CN107979810A

CN107979810A - 室内定位方法、服务器和系统

Info

Publication number: CN107979810A
Application number: CN201711068043.3A
Authority: CN
Inventors: 牛寅
Original assignee: Shanghai Feixun Data Communication Technology Co Ltd
Current assignee: Taizhou Jiji Intellectual Property Operation Co.,Ltd.
Priority date: 2017-11-03
Filing date: 2017-11-03
Publication date: 2018-05-01

Abstract

本发明属于室内定位领域，尤其涉及一种室内定位方法、服务器和系统，其中的方法包括A：离线训练，采集训练样本并基于训练样本构建指纹数据库；B：在线定位，接收待定位终端的RSS数据，调用指纹数据库以根据接收到的RSS数据完成实时位置运算并将运算结果返回至待定位终端；C：运行维护，对定位空间中的维护终端进行主动和/或被动感知，不间断地采集维护终端的指纹数据，基于这些指纹数据定期或不定期地对指纹数据库进行更新。本发明的优点在于，通过不断更新指纹数据库，确保定位过程的稳定、准确。

Description

室内定位方法、服务器和系统

技术领域

本发明属于室内定位领域，尤其涉及一种室内定位方法、服务器和系统。

背景技术

室内环境下的定位一直是一个很多问题未被解决的领域。由于信号的严重衰减和多径效应，通用的室外定位设施(比如GPS)并不能在建筑物内有效地工作。定位准确性也是一个问题，GPS也许可以指出移动设备在哪一个建筑物，但是室内场景下，人们希望得到更精确的室内位置，这需要更精密的地图信息和更高的定位精度。

目前，也有专门室内搭建一套完整的基础设施用来定位的做法，但是这样需要很大的代价，包括定位信号占用的频谱资源、用于感知定位信号的嵌入在移动设备中的额外硬件、安装在固定位置的用来发送定位信号的锚节点。因此，大家逐渐开始倾向于使用那些已有的被广泛部署的无线设备去实现室内定位，例如，中国专利公开了一种基于WiFi指纹的室内定位方法[申请号：CN201310291716.7]，包括离线采样阶段和在线定位阶段，所述的离线采样阶段包括以下步骤：

步骤1：在待定位场所内设置N个AP，对所述的待定位场所内每个已知位置点，采集并保存WiFi信号的RSSI值数据，其中N≥3，待采集完成后，则将所述的数据导入到服务器中，服务器对所述的数据进行滤波预处理，对所述的预处理之后的数据进行特征提取并存入数据库，构建位置指纹库；所述的在线定位阶段包括以下步骤：步骤2：采集待定位点的WiFi信号的RSSI值数据并上传至服务器；步骤3：所述的服务器对实时接受到的所述的待定位点的WiFi信号的RSSI值数据进行降序排序，选取所述的排序结果中前L个WiFi信号对所述的位置指纹库中的位置进行聚类，得到M个位置点，该M个位置点的WiFi信号的RSSI值数据序列包含所述的L个WiFi信号，其中L≥1，M≥1；步骤4：利用所述的待定位点的WiFi信号的RSSI值，对所述的M个位置点进行初始定位结果计算，得到初始位置估计值并保存；步骤5：判断：已经保存的初始位置估计值的个数是否大于或等于预设值W，其中W≥1；如果否，则将当前初始位置估计值作为所述的待定位点的位置估计值；如果是，则对已经保存的最后W个初始位置估计值做时间平均，得到所述的待定位点的位置估计值；步骤6：判断：用户是否发出停止定位指令；如果否，则转回执行所述的步骤2；如果是，则结束定位。

上述方案提出了通过无线设备实现室内定位的方法，但是上述方法无法自动更新指纹数据库容易造成定位错误的结果，并且存在指纹数据库构建麻烦，人工投入以及在线计算量大，定位速度慢等问题。

发明内容

本发明的目的是针对上述问题，提供一种方法简单、定位已经精度高的室内定位方法；

本方案的另一目的是提供一种用于室内高效定位的室内定位服务器；

本方案的另一目的是提供一种基于上述室内定位服务器的室内定位系统。

为达到上述目的，本发明采用了下列技术方案：

本发明的室内定位方法，包括以下步骤：

A：离线训练，采集训练样本并基于训练样本构建指纹数据库；

B：在线定位，接收待定位终端的RSS数据，调用指纹数据库以根据接收到的RSS数据完成实时位置运算并将运算结果返回至待定位终端；

C：运行维护，对定位空间中的维护终端进行主动和/或被动感知，不间断地采集维护终端的指纹数据，基于这些指纹数据定期或不定期地对指纹数据库进行更新。

通过上述技术方案，对用于在线定位的指纹数据库进行定期或不定期的更新，避免空间环境的改变造成定位误差，提高定位的准确度。

在上述的室内定位方法中，在步骤A中，通过以下方式获得采集训练样本：

A1：对定位空间划分网格，建立坐标系，确定参考节点的坐标位置；

A2：确定采样率和采样点，采集采样点到各个参考节点的RSS值，该组RSS值组成一条指纹数据，通过若干采样点获得作为采样数据集的指纹数据集；

A3：通过三次样条插值算法补充采样数据集，获得最终用于模型训练的指纹训练数据集；

在上述的室内定位方法中，在步骤A3之前还执行以下步骤：

对采样数据集进行卡尔曼滤波以剔除噪声数据。

在上述的室内定位方法中，在步骤A中，通过以下方法构建指纹数据库：

采用随机森林方法，构建多个棵分类决策树，用指纹训练数据集对随机森林分类器进行训练，分类器的输出由多棵分类决策树共同投票决定。

在上述的室内定位方法中，步骤B的具体方法包括：

B1：由通信接口实时采集待定位终端的RSS信号；

B2：由定位引擎采用随机森林算法对实时采集信号进行计算，得到分类结果；

B3：定位引擎将分类结果转换为坐标返回给待定位终端。

在上述的室内定位方法中，在步骤B3后还包括以下步骤：

重复步骤B1-B3实现对待定位终端的连续定位。

在上述的室内定位方法中，步骤C的具体方法包括：

C1：在离线阶段计算每个网格的信号分布在某一置信水平下的置信区间，将其作为评估wifi指纹质量的准则；

C2：在线阶段采集维护终端的wifi指纹信号，计算其最大似然比，且当该wifi指纹信号在置信区间内时将其存入指纹更新数据库；

C3：将指纹更新数据库定期更新至指纹数据库以实现指纹数据库的自动更新。

一种基于上述的室内定位方法的室内定位服务器，所述的室内定位服务器包括通信接口、指纹数据库和定位引擎，其中，

通信接口，用于接收若干参考节点和/或维护终端及待定位终端上报的该待维护终端或待定位终端的RSS数据；

指纹数据库，用于存放训练好的指纹数据供定位引擎调用；

定位引擎：用于基于指纹数据库和RSS数据对待定位终端进行实时位置计算。

在上述的室内定位服务器中，还包括用于存储基于群智信息的指纹更新数据库，并定期或不定期更新至指纹数据库。

一种室内定位系统，包括上述的室内定位服务器和若干位于定位空间中的参考节点、待定位终端和维护终端，所述的室内定位服务器均与若干参考节点待定位终端和维护终端通信连接，所述的若干参考节点与待定位终端和维护终端通信连接。

本发明相较于现有技术具有以下优点：定位精度高，指纹数据库构建和运行维护的的工作量少，定位速度快。

附图说明

图1是本发明的系统框图；

图2是本发明的方法流程图一；

图3是本发明离线训练阶段的方法流程图；

图4是本发明在线定位阶段的方法流程图；

图5是本发明运行维护阶段的方法流程图；

图6是本发明的方法流程图二。

附图标记：室内定位服务器1；通信接口11；指纹数据库12；定位引擎13；指纹更新数据库14；定位空间2；参考节点AP；维护终端STAY；待定位终端STAX。

具体实施方式

虽然流程图将各项操作描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。

这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。当一个单元被称为“连接”或“耦合”到另一单元时，其可以直接连接或耦合到所述另一单元，或者可以存在中间单元。

这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指，否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是，这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在，而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。

本发明的室内定位方法、服务器和系统主要应用于各种基于位置的服务应用，如商场内部的店铺导航，客流统计等，解决了现有技术中无法对室内进行定位或室内定位不精确等问题，以下是本发明的优选实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明不限于这些实施例。

如图1所示，本实施例的室内定位系统由室内定位服务器1和定位空间2组成，定位空间2中部署有若干参考节点AP、待定位终端STAX和维护终端STAY，这里的待定位终端STAX和维护终端STAY可以为相同的终端也可以为不相同的终端，也就是说在定位阶段作为待定位终端STAX的终端也可以在维护阶段作为维护终端STAY，此外，在离线采样阶段，这里的维护终端STAY和待定位终端STAX也可以作为采样终端。室内定位服务器1均与若干参考节点AP、待定位终端STAX、采样终端和维护终端STAY通信连接以用于接收各终端接收到的RSS信号值，在在线定位阶段对相应的待定位终端STAX进行定位，在采样阶段用于构建指纹数据库12、在运行维护阶段用于更新指纹数据库12，进一步地，在在线定位阶段，室内定位服务器1同时将定位结果反馈给相应的待定位终端STAX，若干参考节点AP与各终端通信连接，系统便是通过待定位终端STAX在该位置接收到若干节点的信号强度来判断该待定位终端STAX的位置的。

这里的室内定位服务器1包括通信接口11、指纹数据库12和定位引擎13，其中，

通信接口11，用于接收若干参考节点AP和/或待定位终端STAX及维护终端STAY上报的该待定位终端STAX或维护终端STAY的RSS数据，本实施例的RSS数据由待定位终端STAX和维护终端STAY上报至室内定位服务器1；

指纹数据库12，用于存放训练好的指纹数据供定位引擎13调用；

定位引擎13：用于基于指纹数据库12和RSS数据对待定位终端STAX进行实时位置计算。

进一步地，室内定位服务器1还包括用于存储基于群智信息的指纹更新数据库14，并定期更新至指纹数据库12，保证定位精度的同时大大降低指纹库的维护工作量。

如图2和图6所示所示，本实施例还公开了一种基于上述的室内定位系统和室内定位服务器1的室内定位方法，该定位方法可以由上述的室内定位服务器1完成，它包括离线训练阶段、在线定位阶段和运行维护阶段，具体如下：

A：离线训练，采集训练样本并基于训练样本构建指纹数据库12；

其中，如图3，本实施例中在该离线阶段通过以下方式获得采集训练样本和构建指纹数据库12：

A1：对定位空间2划分为边长为1m的网格，建立坐标系，确定参考节点AP的坐标位置；

A2：确定采样率α(0<α<1)和采样点，采集采样点到各个参考节点AP的RSS值，该组RSS值组成一条指纹数据，若干采样点获得的指纹数据集即为采样数据集M；

A3：对采样数据集进行卡尔曼滤波以剔除噪声数据；

A4：在步骤A3的基础上，通过三次样条插值算法补充采样数据集，获得最终用于模型训练的指纹训练数据集N(N>M)；

A5：采用随机森林方法，构建K棵分类决策树，具体多少棵根据具体情况而定，用指纹训练数据集对随机森林分类器进行训练，分类器的输出由K棵分类决策树共同投票决定。

数据滤波是去除噪声还原真实数据的一种数据处理技术，这里采用的卡尔曼滤波是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法，由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程，卡尔曼滤波的具体滤波过程为公知技术，本实施例不再进行赘述。

在采样构建指纹数据库12的过程中，经常遇到离散数据的采样问题，有时因为所涉及的样本较多，会有一部分有用样本未被采集到，所以人们通常在采样时尽可能多地将所需样本全部采集到，这种方法得到的数据结果较为准确，但是测量时间长，工作量大，导致工作效率低，而插值作为一种数值逼近的重要方法,可以通过有限个样本的取值情况估计出未知样本的近似值。本实施例通过采用三次样条插值算法，既有线性插值的优点,又能保证插值精度,使得插值得到的数据和真实数据的误差都在合理范围内，通过采用三次样条插值算法对不同的应用场景只需人工采集少量的信息即可完成特定场景指纹数据库12的构建，大大减少了人工采集量。

通过随机森林的方法构建数据库使系统的在线计算量小，定位速度快。

通过上述步骤，即可得到用于在线计算的指纹数据库12。

B：在线定位，接收待定位终端STAX的RSS数据，调用指纹数据库12以根据接收到的RSS数据完成实时位置运算并将运算结果返回至待定位终端STAX；

如图4，步骤B的具体方法又包括：

B1：由通信接口11实时采集待定位终端STAX的RSS信号；

B2：由定位引擎13采用随机森林算法对实时采集信号进行计算，得到分类结果；

B3：定位引擎13将分类结果转换为坐标返回给待定位终端STAX，即完成一次定位；

B4：重复步骤B1-B3实现对待定位终端STAX的连续定位。

本实施例采用的随机森林是一个包含多个决策树的分类器，并且其输出的类别是由个别树输出的类别的众数而定。随机森林在变量(列)的使用和数据(行)的使用上进行随机化，生成很多分类树，每个树都是一个独立的判断分支，互相之间彼此独立。他的主要优点是在运算量没有显著提高的前提下提高了预测精度，并且对多元线性不敏感，判断结果缺失数据和非平衡的数据比较稳健，可以很好地预测多达几千个解释变量的作用，具体到本实施例，当利用随机森林对指纹训练数据和RSSI信号进行分类判别时，随机森林的每一棵树都会给出自己的分类选择，并由此进行投票，森林整体的输出将会是票数最多的分类选项，相比于单个决策树算法、它的分类、预测效果更好，不容易出现过度拟合的情况。

定位空间2的环境可能在一段时间后会发生变化从而影响定位精度，因此需要定期更新指纹数据库12确保定位过程的稳定、准确。本实施例采用群智技术对定位空间2中的维护终端STAY进行主动/被动感知，不间断地采集维护终端STAY的指纹数据，利用这些数据定期自动更新指纹数据，其具体步骤如下：

C：运行维护，对定位空间2中的维护终端STAY进行主动和/或被动感知，不间断地采集维护终端STAY的指纹数据，基于这些指纹数据定期或不定期地对指纹数据库12进行更新。

如图5，步骤C的具体方法又包括：

C2：在线阶段主动/被动感知维护终端STAY的wifi指纹信号，计算其最大似然比，若该wifi指纹信号在置信区间内，则视为接受，否则视为拒绝，并且当接受的时候，将该wifi指纹信号存入指纹更新数据库14；

C3：将指纹更新数据库14定期更新至指纹数据库12以实现指纹数据库12的自动更新。

本发明的有益效果主要有以下几个方面：1、技术方案采用插值算法构建指纹训练数据及，大大减少了人工采集量；2、基于随机森林算法构建指纹数据库12，在线计算量小，定位速度快；3、利用群智技术实现维护终端wifi指纹信号的收集，通过计算其最大似然比，通过置信概率区间的方法评估wifi指纹质量，动态更新指纹数据库12，大大减少运行维护的工作量；4、利用现有wifi设备即可完成高精度的室内定位，无需增加额外部署成本；5、该方法具有较好的泛化性，对于不同的应用场景只需人工采集少量的信息即可完成特定场景指纹数据库12的构建。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了室内定位服务器1；通信接口11；指纹数据库12；定位引擎13；指纹更新数据库14；定位空间2；参考节点AP；维护终端STAY；待定位终端STAX等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims

1.一种室内定位方法，其特征在于，包括以下步骤：

A：离线训练，采集训练样本并基于训练样本构建指纹数据库(12)；

B：在线定位，接收待定位终端(STAX)的RSS数据，调用指纹数据库(12)以根据接收到的RSS数据完成实时位置运算并将运算结果返回至待定位终端(STAX)；

C：运行维护，对定位空间(2)中的维护终端STAY(STAY)进行主动和/或被动感知，不间断地采集维护终端(STAY)的指纹数据，基于这些指纹数据定期或不定期地对指纹数据库(12)进行更新。

2.根据权利要求1所述的室内定位方法，其特征在于，在步骤A中，通过以下方式获得采集训练样本：

A1：对定位空间(2)划分网格，建立坐标系，确定参考节点(AP)的坐标位置；

A2：确定采样率和采样点，采集采样点到各个参考节点(AP)的RSS值，该组RSS值组成一条指纹数据，通过若干采样点获得作为采样数据集的指纹数据集；

A3：通过三次样条插值算法补充采样数据集，获得最终用于模型训练的指纹训练数据集。

3.根据权利要求2所述的室内定位方法，其特征在于，在步骤A3之前还执行以下步骤：

对采样数据集进行卡尔曼滤波以剔除噪声数据。

4.根据权利要求3所述的室内定位方法，其特征在于，在步骤A中，通过以下方法构建指纹数据库(12)：

5.根据权利要求4所述的室内定位方法，其特征在于，步骤B的具体方法包括：

B1：由通信接口(11)实时采集待定位终端(STAX)的RSS信号；

B2：由定位引擎(13)采用随机森林算法对实时采集信号进行计算，得到分类结果；

B3：定位引擎(13)将分类结果转换为坐标返回给待定位终端(STAX)。

6.根据权利要求5所述的室内定位方法，其特征在于，在步骤B3后还包括以下步骤：

重复步骤B1-B3实现对待定位终端(STAX)的连续定位。

7.根据权利要求1所述的室内定位方法，其特征在于，步骤C的具体方法包括：

C2：在线阶段采集维护终端(STAY)的wifi指纹信号，计算其最大似然比，且当该wifi指纹信号在置信区间内时将其存入指纹更新数据库(14)；

C3：将指纹更新数据库(14)定期更新至指纹数据库(12)以实现指纹数据库(12)的自动更新。

8.一种基于权利要求1-7任意一项所述的室内定位方法的室内定位服务器(1)，其特征在于，所述的室内定位服务器(1)包括通信接口(11)、指纹数据库(12)和定位引擎(13)，其中，

通信接口(11)，用于接收若干参考节点(AP)和/或维护终端(STAY)及待定位终端(STAX)上报的该待定位终端(STAX)或维护终端(STAY)的RSS数据；

指纹数据库(12)，用于存放训练好的指纹数据供定位引擎(13)调用；

定位引擎(13)：用于基于指纹数据库(12)和RSS数据对待定位终端(STAX)进行实时位置计算。

9.根据权利要求8所述的室内定位服务器(1)，其特征在于，还包括用于存储基于群智信息的指纹更新数据库(14)，并定期或不定期更新至指纹数据库(12)。

10.一种室内定位系统，其特征在于，包括权利要求8或9所述的室内定位服务器(1)和若干位于定位空间(2)中的参考节点(AP)、待定位终端(STAX)和维护终端(STAY)，所述的室内定位服务器(1)均与若干参考节点(AP)、待定位终端(STAX)和维护终端(STAY)通信连接，所述的若干参考节点(AP)与待定位终端(STAX)和维护终端(STAY)通信连接。