CN107526058B - 室内定位方法、装置及系统 - Google Patents
室内定位方法、装置及系统 Download PDFInfo
- Publication number
- CN107526058B CN107526058B CN201710867235.4A CN201710867235A CN107526058B CN 107526058 B CN107526058 B CN 107526058B CN 201710867235 A CN201710867235 A CN 201710867235A CN 107526058 B CN107526058 B CN 107526058B
- Authority
- CN
- China
- Prior art keywords
- fingerprint
- class
- measured
- euclidean distance
- ownership
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 230000004807 localization Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 108010076504 Protein Sorting Signals Proteins 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 208000033748 Device issues Diseases 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002513 implantation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Collating Specific Patterns (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明实施例提供一种本发明实施例提供的室内定位方法、装置及系统。本发明实施例通过在接收到定位目标发送的定位请求时，获取待定位目标的待测指纹；计算待测指纹与位置指纹库中各指纹类的中心的欧式距离；将中心与待测指纹的欧式距离最短的指纹类确定为归属类；判断待测指纹是否处于归属类的边缘，对于处于归属类的边缘的待测指纹，根据待测指纹与各指纹类的中心的欧式距离，确定与待测指纹类邻近的至少一个参考类，以归属类和参考类中所有的参考点的指纹信息和位置信息为参考数据，根据待测指纹以及归属类和参考类计算待定位目标的位置，通过引入参考类来提高对与处于归属类边缘的待测指纹的定位精度，从而整体上提高了室内定位的精度。
Description
技术领域
本发明实施例涉及通信技术领域，尤其涉及一种室内定位方法、装置及系统。
背景技术
随着无线保真(WIreless-Fidelity，简称WIFI)技术的发展和智能终端的广泛使用，能够提供WIFI网络的信号源(AP，Access Point)在室内环境中越来越普及，个人家庭、咖啡馆、图书馆、机场候机室、商场等馆舍内都提供AP，而且WIFI技术具有的通信速率快、信号稳定、抗干扰能力强、设备普及率高等特点，基于WIFI的室内定位方法成为目前室内定位技术的核心。
目前，基于WIFI的室内定位方法中，应用比较广泛的是基于接收信号强度RSSI(Received Signal Strength Indication)的室内定位方法，采用指纹和聚类思想，通过将定位区域划分成较小的多个子区域，在每个子区域中心建立参考点，并获取各参考点的位置信息和各参考点对应的指纹信息，建立位置指纹库；对位置指纹库中各参考点的指纹信息进行聚类得到多个指纹类，通过计算待定位智能终端发出的待测指纹与每个指纹类中心的距离，确定中心与待测指纹距离最小的指纹类为该待测指纹的归属类，将归属类中的各参考点的位置信息和指纹信息作为基础数据、采用K近邻(k-Nearest Neighbor，简称KNN)分类算法确定归属类中与待测指纹相似度最大的指纹信息对应的参考点位置作为定位结果。
但是，通过上述采用位置指纹和聚类思想的基于RSSI的室内定位方法，对于某些距离归属类中心较远、处于归属类边缘的待测指纹对应的智能终端的定位精度低。
发明内容
本发明实施例提供一种室内定位方法、装置及系统，以解决通过现有技术中采用位置指纹和聚类思想的基于RSSI的室内定位方法，对于某些距离归属类中心较远、处于归属类边缘的待测指纹对应的智能终端的定位精度低的问题。
本发明实施例的一个方面是提供一种室内定位方法，包括：
在接收到待定位目标发送的定位请求时，获取所述待定位目标的待测指纹；
计算所述待测指纹与位置指纹库中各指纹类的中心的欧式距离,所述位置指纹库包括至少两个指纹类，每个所述指纹类包括至少一个参考点的指纹信息和位置信息；
将中心与所述待测指纹的欧式距离最短的指纹类确定为归属类；
判断所述待测指纹是否处于所述归属类的边缘；
若判断结果为所述待测指纹处于所述归属类的边缘，则根据所述待测指纹与各所述指纹类的中心的欧式距离，确定至少一个参考类；
根据所述待测指纹以及所述归属类和所述至少一个参考类，确定所述待定位目标的位置。
本发明实施例的另一个方面是提供一种室内定位装置，包括：
获取模块，用于在接收到待定位目标发送的定位请求时，获取所述待定位目标的待测指纹；
计算模块，用于计算所述待测指纹与位置指纹库中各指纹类的中心的欧式距离,所述位置指纹库包括至少两个指纹类，每个所述指纹类包括至少一个参考点的指纹信息和位置信息；
归属类确定模块，用于将中心与所述待测指纹的欧式距离最短的指纹类确定为归属类；
判断模块，用于判断所述待测指纹是否处于所述归属类的边缘；
参考类确定模块，用于若判断结果为所述待测指纹处于所述归属类的边缘，则根据所述待测指纹与各所述指纹类的中心的欧式距离，确定至少一个参考类；
第一定位模块，用于根据所述待测指纹以及所述归属类和所述至少一个参考类，确定所述待定位目标的位置。
本发明实施例的另一个方面是提供一种室内定位系统，包括：信号源装置、定位终端、待定位目标和定位服务器；
所述信号源装置用于发射WIFI信号；
所述定位终端用于在预设的各参考点接收所述信号源装置发射的WIFI信号，并将接收到的对应于各所述参考点的所述WIFI信号发送给所述定位服务器；
所述定位服务器还用于接收所述定位终端发送的各所述参考点的所述WIFI信号，并根据各所述参考点的所述WIFI信号获取各所述所述参考点的指纹信息；
所述待定位目标用于接收待测WIFI信号，并向所述定位服务器发送定位请求；所述定位请求包括所述待测WIFI信号；
所述定位服务器还用于接收所述定位请求，并根据所述定位请求中的所述待测WIFI信号获取所述待定位目标的待测指纹；
所述定位服务器包括处理器、存储器、以及存储在所述存储器上并可以由所述处理器运行的计算机程序，所述处理器运行所述计算机程序时实现上述的室内定位方法，以确定待定位目标的位置，并将所述待定位目标的位置发送给所述待定位目标。
本发明实施例提供的室内定位方法、装置及系统，通过判断待测指纹是否处于所述归属类的边缘，对于处于归属类的边缘的待测指纹，根据所述待测指纹与各所述指纹类的中心的欧式距离，确定与待测指纹类邻近的至少一个参考类，以归属类和参考类中所有的参考点的指纹信息和位置信息为参考数据，根据待测指纹以及归属类和至少一个参考类计算待定位目标的位置，实现了在不改变不处于归属类的边缘的待测指纹的定位精度的同时，通过引入参考类来提高对与处于归属类边缘的待测指纹的定位精度，从而整体上提高了室内定位的精度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本发明实施例一提供的室内定位方法的流程图；
图2为本发明实施例二提供的定位区域的示意图；
图3为本发明实施例三提供的室内定位方法的流程图；
图4为本发明实施例三提供的边缘判定条件的示意图；
图5为本发明实施例三提供的不同K值情况下的累积误差分布(CDF)仿真结果；
图6为本发明实施例四提供的室内定位装置的结构示意图；
图7为本发明实施例五提供的室内定位装置的结构示意图；
图8为本发明实施例七提供的室内定位系统的架构示意图；
图9为本发明实施例七提供的室内定位方法的信令图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本发明所涉及的名词进行解释：
WIFI技术：是一种允许电子设备连接到一个无线局域网(WLAN)的技术，通常使用2.4G UHF或5G SHF ISM射频频段。连接到无线局域网通常是有密码保护的；但也可是开放的，这样就允许任何在WLAN范围内的设备可以连接上。
WIFI网络：一般由信号源装置和无线网卡组成。信号源装置为能够发射出WIFI信号的装置。通常在进行室内定位时，信号源装置可以为AP(Access Point)，AP一般作为网络桥接器或接入点，在有线局域网末端形成无线局域网。具有无线网卡的电子设备通过连接AP去访问有线局域网络甚至广域网络的资源，AP相当于一个内置无线发射器的集线器(HUB)或是路由器，而无线网卡是接收由AP所发射的信号的客户端设备。
参考点：是指将定位区域划分成的各子区域的中心点。
参考点的指纹信息：是指定位终端在该参考点处接收到的各信号源装置发出的WIFI信号的信号强度构成的信号序列。本实施例中，将参考点的指纹信息记为R＝{riss1,riss2,…,rissn}。其中n为预设的信号源装置的数量，将信号源装置按照预设的顺序排列，rissi表示接收到的第i个信号源装置发出的WIFI信号的信号强度，i可以为1,2，…，n。本实施例中，预设顺序可以为各信号源装置按照任一确定的顺序排列，比如对各信号源装置顺序编号，预设顺序可以为按照信号源装置编号由大到小的顺序。在基于WIFI的室内定位方法中，根据室内信号的传播模型，信号源不同距离处接收到的信号强度是不同的，根据接收信号强度即可反推终端距离。一般来说三个以上的信号强度即可确定二维平面上终端的位置。根据WIFI信号与位置的相关性，在一定的区域内采用避免对称的方式布设若干信号源装置，则区域内不同的参考点位置处接收到的各信号源装置发出的WIFI信号强度具有差异性，因而参考点的信号序列可以作为位置属性的描述。
定位终端：是指安装有无线网卡，可以用于扫描接收WIFI信号的电子设备，例如可以是手机、平板电脑、运动手环等移动电子设备，也可以是固设在预设各参考点的电子设备。
实施例一
图1为本发明实施例一提供的室内定位方法的流程图。本发明实施例针对通过现有技术中采用位置指纹和聚类思想的基于RSSI的室内定位方法，对于某些距离归属类中心较远、处于归属类边缘的待测指纹对应的智能终端的定位精度低的问题，提供了室内定位方法，该方法的执行主体为定位服务器。如图1所示，该方法具体步骤如下：
步骤S101、在接收到待定位目标发送的定位请求时，获取待定位目标的待测指纹。
其中，待测指纹是待定位目标当前所处位置的指纹信息，也即是待测指纹是指待定位目标当前所处位置处接收到的各信号源装置发出的WIFI信号的信号强度按照预设的顺序构成的信号序列。
在实际应用中，待定位目标可以为用户使用的手机、平板电脑，个人电脑、运动手环等电子设备。当用户需要对待定位目标进行定位时，向待定位目标发送定位指令，待定位目标在接收到定位指令时接收待测WIFI信号，并向定位服务器发送定位请求；定位请求包括待测WIFI信号。其中待测WIFI信号为待定位目标接收的各信号源装置发射的WIFI信号。
本实施例中，定位服务器在接收到定位目标发送的定位请求时，定位服务器根据定位请求中的待测WIFI信号获取待定位目标的待测指纹。具体地，定位服务器根据接收到的待测WIFI信号，确定待定位目标接收到的各信号源装置的WIFI信号的强度，并生成待定位目标的待测指纹。其中确定各WIFI信号的强度可以采用现有技术中任意一种确定WIFI信号强度的方法实现，本实施此处不再赘述。
可选地，定位服务器可以接收待定位目标发送的多组各信号源装置的WIFI信号，将各组值中对应于同一信号源装置的WIFI信号的强度值的平均值作为待测指纹中对应于该信号源装置的WIFI信号的强度，从而得到最终的待测指纹。
可选地，定位终端从处于各信号源装置接收到的WIFI信号携带有其对应的信号源装置的信息，例如，信号源装置的名称、地址等。可选地，可以为各参考点进行编号，定位终端在向定位服务器发送WIFI信号的同时，将其所在的参考点的标识一并发送给定位服务器，以使定位服务器将接收到的WIFI信号与参考点对应。
可选地，定位终端可以将接收到的各WIFI信号及其对应的参考点的标识一并发送给定位服务器。定位服务器根据接收到的WIFI信号及其对应的参考点的标识确定两者之间对应关系。
步骤S102、计算待测指纹与位置指纹库中各指纹类的中心的欧式距离；位置指纹库包括至少两个指纹类，每个指纹类包括至少一个参考点的指纹信息和位置信息。
其中，位置指纹库包括各参考点的位置信息和指纹信息。至少两个指纹类是根据各参考点的指纹信息对位置指纹库进行聚类得到至少两个类，每个指纹类包括至少一个参考点的指纹信息和位置信息，每个指纹类有一个指纹信息作为指纹类的中心。
本实施例中，可以采用现有技术中的任意一种聚类方法根据各参考点的指纹信息对位置指纹库进行聚类，得到至少两个指纹类。例如，可以采用K均值(K-means)聚类算法根据各参考点的指纹信息对位置指纹库进行聚类，得到至少两个指纹类，本实施例此处不再赘述。
步骤S103、将中心与待测指纹的欧式距离最短的指纹类确定为归属类。
本实施例中，将中心与待测指纹的欧式距离最短的指纹类确定为归属类，具体可以采用如下方式实现：
计算待测指纹与每个指纹类的中心的欧式距离，确定中心与待测指纹的欧式距离最短的指纹类，将该指纹类作为归属类。
具体地，对于位置指纹库中的任意的两个指纹信息：第一指纹信息和第二指纹信息，可以将第一指纹信息表示为可以将第二指纹信息表示为其中n为预设的信号源装置的数量，将信号源装置按照预设的顺序排列，表示第一指纹信息对应的参考点接收到的第i个信号源装置发出的WIFI信号的信号强度，中的上标用于区分不同的指纹信息，而不用于表示数学中的指数。表示第二指纹信息对应的参考点接收到的第i个信号源装置发出的WIFI信号的信号强度，中的上标用于区分不同的指纹信息，而不用于表示数学中的指数。其中i可以为1,2，…，n。
用D12表示第一指纹信息和第二指纹信息的欧式距离，可以根据以下公式(1)计算得到第一指纹信息和第二指纹信息的欧式距离：
其中，第一指纹信息和第二指纹信息可以为位置指纹库中的任意的两个指纹信息。
本实施例中，将待测指纹表示为将第l个指纹类的中心表示为则待测指纹与第l个指纹类的中心的欧氏距离D0l可以通过以下公式(2)计算得到：
其中，K为指纹类的个数，和中的上标用于区分不同的指纹信息，而不用于表示数学中的指数。
步骤S104、判断待测指纹是否处于归属类的边缘。
本实施例中，若判断结果为待测指纹处于归属类的边缘，则执行步骤S105-S106；若判断结果为待测指纹不处于归属类的边缘，则执行步骤S107。
本实施例中，通过计算归属类的中心与归属类内各参考点的指纹信息的欧氏距离，来判断测指纹是否处于归属类的边缘。
可选地，可以通过计算归属类的中心与归属类内各参考点的指纹信息的欧氏距离，以及归属类内各指纹信息与中心的欧氏距离中的最大值，通过待测指纹与归属类的中心的欧氏距离与该最大值的比值来判断结果为测指纹是否处于归属类的边缘。或者，通过待测指纹与归属类的中心的欧氏距离与该最大值的差值来判断结果为测指纹是否处于归属类的边缘。
例如，可以根据类内欧式距离与归属类内各指纹信息与中心的欧氏距离中的最大值的差值，若该差值小于第一预设差值，则确定测指纹处于归属类的边缘，若该差值大于预设差值大于或者等于第一预设差值，则确定测指纹不处于归属类的边缘。其中，第一预设差值可以由技术人员根据实际需要进行设定，本实施例对此不做具体限定。
步骤S105、若判断结果为待测指纹处于归属类的边缘，则根据待测指纹与各指纹类的中心的欧式距离，确定至少一个参考类。
本实施例中，若待测指纹处于归属类的边缘，确定中心与待测指纹的欧式距离较小的至少一个指纹类作为参考类。可选地，可以根据类间欧式距离为待测指纹与除归属类外的各指纹类的中心的欧式距离(记为类间欧式距离)、以及待测指纹与归属类的中心的欧氏距离确定参考类。例如，根据类间欧式距离与待测指纹与归属类的中心的欧氏距离的差值，将差值小于第二预设差值的类间欧式距离对应的指纹类作为参考类。或者，根据类间欧式距离与待测指纹与归属类的中心的欧氏距离的比值，将比值小于第二预设比值的类间欧式距离对应的指纹类作为参考类。或者，直接将小于预设距离阈值的类间欧式距离对应的指纹类作为参考类。
其中，第二预设差值、第二预设比值和预设距离阈值均可以由技术人员根据实际需要进行设定，本实施例对此不做具体限定。
步骤S106、根据待测指纹以及归属类和至少一个参考类，确定待定位目标的位置。
本实施例中，将归属类和至少一个参考类中的所有的参考点的指纹信息和位置信息为依据，根据预设算法计算待测指纹对应的待定位目标的位置。其中，预设算法可以为K近邻算法、加权K近邻算法、朴素贝叶斯算法等分类算法。
本实施例中根据预设算法计算待定位目标的位置的实现方式具体可以采用现有技术中根据现有技术中用于实现目标定位的分类算法实现室内定位的实现方式类似，不同之处在于，参考数据除了包括归属类中所有参考点的指纹信息和位置信息之外，还包括各参考类中所有参考点的指纹信息和位置信息，本实施例此处对于如何根据参考数据进行定位的过程不再赘述。
步骤S107、若判断结果为待测指纹不处于归属类的边缘，则根据归属类中各参考点的指纹信息和位置信息，确定待定位目标的位置。
本实施例中，若待测指纹不处于归属类的边缘，则将归属类中的所有的参考点的指纹信息和位置信息为依据，根据预设算法计算待测指纹对应的待定位目标的位置。例如，可以采用K近邻算法，将归属类中与待测指纹的欧氏距离最短的前K个参考点的指纹信息为基础数据，将K个参考点的位置信息求平均，获得待定位目标的位置。
当前的基于聚类的位置指纹定位算法中，处于归属类中心周围的待定位目标可以完全借助归属类内的参考点的指纹信息和位置信息来定位；而处于归属类边缘的待定位目标距离归属类中心较远，而且周围可能没有足够的参考点的信息来协助定位，如果单纯借助归属类内的邻居参考点的信息进行定位，可能会导致较大误差。
本实施例中，若待测指纹不处于归属类的边缘，对待定位目标进行定位的过程与现有技术无异，可以采用现有技术中的任意一种采用位置指纹和聚类思想的基于RSSI的室内定位方法来实现，本实施例此处不再赘述。若待测指纹处于归属类的边缘，则根据待测指纹与各指纹类的中心的欧式距离，确定与待测指纹邻近的至少一个参考类，将参考类中所有参考点的指纹信息和位置信息、连同归属类中所有参考点的指纹信息和位置信息，来对待定位目标进行定位，通过引入参考类来提高对与处于归属类边缘的待测指纹的定位精度。
可选地，当获得待定位目标的位置之后，定位服务器将待定位目标的位置发送给待定位目标，使得待定位目标将定位得到的位置显示到预设的地图上的对应位置，以便用户查看。
另外，室内定位的地图个体差异性大，不同室内环境的地图需要具体绘制。当环境发生变化时需要有快速更新能力。因此可以用Microsoft Office Visio等软件将定位区域绘制成jpg格式的图片，导入到待定位目标，结合定位得到的位置在地图上对应标注。另外，在地图界面有对地图的放缩按钮，并且可以长按拖动地图。还可以设置一个选项按钮，集成了快照与位置报错功能，以便统计定位正确率。
本发明实施例通过判断待测指纹是否处于归属类的边缘，对于处于归属类的边缘的待测指纹，根据待测指纹与各指纹类的中心的欧式距离，确定与待测指纹类邻近的至少一个参考类，以归属类和参考类中所有的参考点的指纹信息和位置信息为参考数据，根据待测指纹以及归属类和至少一个参考类计算待定位目标的位置，实现了在不改变不处于归属类的边缘的待测指纹的定位精度的同时，通过引入参考类来提高对与处于归属类边缘的待测指纹的定位精度，从而整体上提高了室内定位的精度。
实施例二
图2为本发明实施例二提供的定位区域的示意图。在上述实施例一的基础上，本实施例中，在对待测指纹对应的待定位目标进行定位时，需要预先建立位置指纹库。
本实施例中，定位区域内预先设置预设数量的信号源装置，定位区域被预先划分为若干个子区域，以子区域中心为参考点获取各参考点的位置信息和指纹信息。参考点的指纹信息是指在该参考点处接收到的各信号源装置发出的WIFI信号的信号强度构成的信号序列。参考点的位置信息可以为参考点的位置坐标。
可选地，可以利用定位区域中已有的WIFI信号发射装置作为信号源装置，以降低室内定位的成本。
例如，参见图2，假设定位区域为10m*10m的正方形区域，定位区域内随机布设6个信号源装置：信号源装置1，信号源装置2，…，信号源装置6，可以将该定位区域均匀分割为100个子区域，分别标记为L1，L2，…，L100，以每个子区域的中心处为参考点。
可选地，可以将定位区域按照0.5m，1m，1.5m，2m的间距划分各子区域。优选地，将定位区域按照1.5m的间距划分各子区域，此时定位精度较优，最大定位误差在1.5m以内。
待定位目标周围的子区域越多，定位时可使用的参考点的信息就越多。由此看来，待定位目标坐标定位精度与子区域的划分密度存在一定的关联。参考点密度越大定位精度越高，但实际应用中并不意味着无线增大参考点密度就可以提高定位精度。因为用于接收信号的定位终端接收信号灵敏度的限制，导致其并不能识别过于细小的参考点信号序列差异，导致参考点失去功效；另外实际应用中，无限度地增大参考点的密度也会导致离线数据库的建立花费更长时间，设备布设成本也会相应提高。
本实施例中，在计算待测指纹与位置指纹库中各指纹类的中心的欧式距离之前，还包括以下步骤：
步骤一、获取预设的各参考点的位置信息和指纹信息。
在实际应用中，通常越靠近信号源装置，接收到该信号源装置的WIFI信号强度越大，在与信号源装置的距离不同的参考点处接收到的信号强度不同，因此可以用信号强度序列建立指纹来描述参考点的位置属性。
本实施例中，可以通过具有WIFI信号检测功能的定位终端在每个参考点处接收定位区域内各信号源装置发出的WIFI信号，并将接收到的WIFI信号发送给定位服务器，定位服务器根据接收到的WIFI信号确定接收到的WIFI信号的强度，将对应于各信号源装置的WIFI信号的信号强度按照预设顺序排列构成的信号序列作为该参考点的指纹信息。定位服务器获取预先存储的各参考点的位置信息。
可选地，在获取预设的各参考点的位置信息和指纹信息之前，定位服务器向定位终端发送各参考点的位置信息，以使各定位终端根据各参考点的位置信息在各参考点接收各信号源装置发出的WIFI信号，并将接收到的WIFI信号发送给定位服务器。
可选地，在获取预设的各参考点的位置信息和指纹信息之前，定位服务器向定位终端发送信号请求信息，使得定位终端在接收到信号请求信息后开始扫描接收WIFI信号。
可选地，定位服务器在获取到各参考点的指纹信息后，将各参考点的指纹信息发送给定位终端，以使定位终端存储各参考点的指纹信息。
本实施例中，参考点的指纹信息均可以表示为：R＝{riss1,riss2,…,rissn}，其中n为预设的信号源装置的数量，将信号源装置按照预设的顺序排列，rissi表示接收到的第i个信号源装置发出的WIFI信号的信号强度，i可以为1,2，…，n。
步骤二、将各参考点的位置信息和指纹信息对应存储，建立位置指纹库。
本实施例中，建立位置指纹库，位置指纹库中存储有各参考点的指纹信息和位置信息，并且将各参考点的位置信息和指纹信息对应存储，从而根据任一指纹信息可以确定其对应的参考点的位置信息，根据任一位置信息也可以确定其对应的参考点的指纹信息。
步骤三、根据各参考点的指纹信息，对位置指纹库中的各参考点的位置信息和指纹信息进行聚类，得到至少两个指纹类。
在建立位置指纹库之后，为了减少在定位过程中的计算量，提高定位的效率，通常根据参考点的指纹信息对指纹库中的信息进行聚类，得到至少两个指纹类。实际上相当于根据各参考点的指纹信息对各参考点进行了聚类，各参考点只能属于一个指纹类。聚类后的位置指纹库包括至少两个指纹类，每个指纹类包括至少一个参考点的指纹信息和位置信息。
可选地，可以采用K均值(K-means)聚类算法根据各参考点的指纹信息对位置指纹库进行聚类，得到至少两个指纹类。其中，K的值可以为3、4、5、6等，K值优选为4，当K值为4时，聚类效果较优。
本发明实施例提供了在计算待测指纹与位置指纹库中各指纹类的中心的欧式距离之前预先建立位置指纹库的具体过程。
实施例三
图3为本发明实施例三提供的室内定位方法的流程图；图4为本发明实施例三提供的边缘判定条件的示意图；图5为本发明实施例三提供的不同K值情况下的累积误差分布(CDF)仿真结果。在上述实施例一或实施例二的基础上，本发明实施例中，如图3所示，判断待测指纹是否处于归属类的边缘，具体可以采用如下步骤实现：
步骤S201、计算归属类的中心与归属类内各参考点的指纹信息的欧氏距离。
本实施例中计算任意两个指纹信息之间的欧氏距离的方法与上述实施例中一致，本实施例此处不再赘述。
步骤S202、计算最大类内距离，最大类内距离为归属类的中心与归属类内各参考点的指纹信息的欧氏距离中的最大值。
步骤S203、计算待测指纹与归属类的中心的欧氏距离与最大类内距离的比值。
本实施例中，待测指纹与归属类的中心的欧氏距离与最大类内距离的比值可以用来衡量待测指纹与归属类中心的邻近情况。若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值越大，则说明待测指纹越远离归属类中心、靠近归属类的边缘；若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值越小，则说明待测指纹越靠近归属类中心、远离归属类的边缘。
步骤S204、确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值是否大于第一预设阈值，第一预设阈值大于0且第一预设阈值小于1。
其中，第一预设阈值为大于0且小于1的值，例如，第一预设阈值可以0.7、0.8、0.9、0.95等。优选地，可以将第一预设阈值设为0.8。
本实施例中，若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值大于1，则说明待测指纹与归属类的中心的欧氏距离比归属类内任何其他参考点的指纹信息都要远，可以确定待测指纹处于归属类的边缘。若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值小于1时，根据预设的第一预设阈值，若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值是否大于第一预设阈值，则可以认为待测指纹已经远离归属类中心、处于归属类的边缘。
步骤S205、若确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值大于第一预设阈值，则确定待测指纹处于归属类的边缘。
本实施例中，若确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值大于第一预设阈值，则说明待测指纹与最大类内距离的比值较大，可以确定待测指纹处于归属类的边缘。
步骤S206、若确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值小于或者等于第一预设阈值，则确定待测指纹不处于归属类的边缘。
本实施例中，若确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值小于或者等于第一预设阈值，则说明待测指纹与最大类内距离的比值较小，可以确定待测指纹处于靠近归属类的中心的位置，不处于归属类的边缘。
参见图4，可以用图中的圆A及其内部区域表示归属类，A的圆心表示归属类的中心，A的半径dA表示最大类内距离，A内部的点ai表示待定位目标的待测指纹，用表示待测指纹ai与归属类中心的欧式距离。那么，用p表示待测指纹与归属类的中心的欧氏距离与最大类内距离的比值，则假设第一预设阈值为0.8，则当p≥0.8时，则说明待测指纹处于距离归属类中心最大类内距离的80％以外，可以确定待测指纹处于归属类的边缘。
另外，本实施例中，若判断结果为待测指纹处于归属类的边缘，则根据待测指纹与各指纹类的中心的欧式距离，确定至少一个参考类，具体可以采用如下方式实现：
计算类间欧式距离，类间欧式距离为待测指纹与除归属类外的各指纹类的中心的欧式距离；计算各类间欧式距离与待测指纹与归属类的中心的欧氏距离的比值；将与待测指纹与归属类的中心的欧氏距离的比值小于或者等于第二预设阈值的类间欧式距离对应的指纹类确定为参考类。
其中，第二预设阈值大于1、并且第二预设阈值小于2。优选地，第二预设阈值可以为1.5。第二预设阈值可以由技术人员根据实际情况进行设定，例如，第二预设阈值还可以设定为1.2、1.3、1.4、1.6、1.7等。
参见图4，图中的圆M及其内部区域表示任意一个不同于归属类的指纹类，M的圆心表示该指纹类的中心，A内部的点ai表示待定位目标的待测指纹，可以用dM表示待测指纹ai与该指纹类的中心的类间欧式距离。那么，用s表示该类间欧式距离与待测指纹与归属类的中心的欧氏距离的比值，则则由于归属类为中心与待测指纹的欧氏距离最短的指纹类，因此s≥1。假设第二预设阈值为1.5，则当1≤s≤1.5时，则说明在待测指纹与归属类中的距离的1.5倍范围内存在其他指纹类的中心，将这些指纹类确定为参考类。
可选地，本发明实施例中，根据待测指纹以及归属类和至少一个参考类计算待定位目标的位置，具体可以采用如下步骤实现：
将归属类和至少一个参考类作为目标类，计算待测指纹与目标类中所有参考点的指纹信息的欧式距离；确定与待测指纹的欧式距离最小的K个指纹信息；根据待测指纹、K个指纹信息以及K个指纹信息对应的参考点的位置信息，通过预设K近邻算法计算待定位目标的位置。
其中，K为正整数，预设K近邻算法可以为K近邻算法、或者加权K近邻算法。例如，K值可以为3、4、5、6等。K近邻算法(KNN)或者加权K近邻算法(WKNN)中K值的设定可以由技术人员根据实际需要确定。
图5为本发明实施例三提供的不同K值情况下的累积误差分布(CDF)仿真结果。图5中横坐标表示通过公式计算出的误差值，单位为m；纵坐标表示待测定位点误差累积分布百分比，本发明后续类似仿真结果分析图坐标定义与此相同，将不再赘述。
从图5中可以看出，基于图4的定位区域，采用WKNN算法，当K取4，5，6时，定位误差较小，基本都在2m以内。而K＝4时最大定位误差最小，累计误差分布率先达到1，说明K＝4时的定位精度较高。K＝2时因为参考点太少不足以起到均衡误差的作用。当K值再加大时，定位性能不仅没有改善反而下降，这是因为定位区域依照正方形划分，参考点之间距离1m，每个参考点的邻居参考区域有4个，当引入过多参考点时会降低邻居参考点的定位贡献度，造成误差加大。
本发明实施例根据待测指纹与归属类的中心的欧氏距离以及最大类内距离来判断待测指纹是否处于归属类的边缘，若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值大于第一预设阈值，则确定待测指纹处于归属类的边缘，并进一步根据各类间欧式距离和待测指纹与归属类的中心的欧氏距离确定引入的参考类，将与待测指纹与归属类的中心的欧氏距离的比值小于或者等于第二预设阈值的类间欧式距离对应的指纹类确定为参考类，从而可以将与待测指纹邻近的指纹类确定问参考类。
实施例四
图6为本发明实施例四提供的室内定位装置的结构示意图。本发明实施例提供的室内定位装置可以执行室内定位方法实施例提供的处理流程，如图6所示，该装置60包括：获取模块601、计算模块602、归属类确定模块603、判断模块604、参考类确定模块605和第一定位模块606。
具体地，获取模块601，用于在接收到待定位目标发送的定位请求时，获取待定位目标的待测指纹。
计算模块602，用于计算待测指纹与位置指纹库中各指纹类的中心的欧式距离；位置指纹库包括至少两个指纹类，每个指纹类包括至少一个参考点的指纹信息和位置信息。
归属类确定模块603，用于将中心与待测指纹的欧式距离最短的指纹类确定为归属类。
判断模块604，用于判断待测指纹是否处于归属类的边缘。
参考类确定模块605，用于若判断结果为待测指纹处于归属类的边缘，则根据待测指纹与各指纹类的中心的欧式距离，确定至少一个参考类。
第一定位模块606，用于根据待测指纹以及归属类和至少一个参考类，确定待定位目标的位置。
本实施例中，该装置60还包括第二定位模块607。
第二定位模块607用于若判断结果为待测指纹不处于归属类的边缘，则根据归属类中各参考点的指纹信息和位置信息，确定待定位目标的位置。
本发明实施例提供的装置可以具体用于执行上述实施例一所提供的方法实施例，具体功能此处不再赘述。
本发明实施例通过判断待测指纹是否处于归属类的边缘，对于处于归属类的边缘的待测指纹，根据待测指纹与各指纹类的中心的欧式距离，确定与待测指纹类邻近的至少一个参考类，以归属类和参考类中所有的参考点的指纹信息和位置信息为参考数据，根据待测指纹以及归属类和至少一个参考类计算待定位目标的位置，实现了在不改变不处于归属类的边缘的待测指纹的定位精度的同时，通过引入参考类来提高对与处于归属类边缘的待测指纹的定位精度，从而整体上提高了室内定位的精度。
实施例五
图7为本发明实施例五提供的室内定位装置的结构示意图。在上述实施例四的基础上，如图7所示，该装置60还包括位置指纹库建立模块608。
具体地，位置指纹库建立模块608用于：
获取预设的各参考点的位置信息和指纹信息；将各参考点的位置信息和指纹信息对应存储，建立位置指纹库；根据各参考点的指纹信息，对位置指纹库中的各参考点的位置信息和指纹信息进行聚类，得到至少两个指纹类。
本发明实施例提供的装置可以具体用于执行上述实施例二所提供的方法实施例，具体功能此处不再赘述。
本发明实施例提供了在计算待测指纹与位置指纹库中各指纹类的中心的欧式距离之前预先建立位置指纹库的具体过程。
实施例六
在上述实施例三或者实施例四的基础上，判断模块包括：第一计算子模块和第一确定子模块。
其中，第一计算子模块，用于计算归属类的中心与归属类内各参考点的指纹信息的欧氏距离。
第一计算子模块还用于计算最大类内距离，最大类内距离为归属类的中心与归属类内各参考点的指纹信息的欧氏距离中的最大值。
第一计算子模块还用于计算待测指纹与归属类的中心的欧氏距离与最大类内距离的比值。
第一确定子模块，用于确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值是否大于第一预设阈值，第一预设阈值大于0且第一预设阈值小于1。
第一确定子模块还用于若确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值大于第一预设阈值，则确定待测指纹处于归属类的边缘。
第一确定子模块还用于若确定待测指纹与归属类的中心的欧氏距离与最大类内距离的比值小于或者等于第一预设阈值，则确定待测指纹不处于归属类的边缘。
本实施例中，参考类确定模块包括：第二计算子模块和第二确定子模块。
其中，第二计算子模块，用于计算类间欧式距离，类间欧式距离为待测指纹与除归属类外的各指纹类的中心的欧式距离。
第二计算子模块还用于计算各类间欧式距离与待测指纹与归属类的中心的欧氏距离的比值。
第二确定子模块，用于将与待测指纹与归属类的中心的欧氏距离的比值小于或者等于第二预设阈值的类间欧式距离对应的指纹类确定为参考类。
其中，第二预设阈值大于1、并且第二预设阈值小于2。
本实施后中，第一定位模块包括：第三计算子模块和第三确定子模块。
其中，第三计算子模块，用于将归属类和至少一个参考类作为目标类，计算待测指纹与目标类中所有参考点的指纹信息的欧式距离。
第三确定子模块，用于确定与待测指纹的欧式距离最小的K个指纹信息。
第三计算子模块还用于根据待测指纹、K个指纹信息以及K个指纹信息对应的参考点的位置信息，通过预设K近邻算法计算待定位目标的位置。其中，K为正整数。
本发明实施例提供的装置可以具体用于执行上述实施例三所提供的方法实施例，具体功能此处不再赘述。
本发明实施例根据待测指纹与归属类的中心的欧氏距离以及最大类内距离来判断待测指纹是否处于归属类的边缘，若待测指纹与归属类的中心的欧氏距离与最大类内距离的比值大于第一预设阈值，则确定待测指纹处于归属类的边缘，并进一步根据各类间欧式距离和待测指纹与归属类的中心的欧氏距离确定引入的参考类，将与待测指纹与归属类的中心的欧氏距离的比值小于或者等于第二预设阈值的类间欧式距离对应的指纹类确定为参考类，从而可以将与待测指纹邻近的指纹类确定问参考类。
实施例七
图8为本发明实施例七提供的室内定位系统的架构示意图；图9为本发明实施例七提供的室内定位方法的信令图。如图8所示，该系统80包括：信号源装置801、定位终端802、待定位目标803和定位服务器804。
具体地，信号源装置801用于发射WIFI信号。
定位终端802用于在预设的各参考点接收信号源装置发射的WIFI信号，并将接收到的对应于各参考点的WIFI信号发送给定位服务器。
定位服务器804还用于接收定位终端发送的各参考点的WIFI信号，并根据各参考点的WIFI信号获取各参考点的指纹信息。
待定位目标803用于接收待测WIFI信号，并向定位服务器发送定位请求；定位请求包括待测WIFI信号。
定位服务器804还用于接收定位请求，并根据定位请求中的待测WIFI信号获取待定位目标的待测指纹。
定位服务器804包括处理器、存储器、以及存储在存储器上并可以由处理器运行的计算机程序，处理器运行计算机程序时实现上述任一方法实施例所提供的室内定位方法，以确定待定位目标的位置，并将待定位目标的位置发送给待定位目标。
如图9所示，本实施例提供的室内定位系统中各设备交互的过程如下：
步骤S901、信号源装置向外发射WIFI信号，以使定位终端和待定位目标接收WIFI信号。
本实施例中，室内定位系统首先要在定位区域内部署用于提供WIFI网络的信号源装置和无线网卡。信号源装置为能够发射出WIFI信号的装置。通常在进行室内定位时，信号源装置可以为AP(Access Point)，AP一般作为网络桥接器或接入点，在有线局域网末端形成无线局域网。具有无线网卡的电子设备通过连接AP去访问有线局域网络甚至广域网络的资源，AP相当于一个内置无线发射器的集线器(HUB)或是路由器，而无线网卡是接收由AP所发射的信号的客户端设备。
可选地，可以利用定位区域中已有的WIFI信号发射装置作为信号源装置，以降低室内定位的成本。
步骤S902、定位终端将在预设的各参考点接收到的WIFI信号发送给定位服务器。
其中，定位终端是安装有无线网卡，可以用于扫描接收WIFI信号的电子设备，例如可以是手机、平板电脑、运动手环等移动电子设备，也可以是固设在预设各参考点的电子设备。
定位终端从处于各信号源装置接收到的WIFI信号携带有其对应的信号源装置的信息，例如，信号源装置的名称、地址等。可选地，可以为各参考点进行编号，定位终端在向定位服务器发送WIFI信号的同时，将其所在的参考点的标识一并发送给定位服务器，以使定位服务器将接收到的WIFI信号与参考点对应。
可选地，该步骤中，定位终端可以将接收到的各WIFI信号及其对应的参考点的标识一并发送给定位服务器。
可选地，定位终端在接收信号源装置发射的WIFI信号之前，先开启WIFI扫描功能。
步骤S903、定位服务器根据接收到的各参考点的WIFI信号获取各参考点的指纹信息。
该步骤中，定位服务器接收定位终端发送的各参考点的WIFI信号，根据各参考点的WIFI信号，获取各参考点的WIFI信号强度，并生成各参考点的指纹信息。
步骤S904、定位服务器获取预设的各参考点的位置信息，将各参考点的位置信息和指纹信息对应存储，建立位置指纹库；根据各参考点的指纹信息，对位置指纹库中的各参考点的位置信息和指纹信息进行聚类，得到至少两个指纹类。
该步骤中，定位服务器建立位置指纹库的过程与上述实施例二的处理过程一致，本实施例此处不再赘述。
上述步骤S901-S904为离线建立位置指纹库的过程，具体包括定位服务器获取各参考点的位置信息和指纹信息并对应存储，建立位置指纹库，并对位置指纹库进行聚类得到至少两个指纹类，得到最终的位置指纹库。
步骤S905、待定位目标接收待测WIFI信号。
步骤S906、待定位目标向定位服务器发送定位请求。
其中，待测WIFI信号为待定位目标接收的各信号源装置发射的WIFI信号。
本实施例中，待定位目标是可以用于扫描接收WIFI信号的电子设备，例如可以是手机、平板电脑、运动手环等移动电子设备。
在实际应用中，用户需要进行定位时，可以向随身携带的待定位目标发出定位指令，待定位目标在接收到定位指令时，通过扫描WIFI信号接收各信号源装置发射的WIFI信号，作为待测WIFI信号；并向定位服务器发送定位请求；定位请求包括待测WIFI信号。
步骤S907、定位服务器接收定位请求，并根据定位请求中的待测WIFI信号获取待定位目标的待测指纹。
其中，待测指纹是待定位目标当前所处位置的指纹信息，也即是待测指纹是指待定位目标当前所处位置处接收到的各信号源装置发出的WIFI信号的信号强度按照预设的顺序构成的信号序列。
定位服务器在接收到定位目标发送的定位请求时，定位服务器根据定位请求中的待测WIFI信号获取待定位目标的待测指纹。具体地，定位服务器根据接收到的待测WIFI信号，确定待定位目标接收到的各信号源装置的WIFI信号的强度，并生成待定位目标的待测指纹。其中确定各WIFI信号的强度可以采用现有技术中任意一种确定WIFI信号强度的方法实现，本实施此处不再赘述。
可选地，定位服务器可以接收待定位目标发送的多组各信号源装置的WIFI信号，将各组值中对应于同一信号源装置的WIFI信号的强度值的平均值作为待测指纹中对应于该信号源装置的WIFI信号的强度，从而得到最终的待测指纹。
步骤S908、定位服务器根据待测指纹以及位置指纹库确定归属类和参考类；根据待测指纹以及归属类和参考类确定待定位目标的位置。
该步骤中，定位服务器根据待测指纹以及位置指纹库确定归属类和参考类；根据待测指纹以及归属类和参考类确定待定位目标的位置，具体可以采用上述方法实施例一或者实施例三所提供的室内定位方法，本实施例此处不再赘述。
步骤S910、定位服务器将待定位目标的位置发送给待定位目标。
定位服务器在定位到待定位目标当前的位置之后，将待定位目标当前的位置发送给待定位目标。
步骤S911、待定位目标在预设地图上显示定位后的待定位目标的位置。
在实际应用中，室内定位的地图个体差异性大，不同室内环境的地图需要具体绘制。当环境发生变化时需要有快速更新能力。因此可以用Microsoft Office Visio等软件将定位区域绘制成jpg格式的图片，导入到待定位目标，结合定位得到的位置在地图上对应标注。另外，在地图界面有对地图的放缩按钮，并且可以长按拖动地图。还可以设置一个选项按钮，集成了快照与位置报错功能，以便统计定位正确率。
上述步骤S906-S911为对待定位目标进行在线定位的过程。
本发明实施例提供了在进行室内定位中各端交互的过程，通过定位服务器判断待测指纹是否处于归属类的边缘，对于处于归属类的边缘的待测指纹，根据待测指纹与各指纹类的中心的欧式距离，确定与待测指纹类邻近的至少一个参考类，以归属类和参考类中所有的参考点的指纹信息和位置信息为参考数据，根据待测指纹以及归属类和至少一个参考类计算待定位目标的位置，实现了在不改变不处于归属类的边缘的待测指纹的定位精度的同时，通过引入参考类来提高对与处于归属类边缘的待测指纹的定位精度，从而整体上提高了室内定位的精度。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (11)
1.一种室内定位方法，其特征在于，包括：
在接收到待定位目标发送的定位请求时，获取所述待定位目标的待测指纹；
计算所述待测指纹与位置指纹库中各指纹类的中心的欧式距离,所述位置指纹库包括至少两个指纹类，每个所述指纹类包括至少一个参考点的指纹信息和位置信息；
将中心与所述待测指纹的欧式距离最短的指纹类确定为归属类；
判断所述待测指纹是否处于所述归属类的边缘；
若判断结果为所述待测指纹处于所述归属类的边缘，则计算类间欧式距离，所述类间欧式距离为所述待测指纹与除所述归属类外的各指纹类的中心的欧式距离；
计算各所述类间欧式距离与所述待测指纹与所述归属类的中心的欧氏距离的比值；
将与所述待测指纹与所述归属类的中心的欧氏距离的比值小于或者等于第二预设阈值的类间欧式距离对应的指纹类确定为参考类；其中，所述第二预设阈值大于1、并且所述第二预设阈值小于2；
根据所述待测指纹以及所述归属类和所述至少一个参考类，确定所述待定位目标的位置。
2.根据权利要求1所述的方法，其特征在于，所述判断所述待测指纹是否处于所述归属类的边缘，包括：
计算所述归属类的中心与所述归属类内各所述参考点的指纹信息的欧氏距离；
计算最大类内距离，所述最大类内距离为所述归属类的中心与所述归属类内各所述参考点的指纹信息的欧氏距离中的最大值；
计算所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值；
确定所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值是否大于第一预设阈值，所述第一预设阈值大于0且所述第一预设阈值小于1；
若确定所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值大于第一预设阈值，则确定所述待测指纹处于所述归属类的边缘；
若确定所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值小于或者等于第一预设阈值，则确定所述待测指纹不处于所述归属类的边缘。
3.根据权利要求1所述的方法，其特征在于，所述根据所述待测指纹以及所述归属类和所述至少一个参考类计算所述待定位目标的位置，包括：
将所述归属类和所述至少一个参考类作为目标类，计算所述待测指纹与所述目标类中所有参考点的指纹信息的欧式距离；
确定与所述待测指纹的欧式距离最小的K个指纹信息；
根据所述待测指纹、所述K个指纹信息以及所述K个指纹信息对应的参考点的位置信息，通过预设K近邻算法计算所述待定位目标的位置；
其中，K为正整数。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述计算所述待测指纹与位置指纹库中各指纹类的中心的欧式距离之前，还包括：
获取预设的各所述参考点的位置信息和指纹信息；
将各所述参考点的位置信息和指纹信息对应存储，建立所述位置指纹库；
根据所述各参考点的指纹信息，对所述位置指纹库中的各所述参考点的位置信息和指纹信息进行聚类，得到至少两个所述指纹类。
5.根据权利要求1-3任一项所述的方法，其特征在于，所述判断所述待测指纹是否处于所述归属类的边缘之后，还包括：
若判断结果为所述待测指纹不处于所述归属类的边缘，则根据所述归属类中各参考点的指纹信息和位置信息，确定所述待定位目标的位置。
6.一种室内定位装置，其特征在于，包括：
获取模块，用于在接收到待定位目标发送的定位请求时，获取所述待定位目标的待测指纹；
计算模块，用于计算所述待测指纹与位置指纹库中各指纹类的中心的欧式距离,所述位置指纹库包括至少两个指纹类，每个所述指纹类包括至少一个参考点的指纹信息和位置信息；
归属类确定模块，用于将中心与所述待测指纹的欧式距离最短的指纹类确定为归属类；
判断模块，用于判断所述待测指纹是否处于所述归属类的边缘；
参考类确定模块，用于若判断结果为所述待测指纹处于所述归属类的边缘，则根据所述待测指纹与各所述指纹类的中心的欧式距离，确定至少一个参考类；所述参考类确定模块包括：
第二计算子模块，用于计算类间欧式距离，所述类间欧式距离为所述待测指纹与除所述归属类外的各指纹类的中心的欧式距离；
所述第二计算子模块还用于计算各所述类间欧式距离与所述待测指纹与所述归属类的中心的欧氏距离的比值；
第二确定子模块，用于将与所述待测指纹与所述归属类的中心的欧氏距离的比值小于或者等于第二预设阈值的类间欧式距离对应的指纹类确定为参考类；其中，所述第二预设阈值大于1、并且所述第二预设阈值小于2；
第一定位模块，用于根据所述待测指纹以及所述归属类和所述至少一个参考类，确定所述待定位目标的位置。
7.根据权利要求6所述的装置，其特征在于，所述判断模块包括：
第一计算子模块，用于计算所述归属类的中心与所述归属类内各所述参考点的指纹信息的欧氏距离；
所述第一计算子模块还用于计算最大类内距离，所述最大类内距离为所述归属类的中心与所述归属类内各所述参考点的指纹信息的欧氏距离中的最大值；
所述第一计算子模块还用于计算所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值；
第一确定子模块，用于确定所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值是否大于第一预设阈值，所述第一预设阈值大于0且所述第一预设阈值小于1；
所述第一确定子模块还用于若确定所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值大于第一预设阈值，则确定所述待测指纹处于所述归属类的边缘；
所述第一确定子模块还用于若确定所述待测指纹与所述归属类的中心的欧氏距离与所述最大类内距离的比值小于或者等于第一预设阈值，则确定所述待测指纹不处于所述归属类的边缘。
8.根据权利要求6所述的装置，其特征在于，所述第一定位模块包括：
第三计算子模块，用于将所述归属类和所述至少一个参考类作为目标类，计算所述待测指纹与所述目标类中所有参考点的指纹信息的欧式距离；
第三确定子模块，用于确定与所述待测指纹的欧式距离最小的K个指纹信息；
所述第三计算子模块还用于根据所述待测指纹、所述K个指纹信息以及所述K个指纹信息对应的参考点的位置信息，通过预设K近邻算法计算所述待定位目标的位置；
其中，K为正整数。
9.根据权利要求6-8任一项所述的装置，其特征在于，还包括位置指纹库建立模块，所述位置指纹库建立模块用于：
获取预设的各所述参考点的位置信息和指纹信息；
将各所述参考点的位置信息和指纹信息对应存储，建立所述位置指纹库；
根据所述各参考点的指纹信息，对所述位置指纹库中的各所述参考点的位置信息和指纹信息进行聚类，得到至少两个所述指纹类。
10.根据权利要求6-8任一项所述的装置，其特征在于，还包括第二定位模块，
所述第二定位模块用于若判断结果为所述待测指纹不处于所述归属类的边缘，则根据所述归属类中各参考点的指纹信息和位置信息，确定所述待定位目标的位置。
11.一种室内定位系统，其特征在于，包括：信号源装置、定位终端、待定位目标和定位服务器；
所述信号源装置用于发射WIFI信号；
所述定位终端用于在预设的各参考点接收所述信号源装置发射的WIFI信号，并将接收到的对应于各所述参考点的所述WIFI信号发送给所述定位服务器；
所述定位服务器还用于接收所述定位终端发送的各所述参考点的所述WIFI信号，并根据各所述参考点的所述WIFI信号获取各所述所述参考点的指纹信息；
所述待定位目标用于接收待测WIFI信号，并向所述定位服务器发送定位请求；所述定位请求包括所述待测WIFI信号；
所述定位服务器还用于接收所述定位请求，并根据所述定位请求中的所述待测WIFI信号获取所述待定位目标的待测指纹；
所述定位服务器包括处理器、存储器、以及存储在所述存储器上并可以由所述处理器运行的计算机程序，所述处理器运行所述计算机程序时实现上述权利要求1-5任一项所述的室内定位方法，以确定待定位目标的位置，并将所述待定位目标的位置发送给所述待定位目标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710867235.4A CN107526058B (zh) | 2017-09-22 | 2017-09-22 | 室内定位方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710867235.4A CN107526058B (zh) | 2017-09-22 | 2017-09-22 | 室内定位方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107526058A CN107526058A (zh) | 2017-12-29 |
| CN107526058B true CN107526058B (zh) | 2019-12-03 |
Family
ID=60737286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710867235.4A Active CN107526058B (zh) | 2017-09-22 | 2017-09-22 | 室内定位方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107526058B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110320493B (zh) * | 2018-03-30 | 2023-11-14 | 北京百度网讯科技有限公司 | 室内定位方法、装置、电子设备和计算机存储介质 |
| CN108712718A (zh) * | 2018-05-14 | 2018-10-26 | 中国联合网络通信集团有限公司 | 定位处理方法、装置、服务器及存储介质 |
| CN109379701B (zh) * | 2018-11-26 | 2020-07-10 | 华中科技大学 | 一种具有误差校准功能的定位方法及网关设备 |
| CN110458094B (zh) * | 2019-08-09 | 2020-12-18 | 国家计算机网络与信息安全管理中心 | 基于指纹相似度的设备分类方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103442432A (zh) * | 2013-08-09 | 2013-12-11 | 京信通信系统（中国）有限公司 | 指纹定位方法与服务器 |
| CN103476118A (zh) * | 2013-09-29 | 2013-12-25 | 哈尔滨工业大学 | 一种用于实时监控的wlan室内位置指纹定位方法 |
| CN105916201A (zh) * | 2016-06-07 | 2016-08-31 | 天津大学 | 一种基于rss欧氏距离拟合的knn指纹定位方法 |
| CN106093852A (zh) * | 2016-05-27 | 2016-11-09 | 东华大学 | 一种提高WiFi指纹定位精度与效率的方法 |
| CN106304331A (zh) * | 2016-08-19 | 2017-01-04 | 青岛海尔智能技术研发有限公司 | 一种WiFi指纹室内定位方法 |
-
2017
- 2017-09-22 CN CN201710867235.4A patent/CN107526058B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103442432A (zh) * | 2013-08-09 | 2013-12-11 | 京信通信系统（中国）有限公司 | 指纹定位方法与服务器 |
| CN103476118A (zh) * | 2013-09-29 | 2013-12-25 | 哈尔滨工业大学 | 一种用于实时监控的wlan室内位置指纹定位方法 |
| CN106093852A (zh) * | 2016-05-27 | 2016-11-09 | 东华大学 | 一种提高WiFi指纹定位精度与效率的方法 |
| CN105916201A (zh) * | 2016-06-07 | 2016-08-31 | 天津大学 | 一种基于rss欧氏距离拟合的knn指纹定位方法 |
| CN106304331A (zh) * | 2016-08-19 | 2017-01-04 | 青岛海尔智能技术研发有限公司 | 一种WiFi指纹室内定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107526058A (zh) | 2017-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alhomayani et al. | Deep learning methods for fingerprint-based indoor positioning: A review | |
| CN107526058B (zh) | 室内定位方法、装置及系统 | |
| Subedi et al. | A survey of smartphone-based indoor positioning system using RF-based wireless technologies | |
| Van Haute et al. | Performance analysis of multiple Indoor Positioning Systems in a healthcare environment | |
| Liu et al. | RSS distribution-based passive localization and its application in sensor networks | |
| Luo et al. | Pallas: Self-bootstrapping fine-grained passive indoor localization using WiFi monitors | |
| CN109275095A (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
| Torres-Sospedra et al. | A realistic evaluation of indoor positioning systems based on Wi-Fi fingerprinting: The 2015 EvAAL–ETRI competition | |
| US11428773B2 (en) | Systems and methods to determine room occupancy | |
| Antevski et al. | A hybrid BLE and Wi-Fi localization system for the creation of study groups in smart libraries | |
| JP2015531053A (ja) | 無線マップを動的に作成するためのシステム、方法、及びコンピュータプログラム | |
| Chan et al. | Introduction to wireless localization: with iPhone SDK examples | |
| Adege et al. | Applying Deep Neural Network (DNN) for large-scale indoor localization using feed-forward neural network (FFNN) algorithm | |
| CN105025439A (zh) | 室内定位系统及所应用的数据库、方法和装置 | |
| CN109819394A (zh) | 基于WiFi与超声波混合的室内定位方法及其系统 | |
| Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
| Li et al. | Accurate RFID localization algorithm with particle swarm optimization based on reference tags | |
| Jin et al. | Toward scalable and robust indoor tracking: Design, implementation, and evaluation | |
| Huang et al. | Distributed-neuron-network based machine learning on smart-gateway network towards real-time indoor data analytics | |
| Bischoff et al. | Constraint-based distance estimation in ad-hoc wireless sensor networks | |
| Kjærgaard | Indoor positioning with radio location fingerprinting | |
| Marcus et al. | Dynamic nearest neighbors and online error estimation for SMARTPOS | |
| JP2015040749A (ja) | 位置推定装置及び位置推定プログラム | |
| Nguyen et al. | Reliable indoor location prediction using conformal prediction | |
| Husen et al. | High performance indoor location Wi-Fi fingerprinting using invariant received signal strength |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |