CN110967669B - 一种基于rssi的室内最近邻定位方法 - Google Patents

Abstract

本发明涉及室内定位技术领域，特别是涉及一种基于RSSI的室内最近邻定位方法。首先，对定位区域进行空间划分，并采集室内对象集合对应的RSSI集合；然后，通过RSSI之间的连接构建RSSI图；接着，基于对象的RSSI中最强的两个信号强度值对应的接入点计算室内对象集合中位于同一空间分区的两个对象之间的RSSI距离，通过对位于不同空间分区的两个对象构建路径并将路径拆分成位于同一空间分区的多个子路径来计算这两个对象之间的距离；最后，基于相似度计算将需定位用户的RSSI映射到RSSI图中，通过RSSI距离计算对需定位用户进行最近邻定位。本发明能够提升室内最近邻定位的精度和效率。

Description

一种基于RSSI的室内最近邻定位方法

技术领域

本发明涉及室内定位技术领域，特别是涉及一种基于RSSI的室内最近邻定位方法。

背景技术

在日常生活中，人们经常花费大量的时间在室内空间，如办公楼、商场、博物馆、机场、地铁等交通设施。随着室内定位服务的流行，对于很多应用来说，一个越来越重要的需求是定位室内最近的邻居，比如大型购物中心的室内导航，引导病人到医院的诊所，跟踪儿童和老年人，选择更好的室内空间广告位置等等。与室外空间的近邻查询不同，室内空间的近邻查询仍然是一个有待研究的问题。由于室内空间包括各种障碍物，例如墙、门、走廊等，如果我们像室外空间一样简单地忽略这些障碍物来回答室内空间的查询是没有意义的。现有的室内最近邻定位方法都是基于实际步行距离，需要进行地面测量和大量的人工工作来测量许多实际距离。

目前比较应用比较多的室内定位技术是基于RFID的定位技术和基于RSSI的定位技术。其中，基于RFID的定位需要大量的RFID传感器，购买和维护专用硬件的成本很高，在使用RFID定位计算室内距离时，需要测量房间的长度和宽度，以及相邻两扇门的距离，这是劳动密集型的。

与基于RFID的定位技术相比，基于接收信号强度指示(Received SignalStrength Indication，RSSI)的室内定位具有成本低、易于实现的优点。RSSI是接收天线接收到的功率水平和可能的线缆损耗的指示，可以反映室内物体的位置。建筑物内部和周围无线局域网的普及，使得基于接入点(APs)接收到的信号强度的定位系统成为可取的。然而，传统的基于RSSI的定位方法需要同时测量接收到的信号强度和参考点坐标。确定参考点的坐标需要建筑蓝图，这是一项艰苦的工作，而蓝图并不总是容易得到的。考虑以下情况：1)在井下环境中，实时获取井下人员分布情况对矿井的安全生产具有重要意义，且难以获取参考点坐标；2)室内导航在大型商场，每个顾客都不可能佩戴RFID标签。

发明内容

针对现有技术存在的问题，本发明提供一种基于RSSI的室内最近邻定位方法，能够提升室内最近邻定位的精度和效率。

本发明的技术方案为：

一种基于RSSI的室内最近邻定位方法，其特征在于，包括下述步骤：

步骤1：对定位区域进行空间划分，并采集RSSI集合：定位区域中的室内对象集合O＝(o₁,o₂,...,o_n,...,o_N)中的每个对象接收来自定位区域内每个接入点的信号强度值构成RSSI集合F＝(f₁,f₂,...,f_n,...,f_N)；

其中，f_n为第n个室内对象o_n的RSSI，n∈{1,2,...,N}，N为室内对象总数，f_n＝(r_n1,r_n2,...,r_nm,...,r_nM)，r_nm为室内对象o_n接收来自第m个接入点AP_m的信号强度值，m∈{1,2,...,M}，M为定位区域内的接入点总数；

步骤2：构建RSSI图：将每个RSSI作为一个结点，有支配RSSI的空间分区中每个RSSI与支配RSSI相连形成一条边，没有支配RSSI的空间分区中每个RSSI与该RSSI最近邻的RSSI相连形成一条边，有支配RSSI且相邻的两个空间分区的支配RSSI相连形成一条边，形成室内RSSI图；

步骤3：计算室内对象集合O中任意两个对象之间的RSSI距离：对于室内对象集合O中的任意两个对象o_i、o_j，

若对象o_i、o_j位于同一空间分区，则对于对象o_i、o_j的RSSI f_i＝(r_i1,r_i2,...,r_iM)、f_j＝(r_j1,r_j2,...,r_jM)，寻找f_i中最强的两个信号强度值r_ip、r_iq，计算对象o_i、o_j之间的RSSI距离为

其中，

α为预设的参数，r_AB表示距离接入点AP_p最近的RSSI接收到的来自AP_p的信号强度值与距离接入点AP_q最近的RSSI接收到的来自AP_q的信号强度值的平均值；

若对象o_i、o_j位于不同的空间分区，则通过RSSI图在对象o_i、o_j之间构建一个路径，将该路径划分为多个子路径，每个子路径上的RSSI位于同一分区，将所有子路径的长度之和作为对象o_i、o_j之间的RSSI距离；子路径的长度为该子路径上每两个相连的RSSI之间的RSSI距离的和；

步骤4：对需定位用户进行最近邻定位：将室内对象集合O＝(o₁,o₂,...,o_n,...,o_N)映射到RSSI图中，每个对象映射到对应的RSSI中，并将需定位用户当前接收到的RSSI f_u映射到RSSI图中，在RSSI图上对f_u进行近邻查询，找到与f_u之间的距离最近的RSSI对应的对象。

进一步地，所述步骤4中，将需定位用户当前接收到的RSSI f_u映射到RSSI图中，包括：

计算RSSI f_u＝(r_u1,r_u2,...,r_uM)与RSSI图中每个RSSI f_i＝(r_i1,r_i2,...,r_iM)∈F之间的相似度为

其中，

将与RSSI f_u之间的相似度最大的RSSI作为RSSI f_u在RSSI图中的映射。

本发明的有益效果为：

本发明基于定位区域的空间划分和采集的RSSI集合构建RSSI图来捕捉室内空间的拓扑结构和逻辑结构，对位于相同空间分区及不同空间分区的对象之间的RSSI距离进行计算，来测量对象之间的真实距离，利用相似度计算和RSSI距离计算对需定位用户进行最近邻定位，能够在不测量室内对象的真实距离的情况下实现对对象的最近邻定位，提升了室内最近邻定位的精度和效率。

附图说明

图1为本发明的基于RSSI的室内最近邻定位方法的流程图。

图2为极坐标距离度量的示意图。

图3为传统RSSI距离度量的示意图。

图4为同一空间分区内对象的关系示意图。

图5为不同空间分区内对象的关系示意图。

图6为具体实施方式中使用数据集1时室内对象的不同数量下本发明的基于RSSI的室内最近邻定位方法的平均准确率示意图。

图7为具体实施方式中使用数据集2时室内对象的不同数量下本发明的基于RSSI的室内最近邻定位方法的平均准确率示意图。

图8为具体实施方式中使用数据集1时室内对象的不同数量下本发明的基于RSSI的室内最近邻定位方法的运行时间示意图。

图9为具体实施方式中使用数据集2时室内对象的不同数量下本发明的基于RSSI的室内最近邻定位方法的运行时间示意图。

图10为具体实施方式中使用数据集1时室内对象的不同数量下本发明的基于RSSI的室内最近邻定位方法的平均误差距离示意图。

图11为具体实施方式中使用数据集2时室内对象的不同数量下本发明的基于RSSI的室内最近邻定位方法的平均误差距离示意图。

图12为具体实施方式中使用数据集1时查询需求的不同数量下本发明的基于RSSI的室内最近邻定位方法的平均准确率示意图。

图13为具体实施方式中使用数据集2时查询需求的不同数量下本发明的基于RSSI的室内最近邻定位方法的平均准确率示意图。

图14为具体实施方式中使用数据集1时查询需求的不同数量下本发明的基于RSSI的室内最近邻定位方法的运行时间示意图。

图15为具体实施方式中使用数据集2时查询需求的不同数量下本发明的基于RSSI的室内最近邻定位方法的运行时间示意图。

具体实施方式

下面将结合附图和具体实施方式，对本发明作进一步描述。

如图1所示，本发明的基于RSSI的室内最近邻定位方法，包括下述步骤：

步骤1：对定位区域进行空间划分，并采集RSSI集合：定位区域中的室内对象集合O＝(o₁,o₂,...,o_n,...,o_N)中的每个对象接收来自定位区域内每个接入点的信号强度值构成RSSI集合F＝(f₁,f₂,...,f_n,...,f_N)；

其中，f_n为第n个室内对象o_n的RSSI，n∈{1,2,...,N}，N为室内对象总数，f_n＝(r_n1,r_n2,...,r_nm,...,r_nM)，r_nm为室内对象o_n接收来自第m个接入点AP_m的信号强度值，m∈{1,2,...,M}，M为定位区域内的接入点总数。

其中，室内对象可以是静态对象(如购物中心中的特殊商店)，也可以是移动对象(如购物中心中的步行器)，每个室内对象都配置有能够接收接入点(Access Point，简称AP)的信号的设备。每个室内对象都用RSSI表示，RSSI是一组从APs接收到的信号强度。我们已经知道了室内空间的平面图，需要对室内空间进行空间划分，房间、楼梯均作为一个空间分区，走廊被划分成多个空间分区。每个空间分区是一小块独立的空间，相邻的两个分区由一扇门连接。

本实施例中，RSSI集合有两个种：数据集1——KIOS数据集和数据集2——Wi-Fi接收到的信号强度测量数据集，对比使用该两个数据集来对用户定位。

步骤2：构建RSSI图：将每个RSSI作为一个结点，有支配RSSI的空间分区中每个RSSI与支配RSSI相连形成一条边，没有支配RSSI的空间分区中每个RSSI与该RSSI最近邻的RSSI相连形成一条边，有支配RSSI且相邻的两个空间分区的支配RSSI相连形成一条边，形成室内RSSI图。

通过构建RSSI图来连接室内空间的RSSIs，以捕捉室内空间的拓扑结构和逻辑结构。其中，空间分区的支配RSSI为进出该空间分区必须经过的结点。

步骤3：计算室内对象集合O中任意两个对象之间的RSSI距离：

室内空间中，对象与APs的位置存在以下情况：

(1)几个对象在同一个空间分区上，它们与AP之间没有墙(如图4左图所示)，或它们与AP之间有一些墙(如图4右图所示)；

(2)如图5所示，几个对象在不同的分区中，它们与AP之间有一些墙；

(3)两个对象在不同楼层，将楼梯附近的物体与RSSI连接起来，并像在同一层楼一样处理它们。

在同一空间分区的两个室内对象o_i、o_j，二者之间的RSSI距离D_f(f_i,f_j)＝kD_r(f_i,f_j)，D_r(f_i,f_j)为对象o_i、o_j之间的室内距离，k为常量。从而可以利用RSSI距离来测量室内对象之间的室内距离。

为了计算同一分区中两个RSSI的RSSI距离，传统的距离度量没有考虑AP与RSSI之间的相对位置和距离。但是在室内空间，由于墙壁的阻碍，每个入口点的重量可能不同。我们发现AP的位置和RSSI的位置会影响RSSI距离。如图2和图3所示，当我们仅用一个AP计算两个RSSI的RSSI距离时，考虑两个RSSI f₁和f₂具有相同的AP₁接收信号强度，它们可能位于与AP₁相关的一个圆上。考虑两个RSSI f₁和f₃具有不同的AP₁接收信号强度，它们可能位于与AP₁相关的两个圆上。当我们用AP₁和AP₂计算f₄和f₅的RSSI距离时，f₄可能位于两个圆的交点处。这不能测量它们的实际距离。因此，为提升距离计算的准确度，本发明考虑用三个AP计算RSSI距离。

对于室内对象集合O中的任意两个对象o_i、o_j，

若对象o_i、o_j位于同一空间分区，则对于对象o_i、o_j的RSSI f_i＝(r_i1,r_i2,...,r_iM)、f_j＝(r_j1,r_j2,...,r_jM)，寻找f_i中最强的两个信号强度值r_ip、r_iq，计算对象o_i、o_j之间的RSSI距离为

其中，

α为预设的参数，r_AB表示距离接入点AP_p最近的RSSI接收到的来自AP_p的信号强度值与距离接入点AP_q最近的RSSI接收到的来自AP_q的信号强度值的平均值。本实施例中，α＝5。

若对象o_i、o_j位于不同的空间分区，则通过RSSI图在对象o_i、o_j之间构建一个路径，将该路径划分为多个子路径，每个子路径上的RSSI位于同一分区，将所有子路径的长度之和作为对象o_i、o_j之间的RSSI距离；子路径的长度为该子路径上每两个相连的RSSI之间的RSSI距离的和。

步骤4：对需定位用户进行最近邻定位：将室内对象集合O＝(o₁,o₂,...,o_n,...,o_N)映射到RSSI图中，每个对象映射到对应的RSSI中，并将需定位用户当前接收到的RSSI f_u映射到RSSI图中，在RSSI图上对f_u进行近邻查询，找到与f_u之间的距离最近的RSSI对应的对象。

给定一个室内对象和一组RSSI，需要比较该对象与每个RSSI的相似性，找出与该对象相似性最大的RSSI。传统的室内定位相似性度量是L2(欧几里德)距离或余弦距离，没有考虑AP与RSSI的相对位置和距离。本实施例中，考虑AP与RSSI的相对位置和距离，计算RSSI f_u＝(r_u1,r_u2,...,r_uM)与RSSI图中每个RSSI f_i＝(r_i1,r_i2,...,r_iM)∈F之间的相似度为

其中，

将与RSSI f_u之间的相似度最大的RSSI作为RSSI f_u在RSSI图中的映射。

本实施例中，对室内对象集合中室内对象的不同数量下定位的平均准确率进行了测试。随机生成了10000个查询需求，每个查询需求为对需定位用户的RSSI f_u进行映射和最近邻定位。对这10000个RSSI f_u进行映射，将映射准确的个数除以查询需求总数，得到平均准确率。图6和图7分别显示了使用数据集1和数据集2时改变室内对象的个数时对10000个RSSI进行映射的平均准确率，可以看出，平均准确率相对于室内对象个数是稳定的。

此外，还在使用数据集1时室内对象的每种数量下，改变接入点的总数M依次为5、14、57，来对用户进行映射。对比不同M取值下的平均准确率可以看出，接入点的总数M越少平均准确率越高。图6和图7中，L2 Dist表示使用L2距离定位用户的位置，并由此找到最近邻，对比本发明基于相似性度量进行定位的方法可以发现，本发明的基于相似性度量进行定位的方法准确性要高很多。

还对室内对象的不同数量下本发明的方法的性能进行了测试。图8和图9分别显示了使用数据集1和数据集2时更改室内对象的数量时本发明的运行时间，可以看出，在使用数据集1时，进行10000个查询的运行时间不超过5s。由图8可以看出，接入点数量越多，本发明的运行时间越长。

还对室内对象的不同数量下最近邻定位的平均误差距离进行了测试。图10和图11分别显示了使用数据集1和数据集2时更改室内对象的数量时最近邻定位的平均误差距离。平均误差距离为需定位用户与本发明的方法定位到的最近邻之间的距离同需定位用户与其实际最近邻之间的距离之差。可以看出，用于参考的室内对象越多，平均误差距离越小。

本实施例中，还对查询需求的不同数量下本发明的定位准确率和运行时间进行了测试。图12和图13显示了使用数据集1和数据集2时更改查询需求的数量时定位的平均准确率。图14和图15显示了使用数据集1和数据集2时更改查询需求的数量时本发明的运行时间。可以看出，一方面，本发明的平均准确率相对于查询需求的数量是稳定的，在使用数据集1时本发明的准确率在80％以上、使用数据集2时准确率在90％以上，提升了定位的准确率。另一方面，本发明的运行时间随着查询需求的增多而增多，当使用数据集1时即使在满足10000个查询需求且接入点数量为57时，运行时间也不超过3s，大大提升了定位的效率。

显然，上述实施例仅仅是本发明的一部分实施例，而不是全部的实施例。上述实施例仅用于解释本发明，并不构成对本发明保护范围的限定。基于上述实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，也即凡在本申请的精神和原理之内所作的所有修改、等同替换和改进等，均落在本发明要求的保护范围内。

Claims (2)

1.一种基于RSSI的室内最近邻定位方法，其特征在于，包括下述步骤：

步骤1：对定位区域进行空间划分，并采集RSSI集合：定位区域中的室内对象集合O＝(o₁,o₂,...,o_n,...,o_N)中的每个对象接收来自定位区域内每个接入点的信号强度值构成RSSI集合F＝(f₁,f₂,...,f_n,...,f_N)；

其中，f_n为第n个室内对象o_n的RSSI，n∈{1,2,...,N}，N为室内对象总数，f_n＝(r_n1,r_n2,...,r_nm,...,r_nM)，r_nm为室内对象o_n接收来自第m个接入点AP_m的信号强度值，m∈{1,2,...,M}，M为定位区域内的接入点总数；

步骤2：构建RSSI图：将每个RSSI作为一个结点，有支配RSSI的空间分区中每个RSSI与支配RSSI相连形成一条边，没有支配RSSI的空间分区中每个RSSI与该RSSI最近邻的RSSI相连形成一条边，有支配RSSI且相邻的两个空间分区的支配RSSI相连形成一条边，形成室内RSSI图；

步骤3：计算室内对象集合O中任意两个对象之间的RSSI距离：对于室内对象集合O中的任意两个对象o_i、o_j，

若对象o_i、o_j位于同一空间分区，则对于对象o_i、o_j的RSSI f_i＝(r_i1,r_i2,...,r_iM)、f_j＝(r_j1,r_j2,...,r_jM)，寻找f_i中最强的两个信号强度值r_ip、r_iq，计算对象o_i、o_j之间的RSSI距离为

其中，

α为预设的参数，r_AB表示距离接入点AP_p最近的RSSI接收到的来自AP_p的信号强度值与距离接入点AP_q最近的RSSI接收到的来自AP_q的信号强度值的平均值；

若对象o_i、o_j位于不同的空间分区，则通过RSSI图在对象o_i、o_j之间构建一个路径，将该路径划分为多个子路径，每个子路径上的RSSI位于同一分区，将所有子路径的长度之和作为对象o_i、o_j之间的RSSI距离；子路径的长度为该子路径上每两个相连的RSSI之间的RSSI距离的和；

步骤4：对需定位用户进行最近邻定位：将室内对象集合O＝(o₁,o₂,...,o_n,...,o_N)映射到RSSI图中，每个对象映射到对应的RSSI中，并将需定位用户当前接收到的RSSI f_u映射到RSSI图中，在RSSI图上对f_u进行近邻查询，找到与f_u之间的距离最近的RSSI对应的对象。

2.根据权利要求1所述的基于RSSI的室内最近邻定位方法，其特征在于，所述步骤4中，将需定位用户当前接收到的RSSI f_u映射到RSSI图中，包括：

计算RSSI f_u＝(r_u1,r_u2,...,r_uM)与RSSI图中每个RSSI f_i＝(r_i1,r_i2,...,r_iM)∈F之间的相似度为

/>

其中，

将与RSSI f_u之间的相似度最大的RSSI作为RSSI f_u在RSSI图中的映射。

Images