CN108769910A - 一种WiFi定位的方法 - Google Patents

一种WiFi定位的方法 Download PDF

Info

Publication number
CN108769910A
CN108769910A CN201810626172.8A CN201810626172A CN108769910A CN 108769910 A CN108769910 A CN 108769910A CN 201810626172 A CN201810626172 A CN 201810626172A CN 108769910 A CN108769910 A CN 108769910A
Authority
CN
China
Prior art keywords
signal
probability
rssi
area
region
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.)
Pending
Application number
CN201810626172.8A
Other languages
English (en)
Inventor
杨敬民
陈国良
张文杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Minnan Normal University
Original Assignee
Minnan Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Minnan Normal University filed Critical Minnan Normal University
Priority to CN201810626172.8A priority Critical patent/CN108769910A/zh
Publication of CN108769910A publication Critical patent/CN108769910A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本发明公开了一种WiFi定位的方法，包括以下步骤：A.定位系统初始化：将待定位的地区划分成h个区域，并按顺序进行编号，在各区域设置采集点并安装AP信号收集器，所述AP信号收集器每隔一个时间周期t采集并记录检测到的n个AP的信号强度值RSSI；B.信号数据采集：构建各区域的信号强度矩阵；C.信号数据预处理：对信号强度矩阵进行滤波，建立信号分布矩阵；D.定位：对实测信号进行匹配获取概率，无法匹配则获取近似概率以计算待定位点最有可能处在的区域，具有定位快速准确、计算量小，降低成本、降低指纹数据库的采集成本等优点。

Description

一种WiFi定位的方法
技术领域
本发明涉及一种WiFi定位的方法。
背景技术
随着无线网络技术的日益成熟，无线网络已被越来越多的企业用户所接受。目前，无线局域网(WLAN，Wireless Local Network)成为无线网络技术中的一个热点。狭义的WLAN定义是基于IEEE 802.11系列标准，利用高频无线射频(如2.4GHz或5GHz频段的无线电磁波)作为传输介质的无线局域网。1990年，IEEE正式启用了802.11项目，IEEE802.11标准诞生以来，先后有802.11a和802.11b，802.11g，802.11e，802.11f，802.11h，802.11i，802.11j等标准制定或者酝酿，目前802.11n应用已经非常普遍，在智慧校园、智慧园区、智慧城市等诸多领域得到了广泛的应用。
与有线网络相比，无线局域网具有使用灵活、扩展方便、成本经济、安装简单等特点。
使用灵活：在有线网络建设中，网络布线施工工程存在施工周期长，受物理环境影响大的问题。在施工过程中，往往需要破墙掘地、穿线架管。而无线局域网最大的优势就是免去或减少了网络布线的工作量，一般只要安装一个或多个接入点AP(Access Point)设备，就可建立覆盖整个建筑或地区的局域网络。
扩展方便：无线局域网可以在有线网络的基础上，通过增加无线控制器(AccessController，AC)和无线访问接入点(Access Point，AP)释放无线信号，一个普通AP的覆盖范围在30m～100m之间，室外高功率AP有的可达600m。用户终端接入无线网络后，就可以在无线信号覆盖的范围内自由移动。
成本经济：无线局域网一般有Ad-hoc模式和基础架构两种组网模式。Ad-hoc模式无中心拓扑结构，由移动终端组成的临时性自治系统，这些移动终端以相同的工作组名、ESSID和密码等对等的方式相互直接连接，在WLAN的覆盖范围之内，进行点对点与点对多点间的通信。基础架构网络以AP为中心，移动终端与AP连接后，通过AP接入有线网络。在这2种组网模式中，无线局域网对有线布线的依赖很少，或者可以依托与现有的有线网络，减少相关的成本和时间。另外无线网络拓扑变化灵活，改造费用较低。
传统无线局域网采用胖AP的网络架构，各个AP独立工作。一方面需要对网络中每个AP进行独立的配置与管理，增加了无线网络管理的复杂度与运维工作量；另一方面由于AP间难以进行有效的协作，导致AP间的射频干扰、无线用户漫游等问题难以得到有效解决方案。针对这些问题，出现了由AC与瘦AP组成的集中管理型无线网络架构(也称为瘦AP网络架构)，AP通过CAPWAP隧道与AC建立连接，由AC对AP进行集中管理控制。
瘦AP无线技术是采用有线交换机+无线控制器(Access Controller，AC)+瘦AP的组网方式，即AP作为简单的无线接入点，不具备管理控制功能，而通过无线控制器(AC)统一管理所有AP，向指定AP下发控制策略，无需在各AP上单独配置。AC通过CAPWAP隧道与多个AP相连，用户只需在AC上对所关联的AP进行配置管理。目前一般采用瘦AP无线技术进行组网随着WiFi网络的密集部署以及智能移动设备的普及，基于WiFi通讯的无线网络变得越来越重要，其中基于位置的服务被普遍认为是一项关键应用，比如人们可以通过无线定位进行精细化管理，在上课过程中禁止某一教室内的STA接入，或在会议过程中禁止会议室内的STA接入等，基于位置的服务以定位技术为基础，Wi-Fi定位技术的研究具有十分重要的意义。
根据定位精度目标，定位一般有2种类型：定位到物理空间区域和定位到物理空间坐标，定位到物理空间区域一般是一个区域范围，这类定位一般以区域标识表示，比如客厅，食堂，教室等；定位到物理空间坐标则需要精确到物理空间位置的经度，纬度，高度等，比如“北纬N37°11′48.41″东经E120°43′36.44″海拔：213.74米”，在实际应用中，有时候我们只需要将客户端定位到一个物理空间区域即可。比如在学校教学管理中，可通过定位学生的手机是否在某个具体的教室，了解学生是否有去教室上课。
目前Wi-Fi室内定位的方法，一般采用位置指纹匹配方法，该方法的一般过程为：
1、明确要定位的室内区域，进行区域划分，一般采用固定网格大小作为定位单元，比如2米×2米的方格划分定位区域；
2、在室内布置AP；
3、在各个定位单元内测试AP的信号强度(Received Signal StrengthIndication，RSSI)，并记录在位置指纹匹配数据库；
4、定位时，终端测试定位区域所接收到的RSSI强度，与指纹库中的RSSI进行匹配；
位置指纹匹配方法主要存在匹配误差的问题，产生误差的原因是在物理空间中离得很远的定位单元，采集的指纹在信号空间中却有可能很近，这样在进行模式匹配的时候，会匹配到错误的定位单元，参见图1，A点采集到的RSSIA(AP1，AP2)＝(-58，-47)，在指纹数据库中：RSSIG11(AP1，AP2)＝(-60，-45)，RSSIG13(AP1，AP2)＝(-59，-48)，则A点到G11和G13的欧式距离分别为RAG11＝[(-58+60)2+(-47+45)2]1/2＝2.8，RAG13＝[(-58+59)2+(-47+48)2]1/2＝1.4，因此会判断A点离G13最近，而实际情况是A点离G11比较近，采用上述方法，还有一个问题在于所需的计算资源比较多，当需要定位较大批量的手机时，会产生较大的延迟。
发明内容
本发明的目的在于克服现有技术之不足，提供一种WiFi定位的方法。
本发明解决其技术问题所采用的技术方案是：一种WiFi定位的方法，其特征在于：包括以下步骤：
A.定位系统初始化：将待定位的地区划分成h个区域并按顺序进行编号，在各区域设置采集点并安装AP信号收集器，所述AP信号收集器每隔一个时间周期t采集并记录检测到的n个AP的信号强度值RSSI，其中，h，n∈N*；
B.信号数据采集：统计各区域的采集点在m个时间周期中采集到的n个AP的RSSI以构建各区域的信号强度矩阵：
其中，表示编号为k的区域Ak，在m个时间周期tm中采集到的n个AP的RSSI的集合，其中表示区域Ak在ti时间周期采集到APj的信号强度，其中i，j，k，m∈N*，1≤k≤n；
C.信号数据预处理：对信号强度矩阵进行滤波，当时令为阈值，对每个AP统计所有区域采集到的RSSI和出现频数f以建立信号分布矩阵：
其中，
表示APj在区域Ak信号强度RSSIj及其出现的频数fj，APj表示APj在所有区域的信号强度及其出现的频数，建立概率预测矩阵：其中，表示在待定位点X检测到APj的信号强度，表示在检测到的条件下，X出现在区域Ak的概率；
D.定位：客户端统计在X实际测试得到的q个信号强度数据集合：
通过概率预测矩阵将集合中各实测信号强度与各个区域Ak采集的RSSIj进行匹配，则匹配成功，获取对应的概率即出现在Ak的概率为 与RSSIj无法匹配，则通过信号分布矩阵选取Ak中出现频数最大的RSSI进行匹配并获取对应的概率作为出现在Ak的近似概率，计算X最有可能处在区域Ak：表示计算在检测到的条件下，X出现在区域Ak的概率分别进行累乘，概率的累乘乘积值最大时对应的Ak的值，其中q∈N*。
在另一较佳实施例中，所述步骤A中，采用AP的MAC地址作为标识对各个AP进行编号。
在另一较佳实施例中，所述步骤A中，所述采集点设置在各区域的中心点。
在另一较佳实施例中，所述步骤C中，概率预测矩阵：
其中，
表示在区域Ak测得信号的概率，P(Ak)表示区域Ak的概率，表示区域Ak的面积，表示各区域面积相加后的总面积。
在另一较佳实施例中，所述步骤D中，所述客户端包括智能手机或平板电脑。
在另一较佳实施例中，所述步骤D中，与RSSIj无法匹配，则通过信号分布矩阵选取Ak中出现频数最大的RSSI大于一个时，则选取信号强度最大的RSSI进行匹配。
在另一较佳实施例中，所述步骤D中，近似概率通过乘以预测可信度更新近似概率以降低误差，所述预测可信度为：
其中表示Ak中出现频数最高的RSSI。
本发明的有益效果是：
1、定位系统初始化；构建各区域的信号强度矩阵；对信号强度矩阵进行滤波，过滤掉信号强度不好的AP信号，降低定位误差，建立信号分布矩阵；对实测信号进行匹配获取概率，无法匹配则获取近似概率以计算待定位点最有可能处在的区域，具有定位快速准确、计算量小，降低成本、降低指纹数据库的采集成本等优点；
2、通过采用AP的MAC地址作为标识对各个AP进行编号，实现编号与AP一一对应，节省二次物理编号的成本。
3、通过近似概率通过乘以参数预测可信度更新近似概率以降低误差。
4、通过对智能手机或平板电脑进行快速定位可以在教学过程中快速地定位班级学生是否到教室上课，避免定位大量学生智能手机占用大量计算资源和由于时间延至造成的时间成本的浪费。
以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种WiFi定位的方法不局限于实施例。
附图说明
图1是现有技术定位方法的示意图；
图2是本发明一较佳实施例的流程图；
图3是本发明一较佳实施例的室内定位区域图；
图4是本发明以较佳实施例的概率预测矩阵示意图。
具体实施方式
实施例，参见图2至图4所示，本发明的一种WiFi定位的方法，包括以下步骤：
A.定位系统初始化：将待定位的地区划分成4个区域并通过采用AP的MAC地址作为标识对各个AP按顺序进行编号为A1，A2，A3，A4，在各区域的中心点设置采集点L1，L2，L3，L4，并安装AP信号收集器，所述AP信号收集器每隔一个时间周期t采集并记录检测到的信号强度值RSSI，t＝10min；
B.信号数据采集：统计各区域的采集点在4个时间周期中采集到的4个AP的RSSI以构建各区域的信号强度矩阵，代入信号强度矩阵公式
得到信号强度矩阵参见表1：
表1信号强度矩阵
各区域能检测到的AP集合为：
A1＝{AP1，AP2，AP3，AP4}；
A2＝{AP1，AP2，AP3，AP4}；
A3＝{AP1，AP3，AP4}；
A4＝{AP2，AP3，AP4}；
C.信号数据预处理：对信号强度矩阵进行滤波，信号强度<-80dbm的信号值设置为0，滤波后的信号强度矩阵参见表2：
表2滤波后的信号强度矩阵
对每个AP统计所有区域采集到的RSSI和出现频数f以建立信号分布矩阵，代入信号分布矩阵公式得到信号分布矩阵参见表3：
表3信号分布矩阵
建立概率预测矩阵，代入概率预测矩阵公式得到概率预测矩阵参见表4：
表4概率预测矩阵
以计算为例说明概率计算过程，代入公式其中， 得到：
D.定位：客户端为智能手机统计在X实际测试得到的强度数据集合：
通过概率预测矩阵将集合中各实测信号强度与各个区域Ak采集的RSSIj进行匹配，则匹配成功，获取对应的概率即出现在Ak的概率为 与RSSIj无法匹配，则通过信号分布矩阵选取Ak中出现频数最大的RSSI进行匹配并获取对应的概率作为出现在Ak的近似概率，近似概率通过乘以预测可信度更新近似概率以降低误差，所述预测可信度为：其中表示Ak中出现频数最高的RSSI，计算各AP信号在各区域的概率参见表5：
表5各AP信号在各区域的概率
X位于区域A1的联合概率＝0.33×0.67×0.25＝0.06
X位于区域A2的联合概率＝1×0.11×0.09＝0.01
X位于区域A3的联合概率＝0.2×0×0＝0
X位于区域A4的联合概率＝0×0.33×0.09＝0
计算X最有可能处在区域Ak：代入公式得因此，判断X在区域A1。
上述实施例仅用来进一步说明本发明的一种WiFi定位的方法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。

Claims (7)

1.一种WiFi定位的方法，其特征在于：包括以下步骤：
A.定位系统初始化：将待定位的地区划分成h个区域并按顺序进行编号，在各区域设置采集点并安装AP信号收集器，所述AP信号收集器每隔一个时间周期t采集并记录检测到的n个AP的信号强度值RSSI，其中，h，n∈N*；
B.信号数据采集：统计各区域的采集点在m个时间周期中采集到的n个AP的RSSI以构建各区域的信号强度矩阵：
其中，表示编号为k的区域Ak，在m个时间周期tm中采集到的n个AP的RSSI的集合，其中表示区域Ak在ti时间周期采集到APj的信号强度，其中，i，j，k，m，∈N*，1≤k≤h；
C.信号数据预处理：对信号强度矩阵进行滤波，当对令为阈值，对每个AP统计所有区域采集到的RSSI和出现频数f以建立信号分布矩阵：
其中，表示APj在区域Ak信号强度RSSIj及其出现的频数fj，APj表示APj在所有区域的信号强度及其出现的频数，建立概率预测矩阵：其中，表示在待定位点X检测到APj的信号强度，表示在检测到的条件下，X出现在区域Ak的概率；
D.定位：客户端统计在X实际测试得到的q个信号强度数据集合：通过概率预测矩阵将集合中各实测信号强度与各个区域Ak采集的RSSIj进行匹配，则匹配成功，获取对应的概率即出现在Ak的概率为 与RSSIj无法匹配，则通过信号分布矩阵选取Ak中出现频数最大的RSSI进行匹配并获取对应的概率作为出现在Ak的近似概率，计算X最有可能处在区域Ak：表示计算在检测到的条件下，X出现在区域Ak的概率分别进行累乘，概率的累乘乘积值最大时对应的Ak的值，其中q∈N*。
2.根据权利要求1中所述的一种WiFi定位的方法，其特征在于：所述步骤A中，采用AP的MAC地址作为标识对各个AP进行编号。
3.根据权利要求1中所述的一种WiFi定位的方法，其特征在于：所述步骤A中，所述采集点设置在各区域的中心点。
4.根据权利要求1中所述的一种WiFi定位的方法，其特征在于：所述步骤C中，概率预测矩阵：
其中，
表示在区域Ak测得信号的概率，P(Ak)表示区域Ak的概率，表示区域Ak的面积，表示各区域面积相加后的总面积。
5.根据权利要求1中所述的一种WiFi定位的方法，其特征在于：所述步骤D中，所述客户端包括智能手机或平板电脑。
6.根据权利要求1中所述的一种WiFi定位的方法，其特征在于：所述步骤D中，与RSSIj无法匹配，则通过信号分布矩阵选取Ak中出现频数最大的RSSI大于一个时，则选取信号强度最大的RSSI进行匹配。
7.根据权利要求1中所述的一种WiFi定位的方法，其特征在于：所述步骤D中，近似概率通过乘以预测可信度更新近似概率以降低误差，所述预测可信度为：其中表示Ak中出现频数最高的RSSI。
CN201810626172.8A 2018-06-15 2018-06-15 一种WiFi定位的方法 Pending CN108769910A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810626172.8A CN108769910A (zh) 2018-06-15 2018-06-15 一种WiFi定位的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810626172.8A CN108769910A (zh) 2018-06-15 2018-06-15 一种WiFi定位的方法

Publications (1)

Publication Number Publication Date
CN108769910A true CN108769910A (zh) 2018-11-06

Family

ID=63978475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810626172.8A Pending CN108769910A (zh) 2018-06-15 2018-06-15 一种WiFi定位的方法

Country Status (1)

Country Link
CN (1) CN108769910A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109640260A (zh) * 2018-12-13 2019-04-16 闽南师范大学 一种室内Wi-Fi定位方法
CN110572875A (zh) * 2019-09-16 2019-12-13 南京邮电大学 一种基于改进的机器学习算法的无线定位方法
CN111093268A (zh) * 2019-12-26 2020-05-01 广东工业大学 一种离线指纹库区域划分方法、计算机设备、存储介质
CN111225334A (zh) * 2018-11-23 2020-06-02 中国移动通信集团有限公司 一种定位方法、终端及计算机可读存储介质
CN111328012A (zh) * 2018-12-14 2020-06-23 中国移动通信集团广东有限公司 一种基于楼宇WiFi立体分层定位方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103747524A (zh) * 2014-01-17 2014-04-23 西南交通大学 一种基于云平台的Android终端室内定位方法
CN104507050A (zh) * 2014-11-24 2015-04-08 北京航空航天大学 一种WiFi室内定位中概率型指纹匹配方法
CN105960021A (zh) * 2016-07-07 2016-09-21 济南东朔微电子有限公司 一种改进的位置指纹室内定位方法
CN106793082A (zh) * 2017-02-13 2017-05-31 南京邮电大学 一种在wlan/蓝牙异构网络环境中的移动设备定位方法
US20180014161A1 (en) * 2016-06-10 2018-01-11 Apple Inc. Harvesting labels for significant locations

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103747524A (zh) * 2014-01-17 2014-04-23 西南交通大学 一种基于云平台的Android终端室内定位方法
CN104507050A (zh) * 2014-11-24 2015-04-08 北京航空航天大学 一种WiFi室内定位中概率型指纹匹配方法
US20180014161A1 (en) * 2016-06-10 2018-01-11 Apple Inc. Harvesting labels for significant locations
CN105960021A (zh) * 2016-07-07 2016-09-21 济南东朔微电子有限公司 一种改进的位置指纹室内定位方法
CN106793082A (zh) * 2017-02-13 2017-05-31 南京邮电大学 一种在wlan/蓝牙异构网络环境中的移动设备定位方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111225334A (zh) * 2018-11-23 2020-06-02 中国移动通信集团有限公司 一种定位方法、终端及计算机可读存储介质
CN111225334B (zh) * 2018-11-23 2022-04-12 中国移动通信集团有限公司 一种定位方法、终端及计算机可读存储介质
CN109640260A (zh) * 2018-12-13 2019-04-16 闽南师范大学 一种室内Wi-Fi定位方法
CN109640260B (zh) * 2018-12-13 2020-10-27 闽南师范大学 一种室内Wi-Fi定位的方法
CN111328012A (zh) * 2018-12-14 2020-06-23 中国移动通信集团广东有限公司 一种基于楼宇WiFi立体分层定位方法及装置
CN111328012B (zh) * 2018-12-14 2021-08-27 中国移动通信集团广东有限公司 一种基于楼宇WiFi立体分层定位方法及装置
CN110572875A (zh) * 2019-09-16 2019-12-13 南京邮电大学 一种基于改进的机器学习算法的无线定位方法
CN110572875B (zh) * 2019-09-16 2021-02-02 南京邮电大学 一种基于改进的机器学习算法的无线定位方法
CN111093268A (zh) * 2019-12-26 2020-05-01 广东工业大学 一种离线指纹库区域划分方法、计算机设备、存储介质

Similar Documents

Publication Publication Date Title
CN108769910A (zh) 一种WiFi定位的方法
CN106686547A (zh) 一种基于区域划分和网络拓扑的室内指纹定位改进方法
CN103945331B (zh) 一种利用wifi场强进行离去角度估计的定位方法
US7616555B2 (en) Minimum variance location estimation in wireless networks
WO2011065784A2 (ko) 무선랜 신호 세기 기반의 실내 측위 방법 및 시스템
Wang et al. Indoor positioning system using Euclidean distance correction algorithm with bluetooth low energy beacon
CN111818634B (zh) 一种5g场景下的定位方法、定位平台及用户终端
WO2021036829A1 (zh) 一种定位、离线指纹库的生成方法及装置
CN106358155B (zh) 一种射频指纹数据库的建立方法及装置
CN107305246B (zh) 基于接收信号强度指示的定位方法和装置
KR101429953B1 (ko) ｐＣｅｌｌ 측위를 위한 데이터베이스 갱신 방법 및 장치
CN103581831A (zh) 基于WiFi以及移动终端的室内定位算法
CN109819394A (zh) 基于WiFi与超声波混合的室内定位方法及其系统
CN111131998B (zh) 一种室内Wi-Fi定位方法
CN109239656B (zh) 一种位置指纹定位中的射频地图建立方法
CN203813965U (zh) 一种用于定位的无线环境数据嗅探器
CN106488555B (zh) 一种室内定位方法及装置
Yeung et al. Wireless LAN positioning based on received signal strength from mobile device and access points
CN105612794A (zh) 建立室内定位特征库的方法与装置
CN110401912A (zh) 一种基于ap设备和蓝牙设备共同定位方法
CN110536334B (zh) 一种基于wlan的室分信号质量评估方法及装置
Zhang et al. Indoor localization method based on AP and local linear regression algorithm
Manabe et al. A design methodology of Wi-Fi RTT ranging for lateration
Liu et al. The experimental analysis of outdoor positioning system based on fingerprint approach
CN114095854B (zh) 基于最小化路测mdt数据的室分网络干扰源定位方法和电子设备

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181106

RJ01 Rejection of invention patent application after publication