一种WiFi指纹室内定位方法

摘要

本发明公开了一种WiFi指纹室内定位方法，包括以下步骤：离线处理步骤，包括：（11）、划定定位区域，建立所述L个采样点的位置指纹库LFDB：（12）、将所述位置指纹库LFDB进行k‑mean聚类，以欧式距离作为相似度的评价准则，指纹库划分为具有k个子类的指纹库；在线定位步骤，包括：（21）、计算实测指纹与每个类中心的距离，记为；（22）、寻找DIS中最小值所对应的类，记为；（23）、计算实测指纹与中的每个指纹的距离；（24）、选定参考指纹；（25）、计算每个参考指纹的权重系数；（26）、计算实测指纹的位置坐标。本方法用k‑mean算法对数据离线采样阶段采集的RSSI值进行聚类，降低指纹匹配过程的计算量；在线定位阶段，使用了分治处理的方法，减小了定位误差。

主权项

一种WiFi指纹室内定位方法，其特征在于，包括以下步骤：离线处理步骤，包括：(11)、划定定位区域，并且在定位区域内布设n个WiFi发射装置，在所述定位区域内选定L个采样点，计算各采样点所接收到的所述n个WiFi发射装置发射信号的强度RSSI，在每个采样点可以观测到n个RSSI值(rssi¹,rssi²,...，rssiⁿ)，并将该n个RSSI值作为该采样点的指纹，采样点的位置坐标为(x，y)，每一个指纹与其采样点的位置一一对应，建立所述L个采样点的位置指纹库LFDB：$LFDB={\left[\begin{array}{c}{x}_1,y_1,rss{i_1}^1,rss{i_1}^2,...,rss{i_1}^n\\ x_2,y_2,{\mathrm{rssi}}_2^1,{\mathrm{rssi}}_2^2,...,{\mathrm{rssi}}_2^n\\ ......\\ x_L,y_L,rss{i}_L^1,rss{i}_L^2,...,rss{i}_L^n\end{array}\right]}_{L\times (n+2)};$(12)、将所述位置指纹库LFDB进行k‑mean聚类，以欧式距离作为相似度的评价准则，指纹库划分为具有k个子类的指纹库KFp，其中，n，L，k均为正整数；在线定位步骤，包括：(21)、将实测指纹lf＝(rssi₁,rssi₂,…,rssi_n)与聚类之后的指纹库KFp进行匹配，计算lf与每个类中心的距离，记为DIS＝[d₁,d₂,…,d_k]；(22)、寻找DIS中最小值所对应的类，记为G_SPECIAL；(23)、计算实测指纹lf与G_SPECIAL中的每个指纹的距离，记为其中p表示G_SPECIAL中的指纹的个数，为正整数；(24)、将DIS中的数据按照从小到大的顺序排列，取前m个值，并将所述m个值对应的指纹选定作为参考指纹，其对应的位置坐标作为参考坐标；(25)、计算每个参考指纹的权重系数ω_i(i＝1,2，…，m)；(26)、根据各参考指纹的权重系数及参考坐标计算实测指纹的位置坐标(x_estimate,y_estimate)。