[发明专利]一种基于多标识指纹定位的定位方法

说明书

本发明公开了一种基于多标识指纹定位的定位方法，先绘制wifi部署地图，并在地图上标记出无线AP的位置；然后在离线采样时将地图坐标化，每一个坐标点记为一个训练元组，利用移动终端在WiFi网络中每个坐标点处采集无线AP的信号强度RSSI信息划分训练元组，进行过滤处理后建立离线数据库，离线数据库包括训练元组以及训练元组对应的标号和坐标；最后在线定位时通过遍历离线数据库中的训练元组集计算训练元组与测试元组的曼哈顿距离，根据曼哈顿距离更新优先级队列，统计优先级队列中每个训练元组出现的次数，出现次数最多的训练元组对应的坐标点即作为待定位的移动终端所处位置的坐标点。

技术领域

本发明属于定位跟踪技术领域，具体涉及一种基于多标识指纹定位的定位方法。

背景技术

目前，定位服务已经成为日常生活不可少的服务，随着商场车站等公共设施的大量建设，人们对室内定位的需求不断的提高，室内定位正在逐渐成为人们研究的热点。然而室内多径条件复杂，传统的蓝牙定位方法误差较大，而且难以分辨用户，同时又需要专门的设备去测量用户坐标，从而增加了系统的复杂度。基于无线局域网RSSI信号测量的定位方法由于其成本低、覆盖范围大同时系统布设简单，正在逐渐成为室内定位的热点。

室内定位技术的主要方法分为两类：确定性方法和概率性方法。确定性方法中的经典算法有最邻近法(Nearest Neighbor，NN)、K近邻法(K Nearest Neighbor，KNN)和加权K近邻法(Weighted K Nearest Neighbor，WKNN),这类算法在设计中只考虑了信号特征均值，对原有数据利用率较低，因而定位的误差较大，与确定行算法相比，概率性算法基于数理统计的思想，能更好地解决由环境等带来的影响，但同样是对原有数据利用率较低。

现有的算法，没有很好的处理预先测得的数据，无论是求取平均值，还是进行加权求取平均值，中间会有一定的数据损失，间接的增加了算法误差。

发明内容

为了解决现有技术中的问题，本发明提出一种能够减小算法误差，增加算法精确度的基于多标识指纹定位的定位方法。

为了实现以上目的，本发明所采用的技术方案为：包括以下步骤：

1)绘制wifi部署地图，并在地图上标记出无线AP的位置；

2)离线采样：将地图坐标化，每一个坐标点记为一个训练元组，利用移动终端在WiFi网络中每个坐标点处采集无线AP的信号强度RSSI信息划分训练元组，并发送到定位服务器，定位服务器将训练元组集排序后存储在搜索树中，同时存储训练元组对应的标号和坐标得到离线数据库，并对离线数据库进行过滤处理；

3)在线定位：待定位的移动终端在WiFi网络的随机点采集无线AP的信号强度RSSI信息作为测试元组，从离线数据库的训练元组中选择最近邻训练元组构建优先级队列，分别计算测试元组与最近邻训练元组的曼哈顿距离，遍历离线数据库中的训练元组集计算训练元组与测试元组的曼哈顿距离，并根据曼哈顿距离更新优先级队列，统计优先级队列中每个训练元组出现的次数，出现次数最多的训练元组对应的坐标点即作为待定位的移动终端所处位置的坐标点。

所述步骤2)中对离线数据库进行过滤处理包括以下步骤：

2.1)地图中每一个坐标点(X_i,Y_i)处的RSSI值记为向量：

其中，i为第i个点，j为在该点处测得的第j组数据，s_n为训练元组内的向量，具体含义为第n个AP点在该坐标点出测得的RSSI值；

2.2)求取每一个训练元组的平均向量：

其中，m为每个训练元组内向量的个数，为向量平均值；

2.3)计算每一个训练元组中向量与平均向量的欧几里德距离：