專利名稱：基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法
技術(shù)領(lǐng)域：
本發(fā)明屬于室內(nèi)定位與導(dǎo)航技術(shù)領(lǐng)域，尤其涉及一種利用室內(nèi)無線定位技術(shù)實現(xiàn)安卓設(shè)備室內(nèi)精確定位的方法。
背景技術(shù)：
目標(biāo)的位置信息在各種場合中發(fā)揮著重要作用，如車輛導(dǎo)航、礦井井下人員定位、醫(yī)療看護(hù)對象定位、建筑工地管理等。目前定位上應(yīng)用最廣泛的無疑使“全球衛(wèi)星定位系統(tǒng)(GPS) ”，GPS作為全球最廣泛使用的衛(wèi)星導(dǎo)航定位技術(shù)，在許多領(lǐng)域得到了推廣應(yīng)用。用戶需要憑借手持接收器或者在汽車或游艇上安裝接收器接收衛(wèi)星信號，接收器從衛(wèi)星獲得信號后進(jìn)行一些計算來確定你的位置。GPS接收器知道一天某個時候衛(wèi)星的位置，它至少要從3個衛(wèi)星上獲取信號，然后根據(jù)信號畫出你的三角坐標(biāo)。在空曠的場地上，接收器能夠暢通無阻地收到衛(wèi)星發(fā)出的信號，這時候GPS的接收效果就會很好。但GPS在應(yīng)用上有著很大的局限性，其信號卻極易受障礙物的干擾和阻斷，在密集的城市地帶、隧道、室內(nèi)等環(huán)境定位不可靠甚至于失效。如果有高山、建筑或者隧道擋在接收器和衛(wèi)星之間，GPS的接收效果就會很差。因此，GPS在沙漠、空曠的鄉(xiāng)間和海面能提供良好的導(dǎo)航效果，但如果是在高層建筑里面或者高樓大廈之間導(dǎo)航效果就會不盡人意。因此，必須有其它的定位技術(shù)輔助GPS或者單獨在無GPS可用的場合下提供定位服務(wù)。隨著IEEE802.11技術(shù)的成熟，WiFi在世界各地普及，其覆蓋面越來越廣。雖然WiFi并不是為定位而設(shè)計，但接入點(AP)或基站定期發(fā)送的信標(biāo)信號中所含的接收信號強(qiáng)度(RSS)信息為定位移動臺提供了可能性，將其應(yīng)用于定位場合受到了學(xué)術(shù)界與產(chǎn)業(yè)界的極大關(guān)注。較之現(xiàn)行定位技術(shù)如GPS、蜂窩定位、無跡推算等，基于WiFi的定位具有如下優(yōu)勢:(1)可工作于室內(nèi)、室外等不同場合，為實現(xiàn)無處不在的定位提供了可能性；(2)僅依賴于現(xiàn)有的WiFi網(wǎng)絡(luò)，無需對其進(jìn)行任何改動，使用成本低；(3) WiFi信號受非視距(NLOS)影響小，即使在有障礙物阻擋的情況下也能使用。當(dāng)前，絕大多數(shù)基于WiFi的定位系統(tǒng)都利用RSS，其方法主要分成兩類:三角形算法和位置指紋識別(fingerprinting)算法。三角形算法利用待測目標(biāo)到至少三個已知參考點之間的距離信息估計目標(biāo)位置，而位置指紋識別則通過比較定位所需的信號特征指紋信息獲取目標(biāo)位置?；谌切嗡惴ǖ腤iFi定位很大程度上依賴于確知的AP位置信息及準(zhǔn)確的信號傳輸損耗模型。然而，由于涉及個人隱私等原因，獲知所有AP的位置信息并不現(xiàn)實。此外，由于影響信號傳輸?shù)囊蛩睾芏?，不同環(huán)境下的信號傳輸損耗模型大不相同，建立一個準(zhǔn)確的、適合實際應(yīng)用的損耗模型存在著很大的困難。因此，基于三角形算法的無線定位在具體實施中困難重重。位置指紋識別算法依靠表征目標(biāo)特征的數(shù)據(jù)庫進(jìn)行識別。其過程主要分為訓(xùn)練與定位兩個階段。訓(xùn)練階段的目標(biāo)在于建立一個位置指紋識別數(shù)據(jù)庫。首先，設(shè)計網(wǎng)格狀結(jié)構(gòu)的參考點分布，參考點間距不超過I米，確保能為定位階段的準(zhǔn)確位置估計提供足夠的信息。接著依次在各個參考點上測量來自不同AP組成的RSS向量，將相應(yīng)的MAC地址與參考點的位置信息記錄在數(shù)據(jù)庫中，直至遍歷關(guān)注區(qū)域內(nèi)所有的參考點。由于受環(huán)境影響，無線信號強(qiáng)度并不穩(wěn)定，為了克服RSS不穩(wěn)定對定位的影響，通常在每個參考點上多次測量取平均。定位階段則是在給定數(shù)據(jù)庫后，依據(jù)一定的匹配算法將待測點上接收的RSS向量與數(shù)據(jù)庫中的已有數(shù)據(jù)進(jìn)行比較，計算位置估計值。匹配算法通常采用NN算法和KNN算法。NN算法的運算量較大，耗時較長，而KNN匹配算法的實質(zhì)是計算待測點采集到的RSS向量與數(shù)據(jù)庫中已記錄的RSS向量之間的距離。假設(shè)待測區(qū)域有η個AP，m個參考點，從而距離的表達(dá)式為:
權(quán)利要求
1.基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法，其特征在于，包括以下步驟: (1)將區(qū)域劃分為網(wǎng)格狀結(jié)構(gòu)，每一個交點為一個RP，以此為二維坐標(biāo)系，原點設(shè)定在區(qū)域左下角的交點； (2)掃描區(qū)域內(nèi)所有RP接收到的無線信號強(qiáng)度，組成該RP的信號強(qiáng)度RSS向量，最后將RP標(biāo)識、RSS向量和掃描時間記錄在oracle數(shù)據(jù)庫中，如果沒有發(fā)現(xiàn)AP，則發(fā)出警告； (3)接收來自待測Android設(shè)備端的定位請求，解析請求中信號強(qiáng)度向量S=Lss1, SS2, SS3,…，SSk],提取數(shù)據(jù)庫中最新的所有的信號強(qiáng)度向量RSS集合，定義為Si=LSSil, SSi2, SSi3,…，SSim]，其中k為Android設(shè)備端檢測到的AP數(shù)量，m為掃描參照點信號時檢測到的AP數(shù)量，Si代表第i個RP的信號強(qiáng)度向量； (4)采用KNN匹配算法計算s與Si的歐幾里德距離，獲得距離集合D； (5)對步驟(4) 得到的初步距離集合D進(jìn)行升序排序，首先獲取前四個距離代表的RP，如果能夠組成一個網(wǎng)格，則轉(zhuǎn)到步驟(6)，否則轉(zhuǎn)到步驟(7)； (6)對于步驟(5)得到的四個RP，將待測點與每個RP之間的距離作為權(quán)重，采用基于權(quán)重的坐標(biāo)計算方法計算待測點的位置坐標(biāo)P ； (7)對于步驟(4)得到的已排序的集合D，取出前K個距離，計算平均值來確定待測點的位置坐標(biāo)P。
2.根據(jù)權(quán)利要求1所述的基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法，其特征在于，所述步驟(3)和步驟(4)之間還包括如下步驟: 對得到的向量s和向量集合S進(jìn)行篩選，使得s和S中的AP標(biāo)識一一對應(yīng)，篩選獲得滿足k=m的待測點信號強(qiáng)度向量s’和數(shù)據(jù)庫中信號強(qiáng)度向量S’。
3.根據(jù)權(quán)利要求1或2所述的基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法，其特征在于:所述步驟(I)中，劃分網(wǎng)格狀結(jié)構(gòu)時，網(wǎng)格尺寸通過手工設(shè)定，默認(rèn)尺寸為0.5m*0.5mο
4.根據(jù)權(quán)利要求1或2所述的基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法，其特征在于:所述步驟(2)中，掃描參照點RP獲得信號強(qiáng)度向量時，每一個RP按照預(yù)先設(shè)定的掃描次數(shù)進(jìn)行掃描，掃描后取信號強(qiáng)度向量的平均值存入數(shù)據(jù)庫，所述掃描次數(shù)默認(rèn)值為100。
5.根據(jù)權(quán)利要求1或2所述的基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法，其特征在于，，所述步驟(6)中采用的基于權(quán)重的坐標(biāo)計算的過程為:首先獲取待測點與四個RP的距離屯、d2、d3、d4,然后讀取四個RP的坐標(biāo)值(X1, y!)、(x2, y2)、(x3, y3)、(x4, y4)，最后通過公式 Μχ2 ),..+ (4 +drxi).(4Λ +di)'4) , + (4Λ +dIXi)...(χ.y*) = (_. 十O_._.(dj +i^4 )_.^ 計算出待測點坐標(biāo)位置，其中兩個同方向邊上的RP分別進(jìn)行加權(quán)計算后取平均值。
6.根據(jù)權(quán)利要求1或2所述的基于位置指紋識別算法的安卓設(shè)備WiFi室內(nèi)定位方法，其特征在于:所述步驟(7)中所述的K默認(rèn)為8。
7.作為本發(fā)明的一種優(yōu)選方案，所述步驟(2)根據(jù)一定間隔反復(fù)執(zhí)行，所述的間隔默認(rèn)為6小時。
全文摘要
針對終端接收機(jī)在樓群密集的城市或者室內(nèi)工作的時候，由于信號強(qiáng)度受到建筑物的影響而大大衰減，導(dǎo)致定位精度低甚至不能夠完成定位的問題，本發(fā)明公開了一種基于位置指紋識別算法的安卓(Android)設(shè)備端WiFi室內(nèi)定位方法，在傳統(tǒng)指紋識別算法的基礎(chǔ)上采用KNN匹配算法和基于權(quán)重的坐標(biāo)計算方法獲得待測點位置，有效降低了信號波動帶來的誤差，能夠精確定位終端接收機(jī)位置，且反應(yīng)迅速。相對于傳統(tǒng)的室內(nèi)定位方法，本發(fā)明能在環(huán)境復(fù)雜的情況下較為精確地定位請求者位置，反應(yīng)迅速，高效精準(zhǔn)，特別適合Android設(shè)備端室內(nèi)位置定位。
文檔編號G01S5/02GK103200678SQ20131012075
公開日2013年7月10日 申請日期2013年4月9日 優(yōu)先權(quán)日2013年4月9日
發(fā)明者馬廷淮, 陸潁華, 鄭鈺輝, 田偉, 姚永雷 申請人:南京信息工程大學(xué)