CN105530598B - 基于wlan室内定位的ap选择方法 - Google Patents

Abstract

本发明提供了一种基于WLAN室内定位的AP选择方法，包括：用户测量所在位置各个接入点的信号强度；系统根据AP信号得到形容AP信号特征的复向量；根据复向量的特征删去对定位无效的AP候选；系统根据用户给定测量次数，基于模拟退火算法计算最优的信号测量策略；用户根据计算出的策略对接入点的信号进行测量，并将测量结果上传至服务器；服务器根据信号测量结果，计算用户所在位置，将结果返回至用户。本发明一方面有效删去了无效的AP候选降低了选择复杂度，另一方面给出了基于模拟退火算法得到的最优策略，有效提高测量次数有限情况下的定位精度。

Description

基于WLAN室内定位的AP选择方法

技术领域

本发明涉及通信、导航定位技术领域，具体地，涉及一种基于WLAN室内定位的AP选择方法。

背景技术

Wi-Fi目前是无线网络的重要组成部分，在家庭和公共场合，越来越多的Wi-Fi热点出现在人们的智能设备里。Wi-Fi本身并不具备定位功能，但是通过收集室内各个Wi-Fi热点的信号强度、传播时间等数据，理论上只需要三个接入点，借助一定的算法，就可以精确定位用户的位置。运营商无线覆盖范围广泛，涉及了商场、医院、学校等多种场景，这为无线室内定位提供了广大的应用前景。对于Wi-Fi的精确定位技术，主要有两种解决方案：一个是硬件解决方案，也就是采用TDOA定位技术，但是因为时间同步和传感器精度低等问题，并没有广泛推广起来，另一个就是软件解决方案，采用Wi-Fi指纹技术，一些代表性的公司有Ekahau、wifislam等。

现在Wi-Fi指纹定位存在的主要难题是，目前大多数公共场合布设Wi-Fi热点时，只是考虑了用户上网的需求，并没有考虑定位的需求，尤其是要实现室内定位，室外的Wi-Fi热点就很有可能对室内定位起不到作用。运营商在进行网络部署Wi-Fi热点的时候，在人口集中、上网需求大的公共场合，会布置数量较多的AP，而在人口不那么密集的地方，AP数量相对较少。在室内定位系统中，AP的选择策略有助于减少定位误差，减少客户端与服务器端的通信代价。然而当前并没有一个接入点选择策略，基于测得AP的RSS信号强度对定位精度的影响，设计在限定测量次数情况下最优的AP选择策略。

目前大部分基于RSS指纹的室内定位技术，并未考虑优化AP选择策略以提高定位精度，通过对现有的一些科技文献进行研究发现，大部分文献中都是在测量所有AP的情况下进行定位的，而现有的AP选择策略并没有考虑信号的方向与梯度特征。程金晶等人在《计算机技术与发展》中发表的《WLAN指纹定位中AP选择策略研究》中提出了根据信号强度值和信号强度值方差辅助选择AP的策略，然而此方法简单根据信号强度及方差进行降序排列，并未考虑不同方向间AP的组合会影响定位精度。沈阳在《基于指纹的无线室内定位中接入点选择算法研究》中提出的稳定AP优先算法也只是考虑了AP信号的稳定性。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于WLAN室内定位的AP选择方法。

根据本发明提供的一种基于WLAN室内定位的AP选择方法，包括：

步骤1：测量用户所在位置各个候选接入点的AP信号；

步骤2：得到AP信号的特征复向量；

步骤3：根据特征复向量的特征筛选出对定位有效的候选接入点进行保留；

步骤4：根据用户指定的测量次数，基于模拟退火算法计算得到最优信号测量策略。

优选地，所述步骤2包括如下步骤：

步骤2.1：根据如下计算式得到AP信号的特征复向量的：

其中，Z_i表示第i个接入点AP信号的特征复向量，p_i表示第i个接入点AP信号的梯度特征，e表示自然底数，φ_i表示第i个接入点AP信号的方向特征；i为正整数；m表示候选接入点的数量，候选接入点的数量大于等于3个；

p_i的计算方式为：

其中，表示第i个接入点AP信号的梯度，δ_i表示第i个接入点AP信号的噪声方差值。

优选地，所述步骤3包括如下步骤：

将各个AP信号的特征复向量描述在复空间；

仅保留在复空间中凸包上的特征复向量对应的候选接入点，作为对定位有效的候选接入点；删去其余特征复向量对应的候选接入点。

优选地，所述步骤4包括如下步骤：

步骤4.1：设n为用户指定的对AP信号测量的次数，2≤n≤m，在已知n个特征复向量Z_i的情况下：

一次测量策略的取值空间为：

其中，AP_i表示n次测量中的第i个测量值；

n次测量策略的空间V_n为：

其中，s^j表示n次测量中的第j个测量值；

步骤4.2：设为使得测量精度最大的最优解，最优解即为

其中，U_n表示n次测量下的所有测量策略的集合(即：在测量n次这一条件下，所有可能的测量策略的集合)；

步骤4.3：基于模拟退火算法得到最优解将最优解对应的测量策略作为所述最优信号测量策略。

优选地，模拟退火算法条件的构建方法为：

E_i表示第i组解的特征值，即模拟退火算法中的能量值。

优选地，计算两次迭代之间的目标值梯度△E_i：

△E_i＝E_i+1-E_i；

若△E_i>0，则认为新解表现优于原解，进而采纳新解；

若△E_i≤0，则认为新解并不优于原解，仍有的概率采纳新解；T表示模拟退火算法的温度，T随着模拟退火算法过程的进行以速率α下降：T_i+1＝T_i*α，其中，T_i+1表示新温度，T_i表示原温度。

优选地，还包括如下步骤：

步骤5：用户根据所述最优信号测量策略对接入点的信号进行测量，并将信号测量结果上传至服务器；

步骤6：服务器根据信号测量结果，得到用户所在位置。

与现有技术相比，本发明具有如下的有益效果：

1、本发明中所使用的选择策略，对AP特征进行细粒度分析，综合考虑AP信号的梯度特征、稳定性、方向特征，将AP特征表示为复向量，从而求出提高最高精度的最优解，可有效节约测量成本。

2、鉴于目前还没有科学有效的室内AP选择方法，本发明针对基于RSS指纹的无线室内定位系统设计了基于模拟退火算法实现的AP选择算法，有效删去了无效的候选AP，降低了选择复杂度。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的步骤流程图；

图2为本发明的步骤1示意图，用户测量不同位置的AP信号；

图3为本发明的步骤3示意图，图中，复向量Z_v位于复向量Z_μ和复向量Z_γ在复平面中构成的三角形中间，因此被删除。其中，O表示Z_μ和Z_γ的公共起点，A表示Z_μ的终点，B表示Z_v的终点，C表示Z_γ的终点，OE和OB共线，∠ABF＝∠ABE,∠CBE＝∠ABG。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

请同时参阅图1，图2和图3。本实施例基于WLAN室内定位的AP选择策略，是通过用户的智能设备和定位服务器端合作运行，定位服务器通过WLAN或移动蜂窝网络建立与客户端之间的数据连接，客户端在一些AP信号的覆盖范围之内。当用户请求定位时，需测量所在位置AP信号强度，继而根据信号特征，筛选AP并给出最优选择策略，从而减少定位误差。

如图1所示，本实施例是通过以下技术方案实现的，本实施例包括如下步骤：

步骤1，测量用户所在位置各个候选接入点的AP信号；

具体地，在用户的智能设备上运行收集Wi-Fi信号强度的程序，在屏幕上显示出智能设备所能接收到的所有AP的信号强度。如图1所示。实验是在安卓平台上进行，安卓SDK中Android.net.wifi主要分为四个类，ScanResult、WifiConfiguration、WifiInfo、WifiManager，因此在安卓编程的时候，需要引用这个包。其中ScanResult主要是通过wifi硬件的扫描来获取周边wifi热点的信息，在客户端连接wifi以后，通过WifiInfo这个类，可以获取当前连接的信息，包括BSSID、LinkSpeed、MacAddress、RSSI，其中系统需要的就是RSSI。

步骤2，得到AP信号的特征复向量；

具体地，在步骤1中用户的智能设备得到的RSS值构成一个N维的向量，可以定义复参数Z_i来描述接入点特性，其中：

其中，Z_i表示第i个接入点AP信号的特征复向量，p_i表示第i个接入点AP信号的梯度特征，e表示自然底数，φ_i表示第i个接入点AP信号的方向特征；i为正整数；m表示候选接入点的数量；

p_i的计算方式为：

其中，表示第i个接入点AP信号的梯度，δ_i表示第i个接入点AP信号的噪声方差值。

例如，在步骤1和步骤2中，在选定的区域中，测试人员站在实现定标好的位置上，进行RSS数值的测量，每个点测试的时间是10s，测试人员每隔10s钟移动到下一个定标点，整个实验过程持续时间大概两个小时，最后得到了大概100组RSS数据值。通过处理RSS数据值，生成一个由15维向量构成的数据库，每一个向量代表了在定标点用户所接收到的AP的特征，定义特征复向量来描述AP特性。考虑到有些定标点并不能完全收到全部的15个AP的信号，所以在接收不到某个AP的位置，RSS信号可以设成某一个阈值，在本实验中，设置的是0，此时可以认为用户是没有接收到这个AP的信号的。

步骤3，假设用户可选择测量AP1、AP2、AP3这三个接入点，对应的特征复向量分别为Z1、Z2、Z3。如果Z3落入原点，Z1，Z2在复数域组成的三角形中，则Z3必不属于全局最优解。如图3所示，特征复向量Z_v位于特征Z_μ和特征Z_γ在复平面中构成的三角形中间，因此被删除。即，在模拟退火算法开始之前对候选接入点(即待测AP)进行筛选，遍历所有候选接入点组合对并删去落入凸包内的特征复向量对应的候选接入点，从而只保留特征复向量在复空间凸包上的候选接入点。

步骤4，根据用户指定的测量次数，基于模拟退火算法计算得到最优信号测量策略；

设n为用户指定的对AP信号测量的次数，2≤n≤m，在已知n个特征复向量Z_i的情况下：

一次测量策略的取值空间为：

其中，AP_i表示n次测量中的第i个测量值；

n次测量策略的空间V_n为：

其中，s^j表示n次测量中的第j个测量值；需要注意的是，s^j只是这个测量序列V_n中的一个索引，并不代表着一定是在第j个候选接入点上收集到的信号强度，因为在这个测量序列V_n中一个候选接入点AP可能被多次测量；

定义设使得测量精度最大的测量序列为V_n*，最优解即为

其中，U_n表示n次测量下的整个测量策略集合；

模拟退火算法条件的构建方法为：

E_i表示第i组解的特征值，即模拟退火算法中的能量值。

计算两次迭代之间的目标值梯度△E_i：

△E_i＝E_i+1-E_i；

若△E_i>0，则认为新解表现优于原解，进而采纳新解；

若△E_i≤0，则认为新解并不优于原解，仍有的概率采纳新解；T表示模拟退火算法的温度，T随着模拟退火算法过程的进行以速率α下降：T_i+1＝T_i*α，其中，T_i+1表示新温度，T_i表示原温度。

显然，所选择的解总是局部最优解。优于概率p的存在，所寻找的解并不会停留于局部最优，而是有一定概率脱离已有局部最优解，这个概率随着模拟过程逐步减小。因此，最终的结果将会稳定于全局最优解附近。在适当的温度T以及退火速度α下，该模拟退火算法的结果将收敛于全局最优解。

步骤5，根据步骤4中给出的最优解对应的测量策略作为的最优信号测量策略，用户利用移动终端设备(如手机或电子胸卡)对环境中的接入点信号进行测量，并将数据传送至服务器等待处理。

步骤六，服务器接收用户端上传的数据，对其进行分析计算，得出用户所在位置，并将结果返回值用户端。

在一个优选例中，环境参数：

200m×100m的室内环境，布设了15个AP，如图2为该定位系统的实验环境。本实验选择的是一段连续的空间，也就是说在这样的空间中，每一点都能保证能有良好的带宽，保证每一点都有足够多的AP点被设备所探测到，同时不同AP的网络覆盖是重叠的。

移动终端设备：六部Android智能手机，都是Nexus 4，每部智能手机都配置有1.5GHz Snapdragon APQ8064CPU和2G RAM六部智能手机的操作系统都是Android JellyBean(4.2)。这六部智能手机并列作为测试手机进行室内定位。

无线路由器：使用五台TP-LINK TL-WR842N，网络标准IEEE 802.11n，频率范围：单频(2.4-2.4835GHz)。

定位服务器：宏基4930G笔记本电脑，酷睿双核处理器，2G的内存，2G的主频。服务器通过有线网与五部智能无线路由器相连，并可以经由互联网、无线网与无人旋翼飞行器通信。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (2)

1.一种基于WLAN室内定位的AP选择方法，其特征在于，包括：

步骤1：测量用户所在位置各个候选接入点的AP信号；

步骤2：得到AP信号的特征复向量；

步骤3：根据特征复向量的特征筛选出对定位有效的候选接入点进行保留；

步骤4：根据用户指定的测量次数，基于模拟退火算法计算得到最优信号测量策略；

所述步骤2包括如下步骤：

步骤2.1：根据如下计算式得到AP信号的特征复向量的：

其中，Z_i表示第i个接入点AP信号的特征复向量，p_i表示第i个接入点AP信号的梯度特征，e表示自然底数，φ_i表示第i个接入点AP信号的方向特征；i为正整数；m表示候选接入点的数量，候选接入点的数量大于等于3个；

p_i的计算方式为：

其中，▽μ_i表示第i个接入点AP信号的梯度，δ_i表示第i个接入点AP信号的噪声方差值；

所述步骤3包括如下步骤：

将各个AP信号的特征复向量描述在复空间；

仅保留在复空间中凸包上的特征复向量对应的候选接入点，作为对定位有效的候选接入点；删去其余特征复向量对应的候选接入点；

所述步骤4包括如下步骤：

步骤4.1：设n为用户指定的对AP信号测量的次数，2≤n≤m，在已知n个特征复向量Z_i的情况下：

一次测量策略的取值空间为：

其中，AP_i表示n次测量中的第i个测量值；

n次测量策略的空间V_n为：

其中，s^j表示n次测量中的第j个测量值；

步骤4.2：设为使得测量精度最大的最优解，最优解即为

其中，U_n表示n次测量下的所有测量策略的集合；

步骤4.3：基于模拟退火算法得到最优解将最优解对应的测量策略作为所述最优信号测量策略；

模拟退火算法条件的构建方法为：

E_i表示第i组解的特征值，即模拟退火算法中的能量值；

计算两次迭代之间的目标值梯度△E_i：

△E_i＝E_i+1-E_i；

若△E_i>0，则认为新解表现优于原解，进而采纳新解；

若△E_i≤0，则认为新解并不优于原解，仍有的概率采纳新解；T表示模拟退火算法的温度，T随着模拟退火算法过程的进行以速率α下降：T_i+1＝T_i*α，其中，T_i+1表示新温度，T_i表示原温度。

2.根据权利要求1所述的基于WLAN室内定位的AP选择方法，其特征在于，还包括如下步骤：

步骤5：用户根据所述最优信号测量策略对接入点的信号进行测量，并将信号测量结果上传至服务器；

步骤6：服务器根据信号测量结果，得到用户所在位置。