CN105516931A - 基于双频wlan接入点的室内差分定位方法 - Google Patents

Abstract

本发明公开了一种基于双频WLAN接入点的室内差分定位方法，采用多个能同时发射2.4GHz和5GHz无线信号的双频WLAN接入点进行定位区域的信号覆盖，离线阶段利用接收端同时测量这两个频点的无线信号强度并进行差分，建立差分位置指纹数据库；在线阶段时，利用测量两个频点的信号强度的差分进行数据库匹配，得到对用户位置的估计。本发明充分考虑了无线信号在2.4GHz和5GHz两个频点的传播特征差异性以及信号源位置一致的两个无线信号经历的环境相似，能够减小环境变化带来的定位精度下降，增强了定位精度的鲁棒性。

Description

基于双频WLAN接入点的室内差分定位方法

技术领域

本发明属于定位技术领域，具体涉及一种基于双频WLAN接入点的室内差分定位方法。

背景技术

随着大型商场、大型停车场、机场等大而复杂的室内环境的增多，人们需要一种强有力的室内定位技术来满足在陌生的大型环境的自我定位以及对目标的定位，包括目的地，目标物品，甚至小孩和同行朋友的定位；另一方面，商家希望根据客户在商场中常驻的区域，向其推送用户可能购买的商品。巨大的市场需求驱动着对室内高精度定位技术的追求，人们通过改善卫星定位不足，如通过伪卫星技术实现室内卫星信号的覆盖，而更多的是用更适合室内定位的新的技术代替卫星定位，主要有基于射频识别(RadioFrequencyIdentification，RFID)的定位技术、基于超宽带(Ultra-Wideband，UWB)的定位技术、基于蓝牙(Bluetooth)的定位技术和基于无线局域网(WirelessLocalAreaNetwork，WLAN)的定位技术等等。基于RFID、UWB、Bluetooth的定位技术，或因系统复杂，或因成本高，其发展和应用受到限制；而基于WLAN的定位技术，成本低，定位系统复杂性低，易于实现，是当前的主流定位技术。

在室内复杂的环境中，由于多径衰落、人的干扰等因素，WLAN的信号波动明显，降低定位精度。目前，改善WLAN信号波动导致定位精度下降的方法主要有：1)通过布置更多的无线接入点，增加数据库的维度，然而这种方法使得成本增加，高纬度的数据增加了计算开销；2)通过与运动传感器结合，利用传感器能够连续定位来约束由于WLAN信号波动导致定位结果的跳动，然而，这种方法的对定位精度改善是有限的，特别是在相对空旷的区域，如机场、车站的乘客等候区，且结合运动传感器定位对用户的运动方式有限制，比如限制用户手持智能终端定位时必须屏幕朝上放在胸前，不能随意摆放；另一方面，对物体的定位时，物体的运动是复杂无规律的，运动传感器不适用。

目前，WiFi技术的工作频率主要为2.4GHz，近年来由于对稳定、高频信号的追求和研究，使基于5GHz信号的WiFi通信技术也逐步走向成熟和普及，许多智能手机也都配备了接收2.4GHz和5GHz信号的无线网卡，如小米第三代、苹果Iphone、三星Note、Galaxy系列等。而在无线WLAN接入点的发展方面，已经有多款能够同时发射2.4GHz和5GHz频率信号的产品，2.4GHz信号具有衰减小、传输距离远的特点，而5GHz信号具有传输速率高的特点，因此同时发射2.4GHz和5GHz频率信号的无线接入点能够兼顾覆盖距离和高速传输。

针对现有室内定位技术的缺陷和不足，以及WLAN网络的发展趋势，有必要设计一种基于双频WLAN接入点的室内差分定位方法。

发明内容

本发明公开了一种基于双频WLAN接入点的室内差分定位方法，能减小环境变化带来的定位精度下降，以增强定位精度的鲁棒性。

本发明所述的一种基于双频WLAN接入点的室内差分定位方法，包括以下步骤：

步骤1、在定位区域内布置能够同时发射2.4GHz和5GHz信号的双频WLAN无线接入点，确定网格密度划分参考点；

步骤2、在每个参考点采集多个WLAN无线接入点发射的2.4GHz和5GHz频点的信号强度RSS；

步骤3、把同一个无线接入点的不同频点的信号强度作差取绝对值，形成差分信号强矢量并与参考点的位置信息(X,Y)构成该参考点的指纹信息，所有参考点的指纹信息构成定位区域的差分位置指纹数据库：

第i个参考点的指纹信息为：

其中，i表示参考点的编号，表示第i个参考点的差分信号强度矢量，X_i表示第i个参考点的横坐标,Y_i表示第i个参考点的纵坐标；

步骤4、在建立差分位置指纹数据库后，用户利用能够同时采集2.4GHz和5GHz信号的智能终端在定位区域中任意的位置采集信号强度；

步骤5、将采集到的同一无线接入点的不同频点的信号强度作差，形成当前位置的差分信号强度矢量样本点；

步骤6、将该样本点利用KNN算法进行数据库匹配，解算出用户的位置。

进一步，计算同一个无线接入点不同频点的信号强度差值时，由于智能终端所能采集的信号强度是以dBm为单位，因此需要转换关系将其转成以mW为单位后才能作差，dBm与mW的转换关系为：

rss＝10^(RSS/10)

RSS＝10*lg(rss)

其中，RSS表示以dBm为单位的信号强度值，rss表示以mW为单位的信号强度值；

将原始的以dBm为单位的信号强度转成以mW为单位后，对同一无线接入点不同频点的信号强度作差，并将差值又转换成以dBm为单位，形成差分信号强度，如下所示：

$\begin{array}{c}{\mathrm{DRSS}}_1=10*\lg |{\mathrm{rss}}_1^{2.4G}-{\mathrm{rss}}_1^{5G}|\\ {\mathrm{DRSS}}_2=10*\lg |{\mathrm{rss}}_2^{2.4G}-{\mathrm{rss}}_2^{5G}|\\ .\\ .\\ .\\ {\mathrm{DRSS}}_m=10*\lg |{\mathrm{rss}}_m^{2.4G}-{\mathrm{rss}}_m^{5G}|\end{array}$

其中，表示采集到第m个无线接入点的2.4GHz信号的强度，以mW为单位，表示采集到第m个无线接入点的5GHz信号的强度，以mW为单位；

进一步，利用KNN算法进行数据库匹配，首先计算在线采集的差分信号强度矢量样本点与差分位置指纹数据库中每一个参考点的欧式距离：

$d_i=\sqrt{|{\mathrm{DRSS}}_{i,1}-{\mathrm{DRSS}}_1{|}^2+|{\mathrm{DRSS}}_{i,2}-{\mathrm{DRSS}}_2{|}^2+\mathrm{...}+|{\mathrm{DRSS}}_{i,m}-{\mathrm{DRSS}}_m{|}^2}$

其中，d_i表示样本点与第i个参考点的欧式距离；

然后对所有的欧式距离进行排序，根据排序结果，计算欧式距离最小的k个参考点的位置的平均值：

x＝(x₁+x₂+x₃+…+x_k)/k

y＝(y₁+y₂+y₃+…+y_k)/k

则定位结果为(x,y)。

本发明具有以下优点：利用双频无线接入点同时发射两个不同频点的信号经历的环境相似的特点，并且不同频点的信号随传播距离衰减特征不同，因此两个频点信号的信号强度差值能够抵消环境变化带来的影响，并且其差值随着传播距离的远近而变化，具有距离位置特征(即信号在不同距离、不同位置的信号强度不同)。本发明利用商用的双频无线路由器且算法简单，可行性强，能够改善现有WLAN定位精度受环境因素的影响。现有定位精度为3m(置信概率65％)，而本发明的定位精度为3m(置信概率71％)。

附图说明

图1为本发明所述的基于双频WLAN接入点的室内差分定位方法整体算法框图。

具体实施方式

下面结合实施例对本发明做详细的说明。

如图1所示，本发明所述的一种基于双频WLAN接入点的室内差分定位方法，包括以下步骤：

步骤1、在定位区域内布置能够同时发射2.4GHz和5GHz信号的双频WLAN无线接入点，确定网格密度划分参考点。

以20×20m的方形区域作为定位区域，在四个角落分别放置一个型号为D-LINKDIR-806的双频无线路由器，用AP1、AP2、AP3和AP4表示，该路由器能同时发射2.4GHz和5GHz信号，放置高度为2m，以间隔为2m划分网格，去除定位区域的边沿共划分出81个参考点，确定参考点的坐标。

步骤2、在每个参考点采集多个WLAN无线接入点发射的2.4GHz和5GHz频点的信号强度RSS。

在每一个参考点采集包括2.4GHz和5GHz频点的无线信号强度，保证采集每一个参考点时手机摆放的高度和朝向一致，每个参考点采集100次。

步骤3、把同一个无线接入点的不同频点(即2.4GHz频点和5GHz频点)的信号强度作差取绝对值，形成差分信号强矢量并与参考点的位置信息(X,Y)构成该参考点的指纹信息，所有参考点的指纹信息构成定位区域的差分位置指纹数据库。

计算同一个无线接入点不同频点的信号强度差值时，由于智能终端所能采集的信号强度是以dBm为单位，因此需要转换关系将其转成以mW为单位后才能作差，dBm与mW的转换关系为：

rss＝10^(RSS/10)；

RSS＝10*lg(rss)；

其中，RSS表示以dBm为单位的信号强度值，rss表示以mW为单位的信号强度值。

将原始的以dBm为单位的信号强度转成以mW为单位后，对同一无线接入点不同频点的信号强度作差，并将差值又转换成以dBm为单位，形成差分信号强度，如下所示：

${\mathrm{DRSS}}_1=10*\lg |{\mathrm{rss}}_1^{2.4G}-{\mathrm{rss}}_1^{5G}|$

${\mathrm{DRSS}}_2=10*\lg |{\mathrm{rss}}_2^{2.4G}-{\mathrm{rss}}_2^{5G}|;$

${\mathrm{DRSS}}_3=10*\lg |{\mathrm{rss}}_3^{2.4G}-{\mathrm{rss}}_3^{5G}|$

${\mathrm{DRSS}}_4=10*\lg |{\mathrm{rss}}_4^{2.4G}-{\mathrm{rss}}_4^{5G}|$

对于一个参考点，将采集的100次信号强度转成以mW为单位后求平均，进一步将来自同一个无线路由器的两个不同频点的平均信号强度作差，并转成以dBm为单位，4个双频无线路由器的平均信号强度差值组成一个包含4个元素的差分信号强度矢量

其中，DRSS₁,DRSS₂,DRSS₃,DRSS₄分别表示来自AP1，AP2，AP3和AP4的两个不同频点信号的平均信号强度差值。

于是，由81个参考点的差分信号强度矢量和位置坐标信息构成定位区域的差分位置指纹数据库：

$\mathrm{\ψ}=\left[\begin{array}{cccccc}{\mathrm{DRSS}}_{1,1}& {\mathrm{DRSS}}_{1,2}& {\mathrm{DRSS}}_{1,3}& {\mathrm{DRSS}}_{1,4}& X_1& Y_1\\ {\mathrm{DRSS}}_{2,1}& {\mathrm{DRSS}}_{2,1}& {\mathrm{DRSS}}_{2,3}& {\mathrm{DRSS}}_{2,4}& X_2& Y_2\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ {\mathrm{DRSS}}_{i,1}& {\mathrm{DRSS}}_{i,2}& {\mathrm{DRSS}}_{i,3}& {\mathrm{DRSS}}_{i,4}& X_i& Y_i\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ .& .& .& .& .& .\\ {\mathrm{DRSS}}_{81,1}& {\mathrm{DRSS}}_{81,2}& {\mathrm{DRSS}}_{81,3}& {\mathrm{DRSS}}_{81,4}& X_{81}& Y_{81}\end{array}\right];$

其中，i＝1,2,3,…,81表示参考点的编号，DRSS_i,1,DRSS_i,2,DRSS_i,3,DRSS_i,4分别表示第i个参考点收到来自AP1，AP2，AP3和AP4的两个不同频点信号的平均信号强度差值，(X_i,Y_i)表示第i个参考点的位置信息。

步骤4、在建立差分位置指纹数据库后，用户利用能够同时采集2.4GHz和5GHz信号的智能终端(比如:手机)在定位区域中任意的位置采集信号强度。

智能终端用型号为GALAXYSIIIGT-I9308的三星智能手机，该手机的网卡能够接收5GHz信号，利用基于android开发的软件采集信号样本点，用户打开软件在任意的位置进行数据采集，得到4个AP在该位置的2.4GHz和5GHz信号强度。

步骤5、将采集到的同一无线接入点的不同频点的信号强度作差，形成当前位置的差分信号强度矢量样本点。

通过手机采集的信号强度一般是以dBm为单位，先通过单位转换成以mW为单位，然后将采集到的同一个AP的不同频点信号强度作差，进一步将差值转成以dBm为单位，作为在用户当前位置的差分信号强度矢量样本，用于下一步的数据库匹配。

步骤6、将该样本点利用KNN算法进行数据库匹配，解算出用户的位置。

利用KNN算法进行数据库匹配，首先计算在线采集的差分信号强度矢量样本点与差分位置指纹数据库中每一个参考点的欧式距离：

$d_i=\sqrt{|{\mathrm{DRSS}}_{i,1}-{\mathrm{DRSS}}_1{|}^2+|{\mathrm{DRSS}}_{i,2}-{\mathrm{DRSS}}_2{|}^2+|{\mathrm{DRSS}}_{i,3}-{\mathrm{DRSS}}_3{|}^2+|{\mathrm{DRSS}}_{i,4}-{\mathrm{DRSS}}_4{|}^2}$

其中，d_i表示样本点与第i个参考点的欧式距离；

然后对所有的欧式距离进行排序，根据排序结果计算欧式距离最小的3个参考点的位置的平均值：

x＝(x₁+x₂+x₃)/3

y＝(y₁+y₂+y₃)/3；

则定位结果为(x,y)。

本发明采用多个能同时发射2.4GHz和5GHz无线信号的双频WLAN接入点进行定位区域的信号覆盖，离线阶段利用接收端同时测量这两个频点的无线信号强度并进行差分，建立差分位置指纹数据库；在线阶段时，利用测量两个频点的信号强度的差分进行数据库匹配，得到对用户位置的估计。本发明充分考虑了无线信号在2.4GHz和5GHz两个频点的传播特征差异性以及信号源位置一致的两个无线信号经历的环境相似，减小了环境变化带来的定位精度下降，增强了定位精度的鲁棒性。

Claims (3)

1.一种基于双频WLAN接入点的室内差分定位方法，其特征在于，包括以下步骤：

步骤1、在定位区域内布置能够同时发射2.4GHz和5GHz信号的双频WLAN无线接入点，确定网格密度划分参考点；

步骤2、在每个参考点采集多个WLAN无线接入点发射的2.4GHz和5GHz频点的信号强度RSS；

步骤3、把同一个无线接入点的不同频点的信号强度作差取绝对值，形成差分信号强矢量并与参考点的位置信息(X,Y)构成该参考点的指纹信息，所有参考点的指纹信息构成定位区域的差分位置指纹数据库；

第i个参考点的指纹信息为：

其中，i表示参考点的编号，表示第i个参考点的差分信号强度矢量，X_i表示第i个参考点的横坐标,Y_i表示第i个参考点的纵坐标；

步骤4、在建立差分位置指纹数据库后，用户利用能够同时采集2.4GHz和5GHz信号的智能终端在定位区域中任意的位置采集信号强度；

步骤5、将采集到的同一无线接入点的不同频点的信号强度作差，形成当前位置的差分信号强度矢量样本点；

步骤6、将该样本点利用KNN算法进行数据库匹配，解算出用户的位置。

2.根据权利要求1所述的基于双频WLAN接入点的室内差分定位方法，其特征在于：所述步骤3中，计算同一个无线接入点不同频点的信号强度差值时，由于智能终端所能采集的信号强度是以dBm为单位，因此需要转换关系将其转成以mW为单位后才能作差，dBm与mW的转换关系为：

rss＝10^(RSS/10)

RSS＝10*lg(rss)

其中，RSS表示以dBm为单位的信号强度值，rss表示以mW为单位的信号强度值；

将原始的以dBm为单位的信号强度转成以mW为单位后，对同一无线接入点不同频点的信号强度作差，并将差值又转换成以dBm为单位，形成差分信号强度，如下所示：

$\begin{array}{c}{\mathrm{DRSS}}_1=10*\lg |{\mathrm{rss}}_1^{2.4G}-{\mathrm{rss}}_1^{5G}|\\ {\mathrm{DRSS}}_2=10*\lg |{\mathrm{rss}}_2^{2.4G}-{\mathrm{rss}}_2^{5G}|\\ .\\ .\\ .\\ {\mathrm{DRSS}}_m=10*\lg |{\mathrm{rss}}_m^{2.4G}-{\mathrm{rss}}_m^{5G}|\end{array}$

其中，表示采集到第m个无线接入点的2.4GHz信号的强度，以mW为单位，表示采集到第m个无线接入点的5GHz信号的强度，以mW为单位。

3.根据权利要求1或2所述的基于双频WLAN接入点的室内差分定位方法，其特征在于：所述步骤6中，利用KNN算法进行数据库匹配，首先计算在线采集的差分信号强度矢量样本点与差分位置指纹数据库中每一个参考点的欧式距离：

$d_i=\sqrt{|{\mathrm{DRSS}}_{i,1}-{\mathrm{DRSS}}_1{|}^2+|{\mathrm{DRSS}}_{i,2}-{\mathrm{DRSS}}_2{|}^2+\mathrm{...}+|{\mathrm{DRSS}}_{i,m}-{\mathrm{DRSS}}_m{|}^2}$

其中，d_i表示样本点与第i个参考点的欧式距离；

然后对所有的欧式距离进行排序，根据排序结果，计算欧式距离最小的k个参考点的位置的平均值：

x＝(x₁+x₂+x₃+…+x_k)/k

y＝(y₁+y₂+y₃+…+y_k)/k

则定位结果为(x,y)。