[发明专利]一种基于WiFi室内定位的指纹聚类方法及装置

说明书

技术领域

本发明涉及定位技术领域，尤其涉及一种指纹聚类方法及装置。

背景技术

随着移动互联网技术的快速发展，基于位置的服务需求随之越来越广泛，渗透于军事、商业、生活等各个方面。目前，对于定位，人们最常使用的是全球定位系统(Global Positioning System，GPS)，其通过多颗卫星与用户的GPS接收机之间的信号时间差给用户定位，定位范围可覆盖全球，但卫星信号容易受到各种障碍物遮挡，即定位技术并不适用于室内或高楼林立的场合，需采用其他的技术手段进行室内定位。

基于WiFi(Wireless Fidelity，无线保真)指纹库的室内定位技术在近几年得到了广泛的关注，该技术主要通过在多个经过事先划分且具有位置信息的区域中收集多个无线网络接入点(Access Point，AP)的接收信号强度(Received Signal Strength，RSS)值，建立一个包含每个位置点与该位置点收集到的RSS值对应关系的室内定位指纹库，以此，在对移动设备进行定位时，可以通过在指纹库中寻找与当前移动设备收集到的RSS值相匹配的位置点，实现定位。

目前对于基于WiFi的室内定位系统的研究，主要集中在WiFi指纹库的建立和实施定位两个方面。其中，WiFi指纹库即所有采集到的WiFi指纹的集合，虽然指纹库都是基于采样获得的指纹，但是不同的处理方式会获得不同类型的指纹库，实现的定位效果不同，其决定着WiFi指纹定位系统在实施过程中的定位效果，所以WiFi指纹库的准确与可靠是非常重要的。针对WiFi指纹库中指纹数量较少、较为分散等技术问题，虽然可以采用建立连续模型的方式加以解决，但是在连续模型中，通常是一个位置坐标对应一个信号强度值，指纹的数量过于庞大，无疑会给实时定位阶段指纹库的检索带来较大的负担，影响实时定位的效率。

发明内容

针对上述问题，本发明提供了一种基于WiFi室内定位的指纹聚类方法及装置，有效解决现有技术中，针对采集的WiFi指纹建立连续模型后，定位阶段检索负担过大的技术问题。

本发明提供的技术方案如下：

一种基于WiFi室内定位的指纹聚类方法，包括：

S1在目标区域中针对选定的无线接入点随机采样多个采样点；

S2根据采样点的高斯过程建立各点的RSS分布模型；

S3在所述RSS分布模型中选定多个样本点，并将选定的样本点作为中心点；

S4计算RSS分布模型中剩余样本点与各中心点之间的欧氏距离，进而将剩余样本点分别归类至距离自己最近的中心点的簇；

S5重新计算每个簇的中心点，并判断同一簇中计算得到的中心点与选定的中心点之间的距离是否小于预设阈值，若是，跳转至步骤S6，否则，跳转至步骤S4；

S6完成针对该无线接入点的RSS分布模型的指纹聚类。

进一步优选地，在步骤S4中，RSS分布模型中剩余样本点与各中心点之间的平方欧式距离V为：

其中，u_i表示第i个中心点，S_i表示RSS分布模型中剩余样本点的集合，x_j表示RSS分布模型中剩余样本点的坐标；

和/或，在步骤S5中，重新计算每个簇的中心点为：

其中，m_i表示第i个簇中包括的样本点的数量，S_i表示RSS分布模型中剩余样本点的集合，x_j表示RSS分布模型中剩余样本点的坐标。

进一步优选地，在步骤S2中具体包括：

S21根据采样点之间的相关度得到各点信号强度值之间的相关度；

S22根据各点信号强度值之间的相关度得到RSS分布模型；

S23根据RSS分布模型得到目标区域中任意一点对应的信号强度值，完成该无线接入点在目标区域中指纹库的建立。

进一步优选地，在步骤S21中：

采样点之间的相关度k(x_i,y_j)为：

各点信号强度值之间的相关度cov(x_i,y_j)为：

其中，表示采样点的样本方差；l表示信号强度空间相关性尺度变量；表示高斯噪声；当i＝j时，δ(x_i,y_j)值为1，否则为0；

在步骤S22中：