参考点d放入集合W。
(4)集合N和W为缺失数据的采集参考点。
对每个楼层进行平面凸包检测后，再对整个多楼层建筑进行三维凸包检测。三维凸包检测与平面凸包检测类似，唯一不同的是数据为多楼层采集参考点数据，形成的是三维凸包。所以具体步骤不再赘述。下面仅讲述三维凸包的求取方法。
已知有信号强度的采集参考点且知道x，y，z坐标，三维凸包的求取算法步骤如下：
a)在点集中，找出不共面的4点形成四面体，为初始的凸包。
b)依次遍历其余的点，每个点的处理方法为：首先判断新的点p在是否在凸包内，当新点p在当前凸包内部，只需简单地忽略该点；当新点p在当前凸包外部，需要计算并的凸包，在这种情况下，首先需要计算在新点p可以看到凸包的平面，将p点能看到的所有平面删去，然后将所有p点能看到的边与p相连组成面。
c)处理完所有的点后，得到所求的三维凸包。
步骤六：对第五步骤中检测出某个AP有数据缺失的采集参考点进行信号强度的填补。
分别对检测出的凸包内缺失数据采集参考点和凸包外缺失数据采集参考点进行填补，包含具体如下步骤：
(1)凸包内缺失数据采集参考点数据填补。假设L为待插补信号强度的参考点，Li为有采集到信号强度的参考点(i＝1,2,3…m)，Li对应的信号强度为RSSIi，则插补步骤如下：
a)Li到L的距离为di＝||L-Li||
b)Li对应L点信号强度的贡献率为
c)Li对L贡献率归一化
d)L点信号强度
其中u(di)[0,E]为示性函数：di取值在[0,E]时,则函数值为1，否则为0。参数E为一个阈值；决定需插补的参考位置为中心，多大范围内参考点的信号强度对需插补参考点的信号强度有贡献；参数δ高斯分布的标准差，确定参考点的信号强度对需插补插补参考点的信号贡献率的大小。本例中E取值为20，δ取值为3。
(1)凸包外缺失数据采集参考点数据填补。信号强度在离AP很远的局部空间可看成线性衰减的，所以在局部用线性回归来插补，公式如下：
RSSI＝a*x+b*y+c*z+d (4)
其中x，y，z为位置坐标，a，b，c，c为参数。采集参考点数据填补步骤如下：
a)找出离L最近的且有信号强度的5个采集参考点，记为Li(i＝1,2…5)，对应的坐标为xi，yi，zi，信号强度为RSSIi。
b)已知五个采集参考点的位置信息和信号强度，用均方差最小原则求出参数a，b， c，d。记：
所以，根据公式(4)有：Y＝Xβ。用均方差最小原则可解得：β＝(XTX)-1XTY。
c)L位置的xyz坐标带入上公式(4)，得到插补信号强度。
步骤七：对未采集参考点的AP信号强度进行推算。
采用径向基函数法对数据进行插值，包含具体步骤与步骤六中的(1)凸包内缺失数据采集参考点填补方法相同。
步骤八：生成最终的指纹库。
把步骤四中计算采集参考点信号特征，步骤六中填补的缺失数据的采集参考点信号强度特征，步骤七中插补出未采集参考点的信号强度特征与步骤一中确定得位置信息相对应，生成一条条记录存入数据库或文件中。
其中，一条记录的内容包含有：参考位置坐标x，y，z，参考点所在楼层ID，AP的Mac地址，信号强度的均值，众数和标准差。
以上所述，仅为本发明部分具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (11)

1.一种WiFi室内定位系统中指纹库的构建方法，其特征在于实现步骤如下：
步骤一：在定位区域建立三维坐标系，确定定位区域内参考点和参考点位置信息，选出需采集的参考点，在采集的参考点上采集接入点AP的信号强度RSSI信息数据；
其中，定位区域为多个楼层或整栋建筑，为每个楼层或平面区域分配一个唯一的标示符ID，参考点位置信息包括参考点的x，y，z坐标和参考点所在楼层的ID；参考点信息有：接入点AP的Mac地址，接入点AP的信号强度，信道，手机连接状态和干扰值；
参考点分两部分，一部分为需要现场采集的参考点，记为采集参考点；另一部分不需要采集的参考点记为未采集参考点；
步骤二：对采集到的接入点AP的信号强度RSSI信息数据进行预处理；
步骤三：用信息熵增益选择出优良的接入点AP；
步骤四：从步骤二中数据预处理后的信号强度RSSI信息数据中剔除第三步中未选择为优良接入点AP的信号强度RSSI信息数据，然后对优良AP的信号强度RSSI信息数据进行处理，提取信号强度特征，信号强度特征包括均值、众数和标准差来代表接入点AP在位置坐标的信号强度RSSI信息数据；
步骤五：利用步骤四提取的信号强度特征，用凸包方法对每个AP的信号强度RSSI信息数据进行完整性检测，检测出每个接入点AP有数据缺失的采集参考点；
步骤六：对第五步骤中检测出某个AP有数据缺失的采集参考点进行信号强度的填补，得到缺失数据的采集参考点的信号强度RSSI信息数据；
步骤七：对未采集参考点上能扫描到的接入点AP信号强度RSSI信息数据进行推算，得到未采集的参考点的信号强度RSSI信息数据；
步骤八：把步骤一中确定的参考点的位置信息及步骤四、六、七的生成信号强度特征相对应生成记录存入数据库或文件中，生成最终的指纹库。
2.根据权利要求1所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述步骤二对采集到的接入点AP的信号强度RSSI信息数据进行预处理包括：首先根据采集到信道、手机连接状态和干扰值信息对信号强度RSSI信息数据进行过滤，然后用分位点剔除法剔除信号强度RSSI信息数据的序列中的噪声数据。
3.根据权利要求2所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述根据采集到信道、手机连接状态和干扰值信息对信号强度RSSI信息数据进行过滤的具体步骤如下：
(1)去除信号强度在设定值外的数据；
(2)去除信号强度切换后的第一条数据；
(3)去除手机状态从连接到未连接状态时接受的第一条数据；
(4)去除干扰值小于设定阈值的数据。
4.根据权利要求2所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述分位点剔除法的具体步骤如下：
(1)求出RSSI信息数据的第一四分位数Q1和第三四分位数Q3；
(2)计算IQR＝Q3–Q1；
IQR称为四分位数间距，表示数据中间位置包含一半数据的数据值的跨度；
(3)剔除小于Q1–1.5*IQR或大于Q3+1.5*IQR的数据；
(4)若步骤(3)中没有数据被剔除，则完成；否则用剩下的数据作为输入转至步骤(1)。
5.根据权利要求1所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述步骤三用信息熵增益选择出优良的AP的过程为：首先计算每个AP信息熵增益，然后选择具有最大信息熵增益的m个AP为优良AP。
6.根据权利要求1所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述步骤五中用凸包方法对每个AP的信号强度数据进行完整性检测具体包含如下步骤：首先，对每个楼层或平面区域的每个AP进行平面凸包检测，对每个楼层进行平面凸包检测后，再对整个多楼层建筑进行三维凸包检测。
7.根据权利要求6所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述每个AP进行平面凸包检测的步骤：
(1)找出采集到信号强度的采集参考点形成凸包；
(2)找出凸包内没有信号强的采集参考点，记为集合N；
(3)在凸包外的采集参考点中，找出到凸包边界距离小于8m的采集参考点，记为集合D；
(4)依次取出集合D中的采集参考点d，若以d为圆心，8m为半径的圆中包含信号强度大于-85dB的采集参考点，则把采集参考点d放入集合W；
(5)集合N和W中的元素分别为凸包内和凸包外缺失数据的采集参考点。
8.根据权利要求6所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述三维凸包检测的步骤如下：
(1)找出多个楼层采集到信号强度的采集参考点形成三维凸包；
(2)找出三维凸包内没有信号强的采集参考点，记为集合N；
(3)在三维凸包外的采集参考点中，找出到三维凸包边界面距离小于8m的采集参考点，记为集合D；
(4)依次取出集合D中的采集参考点d，若以d为圆心，8m为半径的球中包含信号强度大于-85dB的采集参考点，则把采集参考点d放入集合W；
(3)集合N和W中的元素分别为三维凸包内和三维凸包外缺失数据的采集参考点。
9.根据权利要求1所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述步骤六包含凸包内缺失数据采集参考点数据填补和凸包外缺失数据采集参考点数据填补。
10.根据权利要求1所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述步骤七中未采集参考点的AP信号强度进行推算，采用径向基函数法对数据进行插值。
11.根据权利要求1所述的WiFi室内定位系统中指纹库的构建方法，其特征在于：所述步骤八中生成最终的指纹库中，每条记录的内容包含有：参考位置坐标，参考点所在楼层ID，接入点AP的Mac地址，信号强度的均值，众数和标准差。
CN201510632921.4A 2015-09-29 2015-09-29 一种WiFi室内定位系统中指纹库的构建方法 Active CN105338498B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510632921.4A CN105338498B (zh) 2015-09-29 2015-09-29 一种WiFi室内定位系统中指纹库的构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510632921.4A CN105338498B (zh) 2015-09-29 2015-09-29 一种WiFi室内定位系统中指纹库的构建方法

Publications (2)

Publication Number Publication Date
CN105338498A CN105338498A (zh) 2016-02-17
CN105338498B true CN105338498B (zh) 2018-11-30

Family

ID=55288707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510632921.4A Active CN105338498B (zh) 2015-09-29 2015-09-29 一种WiFi室内定位系统中指纹库的构建方法

Country Status (1)

Country Link
CN (1) CN105338498B (zh)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105898866B (zh) * 2016-06-16 2019-04-05 合肥工业大学 一种WiFi室内定位中指纹库的构建方法
CN106162652A (zh) * 2016-08-29 2016-11-23 杭州电子科技大学 一种基于路测数据的基站位置定位方法
US9860759B1 (en) 2016-10-17 2018-01-02 Here Global B.V. Incomplete navigation data of indoor positioning systems
US10925029B2 (en) 2016-12-22 2021-02-16 Huawei Technologies Co., Ltd. Wi-Fi access point-based positioning method and device
CN108243389A (zh) * 2016-12-26 2018-07-03 南京烽火星空通信发展有限公司 基于多点采集的热点位置确定方法和系统
CN106772235B (zh) * 2017-02-17 2020-10-23 电子科技大学 基于rssi衰减特性和相似性的室内定位方法
CN107509171A (zh) * 2017-09-01 2017-12-22 广州杰赛科技股份有限公司 室内定位方法及装置
CN109525337B (zh) * 2017-09-20 2021-04-16 腾讯科技（深圳）有限公司 WiFi指纹获取方法、装置、存储介质以及设备
CN107770719A (zh) * 2017-09-27 2018-03-06 无锡神探电子科技有限公司 一种基于路测数据与机器学习的目标定位方法
US11129093B2 (en) 2017-09-29 2021-09-21 Honor Device Co., Ltd. Residual access point information recognition method and recognition apparatus
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
CN108111976B (zh) * 2017-12-20 2020-06-05 北京航空航天大学 一种WiFi信号指纹数据优化方法及装置
CN108076430B (zh) * 2017-12-27 2020-12-29 西南交通大学 一种WiFi探针采集数据自动插值处理方法
CN108376141B (zh) * 2017-12-27 2020-06-30 中国移动通信集团福建有限公司 室内指纹库构建方法、装置、设备及存储介质
CN109996181B (zh) * 2017-12-31 2020-12-25 中国移动通信集团四川有限公司 基于大数据的立体室内定位方法、装置、设备及介质
CN108449712B (zh) * 2018-02-07 2020-04-07 大连理工大学 一种基于Wi-Fi信号指纹信息的建筑物楼层确定方法
CN108566620B (zh) * 2018-04-18 2021-01-05 南京市木阿码网络信息科技有限公司 一种基于wifi的室内定位方法
CN109547920B (zh) * 2018-09-30 2020-09-08 西安电子科技大学 基于自适应噪声抵消的WiFi室内定位系统和方法
CN109143164A (zh) * 2018-10-11 2019-01-04 哈尔滨工业大学 基于高斯过程回归的无线信号源定位方法
CN109360373B (zh) * 2018-11-13 2020-11-06 四创科技有限公司 基于wifi定位的水库放水人员预警方法
CN109640260B (zh) * 2018-12-13 2020-10-27 闽南师范大学 一种室内Wi-Fi定位的方法
CN109889983B (zh) * 2019-03-15 2021-08-13 陕西学前师范学院 一种室内定位方法、装置、设备和系统
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
US11269851B2 (en) 2019-05-03 2022-03-08 International Business Machines Corporation Indoor survey data collection
CN110290490B (zh) * 2019-05-06 2020-12-08 广东工业大学 一种室内混合指纹地图的构建方法
CN110333484B (zh) * 2019-07-15 2021-04-13 桂林电子科技大学 基于环境背景声感知与分析的室内区域级定位方法
CN110913474A (zh) * 2019-11-26 2020-03-24 北京眸星科技有限公司 一种室内定位中的距离指纹数据采集方法
CN111090090B (zh) * 2019-12-11 2022-05-27 金华航大北斗应用技术有限公司 一种室内定位系统中的特征指纹库构建方法
CN112566055B (zh) * 2020-11-27 2022-06-10 巢湖学院 一种基于射频指纹匹配的室内定位算法
CN113543026B (zh) * 2021-06-11 2022-06-24 同济大学 一种基于径向基函数网络的多楼层室内定位方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103582119A (zh) * 2013-10-12 2014-02-12 上海交通大学 WiFi室内定位系统的指纹数据库构建方法
CN103874191A (zh) * 2012-12-11 2014-06-18 华东师范大学 一种基于WiFi无线网络的定位方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103874191A (zh) * 2012-12-11 2014-06-18 华东师范大学 一种基于WiFi无线网络的定位方法
CN103582119A (zh) * 2013-10-12 2014-02-12 上海交通大学 WiFi室内定位系统的指纹数据库构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
An indoor positioning algorithm using joint information entropy based on WLAN fingerprint;Gui Zou等;《Computing, Communication and Networking Technologies》;20140713;第1-2节 *

Also Published As

Publication number Publication date
CN105338498A (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN105338498B (zh) 一种WiFi室内定位系统中指纹库的构建方法
CN110557716B (zh) 一种基于对数正态模型的室内定位方法
CN108107461B (zh) 一种基于移动终端室内外定位无缝切换方法
CN105813194B (zh) 基于指纹数据库二次校正的室内定位方法
CN103747524B (zh) 一种基于云平台的Android终端室内定位方法
CN103796305B (zh) 一种基于Wi‑Fi位置指纹的室内定位方法
CN103197280B (zh) 一种基于射频信号强度的ap位置估计方法
CN102932911B (zh) 位置指纹定位方法及定位系统
CN106093852A (zh) 一种提高WiFi指纹定位精度与效率的方法
CN103747419B (zh) 一种基于信号强度差值与动态线性插值的室内定位方法
CN105025439B (zh) 室内定位系统及所应用的数据库、方法和装置
CN104902562B (zh) 一种基于多层指纹匹配的室内定位方法
CN105142216B (zh) 基于特征信号指纹库的室内外定位切换方法
CN112203293B (zh) 小区过覆盖识别方法、装置、设备及计算机存储介质
CN102695272B (zh) 一种匹配定位的方法和移动终端
CN105792356A (zh) 一种基于wifi的位置指纹定位方法
CN105934684A (zh) 用于跨设备自动校准的方法和装置
CN104135766B (zh) 一种基于网格划分的无线网络间的协作定位方法
CN106060841B (zh) 一种基于非自主部署ap的室内定位方法及装置
CN107979817A (zh) 一种移动终端二维指纹定位方法
Wang et al. Adaptive rfid positioning system using signal level matrix
CN105163382A (zh) 一种室内区域定位优化方法及系统
CN110290455A (zh) 基于场景识别的目标场景确定方法及系统
CN106646352B (zh) 基于传感器空间模式的蓝牙定位精度优化方法
Arai et al. Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation

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