一种基于WiFi指纹的室内定位方法

摘要

本发明公开了一种基于WiFi指纹的室内定位方法，本发明对待定位场所内的每个已知位置点，在一段时间内持续采集WiFi信号的RSSI值，对采集到的数据进行预处理，统计每一个AP在某一位置点的信号序列中出现的次数num，删除num小于序列总长度一半的AP信号数据，对预处理之后的数据求平均值μ、标准差δ存入数据库；采集待定位点的WiFi信号的RSSI值并上传至服务器，对采集到的待定位点的数据采用多层次概率算法与数据库中的值进行匹配，得出概率最大的W个位置估计值进行时间平均以获得待测点的位置估计；与现有技术相比，本发明在保证定位精度的同时提高了系统的可操作性和实用性，能精确定位到3米。

主权项

一种基于WiFi指纹的室内定位方法，其特征在于：包括离线采样阶段和在线定位阶段，所述的离线采样阶段包括以下步骤：步骤1：在待定位场所内设置N个AP，对所述的待定位场所内每个已知位置点，采集并保存WiFi信号的RSSI值数据，其中N≥3，待采集完成后，则将所述的数据导入到服务器中，服务器对所述的数据进行滤波预处理，对所述的预处理之后的数据进行特征提取并存入数据库，构建位置指纹库；对所述的数据进行滤波预处理，其方法为：统计每一个AP在每一个位置点的信号序列中出现的次数num，删除num小于序列总长度一半的AP信号数据；对所述的预处理之后的数据进行特征提取，所述的特征包括WiFi信号的RSSI值的信号强度值平均值μ、标准差σ，其提取方法为：给定从AP_i采集到的n个信号强度样本，利用最大似然估计MLE方法估算其分布参数，对μ的估计为：对σ的估计为：其中：AP_i为所述的N个AP中的第i个，1≤i≤n，s_i(j)为来自AP_i第j个信号强度值，n≥3；所述的在线定位阶段包括以下步骤：步骤2：采集待定位点的WiFi信号的RSSI值数据并上传至服务器；步骤3：所述的服务器对实时接受到的所述的待定位点的WiFi信号的RSSI值数据进行降序排序，选取所述的排序结果中前L个WiFi信号对所述的位置指纹库中的位置进行聚类，得到M个位置点，该M个位置点的WiFi信号的RSSI值数据序列包含所述的L个WiFi信号，其中L≥1，M≥1；步骤4：利用所述的待定位点的WiFi信号的RSSI值，对所述的M个位置点进行初始定位结果计算，得到初始位置估计值并保存；对所述的M个WiFi信号的位置点进行初始定位结果计算，需要使用高斯分布来对每一个AP采集的RSSI值数据进行拟合，其具体实现包括以下子步骤：步骤4.1：设实时采集到的所述的待定位点的一个无线信号强度向量为s＝(s₁,…,s_k)，k≥3；步骤4.2：在所述的聚类之后的M个位置点中找出其位置x，首先计算每一个所述的M个位置估计值的概率P(x_j|s)，然后返回其概率最大的位置估计值的位置信息作为初始定位的结果，利用高斯分布的概率分布函数可得：其中：q表示实时采集到的WiFi信号的RSSI值的信号强度值的平均值，μ为指纹库中位置点X_j所对应的每一个AP的RSSI值数据的平均值、σ为指纹库中位置点X_j所对应的每一个AP的RSSI值数据的标准差，1≤j≤M；步骤5：判断：已经保存的初始位置估计值的个数是否大于或等于预设值W，其中W≥1；如果否，则将当前初始位置估计值作为所述的待定位点的位置估计值；如果是，则对已经保存的最后W个初始位置估计值做时间平均，得到所述的待定位点的位置估计值；对已经保存的最后W个初始位置估计值做时间平均，其具体实现方法为：用户手持移动终端在待定位场所内连续移动，将在时间段t内的定位坐标信息以时间轴为索引存储起来，采用一个时间平均窗对估计的位置做平滑处理，数学模型如下，给定位置估计序列x₁,x₂,…x_t情况下，当前位置估计值为步骤6：判断：用户是否发出停止定位指令；如果否，则转回执行所述的步骤2；如果是，则结束定位。