本發(fā)明涉及室內(nèi)定位與導(dǎo)航技術(shù)領(lǐng)域，特別是一種基于指數(shù)映射域的wifi室內(nèi)定位方法。

技術(shù)背景

近年來(lái)，隨著智能便攜式移動(dòng)設(shè)備(如智能手機(jī)，智能手環(huán)等)的逐漸興起和普及，基于位置的服務(wù)和應(yīng)用快速地發(fā)展并逐漸擴(kuò)展到生活出行的方方面面。例如，基于全球定位系統(tǒng)(如美國(guó)的gps，中國(guó)的北斗導(dǎo)航等)的電子地圖，給人們提供了室外環(huán)境的定位和導(dǎo)航服務(wù)?；谖恢眯畔⒎?wù)的應(yīng)用層出不窮(如百度地圖、高德地圖等)。然而，人類(lèi)的大部分活動(dòng)是在室內(nèi)進(jìn)行的，由于全球定位系統(tǒng)的衛(wèi)星信號(hào)難以穿透建筑物，因此全球定位系統(tǒng)無(wú)法用于室內(nèi)定位，所以必須要有新的專(zhuān)門(mén)用于室內(nèi)定位的技術(shù)。

隨著智能手機(jī)的普及，利用智能手機(jī)進(jìn)行wifi定位逐漸成了室內(nèi)定位的研究熱點(diǎn)。一般在醫(yī)院、辦公大樓、購(gòu)物商場(chǎng)等公共場(chǎng)所都會(huì)有wifi熱點(diǎn)，而且智能終端基本上都有wifi接口，因此基于wifi的室內(nèi)定位系統(tǒng)就可以使用現(xiàn)有的設(shè)備進(jìn)行構(gòu)建，從而大大節(jié)省了硬件成本。

目前基于wifi的室內(nèi)定位算法主要是基于knn(k近鄰)的wifi室內(nèi)定位算法?；趉nn的wifi室內(nèi)定位算法的主要原理是根據(jù)rssi(接收信號(hào)強(qiáng)度)的歐式距離計(jì)算方法來(lái)估算帶定位節(jié)點(diǎn)和數(shù)據(jù)指紋庫(kù)中已知節(jié)點(diǎn)的歐式距離，算法復(fù)雜度比較低，能夠適應(yīng)在運(yùn)算能力不高的智能手機(jī)上運(yùn)行，所以在實(shí)際中應(yīng)用廣泛。但由于室內(nèi)環(huán)境復(fù)雜，信號(hào)在室內(nèi)傳播時(shí)有很明顯的多徑效應(yīng)，并且由于障礙物的遮擋等使得knn定位方法存在以下幾個(gè)問(wèn)題：

首先，上述knn算法中rssi距離比較大的兩個(gè)點(diǎn)，其實(shí)際空間距離可能比較小，比如兩個(gè)點(diǎn)之間隔著一堵墻等，因此，只按照rssi的距離大小確定knn算法中的權(quán)重可能會(huì)造成比較大的定位誤差；

其次，在實(shí)際測(cè)量時(shí)發(fā)現(xiàn)，在同一地點(diǎn)檢測(cè)到的同一個(gè)wifi接入點(diǎn)發(fā)射的信號(hào)的rssi值波動(dòng)比較大，離線(xiàn)階段和在線(xiàn)的信號(hào)波動(dòng)，都會(huì)對(duì)定位結(jié)果造成影響，所以在使用rssi值進(jìn)行定位前，必須對(duì)采集到的數(shù)據(jù)進(jìn)行預(yù)處理，減少噪聲對(duì)指紋數(shù)據(jù)庫(kù)的影響。

最后，rssi的值和檢測(cè)設(shè)備有關(guān)系，同一個(gè)wifi接入點(diǎn)發(fā)射出的無(wú)線(xiàn)信號(hào)在同一點(diǎn)由不同的接收設(shè)備檢測(cè)，rssi的值可能會(huì)不一樣，因此，不能只根據(jù)rssi距離的絕對(duì)數(shù)值，來(lái)確定knn算法中的權(quán)重值。

2017年3月出版的第33卷第3期《科技通報(bào)》上介紹了一種名稱(chēng)為“基于余弦相似度的指紋匹配算法的室內(nèi)定位方法”，該方法不使用rssi向量的歐氏距離作為匹配方法，而使用rssi向量的夾角余弦值(最接近1)作為位置匹配方法，該方法雖然在一定程度上比knn方法的計(jì)算量少，但是，在一些常見(jiàn)的復(fù)雜的室內(nèi)辦公環(huán)境下的定位精度較低，難以達(dá)到定位要求。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問(wèn)題是，針對(duì)現(xiàn)有技術(shù)的不足，提供一種基于指數(shù)映射域的wifi室內(nèi)定位方法。

為解決上述技術(shù)問(wèn)題，本發(fā)明所采用的技術(shù)方案是：一種基于指數(shù)映射域的wifi室內(nèi)定位方法，包括在線(xiàn)測(cè)量階段和離線(xiàn)測(cè)量階段；

所述離線(xiàn)測(cè)量階段包括以下步驟：

1)預(yù)先選定場(chǎng)地中某些點(diǎn)為參考點(diǎn)，測(cè)量參考點(diǎn)的坐標(biāo)，采集參考點(diǎn)離線(xiàn)數(shù)據(jù)并進(jìn)行高斯濾波，濾除在同一地點(diǎn)采集到的來(lái)自同一個(gè)wifi熱點(diǎn)的出現(xiàn)概率小于4％的rssi值，并將剩余的rssi值取平均構(gòu)成rssi向量；

2)對(duì)在每個(gè)參考點(diǎn)的rssi向量進(jìn)行以2為底數(shù)的指數(shù)運(yùn)算得rssi'向量,即

rssi′＝2^rssi

并將rssi'向量存入指紋數(shù)據(jù)庫(kù)中；

所述在線(xiàn)測(cè)量階段包括以下步驟：

1)測(cè)量待定位點(diǎn)的rssi向量值并進(jìn)行以2為底數(shù)的指數(shù)運(yùn)算得rssi'向量；

2)計(jì)算帶定位點(diǎn)與指紋數(shù)據(jù)庫(kù)中各個(gè)參考點(diǎn)的rssi'向量的歐式距離；

3)找出k個(gè)與待定位點(diǎn)的rssi'向量的歐氏距離最小的點(diǎn)，也就是k個(gè)最近鄰點(diǎn)；

4)取上述k個(gè)最近鄰點(diǎn)的位置坐標(biāo)的平均值作為待定位點(diǎn)的位置估計(jì)。

與現(xiàn)有技術(shù)相比，本發(fā)明所具有的有益效果為：本發(fā)明在利用基于knn的wifi室內(nèi)定位方法的基礎(chǔ)之上，首先對(duì)離線(xiàn)指紋采集階段測(cè)得的接收信號(hào)強(qiáng)度rssi進(jìn)行高斯濾波，除去那些出現(xiàn)概率較小的rssi值，然后將剩余的rssi值取平均，最后將所有的數(shù)據(jù)都映射到以2為底數(shù)的指數(shù)域中，并且利用k近鄰算法最為定位匹配算法，從而提高了定位精度，而且定位時(shí)的計(jì)算量幾乎與k近鄰法相等，從而使其適應(yīng)計(jì)算性能不高的定位終端和復(fù)雜的室內(nèi)電磁環(huán)境。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例實(shí)驗(yàn)區(qū)的室內(nèi)定位地圖；

圖2為本發(fā)明實(shí)施例用本發(fā)明方法對(duì)12個(gè)測(cè)試點(diǎn)每個(gè)進(jìn)行50次定位實(shí)驗(yàn)，定位誤差的平均值與最近鄰、4階knn、4階wknn(加權(quán)knn)、基于余弦相似度的指紋匹配算法的比較圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式做進(jìn)一步的說(shuō)明。

實(shí)驗(yàn)區(qū)的布置圖如圖1所示，使用安卓智能手機(jī)作為指紋數(shù)據(jù)采集設(shè)備和定位設(shè)備，四臺(tái)wifi中繼放大器作為接入點(diǎn)(ap)。實(shí)驗(yàn)區(qū)為室內(nèi)房間，房間長(zhǎng)約10米寬約6米。該房間為典型的室內(nèi)辦公室，平?？扇菁{20多人同時(shí)辦公，并且人員走動(dòng)也比較頻繁，實(shí)驗(yàn)所用的ap也被清楚地標(biāo)在圖1中，四個(gè)ap離地面的高度約為1.8米。圖1中標(biāo)記小圓點(diǎn)“o”的位置為指紋數(shù)據(jù)庫(kù)的采樣位置，而標(biāo)記“x”的位置為定位測(cè)試點(diǎn)的位置。整個(gè)房間的指紋采樣點(diǎn)總數(shù)為38個(gè)，并且每個(gè)指紋采樣點(diǎn)分別間隔1秒采樣一次共采樣50次。定位測(cè)試點(diǎn)的總數(shù)為12個(gè)，并且每個(gè)定位點(diǎn)分別測(cè)試50次。

在實(shí)際采樣過(guò)程中，由于各種噪聲的影響，使得測(cè)得的wifi信號(hào)強(qiáng)度的值有時(shí)會(huì)產(chǎn)生比較大的波動(dòng)。為了減小噪聲對(duì)指紋數(shù)據(jù)庫(kù)的影響，對(duì)每個(gè)參考點(diǎn)采集到的rssi值進(jìn)行高斯濾波，濾除掉出現(xiàn)概率小于4％的rssi值，并將剩余的rssi值取平均構(gòu)成rssi向量，然后對(duì)每個(gè)rssi向量進(jìn)行兩次兩兩之比計(jì)算得rssi'向量，最后將rssi'向量存入指紋數(shù)據(jù)庫(kù)中。

在實(shí)驗(yàn)場(chǎng)地采集到的數(shù)據(jù)經(jīng)過(guò)濾波取平均值和兩次兩兩之比計(jì)算處理后，采用二維表的形式存儲(chǔ)這些數(shù)據(jù)，指紋數(shù)據(jù)的存放格式如下表1所示：

表1指紋數(shù)據(jù)的存放格式

將在線(xiàn)測(cè)得的rssi向量先進(jìn)行兩次兩兩之比計(jì)算得rssi'向量，然后計(jì)算其與指紋庫(kù)中的每個(gè)采樣點(diǎn)的rssi'向量的歐氏距離，然后取10個(gè)最近鄰點(diǎn)，最后求取這10個(gè)點(diǎn)的位置坐標(biāo)平均值并將其作為定位測(cè)試點(diǎn)的位置估計(jì)。分別用本發(fā)明方法、最近鄰法、4階knn法、4階wknn法和基于余弦相似度的指紋匹配算法對(duì)實(shí)驗(yàn)區(qū)中的12個(gè)測(cè)試點(diǎn)每個(gè)進(jìn)行50次定位測(cè)試，測(cè)得的平均誤差如表2和圖2所示，從表2和圖2可以看出，本發(fā)明方法的定位誤差明顯小于其它4種方法。

表2不同定位方法的平均誤差