一種基于WiFi指紋的精度改善的室內(nèi)定位方法
【專利摘要】本發(fā)明公開了一種基于WiFi指紋的精度改善的室內(nèi)定位系統(tǒng)和方法，該方法分為采樣和定位兩個階段。在采樣階段，將不同方向采集法和高斯濾波融合，設(shè)計了FODG采樣方法，從不同方向采集WiFi信號(如東、南、西、北四個方向)，接著用高斯濾波濾除一些與信號強度均值偏差較大的信號，再均值濾波存入指紋數(shù)據(jù)庫。在定位階段，設(shè)計了AWKNN匹配方法，即在計算歐式距離時，賦不同權(quán)值給各個擁有不同信號強度的AP,接著在坐標匹配環(huán)節(jié)，按歐式距離的不同大小賦予K個近鄰采樣點不同的權(quán)值。本定位系統(tǒng)(FODG采樣+AWKNN匹配)相比傳統(tǒng)WiFi指紋定位方法能夠提高定位精度。
【專利說明】
一種基于W i F i指紋的精度改善的室內(nèi)定位方法
技術(shù)領(lǐng)域
[000? ]本發(fā)明涉及一種基于WiFi指紋的精度改善的室內(nèi)定位方法，屬于室內(nèi)定位技術(shù)領(lǐng) 域。
【背景技術(shù)】
[0002]隨著信息技術(shù)的快速發(fā)展，基于終端的室內(nèi)定位技術(shù)能為用戶提供信息檢索服 務(wù)、室內(nèi)導航服務(wù)、社區(qū)交友服務(wù)等，因此已經(jīng)成為當前的熱點研究領(lǐng)域?，F(xiàn)有的WiFi指紋 定位法定位范圍廣、成本低、使用靈活、無需額外硬件支持，因此已成為研究的熱點。
[0003]但是，現(xiàn)有的WiFi指紋定位法尚存在如下問題:第一，在米樣階段，每個米樣點上 需要采集信號并預(yù)處理，已有的單方向采集和均值濾波的處理方式尚不夠理想，導致指紋 數(shù)據(jù)庫不夠準確，也就使后期定位精度不夠理想;第二，在定位階段，已有一些匹配方法如 KNN賦予了 K個近鄰參考點相同權(quán)值，導致匹配精度不夠理想。
[0004] 而本發(fā)明能夠很好地解決上面的問題。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明目的在于提供了一種基于WiFi指紋的精度改善的室內(nèi)定位方法，該方法分 為采樣和定位兩個階段。在采樣階段，將不同方向采集法和高斯濾波融合，提出了改進的采 樣法--F0DG(Fusion of Different direction collection and Gauss Filter)，艮P從 東、南、西、北四個不同方向采集WiFi信號，接著用高斯濾波濾除一些與信號強度均值偏差 較大的信號，再均值濾波存入指紋數(shù)據(jù)庫。在定位階段，將AP加權(quán)歐式距離和WKNN法融合， 提出了改進的匹配法--AWKNN(AP weighted and distanced weighted KNN)，即在計算 歐式距離時，賦不同權(quán)值給各個擁有不同信號強度的AP，接著提出了距離加權(quán)的KNN(WKNN) 進行坐標匹配，最終得出待測點位置坐標。
[0006] 本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是:一種基于WiFi指紋的精度改善的室 內(nèi)定位方法，該方法采樣階段采用的F0DG法，融合了不同發(fā)現(xiàn)采集法和高斯濾波法，既考慮 到手機指向不同方向時信號強度的差異性，又濾除了一些與信號強度均值偏差較大的小概 率信號，因此利用F0DG法建立的指紋數(shù)據(jù)庫相對更準確。
[0007] 方法流程：
[0008] 步驟1:采樣階段；
[0009] 步驟1-1:利用手機終端在每個采樣點上采集東、南、西、北四個方向的WiFi信號， 每個方向上采集若干組信號；
[0010]步驟1-2:對這些WiFi信號進行高斯濾波，濾除一些與信號強度均值偏差較大的信 號；
[0011] 步驟1-3:利用均值濾波得到每個采樣點的WiFi信號強度均值；
[0012] 步驟1-4:將每個采樣點的WiFi信號均值和對應(yīng)的采樣點位置信息存入數(shù)據(jù)庫；
[0013] 步驟2:定位階段；
[0014]步驟2-1:手機在待定位點接收到實時WiFi指紋；
[0015]步驟2-2:將實時WiFi指紋同數(shù)據(jù)庫遍歷，計算AP加權(quán)的歐式距離；
[0016]步驟2-3:將AP加權(quán)的歐式距離按從小到大排序，選取數(shù)據(jù)庫中歐式距離較小的前 K個指紋采樣點；
[0017]步驟2-4:對這K個指紋采樣點進行WKNN匹配；
[0018]步驟2-5:得出待測點的位置坐標。
[0019] 進一步的，本發(fā)明步驟1-2中，WiFi信號強度服從正態(tài)分布，即RSS~Ν(μ，σ2)，那么 服從標準正態(tài)分布，即，獲其中μ為均值，0為標準差，卜$仏8場< ~占泣《(*場-於*· 取發(fā)生概率在90%以內(nèi)的數(shù)據(jù)，查詢標準正態(tài)分布表可得:，即經(jīng)過高斯 濾波后，移動終端WiFi的RSS保留的取值范圍為(μ-1.65σ，μ+1.65〇)。
[0020] 進一步的，本發(fā)明步驟1-3中，對經(jīng)高斯濾波后的WiFi信號均值濾波，即取這些信 號的均值。
[0021 ] 進一步的，本發(fā)明步驟2-2中，AP加權(quán)的歐式距離為'
wj表示賦予第j個AP熱點的權(quán)重值。假設(shè)在采樣階段一共米集個米樣點的WiFi指紋，記 作{Fi，F(xiàn)2, . . .，F(xiàn)m}，F(xiàn)i=(rssu，rssi2. . .，rssij. . .rssin)，其中Fi表示第i個采樣點的指紋， rSSlj表示在第i個采樣點接收到的第j個AP熱點的信號強度，假設(shè)在每個采樣點總共能接收 到n個AP熱點的信號。在定位階段，實時待測點的信號強度數(shù)組為s = (RSSi， RSS2. . .RSSj. . .RSSn)，RSSj表示在待測點接收到的第j個AP熱點的信號強度。
[0022]進一步的，本發(fā)明步驟2-4中，WKNN算法在選取了K個近鄰采樣點后，對每個采樣點 的位置坐標乘以一個權(quán)值，計算這K個加權(quán)后的采樣點位置坐標的和(也即加權(quán)求平均），作 為定位坐標，即
式中，（x，y)為系統(tǒng)得出的定 位坐標，（Xl，yi)為第i個采樣點的位置坐標，Wl為加權(quán)系數(shù)，cU為待測點實時指紋與第i個采 樣點指紋的歐式距離。
[0023] 有益效果：
[0024] 1、本發(fā)明采樣階段采用的F0DG法，融合了不同發(fā)現(xiàn)采集法和高斯濾波法，既考慮 到手機指向不同方向時信號強度的差異性，又濾除了一些與信號強度均值偏差較大的小概 率信號，因此利用F0DG法建立的指紋數(shù)據(jù)庫相對更準確。
[0025] 2、本發(fā)明定位階段采用的AWKNN法，融合了 AP加權(quán)的歐式距離和WKNN法，既考慮到 傳統(tǒng)KNN法在計算歐式距離時賦予每個AP相同權(quán)值的弊端，又考慮到在坐標匹配時賦予K個 近鄰采樣點的權(quán)值應(yīng)有所不同，因此利用AWKNN法匹配的定位坐標更加精確。
【附圖說明】
[0026] 圖1為本發(fā)明的WiFi指紋定位法示意圖。
[0027] 圖2為本發(fā)明的系統(tǒng)示意圖。
【具體實施方式】
[0028]下面結(jié)合說明書附圖對本發(fā)明創(chuàng)造作進一步詳細說明。
[0029 ]如圖1所示，本發(fā)明分為采樣階段和定位階段。
[0030] 采樣階段是在待定位區(qū)域預(yù)先按網(wǎng)格布置一定數(shù)量的采樣點，利用移動設(shè)備在每 個采樣點采集接收到的來自不同AP熱點的WiFi信號強度，連同該采樣點的物理位置一起存 入數(shù)據(jù)庫，最終建立一個WiFi信號強度與物理位置映射的指紋數(shù)據(jù)庫。假設(shè)在采樣階段一 共采集了 m 個采樣點的 WiFi指紋，記作{Fi，F(xiàn)2, . . .，F(xiàn)m}，F(xiàn)i=(rssii，rssi2...， rssij. . .rssin)，其中Fi表示第i個采樣點的指紋，rssij表示在第i個采樣點接收到的第j個 AP熱點的信號強度，假設(shè)在每個采樣點總共能接收到η個AP熱點的信號。
[0031] 在定位階段，用戶持有的移動終端設(shè)備檢測到待測點的WiFi信號后，與采樣階段 創(chuàng)建的指紋數(shù)據(jù)庫中的WiFi指紋進行匹配，依據(jù)一定的匹配算法，找出其中與待測點接收 的WiFi信號強度指紋相似度最大的參考點，將該指紋參考點位置作為待測點位置的估計 值。假設(shè)在定位階段，實時待測點的信號強度數(shù)組為siUSS^RSS^ . .RSSj. . .RSSn)，RSSj表 示在待測點接收到的第j個AP熱點的信號強度。
[0032] 如圖2所示，在采樣階段，首先在實驗環(huán)境中預(yù)先布置一些采樣點，利用手機終端 在每個采樣點上采集東、南、西、北四個方向的WiFi信號，每個方向上采集若干組信號;接著 對這些WiFi信號進行高斯濾波，濾除一些與信號強度均值偏差較大的信號，取發(fā)生概率在 90%以內(nèi)的數(shù)據(jù)，即經(jīng)過高斯濾波后，移動終端WiFi的信號強度RSS保留的取值范圍為(μ-?.65 〇，μ+1.65〇); 再利用均值濾波得到每個采樣點的 WiFi 信號強度均值，將每個采樣點的 WiFi信號均值和對應(yīng)的采樣點位置信息存入數(shù)據(jù)庫，至此完成采樣階段工作。
[0033]在定位階段，手機在待定位點接收到實時WiFi指紋，將實時WiFi指紋同數(shù)據(jù)庫遍 歷，計算AP加權(quán)的歐式距離
；接著 將AP加權(quán)的歐式距離按從小到大排序，選取數(shù)據(jù)庫中對應(yīng)的前K個指紋采樣點；最后對這K 個指紋采樣點進行歐式距離加權(quán)的WKNN匹配，即對這K個采樣點的位置坐標乘以一個權(quán)值， 即加權(quán)求平均，最終得出定位坐標，即
，式中， (x，y)為系統(tǒng)得出的定位坐標，（Xl，yi)為第i個采樣點的位置坐標，Wl為加權(quán)系數(shù)，cU為待測 點實時指紋與第i個采樣點指紋的歐式距離。
【主權(quán)項】
1. 一種基于WiFi指紋的精度改善的室內(nèi)定位方法，其特征在于，所述方法包括如下步 驟： 步驟1:采樣階段； 步驟1-1:利用手機終端在每個采樣點上采集東、南、西、北四個方向的WiFi信號，每個 方向上采集若干組信號； 步驟1-2:對這些WiFi信號進行高斯濾波，濾除一些與信號強度均值偏差較大的信號； 步驟1-3:利用均值濾波得到每個采樣點的WiFi信號強度均值； 步驟1-4:將每個采樣點的WiFi信號均值和對應(yīng)的采樣點位置信息存入數(shù)據(jù)庫； 步驟2:定位階段； 步驟2-1:手機在待定位點接收到實時WiFi指紋； 步驟2-2:將實時WiFi指紋同數(shù)據(jù)庫遍歷，計算AP加權(quán)的歐式距離； 步驟2-3:將AP加權(quán)的歐式距離按從小到大排序，選取數(shù)據(jù)庫中歐式距離較小的前K個 指紋采樣點； 步驟2-4:對這K個指紋采樣點進行WKNN匹配； 步驟2-5:得出待測點的位置坐標。2. 根據(jù)權(quán)利要求1所述的一種基于WiFi指紋的精度改善的室內(nèi)定位方法，其特征在于， 所述步驟1-2中，WiFi信號強度服從正態(tài)分布，即RSS~Ν(μ，σ2)，服從標準正態(tài)分 布：其中μ為均值，σ為標準差，生概率在90 %以內(nèi)的數(shù)據(jù)，查詢標準正態(tài)分布表可，即經(jīng)過 高斯濾波后，移動終端WiFi的RSS保留的取值范圍為(μ-1.65σ，μ+1.65〇)。3. 根據(jù)權(quán)利要求1所述的一種基于WiFi指紋的精度改善的室內(nèi)定位方法，其特征在于， 所述步驟1-3中，對經(jīng)高斯濾波后的WiFi信號均值濾波，即取這些信號的均值。4. 根據(jù)權(quán)利要求1所述的一種基于WiFi指紋的精度改善的室內(nèi)定位方法，其特征在于， 所述步驟2-2中，AP加權(quán)的歐式距離為，，巧表示 賦予第j個AP熱點的權(quán)重值，假設(shè)在采樣階段一共采集了 m個采樣點的WiFi指紋，記作(F1, F2,…，F(xiàn)m} ,Fi= (rssn，rssi2…，rssij'"rssin)，其中Fi表示第i個采樣點的指紋，rssij表示在 第i個采樣點接收到的第j個AP熱點的信號強度，假設(shè)在每個采樣點總共能接收到η個六?熱 點的信號，在定位階段，實時待測點的信號強度數(shù)組為s = (RSS1，RSSr"RSSj... RSSn)，RSSj 表示在待測點接收到的第j個AP熱點的信號強度。5. 根據(jù)權(quán)利要求1所述的一種基于WiFi指紋的精度改善的室內(nèi)定位方法，其特征在于， 所述步驟2-4中，WKNN算法在選取了 K個近鄰采樣點后，對每個采樣點的位置坐標乘以一個 權(quán)值，計算這K個加權(quán)后的采樣點位置坐標的和，即加權(quán)求平均，作為定位坐標，即式中，（x，y)為系統(tǒng)得出的定位坐標，Ui，yi) 為第i個采樣點的位置坐標，Wl為加權(quán)系數(shù)，CU為待測點實時指紋與第i個采樣點指紋的歐式 距離。
【文檔編號】H04W64/00GK105933975SQ201610220583
【公開日】2016年9月7日
【申請日】2016年4月11日
【發(fā)明人】蔡敏敏, 王玉峰
【申請人】南京郵電大學