一种基于集成HWKNN的WiFi室内定位方法技术

本发明专利技术公开一种基于集成HWKNN的WiFi室内定位方法，包括：1)构建可靠的室内WiFi指纹数据库；2）根据建立的指纹数据库，估计出每个接入点的位置坐标以及对应的室内路径损耗模型；3）当计算待定位节点和指纹数据库之间的欧式距离时，利用2）得到的室内路径损耗模型为相应的维度赋予权重；4）对步骤3）得到的欧式距离选出K个距离最小的参考点，并根据信号强度相似度对K个参考点进行加权并确定待定位节点位置；5）将步骤2‑4）的方法作为一种弱定位方法，通过随机选取K值的大小和接入点的个数组建若干个弱定位估计器来最终估计出待定位节点的位置坐标。本发明专利技术中提出的定位算法能够有效的增强室内定位的鲁棒性，最终实现室内的精准定位。

A WiFi indoor location method based on integrated HWKNN

The invention discloses a WiFi indoor positioning method based on integrated HWKNN include: 1) the construction of indoor WiFi fingerprint database and reliable; 2) according to the fingerprint database, estimate the position coordinates of each access point and corresponding indoor path loss model; 3) when calculating the Euclidean distance between unknown nodes and fingerprint database when using the 2) indoor path loss model was obtained for the corresponding dimension weight; 4) to step 3) the Euclidean distance to select K distance is the minimum point of reference, and according to the signal intensity similarity weighted by K reference points and to determine the location of nodes; 5) step 2 4) the method is a kind of weak localization method by selecting K value and access point array built some weak position estimator to estimate the final position coordinates of the nodes to be positioned. The positioning algorithm proposed in this invention can effectively enhance the robustness of indoor positioning, and finally realize the accurate positioning of the indoor.

【技术实现步骤摘要】
一种基于集成HWKNN的WiFi室内定位方法
本专利技术涉及机器学习、无线传输以及室内定位领域，具体涉及一种基于集成HWKNN的WiFi室内定位方法。
技术介绍
随着移动设备的广泛应用和无线网络的普及，使得基于位置的服务(LBS)不但可以获取用户位置信息还可以进一步挖掘用户行为信息，因此LBS显示出了良好的学术发展前景和广阔的市场需求。在户外定位领域，全球定位系统(GPS)已经实现了精密定位，但在室内环境中仍然难以实现精确的定位。在过去十年中，随着WiFi技术的发展和无线接入点覆盖率的逐渐增加，基于无线局域网(WLAN)的室内定位已经提出了一系列方法。但是，由于室内无线信号传播复杂性，不容易找到接入点(AP)的位置，并确定传播模型的系数。基于WiFi的传播模型定位方法中，主要技术有AOA模型，TOA模型，TDOA模型和信号路径损耗模型。但由于室内环境的复杂性，用户自我阻挡，移动电话的不同方向和其他干扰因素使得室内定位不能满足高精度要求。因此，迫切需要为LBS开发低成本，高精度的基于WiFi的室内定位系统(IPS)。相比于基于传播模型的室内定位，基于WiFi指纹的室内定位更易于部署，低本文档来自技高网...

【技术保护点】
一种基于集成HWKNN的WiFi室内定位方法，其特征在于，包括以下步骤：1)构建可靠的室内WiFi指纹数据库；2)根据建立的指纹数据库，估计出各个接入点的位置坐标以及每个接入点的室内路径损耗模型；3)在计算待定位的指纹信息和构建的指纹数据库中的每个指纹之间的欧式距离时，利用步骤2)得到的不同接入点的室内路径损耗模型为相应的维度赋予权重；4)从步骤3)得到的欧式距离中选出K个距离最小的指纹作为参考点，并根据信号强度相似度对K个参考点进行加权确定待定位节点位置；5)将步骤2‑4)的方法作为一种弱定位方法，随机选取K值的大小和WiFi接入点的个数组建若干个弱定位估计器，由这若干个弱定位估计器组成的强...

【技术特征摘要】
1.一种基于集成HWKNN的WiFi室内定位方法，其特征在于，包括以下步骤：1)构建可靠的室内WiFi指纹数据库；2)根据建立的指纹数据库，估计出各个接入点的位置坐标以及每个接入点的室内路径损耗模型；3)在计算待定位的指纹信息和构建的指纹数据库中的每个指纹之间的欧式距离时，利用步骤2)得到的不同接入点的室内路径损耗模型为相应的维度赋予权重；4)从步骤3)得到的欧式距离中选出K个距离最小的指纹作为参考点，并根据信号强度相似度对K个参考点进行加权确定待定位节点位置；5)将步骤2-4)的方法作为一种弱定位方法，随机选取K值的大小和WiFi接入点的个数组建若干个弱定位估计器，由这若干个弱定位估计器组成的强定位估计器得出最终的待定位的位置坐标。2.根据权利要求1所述的一种基于集成HWKNN的WiFi室内定位方法，其特征在于，所述步骤1)构建可靠的室内WiFi指纹数据库，包括以下步骤：1-1)在待定位区域每隔一步作为一个参考点；1-2)每个参考点进行多次RSS信号数据测量，每个参考点的无线接入点的物理地址信息、信号强度的平均值和相应的位置信息构建位置指纹，然后根据所有的参考点对应的位置指纹构成位置指纹库。3.根据权利要求1或2所述的一种基于集成HWKNN的WiFi室内定位方法，其特征在于，所述步骤2)估计出各个接入点的位置坐标以及每个接入点的室内路径损耗模型，包括以下步骤：2-1)计算距离WiFi接入点位置较近的参考点的物理距离，其中较近的参考点是指信号强度小于-60Dbm的参考点，其RSS信号强度较强：其中，为第j个WiFi接入点的信号强度，i＝1，2，…，m，m为距离第j个WiFi接入点位置较近(信号强度小于-60Dbm)的参考点的个数，(nf,Af)为自由空间路径损耗传播模型参数，其为已知值；2-2)计算每个WiFi接入点的位置坐标：其中，为第j个WiFi接入点的位置坐标，为第j个WiFi接入点的第i个参考点；2-3)以距离WiFi接入点位置较近(信号强度小于-60Dbm)的参考点的坐标和信号强度作为输入，以求解WiFi接入点位置坐标作为输出；2-4)联立式(1)和式(2)，构造函数组：令：方程(3)表示为：wjXj＝Yj(7)其目标函数表达式为：min||wjXj-Yj||2(8)其中||·||...

【专利技术属性】
技术研发人员：陈绍建，龙云亮，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东,44