技術特征：

1.基于WiFi信號強度和Micro-Model的室內(nèi)無線熱點回溯定位方法，該方法主要是將位置指紋定位與RSSI定位結(jié)合起來，利用位置指紋提供的環(huán)境和位置信息與log衰減模型提供的信號強度-距離轉(zhuǎn)化公式對熱點進行定位；這個過程中包含了濾波、聚類算法，該算法可以獲得更加良好的定位效果；該方法分為離線訓練和在線測試兩個階段，其特征在于：

S1、離線訓練階段

系統(tǒng)在離線訓練階段的任務是：完成對MM模型的構建；完成對基本指紋庫的構建；

首先，本發(fā)明提出了一套Micro-LDPL-Model(MM)作為本方法的核心；該模型在離線訓練階段系統(tǒng)描繪指紋庫的同時，描繪出一個環(huán)境衰減因子矩陣；其具體表達形式為

其中Y是衰減因子矩陣，衰減因子矩陣Y的各元素y_pq表示不同建筑空間上(p行q列)相鄰區(qū)塊之間的衰減因子，其實質(zhì)是一個一維向量，不同的項表示不同方向通路上的測量結(jié)果；分別表示該區(qū)塊(坐標(p,q))與相鄰區(qū)塊(坐標(a,b)、(c,d))；l_pq是矩陣L中的元素，L是位置坐標矩陣，它表示了該元素的物理位置，在實際應用中，這一部分將以坐標的形式出現(xiàn)；

在本方法中，指紋庫的構建參考傳統(tǒng)指紋庫的構建方式即可，因為現(xiàn)有的方法已經(jīng)完全可以滿足要求，本方法的重點不在于此只要能夠滿足相應的精度即可；其中，系統(tǒng)主要參數(shù)均根據(jù)LDPL模型得出，LDPL模型的表達式為

RSSI＝-(10γlog₁₀(d)-a)

RSSI表示接收信號強度；d是測量點與熱點間距離；衰減因子矩陣γ以矩陣形式表達在MM模型中，a是信號強度偏移量，信號強度偏移量a與熱點型號有關，通過讀取熱點型號獲取信號強度偏移量參數(shù)的具體信息；

在進行完整定位的過程中，本方法將使用兩套不同的指紋庫，第一套指紋庫主要用于第一次定位，它的內(nèi)容由離線測試階段決定；第二套用于第二次定位即回溯，它的內(nèi)容需要在在線測試階段進行更新；它們的形式分別為

其中er_ij＝<AP₁,AP₂,...,AP_n>表示測量得到的信號強度，AP_n表示測量到的信號強度來自第n個AP；γ_pq是衰減因子矩陣，l_pq是區(qū)塊物理坐標；其中or_pq表示在線測試階段獲得的信號強度，k_pq＝max{AP₁,AP₂,...,AP_n}用來表示W(wǎng)ireless Link Quality(WLQ)，這一指標將用來衡量用戶使用哪條通信鏈路將數(shù)據(jù)上傳至云端，簡單來說，當用戶需要將自己的數(shù)據(jù)上傳至云端時，使用其當前正在接入的AP未必是最優(yōu)選擇，理論上講，信號強度較大的AP將更加適合完成這一任務；因此，本方法在第二套指紋庫中加入了WLQ標志這一元素，旨在優(yōu)化系統(tǒng)性能，提高算法運行速度并縮短定位周期；

S2在線測試階段

第一步：尋找Interest Feild

反向定位時，待定位目標一般情況下必然位于參考標簽信號強度最大的一個或多個區(qū)域中，這一過程可大致分為三個部分；

S2.1、假設指紋庫為矩形且各參考標簽劃分大小一致(方便用公式描述)，設A＝(a_ij)_m×n∈C^m×n,W＝(w_ij)_m×n∈C^m×n其中A為指紋庫中的參考標簽矩陣，W為方形窗矩陣，用來對參考標簽矩陣進行相應的處理；設范數(shù)

$\left|\right|A|{|}_{LS}=\underset{x,y}{max}\underset{x=2}{\overset{m-1}{\&Sigma;}}\underset{y=2}{\overset{n-1}{\&Sigma;}}\&lsqb;\underset{s=-a}{\overset{a}{\&Sigma;}}\underset{t=-b}{\overset{b}{\&Sigma;}}{w}_{s+a,t+b}{a}_{x+s,y+t}\&rsqb;,$

該范數(shù)用來對參考標簽矩陣進行加窗處理從而尋找信號強度最大的區(qū)域；其中系數(shù)k₁ k₂ k₃根據(jù)試驗情況而定，一般來說設k₁＝1 k₂＝0 k₃＝0即可；

同時設參考標簽區(qū)域邊長為S，設

$I_{ij}=\left\{(x,y)\right|x_{a_{ij}}-\frac{S}{2}\&lt;x\&lt;x_{a_{ij}}+\frac{S}{2},y_{a_{ij}}-\frac{S}{2}\&lt;y\&lt;y_{a_{ij}}+\frac{S}{2}\},$

為每個參考標簽區(qū)域的表達式；

實際上，若每個方形參考標簽邊長為5m，則5m之內(nèi)信號會產(chǎn)生相應的衰減，這種衰減表現(xiàn)的比較明顯，除非熱點剛好位于兩個或多個參考標簽的邊界上，因此暫時將上述范數(shù)簡化成如下形式

$\left|\right|A|{|}_{LS}=\underset{x,y}{max}\underset{x=1}{\overset{m}{\&Sigma;}}\underset{y=1}{\overset{n}{\&Sigma;}}{a}_{xy},$

即這樣一來能夠大大降低算法復雜度，而兩個或多個參考標簽信號強度相近的情況將在后面的步驟中加以考慮；該步驟將得到一個區(qū)域坐標作為結(jié)果，暫時稱之為I_pq，對應的參考標簽為a_pq；受遍歷方式的影響，I_pq可能不唯一，但其至少會處于真實熱點所在參考標簽區(qū)域的鄰域之中；

S2.2、事實上，雖然兩個或多個參考標簽信號強度完全相同且強于其他參考標簽信號強度的概率較低，但在Interest Field附近各參考標簽信號強度相近的情況卻有可能出現(xiàn)，因此需要對S2.1中得到的結(jié)果進行進一步處理；真實熱點的位置理論上可分為以下三種情況：位于某個參考標簽中，位于兩個參考標簽交界處和位于四個或多個參考標簽交界處；因此，需要在找到I₁區(qū)域之后進一步確定當前信號強度分布，設I_α為I_pq的八鄰域與I_pq的并集，其表達式

I_α＝{I_ij|p-1≤i≤p+1,q-1≤j≤q+1}，

S2.3、通過在I_α區(qū)域中進行相應的計算，最終可以確定一個I_β，它表示參考標簽信號強度相近且強于其他參考標簽信號強度的區(qū)域的并集；設D＝(d_ij)_3×3∈C^3×3為在I_α區(qū)域內(nèi)求取各參考標簽到a_pq距離的距離換算窗；其中

$d_{ij}=\sqrt{{a_{p+m,q+n}}^2-{a_{pq}}^2},(-1\&le;m\&le;1,-1\&le;n\&le;1),$

則

I_β＝{I_ij|d_ij＜T,p-1≤i≤p+1,q-1≤j≤q+1}，

其中T是距離閾值，該值需要取得很小來排除建筑等因素的干擾，理論依據(jù)是距離與信號強度轉(zhuǎn)化公式；

最后I_β簡化為I_γ，這就是最終求取的Interest Field，實際情況中，由于存在障礙物遮擋因素，橙色區(qū)域可能是不規(guī)則的：兩格由于遮擋可能直接退化為一格，四格可能退化為三格、兩格或一格；

第二步：利用三邊測量法估計熱點位置

篩選出視距參考標簽之后利用log衰減模型進行熱點位置估計了；設熱點位置坐標為(x₀,y₀)，根據(jù)log路徑損耗模型

RSSI＝-(10γlog₁₀(d)-n)，

$d={10}^{\frac{RSSI+n}{-10\mathrm{\&gamma;}}},$

將熱點位置坐標帶入上式中進行聯(lián)立即可求解出多組位置坐標

$\left\{\begin{array}{c}{d_1}^2={(x-x_1)}^2+{(y-y_1)}^2\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ {d_h}^2={(x-x_h)}^2+{(y-y_h)}^2\end{array}\right.,$

其中RSSI取自第二次定位獲得的指紋矩陣，偏移量n是距離熱點1m處的信號強度，它的值需要在計算出衰減因子矩陣γ后進行一次估計，距離d₁…d_h是未知值分別表示目標熱點與第1至第h個區(qū)塊中心的距離，當求解出至少兩個距離之后就可以估計出熱點的位置。