一種基于概率的室內(nèi)定位方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及室內(nèi)定位技術(shù)領(lǐng)域，具體涉及一種基于概率的室內(nèi)定位方法和裝置。
【背景技術(shù)】
[0002] 隨著物聯(lián)網(wǎng)概念的興起和定位技術(shù)的快速發(fā)展，基于ZigBee(紫蜂協(xié)議）的室內(nèi) 定位技術(shù)成為了現(xiàn)在研宄的熱點(diǎn)，找到一種高精度、低復(fù)雜度的算法成為研宄者的共同目 標(biāo)。當(dāng)前已有很多研宄學(xué)者采用各種方法來(lái)減小工作量并提高定位精度，一些算法雖然在 仿真環(huán)境中能取得比較好的定位效果，但應(yīng)用到實(shí)際環(huán)境中還存在較大的誤差，原因之一 是實(shí)際環(huán)境對(duì)RSSI(ReceivedSignalStrengthIndication，接收的信號(hào)強(qiáng)度指示）值的 影響較大，例如墻壁的阻擋、反射和衍射、人員走動(dòng)、時(shí)間、天氣等，這些因素會(huì)造成RSSI的 波動(dòng)，而環(huán)境因素是難于避免的，導(dǎo)致定位精度難以提高。已出現(xiàn)的基于概率性的室內(nèi)定位 算法比確定性算法精度有所提高，但概率性算法（如Bayes貝葉斯概率法）中存在"零概 率"的情況，一旦出現(xiàn)零概率將導(dǎo)致定位精度下降。

【發(fā)明內(nèi)容】

[0003] 有鑒于此，本發(fā)明提出一種基于概率的室內(nèi)定位方法和裝置，定位過(guò)程中采用拉 普拉斯校準(zhǔn)以及加權(quán)K近鄰法獲得待測(cè)點(diǎn)定位坐標(biāo)。
[0004] 本發(fā)明提供一種基于概率的室內(nèi)定位方法，包括：S101，基于M個(gè)參考點(diǎn)相對(duì)于N 個(gè)AP的RSSI序列、概率分布和所述M個(gè)參考點(diǎn)的位置坐標(biāo)，建立指紋數(shù)據(jù)庫(kù)；S102,獲得至 少一個(gè)待測(cè)點(diǎn)相對(duì)于所述N個(gè)AP的RSSI序列和概率分布；其中，對(duì)所述至少一個(gè)待測(cè)點(diǎn)相 對(duì)于每一個(gè)AP的概率進(jìn)行拉普拉斯校準(zhǔn)；S103,基于貝葉斯定理將所述至少一個(gè)待測(cè)點(diǎn)中 第j個(gè)待測(cè)點(diǎn)的RSSI序列和概率分布與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，獲得所述第j個(gè)待測(cè)點(diǎn)處于 所述M個(gè)參考點(diǎn)中每一個(gè)參考點(diǎn)上的概率；S104,將S103中獲得的M個(gè)概率由大到小排序， 形成概率列表，取概率列表中前k個(gè)概率對(duì)應(yīng)的參考點(diǎn)，基于下式計(jì)算所述第j個(gè)待測(cè)點(diǎn)的 定位坐標(biāo)(&,%):
【主權(quán)項(xiàng)】
1. 一種基于概率的室內(nèi)定位方法，其特征在于，包括： SlOl，基于M個(gè)參考點(diǎn)相對(duì)于N個(gè)AP的RSSI序列、概率分布和所述M個(gè)參考點(diǎn)的位置 坐標(biāo)，建立指紋數(shù)據(jù)庫(kù)； 5102, 獲得至少一個(gè)待測(cè)點(diǎn)相對(duì)于所述N個(gè)AP的RSSI序列和概率分布；其中，對(duì)所述 至少一個(gè)待測(cè)點(diǎn)相對(duì)于每一個(gè)AP的概率進(jìn)行拉普拉斯校準(zhǔn)； 5103, 基于貝葉斯定理將所述至少一個(gè)待測(cè)點(diǎn)中第j個(gè)待測(cè)點(diǎn)的RSSI序列和概率分布 與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，獲得所述第j個(gè)待測(cè)點(diǎn)處于所述M個(gè)參考點(diǎn)中每一個(gè)參考點(diǎn)上的 概率； 5104, 將S103中獲得的M個(gè)概率由大到小排序，形成概率列表，取概率列表中前k個(gè)概 率對(duì)應(yīng)的參考點(diǎn)，基于下式計(jì)算所述第j個(gè)待測(cè)點(diǎn)的定位坐標(biāo)
其中，（Xi，yi)為k個(gè)參考點(diǎn)中第i個(gè)參考點(diǎn)的坐標(biāo)，PiS所述第i個(gè)參考點(diǎn)的后驗(yàn)概 率，其中，1彡k彡10。
2. 如權(quán)利要求1所述的基于概率的室內(nèi)定位方法，其特征在于，其中，k取概率列表中 介于
之間的數(shù)值的個(gè)數(shù)，Pniax為概率列表中的最大概率。
3. 如權(quán)利要求1所述的基于概率的室內(nèi)定位方法，其特征在于，還包括，基于以下公式 計(jì)算定位平均誤差：
其中R為待測(cè)點(diǎn)的總個(gè)數(shù)。
4. 一種基于概率的室內(nèi)定位裝置，其特征在于，包括： 參考點(diǎn)數(shù)據(jù)處理模塊，用于基于M個(gè)參考點(diǎn)相對(duì)于N個(gè)AP的RSSI序列、概率分布和所 述M個(gè)參考點(diǎn)的位置坐標(biāo)，建立指紋數(shù)據(jù)庫(kù)； 待測(cè)點(diǎn)數(shù)據(jù)處理模塊，用于獲得至少一個(gè)待測(cè)點(diǎn)相對(duì)于所述N個(gè)AP的RSSI序列和概 率分布；其中，對(duì)所述至少一個(gè)待測(cè)點(diǎn)相對(duì)于每一個(gè)AP的概率進(jìn)行拉普拉斯校準(zhǔn)； 數(shù)據(jù)匹配處理模塊，用于基于貝葉斯定理將所述至少一個(gè)待測(cè)點(diǎn)中第j個(gè)待測(cè)點(diǎn)的 RSSI序列和概率分布與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，獲得所述第j個(gè)待測(cè)點(diǎn)處于所述M個(gè)參考點(diǎn) 中每一個(gè)參考點(diǎn)上的概率； 定位計(jì)算處理模塊，用于將數(shù)據(jù)匹配處理模塊獲得的M個(gè)概率由大到小排序，形成概 率列表，取概率列表中前k個(gè)概率對(duì)應(yīng)的參考點(diǎn)，基于下式計(jì)算所述第j個(gè)待測(cè)點(diǎn)的定位坐 標(biāo)
其中，（Xi，yi)為k個(gè)參考點(diǎn)中第i個(gè)參考點(diǎn)的坐標(biāo)，PiS所述第i個(gè)參考點(diǎn)的后驗(yàn)概 率，其中，1彡k彡10。
5. 如權(quán)利要求4所述的基于概率的室內(nèi)定位裝置，其特征在于，其中，k取概率列表中 介于
之間的數(shù)值的個(gè)數(shù)，Pniax為概率列表中的最大概率。
6. 如權(quán)利要求4所述的基于概率的室內(nèi)定位裝置，其特征在于，還包括：誤差計(jì)算處理 模塊，用于基于以下公式計(jì)算定位平均誤差：
其中R為待測(cè)點(diǎn)的總個(gè)數(shù)。
【專利摘要】本發(fā)明公開了一種基于概率的室內(nèi)定位方法，包括：基于M個(gè)參考點(diǎn)相對(duì)于N個(gè)AP的RSSI序列、概率分布和M個(gè)參考點(diǎn)的位置坐標(biāo)，建立指紋數(shù)據(jù)庫(kù)；獲得至少一個(gè)待測(cè)點(diǎn)相對(duì)于N個(gè)AP的RSSI序列和概率分布；其中，對(duì)至少一個(gè)待測(cè)點(diǎn)相對(duì)于每一個(gè)AP的概率進(jìn)行拉普拉斯校準(zhǔn)；基于貝葉斯定理將至少一個(gè)待測(cè)點(diǎn)中第j個(gè)待測(cè)點(diǎn)的RSSI序列和概率分布與指紋數(shù)據(jù)庫(kù)進(jìn)行匹配，獲得第j個(gè)待測(cè)點(diǎn)處于M個(gè)參考點(diǎn)中每一個(gè)參考點(diǎn)上的概率；將M個(gè)概率由大到小排序，形成概率列表，取概率列表中前k個(gè)概率對(duì)應(yīng)的參考點(diǎn)，計(jì)算第j個(gè)待測(cè)點(diǎn)的定位坐標(biāo)。利用本發(fā)明能夠提高室內(nèi)定位的精度。
【IPC分類】H04W4-02, H04W4-04, H04W64-00
【公開號(hào)】CN104853435
【申請(qǐng)?zhí)枴緾N201510276197
【發(fā)明人】蔣曉飛
【申請(qǐng)人】北京京東尚科信息技術(shù)有限公司, 北京京東世紀(jì)貿(mào)易有限公司
【公開日】2015年8月19日
【申請(qǐng)日】2015年5月26日