[發(fā)明專利]一種基于AP序列的縮小定位區(qū)域的室內(nèi)定位方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910587280.3
• 申請(qǐng)日: 2019-07-02
• 公開(kāi)（公告）號(hào): CN112188385A
• 公開(kāi)（公告）日: 2021-01-05
• 發(fā)明（設(shè)計(jì)）人: 劉寶叢;陳純鍇;湯春明
• 申請(qǐng)（專利權(quán)）人: 天津工業(yè)大學(xué)
• 主分類號(hào): H04W4/02
• 分類號(hào): H04W4/02;H04W4/021;H04W4/33;H04W64/00;G01S11/06;G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明涉及一種基于AP(信號(hào)接入點(diǎn))序列的縮小定位區(qū)域的室內(nèi)定位方法，屬于無(wú)線通信領(lǐng)域，在基于WiFi信號(hào)強(qiáng)度的室內(nèi)定位系統(tǒng)中實(shí)現(xiàn)。包括離線階段數(shù)據(jù)集的處理，在線指紋庫(kù)的選擇和軟約束的WKNN定位算法。首先利用信號(hào)強(qiáng)度排序構(gòu)建穩(wěn)定的AP序列，建立多個(gè)離線子指紋庫(kù)；定位階段，利用提出的最大信號(hào)差值原則將用戶發(fā)送的信號(hào)強(qiáng)度信息構(gòu)建成AP序列，匹配子指紋庫(kù)，子指紋庫(kù)內(nèi)縮小定位區(qū)域，最后定位算法估計(jì)位置。通過(guò)縮小定位區(qū)域，定位算法僅需遍歷區(qū)域內(nèi)參考點(diǎn)，有效解決了傳統(tǒng)基于信號(hào)強(qiáng)度的定位中，信號(hào)空間距離與實(shí)際距離不一致造成的誤差，定位速度和精度明顯提高。同時(shí)，利用AP序列構(gòu)建指紋庫(kù)，提高定位系統(tǒng)的抗干擾能力。

技術(shù)背景

本發(fā)明涉及一種基于AP(信號(hào)接入點(diǎn))序列的縮小定位區(qū)域的室內(nèi)定位方法，該方法處 理大量數(shù)據(jù)并提取有效數(shù)據(jù)特征，縮小定位區(qū)域，屬于無(wú)線通信領(lǐng)域和數(shù)據(jù)挖掘分類技術(shù)領(lǐng) 域，應(yīng)用于室內(nèi)定位領(lǐng)域。

背景技術(shù)

近年來(lái)隨著無(wú)線電通信技術(shù)、多元信息融合技術(shù)和物聯(lián)網(wǎng)技術(shù)的發(fā)展，商業(yè)營(yíng)銷、醫(yī)療 急救、工業(yè)人員和倉(cāng)庫(kù)管理以及虛擬游戲等都需要精確的位置服務(wù)，因此對(duì)室內(nèi)環(huán)境下精確 定位的需求急劇增加。基于WiFi的室內(nèi)定位易部署、覆蓋范圍廣，是室內(nèi)定位中理想的方法。 然而，WiFi信號(hào)在傳播過(guò)程中易受多徑和環(huán)境的干擾，接收信號(hào)時(shí)人體的不同朝向、阻擋和 移動(dòng)以及來(lái)自其他設(shè)備的干擾，因此定位系統(tǒng)抗干擾能力差；確定待定位點(diǎn)的最終位置時(shí)， 常用的方法是KNN(K近鄰)定位算法，但是定位時(shí)只考慮信號(hào)強(qiáng)度(RSSI)的相似性，而 不考慮實(shí)際的空間位置，因此位置估計(jì)時(shí)會(huì)造成很大的誤差，同時(shí)，計(jì)算歐式距離需要遍歷 數(shù)據(jù)庫(kù)中所有參考點(diǎn)，使定位速度嚴(yán)重下降。

一般穩(wěn)定的Wi-Fi信號(hào)源的波動(dòng)不超過(guò)10dB，這樣，同一個(gè)位置不同設(shè)備測(cè)量的來(lái)自多 個(gè)AP的RSSI值的大小順序趨于穩(wěn)定，這樣有大小順序的數(shù)據(jù)就是AP序列。軟約束的WKNN 算法(SRL-KNNs)，是一種當(dāng)前估計(jì)位置與上一次估計(jì)位置有關(guān)的KNN算法，在傳統(tǒng)計(jì)算 歐氏距離的計(jì)算公式的基礎(chǔ)上增加了參考點(diǎn)的懲罰函數(shù)，將待定位點(diǎn)的可能位置依比例限制 在以上一次定位位置為圓心、以最大移動(dòng)距離為半徑的圓形區(qū)域內(nèi)，極大提高定位精度。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提出了一種基于AP序列的縮小定位區(qū)域的室內(nèi) 定位方法，利用AP序列構(gòu)建和選擇構(gòu)建離線指紋庫(kù)，以及處理在線指紋，在縮小的區(qū)域內(nèi) 定位，提高了定位精度。

本發(fā)明的技術(shù)方案，包括下列步驟：

步驟1：從檢測(cè)到的n個(gè)不同AP中取出k(k＜n)個(gè)AP，構(gòu)成C(n，k)個(gè)子指紋庫(kù)；

步驟2：接收到用戶發(fā)送的實(shí)時(shí)數(shù)據(jù)后，首先利用差值最大原則選擇出k個(gè)代表性AP， 先進(jìn)行子指紋庫(kù)的選擇；

步驟3：從子指紋庫(kù)X中選擇與待定位AP序列相同的點(diǎn)，縮小未知位置的所在定位區(qū) 域，完成粗定位，在縮小的區(qū)域內(nèi)利用SRL-KNNs完成精準(zhǔn)定位確定最終位置。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

利用AP序列構(gòu)建指紋庫(kù)，利用信號(hào)強(qiáng)度的大小順序代替不穩(wěn)定的信號(hào)強(qiáng)度，減小了信 號(hào)波動(dòng)和設(shè)備多樣性造成的誤差；通過(guò)縮小定位區(qū)域，有效解決了信號(hào)空間距離與實(shí)際距離 不一致時(shí)造成的誤差，同時(shí)計(jì)算歐氏距離僅需遍歷縮小區(qū)域內(nèi)的參考點(diǎn)；利用SRL-KNNs確 定最終位置，將當(dāng)定位點(diǎn)與上一次定位點(diǎn)聯(lián)系起來(lái)，在軌跡定位時(shí)精度更高。

總體定位精度更高，定位速度更快，可使定位系統(tǒng)更穩(wěn)定。

附圖說(shuō)明

圖1為發(fā)明整體流程圖；

圖2最大差值算法流程圖；

圖3縮小定位區(qū)域流程圖；

圖4選擇不同個(gè)數(shù)的AP的定位CDF比較圖；