基于WiFi指纹的多融合室内定位方法及其系统技术方案

本发明专利技术公开了一种基于WiFi指纹的多融合室内定位方法及其系统。其中，该定位方法包括如下步骤：获得WiFi指纹，构建WiFi指纹库；采用聚类算法对收集到的WiFi指纹数据进行聚类分析；利用分类算法对聚类后的数据进行二次分类，并对其所在的子区域进行判别；根据二次分类后的数据得到每个子区域的回归方程，利用该子区域的回归方程求解出待定位点的坐标。该定位方法及其系统既避免了定位精度易受物理环境因素影响的局限，又克服了传统定位方法速度慢的缺陷。

Multi-Fusion Indoor Location Method and System Based on WiFi Fingerprint

【技术实现步骤摘要】
基于WiFi指纹的多融合室内定位方法及其系统
本专利技术涉及一种基于WiFi指纹的多融合室内定位方法，同时也涉及相应的多融合室内定位系统，属于无线定位

技术介绍
室内环境下的定位仍然是一个很多问题未被解决的
由于信号的严重衰减和多径效应，通用的室外定位技术(比如GPS、北斗等)并不能在建筑物内有效地工作。目前，大部分室内环境下都存在WiFi。WiFi信号具有高覆盖率、流量大以及传输距离远等特点，这使得基于WiFi的室内定位技术得到了快速发展。基于WiFi的室内定位技术可以分为两类，即：基于测距的室内定位技术和基于指纹的室内定位技术。其中，基于测距的室内定位技术是在室内部署多个锚节点，通过计算设备到锚节点之间的相对距离来定位追踪设备的位置。其中，距离可以通过多种方法来获取，如接收的信号强度(RSSI)、到达时间(ToA)、到达角度(AoA)。基于RSSI的测距方法是利用路径衰减模型计算距离。基于ToA的测距方法是通过获取信道冲激响应的多径分量首次到达时间来测量距离。基于AoA的测距方法是通过某些硬件设备感知发射节点信号的到达方向，计算接收节点和锚节点之间的相对方位或角度，然后再利用三角测量法等计算出未知节点的位置。基于指纹的室内定位技术是将实际环境中的位置和某种“指纹”联系起来，一个位置对应一个独特的指纹。这个指纹可以是单维或多维的，比如待定位设备在接收或者发送信号，那么指纹可以是这个信号或信号的一个特征或多个特征。待定位设备接收一些固定的发送设备的信号或信号特征，然后根据这些检测到的信号特征来估计自身的位置。基于对上述定位技术的分析可知，基于测距的室内定位技术的精度容易受到物理环境因素(天气、室内障碍物、距离的远近等)的干扰，例如复杂室内环境中出现严重衰减的路径损耗、室内空间存在的大量多径分量等。基于指纹的室内定位技术利用空间位置差异性，通过WiFi指纹库及相关匹配算法寻找待定位点的位置指纹对应的空间位置信息，以此来估算待定位点的坐标。虽然该技术能够降低物理环境因素对无线传输信号的干扰，但是在进行指纹匹配时需要计算待测点样本与整个WiFi指纹库之间的欧式距离。当WiFi指纹库的容量较大时，需要花费较多的时间。
技术实现思路
针对现有技术中的不足，本专利技术所要解决的首要技术问题在于提供一种基于WiFi指纹的多融合室内定位方法。本专利技术所要解决的另一技术问题在于提供一种基于WiFi指纹的多融合室内定位系统。为实现上述专利技术目的，本专利技术采用下述的技术方案：根据本专利技术实施例的第一方面，提供一种基于WiFi指纹的多融合室内定位方法，包括如下步骤：步骤1：获得WiFi指纹，构建WiFi指纹库；步骤2：采用聚类算法对收集到的WiFi指纹数据进行聚类分析；步骤3：利用分类算法对聚类后的数据进行二次分类，并对其所在的子区域进行判别；步骤4：根据二次分类后的数据得到每个子区域的回归方程，利用该子区域的回归方程求解出待定位点的坐标。其中较优地，所述步骤4进一步包括如下子步骤：(1)输入一个新的待定位点X，对其进行标准化处理；(2)使用聚类算法将标准化后的新观测值进行分类，判断该值属于步骤2中划分的哪个类；(3)利用分类算法对待定位点进行二次分类，判别二次分类后的待定位点所属的子区域，利用该子区域的回归方程求解出待定位点的坐标。其中较优地，所述步骤1中，将待定位区域划分为多个子区域，在每个子区域内采样多个WiFi信号及所对应的坐标点；收集各个坐标点处的WiFi信号的一个特征或多个特征，获得WiFi指纹以建立WiFi指纹库。其中较优地，所述步骤2进一步包括如下子步骤：(1)在定位区域中随机地选择K个点作为聚类中心，其中K为正整数；(2)依次计算定位区域内各个点到K个聚类中心之间的欧氏距离，并将距离相近的点归为一类；(3)重新计算所有聚类中心，记TMidt为1个簇的所有成员向量值的集合，idt表示该簇的标号，则此簇的聚类中心值Hidt表示为(4)循环步骤(2)与(3)，直至聚类中心的位置收敛，小于预期阈值。其中较优地，利用控制变量法调优参数，遍历K的取值，根据SVM分类算法的分类效果确定最优的K值，进而确定最优的K个聚类中心。其中较优地，所述步骤4中，利用非线性映射在高维特征空间得到一个最优的超平面代替原始的信号强度和目标位置的非线性关系，在控制VC维的条件下使经验风险极小化。其中较优地，分为训练阶段和定位阶段两部分实施；其中，训练阶段在线下训练过程中不断调优参数，利用统计学算法训练出位置与WiFi指纹的关系；在定位阶段直接利用经过调优后的参数对待定位点进行定位。根据本专利技术实施例的第二方面，提供一种基于WiFi指纹的多融合室内定位系统，包括定位终端、服务器和多个无线路由器，其中该系统用于实施上述的多融合室内定位方法。本专利技术所提供的多融合室内定位方法及其系统充分考虑了无线传输衰减特性与室内障碍物对定位精度的影响，通过聚类算法将收集到的WiFi指纹进行聚类，采用分类算法对聚类后的数据所在的区域进行判别，利用该区域的回归方程计算出待定位点的位置坐标。该定位方法及其系统既避免了定位精度易受物理环境因素影响的局限，又克服了传统定位方法速度慢的缺陷。附图说明图1为本专利技术所提供的多融合室内定位方法的整体流程图；图2为采用上述多融合室内定位方法的室内定位系统的示意图；图3为SVM分类算法、K-means聚类算法以及贝叶斯算法这三种算法的定位精度比较示意图；图4为K-means聚类算法+贝叶斯算法、K-means聚类算法+SVM分类算法以及贝叶斯算法+SVM分类算法这三种算法的定位精度比较示意图；图5为K-means聚类算法+贝叶斯算法+回归拟合、K-means聚类算法+SVM分类算法+回归拟合以及贝叶斯算法+SVM分类算法+回归拟合这三种算法的定位精度比较示意图。具体实施方式下面结合附图和具体实施例对本专利技术的技术方案展开详细具体的说明。如图1所示，本专利技术实施例所提供的多融合室内定位方法主要包括如下步骤：将待定位区域划分为多个子区域，在每个子区域内采样多个WiFi信号及所对应的坐标点；收集各个坐标点处的WiFi信号的一个特征或多个特征(优选为信号强度RSSI，也可以包括其它特征，例如某个位置上WiFi信号的多径结构、某个位置上是否能检测到接入点或基站、某个位置上WiFi信号的往返时间或延迟等)，获得WiFi指纹以建立WiFi指纹库；采用聚类算法将所收集的数据进行聚类；利用分类算法对聚类后的数据进行二次分类，并对其所在的子区域进行判别；根据二次分类后的数据得到每个子区域的回归方程，利用该子区域的回归方程求解出待定位点的坐标。本多融合室内定位方法不仅有效降低了无线传输衰减特性的影响，而且还减弱了室内障碍物对定位精度的影响，在定位精度和定位效率上都得到有效提升。下面以对室内运动的物体进行定位为例，对本多融合室内定位方法的具体实施步骤展开详细说明。在图2所示的室内定位场景的示例中，假设定位区域的面积为S，根据定位区域的面积S大小以及室内布局情况将定位区域划分为n个均等的小区域Si，即定位区域S＝(S1,S2,…,Sn)，在该定位区域面积S中部署p个无线路由器APu,idu,1≤u≤p。在本专利技术的一个实施例中，以0.5m*0.5m的幅度设本文档来自技高网...

【技术保护点】
1.一种基于WiFi指纹的多融合室内定位方法，其特征在于包括如下步骤：步骤1：获得WiFi指纹，构建WiFi指纹库；步骤2：采用聚类算法对收集到的WiFi指纹数据进行聚类分析；步骤3：利用分类算法对聚类后的数据进行二次分类，并对其所在的子区域进行判别；步骤4：根据二次分类后的数据得到每个子区域的回归方程，利用该子区域的回归方程求解出待定位点的坐标。

【技术特征摘要】
1.一种基于WiFi指纹的多融合室内定位方法，其特征在于包括如下步骤：步骤1：获得WiFi指纹，构建WiFi指纹库；步骤2：采用聚类算法对收集到的WiFi指纹数据进行聚类分析；步骤3：利用分类算法对聚类后的数据进行二次分类，并对其所在的子区域进行判别；步骤4：根据二次分类后的数据得到每个子区域的回归方程，利用该子区域的回归方程求解出待定位点的坐标。2.如权利要求1所述的多融合室内定位方法，其特征在于所述步骤4进一步包括如下子步骤：(1)输入一个新的待定位点X，对其进行标准化处理；(2)使用聚类算法将标准化后的新观测值进行分类，判断该值属于步骤2中划分的哪个类；(3)利用分类算法对待定位点进行二次分类，判别二次分类后的待定位点所属的子区域，利用该子区域的回归方程求解出待定位点的坐标。3.如权利要求1或2所述的多融合室内定位方法，其特征在于：所述聚类算法是K-means聚类算法。4.如权利要求1或2所述的多融合室内定位方法，其特征在于：所述分类算法是SVM分类算法。5.如权利要求1所述的多融合室内定位方法，其特征在于：所述步骤1中，将待定位区域划分为多个子区域，在每个子区域内采样多个WiFi信号及所对应的坐标点；收集各个坐标点处的WiFi信号的一个特征或多个特征，获得WiFi指纹以建立WiFi指纹库。6.如权利要求1所述的多融合室内定位方...

【专利技术属性】
技术研发人员：黄蕾，张武雄，许晖，赵玉峰，郜伟伟，
申请(专利权)人：上海无线通信研究中心，福州物联网开放实验室有限公司，
类型：发明
国别省市：上海,31