[发明专利]一种基于RSSI和地磁融合的室内定位方法

说明书

一种基于RSSI和地磁融合的室内定位方法，用于弥补RSSI数据在小范围内变化小，易受周围行人、障碍物影响，信道衰落现象严重等缺点，本发明将RSSI信号与地磁信息融合作为指纹特征，进行训练阶段模型的训练及定位阶段待定位点的位置估计。增强指纹信息与空间位置一一对应的关系，提高指纹信息的稳定性和定位精度。在每个位置点RSSI数据都有较为明显的变化让我们想到利用它作为指纹信息，且无需其他硬件设备，操作便捷。在室内环境下，由于钢筋、大型电器及金属制品的存在，对地磁产生了影响，使得各位置点处具有不一样的磁场信号特征，这样就可以将地磁信号特征与空间位置关联起来作为指纹数据之一，提高定位精度。

技术领域

本发明适用于存在多径衰落、阴影等问题的室内环境，特别是区域范围较广，路由器数目较多分布较为广泛的情况下。

背景技术

随着人们依赖于智能移动手机的各种需求不断扩大，基于位置服务(locationBased Service,LBS)的应用软件层出不穷，百度地图发现周边服务，了解目的地周边的美食、酒店、银行等信息，减少了我们在陌生地区熟悉环境的时间；共享单车，打开app便可知道附近分布的自行车点，精准定位，提前预约。互联网飞速发展的这几年最大化的便利了我们的生活，提高了我们的生活品质。与此同时，越来越高的关注度也落在了基于位置的服务上面，并且得到了学术界的广泛关注。尽管全球定位系统(Global Position System,GPS)和蜂窝无线定位技术已有广泛的应用与影响，但无法满足室内定位的需求。基于WiFi的位置指纹室内定位方法，可在不添加额外硬件设备的情况下，达到一定精度的定位需求。与此同时，地球磁场是一种天然存在的、简便的、可靠的参考系统，在区分位置上具有重要的参考意义。

随着机器学习的方法不断完善与改进，各种监督式学习的方法在指纹定位方法上越来越凸显其优越性。与传统监督式的K最近邻分类算法(KNN)、权重K近邻分类算法(WKNN)相比，随机森林(Random Forest,RF)，支持向量机(Support Vector Machine,SVM)等具有学习能力的机器学习方法在预测精度、预测时间方面都具有更好的效果。

发明内容

本发明的目的是为了解决在存在多径衰落、阴影、路径损耗的室内环境下，如何高效、实时，精准的定位问题。为了弥补RSSI数据在小范围内变化小，易受周围行人、障碍物影响，信道衰落现象严重等缺点，本发明将RSSI信号与地磁信息融合作为指纹特征，进行训练阶段模型的训练及定位阶段待定位点的位置估计。增强指纹信息与空间位置一一对应的关系，提高指纹信息的稳定性和定位精度。

无线路由器已遍布我们生活的大部分公共场合，在每个位置点RSSI数据都有较为明显的变化让我们想到利用它作为指纹信息，且无需其他硬件设备，操作便捷。地磁场是天然的自然场，在室内环境下，由于钢筋、大型电器及金属制品的存在，对地磁产生了影响，而恰是这种影响，使得各位置点处具有不一样的磁场信号特征，这样就可以将地磁信号特征与空间位置关联起来作为指纹数据之一，提高定位精度，也弥补了RSSI信息在部分位置由于行人干扰而导致的严重衰落现象。

本发明需要保护的技术方案：

本发明方法实现过程包括：

一、对RSSI数据的采集：android平台为开发者提供了丰富的API,在对WiFi进行操作时，运用了以下几个类：WifiManager、ScanResult、WifiConfiguration、WifiInfo；并添加了ACCESS_WIFI_STATE和CHANGE_WIFI_STATE的权限用于访问android设备的WiFi信息及改变WiFi状态。