CN105357647B - 一种在线性不稳定环境下的wifi室内定位方法 - Google Patents

Abstract

本发明涉及一种在线性不稳定环境下的WIFI室内定位方法，分为离线数据采集阶段和在线实时定位阶段。本方法在离线数据采集阶段采用了基于无线访问接入点（AP‑Access Point）相关系数的接入点分簇机制，将无线AP接入点进行分簇，减小了无线AP变化所带来的影响，提高了定位精度。同时针对线性环境提出了短时路径记忆WKNN（Weighted K‑Nearest Neighbor）算法，将前一分钟内的已定位结果作为短时路径记忆数据存储在数据库中并按照时间先后分配权重，大大减小了计算复杂度，提高了定位效率。本发明充分考虑到WIFI信号不稳定，无线AP变化大的问题，减少了无线AP的增加和移除对定位的影响，提高了定位精度和定位效率。

Description

一种在线性不稳定环境下的WIFI室内定位方法

技术领域

本发明涉及一种在线性不稳定环境下的WIFI室内定位方法。

背景技术

目前室内定位技术主要有采用光跟踪定位技术、A-GPS定位技术、超声波定位技术、RFID技术、WIFI技术等。这些技术在实际应用中也都存在一定的应用范围和局限，如A-GPS、基站技术需要对基础设施进行改造，成本较高。蓝牙技术的探测范围较小，超声波与红外线方式易受介质遮挡。而WIFI技术因为基础设施完备而在现代生活中被广泛使用。无论是在医院、百货超市等公共场所还是小区、别墅等私人场所都有非常广泛的WIFI热点部署，人们可以随时随地跟各大运营商的无线网络向CMCC进行连接。因而在WIFI室内定位技术上已经出现了很多具有代表性的研究成果，较为典型的是RADAR系统、Eorus系统、Nibble系统与Weyes系统等。

目前主流的WIFI定位指纹匹配算法主要有最近临法NN(Nearest Neighbor)、BP神经网络法、概率法等。最近临法是基于类比学习的匹配方法，使用定位阶段的采样样例和训练阶段的采样样例进行相似度匹配，取得相似度最高的位置指纹的坐标作为估计位置。BP神经网络采用的是并行网络结构，包括输入层、隐含层和输出层，输入层的输入经过加权和偏置处理将信号传递给隐含层，在隐含层通过一个转移函数将信号向下一个隐含层或者直接通过输出层产生输出。概率法是计算采集到的无线信号强度与信号强度地图中各点的匹配概率，取概率最大者作为估计位置。在统计信号数据时，通过引入高斯信号的概率函数，由两个统计量参数数学期望和方差来表示室内定位环境中某一点的无线信号强度值。最近临法(Nearest Neighbor)因其定位效率高、算法复杂度低而被广泛应用于手持终端实时定位中。但是最近临法定位精度较低，而加权K最近邻法WKNN(Weighted K-NearestNeighbor)则通过加权平均的方法减小了定位误差。

室内WIFI定位方法需要考虑到定位精度、定位效率、手持终端功耗等因素。目前WIFI定位技术在线性环境下的应用较少。线性环境下考虑到相邻参考点之间是连续且不会发生跳变的，即当前参考点只能跳转到少数几个相邻参考点而不能从当前参考点突然跳转到其他较远的参考点。所以在WKNN算法中加入短时路径记忆的辅助来减小计算复杂度，提高定位效率。针对WIFI信号不稳定，无线访问接入点(AP-Access Point)变化大的问题，若直接使用离线阶段采集到的WIFI数据，无线AP的增加和移除会产生较大的定位误差。基于无线AP相关系数的接入点分簇机制将无线AP进行分簇，簇内各个参考点之间具有极大的相似性，能够互相替换，减小了无线AP变化所带来的影响，提高定位精度。

发明内容

本发明的目的是针对已有技术的缺陷，在线性不稳定环境下，针对无线访问接入点(AP-Access Point)变化大的问题，提供一种在线性不稳定环境下的WIFI室内定位方法。

为达到上述目的，本发明采用下述技术方案：

一种在线性不稳定环境下的WIFI室内定位方法，具体步骤如下：

1)接入点分簇机制实现步骤为：

a)对已设置好的无线AP进行初步筛选，将物理相邻的无线AP成对存储；

b)计算所有相邻无线AP对之间的接收信号强度差D_i，其中D_i＝|RSS_i1-RSS_i2|，RSS_i1和RSS_i2分别为两个无线AP在参考点i处的接收信号强度值，i＝1,2,……,n，其中n为设置的参考点的个数；

c)根据步骤b)中接收信号强度差D_i来计算相邻无线AP对的相关系数δ，公式为其中n为设置的参考点的个数，i＝1,2,……,n；

d)设置相关系数δ的阈值为E，根据求得的阈值E，将所有无线AP进行分簇；

e)若某无线AP只有一个相邻无线AP，则当δ＜E时，将两个无线AP分为一簇，反之亦然，若有三个或三个以上的相邻无线AP，则当且仅当所有无线AP之间的相关系数都小于E时，这些无线AP才会分为一簇，即簇中所有无线AP之间的相关系数均必须小于阈值；

f)如果某个无线AP没有与任何一个无线AP结合成簇则将该点称为独立点，在数据处理阶段要将所有独立点移除；

g)分簇结束后，根据参考点上接收到的各个不同的无线AP的接收信号强度的大小选择前四个强度最大的无线AP作为参考指纹数据进行存储，前提是四个无线AP在不同的簇中，以保证每个无线AP都有能够替换的无线AP；

h)将分簇结果重新存储在数据库中以供在线实时定位阶段时调用；

2)短时路径记忆WKNN算法实现步骤为：

a)在线实时定位阶段，手持终端会将一分钟内服务器返回的定位结果缓存在手持终端上，称之为短时路径记忆数据，手持终端会将短时路径记忆数据和采集到的测试点的WIFI信息一起发送回服务器，服务器接收手持终端采集到的实时WIFI数据，判断接收到的WIFI数据中是否包含短时路径记忆数据；

b)如果数据中不包含短时路径记忆数据，则说明目前处于起始点上，则利用经典KNN算法进行指纹匹配；

c)如果数据中包含短时路径记忆数据，则说明目前不是在起始点上，那么服务器端首先将一分钟内的短时路径记忆数据中的定位点信息提取出来；

d)将步骤c)中提取到的定位点的临近参考点提取出来，统计临近参考点个数t并按照定位时间先后分配权重w；

e)求出提取出来的各个临近参考点与测试点之间的欧几里德距离dis_i，公式为式中，i＝1,2,……,t，j＝1,2,……,m，其中t为d)中统计得到的临近参考点数量，m为无线网络AP数量，s_j表示在待测点接收到来自第j个无线AP的接收信号强度，S_ij表示在第i个临近参考点接收到来自第j个无线AP的接收信号强度。当b＝1时，dis为曼哈顿距离。b＝2时，dis为欧几里德距离。将t个求到的欧几里德距离dis_i从小到大进行排序并取前k个值作为定位参考。

f)求出匹配坐标其中为待测点坐标，(x_i,y_i)为e)中求得的k个定位参考点坐标，w_i为d)中分配的权重。

所述接入点分簇机制中的阈值E采用迭代法求得，具体的设置步骤：

a)从指纹库中选取两个没有交集的测试集1和测试集2；

b)设置阈值初值为1；

c)通过接入点分簇机制将测试集1中的节点进行分簇；

d)得到分簇结果后，将分簇结果存储在数据库中，然后移除一个簇内节点计算定位误差；

e)根据模拟退火法，将d)中的定位误差作为初始解状态，计算得到新的E值；

f)重复c)-e)，继续使用迭代法将得到的新的E值输入到测试集1中，直至得到最优解；

g)用测试集2来验证得到的E值的正确性。

与现有技术相比，本发明具有如下突出的实质性特点和显著的优点：

1)针对线性环境提出了短时路径记忆WKNN算法，大大减小了计算复杂度。提高了定位效率；

2)本系统采用了基于无线AP相关系数的接入点分簇机制，将无线AP进行预分簇，簇内无线AP各之间能够互相替换。在线性不稳定环境下，减小了无线AP的增减给定位结果带来的影响，提高了定位精度。

附图说明

图1为室内WIFI导行系统构架图。

图2为本发明离线数据采集阶段数据交换图。

图3为本发明离线数据采集阶段工作流程图。

图4为本发明三个无线AP分簇机制。

图5为本发明相关系数δ的阈值E的迭代算法图

图6为本发明在线实时定位阶段数据交换图。

图7为本发明在线实时定位阶段工作流程图。

具体实施方式

以下结合实施例对本发明的技术方案做进一步详细描述，本发明应用于在线性不稳定环境下，WIFI导行系统构架图如图1所示。

系统工作模式分为离线数据采集阶段和在线实时定位阶段。

在离线数据采集阶段，首先要在线性环境中设置n个合理的参考点并进行标记。再利用手持终端采集每个参考点上的WIFI信息并存储到数据库中。服务器端根据接入点分簇机制将采集到的WIFI指纹信息进行分簇，最后将分簇结果重新存储在数据库中。离线数据采集阶段数据交换图如图2所示。离线数据采集阶段工作流程图如图3所示。

基于无线访问接入点(AP-Access Point)相关系数的接入点分簇机制具体如下所述。

在线性环境下，每个无线AP都只有少数几个相邻无线AP，因而首先筛选出物理相邻的无线AP对，并将物理相邻的无线AP对重新存储在数据库中。

然后进行无线AP的相关系数计算。假设两个相邻无线AP对分别为AP₁和AP₂，两个无线AP在参考点i处的接受信号强度RSS(Received Signal Strength)分别为RSS_i1和RSS_i1，令接收信号强度差为D_i，则定义AP₁和AP₂之间的相关系数δ₁₂为其中n为参考点的数量，i＝1,2,……,n。

然后将所有无线AP进行分簇。设置相关系数阈值为E，当δ₁₂＜E时，将两个无线AP分为一簇。若有三个相邻无线AP分别为AP₁、AP₂和AP₃，相关系数分别为δ₁₂、δ₁₃、δ₂₃，当且仅当δ₁₂，δ₁₃，δ₂₃＜E时，三个无线AP才会分为一簇，即簇中所有无线AP之间的相关系数均必须小于阈值。如果δ₁₂＜E，δ₂₃＜E，δ₁₃＞E，则再判断相关系数的大小，若δ₁₂＜δ₂₃，则将AP₁和AP₂分为一簇，反之则将AP₂和AP₃分为一簇。如果某个无线AP没有与任何一个无线AP结合成簇则将该点称为独立点，将所有独立点移除。三个无线AP分簇机制如图4所示。

若有三个以上的相邻无线AP，则当且仅当所有无线AP之间的相关系数都小于E时，这些无线AP才会分为一簇，即簇中所有无线AP之间的相关系数均必须小于阈值。

分簇结束后，根据参考点上的接收信号强度的大小选择前四个强度最大的无线AP作为参考点上的无线AP信号，前提是四个无线AP在不同的簇中以保证每个无线AP都有可替换的无线AP。

上述所得相关系数δ的阈值E的计算方法如图5所示。首先从指纹库中选取两个没有交集的测试集1和测试集2，设置阈值初值为1，通过接入点分簇机制将测试集1中的节点进行分簇。得到分簇结果后移除一个簇内节点计算定位误差，将定位误差作为初始解状态通过模拟退火法计算得到新的E值，继续使用迭代法将得到的新的E值输入到测试集1中，直至得到最优解。最后用测试集2来验证得到的E值的正确性。

采用接入点分簇机制后，如果在线定位阶段时簇中有某个无线AP被移除或者检测不到时，则可用簇中其他无线AP进行替换。解决了无线AP变化大，网络不稳定的问题。

在线实时定位阶段数据交换图如图6所示，手持客户终端采集实时WIFI数据并将数据发送到服务器端，服务器调用数据库数据并根据匹配算法返回定位信息到手持终端。

在线实时定位阶段工作流程图如图7所示。线性环境下考虑到相邻参考点之间是连续且不会发生跳变的，即当前参考点只能跳转到少数几个相邻参考点而不能从当前参考点突然跳转到其他较远的参考点。因此预先对数据库中的每一个参考点的相邻位置集合进行存储。即在WKNN算法中加入短时路径记忆的辅助来减小计算复杂度，提高定位效率。

服务器接收手持客户终端采集到的实时WIFI数据，判断接收到的WIFI数据中是否包含短时路径记忆数据。如果数据中不包含了短时路径记忆数据，则说明目前如果处于起始点上，则利用经典KNN算法进行指纹匹配。如果数据中包含了短时路径记忆数据，则说明目前不是在起始点上，那么服务器端首先将一分钟内的短时路径记忆数据提取出来。从短时路径记忆数据中得到定位点信息，统计临近参考点个数t并按照定位时间先后分配权重w，将数据存储在集合C中；

求出提取出来的各个临近参考点与测试点之间的欧几里德距离dis_i，公式为式中，i＝1,2,……,t，j＝1,2,……,m，其中t为中统计得到的临近参考点数量，m为无线网络AP数量，s_j表示在待测点接收到来自第j个无线AP的接收信号强度，S_ij表示在第i个临近参考点接收到来自第j个无线AP的接收信号强度。当b＝1时，dis为曼哈顿距离。b＝2时，dis为欧几里德距离。将t个求到的欧几里德距离dis_i从小到大进行排序并取前k个值作为定位参考。

根据权重求出匹配坐标其中为待测点坐标，(x_i,y_i)为排序得到的前k个参考点中第i个点的坐标，w_i是根据定位时间先后分配的权重。

最后将得到定位结果服务器将定位结果返回到手持终端上，手持终端显示在平面图上。

Claims (2)

1.一种在线性不稳定环境下的WIFI室内定位方法，其特征在于，具体步骤如下：

(1)接入点分簇机制实现步骤为：

a)对已设置好的无线AP进行初步筛选，将物理相邻的无线AP成对存储；

b)计算所有相邻无线AP对之间的接收信号强度差D_i，其中D_i＝|RSS_i1-RSS_i2|，RSS_i1和RSS_i2分别为两个无线AP在参考点i处的接收信号强度值，i＝1,2,……,n，其中n为设置的参考点的个数；

c)根据步骤b)中接收信号强度差D_i来计算相邻无线AP对的相关系数δ，公式为其中n为设置的参考点的个数，i＝1,2,……,n；

d)设置相关系数δ的阈值为E，首先从指纹库中选取两个没有交集的测试集1和测试集2，设置阈值初值为1，通过接入点分簇机制将测试集1中的节点进行分簇，得到分簇结果后移除一个簇内节点计算定位误差，将定位误差作为初始解状态通过模拟退火法计算得到新的E值，继续使用迭代法将得到的新的E值输入到测试集1中，直至得到最优解；最后用测试集2来验证得到的E值的正确性，根据求得的阈值E，将所有无线AP进行分簇；

e)若某无线AP只有一个相邻无线AP，则当δ＜E时，将两个无线AP分为一簇，反之亦然，若有三个或三个以上的相邻无线AP，则当且仅当所有无线AP之间的相关系数都小于E时，这些无线AP才会分为一簇，即簇中所有无线AP之间的相关系数均必须小于阈值；

f)如果某个无线AP没有与任何一个无线AP结合成簇，则将该无线访问接入点称为独立点，在数据处理阶段要将所有独立点移除；

g)分簇结束后，根据参考点上接收到的各个不同的无线AP的接收信号强度的大小选择前四个强度最大的无线AP作为参考指纹数据进行存储，前提是四个无线AP在不同的簇中，以保证每个无线AP都有能够替换的无线AP；

h)将分簇结果重新存储在数据库中以供在线实时定位阶段时调用；

(2)短时路径记忆WKNN算法实现步骤为：

a)在线实时定位阶段，手持终端会将一分钟内服务器返回的定位结果缓存在手持终端上，称之为短时路径记忆数据，手持终端会将短时路径记忆数据和采集到的测试点的WIFI信息一起发送回服务器，服务器接收手持终端采集到的实时WIFI数据，判断接收到的WIFI数据中是否包含短时路径记忆数据；

b)如果数据中不包含短时路径记忆数据，则说明目前处于起始点上，则利用经典KNN算法进行指纹匹配；

c)如果数据中包含短时路径记忆数据，则说明目前不是在起始点上，那么服务器端首先将一分钟内的短时路径记忆数据中的定位点信息提取出来；

d)将步骤c)中提取到的定位点的临近参考点提取出来，统计临近参考点个数t并按照定位时间先后分配权重w；

e)求出提取出来的各个临近参考点与测试点之间的欧几里德距离dis_i，公式为式中，i＝1,2,……,t，j＝1,2,……,m，其中t为d)中统计得到的临近参考点数量，m为无线网络AP数量，s_j表示在待测点接收到来自第j个无线AP的接收信号强度，S_ij表示在第i个临近参考点接收到来自第j个无线AP的接收信号强度，当b＝1时，dis为曼哈顿距离；b＝2时，dis为欧几里德距离；将t个求到的欧几里德距离dis_i从小到大进行排序并取前k个值作为定位参考；

f)求出匹配坐标其中为待测点坐标，(x_i,y_i)为e)中求得的k个定位参考点坐标，w_i为d)中分配的权重。

2.根据权利要求1所述的在线性不稳定环境下的WIFI室内定位方法，其特征在于，所述接入点分簇机制中的阈值E采用迭代法求得，具体的设置步骤：

a)从指纹库中选取两个没有交集的测试集1和测试集2；

b)设置阈值初值为1；

c)通过接入点分簇机制将测试集1中的节点进行分簇；

d)得到分簇结果后，将分簇结果存储在数据库中，然后移除一个簇内节点计算定位误差；

e)根据模拟退火法，将d)中的定位误差作为初始解状态，计算得到新的E值；

f)重复c)-e)，继续使用迭代法将得到的新的E值输入到测试集1中，直至得到最优解；

g)用测试集2来验证得到的E值的正确性。