CN106550331A

CN106550331A - 一种室内定位方法和设备

Info

Publication number: CN106550331A
Application number: CN201510613257.9A
Authority: CN
Inventors: 陈孝卫
Original assignee: ZTE Corp
Current assignee: Nanjing ZTE New Software Co Ltd
Priority date: 2015-09-23
Filing date: 2015-09-23
Publication date: 2017-03-29
Anticipated expiration: 2035-09-23
Also published as: WO2016165459A1; CN106550331B

Abstract

一种室内定位方法和设备，指纹生成模块根据待定位终端采集的参考设备的信号强度，对对应参考设备进行聚类，生成所述待定位终端所在待定位点的指纹；指纹匹配模块将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，位置确定模块根据保存的所述邻近基准点的位置，确定所述待定位点的位置；其中，所述基准点的指纹是根据所述基准点上终端采集的参考设备的信号强度，对对应参考设备进行聚类生成的；参考设备是预先部署的短距离无线通信设备。上述室内定位方法和系统可以提高目前室内定位的定位精度，具有良好的适应性，无需构架复杂的系统，也无需在智能设备中安装特殊芯片。

Description

一种室内定位方法和设备

技术领域

本发明涉及定位技术，更具体地，涉及一种室内定位方法和设备。

背景技术

一般室外的定位主要依靠卫星定位系统或者无线网络信号。卫星定位系统精度高但是缺点是必须能够接收到卫星信号，一旦进入室内该定位方法就会失效。无线网络信号具有室分系统，但是定位精度较差一般只能达到100米。以上传统的定位方法都不适合进行室内智能终端的定位。

有些室内定位要求精度高，在1米以内，定位时延在1秒以内，近几年来，包括谷歌、微软、苹果、博通等在内的一些科技巨头，还有一些世界有名的大学都在研究室内定位技术。室内定位的应用场景比如在大型商场里面借助室内导航快速找到出口、电梯，家长用来跟踪小孩的位置避免小孩在超市中走丢等等。

目前室内定位主要有如下几种方法：

谷歌方案，主要基于GPS(Global Positioning System：全球定位系统)、WiFi(Wireless Fidelity，是基于IEEE 802.11b标准的无线局域网)和基站信号进行定位，需要用户协助上传一些信息才能够提供高精度的定位，但是目前定位精度并不理想。

博通公司研制了一种用于室内定位的新芯片(BCM4752)，具备三维定位功能(即你所在位置的高度也算出来)。这种芯片可以通过wifi、蓝牙或NFC等技术来提供室内定位系统支持。但是需要将这种芯片内置到智能手机里。

是国产新型室内外无线定位系统的解决方案，该方案采用无线脉冲专利技术，系统最高可达10cm级定位精度。该系统虽然定位精度高但是需要部署LocalSense微基站并且智能终端中需要有相应设备发送无线脉冲。

IndoorAtlas的方案基于地球磁场，依据是每一个具体位置的磁场信息都不一样。不过使用这种技术进行导航比较麻烦，首先用户需要上传建筑平面图，然后还需要你拿着移动设备绕室内一圈，记录下各个位置的地磁信号特征，这些信息需要上传到IndoorAtlas的服务器。最后，你需要使用IndoorAtlas提供的工具包开发一个应用才能使用定位功能。

上述方法只有谷歌的定位不需要额外部署设备，其他方法都需要额外部署设备，有些方法还需要手持智能设备中安装特殊芯片。

现有技术中还存在基于WLAN(Wireless Local Area Networks：无线局域网)和位置指纹的室内定位技术。基于位置指纹的无线局域网室内定位大致分为两个阶段：离线采样阶段和在线定位阶段(或者实时定位阶段)。离线采样阶段的目标是构建一个关于信号强度与采样点位置之间关系的数据库，也就是位置指纹的数据库或无线电地图。为了生成该数据库，操作人员需要在被定位环境里确定若干基准点，然后遍历所有基准点，记录下在每个基准点测量的无线信号特征，即来自所有接入点(这些接入点作为定位的参考设备)的信号强度，最后将它们以某种方式保存在数据库中。在第二阶段，当待定位设备移动到某一位置时，根据其实时收到的信号强度信息，利用定位算法将其与位置指纹库中的信息匹配、比较，计算出该用户的位置。

根据位置指纹表示的不同，基于无线局域网和位置指纹的室内定位技术可以分为两大类。第一类是确定的定位方法。它的特点是位置指纹用来自每个接入点的信号强度的平均值表示，然后采用确定性的推理算法来估计用户的位置。第二类是基于概率的方法。不同于确定性的方法里用信号强度的平均值表示位置指纹，基于概率的方法通过条件概率为位置指纹建立模型并采用贝叶斯推理机制来估计用户的位置。

现有基于位置指纹的室内定位方法使用信号强度建立位置指纹，并基于信号强度计算距离。但是由于室内摆放物(家具、临时)的影响，用于定位的参考设备发射功率的变化等等，会使得同一位置终端接收的信号强度也会发生相应变化，导致指纹匹配不准确。而且，通过信号强度直接定位时算法比较复杂，定位速度还有待提高。

发明内容

有鉴于此，本发明提供了以下技术方案。

一种室内定位方法，包括：

根据待定位终端采集的参考设备的信号强度，对对应参考设备进行聚类，生成所述待定位终端所在待定位点的指纹；

将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，所述邻近基准点是指纹与所述待定位点的指纹匹配的基准点；

根据保存的所述邻近基准点的位置，确定所述待定位点的位置；

其中，所述基准点的指纹是根据所述基准点上终端采集的参考设备的信号强度，对对应参考设备进行聚类生成的；参考设备是预先部署的短距离无线通信设备。

可选地，

所述待定位点和基准点的指纹采用相同的聚类算法生成；所述待定位点和基准点的指纹中包括相同数量的多个类且所述多个类按照类中参考设备的信号强度大小依序排列的方式相同，每一类为参考设备集合。

可选地，

将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，包括以下基于对应的类的匹配结果确定邻近基准点的处理：

对所述保存的基准点中的每一基准点，将该基准点和所述待定位点的指纹中对应的类分别进行匹配，得到匹配结果；

根据所述每一基准点和所述待定位点的指纹中对应的类的匹配结果，确定所述邻近基准点。

可选地，

根据所述每一基准点和所述待定位点的指纹中对应的类的匹配结果，确定所述邻近基准点，包括：

对所述每一基准点，将该基准点和所述待定位点的指纹中对应的类的匹配结果进行运算，得到该基准点的指纹匹配度；

将所述保存的基准点中指纹匹配度最高的一个或多个基准点，确定为所述邻近基准点。

可选地，

所述运算包括：

相乘；或者

相加；或者

加权相加，类中参考设备的信号强度越大，对应的权值越大。

可选地，

将该基准点和所述待定位点的指纹中对应的类分别进行匹配，得到匹配结果，包括：

该基准点指纹中第i个类Xi和所述待定位点指纹中第i个类Yi的匹配结果M(Xi,Yi)按下式计算得到：

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

其中，ismember(Xi∩Yi)表示Xi和Yi的交集中参考设备的个数，ismember(Xi∪Yi)表示Xi和Yi的并集中参考设备的个数；i＝1,2,…,I，I为该基准点和所述待定位点的指纹中类的个数。

可选地，

将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，包括：

判断所述待定位点的指纹中是否存在突强类，所述突强类指只包括一个参考设备且该参考设备的信号强度最大的类；

如存在，将满足以下条件一，或满足条件一和条件二的基准点确定为所述邻近基准点：

条件一，该基准点和所述待定位点的指纹中存在相同的突强类；

条件二，该基准点和所述待定位点的指纹中除相同的突强类外，至少还有P个对应的类存在交集，P为设定值，I>P≥1，I为所述待定位点的指纹与保存的基准点的指纹中类的个数；

如不存在，再执行所述基于对应的类的匹配结果确定邻近基准点的处理。

可选地，

根据保存的所述邻近基准点的位置，确定所述待定位点的位置，包括：

所述邻近基准点有一个时，将该邻近基准点的位置作为所述待定位点的位置；

所述邻近基准点有多个时，以其中一个邻近基准点的位置作为所述待定位点的位置，或者将所述多个邻近基准点的位置加权平均，作为所述待定位点的位置。

可选地，

所述保存的基准点的指纹从指纹库中获取，所述指纹库通过以下方式得到：

进行多次采集，每一次采集生成室内各个基准点的一组指纹，通过多次采集后得到多组指纹；

对所述多组指纹中的每一组指纹，以该组指纹作为定位时使用的基准点的指纹进行定位测试，得到使用该组指纹时对应的定位精度；

将所述多组指纹中对应的定位精度最高的一组指纹保存为所述指纹库。

可选地，

所述短距离无线通信设备包括以下设备中的一种或多种：蓝牙设备、WIFI设备、ZigBee设备、无线局域网设备、超宽带设备和近场通信设备。

可选地，

所述参考设备按照以下方式部署：根据定位精度的要求将室内平面栅格化，得到第一栅格，在第一栅格中的每一栅格顶点部署一参考设备；其中，第一栅格中相邻栅格顶点之间的间距L≤2P，P为设定的定位精度。

可选地，

所述基准点按照以下方式确定：根据定位精度的要求将室内平面栅格化，得到第二栅格，将第二栅格中的每一栅格顶点作为一个基准点；其中，第二栅格中相邻栅格顶点之间的间距a≤P，P为设定的定位精度。

可选地，

所述方法应用于网络侧设备，所述网络侧设备保存有定位辅助信息，所述网络侧设备从所述待定位终端上报的信息中获取所述待定位终端采集的参考设备的信号强度；或者

所述方法应用于移动终端，所述移动终端生成待定位终端所在待定位点的指纹之前，先从网络侧设备下载所述定位辅助信息，从接收的信号中采集参考设备的信号强度；

其中，所述定位辅助信息包括参考设备标识，及基准点的指纹和位置。

一种室内定位设备，包括：

指纹生成模块，用于根据待定位终端采集的参考设备的信号强度，对对应参考设备进行聚类，生成所述待定位终端所在待定位点的指纹；

指纹匹配模块，用于将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，所述邻近基准点是指纹与所述待定位点的指纹匹配的基准点；

位置确定模块，用于根据保存的所述邻近基准点的位置，确定所述待定位点的位置；

可选地，

所述指纹匹配模块将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，包括以下基于对应的类的匹配结果确定邻近基准点的处理：

可选地，

所述指纹匹配模块根据所述每一基准点和所述待定位点的指纹中对应的类的匹配结果，确定所述邻近基准点，包括：

可选地，

所述指纹匹配模块执行的所述运算包括：

相乘；或者

相加；或者

加权相加，且类中参考设备的信号强度越大，对应的权值越大。

可选地，

所述指纹匹配模块将该基准点和所述待定位点的指纹中对应的类分别进行匹配，得到匹配结果，包括：

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

可选地，

所述指纹匹配模块将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，包括：

可选地，

所述位置确定模块根据保存的所述邻近基准点的位置，确定所述待定位点的位置，包括：

所述邻近基准点有多个时，以其中一个邻近基准点的位置作为所述待定位点的位置，或者，将所述多个邻近基准点的位置加权平均，作为所述待定位点的位置。

可选地，

所述室内定位设备为网络侧设备，所述保存的基准点的指纹保存在所述室内定位设备的指纹库中；

所述室内定位设备还包括：指纹库生成模块，用于通过以下方式生成所述指纹库：

可选地，

所述室内定位设备为网络侧设备，所述网络侧设备还包括：信息存储模块，用于保存定位辅助信息；所述指纹生成模块是从所述待定位终端上报的信息中获取所述待定位终端采集的参考设备的信号强度；或者

所述室内定位设备为移动终端，所述移动终端还包括：信息下载模块，用于从网络侧设备下载其保存的定位辅助信息；所述指纹生成模块是从接收的信号中采集到参考设备的信号强度；

上述室内定位方法和系统可以提高目前室内定位的定位精度，具有良好的适应性，无需构架复杂的系统，也无需在智能设备中安装特殊芯片。

附图说明

图1是本发明实施例室内定位方法的流程图；

图2是本发明实施例室内定位设备的模块图；

图3是本发明应用示例基准点设置的示意图；

图4是本发明应用示例参考设备部署的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下文中将结合附图对本发明的实施例进行详细说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

实施例一

本实施例中，室内定位所用的参考设备是短距离无线通信设备。所述短距离无线通信设备包括以下设备中的一种或多种：蓝牙设备、WIFI设备、ZigBee(一种基于IEEE802.15.4标准的低功耗局域网协议)设备、无线局域网设备、超宽带设备和近场通信设备。对参考设备进行聚类生成指纹，可以保证同一位置点生成的指纹相对稳定，避免随机出现的蓝牙设备如智能手机对定位的干扰。

本实施例的参考设备均以蓝牙设备为例进行说明，相应的待定位终端以具有蓝牙功能的智能手机为例进行说明。

参考设备预先部署。在一示例中，根据定位精度的要求将室内平面栅格化，得到第一栅格，在第一栅格中的每一栅格顶点部署一参考设备；其中，第一栅格中相邻栅格顶点之间的间距L≤2P，P为设定的定位精度。

定位之前，需要确定定位的基准点，生成各个基准点的指纹并保存。

在一个示例中，根据定位精度的要求将室内平面栅格化，得到第二栅格，将第二栅格中的每一栅格顶点作为一个基准点；其中，第二栅格中相邻栅格顶点之间的间距a≤P，P为设定的定位精度。

基准点的指纹是根据基准点上终端采集的参考设备的信号强度，对对应参考设备进行聚类生成的。所谓“对应参考设备”即基准点上终端采集到其信号强度的参考设备。也就是说，基准点上终端采集到哪些参考设备的信号强度，就对哪些参考设备进行聚类。聚类生成的指纹中包括多个类，每一类为参考设备集合(可以为空集)，所述多个类按照类中参考设备的信号强度大小依序排列。具体聚类时，可以对采集到其信号的所有参考设备聚类，也可以设置一个信号强度阈值，只对信号强度大于等于该阈值的参考设备进行聚类。

文中的待定位点、基准点等均指室内的点。

上述定位辅助信息(包括参考设备标识，基准点的位置和指纹等)保存在网络侧设备中。

由于设备的不稳定性等偶然因素，在基准点上终端每次采集的参考设备及其信号强度并不总是相等，因而生成的指纹也会存在差异。本实施例中，定位时使用的基准点的指纹保存在指纹库中，所述指纹库通过以下方式得到：

上述定位测试是将位置已知的点作为待定位点，将定位得到的所述待定位点的位置与其实际位置相比较以确定定位精度。

在定位时，需要根据待定位终端采集的参考设备的信号强度生成待定位点的指纹，通过指纹匹配确定邻近基准点，再根据邻近基准点的位置确定待定位终端的位置。这些定位运算可以在网络侧设备执行，也可以在移动终端执行。本实施例以在网络侧设备执行为例。

在网络侧设备执行时，网络侧设备从待定位终端上报的信息中获取参考设备的信号强度，执行所述定位运算，得到的定位结果发送到待定位终端和/或其他用户。

在移动终端执行时，移动终端需要先从网络侧设备先下载得到所述定位辅助信息，并从接收的信号中采集到参考设备的信号强度，然后执行所述定位运算，得到自己的位置。该位置可以上报给网络侧设备。

另外，上述定位运算也可以部分在移动终端执行而余下部分在网络侧设备执行，如在移动终端生成待定位点的指纹而在网络侧设备进行匹配和位置计算，本发明对此不做局限。

本实施例的室内定位方法如图1所示，包括：

步骤110，根据待定位终端采集的参考设备的信号强度，对对应参考设备进行聚类，生成所述待定位终端所在待定位点的指纹；

本步骤中的“对应参考设备”即待定位终端采集到其信号强度的参考设备。也就是说，待定位终端采集到哪些参考设备的信号强度，就对哪些参考设备进行聚类。

本实施例中，所述待定位点和基准点的指纹采用相同的聚类算法生成，因而所述待定位点和基准点的指纹中包括相同数量的多个类且所述多个类按照类中参考设备的信号强度大小依序排列的方式相同，如均按照信号强度从大到小的顺序排列，每一类为参考设备集合。

虽然本实施例生成的指纹中没有直接出现信号强度的特征，但是由于聚类是根据信号强度这一维度进行的，因此信号强度这一无线信号特征已隐含在生成的指纹中。例如，在位置A和位置B，终端采集的都是参考设备X、Y和Z的信号，但是在位置A，参考设备X的信号强度最大，而在位置B，参考设备Z的信号Z的信号强度最大，则两者聚类的结果是不一样的。例如，位置A的指纹中参考设备X在第一类、参考设备Z在第三类，而在位置B的指纹中，参考设备X在第三类，参考设备Z在第一类。

步骤120，将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，即指纹与所述待定位点的指纹匹配的基准点；

本实施例中，先判断所述待定位点的指纹中是否存在突强类，所述突强类指只包括一个参考设备且该参考设备的信号强度最大的类；：

如不存在，再执行基于对应的类的匹配结果确定邻近基准点的处理。

所述基于对应的类的匹配结果确定邻近基准点的处理，包括：

其中：

将该基准点和所述待定位点的指纹中对应的类分别进行匹配，得到匹配结果时，该基准点指纹中第i个类Xi和所述待定位点指纹中第i个类Yi的匹配度M(Xi,Yi)按下式计算得到：

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

应说明的是，对应的类的匹配结果的计算方法并不局限于以上一种，例如，也可以直接使用Xi和Yi的交集中参考设备的个数作为匹配度。

其中：

根据所述每一基准点和所述待定位点的指纹中对应的类的匹配结果，确定邻近基准点，包括：

上述运算包括但不限于：

相乘；或者

相加；或者

加权相加，一般类中参考设备的信号强度越大，对应的权值越大。

本步骤中，参与匹配的所述保存的基准点的指纹可以是指纹库中保存的所有基准点的指纹，如果室内平面被分为多个区域，也可以是指纹库中保存的该区域中的基准点的指纹。

步骤130，根据保存的所述邻近基准点的位置，确定所述待定位点的位置。

本步骤中，找到邻近基准点的位置后，计算待定位点的位置，可以使用现有的各种算法。在本实施例中，所述邻近基准点有一个时，将该邻近基准点的位置作为所述待定位点的位置。所述邻近基准点有多个时，可以将其中任一邻近基准点的位置作为所述待定位点的位置，或者将所述多个邻近基准点的位置加权平均，作为所述待定位点的位置。

本实施例中，由网络侧设备保存有定位辅助信息(至少包括参考设备标识，及基准点的指纹和位置)并执行上述步骤的定位运算。在进行定位运算之前，网络侧设备从收到待定位终端上报的信息中获取参考设备的信号强度。待定位终端在室内移动时，会接收附近蓝牙设备的蓝牙信号。待定位终端从这些信号中获取蓝牙设备的信号强度信息(包括蓝牙设备标识和信号强度值)，通过移动通信网络或局域网络或其他网络上报给网络侧设备；网络侧设备根据保存的参考设备标识从上报的信息中筛选出参考设备的信号强度(即参考设备标识对应的信号强度)。待定位终端也可以从网络侧设备下载参考设备标识，根据参考设备标识从接收的蓝牙信号中筛选出参考设备的蓝牙信号，再向网络侧设备上报参考设备的信号强度，此时网络侧设备从待定位设备上报的信息直接获取到参考设备的信号强度。

在另一实施例中，由待定位终端执行上述步骤的定位运算，在进行定位运算之前，待定位终端先从网络侧设备下载定位辅助信息，从接收的信号中采集参考设备的信号强度。如上所述，待定位终端根据参考设备标识可以从接收的蓝牙信号中筛选出参考设备的蓝牙信号进而采集到参考设备的信号强度。

本实施例的定位运算非常简单，因而定位速度很快。而且，由于生成的指纹中并不直接用信号强度的值作为无线信号特征，而是用聚类结果来间接体现信号强度的空间分布情况。使得该指纹对于同一位置的信号强度变化具有良好的适应性。例如，部署的参考设备发射功率随时间衰减时，因室内摆设物的变化导致参考设备的信号强度变化但对于同一类中的参考设备的影响相似时，等等。本实施例的室内定位方法可以为大型室内停车场、商场等场所提供导航。

相应地，本发明还提供了一种室内定位设备，如图2所示，包括：

指纹生成模块10，用于根据待定位终端采集的参考设备的信号强度，对对应参考设备进行聚类，生成所述待定位终端所在待定位点的指纹；

指纹匹配模块20，用于将所述待定位点的指纹与保存的基准点的指纹进行匹配，确定邻近基准点，所述邻近基准点是指纹与所述待定位点的指纹匹配的基准点；

位置确定模块30，用于根据保存的所述邻近基准点的位置，确定所述待定位点的位置；

可选地，

所述指纹匹配模块执行的所述运算包括：

相乘；或者

相加；或者

可选地，

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

可选地，

下面再通过几个应用示例进行说明。

应用示例一

本示例中，根据室内平面的分布图划分栅格，确定基准点，并部署蓝牙设备。

基准点集合G如图1所示。图中栅格中的每一栅格顶点(也即线的交点处)为基准点。作为示例性地，从左到右从下到上将基准点依次编码为G1～Gn，图中示出了部分编码，如最下一行基准点的编码为G1,G2,G3,G4,G5,G6,G7,G8,…,G13，其他编码依此类推。图3中相邻栅格顶点之间的间距a＝P，P为设定的定位精度，如P＝50cm。

作为参考设备的蓝牙设备集合B如图2所示。蓝牙设备部署在图中栅格的每一栅格顶点，作为示例性地，从左到右从下到上为蓝牙设备编码，图中示出了部分编码，如最下一行的编码B1,B2,B3,B4,B5,B6,…,B13；……，其它行的编码依此类推。图4中相邻栅格顶点之间的间距L＝2P。本示例中，假定蓝牙设备B1部署在基准点G1上。

如果室内平面存在建筑构件，如柱子时，相应栅格上的基准点可以忽略，也可以在柱子周边部署一个或多个参考设备，如果不存在盲点(即检测不到参考设备的点)的话，也可以不部署。这些建筑构件的存在，对定位运算没有影响。

下面以基准点G1为例，说明如何生成基准点的指纹。

在基准点G1上使用终端接收蓝牙信号，请参见图4，假定接收到以下参考设备的信号：B1,B2,B3,B4,B5,B6,B14,B15,B16,B17,B27,B28,B29,B30,B40,B41,B42,B53,B54,B55。采集到的参考设备的信号强度(单位dBm)如下：

B1＝-60,B2＝-75,B3＝-80,B4＝-85,B5＝-90,B6＝-100,B14＝-76,B15＝-79,B16＝-81,B17＝-91,B27＝-80,B28＝-81,B29＝-85,B30＝-91,B40＝-86,B41＝-87,B42＝-90,B53＝-90,B54＝-93,B55＝-102。

基于参考设备的信号强度，对对应参考设备进行聚类，生成基准点G1的指纹如下：

{{B1}，{B2,B3,B14,B15,B16,B27,B28,B4,B29,B40,B41}，{B5,B17,B30,B42,B53,B54}，{B6,B55}}

上述指纹中包括4个类，按照类中参考设备的信号强度从大到小的顺序排列，其中，{B1}中只有一个参考设备并且该参考设备的信号强度最大，构成指纹中的突强类。但并非每个指纹中都有突强类。

本示例采用FCM聚类算法对参考设备进行聚类。FCM聚类算法是比较成熟的聚类算法，算法的具体实现不在本专利范围内。但本发明不局限于此，只要根据信号强度将参考设备聚为多个类的算法均可使用。

按上述方式，依次生成基准点G2～Gn点的指纹。

为了避免偶然因素，可以进行多次采集，得到G1～Gn点的多组指纹如3组指纹。然后从3组指纹中需要选择一组最为准确的使用。可以随机选择10个定位点，在这10个定位点上用终端分别采集参考设备的信号强度，基于每一组指纹，按照下文的定位算法可得到这10个定位点的一组位置，一共得到三组位置。然后将得到的三组位置分别和这10个点真实的位置进行比较，确定该三组指纹对应的定位精度。将定位精度最高的一组指纹保存在指纹库中使用。

定位时，假定待定位终端位于待定点A，请参见图4。将待定位终端在A点接收的非参考设备发射的蓝牙信号过滤掉，采集得到参考信号的信号强度。假如，如待定位点A周围有B和C两个干扰蓝牙设备，待定位终端测得的蓝牙设备信号中会包括这两个干扰蓝牙设备的信号，由于这两个蓝牙设备的ID不在参考设备集合B中，就先过滤掉B和C的信号。将对应参考设备的集合记为FBA，基准点的指纹库记为DB。

如果待定位点刚好在某一参考设备部署的点上，则该参考设备信号强度会明显高于其他参考设备的信号强度，从而在指纹中存在突强类。存在突强类时，待定位终端往往距离突强类中的参考设备很近，本示例对于这种情况可以采用特别的处理方式加以处理，以加快处理速度和提高定位精度。

定位运算的具体步骤如下：

步骤一，按照信号强度这个维度，采用FCM聚类算法对A点采集的参考设备集合FBA进行聚类，聚类结果作为A点的指纹T；和基准点的指纹相同，T中也包括4个类且该4个类按照类中参考设备信号强度从大到小的顺序排列；

步骤二，判断A点蓝牙设备信号是否有突强信号蓝牙设备，如存在，执行步骤三，如不存在，执行步骤五；

步骤三，判断指纹库DB中是否存在具有相同突强类的指纹，如存在，执行步骤四，如不存在，执行步骤六；

步骤四，假定指纹库DB中只有指纹F存在与指纹T相同的突强类，再判断指纹T和指纹F中的其他类是否存在交集，如存在，执行步骤五，否则，执行步骤六；

步骤五，将指纹T对应的基准点作为邻近基准点，将指纹T对应的基准点的位置作为待定点A的位置，结束；

步骤六，分别计算指纹T和指纹库BD中各个指纹的指纹匹配度；

在计算两个指纹的指纹匹配度时，先按下式计算该两个指纹中对应的类的匹配结果：

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

其中，ismember(Xi∩Yi)表示Xi和Yi的交集中参考设备的个数，ismember(Xi∪Yi)表示Xi和Yi的并集中参考设备的个数；i＝1,2,…,I，I为该基准点和所述待定位点的指纹中类的个数，本示例中I＝4。

然后按下式计算指纹匹配度M：

M＝M(X1,Y1)*M(X2,Y2))*……*M(XI,YI) (1)

也可以按以下两式之一计算M：

M＝M(X1,Y1)+M(X2,Y2))+……+M(XI,YI) (2)

M＝k1*M(X1,Y1)+k2*M(X2,Y2))+……+kI*M(XI,YI) (3)

式1是将对应的类的匹配结果相乘；式2是将对应的类的匹配结果相加；式3是将对应的类的匹配结果加权相加，其中类中参考设备的信号强度越大，对应的权值越大，也即k1>k2>……>kI。

步骤七，将指纹匹配度最高的一个或多个基准点作为邻近基准点，如果只有一个邻近基准点，则将待定位点A定位到该邻近基准点(即A的位置即该邻近基准点的位置)；如果有多个邻近基准点，可以则将待定位点定位到其中一个基准点如随机定位，或者将该多个邻近基准点的位置加权，平均得到待定位点A的位置。

可以通过多种策略来确定匹配度最高的多个基准点，如可以是匹配度值最高且相等的多个基准点。也可以是超过设定的匹配度阈值的多个基准点，也可以是匹配度从高到低排序后的前S个基准点，S的数量可以设定。将多个邻近基准点的位置加权平均时，多个邻近基准点的权值可以相同，也可以与各自的指纹匹配度成正比。多个位置加权平均得到的位置，该装置的X坐标是对该多个位置的X坐标加权平均得到的，该位置的Y坐标是对该多个位置的Y坐标加权平均得到的。

上述方案解决了目前室内定位精度低，系统复杂度高，对智能设备要求高的问题，至少具有以下优点：

采用蓝牙信号具有很好的适用性和经济性，对用户手持设备没有额外要求。相比定位精度很高的方案都需要手持设备集成特殊芯片。

通过对基准点上终端采集的参考设备聚类建立指纹库，指纹库的建模简单快速。

定位运算高效，定位时延低，且可以获得较高的定位精度。

不需要根据信号强度算距离，所以不会因为地理环境干扰信号传输而使距离计算失真，当地理环境发生变化时只需重新建立指纹库不需更改算法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，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

1.一种室内定位方法，包括：

2.如权利要求1所述的方法，其特征在于：

3.如权利要求2所述的方法，其特征在于：

4.如权利要求3所述的方法，其特征在于：

5.如权利要求4所述的方法，其特征在于：

所述运算包括：

相乘；或者

相加；或者

6.如权利要求3所述的方法，其特征在于：

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

7.如权利要求3-6中任一所述的方法，其特征在于：

条件二，该基准点和所述待定位点的指纹中除相同的突强类外，至少还有P个对应的类存在交集，P为设定值，I>P≥1，I为所述待定位点的指纹和保存的基准点的指纹中类的个数；

8.如权利要求1-6中任一所述的方法，其特征在于：

9.如权利要求1-6中所述的方法，其特征在于：

10.如权利要求1-6中任一所述的方法，其特征在于：

11.如权利要求10所述的方法，其特征在于：

12.如权利要求1-6、11中任一所述的方法，其特征在于：

13.如权利要求1-6、11中任一所述的方法，其特征在于：

所述方法应用于移动终端，所述移动终端生成待定位终端所在待定位点的指纹之前，先从网络侧设备下载定位辅助信息，从接收的信号中采集参考设备的信号强度；

14.一种室内定位设备，包括：

指纹生成模块，用于根据待定位终端采集的参考设备的信号强度，对对应参考设备进行聚类，生成所述待定位终端所在待定位点的指纹；；

15.如权利要求14所述的室内定位设备，其特征在于：

16.如权利要求15所述的室内定位设备，其特征在于：

17.如权利要求16所述的室内定位设备，其特征在于：

18.如权利要求17所述的室内定位设备，其特征在于：

所述指纹匹配模块执行的所述运算包括：

相乘；或者

相加；或者

19.如权利要求16所述的室内定位设备，其特征在于：

M(Xi,Yi)＝ismember(Xi∩Yi)/ismember(Xi∪Yi)

20.如权利要求16-19中任一所述的室内定位设备，其特征在于：

21.如权利要求14-19中任一所述的室内定位设备，其特征在于：

22.如权利要求14-19中任一所述的室内定位设备，其特征在于：

23.如权利要求14-19中任一所述的室内定位设备，其特征在于：

24.如权利要求14-19中任一所述的室内定位设备，其特征在于：