CN106454747B - 手机终端的无线定位方法 - Google Patents

Abstract

本专利属于无线数据通讯领域，具体公开了手机终端的无线定位方法，包括如下步骤：步骤1、将信号强度从小到大排序，并求出每个信号强度分布对应的百分比概率P（R）、中位数、众数和均值；步骤2、对信号强度概率分布进行曲线拟合并对拟合曲线进行峰值检测，若有两个及两个以上峰值，取曲线拟合峰值中最大的作为信号强度特征值；步骤3、若只有一个峰值，则进行步骤4，若有两个峰值，取右峰值，进行步骤8；步骤4、计算概率分布的偏态系数Cs。发明针对志愿者工作时，由于室内环境的复杂性和动态性，在RSSI信号特征值的平均值进行指纹定位时，存在较大的局限性的技术问题在于提供一种手机终端的无线定位方法。

Description

手机终端的无线定位方法

技术领域

本发明涉及无线数据通讯领域，具体涉及一种手机终端的无线定位方法。

背景技术

随着互联网的发展，越来越多的人使用网络，而且有不少人通过网络参与志愿行动，因此这部分人也被称为网络志愿者。志愿者通过网络结识及组织活动，从虚拟归于现实的活动方。所有的网络志愿者都是网友自发组织的，是自下而上的民间组织，他们有两件事可做，捐钱物和捐时间。

志愿者通常会在陌生的环境中工作，如，在一些大型的室内展会中，通常需要支援者维护人群的秩序，志愿者在活动中通常需要在场馆内走动。在陌生的环境中，志愿者的在室内的位置信息需要反馈到组织者那里显得十分重要。这就需要室内定位技术的支持。

在各种室内定位技术中，基于RSSI(基于接收信号强度定位技术)的位置指纹定位方法因无需添加任何硬件设备和无需知道AP的位置信息及准确的信道模型等有点，已成为室内定位的主流定位方法。该方法一般分为离线和在线两个阶段。离线阶段通过测量定位区域所有指纹参考点的RSSI信号并提取信号特征建立Radio Map的位置指纹数据库；在线阶段得到定位点的信号特征，并和位置指纹库匹配找出最相近一组或几组指纹参考点数据，然后采用一定的定位算法得到定位点的定位结果，由此可见，无论是离线阶段还是在线阶段，RSSI信号特征值的选取都是非常重要的工作，然而人们对RSSI信号特征的研究并不多。

一般选取RSSI信号特征的平均值作为其定位特征值，但是考虑到志愿者工作时，室内环境的复杂性和动态性，信号传播过程中往往存在多路径传播和非视距传播，RSSI信号特征值的平均值进行指纹定位有一定的局限性。

发明内容

本发明针对志愿者工作时，由于室内环境的复杂性和动态性，在RSSI信号特征值的平均值进行指纹定位时，存在较大的误差的技术问题在于提供一种手机终端的无线定位方法。

本方案提供的基础方案为：手机终端的无线定位方法，包括如下步骤：

步骤1、将信号强度从小到大排序，并求出每个信号强度分布对应的百分比概率P(R_i)、中位数、众数和均值；

步骤2、对信号强度概率分布进行曲线拟合并对拟合曲线进行峰值检测，若有两个及两个以上峰值，取曲线拟合峰值中最大的作为信号强度特征值；进行步骤8；

步骤3、若只有一个峰值，则进行步骤4

步骤4、计算概率分布的偏态系数Cs；

步骤5、若-1≤Cs≤1，则判断该信号强度分布居中，取均值作为其信号特征值；

步骤6、若Cs<-1，则判定该信号强度分布为左偏，采用3倍中误差过滤法对RSSI信号特征进行左尾过滤，过滤之后回到步骤4重新计算Cs，再判断Cs偏态，若分布居中，取平均值作为其信号特征值，若分布左偏，则再用百分比概率过滤法进行左尾过滤，依次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1为止，取过滤后的平均值R_P作为其信号特征值；若分布右偏，则用步骤7的右偏改正法处理；

步骤7、若Cs>1，则判定该信号强度分布为右偏，首先以众数为界求小于等于众数的RSSI的平均值，记作R₁，再用小于等于R₁的RSSI求中误差α₁，基于α₁求多径干扰信号强度的概率分布函数P′(R₁)，最后基于P′(R_i)求融合算法观测值R_r，作为其信号特征值；

步骤8、根据在线阶段定位算法中的K加权近邻算法，确定定位点的位置，最后将这K个指纹参考点位置坐标的加权作为定位点的定位结果；

步骤9、读取室内地图，并按比例尺生成黑色栅格图像，遍历地图要素，若为可通达区域，则在图像上绘制成白色，并将白色区域的坐标定位为集合S；

步骤10、步骤8中得到的定位结果若不包括在集合S内，则返回步骤1重新开始，若步骤8中得到的定位结果包括在集合S内，则在地图上显示结果。

本方案手机终端的无线定位方法具有如下特点，1.对RSSI信号强度峰值检测和筛选，多峰值时选取最左边的峰值作为融合值。2.考虑到外界干扰一般使信号强度变弱，采用两种左尾过滤法来逼近众数的真值，基于众数实现左偏改正。3.将混合高斯概率分布函数固定两个参数用于右偏改正，简化运算。这些特点使得该融合算法定位具有很好的环境适用性。

本发明在志愿者工作时，针对室内环境的复杂性和动态性，提出针对RSSI信号峰值的不同情况使用不同的运算方式，达到提高定位准确性的目的。解决了在志愿者工作时，由于室内环境的复杂性和动态性，在RSSI信号特征值的平均值进行指纹定位时定位误差大的问题。

进一步，步骤4中Cs的计算方法为，式1：

式中，R为手机接收端接收到某个AP源的信号强度观测值，R′和α分别是R_i的平均值和标准差，N是观测值的个数。

进一步，步骤7中α₁的计算方法为，式2：

N′是小于等于R₁的RSSI观测值的个数，P′(R_i)的计算方法为，式3：

进一步，步骤7中R_r的计算方法为，式4：

n是观测值RSSI中非重复的RSSI的个数。

进一步，步骤8中的具体方式为，首先计算第i个指纹参考点与定位点之间的物理欧式距离D₁,D₁的计算方式为，式5：

M为AP信号源的个数，R^j为定位点接收到的第j个AP信号源的信号强度特征值，

为第i个指纹参考点接收到的第j个AP信号源信号强度特征值，然后根据D₁的大小找到与定位点物理欧式距离最近的K个指纹参考点，并对这K个指纹参考点的位置坐标赋予不同的权重系数w_i,w_j的计算方式为，式6：

最后将这K个指纹参考点位置坐标的加权和作为定位点的定位结果，计算方式为，式7：

(x，y)是定位点的坐标，(x_i，y_i)是指纹点坐标。

附图说明

图1为测量点的分布图；

图2为现有三点均值定位法定位出的定位点分布图；

图3为采用本发明定位出的定位点分布图。

具体实施方式

下面通过具体实施方式对本发明作进一步详细的说明：

说明书附图中的附图标记包括：。

实施例1

基本如附图1所示：手机终端的无线定位方法，包括如下步骤：

步骤1、将信号强度从小到大排序，并求出每个信号强度分布对应的百分比概率P(R_i)、中位数、众数和均值；

步骤2、对信号强度概率分布进行曲线拟合并对拟合曲线进行峰值检测，若有两个及两个以上峰值，取曲线拟合峰值中最大的作为信号强度特征值；进行步骤8；

步骤3、若只有一个峰值，则进行步骤4；

步骤4、计算概率分布的偏态系数Cs，计算方式为，式1：

式中，R为手机接收端接收到某个AP源的信号强度观测值，R’和α分别是R的平均值和标准差，N是观测值的个数；

步骤5、若-1≤Cs≤1，则判断该信号强度分布居中，取均值作为其信号特征值；

步骤6、若Cs＜-1，则判定该信号强度分布为左偏，采用3倍中误差过滤法对RSSI信号特征进行左尾过滤，过滤之后回到步骤4重新计算Cs，再判断Cs偏态，若分布居中，取平均值作为其信号特征值，若分布左偏，则再用百分比概率过滤法进行左尾过滤，依次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1为止，取过滤后的平均值R_P作为其信号特征值；若分布右偏，则用步骤7的右偏改正法处理；

步骤7、若Cs＞1，则判定该信号强度分布为右偏，首先以众数为界求小于等于众数的RSSI的平均值，记作R₁，再用小于等于R₁的RSSI求中误差α₁，然后求多径干扰信号强度的概率分布函数P′(R_i)，最后求融合算法观测值R_r，作为其信号特征值；

步骤8、根据在线阶段定位算法中的K加权近邻算法，确定定位点的位置，最后将这K个指纹参考点位置坐标的加权最为定位点的定位结果；

步骤9、读取室内地图，并按比例尺生成黑色栅格图像，遍历地图要素，若为可通达区域，则在图像上绘制成白色，并将白色区域的坐标定位为集合S；

步骤10、步骤8中得到的定位结果若不包括在集合S内，则返回步骤1重新开始，若步骤8中得到的定位结果包括在集合S内，则在地图上显示结果。

为了检验本发明的有效性，在某次公益活动中的展厅中进行验证，该展厅内的人流较为密集，并且人员流动情况复杂。

实验时，展厅内有4个AP，△代表指纹点(即AP所在点)，○代表实际所在点称为测量点，□代表的是手机经定位算法定位出来的点称为定位点。

手机采集AP的信号强度，采用1s的采样率，每个时段采集数据8min。需要说明的是，本次做的是对比实验，实验组采用本发明提供的方法，对照组采用的是现有的三点均值定位法，由于不同品牌、型号的手机接收AP信号强度具有差异性，故实验中所有数据的采集均采用相同品牌、型号的手机进行，本次实验均采用iPhone 5。

本次实验的方式为，两部相同的手机，同时在同一个○点用三点均值定位法和本发明提供的方法定位，在两个地图上分别标记出□点的位置，分别计算两种□点与○点的误差ds，ds’为定位点误差的平均值。

图1为测量点的分布图，图2为现有三点均值定位法定位出的定位点分布图，图3为采用本发明定位出的定位点分布图。

从图2中可明显看出在一些边缘点附近，现有的三点均值定位法，定位存在较大的误差，并且由于缺少自检的步骤，一些明显误差未得到修正。

从图3中可看出，本发明定位出来的点误差较小，未出现明显的错误。

表1为复杂环境下RSSI概率分布含双峰分布或右偏分布情况

表1

从表1可看出，在实际情况复杂的情况下，RSSI信号特征的分布特性绝大多数是呈双峰分布或右偏分布。现有的均值三点定位法在这种情况下，定位精度如图2所示，图2中(2.8,6.7)这个点，由于遮挡物的影响，定位点出现在遮挡物内部，出现明显错误。本发明的定位精度如图3所示，图3中所有的定位点，经过修正均未出现明显错误。

图2中，所有的定位点均偏向AP信号强的方向，并且距离AP信号源越近，误差ds越大。

图3中，通过本发明的处理后，定位点的的偏移量明显得到控制，减小了误差ds。

表2为复杂环境下RSSI不同信号特征值定位点误差及精度

表2

结果表明：本发明的定位精度优于现有的均值三点定位方式。

以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (4)

1.手机终端的无线定位方法，其特征在于，包括如下步骤：

步骤1、将信号强度分别从小到大排序，并求出每个信号强度分布对应的百分比概率P(R_i)、中位数、众数和均值；R_i为手机接收端接收到某个AP源的信号强度观测值；

步骤2、对信号强度概率分布进行曲线拟合并对拟合曲线进行峰值检测，若有两个及两个以上峰值，取曲线拟合峰值中最大的作为信号强度特征值；进行步骤8；

步骤3、若只有一个峰值，则进行步骤4；

步骤4、计算概率分布的偏态系数Cs；

步骤5、若-1≤Cs≤1，则判断该信号强度分布居中，取平均值作为其信号强度特征值；

步骤6、若Cs<-1，则判定该信号强度分布为左偏，采用3倍中误差过滤法对RSSI信号特征进行左尾过滤，过滤之后回到步骤4重新计算Cs，再判断Cs偏态，若分布居中，取平均值作为其信号强度特征值，若分布左偏，则再用百分比概率过滤法进行左尾过滤，依次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1为止，取过滤后的平均值R_P作为其信号强度特征值；若分布右偏，则用步骤7的右偏改正法处理；

步骤7、若Cs>1，则判定该信号强度分布为右偏，首先以众数为界求小于等于众数的RSSI的平均值，记作R₁，再用小于等于R₁的RSSI求中误差α₁，基于α₁求多径干扰信号强度的概率分布函数P'(R_i)，最后基于P'(R_i)求融合算法观测值R_r，作为其信号强度特征值；

步骤8、根据在线阶段定位算法中的K加权近邻算法，确定定位点的位置，将这K个指纹参考点位置坐标的加权作为定位点的定位结果：首先计算第i个指纹参考点与定位点之间的物理欧式距离D_i,D_i的计算方式为，式5：

M为AP信号源的个数，R^j为定位点接收到的第j个AP信号源的信号强度特征值，

为第i个指纹参考点接收到的第j个AP信号源信号强度特征值，然后根据D_i的大小找到与定位点物理欧式距离最近的K个指纹参考点，并对这K个指纹参考点的位置坐标赋予不同的权重系数w_i,w_i的计算方式为，式6：

最后将这K个指纹参考点位置坐标的加权和作为定位点的定位结果，计算方式为，式7：

(x,y)是定位点的坐标，(x_i,y_i)是指纹点坐标；

步骤9、读取室内地图，并按比例尺生成黑色栅格图像，遍历地图要素，若为可通达区域，则在图像上绘制成白色，并将白色区域的坐标定位为集合S；

步骤10、步骤8中得到的定位结果若不包括在集合S内，则返回步骤1重新开始，若步骤8中得到的定位结果包括在集合S内，则在地图上显示结果。

2.根据权利要求1所述的手机终端的无线定位方法，其特征在于，步骤4中Cs的计算方法为，式1：

式中，R'和α分别是R_i的平均值和标准差，N是观测值的个数。

3.根据权利要求2所述的手机终端的无线定位方法，其特征在于，步骤7中α₁的计算方法为，式2：

N'是小于等于R₁的RSSI观测值的个数，P'(R_i)的计算方法为，式3：

4.根据权利要求3所述的手机终端的无线定位方法，其特征在于，步骤7中R_r的计算方法为，式4：

n是观测值RSSI中非重复的RSSI的个数。

Images