本發(fā)明涉及無(wú)線數(shù)據(jù)通訊領(lǐng)域，具體涉及一種手機(jī)終端的無(wú)線定位方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的發(fā)展，越來(lái)越多的人使用網(wǎng)絡(luò)，而且有不少人通過(guò)網(wǎng)絡(luò)參與志愿行動(dòng)，因此這部分人也被稱為網(wǎng)絡(luò)志愿者。志愿者通過(guò)網(wǎng)絡(luò)結(jié)識(shí)及組織活動(dòng)，從虛擬歸于現(xiàn)實(shí)的活動(dòng)方。所有的網(wǎng)絡(luò)志愿者都是網(wǎng)友自發(fā)組織的，是自下而上的民間組織，他們有兩件事可做，捐錢物和捐時(shí)間。

志愿者通常會(huì)在陌生的環(huán)境中工作，如，在一些大型的室內(nèi)展會(huì)中，通常需要支援者維護(hù)人群的秩序，志愿者在活動(dòng)中通常需要在場(chǎng)館內(nèi)走動(dòng)。在陌生的環(huán)境中，志愿者的在室內(nèi)的位置信息需要反饋到組織者那里顯得十分重要。這就需要室內(nèi)定位技術(shù)的支持。

在各種室內(nèi)定位技術(shù)中，基于RSSI(基于接收信號(hào)強(qiáng)度定位技術(shù))的位置指紋定位方法因無(wú)需添加任何硬件設(shè)備和無(wú)需知道AP的位置信息及準(zhǔn)確的信道模型等有點(diǎn)，已成為室內(nèi)定位的主流定位方法。該方法一般分為離線和在線兩個(gè)階段。離線階段通過(guò)測(cè)量定位區(qū)域所有指紋參考點(diǎn)的RSSI信號(hào)并提取信號(hào)特征建立Radio Map的位置指紋數(shù)據(jù)庫(kù)；在線階段得到定位點(diǎn)的信號(hào)特征，并和位置指紋庫(kù)匹配找出最相近一組或幾組指紋參考點(diǎn)數(shù)據(jù)，然后采用一定的定位算法得到定位點(diǎn)的定位結(jié)果，由此可見，無(wú)論是離線階段還是在線階段，RSSI信號(hào)特征值的選取都是非常重要的工作，然而人們對(duì)RSSI信號(hào)特征的研究并不多。

一般選取RSSI信號(hào)特征的平均值作為其定位特征值，但是考慮到志愿者工作時(shí)，室內(nèi)環(huán)境的復(fù)雜性和動(dòng)態(tài)性，信號(hào)傳播過(guò)程中往往存在多路徑傳播和非視距傳播，RSSI信號(hào)特征值的平均值進(jìn)行指紋定位有一定的局限性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)志愿者工作時(shí)，由于室內(nèi)環(huán)境的復(fù)雜性和動(dòng)態(tài)性，在RSSI信號(hào)特征值的平均值進(jìn)行指紋定位時(shí)，存在較大的誤差的技術(shù)問(wèn)題在于提供一種手機(jī)終端的無(wú)線定位方法。

本方案提供的基礎(chǔ)方案為：手機(jī)終端的無(wú)線定位方法，包括如下步驟：

步驟1、將信號(hào)強(qiáng)度從小到大排序，并求出每個(gè)信號(hào)強(qiáng)度分布對(duì)應(yīng)的百分比概率P(R)、中位數(shù)、眾數(shù)和均值；

步驟2、對(duì)信號(hào)強(qiáng)度概率分布進(jìn)行曲線擬合并對(duì)擬合曲線進(jìn)行峰值檢測(cè)，若有兩個(gè)及兩個(gè)以上峰值，取曲線擬合峰值中最大的作為信號(hào)強(qiáng)度特征值；

步驟3、若只有一個(gè)峰值，則進(jìn)行步驟4，若有兩個(gè)峰值，取右峰值，進(jìn)行步驟8；

步驟4、計(jì)算概率分布的偏態(tài)系數(shù)Cs；

步驟5、若-1≤Cs≤1，則判斷該信號(hào)強(qiáng)度分布居中，取均值作為其信號(hào)特征值；

步驟6、若Cs＜-1，則判定該信號(hào)強(qiáng)度分布為左偏，采用3倍中誤差過(guò)濾法對(duì)RSSI信號(hào)特征進(jìn)行左尾過(guò)濾，過(guò)濾之后回到步驟4重新計(jì)算Cs，再判斷Cs偏態(tài)，若分布居中，取平均值作為其信號(hào)特征值，若分布左偏，則再用百分比概率過(guò)濾法進(jìn)行左尾過(guò)濾，一次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1為止，取過(guò)濾后的平均值R_P作為其信號(hào)特征值；若分布右偏，則用步驟7的右偏改正法處理；

步驟7、若Cs＞1，則判定該信號(hào)強(qiáng)度分布為右偏，首先以眾數(shù)為界求小于等于眾數(shù)的RSSI的平均值，記作R₁，再用小于等于R₁的RSSI求中誤差α₁，然后求多徑干擾信號(hào)強(qiáng)度的概率分布函數(shù)P’(R)，最后求融合算法觀測(cè)值R_r，作為其信號(hào)特征值；

步驟8、根據(jù)在線階段定位算法中的K加權(quán)近鄰算法，確定定位點(diǎn)的位置，最后將這K個(gè)指紋參考點(diǎn)位置坐標(biāo)的加權(quán)最為定位點(diǎn)的定位結(jié)果；

步驟9、讀取室內(nèi)地圖，并按比例尺生成黑色柵格圖像，遍歷地圖要素，若為可通達(dá)區(qū)域，則在圖像上繪制成白色，并將白色區(qū)域的坐標(biāo)定位為集合S；

步驟10、步驟8中得到的定位結(jié)果若不包括在集合S內(nèi)，則返回步驟1重新開始，若步驟8中得到的定位結(jié)果包括在集合S內(nèi)，則在地圖上顯示結(jié)果。

本方案手機(jī)終端的無(wú)線定位方法具有如下特點(diǎn)，1.對(duì)RSSI信號(hào)強(qiáng)度峰值檢測(cè)和篩選，多峰值時(shí)選取最左邊的峰值作為融合值。2.考慮到外界干擾一般使信號(hào)強(qiáng)度變?nèi)?，采用兩種左尾過(guò)濾法來(lái)逼近眾數(shù)的真值，基于眾數(shù)實(shí)現(xiàn)左偏改正。3.將混合高斯概率分布函數(shù)固定兩個(gè)參數(shù)用于右偏改正，簡(jiǎn)化運(yùn)算。這些特點(diǎn)使得該融合算法定位具有很好的環(huán)境適用性。

本發(fā)明在志愿者工作時(shí)，針對(duì)室內(nèi)環(huán)境的復(fù)雜性和動(dòng)態(tài)性，提出針對(duì)RSSI信號(hào)峰值的不同情況使用不同的運(yùn)算方式，達(dá)到提高定位準(zhǔn)確性的目的。解決了在志愿者工作時(shí)，由于室內(nèi)環(huán)境的復(fù)雜性和動(dòng)態(tài)性，在RSSI信號(hào)特征值的平均值進(jìn)行指紋定位時(shí)定位誤差大的問(wèn)題。

進(jìn)一步，步驟4中Cs的計(jì)算方法為，式1：式中，R為手機(jī)接收端接收到某個(gè)AP源的信號(hào)強(qiáng)度觀測(cè)值，R’和α分別是R的平均值和標(biāo)準(zhǔn)差，N是觀測(cè)值的個(gè)數(shù)。

進(jìn)一步，步驟7中α₁的計(jì)算方法為，式2：N’是小于等于R₁的RSSI 觀測(cè)值的個(gè)數(shù)，P’(R)的計(jì)算方法為，式3：

進(jìn)一步，步驟7中R_r的計(jì)算方法為，式4：n是觀測(cè)值RSSI中非重復(fù)的RSSI的個(gè)數(shù)。

進(jìn)一步，步驟8中的具體方式為，首先計(jì)算第i個(gè)指紋參考點(diǎn)與定位點(diǎn)之間的物理歐式距離D_i,D_i的計(jì)算方式為，式5：M為AP信號(hào)源的個(gè)數(shù)，R^j為定位點(diǎn)接收到的第j個(gè)AP信號(hào)源的信號(hào)強(qiáng)度特征值，R_jⁱ為第i個(gè)指紋參考帶你接收到的第j個(gè)AP信號(hào)源信號(hào)強(qiáng)度特征值，然后根據(jù)D_i的大小找到與定位點(diǎn)物理歐式距離最近的K個(gè)指紋參考點(diǎn)，并對(duì)這K個(gè)指紋參考點(diǎn)的位置坐標(biāo)賦予不同的權(quán)重系數(shù)w_i,w_i的計(jì)算方式為，式6：最后將這K個(gè)指紋參考點(diǎn)位置坐標(biāo)的加權(quán)和作為定位點(diǎn)的定位結(jié)果，計(jì)算方式為，式7：(x,y)是定位點(diǎn)的坐標(biāo)，(x_i,y_i)是指紋點(diǎn)坐標(biāo)。

附圖說(shuō)明

圖1為測(cè)量點(diǎn)的分布圖；

圖2為現(xiàn)有三點(diǎn)均值定位法定位出的定位點(diǎn)分布圖；

圖3為采用本發(fā)明定位出的定位點(diǎn)分布圖。

具體實(shí)施方式

下面通過(guò)具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明：

實(shí)施例

手機(jī)終端的無(wú)線定位方法，包括如下步驟：

步驟1、將信號(hào)強(qiáng)度從小到大排序，并求出每個(gè)信號(hào)強(qiáng)度分布對(duì)應(yīng)的百分比概率P(R)、中位數(shù)、眾數(shù)和均值；

步驟2、對(duì)信號(hào)強(qiáng)度概率分布進(jìn)行曲線擬合并對(duì)擬合曲線進(jìn)行峰值檢測(cè)，若有兩個(gè)及兩個(gè)以上峰值，取曲線擬合峰值中最大的作為信號(hào)強(qiáng)度特征值；

步驟3、若只有一個(gè)峰值，則進(jìn)行步驟4，若有兩個(gè)峰值，取右峰值，進(jìn)行步驟8；

步驟4、計(jì)算概率分布的偏態(tài)系數(shù)Cs，計(jì)算方式為，式1：式中，R為手機(jī)接收端接收到某個(gè)AP源的信號(hào)強(qiáng)度觀測(cè)值，R’和α分別是R的平均值和標(biāo)準(zhǔn)差，N是觀測(cè)值的個(gè)數(shù)；

步驟5、若-1≤Cs≤1，則判斷該信號(hào)強(qiáng)度分布居中，取均值作為其信號(hào)特征值；

步驟6、若Cs＜-1，則判定該信號(hào)強(qiáng)度分布為左偏，采用3倍中誤差過(guò)濾法對(duì)RSSI信號(hào)特征進(jìn)行左尾過(guò)濾，過(guò)濾之后回到步驟4重新計(jì)算Cs，再判斷Cs偏態(tài)，若分布居中，取平均值作為其信號(hào)特征值，若分布左偏，則再用百分比概率過(guò)濾法進(jìn)行左尾過(guò)濾，一次剔除概率小于2.5％，5％，7.5％，10％的RSSI，直到-1≤Cs≤1為止，取過(guò)濾后的平均值R_P作為其信號(hào)特征值；若分布右偏，則用步驟7的右偏改正法處理；

步驟7、若Cs＞1，則判定該信號(hào)強(qiáng)度分布為右偏，首先以眾數(shù)為界求小于等于眾數(shù)的RSSI的平均值，記作R₁，再用小于等于R₁的RSSI求中誤差α₁，然后求多徑干擾信號(hào)強(qiáng)度的概率分布函數(shù)P’(R)，最后求融合算法觀測(cè)值R_r，作為其信號(hào)特征值；

步驟8、根據(jù)在線階段定位算法中的K加權(quán)近鄰算法，確定定位點(diǎn)的位置，最后將這K個(gè)指紋參考點(diǎn)位置坐標(biāo)的加權(quán)最為定位點(diǎn)的定位結(jié)果；

步驟9、讀取室內(nèi)地圖，并按比例尺生成黑色柵格圖像，遍歷地圖要素，若為可通達(dá)區(qū)域，則在圖像上繪制成白色，并將白色區(qū)域的坐標(biāo)定位為集合S；

步驟10、步驟8中得到的定位結(jié)果若不包括在集合S內(nèi)，則返回步驟1重新開始，若步驟8中得到的定位結(jié)果包括在集合S內(nèi)，則在地圖上顯示結(jié)果。

為了檢驗(yàn)本發(fā)明的有效性，在某次公益活動(dòng)中的展廳中進(jìn)行驗(yàn)證，該展廳內(nèi)的人流較為密集，并且人員流動(dòng)情況復(fù)雜。

在實(shí)驗(yàn)過(guò)程中，手機(jī)終端是作為一個(gè)運(yùn)行平臺(tái)，本發(fā)明在手機(jī)終端中運(yùn)行還需要軟件的支撐。在實(shí)驗(yàn)的過(guò)程中，選用一款代碼開源、并具有定位功能的APP進(jìn)行實(shí)驗(yàn)是至關(guān)重要的，因此，選用的是市面上一款名稱為“暖青匯”的手機(jī)APP，“暖青匯”也是針對(duì)志愿者服務(wù)的，并且也具有現(xiàn)有的三點(diǎn)均值定位功能，通過(guò)對(duì)該APP進(jìn)行改寫，將本方法應(yīng)用于該APP，進(jìn)行對(duì)比實(shí)驗(yàn)。改寫前，手機(jī)終端應(yīng)用的是現(xiàn)有的三點(diǎn)均值定位法，改寫后，手機(jī)終端應(yīng)用的是本發(fā)明提供的方法。

實(shí)驗(yàn)時(shí)，展廳內(nèi)有4個(gè)AP，△代表指紋點(diǎn)(即AP所在點(diǎn))，○代表實(shí)際所在點(diǎn)稱為測(cè)量點(diǎn)，□代表的是手機(jī)經(jīng)定位算法定位出來(lái)的點(diǎn)稱為定位點(diǎn)。

手機(jī)采集AP的信號(hào)強(qiáng)度，采用1s的采樣率，每個(gè)時(shí)段采集數(shù)據(jù)8min。需要說(shuō)明的是，本次做的是對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)組采用本發(fā)明提供的方法，對(duì)照組采用的是現(xiàn)有的三點(diǎn)均值定位法，由于不同品牌、型號(hào)的手機(jī)接收AP信號(hào)強(qiáng)度具有差異性，故實(shí)驗(yàn)中所有數(shù)據(jù)的采集均采用相同品牌、型號(hào)的手機(jī)進(jìn)行，本次實(shí)驗(yàn)均采用iPhone 5。

本次實(shí)驗(yàn)的方式為，兩部相同的手機(jī)，分別裝上改寫前的“暖青匯”和改寫后的“暖青匯”，同時(shí)在同一個(gè)○點(diǎn)用三點(diǎn)均值定位法和本發(fā)明提供的方法定位，在兩個(gè)地圖上分別標(biāo)記出□點(diǎn)的位置，分別計(jì)算兩種□點(diǎn)與○點(diǎn)的誤差ds，ds’為定位點(diǎn)誤差的平均值。

圖1為測(cè)量點(diǎn)的分布圖，圖2為現(xiàn)有三點(diǎn)均值定位法定位出的定位點(diǎn)分布圖，圖3為采用本發(fā)明定位出的定位點(diǎn)分布圖。

從圖2中可明顯看出在一些邊緣點(diǎn)附近，現(xiàn)有的三點(diǎn)均值定位法，定位存在較大的誤差，并且由于缺少自檢的步驟，一些明顯誤差未得到修正。

從圖3中可看出，本發(fā)明定位出來(lái)的點(diǎn)誤差較小，未出現(xiàn)明顯的錯(cuò)誤。

表1為復(fù)雜環(huán)境下RSSI概率分布含雙峰分布或右偏分布情況

表1

從表1可看出，在實(shí)際情況復(fù)雜的情況下，RSSI信號(hào)特征的分布特性絕大多數(shù)是呈雙峰分布或右偏分布。現(xiàn)有的均值三點(diǎn)定位法在這種情況下，定位精度如圖2所示，圖2中(2.8,6.7)這個(gè)點(diǎn)，由于遮擋物的影響，定位點(diǎn)出現(xiàn)在遮擋物內(nèi)部，出現(xiàn)明顯錯(cuò)誤。本發(fā)明的定位精度如圖3所示，圖3中所有的定位點(diǎn)，經(jīng)過(guò)修正均未出現(xiàn)明顯錯(cuò)誤。

圖2中，所有的定位點(diǎn)均偏向AP信號(hào)強(qiáng)的方向，并且距離AP信號(hào)源越近，誤差ds越大。

圖3中，通過(guò)本發(fā)明的處理后，定位點(diǎn)的的偏移量明顯得到控制，減小了誤差ds。

表2為復(fù)雜環(huán)境下RSSI不同信號(hào)特征值定位點(diǎn)誤差及精度

表2

結(jié)果表明：本發(fā)明的定位精度優(yōu)于現(xiàn)有的均值三點(diǎn)定位方式。

以上所述的僅是本發(fā)明的實(shí)施例，方案中公知的具體結(jié)構(gòu)及特性等常識(shí)在此未作過(guò)多描述。應(yīng)當(dāng)指出，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明結(jié)構(gòu)的前提下，還可以作出若干變形和改進(jìn)，這些也應(yīng)該視為本發(fā)明的保護(hù)范圍，這些都不會(huì)影響本發(fā)明實(shí)施的效果和專利的實(shí)用性。本申請(qǐng)要求的保護(hù)范圍應(yīng)當(dāng)以其權(quán)利要求的內(nèi)容為準(zhǔn)，說(shuō)明書中的具體實(shí)施方式等記載可以用于解釋權(quán)利要求的內(nèi)容。