一种基于信号强度概率的室内定位方法和装置

摘要

本发明涉及一种基于信号强度概率的室内定位方法及装置。该方法包括：对室内空间进行划分为T个空间，制作室内空间的RSSI地图，测量未知位置的RSSI样本记录向量，利用巴氏系数依次计算从第1个到第M个接入点的维度上的投票，计算得到T个空间的最终投票结果，对最终投票结果进行排序，若排名第一的位置与第二的位置B投票结果差值大于等于阈值，则判定未知位置为排名第一的位置，否则判断前三个位置是否毗邻，如果毗邻，利用加权平均计算未知位置的区域坐标，否则定位失败。该方法考虑到RSSI随机变化的特点，利用其概率分布进行匹配计算，并结合不同AP定位结果差异，综合提高定位精度。在匹配判决的过程中，采用投票法和加权平均法，提高了定位可靠度。

主权项

一种基于信号强度概率的室内定位方法，包括如下步骤：步骤100，根据室内环境的分布结构和接入点，对室内空间进行划分，划分为T个空间，T为正整数；步骤110：利用指纹地图Fingerprint Map接入点算法制作T个空间的信号强度指示RSSI地图，其中，第i个位置的RSSI样本记录向量形式：$S_i=\left(\begin{array}{c}{\mu }_{i,1},{\sigma }_{i,1},{\max }_{i,1},{\min }_{i,1},{\mu }_{i,2},{\sigma }_{i,2},{\max }_{i,2},{\min }_{i,2},\mathrm{......},\\ {\mu }_{i,j},{\sigma }_{i,j},{\max }_{i,j},{\min }_{i,j},\mathrm{......},{\mu }_{i,M},{\sigma }_{i,M},{\max }_{i,M},{\min }_{i,M},\end{array}\right),$其中，M表示当前室内环境下用于定位的接入点个数，且M≥3，μ_i,j，σ_i,j分别为在第i个位置对第j个接入点发送信号采集RSSI值的均值与方差,max_i,j表示在第i个位置对第j个接入点发送信号多次采集RSSI值时出现的最大值，min_i,j表示在第i个位置对第j个接入点发送信号多次采集RSSI值时出现的最小值，1≤i≤T,1≤j≤M；步骤120，利用用户终端在未知位置测量出RSSI样本记录向量S＝(μ₁,σ₁,max₁,min₁,μ₂,σ₂,max₂,min₂,......μ_M,σ_M,max_M,min_M)；步骤130，依次计算从第1个到第M个接入点的维度上的投票，其中在第j个接入点上的维度上的投票的方法为：步骤131，计算从第1个位置到第T个空间的巴氏系数B_i,j，1≤i≤T,1≤j≤M，所述巴氏系数B_i,j为室内空间中的第i个位置的第j个接入点维度上的概率分布与未知位置的第j个接入点维度上概率分布的相似性；步骤132，根据计算的巴氏系数序列B_1,j,B_2,j,......,B_T,j，进行排序，并对T个空间进行投票，巴氏系数最大的位置投票T，次之为T‑1，依此继续，直至为1；步骤140，结束所有接入点维度上的投票，并将相同位置上的所有的投票结果相加，计算得到T个空间的最终投票结果；步骤150，对最终投票结果进行排序，若排名第一的位置A与第二的位置B投票结果差值大于等于阈值Dif_vote，则判定未知位置为排名第一的位置A，否则判定定位失败。