[发明专利]超密集无线网络下基于指纹相似度的室内定位方法

权利要求书

1.一种超密集无线网络下基于指纹相似度的室内定位方法，其特征在于，所述超密集无线网络下基于指纹相似度的室内定位方法包括离线阶段和在线阶段；

所述离线阶段具体包括如下步骤：

步骤一，选择表征环境中接收信号强度特征的AP，记作集合S；

步骤二，根据接收信号强度相对值以S中的所有AP建立指纹库，记作其中与p_i分别表示第i个参考点处的指纹值向量与坐标；其中

所述离线阶段的步骤一针对每个参考点的处理方法包括：

(1)收集能够扫描到的所有AP的接收信号强度样本并计算每个AP相应指纹值，指纹值表示从AP接收信号强度样本的众数；

(2)计算表示AP_i相应指纹值大于某个预设门限的参考点数目；

(3)根据将所有AP按照降序的方式排序，选取前N_AP个AP，记作集合S；

所述离线阶段的步骤二具体包括：

(1)计算fpⁱ，表示第i个参考点处的指纹值向量，元素为S中所有AP指纹值，并按照降序方式排序；从AP_j(j＝1,...,N_AP)接收信号强度样本中中存在数目大于等于2的众数，选择接收信号强度值最大的众数作为其指纹值；

(2)根据fpⁱ得到rankⁱ，表示按照fpⁱ相应指纹值顺序的BSSID向量；

(3)根据rankⁱ得到rankSetⁱ，是一个BSSID集合，包含N_AP个AP子集，其中为一个AP子集，包含指纹值低于δ_dif(dBm)的所有AP的集合，其中参数δ的设置决定了所述超密集无线网络下基于指纹相似度的室内定位方法对抗环境动态影响的有效性；

所述在线阶段具体包括如下步骤：

第一步，处理待测点收集的接收信号强度样本，依据离线阶段中建立指纹库的步骤处理在线待测位置收集的接收信号强度样本，记作φ_n＝[fpⁿ，rankⁿ，rankSetⁿ](n＝1，2，...)；

第二步，计算每个参考点的基础分，用定量地表示rankⁿ(TP_n)与rankⁱ(RP_i(i＝1,...,N_RP))的指纹向量相似度；越大，说明TP_n与RP_i的指纹相似度越高；

第三步，计算修正分数并在第二步的基础上修正

第四步，估计待测点的坐标；

所述在线阶段的第二步具体包括：

(a)如果rankⁿ(TP_n)与rankⁱ(RP_i)中前两个元素的交集为空集，则反之，进行(b)；

(b)为rankⁿ中前δ_thd个AP计算对应的并累加到表示与的前δ_base个元素组成的两个子集的交集元素个数，与是同一个BSSID；

所述在线阶段的第三步具体包括：

(1)计算并将相应的加到其中是修正分数且与成正比，表示rankⁿ(TP_n)与rankⁱ(RP_i)中前N_se个元素组成的两个子集的交集元素个数；

(2)计算当时，将相应的加到其中是修正分数且与成反比，当时，其中，表示在TP_n与RP_i的排名波动的距离；

所述在线阶段的第四步具体包括：

(1)根据分数为所有参考点排序，选取分数最高的N_K个参考点；

(2)以归一化的N_K个参考点相应的分数为权重，计算N_K个参考点的加权平均坐标作为待测点的预测坐标。