[發(fā)明專利]融合Wi-Fi和藍(lán)牙的增強(qiáng)位置指紋室內(nèi)定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910190761.0
• 申請(qǐng)日: 2019-03-13
• 公開(kāi)（公告）號(hào): CN109951798A
• 公開(kāi)（公告）日: 2019-06-28
• 發(fā)明（設(shè)計(jì)）人: 張登銀;鐘銘;趙莎莎;薛睿;張恩軒
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): H04W4/02
• 分類號(hào): H04W4/02;H04W4/33;H04W4/80;H04W64/00
• 代理公司: 南京瑞弘專利商標(biāo)事務(wù)所(普通合伙) 32249
• 代理人: 彭雄

1.一種融合Wi-Fi和藍(lán)牙的增強(qiáng)位置指紋室內(nèi)定位方法，其特征在于，包括以下步驟：

步驟1)：部署Wi-Fi和藍(lán)牙AP節(jié)點(diǎn)，接收節(jié)點(diǎn)使用接收到的多個(gè)AP信號(hào)強(qiáng)度構(gòu)建接收RSSI向量；

步驟2)：將接收節(jié)點(diǎn)觀測(cè)到的RSSI向量表示為其中，t＝1,2，t＝1，表示W(wǎng)i-Fi網(wǎng)絡(luò)，t＝2，表示藍(lán)牙網(wǎng)絡(luò)，為第i_t信標(biāo)節(jié)點(diǎn)發(fā)射、接收節(jié)點(diǎn)接收到的RSSI值，P_t為網(wǎng)絡(luò)t中信標(biāo)節(jié)點(diǎn)總數(shù)，把訓(xùn)練得到的指紋庫(kù)表示為其中1≤j_t≤R_t，R_t為網(wǎng)絡(luò)t中指紋庫(kù)向量總數(shù)，指紋庫(kù)中每個(gè)所對(duì)應(yīng)的位置都是已知的；

步驟3)：采用RSSI動(dòng)態(tài)修正參數(shù)估計(jì)方式對(duì)RSSI向量進(jìn)行修正，以提高定位的精度；

在傳感網(wǎng)絡(luò)有P_t個(gè)AP節(jié)點(diǎn)，表示為其中P_t≥3；有m_t個(gè)參考點(diǎn)，其中m_t≥1；有n_t個(gè)AP的集合其中3≤n_t≤P_t，AK_t∈A_t；這n_t個(gè)AP組成一個(gè)網(wǎng)絡(luò)區(qū)域O_t，尋找一個(gè)參考點(diǎn)RP_t0，這個(gè)參考點(diǎn)到這n_t個(gè)節(jié)點(diǎn)的距離和H_t最短，具體求解方法如下：

設(shè)RP_t0此刻收到的的信號(hào)強(qiáng)度值為到RP_t0的距離為此時(shí)共有n_t對(duì)組合，計(jì)算信號(hào)強(qiáng)度距離損耗的公式如下：

其中，在n_t對(duì)組合中，取第b_t組作為式(2)中的(d_t0,RSSI_t0)，d_t0為參考距離；RSSI_t0是距離為d_t0時(shí)接收到的信號(hào)強(qiáng)度；d_t是真實(shí)測(cè)量距離；RSSI_t是距離為d_t時(shí)接收到的信號(hào)強(qiáng)度；ζ_t是環(huán)境因子，η_t是路徑損耗指數(shù)；

其余η_t-1組作為(d_t,RSSI_t)帶入到(2)式中，得到方程：

這n_t個(gè)環(huán)境因子反映了網(wǎng)絡(luò)區(qū)域O_t的環(huán)境情況，采用加權(quán)平均的方式得到網(wǎng)絡(luò)區(qū)域O_t此刻的環(huán)境因子

步驟4)：在空間某一位置接收的信號(hào)強(qiáng)度s_t與其所在的位置l_t存在一定的映射關(guān)系，該映射關(guān)系表示如下：

l_t＝f(s_t) (8)

其中，l_t為2D坐標(biāo)(x_t,y_t)；

基于該映射關(guān)系，在離線數(shù)據(jù)采集階段，使用上述步驟3)的方法，在空間中每個(gè)坐標(biāo)點(diǎn)采集多次AP信號(hào)數(shù)據(jù)，將每次求得的環(huán)境因子與路徑損耗指數(shù)η_t，參考距離d_t0，實(shí)際距離d_t，參考信號(hào)值RSSI_t0，實(shí)際信號(hào)值RSSI_t代入式(2)，得到多個(gè)RSSI向量，表示為對(duì)每個(gè)坐標(biāo)點(diǎn)的所有RSSI向量的各分量分別求平均值，所得到的平均RSSI向量值便可作為該點(diǎn)的特征值即：

其中，為的第k_t個(gè)分量，為第k_t個(gè)分量且滿足1≤k_t≤P_t，n_t為該坐標(biāo)點(diǎn)采集的RSSI向量總數(shù)；這樣場(chǎng)景中每個(gè)坐標(biāo)都得到一個(gè)這樣的特征向量，而所有坐標(biāo)的特征向量便構(gòu)成指紋庫(kù)從而建立式(8)中的映射關(guān)系；

步驟5)：在線位置估算階段，當(dāng)接收節(jié)點(diǎn)位于空間中的某個(gè)位置時(shí)，其將接收到來(lái)自P_t個(gè)AP的信號(hào)，其信號(hào)強(qiáng)度同樣使用上述步驟3)的方法進(jìn)行處理，構(gòu)成RSSI向量作為實(shí)時(shí)測(cè)量的RSSI指紋；此時(shí)用歐式距離算法去度量與中之間的相似度，以此估計(jì)目標(biāo)位置；歐式距離公式如下：

其中，為實(shí)時(shí)測(cè)量的RSSI指紋，是指紋庫(kù)中的RSSI指紋，將與代入上式(10)，即可得到此時(shí)該位置與的歐式距離L_t，即為與的相似度；

步驟6)：考慮到不同的AP節(jié)點(diǎn)觀測(cè)得到待測(cè)點(diǎn)位置存在不同的誤差，使用k加權(quán)近鄰法，在步驟5)得到的所有相似度位置中，選取前k_t個(gè)相似度最高的位置，將這前k_t個(gè)位置對(duì)應(yīng)的參考指紋代入WKNN公式便可得到估計(jì)的定位位置即：

式中，ε是很小的正常數(shù)防止除數(shù)為零，d_g為移動(dòng)目標(biāo)時(shí)的實(shí)時(shí)指紋與參考指紋之間的距離，為估計(jì)的前k_t個(gè)定位位置；

步驟7)：根據(jù)步驟6)得到的定位結(jié)果(x_t,y_t)，則根據(jù)以下公式進(jìn)行決策級(jí)的融合：

其中，t₁＝2；w_h是第h類網(wǎng)絡(luò)AP的權(quán)值且滿足∑w_h＝1，最后雙模融合后的定位結(jié)果為L(zhǎng)＝(X,Y)。