CN106060841A - 一种基于非自主部署ap的室内定位方法及装置 - Google Patents

Abstract

本发明公开了一种基于非自主部署AP的室内定位方法及装置。该方法基于现有周围环境已有的AP离线收集位置指纹数据，通过对离线阶段收集的位置指纹数据进行预处理和AP排序筛选处理，使用终端差异解决算法处理离线数据，得出最终用于协助室内定位判决的离线位置指纹数据库。根据实时数据，对离线位置指纹数据库对应AP进行固定值填充后，结合在线实时的接收信号强度向量和离线位置指纹数据库计算欧式距离并利用WKNN算法计算出最终定位结果。与现有方法相比，应用本发明的室内定位系统无需额外部署AP，可避免大量的基站规划及部署工作，提高了系统的定位稳定性，在实际工程中具有较好的应用价值。

Description

一种基于非自主部署AP的室内定位方法及装置

技术领域

本发明属于无线通信系统中室内定位的研究领域，特别涉及一种基于非自主部署AP的室内定位方法及装置。

背景技术

随着定位技术的不断发展和人们不断增长的位置信息需求，各类室内环境，如购物广场、车站、机场、医院等都有了布设室内定位系统的必要，以满足用户在位置导航、医疗监护、物流跟踪等方面的需求。而目前关于室内定位的研究上，主要分为两大类技术——基于信号传播模型的定位技术(如信号波达方向或时差等)和基于信号位置指纹的定位技术。

基于信号传播模型的定位技术是利用几何原理计算出目标的室内位置信息。其优点是定位思想简单，仅需要知道AP(Access Point,访问接入点)所处位置及信号传播模型即可实现室内定位。同时，实施室内定位前的离线工作较少，不存在离线阶段的数据收集及预处理工作。但由于室内环境复杂多样，信号传播模型很难对各类室内场景具有普遍适用性，具有高稳定性的系统实现难度较大，要求较高。同时，该方法需要获取基站的确切位置并要求基站发送用于定位的特定信号，增加了室内定位系统的硬件要求。

而基于信号位置指纹的定位技术则是利用无线信号实现对室内场景特征的描述。离线阶段按一定区域划分规则收集室内环境中各AP的接收信号强度向量，形成离线的位置指纹数据库。在线阶段根据实时收集到的接收信号强度向量与离线位置指纹数据库进行匹配，输出定位结果。所以该方法的核心思路在于离线指纹数据库对定位场景的有效描述和实时的精准匹配。而采用该室内定位技术由于其广泛的硬件部署、简便实现、低廉成本以及较高的定位精度，已成为室内定位技术的重点研究领域。

目前在已经发布的关于指纹室内定位的研究和系统实现中，几乎都通过自主部署AP的方式提供无线信号指纹信息，实现室内定位。而当通过该方式进行定位时，必然需要解决部署AP的覆盖问题。需要结合实际室内场景情况部署AP使得室内区域实现全覆盖。这对部署前的AP规划工作以及部署后的覆盖测试工作都带来了较高要求及巨大的工作量，无疑增加了室内定位系统的实现难度。

同时，为了保证无线信号覆盖效果，必然需要大量部署AP，这增加了企业实现室内定位系统的成本，凸显了定位精度与成本的矛盾。

除此之外，由于室内定位系统对于网络覆盖具有较高要求，在采用自主部署AP进行室内定位时，一旦所部署AP出现故障将会极大影响室内场景中的网络覆盖情况，进而极大影响对应区域的定位精度，降低系统的定位稳定性。

然而，值得注意的是，现今WiFi热点的部署已经普遍而成熟。在许多的办公区域、居民楼等场所，每个位置通过智能手机或者其他终端都能扫描到不少的WiFi热点。在这样的实际情况下，关于自主部署AP进行室内定位将面临两个问题：

1.现有场景内的WiFi热点已经非常丰富，从AP数量上看不存在非要专门部署AP以进行室内定位的必要；

2.现有已经存在数量庞大的AP，其大量发射的无线信号会影响终端对自主部署AP的接收功率，增大定位误差，降低室内定位系统稳定性。

发明内容

本发明的首要目的是针对现有基于自主部署AP进行指纹定位方法的不足提供一种基于非自主部署AP的室内定位方法，该方法基于现有已部署的AP离线收集位置指纹数据，最终结合在线实时的接收信号强度向量和离线位置指纹数据库得到定位结果，利用该方法进行室内定位无需额外部署AP，节省室内定位系统布设成本，相对现有技术有更高的定位稳定性。

本发明的另一个目的在于克服现有技术的缺点与不足，提供一种基于非自主部署AP的室内定位装置，该装置无需额外部署AP，减少了相应的基站规划及网络覆盖的研究工作，降低了系统部署成本，同时提高了系统的定位稳定性。

本发明的首要目的是通过下述技术方案实现：一种基于非自主部署AP的室内定位方法，包括步骤：

离线阶段：基于现有周围环境已有的AP离线收集位置指纹数据，对数据进行预处理以去除每个网格点上所有AP的异常值，然后根据场景内所有节点中AP出现次数进行排序，选取出现频次超过一定阈值的AP作为离线位置指纹数据库中采用的AP，处理得出最终的离线位置指纹数据库；

在线阶段：实时收集无线信号，并通过终端差异解决算法进行处理，得出接收信号强度向量；根据实时数据，对离线位置指纹数据库对应AP进行功率值填充，结合接收信号强度向量和离线位置指纹数据库计算欧式距离，并利用WKNN算法计算出最终定位结果。

具体的，包括以下步骤：

1、离线阶段：

A:离线收集位置指纹数据：

A-1:对室内定位区域划分网格点，总网格点数记为L；

A-2:在网格点i，采用无线信号接收装置接收所有能接收到的来自n个AP的接收信号强度，得到接收信号强度向量其中n≤N，N为室内定位区域内所有AP的个数；

A-3:对室内定位区域内所有网格点重复步骤A-2，收集一次离线数据；根据需求收集P次离线数据，建立离线数据库；

B:对离线阶段收集的所有接收信号强度RSSI进行预处理，去除异常值，得出预处理后的离线数据库；

C:对预处理后的离线数据库中出现的所有AP进行筛选，得出AP数为M的AP集，M≤N；而对于任一网格点i，其接收信号强度向量为其中m≤M；

D:使用终端差异解决算法处理离线数据，对所有网格点接收信号强度向量进行处理，得出最终的离线位置指纹数据库其中

2、在线阶段：

E:实时记录接收信号强度数据：

在线阶段用户使用终端收集所有非自主部署AP的发射信号，记录接收信号强度向量

F:使用终端差异解决算法处理实时接收信号强度数据，对接收信号强度向量进行处理，处理结果为

G:以在线接收到的q个AP作为基准，对离线位置指纹数据库所有网格点进行匹配，匹配的步骤是：如果其中任一网格点对应离线指纹库中AP个数为q-Z，则说明有Z个AP是离线指纹库中没有的，那么在离线指纹库中针对这Z个AP填充功率值rssi″；

H:匹配计算实时数据和离线位置指纹数据库FP′中所有L个网格点的欧氏距离，使用WKNN算法选取K个欧式距离最小的点，并加权计算出最终定位坐标。

优选的，步骤A中收集离线数据次数P应大于等于3次。

优选的，步骤B对离线阶段收集的所有接收信号强度RSSI进行预处理，过程如下：

B-1:将该网格点i收集的来自某一AP的P个接收信号强度原始样本按升序排列；设定步骤A中收集离线数据次数P为4的倍数；

B-2:将排序后的接收信号强度样本RSSI_p分成四个等分区间，1≤p≤P，每个等分区间都有相同的RSSI样本数目，计算第1和第3等分区间的均值，分别记为Q1、Q3(以同样方法计算第2和第4等分区间的均值Q2和Q4亦可)：

$Q1=\frac{1}{P/4}\underset{p=1}{\overset{P/4}{\Σ}}{\mathrm{RSSI}}_p;$

$Q3=\frac{1}{P/4}\underset{p=2P/4}{\overset{3P/4}{\Σ}}{\mathrm{RSSI}}_p;$

B-3:四分位区间范围IQR＝Q3-Q1；

B-4:设置滤除边界C1和C2；其中C1＝Q1-αIQR，1＜α＜2；C2＝Q3+βIQR，1＜β＜2；

B-5：去除不在[C1,C2]的RSSI原始样本；

B-6:计算落在[C1,C2]的RSSI原始样本的均值，作为该AP在网格点i的RSSI_ij保存到指纹数据库中；

B-7:对所有网格点的数据均进行以上处理，得到预处理后的离线数据库。

优选的，步骤C中对数据中出现的所有AP进行筛选的方式为：对预处理后的离线数据库，根据非自主部署AP在总网格点中出现的次数进行排序，设定筛选阈值，对小于出现频次阈值的AP进行剔除。

更进一步的，所述筛选阈值要小于总网格点数L；阈值的设定根据场景大小以及场景内AP在所有网格点中出现的概率而定。当场景较大，AP在所有网格点中出现概率较小时，阈值应取较小值；当场景较小，AP在所有网格点中出现概率较大时，阈值应取较大值。

优选的，步骤G所述填充固定值rssi″≤-100dB。

优选的，步骤D或者步骤F所述终端差异解决算法，可以是SMN、差值法或其他的任何一种终端差异解决算法。

一种基于非自主部署AP的室内定位装置，包括以下单元：

离线数据收集单元：用于离线阶段接收非自主部署AP的发射信号，记录接收信号强度RSSI_ij；

离线数据处理单元：用于对离线阶段收集的位置指纹数据进行预处理和AP排序筛选处理，使用终端差异解决算法处理离线数据，得出最终用于协助室内定位判决的离线位置指纹数据库；

数据库单元：用于存储离线阶段经过各步骤处理得出的离线位置指纹数据库；

在线定位请求单元：用于实时接收、记录并上传来自于非自主部署AP的接收信号强度；并用于接收及实时显示定位结果；

在线数据处理单元：使用终端差异解决算法完成实时数据与离线位置指纹数据库匹配时的填充值处理，输出用于定位匹配运算的实时接收信号强度向量；

定位处理单元：根据离线位置指纹数据库和实时接收信号强度向量进行匹配运算，选取参考定位坐标点并加权计算出最终定位结果。

本发明相对于现有技术具有以下的优点和效果：

1.本发明无需在定位场景内重新部署AP，亦无需过多开展基站规划及网络覆盖相关的分析研究工作，降低室内定位系统布设工作量，节省室内定位系统布设成本。

2.本发明利用使用场景中已部署的大量AP的发射信号功率作为位置指纹数据库，受单个AP故障导致的定位精度下降影响较少，相对现有技术有更高的定位稳定性。

附图说明

图1是本发明方法的流程示意图。

图2是本发明装置的结构示意图。

具体实施方式

下面结合实施例及附图对本发明进行进一步详细的描述，但本发明的实施方式不限于此。

参见图2，本实施例一种基于非自主部署AP的室内定位装置，包括以下单元：

离线数据收集单元1-1：用于离线阶段接收非自主部署AP的发射信号，记录接收信号强度RSSI_ij；

离线数据处理单元1-2：用于对离线阶段收集的位置指纹数据进行预处理和AP排序筛选处理，使用终端差异解决算法处理离线数据，得出最终用于协助室内定位判决的离线位置指纹数据库；

数据库单元2-1：用于存储离线阶段经过各步骤处理得出的离线位置指纹数据库；

在线定位请求单元3-1：用于实时接收、记录并上传来自于非自主部署AP的接收信号强度；并用于接收及实时显示定位结果；

在线数据处理单元3-2：使用终端差异解决算法以解决终端多样性问题，完成实时数据与离线位置指纹数据库匹配时的填充值处理并最终输出用于定位匹配运算的实时接收信号强度向量；

定位处理单元3-3：根据离线位置指纹数据库和实时接收信号强度向量进行匹配运算，选取参考定位坐标点并加权计算出最终定位结果。

一种基于非自主部署AP的室内定位方法如图1所示，下面结合图1、图2再作具体说明。

离线数据收集单元主要用于收集在室内定位场景中所有网格点的接收信号强度。这里所述的“所有”是指强度到达一定程度，终端能够接收并记录的信号。所述的“网格点”，是指系统部署者在室内定位系统部署前对室内场景所划分的网格点，网格点之间的物理距离是确定而固定的，设定总网格点数为L。所述的“终端”是指能够接收并记录无线信号接收信号强度的设备。

利用终端(如手机)在网格点i，采用无线信号接收装置接收第j个非自主部署AP的发射信号，记录接收信号功率RSSI_ij；

接收并记录在网格点i所能接收到的n(n≤N)个AP的接收信号强度，得出接收信号强度向量：

$\stackrel{\→}{{\mathrm{FP}}_i}=\[{\mathrm{RSSI}}_{i1},{\mathrm{RSSI}}_{i2},...,{\mathrm{RSSI}}_{ij},...,{\mathrm{RSSI}}_{in}\]$

然后对室内定位区域内所有网格点重复上述步骤，完成一次离线数据收集。根据需求收集P(P≥3)次离线数据，建立离线初始数据。

离线数据处理单元主要完成从离线收集的所有初始数据到离线位置指纹数据库的数据处理工作。涉及到图1中的三个步骤：离线阶段数据预处理，取出RSSI异常值；对数据中出现的所有AP进行排序筛选，得出AP集；使用终端差异解决算法处理离线数据，得出离线位置指纹数据库。

所述的数据预处理，取出RSSI异常值步骤具体如下：

1.将该网格点i收集的来自某一AP的P个接收信号强度原始样本按升序排列；

2.将排序后的接收信号强度样本RSSI_p(1≤p≤P)分成四个等分区间，每个等分区间都有相同的RSSI样本数目，计算第1和第3等分区间的均值，分别记为Q1、Q3(以同样方法计算第2和第4等分区间的均值Q2和Q4亦可)

$Q1=\frac{1}{P/4}\underset{p=1}{\overset{P/4}{\Σ}}{\mathrm{RSSI}}_p$

$Q3=\frac{1}{P/4}\underset{p=2P/4}{\overset{3P/4}{\Σ}}{\mathrm{RSSI}}_p$

3.四分位区间范围IQR＝Q3-Q1；

4.设置滤除边界C1和C2；其中C1＝Q1-αIQR，1＜α＜2；C2＝Q3+βIQR，1＜β＜2。

5.去除不在[C1,C2]的RSSI原始样本；

6.计算落在[C1,C2]的RSSI原始样本的均值，作为该AP在网格点i的RSSI_ij保存到指纹数据库中；

7.对所有网格点的数据均进行以上处理，完成数据预处理工作。

完成数据预处理工作后，对数据中出现的所有AP进行排序筛选，得出AP集，步骤为：根据非自主部署AP在总网格点中出现的次数进行排序，设定筛选阈值，对小于出现频次阈值的AP进行剔除，剔除后得出AP数为M(M≤N)的AP集。而对于任一网格点i，其接收信号强度向量为其中m≤M。

AP进行排序筛选这一步骤中设定小于总网格点数L的筛选阈值。阈值的设定根据场景大小以及场景内AP在所有网格点中出现的概率而定。当场景较大，AP在所有网格点中出现概率较小时，阈值应取较小值；当场景较小，AP在所有网格点中出现概率较大时，阈值应取较大值。

完成上述两个步骤后，离线数据处理单元使用终端差异解决算法，如SMN、差值法或其他的任何一种终端差异解决算法对所有网格点接收信号强度向量进行处理，得出最终的离线位置指纹数据库并存储于数据库单元，其中

当有室内定位需求时，在线定位请求单元3-1就会实时收集所有AP的发射信号，记录接收信号强度并发送数据到在线数据处理单元3-2。

在线数据处理单元3-2接收到后，使用终端差异解决算法，如SMN、差值法或其他的任何一种终端差异解决算法对接收信号强度向量fp进行处理，输出处理结果并传输给定位处理单元3-3；同时，在线数据处理单元3-2针对离线位置指纹数据库，以在线接收到的q个AP作为基准对所有网格点进行匹配，比如说，在线接收到的q个AP中，对应离线指纹库中有q-3个，也就是说有3个AP是离线指纹库中没有的。那么，需要对应在数据库中填入这三个AP对应的功率值rssi″。功率值rssi″可小于等于-100db，一般取-100db。

最后，在定位处理单元中，结合离线阶段存储在数据库单元的离线位置指纹数据库FP′和经过在线数据处理单元处理后的实时接收信号强度数据计算两者中所有L个节点的欧氏距离，并在其中选取K个欧式距离最小的坐标点，使用WKNN算法加权计算出最终定位坐标，将定位结果返回给在线定位请求单元并最终实现其实时定位显示功能。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于非自主部署AP的室内定位方法，其特征在于，包括步骤：

离线阶段：基于现有周围环境已有的AP离线收集位置指纹数据，对数据进行预处理以去除每个网格点上所有AP的异常值，然后根据场景内所有节点中AP出现次数进行排序，选取出现频次超过一定阈值的AP作为离线位置指纹数据库中采用的AP，处理得出最终的离线位置指纹数据库；

在线阶段：实时收集无线信号，并通过终端差异解决算法进行处理，得出接收信号强度向量；根据实时数据，对离线位置指纹数据库对应AP进行功率值填充，结合接收信号强度向量和离线位置指纹数据库计算欧式距离，并利用WKNN算法计算出最终定位结果。

2.根据权利要求1所述的基于非自主部署AP的室内定位方法，其特征在于，包括以下步骤：

1、离线阶段：

A:离线收集位置指纹数据：

A-1:对室内定位区域划分网格点，总网格点数记为L；

A-2:在网格点i，采用无线信号接收装置接收所有能接收到的来自n个AP的接收信号强度，得到接收信号强度向量其中n≤N，N为室内定位区域内所有AP的个数；

A-3:对室内定位区域内所有网格点重复步骤A-2，收集一次离线数据；根据需求收集P次离线数据，建立离线数据库；

B:对离线阶段收集的所有接收信号强度RSSI进行预处理，去除异常值，得出预处理后的离线数据库；

C:对预处理后的离线数据库中出现的所有AP进行筛选，得出AP数为M的AP集，M≤N；而对于任一网格点i，其接收信号强度向量为其中m≤M；

D:使用终端差异解决算法处理离线数据，对所有网格点接收信号强度向量进行处理，得出最终的离线位置指纹数据库其中

2、在线阶段：

E:实时记录接收信号强度数据：

在线阶段用户使用终端收集所有非自主部署AP的发射信号，记录接收信号强度向量

F:使用终端差异解决算法处理实时接收信号强度数据，对接收信号强度向量进行处理，处理结果为

G:以在线接收到的q个AP作为基准，对离线位置指纹数据库所有网格点进行匹配，匹配的步骤是：如果其中任一网格点对应离线指纹数据库中AP个数为q-Z，则说明有Z个AP是离线指纹库中没有的，那么在离线指纹库中针对这Z个AP填充功率值rssi″；

H:匹配计算实时数据和离线位置指纹数据库FP′中所有L个网格点的欧氏距离，使用WKNN算法选取K个欧式距离最小的点，并加权计算出最终定位坐标。

3.根据权利要求2所述的基于非自主部署AP的室内定位方法，其特征在于，步骤A中收集离线数据次数P应大于等于3次。

4.根据权利要求2所述的基于非自主部署AP的室内定位方法，其特征在于，步骤B对离线阶段收集的所有接收信号强度RSSI进行预处理，过程如下：

B-1:将该网格点i收集的来自某一AP的P个接收信号强度原始样本按升序排列；设定步骤A中收集离线数据次数P为4的倍数；

B-2:将排序后的接收信号强度样本RSSI_p分成四个等分区间，1≤p≤P，每个等分区间都有相同的RSSI样本数目，计算第1和第3等分区间的均值，分别记为Q1、Q3：

$Q1=\frac{1}{P/4}\underset{p=1}{\overset{P/4}{\Σ}}{\mathrm{RSSI}}_p;$

$Q3=\frac{1}{P/4}\underset{p=2P/4}{\overset{3P/4}{\Σ}}{\mathrm{RSSI}}_p;$

B-3:四分位区间范围IQR＝Q3-Q1；

B-4:设置滤除边界C1和C2；其中C1＝Q1-αIQR，1<α<2；C2＝Q3+βIQR，1<β<2；

B-5：去除不在[C1,C2]的RSSI原始样本；

B-6:计算落在[C1,C2]的RSSI原始样本的均值，作为该AP在网格点i的RSSI_ij保存到指纹数据库中；

B-7:对所有网格点的数据均进行以上处理，得到预处理后的离线数据库。

5.根据权利要求2所述的基于非自主部署AP的室内定位方法，其特征在于，步骤C中对数据中出现的所有AP进行筛选的方式为：对预处理后的离线数据库，根据非自主部署AP在总网格点中出现的次数进行排序，设定筛选阈值，对小于出现频次阈值的AP进行剔除。

6.根据权利要求5所述的基于非自主部署AP的室内定位方法，其特征在于，所述筛选阈值要小于总网格点数L；阈值的设定根据场景大小以及场景内AP在所有网格点中出现的概率而定。

7.根据权利要求2所述的基于非自主部署AP的室内定位方法，其特征在于，步骤G所述填充固定值rssi″≤-100dB。

8.根据权利要求2所述的基于非自主部署AP的室内定位方法，其特征在于，步骤D或者步骤F所述终端差异解决算法，采用SMN、差值法中的任意一种。

9.一种基于非自主部署AP的室内定位装置，其特征在于，包括以下单元：

离线数据收集单元：用于离线阶段接收非自主部署AP的发射信号，记录接收信号强度RSSI_ij；

离线数据处理单元：用于对离线阶段收集的位置指纹数据进行预处理和AP排序筛选处理，使用终端差异解决算法处理离线数据，得出最终用于协助室内定位判决的离线位置指纹数据库；

数据库单元：用于存储离线阶段经过各步骤处理得出的离线位置指纹数据库；

在线定位请求单元：用于实时接收、记录并上传来自于非自主部署AP的接收信号强度；并用于接收及实时显示定位结果；

在线数据处理单元：使用终端差异解决算法完成实时数据与离线位置指纹数据库匹配时的填充值处理，输出用于定位匹配运算的实时接收信号强度向量；

定位处理单元：根据离线位置指纹数据库和实时接收信号强度向量进行匹配运算，选取参考定位坐标点并加权计算出最终定位结果。