CN105792356A - 一种基于wifi的位置指纹定位方法 - Google Patents

Abstract

本发明公开了一种基于wifi的位置指纹定位方法，具体按照以下步骤实施：步骤1：准备过程：部署无线AP及选定并标记参考点；步骤2：建立指纹库：采集数据及采用滤波技术完成指纹库的建立；步骤3：在线匹配：采用动态联合的WKNN算法进行室内定位。本发明一种基于wifi的位置指纹定位方法，采用新的数据采集方式和滤波技术完成指纹库的建立，并结合一种动态联合的WKNN算法进行室内定位，提高了指纹库信息的准确度及在线匹配精度，并且定位稳定。

Description

一种基于wifi的位置指纹定位方法

技术领域

本发明属于室内定位技术领域，具体涉及一种基于wifi的位置指纹定位方法。

背景技术

随着移动互联网的迅猛发展以及普适计算技术的广泛应用，很多公共和商业服务对移动用户的位置信息需求逐步增多，如医疗行业中重病人跟踪监护、产房婴儿防偷；商场购物时商品定位、顾客消费习惯收集；旅游出行中路线导航、实时位置查询等。基于卫星的室外技术发展已经非常成熟，而在室内环境下，由于建筑等障碍物的干扰造成GPS定位精度下降甚至无法定位的结果，室外位置相关技术已经不能完全满足人们的定位需求。

因此人们不仅仅需要室外的精准定位，对于室内定位的精度要求也越来越高。近年来，其相关技术的研究也越来越多，已经涌现出了一大批的定位技术，包括辅助全球定位技术、红外线定位、超声波定位、蓝牙定位、射频识别定位、wifi室内定位、超宽带定位等。其中，wifi技术硬件需求少、实现成本低、覆盖范围广、传输速度快的优点，得到了广泛的普及和应用。

目前的wifi定位方法主要分为基于模型和基于接收信号强度两种。基于模型的定位方法利用较高精度的模型将RSS(ReceivedSignalStrength，接收的信号强度)值换算为距离来计算设备的当前位置，如基于到达时间、到达角度、到达时间差的模型定位。但精度高的模型较难构建，且构造后需要大量人力来测量和校正参数。基于接收信号强度的位置指纹定位算法，包含离线训练和在线定位两个阶段，离线阶段构造室内RSS指纹数据库，在线定位阶段通过向服务器发送包含当前位置RSS向量的查询请求，利用一定的匹配算法获得当前位置信息。

而在基于wifi的位置指纹定位方法中，指纹库采集阶段由于受到传播环境中电子设备、移动物及AP(AccessPoint，访问接入点)间的信道的干扰等影响，会造成移动终端接收无线信号出现忽大忽小不稳定的振幅波动，导致位置指纹自身的误差，从而导致定位的精度下降。在线匹配定位阶段使用WKNN(WeightedK-NearestNeighbor，加权的K-最近邻)方法，当定位区域较大或者网格划分较细时，参考点的个数过多而导致了计算量加大、计算复杂度增加。且由于室内信号的波动，根据欧式距离选择出的前K个点中可能会有与实际位置并不是最接近的点，权重的分配就显得极为重要。

发明内容

本发明的目的是提供一种基于wifi的位置指纹定位方法，解决了现有技术中存在的指纹库信息的准确度及在线匹配精度低的问题。

本发明所采用的技术方案是，一种基于wifi的位置指纹定位方法，具体按照以下步骤实施：

步骤1：准备过程：部署无线AP及选定并标记参考点；

步骤2：建立指纹库：采集数据及采用滤波技术完成指纹库的建立；

步骤3：在线匹配：采用动态联合的WKNN算法进行室内定位。

本发明的特点还在于，

步骤1具体为：在整个待测区域中部署n个无线AP_j，j＝1,2,...,n，然后再整个待测区域中选定并标记m个参考点。

步骤2具体为：

步骤2.1：对每个参考点的不同方向分别进行多次wifi信号采集，共计s次，这样可以减少由于方向带来的误差，同时记录各个参考点中最强的4个无线AP的物理地址分别为mac_i1、mac_i2、mac_i3、mac_i4及其分别对应的信号强度值rssi_i1、rssi_i2、rssi_i3、rssi_i4，i＝1,2,...,m；

步骤2.2：采集完成后，对各个参考点的数据进行预处理，删除每个方向上的最大和最小信号强度值对应的记录，则采集次数s为：

步骤2.3：对每个参考点数据进行均值滤波，得到第i个参考点处接收到第j个无线AP_j的信号强度值rssi_ij：

${\mathrm{rssi}}_{ij}=\frac{{\mathrm{\Σ}}_{t=1}^s{\mathrm{rssi}}_{ijt}}{s}$

其中，rssi_ijt表示第i个参考点第t次采集到第j个无线AP_j的信号强度值；

步骤2.4：将第i个参考点的数据存入指纹数据库，得到一条位置指纹L：

L＝(x_i,y_i,mac_i1,rssi_i1,mac_i2,rssi_i2,mac_i3,rssi_i3,mac_i4,rssi_i4,strongmac_i)

其中，(x_i,y_i)为第i个参考点的坐标，strongmac_i为第i个参考点处接收到的最强信号源的物理地址；

步骤2.5：将所有的参考点的数据均存入服务器的指纹数据库，得到待测区域的指纹数据库R：

$R=\left(\begin{array}{ccccccccccc}{x}_1& y_1& {\mathrm{mac}}_{11}& {\mathrm{rssi}}_{11}& {\mathrm{mac}}_{12}& {\mathrm{rssi}}_{12}& {\mathrm{mac}}_{13}& {\mathrm{rssi}}_{13}& {\mathrm{mac}}_{14}& {\mathrm{rssi}}_{14}& {\mathrm{strongmac}}_1\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ x_i& y_i& {\mathrm{mac}}_{i1}& {\mathrm{rssi}}_{i1}& {\mathrm{mac}}_{i2}& {\mathrm{rssi}}_{i2}& {\mathrm{mac}}_{i3}& {\mathrm{rssi}}_{i3}& {\mathrm{mac}}_{i4}& {\mathrm{rssi}}_{i4}& {\mathrm{strongmac}}_i\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ x_m& y_m& {\mathrm{mac}}_{m1}& {\mathrm{rssi}}_{m1}& {\mathrm{mac}}_{m2}& {\mathrm{rssi}}_{m2}& {\mathrm{mac}}_{m3}& {\mathrm{rssi}}_{m3}& {\mathrm{mac}}_{m4}& {\mathrm{rssi}}_{m4}& {\mathrm{strongmac}}_m\end{array}\right).$

步骤2.1中的不同方向为每间隔45°为一个方向。

步骤3具体为：

步骤3.1：获取待定位点的无线AP信息A：

A＝(mac₁rssi₁mac₂rssi₂mac₃rssi₃mac₄rssi₄strongmac)

其中，mac₁、mac₂、mac₃、mac₄分别为待定位点接收到的4个最强信号的物理地址，rssi₁、rssi₂、rssi₃、rssi₄分别为待定位点接收到的4个最强信号的信号强度值，strongmac为待定位点接收到的最强信号源的物理地址，

将获取得到的待定位点的无线AP信息A传至服务器；

步骤3.2：通过步骤3.1得到的strongmac对指纹数据库中指纹进行筛选，得到筛选后的指纹数据；

步骤3.3：利用计算待定位点与第i个参考点信号强度之间的欧氏距离，其中，rssi_j为待定位点接收到第j个无线AP_j的信号强度，然后选择k个较小欧氏距离值对应的参考点，并得到它们所对应的坐标(x_i,y_i)及根据权重分配方法的动态联合文件得到待定位点分配给w₁和w₂的权值；

步骤3.4：根据步骤3.3得到的k个参考点的坐标及待定位点分配给w₁和w₂的权值，得到待定位点的坐标(x,y)：

$(x,y)=\frac{{\Σ}_{i=1}^k\frac{w_{i1}}{d_i}(x_i,y_i)}{{\Σ}_{i=1}^k\frac{1}{d_i}}+\frac{{\Σ}_{i=1}^k\frac{w_{i2}}{{d_i}^2}(x_i,y_i)}{{\Σ}_{i=1}^k\frac{1}{{d_i}^2}}$

其中，w_i1为第i个参考点处分配给w₁的权值，w_i2第i个参考点处分配给w₂的权值，

每个参考点对应的坐标及参考点分配给w₁和w₂的权值具体为：

对每个参考点利用WKNN方法进行在线匹配，并同时使用公式和进行权重分配，进行大量的测试定位实验，根据测试样本的定位结果，定位结果中定位精度较高的给较大的权值，定位结果中定位精度较低的给较小的权值，建立权重分配方法的动态联合文件：

$\left(\begin{array}{cccc}{x}_1& y_1& w_{11}& w_{12}\\ x_2& y_2& w_{21}& w_{22}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_m& y_m& w_{m1}& w_{m2}\end{array}\right)$

其中，w₁₁,w₂₁,...w_m1为各参考点处分配给w₁的权值，w₁₂,w₂₂,...,w_m2为各参考点处分配给w₂的权值。

本发明的有益效果是：本发明一种基于wifi的位置指纹定位方法，提高了定位的稳定性和精度；本发明一种基于wifi的位置指纹定位方法，采用一种新的指纹库采集方式，充分考虑到不同方向上信号强度的变化，指纹采集时，每个参考点上分别在不同方向进行s次数据采集；然后对每个方向上的奇异点进行剔除，降低信号波动；最后再利用均值滤波对该信号进行处理得到最终的指纹值，在一定程度上使得计算结果接近实际的信号强度值，从而减少随机波动产生的误差影响，能够一定程度上提高了定位的精度和稳定性。同时，本发明使用动态联合的WKNN算法进行在线匹配，在传统WKNN算法的基础上引入了动态联合的思想，对不同权重分配方式的空间相关性做动态加权，建立动态联合文件，每种方法在不同参考点处所占得比例不是固定不变的，而是根据联合文件进行动态的选择，最后以此计算待测点的坐标。利用不同权重分配方法的优势互补，降低k个参考点中偏差较大的点带来的误差，提高定位精度。

附图说明

图1是本发明一种基于wifi的位置指纹定位方法的流程图；

图2是本发明一种基于wifi的位置指纹定位方法中指纹库建立流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明一种基于wifi的位置指纹定位方法，流程如图1所示，具体按照以下步骤实施：

步骤1：准备过程：部署无线AP(AccessPoint，访问接入点)及选定并标记参考点

在整个待测区域中部署n个无线AP_j，j＝1,2,...,n，然后再整个待测区域中选定并标记m个参考点，为后续参考点位置指纹采集做准备。

步骤2：指纹库的建立，流程如图2所示，采集数据及采用滤波技术完成指纹库的建立

步骤2.1：对每个参考点的不同方向(每间隔45°为一个方向)分别进行多次wifi信号采集，共计s次，这样可以减少由于方向带来的误差，同时记录各个参考点中最强的4个无线AP的物理地址分别为mac_i1、mac_i2、mac_i3、mac_i4及其分别对应的信号强度值rssi_i1、rssi_i2、rssi_i3、rssi_i4，i＝1,2,...,m。

步骤2.2：采集完成后，对各个参考点的数据进行预处理，删除每个方向(每间隔45°为一个方向，因此共有8个方向)上的最大和最小信号强度值对应的记录，则：

s＝s-16

步骤2.3：对每个参考点数据进行均值滤波，得到第i个参考点处接收到第j个无线AP_j的信号强度值rssi_ij：

${\mathrm{rssi}}_{ij}=\frac{{\mathrm{\Σ}}_{t=1}^s{\mathrm{rssi}}_{ijt}}{s}$

其中，rssi_ijt表示第i个参考点第t次采集到第j个无线AP_j的信号强度值。

步骤2.4：将第i个参考点的数据存入指纹数据库，得到一条位置指纹L：

L＝(x_i,y_i,mac_i1,rssi_i1,mac_i2,rssi_i2,mac_i3,rssi_i3,mac_i4,rssi_i4,strongmac_i)

其中，(x_i,y_i)为第i个参考点的坐标，strongmac_i为第i个参考点处接收到的最强信号源的物理地址。

步骤2.5：将所有的参考点的数据均存入服务器的指纹数据库，得到待测区域的指纹数据库R：

$R=\left(\begin{array}{ccccccccccc}{x}_1& y_1& {\mathrm{mac}}_{11}& {\mathrm{rssi}}_{11}& {\mathrm{mac}}_{12}& {\mathrm{rssi}}_{12}& {\mathrm{mac}}_{13}& {\mathrm{rssi}}_{13}& {\mathrm{mac}}_{14}& {\mathrm{rssi}}_{14}& {\mathrm{strongmac}}_1\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ x_i& y_i& {\mathrm{mac}}_{i1}& {\mathrm{rssi}}_{i1}& {\mathrm{mac}}_{i2}& {\mathrm{rssi}}_{i2}& {\mathrm{mac}}_{i3}& {\mathrm{rssi}}_{i3}& {\mathrm{mac}}_{i4}& {\mathrm{rssi}}_{i4}& {\mathrm{strongmac}}_i\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ .& .& .& .& .& .& .& .& .& .& .\\ x_m& y_m& {\mathrm{mac}}_{m1}& {\mathrm{rssi}}_{m1}& {\mathrm{mac}}_{m2}& {\mathrm{rssi}}_{m2}& {\mathrm{mac}}_{m3}& {\mathrm{rssi}}_{m3}& {\mathrm{mac}}_{m4}& {\mathrm{rssi}}_{m4}& {\mathrm{strongmac}}_m\end{array}\right).$

步骤3：在线匹配：采用动态联合的WKNN(WeightedK-NearestNeighbor，加权的K-最近邻)算法进行室内定位

步骤3.1：获取待定位点的无线AP信息A：

A＝(mac₁rssi₁mac₂rssi₂mac₃rssi₃mac₄rssi₄strongmac)

其中，mac₁、mac₂、mac₃、mac₄分别为待定位点接收到的4个最强信号的物理地址，rssi₁、rssi₂、rssi₃、rssi₄分别为待定位点接收到的4个最强信号的信号强度值，strongmac为待定位点接收到的最强信号源的物理地址，

将获取得到的待定位点的无线AP信息A传至服务器；

步骤3.2：通过步骤3.1得到的strongmac对指纹数据库中指纹进行筛选，得到筛选后的指纹数据；

步骤3.3：利用计算待定位点与第i个参考点信号强度之间的欧氏距离，其中，rssi_j为待定位点接收到第j个无线AP_j的信号强度，然后选择k个较小欧氏距离值对应的参考点，并得到它们所对应的坐标(x_i,y_i)及根据权重分配方法的动态联合文件得到待定位点分配给w₁和w₂的权值。

每个参考点对应的坐标及参考点分配给w₁和w₂的权值具体为：

对每个参考点利用WKNN方法进行在线匹配，并同时使用公式和进行权重分配，进行大量的测试定位实验，根据测试样本的定位结果，定位结果中定位精度较高的给较大的权值，定位结果中定位精度较低的给较小的权值，建立权重分配方法的动态联合文件：

$\left(\begin{array}{cccc}{x}_1& y_1& w_{11}& w_{12}\\ x_2& y_2& w_{21}& w_{22}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ x_m& y_m& w_{m1}& w_{m2}\end{array}\right)$

其中，w₁₁,w₂₁,...w_m1为各参考点处分配给w₁的权值，w₁₂,w₂₂,...,w_m2为各参考点处分配给w₂的权值。

步骤3.4：根据步骤3.3得到的k个参考点的坐标及待定位点分配给w₁和w₂的权值，得到待定位点的坐标(x,y)：

$(x,y)=\frac{{\Σ}_{i=1}^k\frac{w_{i1}}{d_i}(x_i,y_i)}{{\Σ}_{i=1}^k\frac{1}{d_i}}+\frac{{\Σ}_{i=1}^k\frac{w_{i2}}{{d_i}^2}(x_i,y_i)}{{\Σ}_{i=1}^k\frac{1}{{d_i}^2}}$

即完成了室内指纹定位。

本发明一种基于wifi的位置指纹定位方法，采用一种新的指纹库采集方式，充分考虑到不同方向上信号强度的变化，指纹采集时，每个参考点上分别在不同方向(每隔45度)进行s次数据采集；然后对每个方向上的奇异点(即信号强度最大和最小的点)进行剔除，降低信号波动；最后再利用均值滤波对该信号进行处理得到最终的指纹值，在一定程度上使得计算结果接近实际的信号强度值，从而减少随机波动产生的误差影响，能够一定程度上提高了定位的精度和稳定性。同时，本发明使用动态联合的WKNN算法进行在线匹配，在传统WKNN算法的基础上引入了动态联合的思想，对不同权重分配方式的空间相关性做动态加权，建立动态联合文件，每种方法在不同参考点处所占得比例不是固定不变的，而是根据联合文件进行动态的选择，最后以此计算待测点的坐标。利用不同权重分配方法的优势互补，降低k个参考点中偏差较大的点带来的误差，提高定位精度。

Claims (6)

1.一种基于wifi的位置指纹定位方法，其特征在于，具体按照以下步骤实施：

步骤1：准备过程：部署无线AP及选定并标记参考点；

步骤2：建立指纹库：采集数据及采用滤波技术完成指纹库的建立；

步骤3：在线匹配：采用动态联合的WKNN算法进行室内定位。

2.根据权利要求1所述的一种基于wifi的位置指纹定位方法，其特征在于，所述步骤1具体为：在整个待测区域中部署n个无线AP_j，j＝1,2,...,n，然后再整个待测区域中选定并标记m个参考点。

3.根据权利要求2所述的一种基于wifi的位置指纹定位方法，其特征在于，所述步骤2具体为：

步骤2.1：对每个参考点的不同方向分别进行多次wifi信号采集，共计s次，这样可以减少由于方向带来的误差，同时记录各个参考点中最强的4个无线AP的物理地址分别为mac_i1、mac_i2、mac_i3、mac_i4及其分别对应的信号强度值rssi_i1、rssi_i2、rssi_i3、rssi_i4，i＝1,2,...,m；

步骤2.2：采集完成后，对各个参考点的数据进行预处理，删除每个方向上的最大和最小信号强度值对应的记录，则采集次数s为：

步骤2.3：对每个参考点数据进行均值滤波，得到第i个参考点处接收到第j个无线AP_j的信号强度值rssi_ij：

${\mathrm{rssi}}_{ij}=\frac{{\mathrm{\Σ}}_{t=1}^s{\mathrm{rssi}}_{ijt}}{s}$

其中，rssi_ijt表示第i个参考点第t次采集到第j个无线AP_j的信号强度值；

步骤2.4：将第i个参考点的数据存入指纹数据库，得到一条位置指纹L：

L＝(x_i,y_i,mac_i1,rssi_i1,mac_i2,rssi_i2,mac_i3,rssi_i3,mac_i4,rssi_i4,strongmac_i)

其中，(x_i,y_i)为第i个参考点的坐标，strongmac_i为第i个参考点处接收到的最强信号源的物理地址；

步骤2.5：将所有的参考点的数据均存入服务器的指纹数据库，得到待测区域的指纹数据库R：

$R=\left(\begin{array}{ccccccccccc}{x}_1& y_1& {\mathrm{mac}}_{11}& {\mathrm{rssi}}_{11}& {\mathrm{mac}}_{12}& {\mathrm{rssi}}_{12}& {\mathrm{mac}}_{13}& {\mathrm{rssi}}_{13}& {\mathrm{mac}}_{14}& {\mathrm{rssi}}_{14}& {\mathrm{strongmac}}_1\\ \·& \·& \·& \·& \·& \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·& \·& \·& \·& \·& \·\\ x_i& y_i& {\mathrm{mac}}_{i1}& {\mathrm{rssi}}_{i1}& {\mathrm{mac}}_{i2}& {\mathrm{rssi}}_{i2}& {\mathrm{mac}}_{i3}& {\mathrm{rssi}}_{i3}& {\mathrm{mac}}_{i4}& {\mathrm{rssi}}_{i4}& {\mathrm{strongmac}}_i\\ \·& \·& \·& \·& \·& \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·& \·& \·& \·& \·& \·\\ \·& \·& \·& \·& \·& \·& \·& \·& \·& \·& \·\\ x_m& y_m& {\mathrm{mac}}_{m1}& {\mathrm{rssi}}_{m1}& {\mathrm{mac}}_{m2}& {\mathrm{rssi}}_{m2}& {\mathrm{mac}}_{m3}& {\mathrm{rssi}}_{m3}& {\mathrm{mac}}_{m4}& {\mathrm{rssi}}_{m4}& {\mathrm{strongmac}}_m\end{array}\right).$

4.根据权利要求3所述的一种基于wifi的位置指纹定位方法，其特征在于，所述步骤2.1中的不同方向为每间隔45°为一个方向。

5.根据权利要求3所述的一种基于wifi的位置指纹定位方法，其特征在于，所述步骤3具体为：

步骤3.1：获取待定位点的无线AP信息A：

A＝(mac₁rssi₁mac₂rssi₂mac₃rssi₃mac₄rssi₄strongmac)

其中，mac₁、mac₂、mac₃、mac₄分别为待定位点接收到的4个最强信号的物理地址，rssi₁、rssi₂、rssi₃、rssi₄分别为待定位点接收到的4个最强信号的信号强度值，strongmac为待定位点接收到的最强信号源的物理地址，

将获取得到的待定位点的无线AP信息A传至服务器；

步骤3.2：通过步骤3.1得到的strongmac对指纹数据库中指纹进行筛选，得到筛选后的指纹数据；

步骤3.3：利用计算待定位点与第i个参考点信号强度之间的欧氏距离，其中，rssi_j为待定位点接收到第j个无线AP_j的信号强度，然后选择k个较小欧氏距离值对应的参考点，并得到它们所对应的坐标(x_i,y_i)及根据权重分配方法的动态联合文件得到待定位点分配给w₁和w₂的权值；

步骤3.4：根据步骤3.3得到的k个参考点的坐标及待定位点分配给w₁和w₂的权值，得到待定位点的坐标(x,y)：

$(x,y)=\frac{{\mathrm{\Σ}}_{i=1}^k\frac{w_{i1}}{d_i}(x_i,y_i)}{{\mathrm{\Σ}}_{i=1}^k\frac{1}{d_i}}+\frac{{\mathrm{\Σ}}_{i=1}^k\frac{w_{i2}}{{d_i}^2}(x_i,y_i)}{{\mathrm{\Σ}}_{i=1}^k\frac{1}{{d_i}^2}}$

其中，w_i1为第i个参考点处分配给w₁的权值，w_i2第i个参考点处分配给w₂的权值，

6.根据权利要求5所述的一种基于wifi的位置指纹定位方法，其特征在于，所述每个参考点对应的坐标及参考点分配给w₁和w₂的权值具体为：

对每个参考点利用WKNN方法进行在线匹配，并同时使用公式和进行权重分配，进行大量的测试定位实验，根据测试样本的定位结果，定位结果中定位精度较高的给较大的权值，定位结果中定位精度较低的给较小的权值，建立权重分配方法的动态联合文件：

$\left(\begin{array}{cccc}{x}_1& y_1& w_{11}& w_{12}\\ x_2& y_2& w_{21}& w_{22}\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ \·& \·& \·& \·\\ x_m& y_m& w_{m1}& w_{m2}\end{array}\right)$

其中，w₁₁,w₂₁,...w_m1为各参考点处分配给w₁的权值，w₁₂,w₂₂,...,w_m2为各参考点处分配给w₂的权值。