[發明專利]一種基于WLAN的室內定位方法

有效

• 申請號: 201410458932.0
• 申請日: 2014-09-10
• 公開（公告）號: CN104185275B
• 公開（公告）日: 2017-11-17
• 發明（設計）人: 諸彤宇;劉帥;宋志新
• 申請（專利權）人: 北京航空航天大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;G01S5/02
• 代理公司: 北京科迪生專利代理有限責任公司11251
• 代理人: 成金玉,李新華

1.一種基于WLAN的室內定位方法，其特征在于實現步驟如下：

步驟一：將采樣點采集到的各個AP的RSSI數據預處理，從中提取出一維和二維向量分別作為特征向量；

步驟二：對特征向量聚類分析，將待定位區域劃分為多個定位子區域；

步驟三：針對每組特征向量結合聚類結果，分別訓練出各自相應的分類模型；基于分類模型結合“投票”機制從所有子區域中選取票數最高的子區域集合；

步驟四：采用兩輪定位縮小子區域集合范圍，提高定位精度；

所述步驟一從預處理數據中提取出一維和二維向量分別作為特征向量，包括：

(1)將掃描到的所有AP按照MAC地址升序排序；

(2)按照以下兩種方法提取一維和二維向量作為特征向量：

a.將排序后的AP兩兩組合，將AP按照MAC地址分成組，每組AP表示為(AP_i,AP_j)，其中，0<i<j≤m，m代表所有AP的個數，從預處理后的數據中提取出這些AP組合構成的向量作為特征向量；

b.每個AP單獨作為一組，即將所有離線采集數據按照AP的MAC地址分成m組，每組AP表示為AP_i，其中，0<i≤m，m代表所有AP的個數，從預處理后的數據中提取出這些AP構成的向量作為特征向量；

所述步驟三，具體實現過程包括離線階段和在線階段；

離線階段，針對步驟一中提出的兩種構造方法所構造的特征向量，分別訓練出每種構造方法的每種特征向量所對應的支持向量機(Support Vector Machine,SVM)分類模型；

在線階段，從實時數據提取分類特征向量，讀取離線階段訓練好的SVM分類模型，根據支持向量多項式展開項值，計算待分類向量對應于不同區域的概率，結合“投票”機制從所有區域中選取票數最高的區域集R；

所述投票機制是指，如果AP組(AP_i,AP_j)的樣本數據經過SVM預測被認定為在某一區域內，則該區域票數加1；遍歷所有AP組的EV(AP_i,AP_j)并投票，選定票數最多的區域作為定位的粗粒度定位區域，每個區域的票數應當在0到之間，EV為特征向量集；

所述步驟四，采用兩輪定位縮小區域集范圍，具體實現為：

(1)讀取訓練好的SVM分類模型，計算支持向量多項式展開項值；

(2)讀取當前采集到的RSSI，提取分類特征向量，并對分類特征進行標準化；

(3)通過多項式核函數將分類特征向量映射到高維空間，并根據所述支持向量多項式展開項值計算待分類向量對應于不同區域的概率，從中選取步驟三中求出的粗粒度定位區域R內各個區域的概率；

(4)對于每個AP_i，判斷劃分出的每個子區域是否符合條件，且該子區域是步驟三中求出的粗粒度定位區域R的子集，如果存在多個子區域符合條件，則SVM模型認為當前設備可能處于這幾個子區域的并集內；

(5)結合“投票”機制從R中選取票數最高的區域集R’，具體步驟包括：如果AP_i的樣本數據經過SVM預測被認定為在某一區域內，則該區域票數加1，根據每個AP的定位區域投票，選定票數最多的區域作為定位的細粒度定位區域，每個區域的票數應當在0到m之間。

2.根據權利要求1所述的基于WLAN的室內定位方法，其特征在于：所述步驟一將采樣點采集到的各個AP的RSSI數據預處理，包括：刪除RSSI過低的數據，刪除非定位AP的數據，填補未被掃描到的RSSI數據；

所述刪除RSSI過低的數據是指，將RSSI強度低于某一閾值的數據刪除；所述刪除非定位AP的數據是指，刪除不適于定位的AP的RSSI，不適于定位AP的特征為強度過低，即RSSI小于-95dB或穩定性較差，即方差大于20。

3.根據權利要求1所述的基于WLAN的室內定位方法，其特征在于：所述步驟二中，對特征向量聚類分析，將待定位區域劃分為多個定位子區域，具體步驟為：以步驟一中構造的特征向量為輸入，以特征向量之間的距離作為相似度度量函數進行聚類分析，聚類分析采用可自動發現聚類數目的X-means算法。

4.根據權利要求1所述的基于WLAN的室內定位方法，其特征在于：所述在線定位階段的具體操作包括：

(1)讀取訓練好的SVM分類模型，計算支持向量多項式展開項值；

(2)讀取當前采集到的RSSI，提取分類特征向量；

(3)通過多項式核函數將分類特征向量映射到高維空間，并根據所述支持向量多項式展開項值計算待分類向量對應于不同區域的概率；

(4)對于每個AP組(AP_i,AP_j)，判斷劃分出的每個子區域是否符合條件，如果存在多個子區域符合條件，則SVM模型認為當前設備可能處于這幾個子區域的并集內。