一种提高WiFi指纹定位精度与效率的方法技术

本发明专利技术涉及一种提高WiFi指纹定位精度与效率的方法，在离线训练阶段，构建用于在线定位的指纹数据库，并对指纹数据库中采用K‑means聚类算法进行分类，其中，指纹数据库中的采样点的信号强度值经过数据平滑处理；在线定位阶段，采用K近邻算法寻得与实测指纹距离最近的K个指纹，K个指纹的均值对应采样点的位置即为待测点的估计位置。本发明专利技术能够提高定位精度和定位效率。

【技术实现步骤摘要】

本专利技术涉及基于WiFi的室内定位
，特别是涉及一种提高WiFi指纹定位精度与效率的方法。
技术介绍
室内定位系统是目前信息
的热点之一，随着物联网和无线通信技术的迅速发展，基于位置的服务在医疗卫生、公共安全、工业生产等领域展现了广阔的应用前景。全球定位系统(Global Positioning System，GPS)是现阶段被广泛使用的定位技术，它普遍应用于各种位置服务中。但是GPS定位系统无法在室内进行定位，因为这种定位方法需要三颗以上的卫星来提供定位信息，一般情况下只适用于空旷无遮蔽的室外环境，在较为封闭的室内环境下GPS定位系统无法通过卫星来获取定位所需的信息。由此可见，GPS定位系统只适用于室外定位，而无法满足多样化的室内环境中的定位需求。此时，基于无线局域网的WiFi定位技术急速升温，其中应用最广泛的就是WiFi指纹定位技术，WiFi指纹定位技术是无线定位技术中具有较高精度和可实施性的技术，它不需要额外的硬件设施，价格低廉，因此具有非常强的实用性。WiFi指纹定位源于数据库定位技术，它需要预先创建指纹数据库，指纹数据库里存放的是离线的信号强度和位置坐标。由于信号的多径传播对环境具有依赖性，在不同位置其信道的多径特征也均不相同，呈现出非常强的特殊性。位置指纹定位技术有效地利用多径效应，将多径特征与位置信息相结合，由于信道的多径影响在同一个位置点具有唯一性，可将多径结构作为数据库中指纹。待测点在同样环境中获取接入点发送的无线信号，将接收到的无线信号强度与数据库中指纹进行匹配，找出最相似的结果进行定位。WiFi指纹定位技术具体在定位实施时分两个阶段：离线训练阶段和在线定位阶段。离线训练阶段：首先在定位环境中部署无线AP、确定采样点位置，使得每个采样点都能接收到无线AP发射的信号。在每个采样点放置信号接收装置(移动设备)，记录接收自每个AP的信号强度(RSSI值)，将这些信号强度值以及坐标信息存入指纹数据库中，这样就唯一标识了这个采样点。对所有采样点采样结束后，构建完整的信号强度信息与对应位置关系的指纹数据库，即指纹地图。在线定位阶段：在待测点实时测量获取各AP的信号强度信息，并将其与位置指纹数据库中的信息进行匹配，将实测数据与预存数据进行匹配分析，从而估计待测终端的位置。但是，传统的WiFi指纹定位算法的定位精度不高、定位效率较低。
技术实现思路
本专利技术所要解决的技术问题是提供一种提高WiFi指纹定位精度与效率的方法，能够提高定位精度和定位效率。本专利技术解决其技术问题所采用的技术方案是：提供一种提高WiFi指纹定位精度与效率的方法，在离线训练阶段，构建用于在线定位的指纹数据库，并对指纹数据库中采用K-means聚类算法进行分类，其中，指纹数据库中的采样点的信号强度值经过数据平滑处理；在线定位阶段，采用K近邻算法寻得与实测指纹距离最近的K个指纹，K个指纹的均值对应采样点的位置即为待测点的估计位置。所述构建用于在线定位的指纹数据库具体包括以下步骤：选定室内某环境作为定位区域，在这个定位区域中，部署n个无线接入点并选取L个采样点，记录每个采样点的位置坐标；在每个采样点，利用具有WiFi信号检测功能的移动终端进行信号强度检测，多次采集每个无线接入点的RSSI值，然后对采集到的数据进行平滑，得到这个采样点均值平滑后的指纹；遍历L个采样点，得到L个指纹，存入指纹数据库。所述对指纹数据库中采用K-means聚类算法进行分类具体包括以下步骤：将指纹数据库进行K-means聚类，以欧氏距离作为相似度的评价准则，距离较小的指纹聚集在一个子类，距离较大的指纹彼此远离；多次执行上一步骤，直到聚类结束，指纹数据库变成具有K个子类的指纹样本空间。所述K-means聚类算法具体为：输入L个指纹和聚类个数K，其中，K≤L；从L个指纹中任意选择K个指纹作为初始的聚类中心；对于剩下的指纹，计算每个指纹到每个聚类中心的距离，找到最小距离后，将指纹分到对应的聚类中，得到新的聚类结果，完成指纹分配；计算新的聚类中心，并与上一次的聚类中心进行比较，如果两者相同则聚类结束，否则更新聚类中心并返回上一步骤执行聚类。在线定位阶段具体包括以下步骤：将实测指纹与训练之后的指纹数据库进行匹配，计算实测指纹与每个聚类中心的距离，并找出最小距离所对应的聚类；计算实测指纹与最小距离所对应的聚类中的每个指纹的距离；根据得到的距离值按照从小到大的顺序排列，保留最小的K个距离，并将这K个距离对应的指纹选为参考指纹，其对应的采样点坐标作为参考坐标；计算这K个参考坐标的均值作为实测指纹的估计位置。有益效果由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术在离线阶段采用均值平滑法来减小指纹序列的波动性，并采用K-means聚类算法对WiFi指纹进行分类处理，在在线定位阶段，提出了基于K-means聚类的K近邻算法从而提高了定位效率。附图说明图1是本专利技术中指纹数据库训练流程图；图2是本专利技术中K-means聚类流程图；图3是本专利技术中基于K-means聚类的K近邻算法流程图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。本专利技术的实施方式涉及一种提高WiFi指纹定位精度与效率的方法，在离线训练阶段，构建用于在线定位的指纹数据库，并对指纹数据库中采用K-means聚类算法进行分类，其中，指纹数据库中的采样点的信号强度值经过数据平滑处理；在线定位阶段，采用K近邻算法寻得与实测指纹距离最近的K个指纹，K个指纹的均值对应采样点的位置即为待测点的估计位置。离线训练阶段在离线训练阶段，首先在定位环境中部署无线接入点(AP)、确定采样点位置，使得每个采样点都能接收到无线AP发射的信号。之后在每个采样点放置信号接收装置(移动设备)，记录接收自每个AP的信号强度(RSSI值)，最后将这些信号强度值以及坐标信息存入指纹数据库中，这样就唯一标识了这个采样点，所有采样点的数据都存入数据库，形成指纹数据库，用于在线定位。理想情况下，接收到的信号强度RSSI值会随着传播距离的增加作规律性递减，但是在实际应用中，无线信号在传播过程中受到环境因素的影响，如室内信号的多径、反射、墙壁及门的吸收等，致使信号产生不一致的衰减关系，从而使得在任一采样点采集到的每个无线AP的RSSI值不唯一，存在较大波动性，这对离线训练阶段指纹数据库的精度影响很大，因此需要采取一些有效可行的措施来最大程度地降低RSSI值的波动，以减小指纹数据库的数据误差，提高在线定位时的定位精度。对于任一采样点，在记录每个无线AP的RSSI值时会发现，任何一个无线AP的RSSI值都不是唯一的，在不同的时间段接收到的RSSI值都有所差异，甚至有时差异很大。因此，不能仅仅以某一次的RSSI测量值为标准，作为某一采样点的指纹数据存入数据库，这样造成的定位误差会很大，此时应该采用多次测量的方法，在任一采样点处，多次采集每个无线AP的RSSI值，然后对采集到的数据进行平滑，从而降低RSSI值的波动，以提高定位本文档来自技高网...

【技术保护点】
一种提高WiFi指纹定位精度与效率的方法，其特征在于，在离线训练阶段，构建用于在线定位的指纹数据库，并对指纹数据库中采用K‑means聚类算法进行分类，其中，指纹数据库中的采样点的信号强度值经过数据平滑处理；在线定位阶段，采用K近邻算法寻得与实测指纹距离最近的K个指纹，K个指纹的均值对应采样点的位置即为待测点的估计位置。

【技术特征摘要】
1.一种提高WiFi指纹定位精度与效率的方法，其特征在于，在离线训练阶段，构建用于在线定位的指纹数据库，并对指纹数据库中采用K-means聚类算法进行分类，其中，指纹数据库中的采样点的信号强度值经过数据平滑处理；在线定位阶段，采用K近邻算法寻得与实测指纹距离最近的K个指纹，K个指纹的均值对应采样点的位置即为待测点的估计位置。2.根据权利要求1所述的提高WiFi指纹定位精度与效率的方法，其特征在于，所述构建用于在线定位的指纹数据库具体包括以下步骤：选定室内某环境作为定位区域，在这个定位区域中，部署n个无线接入点并选取L个采样点，记录每个采样点的位置坐标；在每个采样点，利用具有WiFi信号检测功能的移动终端进行信号强度检测，多次采集每个无线接入点的RSSI值，然后对采集到的数据进行平滑，得到这个采样点均值平滑后的指纹；遍历L个采样点，得到L个指纹，存入指纹数据库。3.根据权利要求1所述的提高WiFi指纹定位精度与效率的方法，其特征在于，所述对指纹数据库中采用K-means聚类算法进行分类具体包括以下步骤：将指纹数据库进行K-means聚类，以欧氏距离作为相似度的评价准则，距离较小...

【专利技术属性】
技术研发人员：张慧，官洪运，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海;31