CN111935628B - 基于位置指纹的Wi-Fi定位方法和装置 - Google Patents

Abstract

本发明提供一种基于位置指纹的Wi‑Fi定位方法和装置，通过URF算法对待参与运算的接入点进行可信性鉴别和过滤；通过AWCB算法收集无线环境中接入点的信道和频宽，估计接入点的受干扰程度并赋予其Wi‑Fi信任度权值；基于EDHC‑WKNN算法将欧式距离与命中次数相结合，评估欧式距离最小的K个指纹点的置信概率，将其作为权值进行数据校正。本发明能够显著提高局部区域范围内Wi‑Fi定位准确度，对满足人们日益增长的定位需求具有重大意义。

Description

基于位置指纹的Wi-Fi定位方法和装置

技术领域

本发明属于定位技术领域，具体涉及一种基于位置指纹的Wi-Fi定位方法和装置。

背景技术

基于GPS的室外定位技术虽然已相当成熟，可是由于自身的特性，使得其并不能直接应用于室内环境。现有的室内定位技术，或者成本较高，或者应用范围较窄，或者定位准确度较低，而利用Wi-Fi的信号特征数据来确定位置整体实现成本不高，是目前室内定位领域所研究的重点技术。然而，Wi-Fi定位的局限性是其对定位算法的依赖性较大，定位算法的优劣将直接关系到定位准确度。

为了提高定位准确度，目前对于位置指纹法的Wi-Fi室内定位技术，有将位置指纹法中的某些原始数据替换为其他维度的量，通常能够规避欧式距离的某些不利于提高定位准确度的因素，但同时也会丢失一些原始信息，可能会给其他方面的算法优化制造障碍。通过对定位区域指纹点聚类的方法进行结果校正能一定程度提高定位准确度，但算法复杂，实时性较差。引入另一变量，通过分类或加权的方式提高定位准确度是一个较好的研究思路，但现有的研究并不能在保持有限工作量和复杂度的前提下，使用新维度数据有效提升定位准确度。通过研究Wi-Fi的无线电特性，进而提高室内定位的准确度也是目前该领域研究的一个方向，但现有的此类方法中，或者仅从接入点的工作频段考虑而具有局限性，或者研究较深层次的CSI数据而缺乏灵活性且不易推广，不能两全其美。

因此，需要提供一种针对上述现有技术中不足的改进技术方案。

发明内容

本发明的目的是提供一种基于位置指纹的Wi-Fi室内定位方法和装置，用以提高Wi-Fi室内定位的精度。

为了实现上述目的，本发明提供如下技术方案：

一种基于位置指纹的Wi-Fi定位方法，所述定位方法包括如下步骤：

步骤1，构建若干指纹点的指纹库；所述指纹库包括指纹点的位置编号、基本服务集标识、服务集标识、信道、频段、频宽和接收信号强度指示；

步骤2，在待测点处采集来自所有接入点的接收信号；所述所有接入点的接收信号形成接入点的接收信号的信息集合WL；每个所述接入点的接收信号的信息WI_i包括基本服务集标识BSSID_i、接收信号强度指示RSSI_i、服务集标识SSID_i、频段Band_i、信道Channel_i和频宽Bandwidth_i；

其中，WL＝{WI₁，WI₂，…，WI_n}，i∈{1，2…，n}；

步骤3，通过对所述所有接入点的接收信号的信息集合WL进行鉴别和滤除处理后删除无效接入点的接收信号，得到有效Wi-Fi接入点的接收信号；所述无效接入点包括访客网络接入点、临时创建的接入点和不可靠设备创建的接入点；

步骤4，对每个所述有效Wi-Fi接入点的接收信号进行处理得到所述有效Wi-Fi接入点的接收信号的信号强度及其对应的Wi-Fi信任度权值；

步骤5，通过每个所述有效Wi-Fi接入点的信号强度值及其对应的Wi-Fi信任度权值和所述指纹库中位置编号所对应的Wi-Fi接入点的信号强度进行处理得到有效Wi-Fi接入点的欧式距离；

步骤6，获取有效Wi-Fi接入点中的K个欧式距离所对应指纹点的命中次数及其置信概率；

步骤7，通过所述指纹库，获取与统计欧式距离所对应指纹点的位置坐标，通过所述位置坐标和统计欧式距离所对应指纹点的置信概率计算待测点的位置坐标。

进一步的，所述步骤3中，对访客网络接入点进行鉴别和过滤的处理是通过URF算法遍历所有接入点的接收信号，将WI_α和WI_β的信息进行比对；当满足式(1)时，则删除WI_β；

其中，α∈{1，2…，n}，β∈{1，2…，n}。

进一步的，所述步骤3中，对不可靠设备创建的接入点进行鉴别和过滤的处理为：

首先，使用URF算法通过每个接入点WI的基本服务集标识获得其OUI的值；

然后，将十六进制的OUI值转换为二进制，取第一个字节的I/G标志位和第一个字节的U/L标志位；

当I/G标志位或U/L标志位至少有一个为1时，则判断该OUI值所对应的接入点视为不可靠设备创建的接入点，并从集合WL中删除。

进一步的，所述步骤4中，通过信道和频宽确定每个所述有效Wi-Fi接入点的Wi-Fi信任度权值。

进一步的，所述步骤5中，有效Wi-Fi接入点的欧式距离为

其中，B为待测点测得所有有效Wi-Fi接入点的BSSID集合，l为指纹点的位置编号，μ_i为第i个有效Wi-Fi接入点的Wi-Fi信任度权值，r_i为待测点测得第i个有效Wi-Fi接入点的信号强度，R_l为指纹库中位置l处的对应Wi-Fi的信号强度。

进一步的，所述步骤6中，所述K个欧式距离为所有有效接入点的欧式距离中距离最小的K个。

进一步的，所述步骤6中，欧式距离所对应指纹点的命中次数的计算过程为：

首先，获取指纹库中欧式距离等于d_j的指纹点所包含有效Wi-Fi接入点的BSSID集合；

其次，通过对指纹库中欧式距离等于d_j的指纹点所包含有效Wi-Fi接入点的BSSID集合和待测点测得有效Wi-Fi接入点的BSSID集合，得到欧式距离等于d_j的指纹点所对应的命中次数，命中次数即是待测点测得所有Wi-Fi的BSSID集合与指纹库中欧式距离等于d_j的指纹点所包含所有Wi-Fi的BSSID集合的元素重合个数；

C_dj＝card(B∩B_dj) (3)

式中，d_j为欧式距离中第j个指纹点处的欧式距离，c_dj为欧式距离等于d_j的指纹点所对应的命中次数，B_dj为指纹库中欧式距离等于d_j的指纹点所包含所有Wi-Fi的BSSID集合，j＝1，2…，K。

进一步的，所述步骤6中，欧式距离所对应指纹点的置信概率的计算方式为：

式中，D为K个欧式距离的集合，D＝{d₁，d₂，d₃，…，d_K}，C为K个欧式距离所对应指纹点的命中次数的集合，C＝{c_d1，c_d2，c_d3，…，c_dK}。

进一步的，所述步骤7中，待测点的位置坐标的计算方式为：

式中，

为待测点的位置坐标；j＝1，2…，K；ε＝0.000001；(x_j，y_j)为第j个有效Wi-Fi接入点所对应的指纹点的坐标。

为实现上述目的，本发明还提供一种基于位置指纹的Wi-Fi定位装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现上述基于位置指纹的Wi-Fi定位方法的步骤。

与最接近的现有技术相比，本发明提供的技术方案具有如下优异效果：

本发明的一种基于位置指纹的Wi-Fi定位方法和装置，通过基于不可信接入点过滤算法(Unreliability Filtration，URF)对待参与运算的接入点进行可信性鉴别和过滤；通过基于信道和频宽的高级加权算法(Advanced Weighting based on Channels andBandwidth，AWCB)收集无线环境中接入点的信道和频宽，估计接入点的受干扰程度并赋予其Wi-Fi信任度权值；基于欧式距离与命中次数的加权K最近邻法(Euclidean Distancesand Hit Counts Weighted K-Nearest Neighbors，EDHC-WKNN)将欧式距离与命中次数相结合，评估欧式距离最小的K个指纹点的置信概率，将其作为权值进行数据校正。本发明能够显著提高局部区域范围内Wi-Fi定位准确度，对满足人们日益增长的定位需求具有重大意义。

附图说明

构成本申请的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。其中：

图1为本发明基于位置指纹的Wi-Fi定位方法的流程图；

图2为本发明对访客网络接入点进行鉴别与过滤的示意图；

图3为本发明对临时创建的接入点进行鉴别与过滤的示意图；

图4为本发明对不可靠设备创建的接入点进行鉴别与过滤的示意图；

图5为本发明通过EDHC-WKNN算法进行精准定位的过程示意图。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的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。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上，本领域的技术人员将清楚，在不脱离本发明的范围或精神的情况下，可在本发明中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。

方法实施例：

本发明基于位置指纹的Wi-Fi定位方法的过程如图1所示，具体包括如下步骤：

步骤1，构建指纹库；

在构建位置指纹库时，首先综合考虑室内环境的大小以及定位精度的要求，将室内环境划分为多个定位区域，并将每个定位区域作为一个指纹点，随后在每个指纹点处采集来自所有Wi-Fi接入点的接收信号强度数据，并对位置指纹进行存储。位置指纹所包含的相关信息储存完毕后，需要与指纹点指纹点的位置信息建立一一对应的关系，以便于确定位置信息。

位置指纹的数据库结构如表1所示：

表1

步骤2：检测待测点的接入点的接收信号信息；

在对待测点的位置信息进行定位的过程中，需要检测待测点处附近的i个接入点的接收信号信息，并对接入点的接收信号信息进行可信性鉴别和过滤。待测点处附近的接入点i＝1，2…，m。

在对接入点的接收信号息进行可信性鉴别和过滤的目的是为了滤除待测点附近的无效干扰接入点信息，从而获得对待测点精准定位有效的接入点信息。

在对接入点的接收信号进行可信性鉴别和过滤的过程中，主要包括三个方面的鉴别和过滤，这三个方面分别为访客网络接入点的鉴别与过滤、临时创建的接入点的鉴别与过滤、不可靠设备创建的接入点的鉴别与过滤。

S201，对访客网络接入点进行鉴别与过滤，过程如图2所示：

首先，获取待测点所有接入点的接收信号，所有接入点的接收信号的信息集合表示为WL；所有接入点的接收信号的信息集合WL＝{WI₁，WI₂，…，WI_n}；

其中，WI_i为第i个接入点的接收信号的信息集合，i∈{1，2…，n}。

第i个接入点的接收信号的信息集合包括基本服务集标识BSSID_i、接收信号强度指示RSSI_i、服务集标识SSID_i、频段Band_i、信道Channel_i和频宽Bandwidth_i。将第i个接入点的接收信号的信息集合表示为WI_i＝{BSSID_i，RSSI_i，SSID_i，Band_i，Channel_i，Bandwidth_i}。

然后，基于不可信接入点过滤算法(Unreliability Filtration，URF)，即URF算法对访客网络接入点的信息进行遍历、对比，以删除不可信的访客网络接入点。

具体的，采用URF算法遍历WL，使得所有的WI_i两两对比。

查找对于任意WI_i，是否满足WI_α和WI_β，使得：

其中，α∈{1，2…，n}，β∈{1，2…，n}

如满足式(1)，则认为WI_α和WI_β中的第β个信息接入点的集合为不可信的访客网络接入点，然后删除WI_β。

当遍历完成后，WL剩余的接入点集合则为已过滤访客网络的接入点集合。

S202，对临时创建的接入点进行鉴别与过滤，过程如图3所示：

对于手机或便捷式宽带无线装置(Mobile WIFI，Mi-Fi)Mi-Fi设备创建的个人热点的鉴别与过滤为：

通过对照OUI列表的方式将制造商的接入点从集合WL中删除；其中，OUI列表是由IEEE组织提供的，包括了所有已分配的OUI和对应的厂商信息，该列表可从官网(http：//standards-oui.ieee.org/oui/oui.txt)上下载。

使用URF算法对定位时扫描到的所有接入点集合WL的每个接入点进行处理，具体是获取每个接入点WI的BSSID，BSSID用于标识接入点的MAC地址，通过MAC地址中的组织唯一标识符得到OUI的值，通过对照OUI列表可查询每个接入点设备的制造商。枚举所有手机和Mi-Fi设备，且不生产家用或商用接入点设备的制造商，并将这些制造商的接入点从集合WL中删除。

通过URF算法对每个接入点WI的SSID进行关键字检查。若SSID中包含手机或Mi-Fi设备默认个人热点的SSID字符串或能表征设备类型的关键字符串，则URF算法认为此设备为手机或Mi-Fi设备，并将其从集合WL中删除。

对于安装了Microsoft Windows操作系统的PC创建的网络分享热点的鉴别与过滤：

若接入点的SSID可以用正则表达式(或规则表达式)“^[A-Z0-9a-z._％+-]+[0-9]{4}$”来表示，则URF算法将其视为不可信接入点(网络分享热点)，并将其从集合WL中删除。

S203，对不可靠设备创建的接入点进行鉴别与过滤，过程如图4所示：

首先，使用URF算法对定位时扫描到的所有接入点集合WL的每个接入点的接收信号WI_i进行处理，具体是通过每个接入点WI_i的基本服务集标识BSSID获得其OUI的值；

然后，将十六进制的OUI值转换为二进制，取第一个字节的第0位(I/G标志位)和第一个字节的第1位(U/L标志位)。

若I/G标志位或U/L标志位至少有一个为1时，则判断该OUI值所对应的接入点视为不可信接入点(不可靠设备创建的接入点)，并从集合WL中删除。

在此需说明的是，步骤S201、步骤S202与步骤S203之间并不存在先后时序关系，可以先执行步骤S201，再依次执行步骤S202、S203；也可以先执行步骤S202，再依次执行步骤S201、S203；或者同时执行步骤S201和步骤S202，再执行步骤S203。可以理解的是，以上描述仅为示例性的，本申请实施例对此并不进行限定。

通过对待测点进行上述三方面的鉴别和过滤后，能够将待测点的无效干扰接入点信息滤除，滤除后的接入点信息均为有效Wi-Fi接入点信息，通过有效Wi-Fi接入点的信息进行定位判断，能够提高定位准确度。

步骤3：对待测点的有效Wi-Fi接入点的接收信号进行处理得到有效Wi-Fi接入点的信号强度及其信任度权值；

步骤31，通过对待测点的有效Wi-Fi接入点信息进行处理得到每个有效Wi-Fi接入点的信号强度；

步骤32，确定每个有效Wi-Fi接入点的接收信号的信任度权值；

具体的，第i个有效Wi-Fi接入点的接收信号的信任度权值μ_i的确定过程如下：

步骤320，令μ_i＝1；

步骤321，取待测点测得的除第i个有效Wi-Fi接入点以外且未被遍历过的一个接入点数据，判断是否符合要求：

若无符合要求的接入点数据，则此时μ_i的值被最终确定；

若有符合要求的接入点数据，则执行步骤322；

其中，符合要求是指存在未被遍历过的接入点；

步骤322，判断当前遍历有效Wi-Fi接入点的频段，如果当前遍历的接入点的频段为2.4GHz，则执行步骤323；如果当前遍历的有效Wi-Fi接入点的频段为5GHz，则执行步骤326；

步骤323，判断当前遍历有效Wi-Fi接入点的频宽，如果当前遍历的接入点的频宽为20MHz，则执行步骤324；如果当前遍历的有效Wi-Fi接入点的频宽为40MHz，则执行步骤325；

步骤324，根据当前遍历有效Wi-Fi接入点与第i个有效Wi-Fi接入点的信道编号差值Δc，将式(2)中信道编号差值Δc对应的增量ε累加到μ_i中，并返回执行步骤321；

步骤325，根据当前遍历有效Wi-Fi接入点与第i个有效Wi-Fi接入点的信道编号差值Δc，将式(3)中信道编号差值Δc对应的增量ε累加到μ_i中，并返回执行步骤321；

步骤326，判断当前遍历有效Wi-Fi接入点的频宽，如果当前遍历的接入点的频宽为20MHz，则执行步骤327；如为果当前遍历的有效Wi-Fi接入点的频宽40MHz，则执行步骤328；如果当前遍历的接入点的频宽为80MHz，则执行步骤329；

步骤327，根据当前遍历有效Wi-Fi接入点与第i个有效Wi-Fi接入点的信道编号差值Δc，将式(4)中信道编号差值Δc对应的增量ε累加到μ_i，并返回执行步骤(2)；

步骤328，根据当前遍历有效Wi-Fi接入点与第i个有效Wi-Fi接入点的信道编号差值Δc，将式(5)中信道编号差值Δc对应的增量ε累加到μ_i，并返回执行步骤321；

步骤329，根据当前遍历有效Wi-Fi接入点与第i个有效Wi-Fi接入点的信道编号差值Δc，将式(6)中信道编号差值Δc对应的增量ε累加到μ_i，并返回执行步骤321；

通过上述过程，可以确定每个有效Wi-Fi接入点的信任度权值。

步骤S4，通过待测点测得第i个有效Wi-Fi接入点的信号强度值及其对应的Wi-Fi信任度权值和指纹库中编号l处的对应Wi-Fi接入点的信号强度得到指纹库中位置l处的欧式距离；

在本实施例中，采用基于信道和频宽的高级加权算法(Advanced Weightingbased on Channels and Bandwidth，AWCB)即AWCB算法计算待测点有效Wi-Fi接入点的欧式距离。即待测点有效Wi-Fi接入点与位于指纹点编号l处的欧式距离d_l的表达式如式(7)所示。

其中，B为待测点测得所有有效Wi-Fi接入点的BSSID集合，l为指纹点的位置编号，μ_i为第i个有效Wi-Fi接入点的信任度权值，r_i为待测点测得第i个有效Wi-Fi接入点的信号强度，R_l为指纹库中位置l处的对应Wi-Fi的信号强度。

步骤5，对计算得到的欧式距离进行处理得到K个欧式距离所对应的指纹点的坐标；

对计算得到的欧式距离进行处理得到K个欧式距离所对应的指纹点的坐标时，将步骤S303中得到的在位置l处的欧式距离d_l从小至大排序，取最小的K个欧式距离的形成一个集合。通过查询指纹库中指纹点与位置坐标的映射关系，得到该K个欧式距离所对应的指纹点的坐标。设d_j为欧式距离最小的第j个指纹点处的欧式距离，其中j＝1，2…，K

步骤6，统计K个欧式距离所对应指纹点的命中次数；

首先，获取指纹库中欧式距离等于d_j的指纹点所包含有效Wi-Fi接入点的BSSID集合；

其次，通过对指纹库中欧式距离等于d_j的指纹点所包含有效Wi-Fi接入点的BSSID集合和待测点测得有效Wi-Fi接入点的BSSID集合，得到欧式距离等于d_j的指纹点所对应的命中次数，命中次数即是待测点测得所有Wi-Fi的BSSID集合与指纹库中欧式距离等于d_j的指纹点所包含所有Wi-Fi的BSSID集合的元素重合个数。

c_dj＝card(B∩B_dj) (8)

式中，d_j为欧式距离最小的第j个指纹点处的欧式距离，c_dj为欧式距离等于d_j的指纹点所对应的命中次数，B_dj为指纹库中欧式距离等于d_j的指纹点所包含所有Wi-Fi的BSSID集合。

最后，循环遍历欧式距离最小的前K个指纹点，按照公式(8)算出最小的K个欧式距离，并统计出K个欧式距离所对应指纹点的命中次数的集合。

步骤7，通过K个欧式距离及其所对应的指纹点的命中次数，得到指纹点处的置信概率；

设D＝{d₁，d₂，d₃，…，d_K}为K个欧式距离的集合，C＝{c_d1，c_d2，c_d3，…，c_dK}为K个欧式距离所对应指纹点的命中次数的集合，也就是说，欧式距离d_l所对应指纹点的命中次数为c_dl；

欧式距离最小的第j个指纹点处的置信概率P_j的计算公式如式(9)所示：

循环遍历欧式距离最小的K个指纹点，按照公式(9)算出最小的K个欧式距离所对应指纹点处的置信概率，并将这些置信概率形成一个集合。

步骤8，获得第j个有效Wi-Fi接入点的位置坐标；

获得第j个指纹点的坐标时是在步骤S304中通过查询指纹中指纹点编号与位置坐标的映射关系，得到第j个有效Wi-Fi接入点所对应的指纹点的坐标，通过第j个有效Wi-Fi接入点所对应的指纹点的坐标和第j个有效Wi-Fi接入点所对应指纹点处的置信概率计算得到待测点的位置坐标。

设(x_j，y_j)为欧式距离最小的第j个有效Wi-Fi接入点所对应的指纹点的坐标，则最终待测点的位置坐标

的计算公式如式(10)所示。

式中，为避免

的特殊情况，取ε＝0.000001。

从步骤4到步骤8为通过EDHC-WKNN算法使用命中次数评估指纹点的置信概率并对获得的欧式距离的指纹点进行数据校正，从而能够进一步提高定位结果的准确性。

装置实施例：

本发明提供了一种基于位置指纹的Wi-Fi定位装置包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现上述基于位置指纹的Wi-Fi定位方法的步骤。

由于基于位置指纹的Wi-Fi定位方法的步骤已在方法实施例中详细介绍，此处不再进行详细赘述。

其中，处理器包括中央处理器(central processing unit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

需要指出，根据实施的需要，可将本申请实施例中描述的各个步骤拆分为更多步骤，也可以将两个或多个步骤或者步骤的部分操作组合成新的步骤，以实现本申请实施例的目的。

上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器存储介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的基于位置指纹的Wi-Fi定位方法。此外，当通用计算机访问用于实现在此示出的方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。

在本申请所提供的实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。此外，存储于存储器中的程序代码如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，笔记本电脑，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均在本发明待批权利要求保护范围之内。

Claims (6)

1.一种基于位置指纹的Wi-Fi定位方法，其特征在于，所述定位方法包括如下步骤：

步骤1，构建若干指纹点的指纹库；所述指纹库包括指纹点的位置编号、基本服务集标识、服务集标识、信道、频段、频宽和接收信号强度指示；

步骤2，在待测点处采集来自所有接入点的接收信号；所述所有接入点的接收信号形成接入点的接收信号的信息集合

；每个所述接入点的接收信号的信息

包括基本服务集标识

、接收信号强度指示

、服务集标识

、频段

、信道

和频宽

；

其中，

，

；

步骤3，通过对所述所有接入点的接收信号的信息集合

进行鉴别和滤除处理后删除无效接入点的接收信号，得到有效Wi-Fi接入点的接收信号；所述无效接入点包括访客网络接入点、临时创建的接入点和不可靠设备创建的接入点；

步骤4，对每个所述有效Wi-Fi接入点的接收信号进行处理得到所述有效Wi-Fi接入点的接收信号的信号强度及其对应的Wi-Fi信任度权值；

步骤5，通过每个所述有效Wi-Fi接入点的信号强度值及其对应的Wi-Fi信任度权值和所述指纹库中位置编号所对应的Wi-Fi接入点的信号强度进行处理得到有效Wi-Fi接入点的欧式距离；

其中，所述有效Wi-Fi接入点的欧式距离为：

其中，

为待测点测得所有有效Wi-Fi接入点的BSSID集合，

为指纹点的位置编号，

为第

个有效Wi-Fi接入点的Wi-Fi信任度权值，

为待测点测得第

个有效Wi-Fi接入点的信号强度，

为指纹库中位置

处的对应Wi-Fi的信号强度；

步骤6，获取有效Wi-Fi接入点中的K个欧式距离所对应指纹点的命中次数及其置信概率；

其中，所述欧式距离所对应指纹点的命中次数的计算过程为：

首先，获取指纹库中欧式距离等于

的指纹点所包含有效Wi-Fi接入点的BSSID集合；

其次，通过对指纹库中欧式距离等于

的指纹点所包含有效Wi-Fi接入点的BSSID集合和待测点测得有效Wi-Fi接入点的BSSID集合，得到欧式距离等于

的指纹点所对应的命中次数，命中次数即是待测点测得所有Wi-Fi的BSSID集合与指纹库中欧式距离等于

的指纹点所包含所有Wi-Fi的BSSID集合的元素重合个数；

式中，

为欧式距离中第

个指纹点处的欧式距离，

为欧式距离等于

的指纹点所对应的命中次数，

为指纹库中欧式距离等于

的指纹点所包含所有Wi-Fi的BSSID集合，

；

所述欧式距离所对应指纹点的置信概率的计算方式为：

式中，

为

个欧式距离的集合，

，

为

个欧式距离所对应指纹点的命中次数的集合，

；

步骤7，通过所述指纹库，获取与统计欧式距离所对应指纹点的位置坐标，通过所述位置坐标和统计欧式距离所对应指纹点的置信概率计算待测点的位置坐标；

其中，所述待测点的位置坐标的计算方式为：

式中，

为待测点的位置坐标；

；

；

为第

个有效Wi-Fi接入点所对应的指纹点的坐标。

2.根据权利要求1所述的基于位置指纹的Wi-Fi定位方法，其特征在于，所述步骤3中，对访客网络接入点进行鉴别和过滤的处理是通过不可信接入点过滤算法遍历所有接入点的接收信号，将

和

的信息进行比对；当满足式（1）时，则删除

；

（1）

其中，

。

3.根据权利要求1所述的基于位置指纹的Wi-Fi定位方法，其特征在于，所述步骤3中，对不可靠设备创建的接入点进行鉴别和过滤的处理为：

首先，使用URF算法通过每个接入点

的基本服务集标识获得其OUI的值；

然后，将十六进制的OUI值转换为二进制，取第一个字节的I/G标志位和第一个字节的U/L标志位；

当I/G标志位或U/L标志位至少有一个为1时，则判断该OUI值所对应的接入点视为不可靠设备创建的接入点，并从集合

中删除。

4.根据权利要求1所述的基于位置指纹的Wi-Fi定位方法，其特征在于，所述步骤4中，通过信道和频宽确定每个所述有效Wi-Fi接入点的Wi-Fi信任度权值。

5.根据权利要求1所述的基于位置指纹的Wi-Fi定位方法，其特征在于，所述步骤6中，所述K个欧式距离为所有有效接入点的欧式距离中距离最小的K个。

6.一种基于位置指纹的Wi-Fi定位装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任意一项所述的基于位置指纹的Wi-Fi定位方法的步骤。

Images