一种融合WiFi指纹和空间信息的室内定位方法及系统技术方案

本发明专利技术公开了一种融合WiFi指纹和空间信息的室内定位方法及系统，该方法通过离线构建指纹地图，再通过该指纹地图实现在线定位。其中，提出了融合WiFi特征以及空间特征的WISP特征，该空间特征是依据参考点处于直线走廊或转角进行分类编码。此外，本发明专利技术还构建词袋树，即利用词袋树来表示参考点之间的相关性，从而在线定位阶段，先是利用当前位置的WISP特征以及词袋树，计算当前位置的WISP特征与每一聚类下的WISP特征之间的相似度；再计算所述相似度与对应TF

【技术实现步骤摘要】
一种融合WiFi指纹和空间信息的室内定位方法及系统


[0001]本专利技术属于室内定位
，具体涉及一种融合WiFi指纹和空间信息的室内定位方法及系统。

技术介绍

[0002]随着基于位置的服务技术不断发展，人们对定位技术的需求越来越大。卫星定位技术可广泛应用于室外环境的定位，然而由于卫星信号对建筑物的穿透能力较弱，该定位技术在室内环境中的应用面临诸多局限，因此亟需深入研究可靠的室内定位技术。在常用的室内定位技术中，基于WiFi信号的室内定位技术有着覆盖面广，部署成本低，易安装，非视距传播等优点，因此展现出较优的普适性。随着智能手机的普及和微型传感器的发展，移动设备室内高精度稳定定位仍是亟需解决的难题。
[0003]在复杂的室内环境下，基于WiFi技术的定位精度始终会受到多径效应、信号遮挡、弱信号、信号自身不稳定等多种因素的干扰，现有的基于RSS信号的WiFi指纹定位容易存在感知混淆。即来自不同位置的指纹可能是相似的，空间感知混淆被认为是定位误差大的根本原因。现有的WiFi定位方法通常忽略了场景的空间信息，如拐角、直线走廊，这些天然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合WiFi指纹和空间信息的室内定位方法，其特征在于：包括以下步骤：步骤1：离线构建指纹地图：对室内定位区域进行网格划分并将每个网格点作为参考点，在每个参考点采集WiFi信号并生成WISP特征，进而构建出包括每个参考点的WISP特征的指纹地图；其中，所述WISP特征是融合WiFi特征以及空间特征生成的，所述空间特征是依据参考点位于直线走廊或转角进行分类编码生成的；步骤2：基于所述指纹地图进行在线定位：在线接收WiFi信号并生成当前位置的WISP特征，再利用所述当前位置的WISP特征以及所述指纹地图，采用相似度作为定位指标进行在线定位。2.根据权利要求1所述的室内定位方法，其特征在于：所述WiFi特征是由参考点的WiFi指纹向量以及邻域空间的WiFi指纹向量拼接得到，表示为：F
i
＝(f(l
query_i
),f(l
train_1
),f(l
train_2
),...,f(l
train_M
))其中，F
i
为参考点i的WiFi特征，f(l
query_i
)为参考点i的WiFi指纹向量，f(l
train_1
),f(l
train_2
),f(l
train_M
)均为参考点i的邻域空间内的第1个、第2个、第M个参考点的WiFi指纹向量，M为自适应选定的邻域空间内的参考点数；自适应选定的所述邻域空间的半径是按照如下过程确定：利用WiFi指纹向量计算参考点及其相邻参考点之间的差异度量；若所述差异度量小于或等于设定阈值D
thres
，成倍扩大所述邻域空间的半径，再次计算扩大后的所述邻域空间对应的差异度量，按照上述过程重复迭代，直至所述差异度量大于所述设定阈值D
thres
，输出所述邻域空间的半径r＝αL，α为迭代步长；其中，所述邻域空间的半径初值为网格划分时设定的相邻两参考点之间的距离L。3.根据权利要求2所述的室内定位方法，其特征在于：所述WiFi指纹向量是基于信号排序序号生成的二进制向量，即将参考点接收的室内定位区域内所有发射器的WiFi信号由弱到强排序，并将排序序号均转换为二进制编码后拼接为二进制向量。4.根据权利要求1所述的室内定位方法，其特征在于：离线构建的所述指纹地图存在相关的词袋树，所述词袋树的构建过程为：采用DBSCAN聚类算法对离线过程中所有参考点的所述WISP特征进行聚类，每一聚类视为一个聚类位置指纹；将每一个聚类位置指纹视为词袋树的一个叶节点，并计算出每个叶节点的TF
‑
IDF权重值。5.根据权利要求4所述的室内定位方法，其特征在于：步骤2中利用所述当前位置的WISP特征以及所述指纹地图，采用相似度作为定位指标进行在线定位的过程为：利用当前位置的WISP特征以及所述词袋树的叶节点对应聚类下的WISP特征，计算所述当前位置的WISP特征与每个叶节点的WISP特征之间的相似度；再计算所述相似度与对应叶节点的TF
‑
IDF权重值的乘积，从而选取乘积值最大的叶节点对应聚类下的WISP特征；最后，基于选取的所述WISP特征以及其在指纹地图的位置得到最终定位结果。6.根据权利要求4所述的室内定位方法，其特征在于：采用DBSCAN聚类算法对所有参考点的所述WISP特征进行聚类时，采用可变窗口的聚类邻域半径；其中，所述聚类邻域半径按照如下过程确定：对于参考点RO，其坐标信息表示为p，将指纹地图中位置点集合表示为p
all
＝{p1,
p2,...,p
n
}，则该参考点处的核密度估计表示为}，则该参考点处的核密度估计表示为其中，K(<...

【专利技术属性】
技术研发人员：孙炜，孙健，陈中玉，
申请(专利权)人：湖南大学，
类型：发明
国别省市：