CN111654843A - 自动更新指纹数据库的方法及系统、wifi定位方法及系统 - Google Patents

自动更新指纹数据库的方法及系统、wifi定位方法及系统 Download PDF

Info

Publication number
CN111654843A
CN111654843A CN201910162246.1A CN201910162246A CN111654843A CN 111654843 A CN111654843 A CN 111654843A CN 201910162246 A CN201910162246 A CN 201910162246A CN 111654843 A CN111654843 A CN 111654843A
Authority
CN
China
Prior art keywords
fingerprint
fingerprint database
automatically updating
updating
fingerprints
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.)
Granted
Application number
CN201910162246.1A
Other languages
English (en)
Other versions
CN111654843B (zh
Inventor
刘若鹏
栾琳
张莎莎
易友文
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.)
Shenzhen Kuang Chi Space Technology Co Ltd
Original Assignee
Shenzhen Kuang Chi Space Technology Co Ltd
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 Shenzhen Kuang Chi Space Technology Co Ltd filed Critical Shenzhen Kuang Chi Space Technology Co Ltd
Priority to CN201910162246.1A priority Critical patent/CN111654843B/zh
Priority claimed from CN201910162246.1A external-priority patent/CN111654843B/zh
Priority to PCT/CN2019/112535 priority patent/WO2020177334A1/zh
Publication of CN111654843A publication Critical patent/CN111654843A/zh
Application granted granted Critical
Publication of CN111654843B publication Critical patent/CN111654843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
    • 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
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Abstract

本发明提供了一种自动更新指纹数据库的方法及系统、wifi定位方法及系统，其中所述自动更新指纹数据库方法，包括：对指纹数据库中指纹的匹配次数排序；对排名靠后的指纹的RSSI进行扩展；将扩展后的指纹更新到所述指纹数据库中，记录每个指纹的匹配次数；检查扩展的指纹的匹配次数，保留扩展指纹中次数最多的指纹，删除其余指纹。通过自适应的方式自动生成指纹库，同时在线更新指纹库，实现指纹库随着外界环境的变化而同步更新；可以大幅度的降低采集/更新指纹库的工作量，同时还能保证指纹库的可靠性，提升wifi定位的精度；不仅节省了人力成本，测试人员还易上手执行，便于工程的大规模推广。

Description

自动更新指纹数据库的方法及系统、wifi定位方法及系统
【技术领域】
本发明涉及指纹数据库更新技术领域，尤其涉及一种自动更新指纹数据库的方法及系统、wifi定位方法及系统。
【背景技术】
wifi定位中，常用的定位算法有三角定位算法和基于位置指纹的定位算法，这两种定位算法各有优劣。
三角定位算法通常使用三角几何原理建立数学模型来计算移动终端所在位置，常用的方法有基于到达时间(Time Of Arrival，TOA)、基于到达时间差(Time Difference OfArrival，TDOA)、基于入射角(Angle Of Arrival，AOA)的方法。在实施过程中不用大量采集指纹，人力成本较低；但是其定位精度较差，且由于其算法复杂度较高，对硬件设备的要求也较高。
位置指纹定位算法，分为离线训练和在线匹配两个过程，离线训练过程需要采集大量的指纹，位置指纹由一组接收信号的强度指示RSSI(Received Signal StrengthIndicator)向量[AP1，AP2，……，APi]，和该位置的坐标信息组成。由于外界环境的不稳定因素，造成人工采集的RSSI向量可靠度较低。如果所有采集到的数据有用，都能改善系统的性能，那么这样的时间和人力上的投资是有必要的。但实际常常很多数据并没有那么有用，一个“好”的指纹不应该带来定位上的错误，或者至少是″多半不会带来错误″。从RSSI指纹的角度来看，RSSI的方差应该尽量小，在信号空间中没有其他的位置指纹距离它非常近。然而，有些指纹的实际位置并不接近，而在信号空间中的欧氏距离却比较小，这样的指纹采集过来也许不会改善性能，反而会造成定位的时候额外的计算量。把这样的指纹放入指纹库中甚至会降低定位精度。因此，这样方式生成的指纹库，更新频率低，指纹库不能随着外界环境的变化而同步更新；采集/更新指纹库的工作量大，同时还不能保证指纹库的可靠性，不能确保wifi定位的精度；不仅增加了人力成本，测试人员还难以执行，不利于工程的大规模推广应用。
【发明内容】
本发明所要解决的技术问题是提供一种自动更新指纹数据库的方法、系统及wifi定位方法，能够通过自适应的方式自动生成指纹库，同时在线更新指纹库，实现指纹库随着外界环境的变化而同步更新；可以大幅度的降低采集/更新指纹库的工作量，同时还能保证指纹库的可靠性，提升wifi定位的精度；不仅节省了人力成本，测试人员还易上手执行，便于工程的大规模推广。
为解决上述技术问题，一方面，本发明一实施例提供了一种自动更新指纹数据库的方法，包括：对指纹数据库中每个指纹的匹配次数排序；对排名靠后的指纹的RSSI进行扩展；将扩展后的指纹更新到所述指纹数据库中，记录指纹的匹配次数；检查扩展的指纹的匹配次数，保留扩展指纹中次数最多的指纹，唰除其余指纹。
优选地，对排名靠后的指纹的RSSI进行扩展包括：选取一定区间，对在选取的一定区间内的指纹的信号强度进行浮动调整。
优选地，对指纹数据库中指纹的匹配次数排序之前，包括：更新指纹匹配次数。
优选地，所述一定区间为-10dbm～+10dbm。
优选地，所述更新指纹匹配次数包括：当wifi设备实时接收到的信号中定位到当前位置坐标时，则相应的检测次数加一。
优选地，在更新指纹匹配次数之前包括：生成指纹数据库。
优选地，生成指纹数据库之前，包括：wifi设备采集指纹信息，所述指纹信息包括指纹坐标和RSSI，生成所述指纹坐标与所述wifi设备坐标之间的距离d以及RSSI的损耗参数ε和常数K。
优选地，生成指纹数据库包括：对所述待定位设备坐标数据进行滤波。
优选地，生成指纹数据库包括：将wifi设备实时接收到的信号数据与所述指纹数据库进行匹配，根据所述指纹坐标数据推算出待定位设备坐标数据。
优选地，生成指纹坐标与所述wifi设备坐标之间的距离d和RSSI的损耗参数ε和常数K，采取线性拟合的方式获得。
优选地，对所述待定位设备坐标数据进行滤波，采取滑动平均滤波法或者卡尔曼滤波法。
优选地，对所述待定位设备坐标数据进行滤波之后包括：输出待定位设备位置坐标。
优选地，将所述wifi设备实时接收到的信号与所述指纹数据库进行匹配，采取概率型算法或确定型算法或计算相似度算法匹配。
优选地，所述计算相似度算法包括：将进行相似性比较的内容视为向量，计算其余弦值，选取相似度最高的一条指纹坐标推算出待定位设备位置坐标。
优选地，所述确定型算法包括：采用确定性的推理算法或最近邻法或K近邻法或K加权近邻法或动态K值加权算法来估算出待定位设备的位置坐标。
优选地，所述计算相似度算法包括余弦相似度算法。
另一方面，本发明一实施例提供了一种自动更新指纹数据库的系统，所述系统包括wifi设备、POE供电模块、服务器，所述系统执行上述的自动更新指纹数据库的方法。
另一方面，本发明一实施例提供了一种wifi定位方法，所述方法上述的自动更新指纹数据库的方法。
另一方面，本发明一实施例提供了一种wifi定位系统，该系统包括wifi设备、POE供电模块、服务器，该系统执行上述的自动更新指纹数据库的方法。
与现有技术相比，上述技术方案具有以下优点：通过自适应的方式自动生成指纹库，同时在线更新指纹库，实现指纹库随着外界环境的变化而同步更新；可以大幅度的降低采集/更新指纹库的工作量，同时还能保证指纹库的可靠性，提升wifi定位的精度；不仅节省了人力成本，测试人员还易上手执行，便于工程的大规模推广。
【附图说明】
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是现有技术中基于到达时间(Time Of Arrival，TOA)定位原理图；
图2是现有技术中基于到达时间差(Time Difference Of Arrival，TDOA)定位原理图；
图3是现有技术中基于入射角(Angle Of Arrival，AOA)的方法定位原理图；
图4是本发明自动更新指纹数据库的方法的位置指纹定位原理图；
图5是本发明自动更新指纹数据库的方法流程图；
图6是本发明基于自动更新指纹数据库的方法的wifi定位方法流程图；
图7是本发明基于自动更新指纹数据库的方法的另一wifi定位方法流程图；
图8是本发明自动更新指纹数据库的方法中指纹库存储示意图；
图9是本发明自动更新指纹数据库的方法中指纹在线更新方法流程图；
图10是本发明自动更新指纹数据库的系统结构图；
图11是图10中数据服务器存储示意图；
图12是图10中定位服务器存储示意图。
【具体实施方式】
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
wifi设备有很多种，例如智能手机、平板电脑和笔记本电脑、无线路由器等。wifi探针基于wifi探测技术来识别无线wifi接入点附近。开启WiFi功能的智能手机或者WiFi终端(笔记本，平板电脑等)，用户不需要主动接入WiFi，探针就能够识别用户，无论是IOS或者安卓系统都能检测到，通过获取设备的MAC地址。Wi-Fi探针可提供基础的身份识别数据，将采集到的MAC地址数据结合电信企业、公安机关数据相关联，可建立多维度的公共安全监控系统。MAC地址作为智能手机的唯一识别码，可以作为身份信息的识别。结合视频感知部署位置建设，Wi-Fi探针较广的覆盖，可以采集在范围内的MAC地址，同时数据不受限制，MAC地址可以海量的采集。Wi-Fi探针可实现数据的实时传输，监控数据可以实时的回传；身份匹配：MAC地址作为手机的唯一识别码，结合其他数据可实现身份匹配。以下实施例中wifi设备以wifi探针为例来说明。
图1是现有技术中基于到达时间(Time Of Arrival，TOA)定位原理图。图2是现有技术中基于到达时间差(Time Difference Of Arrival，TDOA)定位原理图。图3是现有技术中基于入射角(Angle Of Arrival，AOA)的方法定位原理图，如背景技术中所述，这三种方式在实施过程中不用大量采集指纹，虽然人力成本较低，但是其定位精度较差，且由于其算法复杂度较高，对硬件设备的要求也较高。
实施例一
图4是本发明自动更新指纹数据库的方法的位置指纹定位原理图。位置指纹定位技术是一种基于接收信号强度指示RSSI(ReceivedSignalStrengthIndicator)的非测距定位，通过不同位置处的接收信号强度(RSSI值)特征不同，运用RSSI特征的不同来推断待定位位置，包括离线训练和在线定位两个阶段：
离线训练：其日标在于建立一个位置指纹数据库，首先获得待定位区域的平面分布图，并事先在待定位的区域中按照格网等间距地布设一系列的位置指纹采样点(即参考点RPs，参考点的坐标是事先通过测量得到的。在每个参考点上采集其周围所有检测到的APs(AccessPoints一般翻译为“无线防问节点”，或“桥接器”，其主要在媒体存取控制层MAC中扮演无线工作站及有线局域网络的桥梁)的信号，将每一个AP的信息、接收的信号强度(RSSI值)、连同参考点的位置一起，作为一条“指纹”存入位置指纹数据库。
在线定位：待定位用户在待定位区域中某一位置处，实时采集移动终端扫描到的所有APs的RSSI值，并将这些APs中每个AP对应的MAC地址、名称(BSSID)和RSSI值组成一个指纹向量，作为匹配定位算法的输入数据，以特定的匹配算法与位置指纹数据库数据进行匹配，通过参考点的坐标推算出待定位坐标。
位置指纹定位算法在离线训练过程需要采集大量的指纹，位置指纹由一组RSSI向量[APl，AP2，...，APi]和该位置的坐标信息组成。
图5是本发明自动更新指纹数据库的方法流程图。如图5所示，一种自动更新指纹数据库的方法，包括步骤：
S11、对指纹数据库中每个指纹的匹配次数排序；
S12、对排名靠后的指纹的RSSI进行扩展；
S13、将扩展后的指纹更新到所述指纹数据库中，记录指纹的匹配次数；
S14、检查扩展的指纹的匹配次数，保留扩展指纹中次数最多的指纹，删除其余指纹。
对指纹数据库中每个指纹的匹配次数排序可以按照匹配次数从大到小进行排序。为了确保指纹数据的有效性，将排名靠后的指纹的RSSI进行扩展。检查扩展的指纹的匹配次数，保留扩展指纹中次数最多的指纹，唰除其余指纹是为了提高指纹数据的可靠性，剔除一些对指纹定位精度有干扰的数据。
实施例二
图6是本发明基于自动更新指纹数据库的方法的wifi定位方法流程图。一种基于自动更新指纹数据库的方法的wifi定位方法，包括：wifi采集指纹信息，所述指纹信息包括指纹坐标和RSSI，生成指纹坐标和wifi设备坐标的距离d和RSSI的损耗参数ε和常数K；生成指纹数据库；将wifi设备实时接收到的信号数据与所述指纹数据库进行匹配，根据指纹坐标数据推算出待定位设备坐标数据；更新指纹匹配次数；更新指纹数据库。
图7是本发明基于自动更新指纹数据库的方法的另一wifi定位方法流程图。它与图6的区别在于，在更新指纹数据后，还增加了步骤：对待定位设备坐标数据进行滤波和输出待定位设备位置坐标。对待定位设备坐标数据进行滤波，其日的是预测出每个用户的动态轨迹。输出待定位设备位置坐标，其日的是为了方便测试人员查看。
由于无线信号在传输过程中通常会受路径损耗、阴影衰落等等的影响，接收信号功率随距离的变化关系可由信号传输损耗模型给出。传输损耗模型通常采用如下简化模型：Pr(d)＝K-10ε1g(d)(dBm)，其中，d代表接收机和发射机之间的距离，ε代表自由空间的损耗系数，K为常数，可以根据实际需要设置。由上可知，在离固定信号发射源不同距离的位置上的平均RSSI的衰减和距离的对数成正比，基于此模型，可通过在线学习找出距离和接收信号的关系。
需要说明的是，固定发射源可以是wifi探针设备，也可以是蓝牙设备，也可以是其他无线电设备。此案例以wifi探针为例进行说明：
(1)初始化参数ε和K
由如上公式可知，如果在一种传播环境中获知ε损耗系数和常数K，那么距离固定发射源不同距离位置处的RSSI就可以被估算出来。
ε和K的初始化，可通过经验值或者在线学习的方式获取。在线学习的方法为：在探针覆盖区域内，采集些许指纹信息(包括坐标和RSSI)，通过线性拟合的方式生成距离和RSSI的参数ε和K。
(2)生成指纹库
在探针覆盖区域内采集指纹坐标(仅包含坐标位置，不包含RSSI)，计算所有指纹坐标和wifi探针坐标的距离d，根据无线信号的传输损耗模型Pr(d)＝K-10εlg(d)(dBm)，计算在不同位置处，接收到的不同wifi探针的信号强度，将不同探针的接收信号强度组成一组信号向量[AP1，AP2，...，APi]，结合位置坐标，形成一条指纹信息存储起来。
需要说明的是，结合实际信号的衰减规律，如果某一个指纹坐标和wifi探针坐标的距离大于阈值d0，则认为接收信号很微弱，在该指纹坐标位置不能接收到对应探针的信号，同时不存储该探针的信号强度。
(3)在线匹配
在线匹配的方法同位置指纹定位方案中的在线定位阶段，根据一定的匹配算法，通过计算实时接收到的信号与指纹数据库数据进行匹配，根据指纹坐标推算出待定位坐标。
一般的，典型的在线匹配方法分为概率型算法和确定型算法两类。
常用的概率型算法包括：朴素贝叶斯法、核函数法、最大似然概率法等。其核心思想是：离线阶段，在各个参考点处，通过采集到APs的RSSI观测值(用随机变量x表示)拟合出每个参考点的RSSI概率分布函数。假设待定位点处实测的RSSI向量(用随机变量Y表示)，计算出待定位点RSSI的条件概率或者后验概率。选取出具有最大后验概率的参考点X0，作为待定位点估计位置，或者选取多个后验概率大的参考点，用它们的位置共同参与估算待定位点位置。
与基于概率的概率型算法不同，确定型算法采用确定性的推理算法来估算出待定位终端的位置，如最近邻法(NN)，K近邻法(KNN)，K加权近邻法(WKNN)，动态K值加权算法(EWKNN)等。
同时还包括计算相似度的在线匹配方法，如余弦相似度方法。余弦相似性顾名思义是指通过余弦的方式计算相似度，余弦是两个向量的夹角，将需要进行相似性比较的内容视为向量，计算其余弦值。选取相似度最高的一条指纹坐标推算出待定位坐标。
(4)更新指纹匹配次数
在线匹配过程同步记录最优指纹的匹配次数。指纹数据库的存储格式如附图8所示。图8是本发明自动更新指纹数据库的方法中指纹库存储示意图。如图8所示，每一行数据表示第i个指纹信息编码序号，第i个指纹信息的X坐标值，第i个指纹信息的Y坐标值，不同探针在当前位置(X，Y)检测到的信号向量，匹配次数。
这里的最优指纹是指在当前接收信号强度下，与此接收信号最为匹配的指纹，同时将该最优指纹的匹配次数加1。
(5)定期更新指纹库
由于外界环境变化，且并不是每个指纹的可靠性都很高。所以需要定期对指纹库进行更新，以维扩指纹的准确性。更新的方法很多，本案例以匹配次数为例进行指纹的更新，在线更新方法如图9所示。图9是本发明自动更新指纹数据库的方法中指纹在线更新方法流程图。指纹在线更新方法包括步骤：
a.对指纹库中每个指纹的匹配次数按照从大到小的顺序排序。
b.对排名靠后的每条指纹(选取一定区间)的RSSI进行扩展。
将RSSI的功率进行一定区间的浮动调整，如调整区间在-10dbm～+10dbm范围内浮动。
假设有两条指纹的匹配次数排名靠后，指纹的RSSI分别为[1，2，3]，[4，5，6]，对指纹进行-10～+10dbm的扩展，以指纹[1，2，3]为例，扩展出14条指纹，扩展结果如下：
[11，2，3]，[1，12，3]，[1，2，13]，[11，12，3]，[11，2，13]，[1，12，13]，[11，12，13]；
[-9，2，3]，[1，-8，3]，[1，2，-7]，[-9，-8，3]，[-9，2，-7]，[1，-8，-7]，[-9，-8，-7]。
需要说明的是，这里也可以对扩展区间内的浮动值逐个进行扩展，以更加细化指纹的精度。如，以扩展-10dbm为例，这里有三个wifi探针在检测信号，则扩展指纹数量为：
Figure BDA0001984680780000091
-10～+10dbm区间以扩展-10，-9，-8，-7，-6，-5，-4，-3，-2，-1，+1，+2，+3，+4，+5，+6，+7，+8，+9，+10共20个数据来说，则扩展指纹数量为
Figure BDA0001984680780000092
个。推广到一般情况，假如有N(N≥2)条指纹的匹配次数排名靠后，对指纹进行-D～+D(D为大于0的整数)dbm的扩展，则扩展指纹数量为：2D×(2n-1)个。扩展指纹数据增多，可以提升对待定位设备进行坐标定位的精度。
c.将扩展后的指纹更新到指纹库中，正常执行在线匹配算法，同时记录每个指纹的匹配次数(包含扩展的指纹)。
d.定期检查扩展的指纹的匹配次数，同时保留扩展指纹中次数最多的指纹，删除其余指纹。
需要说明的是，指纹库的更新可以根据需要定期执行，以减少算法的复杂度。
(6)滤波
对(3)中定位出的坐标进行滤波，其日的是预测出每个用户的动态轨迹。常用的滤波方法包括滑动平均滤波，卡尔曼滤波等。
(7)输出定位结果
将(6)滤波后的结果存储在对应的数据库中，存储格式如附图11所示，同时输出定位结果。
实施例三
图10是本发明自动更新指纹数据库的系统结构图。所述系统包括：wifi探针设备、POE供电模块、服务器，所述系统执行上述的定位方法。其中wifi设备以wifi探针设备为例，一般包括以下功能：
(1)内置诱导模块发射高连接频率SSID，诱导待定位设备连接，增大捕获待定位设备MAC地址的概率。
(2)全频道扫描，抓取待定位设备MAC地址不漏包。
(3)加密回传被标记MAC信号强弱，连接时差等信息给位置计算服务器进行待定位设备位置坐标的精确计算。
POE供电模块，在给wifi探针设备供电的同时将wifi设备实时接收到的信号数据回传至数据库服务器。
服务器包括数据库服务器和定位数据库。数据库服务器，作为存储待定位设备MAC地址的数据库，快速比对WiFi探针设备所抓取的待定位设备的MAC地址，将比对成功数据传输给定位服务器，并对已标记MAC的设备的连接时长，连接时间，位置等信息进行更新入指纹数据库，数据服务器存储示意图如附图11所示。图11是图10中数据服务器存储示意图。数据服务器存储格式为，每一行数据表示待定位设备编号ID，待定位发备MAC地址，待定位设备设备名称，待定位设备发现时间，第一个wifi探针设备检测到的信号强度RSSI1，第二个wifi探针设备检测到的信号强度RSSI2，……，第n-1个wifi探针设备检测到的信号强度RSSIn-1，第n个wifi探针设备检测到的信号强度RSSIn。
定位服务器，运行定位算法，通过计算实时接收到的信号与指纹数据库数据进行匹配，根据指纹坐标推算出待定位坐标，定位出的结果存储示意图如附图12所示。图12是图10中定位服务器存储示意图。定位服务器存储格式为，每一行数据表示待定位设备编号ID、待定位设备MAC地址、待定位设备设备名称、待定位设备X坐标、待定位设备Y坐标、报告时间。
实施例四
一实施例公开了一种wifi定位系统，该系统包括：wifi探针设备、POE供电模块、服务器，所述系统执行上述的自动更新指纹方法。其中wifi设备以wifi探针设备为例，一般包括以下功能：
(1)内置诱导模块发射高连接频率SSID，诱导待定位设备连接，增大捕获待定位设备MAC地址的概率。
(2)全频道扫描，抓取待定位设备MAC地址不漏包。
(3)加密回传被标记MAC信号强弱，连接时差等信息给位置计算服务器进行待定位设备位置坐标的精确计算。
POE供电模块，在给wifi探针设备供电的同时将wifi设备实时接收到的信号数据回传至数据库服务器。
服务器包括数据库服务器和定位数据库。数据库服务器，作为存储待定位设备MAC地址的数据库，快速比对WiFi探针设备所抓取的待定位设备的MAC地址，将比对成功数据传输给定位服务器，并对已标记MAC的设备的连接时长，连接时间，位置等信息进行更新入指纹数据库，数据服务器存储示意图如附图11所示。图11是图10中数据服务器存储示意图。数据服务器存储格式为，每一行数据表示待定位发备编号ID，待定位设备MAC地址，待定位设备设备名称，待定位设备发现时间，第一个wifi探针设备检测到的信号强度RSSI1，第二个wifi探针设备检测到的信号强度RSSI2，……，第n-1个wifi探针设备检测到的信号强度RSSIn-1，第n个wifi探针设备检测到的信号强度RSSIn。
定位服务器，运行定位算法，通过计算实时接收到的信号与指纹数据库数据进行匹配，根据指纹坐标推算出待定位坐标，定位出的结果存储示意图如附图12所示。图12是图10中定位服务器存储示意图。定位服务器存储格式为，每一行数据表示待定位设备编号ID、待定位设备MAC地址、待定位设备设备名称、待定位设备X坐标、待定位设备Y坐标、报告时间。
由上述说明可知，使用根据本发明的自动更新指纹数据库的方法及系统、wifi定位方法及系统，通过自适应的方式自动生成指纹库，同时在线更新指纹库，实现指纹库随着外界环境的变化而同步更新；可以大幅度的降低采集/更新指纹库的工作量，同时还能保证指纹库的可靠性，提升wifi定位的精度；不仅节省了人力成本，测试人员还易上手执行，便于工程的大规模推广。
以上对本发明实施例进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (19)

1.一种自动更新指纹数据库的方法，其特征在于，包括：
对指纹数据库中每个指纹的匹配次数排序；
对排名靠后的指纹的RSSI进行扩展；
将扩展后的指纹更新到所述指纹数据库中，记录指纹的匹配次数；
检查扩展的指纹的匹配次数，保留扩展指纹中次数最多的指纹，删除其余指纹。
2.根据权利要求1所述的自动更新指纹数据库的方法，其特征在于，对排名靠后的指纹的RSSI进行扩展包括：选取一定区间，对在选取的一定区间内的指纹的信号强度进行浮动调整。
3.根据权利要求1所述的自动更新指纹数据库的方法，其特征在于，对指纹数据库中指纹的匹配次数排序之前，包括：更新指纹匹配次数。
4.根据权利要求2所述的自动更新指纹数据库的方法，其特征在于，所述一定区间为-10dbm～+10dbm。
5.根据权利要求3所述的自动更新指纹数据库的方法，其特征在于，所述更新指纹匹配次数包括：当wifi设备实时接收到的信号中定位到当前位置坐标时，则相应的检测次数加一。
6.根据权利要求3所述的自动更新指纹数据库的方法，其特征在于，在更新指纹匹配次数之前包括：生成指纹数据库。
7.根据权利要求6所述的自动更新指纹数据库的方法，其特征在于，生成指纹数据库之前，包括：wifi设备采集指纹信息，所述指纹信息包括指纹坐标和RSSI，生成所述指纹坐标与所述wifi设备坐标之间的距离d以及RSSI的损耗参数ε和常数K。
8.根据权利要求6所述的自动更新指纹数据库的方法，其特征在于，生成指纹数据库包括：对所述待定位设备坐标数据进行滤波。
9.根据权利要求6所述的自动更新指纹数据库的方法，其特征在于，生成指纹数据库包括：将wifi设备实时接收到的信号数据与所述指纹数据库进行匹配，根据所述指纹坐标数据推算出待定位设备坐标数据。
10.根据权利要求7所述的自动更新指纹数据库的方法，其特征在于，生成指纹坐标与所述wifi设备坐标之间的距离d和RSSI的损耗参数ε和常数K，采取线性拟合的方式获得。
11.根据权利要求8所述的自动更新指纹数据库的方法，其特征在于，对所述待定位设备坐标数据进行滤波，采取滑动平均滤波法或者卡尔曼滤波法。
12.根据权利要求8所述的自动更新指纹数据库的方法，其特征在于，对所述待定位设备坐标数据进行滤波之后包括：输出待定位设备位置坐标。
13.根据权利要求9所述的自动更新指纹数据库的方法，其特征在于，将所述wifi设备实时接收到的信号与所述指纹数据库进行匹配，采取概率型算法或确定型算法或计算相似度算法匹配。
14.根据权利要求13所述的自动更新指纹数据库的方法，其特征在于，所述计算相似度算法包括：将进行相似性比较的内容视为向量，计算其余弦值，选取相似度最高的一条指纹坐标推算出待定位设备位置坐标。
15.根据权利要求13所述的自动更新指纹数据库的方法，其特征在于，所述确定型算法包括：采用确定性的推理算法或最近邻法或K近邻法或K加权近邻法或动态K值加权算法来估算出待定位设备的位置坐标。
16.根据权利要求13所述的自动更新指纹数据库的方法，其特征在于，所述计算相似度算法包括余弦相似度算法。
17.一种自动更新指纹数据库的系统，其特征在于，所述系统包括wifi设备、POE供电模块、服务器，所述系统执行如权利要求1至16任意一项所述的自动更新指纹数据库的方法。
18.一种wifi定位方法，其特征在于，所述方法执行如权利要求1至16任意一项所述的自动更新指纹数据库的方法。
19.一种wifi定位系统，其特征在于，所述系统包括wifi设备、POE供电模块、服务器，所述系统执行如权利要求1至16任意一项所述的自动更新指纹数据库的方法。
CN201910162246.1A 2019-03-04 2019-03-04 自动更新指纹数据库的方法及系统、wifi定位方法及系统 Active CN111654843B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910162246.1A CN111654843B (zh) 2019-03-04 自动更新指纹数据库的方法及系统、wifi定位方法及系统
PCT/CN2019/112535 WO2020177334A1 (zh) 2019-03-04 2019-10-22 更新指纹数据库的方法及系统、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910162246.1A CN111654843B (zh) 2019-03-04 自动更新指纹数据库的方法及系统、wifi定位方法及系统

Publications (2)

Publication Number Publication Date
CN111654843A true CN111654843A (zh) 2020-09-11
CN111654843B CN111654843B (zh) 2024-04-30

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022056688A1 (en) * 2020-09-15 2022-03-24 Nokia Shanghai Bell Co., Ltd. Devices, methods, apparatuses and computer readable media for performing surveillance

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130205196A1 (en) * 2010-10-11 2013-08-08 Visoft Ltd. Location-based mobile application marketplace system
CN103347278A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 无线定位中指纹数据库的更新方法及装置
US20160150029A1 (en) * 2014-11-26 2016-05-26 Avaya Inc. Service discovery using a location database
CN106412839A (zh) * 2016-09-12 2017-02-15 南京邮电大学 基于二级分区与指纹梯度匹配的室内定位与跟踪方法
CN106792559A (zh) * 2016-12-28 2017-05-31 北京航空航天大学 一种WiFi室内定位系统中指纹库的自动更新方法
CN106804060A (zh) * 2017-03-07 2017-06-06 京信通信技术(广州)有限公司 一种指纹定位方法和装置
CN106804059A (zh) * 2017-01-18 2017-06-06 南京邮电大学 基于信号强度的室内定位技术中的终端差异消除方法
US20170177620A1 (en) * 2015-12-17 2017-06-22 Alibaba Group Holding Limited Constructing fingerprint database and positioning based on fingerprint database
WO2017143918A1 (zh) * 2016-02-26 2017-08-31 高德软件有限公司 更新指纹库的方法及装置
WO2017185828A1 (zh) * 2016-04-26 2017-11-02 中兴通讯股份有限公司 指纹定位方法及装置
CN107948930A (zh) * 2017-12-31 2018-04-20 电子科技大学 基于位置指纹算法的室内定位优化方法
CN108111973A (zh) * 2017-12-15 2018-06-01 东北大学 一种基于实时指纹获取的室内定位方法与装置
US20180332558A1 (en) * 2015-11-19 2018-11-15 The Hong Kong University Of Science And Technology Facilitation of indoor localization and fingerprint updates of altered access point signals
CN108966121A (zh) * 2018-06-20 2018-12-07 华南师范大学 一种适用于指纹定位算法的指纹库更新方法
CN108984785A (zh) * 2018-07-27 2018-12-11 武汉大学 一种基于历史数据和增量的指纹库的更新方法及装置
CN109116300A (zh) * 2018-06-28 2019-01-01 江南大学 一种基于非充分指纹信息的极限学习定位方法
CN109348428A (zh) * 2018-12-04 2019-02-15 重庆邮电大学 一种蓝牙室内定位系统的指纹库快速构建方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130205196A1 (en) * 2010-10-11 2013-08-08 Visoft Ltd. Location-based mobile application marketplace system
CN103347278A (zh) * 2013-06-25 2013-10-09 百度在线网络技术（北京）有限公司 无线定位中指纹数据库的更新方法及装置
US20160150029A1 (en) * 2014-11-26 2016-05-26 Avaya Inc. Service discovery using a location database
US20180332558A1 (en) * 2015-11-19 2018-11-15 The Hong Kong University Of Science And Technology Facilitation of indoor localization and fingerprint updates of altered access point signals
US20170177620A1 (en) * 2015-12-17 2017-06-22 Alibaba Group Holding Limited Constructing fingerprint database and positioning based on fingerprint database
CN107135482A (zh) * 2016-02-26 2017-09-05 高德软件有限公司 更新指纹库的方法及装置
WO2017143918A1 (zh) * 2016-02-26 2017-08-31 高德软件有限公司 更新指纹库的方法及装置
WO2017185828A1 (zh) * 2016-04-26 2017-11-02 中兴通讯股份有限公司 指纹定位方法及装置
CN106412839A (zh) * 2016-09-12 2017-02-15 南京邮电大学 基于二级分区与指纹梯度匹配的室内定位与跟踪方法
CN106792559A (zh) * 2016-12-28 2017-05-31 北京航空航天大学 一种WiFi室内定位系统中指纹库的自动更新方法
CN106804059A (zh) * 2017-01-18 2017-06-06 南京邮电大学 基于信号强度的室内定位技术中的终端差异消除方法
CN106804060A (zh) * 2017-03-07 2017-06-06 京信通信技术(广州)有限公司 一种指纹定位方法和装置
CN108111973A (zh) * 2017-12-15 2018-06-01 东北大学 一种基于实时指纹获取的室内定位方法与装置
CN107948930A (zh) * 2017-12-31 2018-04-20 电子科技大学 基于位置指纹算法的室内定位优化方法
CN108966121A (zh) * 2018-06-20 2018-12-07 华南师范大学 一种适用于指纹定位算法的指纹库更新方法
CN109116300A (zh) * 2018-06-28 2019-01-01 江南大学 一种基于非充分指纹信息的极限学习定位方法
CN108984785A (zh) * 2018-07-27 2018-12-11 武汉大学 一种基于历史数据和增量的指纹库的更新方法及装置
CN109348428A (zh) * 2018-12-04 2019-02-15 重庆邮电大学 一种蓝牙室内定位系统的指纹库快速构建方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022056688A1 (en) * 2020-09-15 2022-03-24 Nokia Shanghai Bell Co., Ltd. Devices, methods, apparatuses and computer readable media for performing surveillance
CN116458174A (zh) * 2020-09-15 2023-07-18 上海诺基亚贝尔股份有限公司 用于执行监控的设备、方法、装置和计算机可读介质

Similar Documents

Publication Publication Date Title
Marques et al. Combining similarity functions and majority rules for multi-building, multi-floor, WiFi positioning
Wang et al. CSI-based fingerprinting for indoor localization: A deep learning approach
TWI510112B (zh) 能夠執行增強指紋映射和位置識別的無線通訊裝置
Diaz et al. Bluepass: An indoor bluetooth-based localization system for mobile applications
CN104883734B (zh) 一种基于地理指纹的室内被动定位方法
EP1575325B1 (en) Estimating the location of inexpensive wireless terminals by using signal strength measurements
KR101901039B1 (ko) 교차 디바이스 자동 교정을 위한 방법 및 장치
Zou et al. Standardizing location fingerprints across heterogeneous mobile devices for indoor localization
Zou et al. A mutual information based online access point selection strategy for WiFi indoor localization
CN109951798A (zh) 融合Wi-Fi和蓝牙的增强位置指纹室内定位方法
US10200965B2 (en) Analysis and monitoring of a positioning infrastructure
WO2016079656A1 (en) Zero-calibration accurate rf-based localization system for realistic environments
Yiu et al. Locating user equipments and access points using RSSI fingerprints: A Gaussian process approach
Shih et al. Intelligent radio map management for future WLAN indoor location fingerprinting
Han et al. A wireless fingerprint location method based on target tracking
CN111654808B (zh) 一种更新指纹数据库的方法及系统、wifi定位方法及系统
Marcus et al. Dynamic nearest neighbors and online error estimation for SMARTPOS
Wei et al. Handling device heterogeneity in Wi-Fi based indoor positioning systems
JP2015040749A (ja) 位置推定装置及び位置推定プログラム
Xu et al. Variance-based fingerprint distance adjustment algorithm for indoor localization
CN111726743A (zh) 一种基于在线学习的wifi定位方法及系统
Sadiq et al. Automatic device-transparent RSS-based indoor localization
Zheng et al. RSS-based indoor passive localization using clustering and filtering in a LTE network
CN111654843A (zh) 自动更新指纹数据库的方法及系统、wifi定位方法及系统
Othman et al. Effectiveness of online RF fingerprinting for indoor localization

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