[发明专利]一种在线性不稳定环境下的WIFI室内定位方法

说明书

本发明涉及一种在线性不稳定环境下的WIFI室内定位方法，分为离线数据采集阶段和在线实时定位阶段。本方法在离线数据采集阶段采用了基于无线访问接入点（AP‑Access Point）相关系数的接入点分簇机制，将无线AP接入点进行分簇，减小了无线AP变化所带来的影响，提高了定位精度。同时针对线性环境提出了短时路径记忆WKNN（Weighted K‑Nearest Neighbor）算法，将前一分钟内的已定位结果作为短时路径记忆数据存储在数据库中并按照时间先后分配权重，大大减小了计算复杂度，提高了定位效率。本发明充分考虑到WIFI信号不稳定，无线AP变化大的问题，减少了无线AP的增加和移除对定位的影响，提高了定位精度和定位效率。

技术领域

本发明涉及一种在线性不稳定环境下的WIFI室内定位方法。

背景技术

目前室内定位技术主要有采用光跟踪定位技术、A-GPS定位技术、超声波定位技术、RFID技术、WIFI技术等。这些技术在实际应用中也都存在一定的应用范围和局限，如A-GPS、基站技术需要对基础设施进行改造，成本较高。蓝牙技术的探测范围较小，超声波与红外线方式易受介质遮挡。而WIFI技术因为基础设施完备而在现代生活中被广泛使用。无论是在医院、百货超市等公共场所还是小区、别墅等私人场所都有非常广泛的WIFI热点部署，人们可以随时随地跟各大运营商的无线网络向CMCC进行连接。因而在WIFI室内定位技术上已经出现了很多具有代表性的研究成果，较为典型的是RADAR系统、Eorus系统、Nibble系统与Weyes系统等。

目前主流的WIFI定位指纹匹配算法主要有最近临法NN(Nearest Neighbor)、BP神经网络法、概率法等。最近临法是基于类比学习的匹配方法，使用定位阶段的采样样例和训练阶段的采样样例进行相似度匹配，取得相似度最高的位置指纹的坐标作为估计位置。BP神经网络采用的是并行网络结构，包括输入层、隐含层和输出层，输入层的输入经过加权和偏置处理将信号传递给隐含层，在隐含层通过一个转移函数将信号向下一个隐含层或者直接通过输出层产生输出。概率法是计算采集到的无线信号强度与信号强度地图中各点的匹配概率，取概率最大者作为估计位置。在统计信号数据时，通过引入高斯信号的概率函数，由两个统计量参数数学期望和方差来表示室内定位环境中某一点的无线信号强度值。最近临法(Nearest Neighbor)因其定位效率高、算法复杂度低而被广泛应用于手持终端实时定位中。但是最近临法定位精度较低，而加权K最近邻法WKNN(Weighted K-NearestNeighbor)则通过加权平均的方法减小了定位误差。

室内WIFI定位方法需要考虑到定位精度、定位效率、手持终端功耗等因素。目前WIFI定位技术在线性环境下的应用较少。线性环境下考虑到相邻参考点之间是连续且不会发生跳变的，即当前参考点只能跳转到少数几个相邻参考点而不能从当前参考点突然跳转到其他较远的参考点。所以在WKNN算法中加入短时路径记忆的辅助来减小计算复杂度，提高定位效率。针对WIFI信号不稳定，无线访问接入点(AP-Access Point)变化大的问题，若直接使用离线阶段采集到的WIFI数据，无线AP的增加和移除会产生较大的定位误差。基于无线AP相关系数的接入点分簇机制将无线AP进行分簇，簇内各个参考点之间具有极大的相似性，能够互相替换，减小了无线AP变化所带来的影响，提高定位精度。

发明内容

本发明的目的是针对已有技术的缺陷，在线性不稳定环境下，针对无线访问接入点(AP-Access Point)变化大的问题，提供一种在线性不稳定环境下的WIFI室内定位方法。

为达到上述目的，本发明采用下述技术方案：

一种在线性不稳定环境下的WIFI室内定位方法，具体步骤如下：

1)接入点分簇机制实现步骤为：

a)对已设置好的无线AP进行初步筛选，将物理相邻的无线AP成对存储；