[發明專利]一種基于WiFi的室內定位優化算法

有效

• 申請號: 201710084372.0
• 申請日: 2017-02-16
• 公開（公告）號: CN107071894B
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 文玎玲;譚峻東;余天堯;龍云亮
• 申請（專利權）人: 廣東順德中山大學卡內基梅隆大學國際聯合研究院;中山大學
• 主分類號: H04W64/00
• 分類號: H04W64/00;G01S5/02
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本文公開一種基于WiFi的室內定位優化算法，為解決現有的WiFi室內定位方法的信號噪聲問題，通過對原始RSSI指紋庫的重新編碼，減少噪聲在RSSI信號數據中的影響，能適應具有大量噪聲的實際環境，從而提高了WiFi定位的精度。該算法的實現過程分為兩個階段：訓練階段：線下采集RSSI數據，將其轉換成RSSI指紋庫；將RSSI指紋庫的與x、y坐標值部分分離；構造一個非遞歸神經網絡不斷訓練RSSI值部分，得到一個新的數據集，形成新的RSSI指紋庫；測試階段：將給出的某一位置RSSI指紋，經過與訓練階段同樣的非遞歸神經網絡，通過KNN分類算法進行指紋庫匹配分別對x坐標值和y坐標值分類，得出最終定位結果。

技術領域

本發明涉及室內定位領域，更具體地，涉及一種基于WiFi的室內定位優化算法。

背景技術

隨著無線局域網絡在世界的飛速發展和移動終端設備的廣泛普及，近年來出現了很多的室內定位相關技術和應用。目前WiFi室內定位方法根據網絡中是否需要測量節點之間的真實距離，可分為基于測距的方法和非測距的方法。前者測量時利用節點之間的距離或者角度等信息實現節點自身定位，典型的算法有：到達時間差(Time Difference ofArrival)和到達時間(Time of Arrival)等，非測距方法主要是基于在接收信號強度指示RSSI(Received Signal Strength Indicator)信號強度值來計算的。

基于RSSI強度值的定位算法分為兩種：一種是基于RSSI信號的衰減模型，通過建模找出一個非線性方程來描述單個的接收信號強度指示值與測量物體和發射機之間距離的關系，再依據信號強度與傳播距離損耗測算距離，通過多邊測量、圓周或雙曲線函數定位節點位置，具體實施過程一般分為測距階段和計算坐標階段。另外一種是基于RSSI指紋庫的定位方法，也是本文中采用的方法，由于無線信號在傳播中會受反射、繞射和散射的影響，使得接收節點接收到的信號不是來自于單一路徑，而是多個路徑多個信號的疊加，并且由于電磁波通過的路徑距離不同，到達節點時間也不盡相同，存在相位差。但是對每個位置而言，信道的多徑結構都是唯一的，我們可以把在這個位置收到的所有的RSSI信號與其對應的發射源統稱為RSSI位置指紋，然后根據這個指紋庫來進行定位。

在實際環境中，WiFi信號傳播會受到多徑效應、陰影效應和非直達波傳播等的影響，同時室內壞境存在著其他的無線信號干擾，特別是頻率為2.4GHZ的信號。在室內環境應用基于WiFi的定位系統時，無論是在線階段還是離線階段采集的數據，都會受到噪聲的影響，這對定位效果有很大的影響，所以盡可能消除噪聲對信號的影響成為定位中的關鍵點。

發明內容

本發明為克服上述現有技術所述的至少一種缺陷，提供一種基于WiFi的室內定位優化算法，能適應具有大量噪聲的實際環境，提高室內WiFi定位精度。

為解決上述技術問題，本發明的技術方案如下：

一種基于WiFi的室內定位優化算法，包括以下步驟：

訓練階段：

S1：線下采集RSSI數據，并將所采集的RSSI數據轉換成RSSI指紋庫，記為F；

S2：將RSSI指紋庫的RSSI值部分與x、y坐標值部分分離；其中，RSSI值部分記為數據集X，x、y坐標值部分記為Y1、Y2；

S3：將數據集X經過自動編碼器進行自學習，構造一個非遞歸神經網絡h_w,b；

S4：將數據集X經過非遞歸神經網絡h_w,b通過不斷訓練得到一個新的數據集X'，使得h_w,b(X)≈X'；

S5：將新的數據集X'與其對應的x、y坐標值部分結合起來，形成新的RSSI指紋庫，記為F'；

測試階段：