一种Wi‑Fi位置指纹地图自动构建方法及系统技术方案

本发明专利技术公开了一种Wi‑Fi位置指纹地图自动构建方法及系统，方法包括：获取众包数据，使用行人航位推算方法、及机器学习方法构建Wi‑Fi位置指纹地图，并根据室内地图筛选得到带有位置标签的Wi‑Fi强度信息；将带有位置标签的Wi‑Fi强度信息作为高斯过程的训练样本，得到信号强度和位置信息的函数关系，求解高斯过程中的超参数，并根据超参数预测得到室内地图约束较差区域的Wi‑Fi强度信息。本发明专利技术采用高斯过程回归，基于地图约束较好区域的Wi‑Fi位置指纹信息，预测开阔区域的Wi‑Fi位置指纹，从而实现整个室内区域的Wi‑Fi位置指纹地图自动构建。

Method and system for automatically constructing a Wi Fi fingerprint map

The invention discloses a method and system, automatic construction of a Wi Fi fingerprint map Crowdsourcing method includes: acquiring data, use pedestrian dead reckoning method, and machine learning methods to build the Wi Fi fingerprint map, and according to the obtained Wi Fi indoor map intensity information with position tag with position label; the Wi Fi strength Gauss process information as training samples, relationship between the signal intensity and location information of the super parameter solution of Gauss process, and according to the Wi Fi super parameters to predict the intensity information of the indoor map poor area constraint. The invention adopts the Gauss regression, Wi Fi location fingerprint information map based on region constraints better prediction, the open area of the Wi Fi fingerprint position, so as to realize the automatic construction of Wi Fi fingerprint map of the entire room area.

【技术实现步骤摘要】
一种Wi-Fi位置指纹地图自动构建方法及系统
本专利技术涉及位置服务
，尤其涉及的是一种Wi-Fi位置指纹地图自动构建方法及系统。
技术介绍
Wi-Fi位置指纹法是一种常用的室内定位方法，这种方法可以利用现有的无线局域网基础设施，且通过智能手机即可实现定位，无需用户增加额外设备，因此其应用最为广泛。现有的Wi-Fi位置指纹法包括离线指纹采集及在线定位两步。离线指纹采集的目的在于构建室内区域的Wi-Fi位置指纹数据库。在离线采集阶段，需要在每个采集点采集一段时间的数据，以提高位置指纹数据库的质量。而在线定位阶段，通过用户实时获取的Wi-Fi信号强度信息，利用定位算法将其与Wi-Fi位置指纹数据库中的信息进行匹配比较，从而估计用户的位置。由上述Wi-Fi位置指纹定位的原理可知，Wi-Fi位置指纹数据库的构建准确与否非常重要。离线采集阶段需要大量的采集点样本，数据采集的工作量较大，特别是对于大范围的室内区域，位置指纹样本的采集工作需要耗费大量的人力物力，严重的限制了Wi-Fi位置指纹法的大规模普及和应用。目前的Wi-Fi位置指纹自动构建及更新方法，使用行为地图匹配，通过众包轨迹数据自本文档来自技高网...

【技术保护点】
一种Wi‑Fi位置指纹地图自动构建方法，其特征在于，所述方法包括以下步骤：A、获取众包数据，使用行人航位推算方法、及机器学习方法构建Wi‑Fi位置指纹地图，并根据室内地图筛选得到带有位置标签的Wi‑Fi强度信息；B、将带有位置标签的Wi‑Fi强度信息作为高斯过程的训练样本，得到信号强度和位置信息的函数关系，求解高斯过程中的超参数，并根据超参数预测得到室内地图约束较差区域的Wi‑Fi强度信息；其中，当室内地图障碍物之间距离大于预设的距离阈值、或者室内地图墙壁与障碍物之间的距离大于预设的距离阈值时，则该区域为室内地图约束较差区域。

【技术特征摘要】
1.一种Wi-Fi位置指纹地图自动构建方法，其特征在于，所述方法包括以下步骤：A、获取众包数据，使用行人航位推算方法、及机器学习方法构建Wi-Fi位置指纹地图，并根据室内地图筛选得到带有位置标签的Wi-Fi强度信息；B、将带有位置标签的Wi-Fi强度信息作为高斯过程的训练样本，得到信号强度和位置信息的函数关系，求解高斯过程中的超参数，并根据超参数预测得到室内地图约束较差区域的Wi-Fi强度信息；其中，当室内地图障碍物之间距离大于预设的距离阈值、或者室内地图墙壁与障碍物之间的距离大于预设的距离阈值时，则该区域为室内地图约束较差区域。2.根据权利要求1所述Wi-Fi位置指纹地图自动构建方法，其特征在于，所述步骤A具体包括：A1、获取相关的众包数据；A2、基于所述众包数据，使用行人航位推算方法计算获得用户的相对运动轨迹；A3、通过机器学习方法识别包括若干种行为类型的用户的特定行为；A4、构建相对运动轨迹中的特定行为的类型以及特定行为之间的相对空间关系形成的行为序列模型；A5、生成室内地图的点线模型，其中，所述点为发生所述特定行为的位置，线为连接点的边；A6、通过隐马尔科夫模型，匹配所述点线模型与行为序列模型从而获得相对运动轨迹的室内地图坐标信息；A7、基于所述室内位置坐标信息及众包数据，构建地图约束较好区域的Wi-Fi位置指纹地图；其中，当室内地图障碍物之间距离小于或等于所述距离阈值、或者室内地图墙壁与障碍物之间的距离小于或等于所述距离阈值时，则该区域为室内地图约束较好区域；A8、根据室内地图筛选得到带有位置标签的Wi-Fi强度信息，并作为样本。3.根据权利要求2所述Wi-Fi位置指纹地图自动构建方法，其特征在于，所述步骤B具体包括：B1、将样本中所包括的样本点记为{p1，...，pi，...pn}，样本点的Wi-Fi信号强度记为f，且根据高斯过程对样本点的Wi-Fi信号强度和位置信息建模，得到Wi-Fi信号强度和位置信息建模的函数关系；其中，将函数关系记为f，则f的分布为：其中，m(·)为高斯过程的均值函数，k(·，·)为高斯过程的协方差函数；B2、根据信号传播模型，对Wi-Fi信号强度和距离之间的关系进行建模，得到接收信号的强度f(pi)＝γ-10αlog10(||pi-ps||)+Ψ(pi，ps)；其中，γ为常数，α为信号路径衰减系数，Ψ(pi，ps)是描述Wi-Fi接入点位置ps和Wi-Fi接入点位置pi之间的信号衰减的位置相关的参数；B3、根据训练样本sj＝{p1，f(p1))，(p2，f(p2))，...，(pn，f(pn))}，及包含了训练样本的二维坐标得到包含了训练样本中的Wi-Fi信号强度且包含了训练样本中的Wi-Fi信号强度中的fj服从多维联合高斯分并记为其中，C为n×n的矩阵，每个元素当i＝j时δij＝1，其他情况时δij＝0；dc是相关距离，为衰减方差，ε为测量噪声；B4、将需要预测的位置p*处的信号强度表示为并将y和f组成一个(n+1)×1列的多维高斯变量[f；y]：由高斯随机变量的条件分布得到其中1≤i≤n，为Wi-Fi位置指纹地图未带有位置标签的Wi-Fi强度均值，为Wi-Fi位置指纹地图未带有位置标签的Wi-Fi强度方差。4.根据权利要求1或2所述Wi-Fi位置指纹地图自动构建方法，其特征在于，所述众包数据包括：众包用户的加速度数据、陀螺仪数据、磁力计数据、气压计数据以及Wi-Fi数据。5.根据权利要求1或2所述Wi-Fi位置指纹地图自动构建方法，其特征在于，所述行人航位推算方法具体包括：基于所述加速度数据，通过峰值检测算法计算获得用户的行进步数；通过步频步长模型，估算用户的行走步长；依据磁力计数据获得用户的前进方向；依据所述行进步数及行走步长，计算获得前进距离；并且依据所述前进距离及前进方向，生成用户的相对运动轨迹。6.根据权利要求1或2所述Wi-Fi位置指纹地图自动构建方法，其特征在于，所述机器学习方法具体包括：采集包含若干特定行为的样本时序数据；...

【专利技术属性】
技术研发人员：李清泉，周宝定，朱家松，涂伟，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44