CN108966121A - 一种适用于指纹定位算法的指纹库更新方法 - Google Patents

Abstract

本发明公开了一种适用于指纹定位算法的指纹库更新方法，其步骤包括在定位区域设置多个用于指纹定位，坐标已知的标定AP，并按照一定间隔设置多个坐标已知的参考点，在各参考点采集来自各AP的信号强度值建立指纹库，其步骤还包括在多个周期内在各所述参考点采集多次信号，统计其中来自非标定AP的信号出现的次数，并将出现次数超过预设阈值的所述非标定AP判定为辅助AP；获取所述辅助AP的位置坐标；将所述辅助AP的信息加入指纹库，完成指纹库的更新；所述信息包括所述辅助AP的所述位置坐标，网络位置，名称。通过本发明中的技术方案，可以更便捷更快速地对指纹库进行更新，有效保证指纹定位算法的精确性和稳定性。

Description

一种适用于指纹定位算法的指纹库更新方法

技术领域

本发明属于信息技术领域，主要涉及一种适用于指纹定位算法的指纹库更新方法。

背景技术

移动通信业的迅猛发展和移动终端的普遍使用促使基于位置服务技术受到越来越多的关注，且近些年市场对室内基于位置服务的需求在逐渐增大，如特殊人群监护、矿井人员定位、超市导购等，所以室内定位技术具有广阔的发展前景和巨大的市场价值。指纹定位算法自RADAR系统出现以来，已成为当今室内定位的主流算法。

指纹定位算法由离线训练和在线定位两个阶段组成。在离线阶段，通过在各个参考点处采集来自各接入点的接收信号强度值建立指纹库，指纹库中一个参考点的坐标以及能接收到的各个AP的信号强度值称之为一个指纹；在线阶段则使用确定性匹配算法、概率性匹配算法或者神经网络算法将待定位点处实时采集到的AP信号强度信息与指纹库中的所有指纹信息进行一一匹配以估计待测目标的位置。

目前的指纹定位算法更新指纹库费时耗力，室内空间的多径衰落、阴影效应、温度变化等因素造成无线信号时变性较强，若使用时间久远的指纹库对待测点进行位置估计，定位精度会较差，所以对指纹库进行维护更新必不可少。但采集指纹的工作量很大，尤其在定位区域是商场等大型建筑时人力耗费问题更为严重。

发明内容

本发明目的在于针对现有技术的缺陷，提供一种适用于指纹定位算法的指纹库更新方法，通过本发明中的技术方案，可以更便捷更快速地对指纹库进行更新，有效保证指纹定位算法的精确性和稳定性。

为了解决上述技术问题，本发明采用以下技术方案：

一种适用于指纹定位算法的指纹库更新方法，其步骤包括在定位区域设置多个用于指纹定位，坐标已知的标定AP，并按照一定间隔设置多个坐标已知的参考点，在各所述参考点采集来自各AP的信号强度值，将收集到的信号强度值以及各所述参考点的位置坐标存储以建立指纹库，其步骤还包括：

S1、在各所述参考点连续多次采集信号，统计各个非标定AP在所述采集到的信号中出现的次数，并将出现次数超过预设阈值的所述非标定AP判定为辅助AP；所述非标定AP为存在于定位区域内，不参与定位，不属于标定AP的AP；

S2、获取所述辅助AP的位置坐标；

S3、将所述辅助AP的信息添加到所述指纹库的标定AP列表中；所述信息包括所述辅助AP的所述位置坐标，网络位置，名称。

进一步的，所述步骤S1的具体步骤为：

S11、在一个周期内在各所述参考点采集多次信号，分别对每一个参考点在多次信号采集过程中扫描到的每一所述非标定AP的信号出现的次数占总采集次数的百分比进行计算，若某一所述非标定AP的百分比值高于第一预设阈值时，则将其判定为候选AP；

S12、统计在一个周期内每一至少一次被判定为候选AP的所述非标定AP被判定为候选AP的次数，当所述次数与参考点的数量的比值高于第二预设阈值时，将对应的所述非标定AP判定为备选辅助AP；

S13、统计在多个周期内每一至少一次被判定为备选辅助AP的所述非标定AP被判定为备选辅助AP的次数，当所述次数高于第三预设阈值时，将对应的所述非标定AP判定为辅助AP。

进一步的，所述步骤S2的具体步骤为：

S21、遍历所述指纹库找到所有能接收到所述辅助AP的信号的指纹，并按照信号强度值大小筛选所述指纹得到定位指纹；所述定位指纹用于对所述辅助AP进行定位；

S22、使用对数距离损耗模型将所述定位指纹中接收到的来自所述辅助AP的信号强度值转化为距离，根据所述距离结合所述定位指纹的位置坐标计算出所述辅助AP的位置坐标；

进一步的，所述步骤S21的具体步骤为：

遍历所述指纹库，找到所有能够接收到所述辅助AP的信号的指纹，并将所述指纹中接收到的所述辅助AP的信号强度值高于第四预设阈值的指纹作为所述定位指纹。

进一步的，所述步骤S22的具体步骤为：

S221、使用对数距离损耗模型将所述定位指纹中接收到的来自所述辅助AP的信号强度值转化为距离，所述对数距离损耗模型的公式如下：

其中，P(d)表示所述定位指纹到辅助AP的距离为d时接收到的信号强度，P(d₀)表示间距为d₀时所述定位指纹接收到的信号强度，d₀通常取1米，n为与定位环境相关的路径损耗指数，取值范围常在2～4之间，X_dBm是服从均值为零的正态分布的随机变量；

S222、根据所述定位指纹到所述辅助AP的所述距离，结合所述定位指纹的位置坐标，使用三边测量法或极大似然估计法计算出所述辅助AP的位置坐标。

进一步的，所述第一预设阈值为80％。

进一步的，所述第二预设阈值通过以下公式设置：

进一步的，所述第三预设阈值为2。

进一步的，所述第四预设阈值为-65dBm。

进一步的，其步骤还包括：

S4、重复步骤S1-S3，当重复第i次获取到同一辅助AP的位置坐标时：

当i≤2时，所述同一辅助AP的位置坐标为第i次获取到的位置坐标，并将所述坐标标记为有效坐标；

当i>2时，分别计算第i次获取到的位置坐标与之前获取到的所有所述有效坐标之间的欧氏距离，若所述欧氏距离均大于第五预设阈值，则舍弃第i次获取的位置坐标，将所述所有有效坐标中时间上最近的有效坐标作为所述同一辅助AP的位置坐标；若否，则将第i次获取的位置坐标作为所述同一辅助AP的位置坐标，并标记为有效坐标。

与现有技术相比，本发明的有益技术效果如下：

本发明提供了一种适用于指纹定位算法的指纹库更新方法，充分利用定位区域中未参与定位的AP，通过在参考点对非标定AP进行测量并计算其出现的次数，保证被判定为辅助AP的非标定的AP的信号稳定性，并将辅助AP加入指纹库实现更新，无需人工重新放置AP或重新对AP进行指纹采集，实现更便捷更快速的指纹库更新，有效保证指纹定位算法的精确性和稳定性，实施简单，节省人力物力。

附图说明

图1为本发明中所述的一种适用于指纹定位算法的指纹库更新方法的步骤示意图；

图2为本发明中所述的指纹库更新方法的步骤S1的具体实现步骤示意图；

图3为本发明中所述的指纹库更新方法的步骤S2的具体实现步骤的示意图。

具体实施方式

为了充分地了解本发明的目的、特征和效果，以下将结合附图与具体实施方式对本发明的构思、具体步骤及产生的技术效果作进一步说明。

如图1所示，本实施例公开了一种适用于指纹定位算法的指纹库更新方法，其步骤包括在定位区域设置多个用于指纹定位，坐标已知的标定AP，并按照一定间隔设置多个坐标已知的参考点，在各参考点采集来自各AP的信号强度值，将收集到的信号强度值以及各参考点的位置坐标存储以建立指纹库，其步骤还包括：

S1、在各参考点连续多次采集信号，统计各个非标定AP在采集到的信号中出现的次数，并将出现次数超过预设阈值的非标定AP判定为辅助AP；非标定AP为存在于定位区域内，不参与定位，不属于标定AP的AP；

具体的，在实际应用中，例如在商场或广场等公共区域布置AP进行室内定位时，非标定AP可以是原先布置在商场或广场的商用WIFI，并不参与定位，但在参考点仍能接收到部分非标定AP的信号，利用这些非标定AP来更新指纹库，无需人工重新布置标定AP，节省人力成本和付出。

具体的，步骤S1的具体步骤为：

S11、在一个周期内在各参考点采集多次信号，分别对每一个参考点在多次信号采集过程中扫描到的每一非标定AP的信号出现的次数占总采集次数的百分比进行计算，若某一非标定AP的百分比值高于第一预设阈值时，则将其判定为候选AP；

在实际应用中，对每一个参考点采集过程中的每一非标定AP的信号出现的次数占总采集次数的百分比进行计算，可以确定非标定AP在单一参考点的信号稳定度，百分比越高，非标定AP在单一参考点的信号稳定度越高，从而确保筛选出的候选AP信号的稳定。

具体的，第一预设阈值由实验确定，实际应用中可设定一个初始值进行实验，根据依照初始值筛选出的候选AP的信号稳定程度对初始值进行调整。

具体的，第一预设阈值为80％。

S12、统计在一个周期内每一至少一次被判定为候选AP的非标定AP被判定为候选AP的次数，当次数与参考点的数量的比值高于第二预设阈值时，将对应的非标定AP判定为备选辅助AP；

在实际应用中，一个周期内每一非标定AP被判定为候选AP的次数，代表了每一非标定AP所覆盖的参考点的数量，也间接表示了非标定AP的信号覆盖度，对该次数进行统计可以确定非标定AP的信号覆盖度，从而确保筛选出的备选辅助AP的信号的覆盖程度足够广。

具体的，第二预设阈值由实验确定，其实际应与标定AP的数目有关，实际应用中可设定一个初始值进行实验，根据依照初始值筛选出的备选辅助AP的信号稳定程度对初始值进行调整。

具体的，第二预设阈值可通过以下公式设置：

S13、统计在多个周期内每一至少一次被判定为备选辅助AP的非标定AP被判定为备选辅助AP的次数，当次数高于第三预设阈值时，将对应的非标定AP判定为辅助AP。

在实际应用中，多个周期内某一非标定AP被判定为备选辅助AP的次数，进一步代表了该非标定AP的信号覆盖度以及信号稳定度，对该次数进行统计可以确保筛选出的辅助AP的信号的覆盖程度足够广，稳定度足够强。

具体的，第三预设阈值由实验确定，实际应用中可设定一个初始值进行实验，依照初始值筛选出的备选辅助AP的信号稳定程度对初始值进行调整。

具体的，第三预设阈值为2。

S2、获取辅助AP的位置坐标；

实际应用中，定位区域的辅助AP的位置坐标可由多种方式获取，包括通过辅助AP的无线信号中的含有的位置信息，或者在辅助AP的位置坐标未确定时，利用指纹库中的指纹对其进行定位。

具体的，步骤S2的具体步骤为：

S21、遍历指纹库找到所有能接收到辅助AP的信号的指纹，并按照信号强度值大小筛选指纹得到定位指纹；定位指纹用于对辅助AP进行定位；

具体的，步骤S21的具体步骤为：

遍历指纹库，找到所有能够接收到辅助AP的信号的指纹，并将指纹中接收到的辅助AP的信号强度值高于第四预设阈值的指纹作为定位指纹。

具体的，第四预设阈值由实验确定，与定位区域的环境有关，实际应用中可设定一个初始值进行实验，依照初始值筛选出的定位指纹对辅助AP的定位效果对初始值进行调整。

具体的，第四阈值为-65dBm。

S22、使用对数距离损耗模型将定位指纹中接收到的来自辅助AP的信号强度值转化为距离，根据距离结合定位指纹的位置坐标计算出辅助AP的位置坐标；

具体的，步骤S22的具体步骤为：

S221、使用对数距离损耗模型将定位指纹中接收到的来自辅助AP的信号强度值转化为距离，对数距离损耗模型的公式如下：

其中，P(d)表示定位指纹到辅助AP的距离为d时接收到的信号强度，P(d₀)表示间距为d₀时定位指纹接收到的信号强度，d₀通常取1米，n为与定位环境相关的路径损耗指数，取值范围常在2～4之间，X_dBm是服从均值为零的正态分布的随机变量；

S222、根据定位指纹到辅助AP的距离，结合定位指纹的位置坐标，使用三边测量法或极大似然估计法计算出辅助AP的位置坐标。

S3、将辅助AP的信息添加到指纹库的标定AP列表中；所述信息包括辅助AP的位置坐标，网络位置，名称。

S4、重复步骤S1-S3，当重复第i次获取到同一辅助AP的位置坐标时：

当i≤2时，同一辅助AP的位置坐标为第i次获取到的位置坐标，并将坐标标记为有效坐标；

当i>2时，分别计算第i次获取到的位置坐标与之前获取到的所有有效坐标之间的欧氏距离，若欧氏距离均大于第五预设阈值，则舍弃第i次获取的位置坐标，将所有有效坐标中时间上最近的有效坐标作为同一辅助AP的位置坐标；若否，则将第i次获取的位置坐标作为同一辅助AP的位置坐标，并标记为有效坐标。

具体的，第五预设阈值由实验确定，与AP的信号稳定度有关，实际应用中可设定一个初始值进行实验，依照初始值对辅助AP的定位效果对初始值进行调整。

通过实施本实施例中公开的一种适用于指纹定位算法的指纹库更新方法，充分利用定位区域中未参与定位的AP，通过在参考点对非标定AP进行测量并计算其出现的次数，保证被判定为辅助AP的非标定的AP的信号稳定性，并将辅助AP加入指纹库实现更新，无需人工重新放置AP，实现更便捷更快速的指纹库更新，有效保证指纹定位算法的精确性和稳定性。

以上详细描述了本发明的较佳具体实施例，应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明构思在现有技术基础上通过逻辑分析、推理或者根据有限的实验可以得到的技术方案，均应该在由本权利要求书所确定的保护范围之中。

Claims (10)

1.一种适用于指纹定位算法的指纹库更新方法，其步骤包括在定位区域设置多个用于指纹定位，坐标已知的标定AP，并按照一定间隔设置多个坐标已知的参考点，在各所述参考点采集来自各AP的信号强度值，将收集到的信号强度值以及各所述参考点的位置坐标存储以建立指纹库，其特征在于，其步骤还包括：

S1、在各所述参考点连续多次采集信号，统计各个非标定AP在所述采集到的信号中出现的次数，并将出现次数超过预设阈值的所述非标定AP判定为辅助AP；所述非标定AP为存在于定位区域内，不参与定位，不属于标定AP的AP；

S2、获取所述辅助AP的位置坐标；

S3、将所述辅助AP的信息添加到所述指纹库的标定AP列表中；所述信息包括所述辅助AP的所述位置坐标，网络位置，名称。

2.如权利要求1所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述步骤S1的具体步骤为：

S11、在一个周期内在各所述参考点采集多次信号，分别对每一个参考点在多次信号采集过程中扫描到的每一所述非标定AP的信号出现的次数占总采集次数的百分比进行计算，若某一所述非标定AP的百分比值高于第一预设阈值时，则将其判定为候选AP；

S12、统计在一个周期内每一至少一次被判定为候选AP的所述非标定AP被判定为候选AP的次数，当所述次数与参考点的数量的比值高于第二预设阈值时，将对应的所述非标定AP判定为备选辅助AP；

S13、统计在多个周期内每一至少一次被判定为备选辅助AP的所述非标定AP被判定为备选辅助AP的次数，当所述次数高于第三预设阈值时，将对应的所述非标定AP判定为辅助AP。

3.如权利要求1所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述步骤S2的具体步骤为：

S21、遍历所述指纹库找到所有能接收到所述辅助AP的信号的指纹，并按照信号强度值大小筛选所述指纹得到定位指纹；所述定位指纹用于对所述辅助AP进行定位；

S22、使用对数距离损耗模型将所述定位指纹中接收到的来自所述辅助AP的信号强度值转化为距离，根据所述距离结合所述定位指纹的位置坐标计算出所述辅助AP的位置坐标。

4.如权利要求3所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述步骤S21的具体步骤为：

遍历所述指纹库，找到所有能够接收到所述辅助AP的信号的指纹，并将所述指纹中接收到的所述辅助AP的信号强度值高于第四预设阈值的指纹作为所述定位指纹。

5.如权利要求3所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述步骤S22的具体步骤为：

S221、使用对数距离损耗模型将所述定位指纹中接收到的来自所述辅助AP的信号强度值转化为距离，所述对数距离损耗模型的公式如下：

其中，P(d)表示所述定位指纹到辅助AP的距离为d时接收到的信号强度，P(d₀)表示间距为d₀时所述定位指纹接收到的信号强度，d₀通常取1米，n为与定位环境相关的路径损耗指数，取值范围常在2～4之间，X_dBm是服从均值为零的正态分布的随机变量；

S222、根据所述定位指纹到所述辅助AP的所述距离，结合所述定位指纹的位置坐标，使用三边测量法或极大似然估计法计算出所述辅助AP的位置坐标。

6.如权利要求2所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述第一预设阈值为80％。

7.如权利要求2所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述第二预设阈值通过以下公式设置：

8.如权利要求2所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述第三预设阈值为2。

9.如权利要求4所述的适用于指纹定位算法的指纹库更新方法，其特征在于，所述第四预设阈值为-65dBm。

10.如权利要求3所述的适用于指纹定位算法的指纹库更新方法，其特征在于，其步骤还包括：

S4、重复步骤S1-S3，当重复第i次获取到同一辅助AP的位置坐标时：

当i≤2时，所述同一辅助AP的位置坐标为第i次获取到的位置坐标，并将所述坐标标记为有效坐标；

当i>2时，分别计算第i次获取到的位置坐标与之前获取到的所有所述有效坐标之间的欧氏距离，若所述欧氏距离均大于第五预设阈值，则舍弃第i次获取的位置坐标，将所述所有有效坐标中时间上最近的有效坐标作为所述同一辅助AP的位置坐标；若否，则将第i次获取的位置坐标作为所述同一辅助AP的位置坐标，并标记为有效坐标。