一种基于混合滤波和幂指数映射WIFI室内定位方法技术

本发明专利技术公开了一种基于混合滤波和幂指数映射的WIFI室内定位方法，首先对离线指纹采集阶段测得的接收信号强度RSSI进行卡尔曼滤波，然后将结果进行四舍五入取整数，然后再进行高斯滤波，除去那些出现概率较小的RSSI值，然后将剩余的RSSI值取平均，最后将所有的数据都求‑7次方从而映射到幂指数域中，并且利用K近邻算法为定位匹配算法，从而提高了定位精度，并且定位时的计算量几乎与K近邻法相等，从而使其适应计算性能不高的定位终端和复杂的室内电磁环境。

【技术实现步骤摘要】
一种基于混合滤波和幂指数映射WIFI室内定位方法
本专利技术涉及室内定位与导航
，特别是一种基于混合滤波和幂指数映射的WIFI室内定位方法。技术背景近年来，随着智能便携式移动设备(如智能手机，智能手环等)的逐渐兴起和普及，基于位置的服务和应用快速地发展并逐渐扩展到生活出行的方方面面。例如，基于全球定位系统(如美国的GPS，中国的北斗导航等)的电子地图，给人们提供了室外环境的定位和导航服务。基于位置信息服务的应用层出不穷(如百度地图、高德地图等)。然而，人类的大部分活动是在室内进行的，由于全球定位系统的卫星信号难以穿透建筑物，因此全球定位系统无法用于室内定位，所以必须要有新的专门用于室内定位的技术。随着智能手机的普及，利用智能手机进行WIFI定位逐渐成了室内定位的研究热点。一般在医院、办公大楼、购物商场等公共场所都会有WIFI热点，而且智能终端基本上都有WIFI接口，因此基于WIFI的室内定位系统就可以使用现有的设备进行构建，从而大大节省了硬件成本。目前基于WIFI的室内定位算法主要是基于KNN(K近邻)的WIFI室内定位算法。基于KNN的WIFI室内定位算法的主要原理是根据RSSI(接收信号强度)的欧式距离计算方法来估算带定位节点和数据指纹库中已知节点的欧式距离，算法复杂度比较低，能够适应在运算能力不高的智能手机上运行，所以在实际中应用广泛。但由于室内环境复杂，信号在室内传播时有很明显的多径效应，并且由于障碍物的遮挡等使得KNN定位方法存在以下几个问题：首先，上述KNN算法中RSSI距离比较大的两个点，其实际空间距离可能比较小，比如两个点之间隔着一堵墙等，因此，只按照RSSI的距离大小确定KNN算法中的权重可能会造成比较大的定位误差；其次，在实际测量时发现，在同一地点检测到的同一个WIFI接入点发射的信号的RSSI值波动比较大，离线阶段和在线的信号波动，都会对定位结果造成影响，所以在使用RSSI值进行定位前，必须对采集到的数据进行预处理，减少噪声对指纹数据库的影响。最后，RSSI的值和检测设备有关系，同一个WIFI接入点发射出的无线信号在同一点由不同的接收设备检测，RSSI的值可能会不一样，因此，不能只根据RSSI距离的绝对数值，来确定KNN算法中的权重值。2017年3月出版的第33卷第3期《科技通报》上介绍了一种名称为“基于余弦相似度的指纹匹配算法的室内定位方法”，该方法不使用RSSI向量的欧氏距离作为匹配方法，而使用RSSI向量的夹角余弦值(最接近1)作为位置匹配方法，该方法虽然在一定程度上比KNN方法的计算量少，但是，在一些常见的复杂的室内办公环境下的定位精度较低，难以达到定位要求。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术的不足，提供一种基于混合滤波和幂指数映射的WIFI室内定位方法。为解决上述技术问题，本专利技术所采用的技术方案是：一种基于混合滤波和幂指数映射的WIFI室内定位方法，包括在线测量阶段和离线测量阶段；所述离线测量阶段包括以下步骤：1)预先选定场地中某些点为参考点，测量参考点的坐标，然后在每一个参考点上测量并记录来自每一个WIFI热点的接收信号强度(RSSI)50次以上并进行卡尔曼滤波，具体算法如下：设一维数组为[R1，R2，...，Rn]，且经过卡尔曼滤波后得到新的一维数组为[R′1，R′2，...，R′n]，则2)将经过卡尔曼滤波后所得的数据进行四舍五入取整，然后进行高斯滤波，滤除在同一地点经过卡尔曼滤波后所得到的来自同一个WIFI热点的出现概率小于2％的RSSI值，高斯滤波的具体操作方法为：对于在每一个参考点上测得的同一个WIFI热点的RSSI的值进行统计，统计每一个RSSI值出现的次数，然后再除以在这个参考点上测量RSSI的次数从而得出每个RSSI值出现的概率，然后除去概率小于2％RSSI值，并将剩余的值取平均构成每一个参考点来自不同WIFI热点的RSSI向量；3)对每个参考点的RSSI向量进行-7次幂运算得RSSI'向量,即RSSI′＝RSSI-7并将RSSI'向量存入指纹数据库中；所述在线测量阶段包括以下步骤：1)测量待定位点的RSSI向量值并进行-7次幂运算得RSSI'向量；2)计算带定位点与指纹数据库中各个参考点的RSSI'向量的欧式距离；3)找出K个与待定位点的RSSI'向量的欧氏距离最小的点，也就是K个最近邻点；4)取上述K个最近邻点的位置坐标的平均值作为待定位点的位置估计。与现有技术相比，本专利技术所具有的有益效果为：本专利技术在利用基于KNN的WIFI室内定位方法的基础之上，首先对离线指纹采集阶段测得的接收信号强度RSSI进行卡尔曼滤波，然后将结果进行四舍五入取整数，然后再进行高斯滤波，除去那些出现概率较小的RSSI值，然后将剩余的RSSI值取平均，最后将所有的数据都求-7次方从而映射到幂指数域中，并且利用K近邻算法为定位匹配算法，从而提高了定位精度，并且定位时的计算量几乎与K近邻法相等，从而使其适应计算性能不高的定位终端和复杂的室内电磁环境。附图说明图1为本专利技术实施例实验区的室内定位地图；图2为本专利技术实施例的指纹库数据的产生过程；图3为本专利技术实施例用本专利技术方法对12个测试点每个进行50次定位实验，定位误差的平均值与最近邻、4阶KNN、4阶WKNN(加权KNN)、基于余弦相似度的指纹匹配算法的比较图。具体实施方式以下结合附图对本专利技术的具体实施方式做进一步的说明。实验区的布置图如图1所示，使用安卓智能手机作为指纹数据采集设备和定位设备，四台WIFI中继放大器作为接入点(AP)。实验区为室内房间，房间长约10米宽约6米。该房间为典型的室内办公室，平常可容纳20多人同时办公，并且人员走动也比较频繁，实验所用的AP也被清楚地标在图1中，四个AP离地面的高度约为1.8米。图1中标记小圆点“o”的位置为指纹数据库的采样位置，而标记“x”的位置为定位测试点的位置。整个房间的指纹采样点总数为38个，并且每个指纹采样点分别间隔1秒采样一次共采样50次。定位测试点的总数为12个，并且每个定位点分别测试50次。在实际采样过程中，由于各种噪声的影响，使得测得的WIFI信号强度的值有时会产生比较大的波动。为了减小噪声对指纹数据库的影响，对每个参考点采集到的RSSI值首先进行卡尔曼滤波，然后再通过四舍五入取整数，接着进行高斯滤波，滤除掉出现概率小于2％的RSSI值，并将剩余的RSSI值取平均构成RSSI向量，然后对每个RSSI向量进行两次两两之比计算得RSSI'向量，最后将RSSI'向量存入指纹数据库中，整个指纹数据产生过程如图2所示。在实验场地采集到的数据经过滤波取平均值和两次两两之比计算处理后，采用二维表的形式存储这些数据，指纹数据的存放格式如下表1所示：表1指纹数据的存放格式将在线测得的RSSI向量先进行两次两两之比计算得RSSI'向量，然后计算其与指纹库中的每个采样点的RSSI'向量的欧氏距离，然后取6个最近邻点，最后求取这6个点的位置坐标平均值并将其作为定位测试点的位置估计。分别用本专利技术方法、最近邻法、4阶KNN法、4阶WKNN法和基于余弦相似度的指纹匹配算法对实验区中的12个测试点每个进行50次定位测试，测得的平均误差如表2和图3所示，从表2和图3可以看本文档来自技高网...

【技术保护点】
一种基于混合滤波和幂指数映射的WIFI室内定位方法，其特征在于包括在线测量阶段和离线测量阶段；所述离线测量阶段包括以下步骤：1)预先选定场地中某些点为参考点，测量参考点的坐标，然后在每一个参考点上测量并记录来自每一个WIFI热点的接收信号强度(RSSI)50次以上并进行卡尔曼滤波，具体算法如下：设一维数组为[R1，R2，...，Rn]，且经过卡尔曼滤波后得到新的一维数组为[R′1，R′2，...，R′n]，则

【技术特征摘要】
1.一种基于混合滤波和幂指数映射的WIFI室内定位方法，其特征在于包括在线测量阶段和离线测量阶段；所述离线测量阶段包括以下步骤：1)预先选定场地中某些点为参考点，测量参考点的坐标，然后在每一个参考点上测量并记录来自每一个WIFI热点的接收信号强度(RSSI)50次以上并进行卡尔曼滤波，具体算法如下：设一维数组为[R1，R2，...，Rn]，且经过卡尔曼滤波后得到新的一维数组为[R′1，R′2，...，R′n]，则2)将经过卡尔曼滤波后所得的数据进行四舍五入取整，然后进行高斯滤波，滤除在同一地点经过卡尔曼滤波后所得到的来自同一个WIFI热点的出现概率小于2％的RSSI值，高斯滤波的具体操作方法为：对于...

【专利技术属性】
技术研发人员：陈辉，施文鹏，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45