基于多重接入点选择的WiFi室内定位方法技术

技术编号:19011907 阅读:38 留言:0更新日期:2018-09-22 11:14
本发明专利技术公开了一种基于多重接入点选择的WiFi室内定位方法,主要解决现有技术接入点定位结果不准确问题,其技术方案为:1)采集接入点数据;2)根据接入点数据,进行多重接入点选择,选择出信号稳定且分辨能力强的接入点集合,形成位置指纹库;3)根据各位置的指纹对位置进行分群;4)对各位置分群进行接入点的重新选择,选择出能够更好地表达该位置分群自己的特征接入点集合;5)为每个位置分群建立决策树模型;6)给定定位样本确定定位样本目标位置所在的位置分群;7)利用定位样本所在位置分群的定位模型确定定位样本的具体位置。本发明专利技术能有效地克服环境中不稳定的接入点对定位精度带来的影响,可用于多种复杂的定位环境。

【技术实现步骤摘要】
基于多重接入点选择的WiFi室内定位方法
本专利技术通信
,特别涉及一种WiFi室内定位方法,可用于对室内用户的定位、导航等基于位置的服务。
技术介绍
随着移动通信技术和移动互联网技术的蓬勃发展,移动智能终端应运而生,并迅速普及,基于移动互联网的各类服务呈现爆炸式增长。其中基于位置的服务LBS在过去十年也经历了快速的发展,被广泛应用到人们的生活中,极大地改变了人们的生活方式,为人们的生活带来了便利。而定位技术是LBS应用中必不可少的底层支持技术。在室外环境下,全球定位系统GPS是当前最为成熟的定位系统。但在室内,由于墙体阻隔,室内环境复杂多变,干扰众多,无法使用GPS信号进行室内定位。随着IEEE802.11协议的不断完善,WiFi得到了普及。WiFi虽不是为定位而生,但却因为其传输速度快,覆盖率高,公共场合可免费使用,无需安装特殊设备,且部署成本低这些自身的特点,成为室内定位的首选。在WiFi定位技术中,目前主要的研究方向是基于信号强度RSSI的定位,其中基于位置指纹识别的WiFi室内定位方法是一种很流行的方法。基于位置指纹识别的WiFi室内定位方法就是对待定位环境中观测到的场景特征进行抽象和形式化描述,利用信号强度RSSI与物理位置之间的关联性进行定位。在不同的物理位置上,信号强度RSSI的表现力是不一样的,也就是说各点接收到的AP的信号强度不同。通过提前在各采样点检测定位环境中布置的AP点的信号强度,提取该信号强度作为定位特征值,将其训练成与物理位置的映射关系,构建相应的位置指纹数据库。然后,通过特定的匹配方法,将在待定位点实时测量到的信号强度RSSI指纹数据与位置指纹数据库中的指纹数据进行匹配,以相似度比较大的若干个指纹对应的坐标位置估计待定位用户的位置。随着WiFi的快速普及,无线接入点也变得随处可见。这样在进行数据采集的时候,在定位环境中可以检测到数以百计的接入点。而这些接入点中存着一些距离定位环境较远的不理想接入点,其信号不稳定,波动大,且携带较大的噪声,几乎不会给定位提供有价值的信息,甚至还有可能会降低定位精度。另外,当使用所有的接入点时,这会大大增加指纹库的维度,增大定位复杂度。
技术实现思路
本专利技术的目的在于提出一种基于多重接入点选择的WiFi室内定位方法,以选择出更为稳定且分辨能力强的接入点集合来表示位置指纹,减少计算复杂度、降低指纹库的维度、去除信号质量差的接入点对定位结果的影响,提高定位精度。本专利技术的技术思路是:通过多重接入点选择,选出信号稳定且分辨能力强的接入点集合,建立一个维度更低且更为稳定的位置指纹库,通过该位置指纹库纹对定位环境中的位置进行分群,将指纹相似度更高位置分到同一个位置分群内。通过对接入点的重新选择,选出可以更好表示各位置分群特征的接入点集合,并建立对位置分群有更好定位效果的决策模型。根据上述思路,本专利技术的实现步骤包括如下:1)构建接入点信号强度数据库:将定位环境划分为多个大小相同的栅格,并用栅格的中心点位置表示该栅格的位置;再对每一个位置进行数据采集,记录每个位置检测到的各接入点信号强度值,形成一个记录各位置采样数据的接入点信号强度数据库;2)构建位置指纹库:2a)根据定位环境中各接入点的覆盖时间分布,设置接入点至少覆盖各位置的时间初始阈值m,及接入点至少覆盖整个定位空间的时间初始阈值n,根据数据库中接入点对各位置的覆盖时间,以及接入点在整个定位环境的覆盖时间,对接入点进行多重选择,删除覆盖时间小于这两个阈值的接入点,筛选出预选接入点,形成预选接入点集合;2b)计算预选接入点集合中各接入点的信息增益,按信息增益从大到小的顺序对接入点进行排序,选择前k个接入点,构成最终的指纹接入点集合,k大于等于10;2c)根据指纹接入点集合对步骤1)得到的接入点信号强度数据库进行筛选,仅保留指纹接入点集合中包含的接入点数据,得到各位置的指纹,形成最终的位置指纹库;3)使用k-means算法对环境位置进行分群,并对每个位置分群进行接入点的重新选择,选择出能够更好地表示该位置分群自己的特征接入点集合;4)使用C4.5决策树方法为每个分群建立决策树模型,得到一个位置未知信息减少最快的判决模型;5)定位阶段5a)给定需要定位的样本数据,计算定位样本指纹到各位置分群之间的欧氏距离,选择与其欧氏距离最小的位置分群,将该分群作为其目标位置所在的分群;5b)定位样本沿着该分群的判决树模型从根节点向下移动,直到移动到判决树的叶子节点,该叶子节点即为最终的定位样本的位置。本专利技术与现有技术相比具有以下优点:本专利技术通过多重接入点选择可以删除不理想接入点、信号不稳定的接入点,能选择出更为稳定且分辨能力强的接入点集合,从而减少定位计算复杂度、降低指纹库的维度,提高定位精度,可以应用到更加复杂的定位环境;本专利技术通过对位置分群接入点的重新选择,可以选择出更好地表示该位置分群的特征接入点集合,从而能够为各分群建立更合理的定位模型,进一步提高定位精度。附图说明图1是本专利技术的实施流程图;图2是本专利技术实施的定位场景示意图;图3是本专利技术在定位场景中不同定位误差下的定位结果示意图;图4是定位误差在2m之内,本专利技术与基于信息增益法的定位方法在定位场景中的定位结果对比图;图5是位置分群的决策树模型。具体实施方式参照图1,本专利技术的实现步骤如下:步骤1,构建接入点信号强度数据库。如图2,本实例的定位场景是西安电子科技大学主楼4楼I区走廊,面积为340m2;本步骤是先将所述定位环境划分成177个边长为0.8m的正方形栅格,用栅格的中心点位置表示该栅格的位置,并对各位置进行编号,用Gj表示第j个位置;再对每一个位置进行数据采集,记录每个位置检测到的各接入点信号强度RSSI值,形成一个记录各位置采样数据的RSSI数据库。步骤2,接入点选择。本步骤进行接入点选择时,分为如下两步进行:2a)该方法基于接入点的覆盖时间对检测到的接入点进行初步筛选,删除那些信号不稳定的接入点,用相对稳定的接入点构成预先接入点集合:2a1)计算每个位置上检测到的接入点在检测时间段内出现的个数,并保留那些在检测时间段内至少80%的时间覆盖该位置的接入点,删除其它的接入点,用各位置保留的接入点集合构成初级的预选接入点的集合;2a2)计算初级预选接入点集合中各接入点在定位环境中所有位置出现的次数,保留那些在检测时间段内至少有20%的时间覆盖所有位置的接入点,形成最终的预选接入点集合;2b)基于信息增益方法计算预选接入点集合中接入点的信息增益,按信息增益的降序对接入点排序,选择信息增益最大的15个接入点构成接入点集合,接入点的信息增益计算过程如下:2b1)计算定位环境中位置信息的不确定度H(G):其中,G表示定位环境中的位置,Gi表示第i个位置,P(Gi)表示位置Gi出现的概率,177为定位环境中位置的个数;2b2)计算在已知接入点的条件下,定位环境中位置信息的不确定度H(G|APi):其中,APi表示第i个接入点,vj表示APi的信号强度取值,N表示APi信号强度的取值个数,H(G|APi=vj)表示在已知APi的信号强度取值为vj的条件下,定位环境中位置的信息熵,其计算公式与H(G)相同;2b3)根据2b1)和2b2)的结果计算接入点的信息熵Ga本文档来自技高网
...
基于多重接入点选择的WiFi室内定位方法

【技术保护点】
1.基于多重接入点选择的WiFi室内定位方法,包括:1)构建接入点信号强度数据库:将定位环境划分为多个大小相同的栅格,并用栅格的中心点位置表示该栅格的位置;再对每一个位置进行数据采集,记录每个位置检测到的各接入点信号强度值,形成一个记录各位置采样数据的接入点信号强度数据库;2)构建位置指纹库:2a)根据定位环境中各接入点的覆盖时间分布,设置接入点至少覆盖各位置的时间初始阈值m,及接入点至少覆盖整个定位空间的时间初始阈值n,根据数据库中接入点对各位置的覆盖时间,以及接入点在整个定位环境的覆盖时间,对接入点进行多重选择,删除覆盖时间小于这两个阈值的接入点,筛选出预选接入点,形成预选接入点集合;2b)计算预选接入点集合中各接入点的信息增益,按信息增益从大到小的顺序对接入点进行排序,选择前k个接入点,构成最终的指纹接入点集合,k大于等于10;2c)根据指纹接入点集合对步骤1)得到的接入点信号强度数据库进行筛选,仅保留指纹接入点集合中包含的接入点数据,得到各位置的指纹,形成最终的位置指纹库;3)使用k‑means算法对环境位置进行分群,并对每个位置分群进行接入点的重新选择,选择出能够更好地表示该位置分群自己的特征接入点集合;4)使用C4.5决策树方法为每个分群建立决策树模型,得到一个位置未知信息减少最快的判决模型;5)定位阶段5a)给定需要定位的样本数据,计算定位样本指纹到各位置分群之间的欧氏距离,选择与其欧氏距离最小的位置分群,将该分群作为其目标位置所在的分群;5b)定位样本沿着该分群的判决树模型从根节点向下移动,直到移动到判决树的叶子节点,该叶子节点即为最终的定位样本的位置。...

【技术特征摘要】
1.基于多重接入点选择的WiFi室内定位方法,包括:1)构建接入点信号强度数据库:将定位环境划分为多个大小相同的栅格,并用栅格的中心点位置表示该栅格的位置;再对每一个位置进行数据采集,记录每个位置检测到的各接入点信号强度值,形成一个记录各位置采样数据的接入点信号强度数据库;2)构建位置指纹库:2a)根据定位环境中各接入点的覆盖时间分布,设置接入点至少覆盖各位置的时间初始阈值m,及接入点至少覆盖整个定位空间的时间初始阈值n,根据数据库中接入点对各位置的覆盖时间,以及接入点在整个定位环境的覆盖时间,对接入点进行多重选择,删除覆盖时间小于这两个阈值的接入点,筛选出预选接入点,形成预选接入点集合;2b)计算预选接入点集合中各接入点的信息增益,按信息增益从大到小的顺序对接入点进行排序,选择前k个接入点,构成最终的指纹接入点集合,k大于等于10;2c)根据指纹接入点集合对步骤1)得到的接入点信号强度数据库进行筛选,仅保留指纹接入点集合中包含的接入点数据,得到各位置的指纹,形成最终的位置指纹库;3)使用k-means算法对环境位置进行分群,并对每个位置分群进行接入点的重新选择,选择出能够更好地表示该位置分群自己的特征接入点集合;4)使用C4.5决策树方法为每个分群建立决策树模型,得到一个位置未知信息减少最快的判决模型;5)定位阶段5a)给定需要定位的样本数据,计算定位样本指纹到各位置分群之间的欧氏距离,选择与其欧氏距离最小的位置分群,将该分群作为其目标位置所在的分群;5b)定位样本沿着该分群的判决树模型从根节点向下移动,直到移动到判决树的叶子节点,该叶子节点即为最终的定位样本的位置。2.根据权利要求1所述的方法,其中步骤2b)中计算预选接入点集合中各接入点的信息增益,按如下步骤进行:2b1)计算定位环境中位置信息的不确定度H(G):其中,G表示定位环境中的位置,Gi表示第i个位置,P(Gi)表示位置Gi出现的概率,m表示定位环境中位置的个数;2b2)计算已知接入点的条件下,定位环境中位置信息的不确定度H(G|APi):其中,APi表示第i个接入点,vj表示APi的信号强度取值,N表示APi信号强度的取值个数,H(G|APi=vj)表示在已知APi的信号强度取值为vj的条件下,定位环境中位置的信息熵,其计算公式与H(G)相同;2b3)根据2b1)和2b2)的结果计算接入点的信息熵Gain(APi):Gain(APi...

【专利技术属性】
技术研发人员:黄鹏宇赵豪杰刘伟盛敏
申请(专利权)人:西安电子科技大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1