[发明专利]一种基于Wi-Fi的室内定位系统和方法

说明书

技术领域

本发明涉及无线定位领域，特别地涉及一种基于Wi-Fi的室内定位系统和方法。

背景技术

随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的定位技术目前还无法很好地利用。

全球定位系统(GPS)是获取室外环境位置信息的最常用方式，但由于卫星信号容易受到各种障碍物遮挡，GPS等卫星定位技术并不适用于室内，目前无线室内定位技术迅速发展，已成为GPS的有力补充。

现有室内无线定位系统主要采用红外、超声波、蓝牙、Wi-Fi、RFID等短距离无线技术，其中Wi-Fi网络的无线定位技术部署广泛且成本较低。

Wi-Fi提供了一个高性价比的定位解决方案。实际应用中也已经提出了许多方案，包括基于到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)、测量接收信噪比(SNR)，以及使用更广泛的接收信号强度法(RSSI)、

接收信号强度法(RSSI)主要分为两类：三角定位法和位置指纹识别法。三角定位法基于无线传播衰减模型，无线信号在空间的衰减与传播距离存在一定的函数关系，常用的无线传播衰减模型有对数正态传播衰减模型，该模型采用接收到的信号强度来估计接收端距发射端的距离，利用待测目标到至少三个已知参考点之间的距离信息估计待测目标的位置。位置指纹识别法需要在定位服务器中建立存储Wi-Fi信号的数据库，存储Wi-Fi信号强度等数据，待测目标将采集到的Wi-Fi信号强度信息传递给定位服务器，并与数据库中的数据进行匹配，从而确定待测目标位置。指纹匹配定位不需要Wi-Fi节点的安装位置信息。

现有技术中，利用指纹匹配方式实现精确定位的常用方法有最邻近法，K邻近法(KNN)，K加权邻近法，贝叶斯估计，BP神经网络法等。其中，广泛应用的K邻近法(KNN)，其选取信号空间距离最近的K个参考节点，将未知节点定位在K个参考节点的坐标平均处。但是由于存在随机干扰，在选取的K个参考点中某些参考点偏差较大时，使得整体的平均值产生较大偏差，导致因定位精度较差。

发明内容

本发明的目的在于避免上述现有技术中的不足之处，提供一种基于Wi-Fi的室内精确定位系统和方法。

该系统包括定位服务器，局域网，多个第一无线AP以及待定位的移动终端，其中，定位服务器与局域网相连，其特征在于：所述定位系统还包括多个第二无线AP，所述第二无线AP的位置信息存储在所述定位服务器中，所述定位系统采用所述多个第一无线AP对移动终端进行定位，并且采用所述第二无线AP对定位结果进行修正。

根据本发明的另一个方面，所述修正是在所述多个第一无线AP对移动终端进行定位的结果中进行选择。

根据本发明的另一个方面，所述移动终端是带有Wi-Fi芯片的装置。

根据本发明的另一个方面，所述第一无线AP和所述第二无线AP是无线交换机或无线路由器。

本发明还提供了一种基于Wi-Fi的室内精确定位方法，包括

步骤一：选择多个参考节点；

步骤二：对于上述多个参考节点，在每个参考节点处采集多个第一无线AP的Wi-Fi信号信息，将上述信息存入定位服务器的指纹数据库中；

步骤三：待定位的移动终端获取上述多个第一无线AP的信号强度值；

步骤四：将该信号强度值与上述指纹数据库中存储的信息进行匹配，获取与该信号强度值距离最近的K个位置的指纹数据，并得到这K个指纹数据对应参考点的坐标；其中K是大于2的整数；

步骤五：该待定位的移动终端选择接收到的信号强度最大的第二无线AP，并得到待定位的移动终端和该接收到的信号强度最大的第二无线AP的实际距离；并将该接收到的信号强度最大的第二无线AP的名称和上述实际距离发送至定位服务器；

步骤六：分别计算步骤四中得到的K个指纹数据对应参考点与步骤五中接收到的信号强度最大的第二无线AP的距离；确定上述K个指纹数据对应参考点与上述接收到的信号强度最大的第二无线AP的距离与待定位的移动终端和该接收到的信号强度最大的第二无线AP的实际距离的偏差；

步骤七：选择步骤六中的所述偏差最小的指纹数据对应参考点，将其坐标作为移动终端的定位结果。