本發(fā)明屬于室內(nèi)定位技術(shù)領(lǐng)域，特別設(shè)計一種基于RSSI衰減特性和相似性的室內(nèi)定位方法。

背景技術(shù)：

目前，室外定位系統(tǒng)如：GPS、中國的北斗、俄羅斯GLONASS等已經(jīng)非常成熟，部分已經(jīng)成功的實現(xiàn)了商用，大大方便了人們的出行，但是室內(nèi)的環(huán)境中檢測不到衛(wèi)星信號，所以衛(wèi)星定位系統(tǒng)在室內(nèi)的環(huán)境中的使用效果非常差。正是在這樣的背景下，針對室內(nèi)位置服務(wù)的需求日漸增強，室內(nèi)定位也成了研究的熱門方向。針對室內(nèi)環(huán)境的多樣性多種技術(shù)和方式被提出。如利用超聲波方式、紅外線方式、RFID等等，但是最多的是利用WLAN進行室內(nèi)定位。目前WIFI的普及程度已經(jīng)非常之高，基本上隨處都可以搜到WIFI信號。因此對利用WIFI進行室內(nèi)定位已經(jīng)成為一個研究熱點。本發(fā)明針對的是基于WLAN的室內(nèi)定位技術(shù)。

為方便對本發(fā)明及其背景技術(shù)的理解，首先對使用的的一些專業(yè)名詞作如下說明：

WLAN：Wireless Local Area Network的簡稱，即無線本地局域網(wǎng)。

AP：Access Point的簡稱，即網(wǎng)絡(luò)接入點，提供無線局域網(wǎng)絡(luò)到有線網(wǎng)絡(luò)的訪問服務(wù)。

WIFI：Wireless Fidelity的簡稱，一種無線局域網(wǎng)的物理層協(xié)議。

RSSI：Received Signal Strength Indication的簡稱，接收信號強度指示，是接收到的無線信號強度的指標。

MAC：Medium/Media Access Control的簡稱，用來表示互聯(lián)網(wǎng)上每一個站點的標識符，采用十六進制數(shù)表示，共六個字節(jié)(48位)。

離線階段：是指構(gòu)建指紋數(shù)據(jù)庫階段，主要有采集指紋數(shù)據(jù)和對數(shù)據(jù)進行預處理操作。

在線階段：是指定位階段，該階段處于定位區(qū)域的定位終端采集周圍的AP信號，再使用該數(shù)據(jù)與指紋數(shù)據(jù)庫中的數(shù)據(jù)通過匹配算法估計出定位終端的實際位置。

WLAN定位系統(tǒng)大致可以分為兩類，基于傳播模型的定位和基于位置指紋的定位。

由于室內(nèi)環(huán)境比較復雜，而且無線電信號在傳播過程中會發(fā)生衍射、反射、散射和多徑傳輸，造成傳播模型的一些參數(shù)難以確定，傳播模型難以準確的描述電磁波的實際分布情況。這造成基于傳播模型的定位系統(tǒng)定位精度普遍較差，或者需要額外的信號測量專用硬件，且需要對網(wǎng)絡(luò)重新部署，成本較高，造成基于傳播模型的定位方式應用范圍受到限制。

基于位置指紋的定位方式主要是對定位空間內(nèi)的環(huán)境特征進行抽象和形式化描述，使用定位環(huán)境中各個AP的RSSI序列描述定位環(huán)境中的位置信息，并匯集這些RSSI序列構(gòu)成位置指紋數(shù)據(jù)庫。最后，將實時測量的RSSI序列與位置數(shù)據(jù)庫中的位置指紋進行匹配，根據(jù)指紋庫的匹配相似度，完成對用戶位置的估計。此種定位方法主要包含兩個階段：離線訓練階段和在線定位階段。離線訓練階段，目的在于建立一個位置指紋數(shù)據(jù)庫，定位前定位系統(tǒng)部署人員在定位環(huán)境中遍歷所有位置，同時在每個參考點收集來自不同AP的RSSI值，將各個AP的MAC地址、RSSI值和采樣點的位置信息組成一個關(guān)聯(lián)的三元組數(shù)據(jù)，保存在位置指紋庫中。在線階段，在定位區(qū)域中實時采集所有AP接入點的RSSI，并將MAC地址和RSSI值組成二元組，作為位置匹配算法的數(shù)據(jù)輸入，并通過特定的匹配算法進行位置估計。在線階段常見的位置匹配算法是最近鄰法(NNSS)和樸素貝葉斯法(Naive Bayes)。NNSS是基于類比學習的匹配方法，使用在線階段的采樣數(shù)據(jù)和訓練階段的采樣數(shù)據(jù)進行相似度匹配。。

以上的基于位置的指紋定位方法，受到室內(nèi)復雜多變的環(huán)境點的影響，造成定位精度的波動性比較大和抗干擾能力弱，在定位區(qū)域變大時指紋數(shù)據(jù)庫也相應變得龐大，這將導致定位匹配時的計算量變大。本發(fā)明將通過對指紋數(shù)據(jù)庫的預處理減小室內(nèi)環(huán)境的影響，減少定位時的數(shù)據(jù)量，提高數(shù)據(jù)有效性，進而提高定位的精度和提高定位響應速度。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種清除了位置相近的多個AP對定位的重復貢獻這一因素導致的冗余數(shù)據(jù)，提出的利用RSSI衰減特性刪除對定位效果貢獻率低RSSI數(shù)據(jù)，能夠提高定位精度，降低了運算量的基于RSSI衰減特性和相似性的室內(nèi)定位方法。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：基于RSSI衰減特性和相似性的室內(nèi)定位方法，包括以下步驟：

S1、對采集指紋數(shù)據(jù)的采樣點進行統(tǒng)一編號；

S2、計算每個網(wǎng)絡(luò)接入點在每個采樣點的多組RSSI的均值；

S3、以相關(guān)系數(shù)作為指標，剔除每個采樣點冗余的RSSI數(shù)據(jù)；

S4、依據(jù)RSSI衰減特性刪除對定位效果貢獻率低RSSI數(shù)據(jù)；

S5、采用實際匹配算法對步驟S4得到的數(shù)據(jù)進行位置估計，得出定位終端的實際位置。

進一步地，所述步驟S1中對采樣點進行統(tǒng)一編號的方法為：設(shè)采樣點的總數(shù)為I，將采樣點標記為i，i＝1,2,…,I，采樣點i的位置記為(x_i,y_i)；采樣點i每次采樣獲得的指紋數(shù)據(jù)表示為其中，L_i為采樣點i的網(wǎng)絡(luò)接入點的個數(shù)；設(shè)每個采樣點共采樣J次，則采樣點i第j次采樣獲得的數(shù)據(jù)表示為采樣點i的指紋數(shù)據(jù)由R_i,1,R_i,2,…,R_i,J組成；所有采樣點的指紋數(shù)據(jù)組成指紋數(shù)據(jù)庫。

進一步地，所述步驟S2具體實現(xiàn)方法為：設(shè)定位場景中能夠檢測到的網(wǎng)絡(luò)接入點的總數(shù)為A，第a個網(wǎng)絡(luò)接入點在采樣點i被檢測到的RSSI序列表示為R_i,_a＝(rssi_i,a,1,rssi_i,a,2,…,rssi_i,a,M)，其中，a＝1,2,…A，M為該網(wǎng)絡(luò)接入點在采樣點i被檢測到的次數(shù)，序列R_i,a的均值記為e_i,a。

進一步地，所述步驟S3包括以下分步驟：

S31、將以采樣點為中心，半徑為R的區(qū)域內(nèi)所有采樣點的集合記為Ω，其中，R＝2d，d為采樣點之間的間距；

S32、R_a＝(rssi_a,1,rssi_a,2,...,rssi_a,N)表示第a個網(wǎng)絡(luò)接入點AP_a在集合Ω中每個采樣點被測得的RSSI的數(shù)列；其中，rssi_a,n為第a個網(wǎng)絡(luò)接入點在集合Ω中采樣點n被檢測M次所得到RSSI序列的均值；1≤n≤N，N表示集合Ω中的采樣點個數(shù)；所有網(wǎng)絡(luò)接入點在集合Ω中每個采樣點被測得RSSI的數(shù)列組成的集合記為B；

S33、對集合B中的數(shù)列兩兩進行如下處理：R_a,R_a±x∈B,x為正整數(shù)，1≤a±x≤A，求兩個數(shù)列的公共采樣點數(shù)據(jù)形成的子序列R′_a,R′_a±x，求出R′_a,R′_a±x兩個序列的相關(guān)系數(shù)ρ；如果ρ>0.8，則認為兩個網(wǎng)絡(luò)接入點在該區(qū)域內(nèi)強相關(guān)，刪除對應的采樣點AP_a或者AP_a±x在該區(qū)域內(nèi)所有采樣點的RSSI數(shù)據(jù)；否則不操作。

進一步地，所述步驟S4具體包括以下分步驟：

S41、將以采樣點為中心，半徑為R₀的區(qū)域內(nèi)所有采樣點的集合記為Ω′，R₀初值為2d；比較Ω′中采樣點的數(shù)量與每個網(wǎng)絡(luò)接入點在中心采樣點被檢測到的次數(shù)的大小，若采樣點的數(shù)量大于網(wǎng)絡(luò)接入點AP_a在中心采樣點被檢測到的次數(shù)，則對該網(wǎng)絡(luò)接入點AP_a執(zhí)行步驟S44的操作，否則執(zhí)行步驟S43；

S43、R₀增加一個采樣點間距的長度，即R₀＝R₀+d,返回步驟S42；

S44、對該網(wǎng)絡(luò)接入點的信號進行以下操作：將該網(wǎng)絡(luò)接入點被采集到的RSSI按從大到小的順序排列，并取前Y個RSSI值，記為集合R_max,，Y小于該網(wǎng)絡(luò)接入點在中心采樣點被檢測到的次數(shù)；將R_max中元素的均值記為E_max，中心采樣點的RSSI均值記為E₀,若E_max-E₀＜δ_e，則刪除該采樣點中該網(wǎng)絡(luò)接入點對應的RSSI數(shù)據(jù)，否則不對該網(wǎng)絡(luò)接入點進行操作；其中，δ_e為預設(shè)的閾值。

本發(fā)明的有益效果是：本發(fā)明沒有在定位區(qū)域中特地部署AP，而是直接采集周圍能夠檢測到的AP信號；并清除了位置相近的多個AP對定位的重復貢獻這一因素導致的冗余數(shù)據(jù)，有力的降低了在線階段的計算量；本發(fā)明從RSSI的衰減曲線出發(fā)，針對不同RSSI對在線階段定位貢獻度不同，距離AP越遠的位置檢測到的RSSI對定位效果的貢獻越小，而且距離AP較遠的區(qū)域，RSSI變化較平緩，本發(fā)明提出的利用RSSI衰減特性刪除對定位效果貢獻率低RSSI數(shù)據(jù)，能夠提高定位精度，也降低了在線階段定位匹配時的運算量。

附圖說明

圖1為本發(fā)明的基于RSSI衰減特性和相似性的室內(nèi)定位方法流程圖；

圖2為本發(fā)明的冗余數(shù)據(jù)的AP布局圖。

具體實施方式

本發(fā)明是在指紋定位法的基礎(chǔ)上提出來的，通常的指紋定位法對采集到的數(shù)據(jù)不加處理或者只是進行統(tǒng)計學上的處理。本發(fā)明應用的場景為：待定位區(qū)域為部署有適當密度的AP的室內(nèi)環(huán)境，保證定位區(qū)域中任意位置能夠檢測到多個AP的信號，理論上只有任意位置能夠檢測到3個AP的信號就可以了，但是為獲得較好的定位效果，可以適當增加任意位置檢測到AP的數(shù)量。不需要獲得每個AP的部署位置。隨著里AP距離增大，檢測到該AP的RSSI值將越小，最終趨于恒定。不同AP在同一區(qū)域的RSSI值可能具有強相關(guān)性。本算法分為兩個基本步驟，第一步是以不同AP間RSSI的相似性對指紋數(shù)據(jù)庫中冗余數(shù)據(jù)進行剔除；第二步以RSSI衰減曲線為依據(jù)對指紋數(shù)據(jù)庫進行預處理。在線階段時將實時數(shù)據(jù)與指紋數(shù)據(jù)庫中的數(shù)據(jù)進行匹配，得到該點的坐標。下面結(jié)合附圖進一步說明本發(fā)明的技術(shù)方案。

如圖1所示，基于RSSI衰減特性和相似性的室內(nèi)定位方法，包括以下步驟：

S1、對采集指紋數(shù)據(jù)的采樣點進行統(tǒng)一編號；具體方法為：設(shè)采樣點的總數(shù)為I，將采樣點標記為i，i＝1,2,…,I，采樣點i的位置記為(x_i,y_i)；采樣點i每次采樣獲得的指紋數(shù)據(jù)表示為其中，L_i為采樣點i的網(wǎng)絡(luò)接入點的個數(shù)；設(shè)每個采樣點共采樣J次，則采樣點i第j次采樣獲得的數(shù)據(jù)表示為采樣點i的指紋數(shù)據(jù)由R_i,1,R_i,2,…,R_i,J組成；所有采樣點的指紋數(shù)據(jù)組成指紋數(shù)據(jù)庫；

S2、計算每個網(wǎng)絡(luò)接入點在每個采樣點的多組RSSI的均值；具體實現(xiàn)方法為：設(shè)定位場景中能夠檢測到的網(wǎng)絡(luò)接入點的總數(shù)為A，第a個網(wǎng)絡(luò)接入點在采樣點i被檢測到的RSSI序列表示為R_i,a＝(rssi_i,a,1,rssi_i,a,2,…,rssi_i,a,M)，其中，a＝1,2,…A，M為該網(wǎng)絡(luò)接入點在采樣點i被檢測到的次數(shù)，序列R_i,a的均值記為e_i,a；

S3、以相關(guān)系數(shù)作為指標，剔除每個采樣點冗余的RSSI數(shù)據(jù)；包括以下分步驟：

S31、將以采樣點為中心，半徑為R的區(qū)域內(nèi)所有采樣點的集合記為Ω，其中，R＝2d，d為采樣點之間的間距；

S32、R_a＝(rssi_a,1,rssi_a,2,...,rssi_a,N)表示第a個網(wǎng)絡(luò)接入點AP_a在集合Ω中每個采樣點被測得的RSSI的數(shù)列；其中，rssi_a,n為第a個網(wǎng)絡(luò)接入點在集合Ω中采樣點n被檢測M次所得到RSSI序列的均值，即步驟S2中，e_i,a中落在集合Ω中的值；1≤n≤N，N表示集合Ω中的采樣點個數(shù)；所有網(wǎng)絡(luò)接入點在集合Ω中每個采樣點被測得RSSI的數(shù)列組成的集合記為B；

S33、對集合B中的數(shù)列兩兩進行如下處理：R_a,R_a±x∈B,x為正整數(shù)，1≤a±x≤A，求兩個數(shù)列的公共采樣點數(shù)據(jù)形成的子序列R′_a,R′_a±x，求出R′_a,R′_a±x兩個序列的相關(guān)系數(shù)ρ；如果ρ>0.8，則認為兩個網(wǎng)絡(luò)接入點在該區(qū)域內(nèi)強相關(guān)，刪除對應的采樣點AP_a或者AP_a±x在該區(qū)域內(nèi)所有采樣點的RSSI數(shù)據(jù)；否則不操作；如圖2所示，AP1和AP2的RSSI值在采樣點附近區(qū)域具有強相關(guān)性，AP3和AP1、AP2在采樣點附近有可能有強相關(guān)性，所以利用這一特性提出冗余的RSSI數(shù)據(jù)對提供定位精度和減小定位計算運算量具有有益效果；

S4、依據(jù)RSSI衰減特性刪除對定位效果貢獻率低RSSI數(shù)據(jù)；AP的RSSI值隨著與AP距離的增大在不斷減小，在離AP較遠的距離是，隨著距離的增大RSSI減小的程度越來越小，甚至不再減小。(參見文獻：Mazuelas S,Bahillo A,Lorenzo R M,et al.Robust Indoor Positioning Provided by Real-Time RSSI Values in Unmodified WLAN Networks[J].IEEE Journal of Selected Topics in Signal Processing,2009,3(5):821-831.)這一特性使得在離AP較遠距離區(qū)域的RSSI值對定位沒有貢獻甚至負面效果；本發(fā)明依據(jù)RSSI衰減特性刪除對定位效果貢獻率低RSSI數(shù)據(jù)具體包括以下分步驟：

S41、將以采樣點為中心，半徑為R₀的區(qū)域內(nèi)所有采樣點的集合記為Ω′，R₀初值為2d；比較Ω′中采樣點的數(shù)量與每個網(wǎng)絡(luò)接入點在中心采樣點被檢測到的次數(shù)的大小，若采樣點的數(shù)量大于網(wǎng)絡(luò)接入點AP_a在中心采樣點被檢測到的次數(shù)，則對該網(wǎng)絡(luò)接入點AP_a執(zhí)行步驟S44的操作，否則執(zhí)行步驟S43；

S43、R₀增加一個采樣點間距的長度，即R₀＝R₀+d,返回步驟S42；

S44、對該網(wǎng)絡(luò)接入點的信號進行以下操作：將該網(wǎng)絡(luò)接入點被采集到的RSSI按從大到小的順序排列，并取前Y個RSSI值，記為集合R_max,，Y小于該網(wǎng)絡(luò)接入點在中心采樣點被檢測到的次數(shù)；將R_max中元素的均值記為E_max，中心采樣點的RSSI均值記為E₀,若E_max-E₀＜δ_e，則刪除該采樣點中該網(wǎng)絡(luò)接入點對應的RSSI數(shù)據(jù)，否則不對該網(wǎng)絡(luò)接入點進行操作；其中，δ_e為預設(shè)的閾值。

S5、采用實際匹配算法對步驟S4得到的數(shù)據(jù)進行位置估計，得出定位終端的實際位置。

本領(lǐng)域的普通技術(shù)人員將會意識到，這里所述的實施例是為了幫助讀者理解本發(fā)明的原理，應被理解為本發(fā)明的保護范圍并不局限于這樣的特別陳述和實施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護范圍內(nèi)。