[發明專利]一種基于集成HWKNN的WiFi室內定位方法

有效

• 申請號: 201710600157.1
• 申請日: 2017-07-21
• 公開（公告）號: CN107484123B
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 陳紹建;龍云亮
• 申請（專利權）人: 中山大學
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04W4/33;H04B17/318;H04B17/391
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張欽滿

本發明公開一種基于集成HWKNN的WiFi室內定位方法，包括：1)構建可靠的室內WiFi指紋數據庫；2）根據建立的指紋數據庫，估計出每個接入點的位置坐標以及對應的室內路徑損耗模型；3）當計算待定位節點和指紋數據庫之間的歐式距離時，利用2）得到的室內路徑損耗模型為相應的維度賦予權重；4）對步驟3）得到的歐式距離選出K個距離最小的參考點，并根據信號強度相似度對K個參考點進行加權并確定待定位節點位置；5）將步驟2?4）的方法作為一種弱定位方法，通過隨機選取K值的大小和接入點的個數組建若干個弱定位估計器來最終估計出待定位節點的位置坐標。本發明中提出的定位算法能夠有效的增強室內定位的魯棒性，最終實現室內的精準定位。

技術領域

本發明涉及機器學習、無線傳輸以及室內定位領域，具體涉及一種基于集成HWKNN的WiFi室內定位方法。

背景技術

隨著移動設備的廣泛應用和無線網絡的普及，使得基于位置的服務(LBS)不但可以獲取用戶位置信息還可以進一步挖掘用戶行為信息，因此LBS顯示出了良好的學術發展前景和廣闊的市場需求。在戶外定位領域，全球定位系統(GPS)已經實現了精密定位，但在室內環境中仍然難以實現精確的定位。

在過去十年中，隨著WiFi技術的發展和無線接入點覆蓋率的逐漸增加，基于無線局域網(WLAN)的室內定位已經提出了一系列方法。但是，由于室內無線信號傳播復雜性，不容易找到接入點(AP)的位置，并確定傳播模型的系數。基于WiFi的傳播模型定位方法中，主要技術有AOA模型，TOA模型，TDOA模型和信號路徑損耗模型。但由于室內環境的復雜性，用戶自我阻擋，移動電話的不同方向和其他干擾因素使得室內定位不能滿足高精度要求。因此，迫切需要為LBS開發低成本，高精度的基于WiFi的室內定位系統(IPS)。

相比于基于傳播模型的室內定位，基于WiFi指紋的室內定位更易于部署，低成本和有效地容忍無線信號噪聲，從而達到最高的精度。傳統的K最近鄰(KNN)算法是室內定位中最常用的算法之一，首先通過計算待定位節點處接收到的各個WiFi接入點的信號強度和指紋數據庫中的參考點的信號強度之間的歐式距離，然后找出K個最鄰近的參考點，利用不同的加權方式來增加相似度較大的參考點對定位結果的影響，最后估計出待定位節點位置坐標。但是由于室內環境的復雜性，來自不同WiFi接入點的信號強度往往受到不同程度的外界干擾，信號強度和物理位置之間的關系并不是簡單的線性映射關系，并且在待定位節點處無法確定不穩定的WiFi接入點，從而導致定位精度的下降。

發明內容

本發明的目的主要在于克服上述的技術缺陷，提供了一種基于集成HWKNN的WiFi室內定位方法，該方法在定位時不僅考慮到參考指紋間的歐式距離，還考慮到信號強度和物理位置的非線性關系和不同強度的信號值對定位結果的影響，并且由若干個弱定位估計器組成強定位估計器來增加定位系統的魯棒性，從而提高了定位的精度。

為了實現上述目的，本發明的技術方案為：

一種基于集成HWKNN的WiFi室內定位方法，方法包括以下步驟：

1)構建可靠的室內WiFi指紋數據庫；

2)根據建立的指紋數據庫，估計出各個接入點的位置坐標以及每個接入點的室內路徑損耗模型；

3)在計算待定位的指紋信息和構建的指紋數據庫中的每個指紋之間的歐式距離時，利用步驟2)得到的不同接入點的室內路徑損耗模型為相應的維度賦予權重；

4)從步驟3)得到的歐式距離中選出K個距離最小的指紋作為參考點，并根據信號強度相似度對K個參考點進行加權確定待定位節點位置；

5)將步驟2-4)的方法作為一種弱定位方法，隨機選取K值的大小和WiFi接入點的個數(在本申請的實例中共采用了20個WiFi接入點，k值的隨機范圍被設定為5-15以及WiFi接入點的個數的隨機范圍被設定為16-20)組建若干個弱定位估計器，由這若干個弱定位估計器組成的強定位估計器得出最終的待定位的位置坐標。