[发明专利]一种基于AP集相似度的Wi-Fi指纹定位方法

说明书

技术领域

 本发明涉及一种基于AP集相似度的Wi-Fi指纹定位方法，属于无线通信、室内定位、计算机算法领域。

背景技术

位置作为一种重要的上下文，在普适计算/物联网等新型计算及其应用中发挥着重要的作用。近年来，随着无线网络和移动计算技术的发展，各种小型计算设备如掌上电脑、手机、传感器、射频标签等逐渐融入人们的生活，尤其是智能手机的普及，使各种新型位置感知技术和服务模式不断涌现。虽然传统的以GPS为代表的全球导航卫星定位系统技术已相对成熟，具有全天候、高精度、自动测量等特点，但在室内环境或复杂城镇环境下，由于信号遮挡以及多径效应导致其定位效果并不理想。定位尤其是室内定位已成为位置感知领域学术界和产业界关注的热点。

在各种室内定位技术中，由于Wi-Fi定位技术可以充分利用现有的WLAN基础设施，覆盖广、成本低，已成为一种目前主流的室内定位技术。基于Wi-Fi等无线定位技术为核心构建的实时定位系统行业应用非常广泛，遍及医疗健康、物流、交通、电力、安防、家居、军事等诸多领域。目前，实时定位系统在国内外已有初步应用，北京地坛医院于2009年就采用美国Ekahau实时定位系统，用于医用垃圾追踪、急症病人追踪、贵重设备追踪等，改善和提高医疗质量和服务水平的同时也降低了成本。另外，对传统产业的带动效应很大，可以不断提升新的产业形态。

Wi-Fi指纹算法作为一种有效的室内定位方法，可以得出较为准确的目标位置，而传统的Wi-Fi指纹定位方法一般都需要使用相同的AP集合计算观测指纹与训练指纹之间的距离，然而在真实环境中，WLAN的 AP需要分散部署，同时Wi-Fi信号也容易受到多径、阴影效应、人员走动的影响，且环境中也有可能添加新的AP或移除损坏的AP，这些因素使得AP集合不完全一致。

发明内容

本发明的目的是为了解决现有技术存在的不足，而提出了一种能够很好地适应AP集合具有差异性的室内环境中的Wi-Fi指纹定位方法，本方法定位精度高、实时性良好、扩展性强且不会增加用户的额外成本。

为实现上述目的，本发明所采用的技术方案是：提供一种基于AP集相似度的Wi-Fi指纹定位方法，按如下步骤操作：

步骤一：给出了4种计算AP集合相似度的相似系数，包括Jaccard、Sorenson、Ochiai以及Kulczynski，相似系数介于0 和1 之间，0表示两个集合完全不相同，1则表示完全相同，四种系数定义如下，其中︱A︱、︱B︱、                                               以及分别为集合A、B、A与B的交集以及A与B的并集中元素个数；

、、、

 

步骤二：设计区域相似度训练指纹选择算法；

⑴、将训练指纹点划分为m个群，每个群的大小为n_i，i∈1…m，n_i常取4-8，每一个群覆盖Wi-Fi定位实验环境中的部分区域；

⑵、计算观测指纹与每个群的训练指纹AP集合的平均相似度AOS，计算公式如下：

                            ①

其中，AOS即average of similarity，j为每个群中对应指纹点标识，sim_j为观测指纹与群中第j个指纹点的相似度；

⑶、选择1/T高相似度群的训练指纹参与后续计算；其中，T是一个经验阈值，T值的选取依赖于当前环境；T值过大会过滤掉许多离观测指纹相近的训练指纹点，T值过小则会引入部分低相似度指纹的干扰；

步骤三：集成AP集相似度与RSS的指纹距离计算方法；

利用AP集相似度以及RSS信息计算观测指纹与高相似度区域的训练指纹的距离，定义接收到的AP集合具有差异性的观测指纹与训练指纹间的距离为：

                ②