CN105974361A - 一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法 - Google Patents

Abstract

本发明涉及一种基于指纹段索引与WiFi‑FM融合指纹的室内定位方法，其主要特点是：采集参考点处的WiFi信号和FM信号的强度信息，获得WiFi指纹和FM指纹，通过归一化方法构建WiFi‑FM融合指纹；将室内空间规格化为由起点和终点决定的线段空间的集合，建立具有指纹段索引的指纹训练库；通过采集实时的信号强度数据与指纹训练库数据进行相似度匹配，并利用计步器和指纹段索引对指纹库进行局部范围查找，最终确定用户的位置。本发明设计合理，减小了定位时指纹库的搜索范围，提高了定位处理的实时性，增加了指纹定位系统的指纹维度，适合应用在有效WiFi热点不足的室内环境；同时具有部署容易、信号源覆盖范围大、便于应用在移动终端等特点。

Description

一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法

技术领域

本发明属于室内定位技术领域，尤其是一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法。

背景技术

随着普适计算和无线互联网的发展，移动端定位技术越来越重要。例如，通过对用户位置进行获取和分析，商家可以优化广告宣传策略，旅游者可以制定个性化路线，消费者可以浏览周边商铺等。室外定位主要利用GPS技术，已经达到应用级的水平。室内定位由于受到GPS信号匮乏以及多径效应、信号遮挡等影响，业界一直没有形成统一的解决方案。

在移动端，由于设备硬件及精度的局限性，基于测距的定位技术误差较大，因而常常使用指纹定位技术。该技术方案首先在定位区域进行数据预采集，将室内坐标和指纹向量进行绑定来建立空间指纹库；在定位时通过将实时采集的信号强度向量与指纹库进行相似度匹配来估计位置。

室内定位可采用WiFi、LED、RFID、地磁、蓝牙、超声波、红外线、Zigbee等多种信号进行定位。从信号的获取难度、覆盖区域、部署成本和测量精度等角度考虑，WiFi非常适合作为指纹特征，并被百度地图、智慧图等公司所采用；调频广播(FM)信号由于其较强的穿透能力和覆盖范围也受到研究者的重视，提出了基于FM指纹的室内定位方案。FM和WiFi指纹定位都利用了既有通讯设施，具有部署容易和普适性强的特点。但是，以上技术存在以下问题：随着指纹库的扩大，指纹匹配过程需要消耗较多的时间，影响定位系统的实时性；WiFi指纹定位在AP不足时定位精度无法保证。

发明内容

本发明的目的在于克服现有技术的不足，提供一种设计合理、精度高且快速准确的基于指纹段索引与WiFi-FM融合指纹的室内定位方法。

本发明解决其技术问题是采取以下技术方案实现的：

一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，包括以下步骤：

步骤1、采集参考点处的WiFi信号和FM信号的强度信息，获得WiFi指纹和FM指纹，通过归一化方法构建WiFi-FM融合指纹；

步骤2、将室内空间规格化为由起点和终点决定的线段空间的集合，建立具有指纹段索引的指纹训练库；

步骤3、通过采集实时的信号强度数据与指纹训练库数据进行相似度匹配，并利用计步器和指纹段索引对指纹库进行局部范围查找，最终确定用户的位置。

所述WiFi-FM融合指纹由WiFi信号强度向量和FM信号强度向量融合组成。

步骤1所述通过归一化方法构建WiFi-FM融合指纹的目的是将测量范围和量纲不同的WiFi指纹和FM指纹映射到相同的取值范围。

步骤2所述室内空间规格化的方法是将室内空间划分为不同路径段进行采样，路径段内为直线贯通的区域，其中的任意一组训练样本空间使用端点构成的索引进行标识。

所述指纹训练库由指纹段索引表、指纹数据表和映射表构成，每个采样的指纹段使用起点和终点建立指纹段索引，每个指纹段索引对应一组指纹数据，定位系统采用JSON格式对指纹数据进行编码存储。

所述步骤3在进行相似度匹配时，需要通过归一化方法将数据映射到相同的取值范围内，再进行相似度的计算。

步骤3所述对指纹库进行局部范围查找的方法是利用上一次定位的结果，通过惯性计步器统计两次定位过程中移动的步数，建立运动的圆形范围，并求解圆与线段索引构成的线段的交点状况，估计最小指纹匹配集合。

步骤3所述确定定位位置的过程中，通过采集实时的信号强度，计算它与局部匹配集合中指纹的相似程度，利用WKNN算法对极相似的K个位置进行加权平均，得出最终的定位位置。

本发明的优点和积极效果是：

本发明使用WiFi-FM融合指纹弥补了WiFi指纹定位系统热点不足的缺陷，提高了定位处理的实时性，增加了指纹定位系统的指纹维度，适合应用在有效WiFi热点不足的室内环境；同时，减小了定位时指纹库的搜索范围，提高了定位速度，具有部署容易、信号源覆盖范围大、便于应用在移动终端等特点。

附图说明

图1是本发明的定位系统的原理示意图；

图2是本发明的采样过程示意图；

图3是本发明的指纹段索引的存储结构示意图；

图4是本发明的指纹库局部搜索空间示意图。

具体实施方式

下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易于被本领域技术人员理解，从而对本发明的保护范围做出更为清楚明确的界定。

一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，是在如图1所示的系统下实现的，该系统包括设置在室内的多个AP接入点(AP0～APn)、多个FM节点(FM0～FMn)、移动终端和指纹训练库。

本室内定位方法包括以下步骤：

步骤1、采集参考点处的WiFi信号和FM信号的强度信息，通过归一化方法构建WiFi-FM融合指纹。具体方法为：

本发明采用WiFi-FM融合指纹进行室内定位，所述的WiFi-FM融合指纹是由FM信号强度向量和WiFi信号强度向量融合组成。在如图1所示的定位系统中，利用FM广播频道信息，通过扫描其中多个广播频道，将测量到的接收信号强度信息作为FM指纹，WiFi指纹采用常规方式也可获得。通过采集参考点处的WiFi信号和FM信号的强度信息并采用归一化方法即可将测量范围和量纲不同的FM指纹和WiFi指纹映射到相同的取值范围，从而构成WiFi-FM融合指纹，以便进行指纹相似度的计算。

在采集时，需要对指纹训练库的训练样本进行分段采集，样本分段内部的空间近似为一条线段。在指纹分段内部，系统采用等距采样的方式同时采集WiFi和FM的接收信号强度信息，并通过计步器估计采样间隔。如图2所示，指纹采集人员在A、B间进行指纹采集时，首先记录A和B的地图坐标，然后从地图上A点对应的位置走到B点对应的位置，在行走过程中保持相对均匀的步幅。采样间隔通过步数来进行估计，例如采样间隔为一步，则每走一步即在到达的位置停留足够的时间进行信号采集，采集到的数据被顺序编号存储到本地的指纹训练库。到达B点后系统统计总的行走步数。考虑到存在一定的步幅差异，采样过程可以近似地看成是等距分割。

设起点A和终点B的地图坐标分别为A(x₁，y₁)和B(x₂，y₂)，则AB段的样本空间可以表示为线段线段所在的直线方程可以表示为ax+by+c＝0，其中a，b，c为待定系数，将已知点A和B的坐标带入直线方程可计算得出方程的待定系数。而AB间任一点Location_i所处的空间位置可以表示为其中i表示从起点开始的等分点编号，n表示指纹段内存在的训练样本总数。

步骤2、将室内空间规格化为由起点和终点决定的线段空间的集合，建立具有指纹段索引的指纹训练库，每个采样的指纹段使用起点和终点构成指纹段索引，每个指纹段索引对应一组指纹数据，索引是整个指纹段的空间约束范围。具体方法为：

在本步骤中，需要将室内空间规格化，空间规格化方位为：在指纹训练过程中将室内空间划分为不同路径段进行采样，路径段内为直线贯通的区域，其中的任意一组训练样本集空间可使用端点构成的索引进行标识。

由于在采样时采用从线段的一个端点到线段的另一个端点的等距直线采样，采样样本的索引为线段的两个端点，因此训练过程中只记录采样起点和终点的空间坐标，其他样本的位置坐标可通过起点和终点计算获得。

指纹训练库的指纹段索引存储结构如图3所示。为了对指纹数据进行统一化管理，指纹训练库采用JSON格式对指纹数据进行编码存储。JSON是一种简捷的数据转换格式，便于对数组和键值对类型的数据进行序列化存储。其中WiFi指纹的信号强度向量使用AP的Mac地址进行标识，为了减小存储空间，将Mac的长字符串映射为唯一的短编号。指纹训练库由指纹段索引表、指纹数据表和映射表构成。

步骤3、通过采集实时的信号强度数据与指纹训练库数据进行相似度匹配，并利用计步器和指纹段索引对指纹库进行局部范围查找，最终确定用户的位置。具体方法为：

(1)在定位启动阶段，系统将采集的实时信号强度数据与指纹库的数据进行匹配，计算它们的相似度。所述系统使用余弦相似度作为相似度的评判标准，任意两个指纹向量V₁(x₁，x₂…x_n)和V₂(y₁，y₂…y_n)的余弦相似度similarity的计算公式为：

$similarity=\frac{A\·B}{\left|A\right|\·\left|B\right|}=\frac{{\mathrm{\Σ}}_{i=1}^n(x_i\·y_i)}{\sqrt{{\mathrm{\Σ}}_{i=1}^n{x}_i\·{\mathrm{\Σ}}_{i=1}^n{y}_i\·}},$

n表示向量的维度。将极相似的k个点作为参考点，并使用WKNN算法对最终位置进行解算。通过WKNN算法计算位置Positon(x，y)的过程可表示为：

$Positon(x,y)=\frac{{\mathrm{\Σ}}_{i=1}^k{\mathrm{similarity}}_i\·{\mathrm{Loc}}_i}{{\mathrm{\Σ}}_{i=1}^k{\mathrm{similarity}}_i}$

其中k为候选位置总数，Loc_i为第i个位置的候选坐标。

考虑到WiFi和FM芯片测量的数据具有不同的量纲和测量范围，假设WiFi的测量范围为(1，10)，FM的测量范围为(50，100)，这样计算得到的相似度明显受FM的影响更大，因而简单地将WiFi指纹和FM指纹进行组合的意义不大，因此，本发明通过归一化方法将数据映射到相同的取值范围内，再进行相似度的计算。该归一化方法采用z-score归一法，即：首先求取WiFi和FM数据集对应的标准差δ和平均值μ：

$\mathrm{\μ}=\frac{1}{N}{\mathrm{\Σ}}_{i=1}^s{\mathrm{\Σ}}_{j=1}^d{\mathrm{rss}}_{ij}$

$\mathrm{\δ}=\sqrt{\frac{1}{N}{\mathrm{\Σ}}_{i=1}^S{\mathrm{\Σ}}_{j=1}^d({\mathrm{rss}}_{ij}-\stackrel{\‾}{rss})},$

其中N表示信号强度数据的总数，S表示指纹向量总数，d表示每个样本的维度，rss表示接收信号强度；对WiFi和FM数据分别计算，得到μ_FM，μ_WiFi，δ_FM，δ_WiFi，即可对数据样本进行归一化。归一化遵循的原则为

(2)在定位阶段，如图4所示，由于与整个指纹库进行匹配的计算时间较多，为了提高系统的实时性本发明首先通过全局匹配获取到定位的初始位置为O(x₀，y₀)，计步器统计从上次定位到本次定位共计走了m步。设步长的最大阈值为1，1通过实验统计获得，则运动结束后人所处的可能范围为以O为圆心，ml为半径的圆所覆盖的范围，圆的方程可以表示为(x-x₀)²+(y-y₀)²＝(ml)²，而训练指纹库时建立的索引集合为一系列线段的组合，所在的直线方程可以分别表示为A₁B₁：a₁x+b₁y+c₁＝0，A₂B₂：a₂x+b₂y+c₂＝0……，求取直线与圆的交点，交点范围之间的线段就是要搜索的最小指纹匹配范围，指纹匹配时计算当前信号强度与这些指纹的信号强度的相似度并利用WKNN算法计算实时位置即可，而无需进行全库的匹配。即：通过采集实时的信号强度，计算它与局部匹配指纹集合的相似程度，利用WKNN算法对极相似的K个位置进行加权平均，获得最终的定位位置。

考虑到步骤(2)在一定时间内效果较好，在较长时间内会陷入局部最优，因此步骤(1)和步骤(2)交替进行，即通过对指纹库进行全文搜索完成定位后，接下来进行一定次数的局部范围定位，再进行全局定位，避免系统陷入局部最优。

本发明所述的定位算法的伪代码描述如下：

本发明的优点在于增强了WiFi定位的鲁棒性，使用WiFi-FM融合指纹弥补了WiFi热点不足的缺陷；为训练库建立指纹段索引，使指纹点之间具有了空间上的联系，能够灵活获得前后位置，从而在定位阶段能够利用计步器估计局部搜索范围，通过计算局部范围的圆方程与指纹索引的交点范围来缩小匹配阶段的指纹搜索范围，增加系统的实时性。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于包括以下步骤：

步骤1、采集参考点处的WiFi信号和FM信号的强度信息，获得WiFi指纹和FM指纹，通过归一化方法构建WiFi-FM融合指纹；

步骤2、将室内空间规格化为由起点和终点决定的线段空间的集合，建立具有指纹段索引的指纹训练库；

步骤3、通过采集实时的信号强度数据与指纹训练库数据进行相似度匹配，并利用计步器和指纹段索引对指纹库进行局部范围查找，最终确定用户的位置。

2.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：所述WiFi-FM融合指纹由WiFi信号强度向量和FM信号强度向量融合组成。

3.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：步骤1所述通过归一化方法构建WiFi-FM融合指纹的目的是将测量范围和量纲不同的WiFi指纹和FM指纹映射到相同的取值范围。

4.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：步骤2所述室内空间规格化的方法是将室内空间划分为不同路径段进行采样，路径段内为直线贯通的区域，其中的任意一组训练样本空间使用端点构成的索引进行标识。

5.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：所述指纹训练库由指纹段索引表、指纹数据表和映射表构成，每个采样的指纹段使用起点和终点建立指纹段索引，每个指纹段索引对应一组指纹数据，定位系统采用JSON格式对指纹数据进行编码存储。

6.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：所述步骤3在进行相似度匹配时，需要通过归一化方法将数据映射到相同的取值范围内，再进行相似度的计算。

7.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：步骤3所述对指纹库进行局部范围查找的方法是利用上一次定位的结果，通过惯性计步器统计两次定位过程中移动的步数，建立运动的圆形范围，并求解圆与线段索引构成的线段的交点状况，估计最小指纹匹配集合。

8.根据权利要求1所述的一种基于指纹段索引与WiFi-FM融合指纹的室内定位方法，其特征在于：步骤3所述确定定位位置的过程中，通过采集实时的信号强度，计算它与局部匹配集合中指纹的相似程度，利用WKNN算法对极相似的K个位置进行加权平均，得出最终的定位位置。