[发明专利]一种Wi-Fi样本数据优化方法

说明书

本发明公开了一种Wi‑Fi样本数据优化方法，所述方法采用Jaccard系数相似性和空间编码值信息来衡量Wi‑Fi样本数据两两间的相似程度，构建Wi‑Fi样本数据的相似矩阵；根据DBSCAN算法聚类原理对Wi‑Fi样本数据进行分簇，并提取Wi‑Fi样本数据的一重簇头和二重簇头；根据局部最优的原理，利用自顶向下的数据筛选方法，结合Wi‑Fi样本数据的二重簇头结果，从而得到最优的Wi‑Fi样本数据。本发明中的Wi‑Fi样本数据优化方法，利用邻近位置的Wi‑Fi数据具有一定的相似性来去除样本数据中的冗余，同时，Wi‑Fi样本数据间的空间编码信息，能够消除Jaccard系数相似性度量中的模糊问题，使得构建的Wi‑Fi指纹地图具有更强的鲁棒性，从而提高基于Wi‑Fi指纹的室内定位算法的性能。

技术领域

本发明涉及数据处理方法，具体是一种Wi-Fi样本数据优化方法。

背景技术

人类80％以上的时间在室内环境中活动。位置服务、社交网络、健康救助、智慧城市、应急救援、物联网、精确打击等无不需要具备室内定位功能。室内定位已成为实现位置服务推广应用最迫切需要解决的难题。2016年启动的国家重点研发计划“室内混合智能定位与室内GIS技术”，立足室内无缝一米定位、为大型城市位置服务提供技术支撑。

室内定位作为基于位置服务的关键技术之一，基于Wi-Fi指纹地图的室内定位技术能够利用现有的基础设施来获得室内定位的指纹地图信息而无需部署额外设备。然而耗时耗人工的现场勘测使得基于Wi-Fi指纹地图的室内定位技术受到限制。而群智感知室内Wi-Fi样本数据，通过用户参与式感知的方式来获得室内定位的Wi-Fi指纹地图，可以避免现场勘测的成本开销。然而，用户参与式感知的Wi-Fi样本数据由于设备的多样性使得获得的样本数据存在大量冗余的问题。为了降低Wi-Fi样本数据的冗余信息，减少用户上传样本数据的流量开销，需要针对用户获得的大量样本数据进行数据择优。

现有的Wi-Fi样本数据择优方法是基于物理位置邻近的样本数据存在很大程度的相似，为了降低样本数据的相似性造成位置估计有误，采用相似性度量的方法来去除样本数据中的相似样本。但这种方法只考虑了样本数据间的相似程度，而没有考虑样本数据在空间位置上的不同。基于此，本发明提出了一种Wi-Fi样本数据优化方法。

发明内容

针对现有技术的不足，本发明旨在提出一种新的Wi-Fi样本数据优化方法。该方法利用数据间的相似度和空间编码信息来优化Wi-Fi样本数据。根据Wi-Fi信号的传播特点，物理位置相邻的Wi-Fi样本数据存在大量的相似信息，利用样本数据两两间的相似度可初步判定相邻位置的Wi-Fi样本数据的相似程度，结合Wi-Fi样本数据间的空间编码信息，能够初步降低Wi-Fi样本数据中的冗余样本。同时，采用自顶向下局部选优的方法，能够进一步确定局域内的最优Wi-Fi样本数据。与现有的Wi-Fi样本数据择优方法相比，基于相似度和空间编码信息的Wi-Fi样本数据优选方法，具备更强的鲁棒性，构建的Wi-Fi指纹地图具有更好的稳健性，能够改善基于Wi-Fi指纹的室内定位算法的性能。

为了实现上述目的，本发明采用如下技术方案：

一种Wi-Fi样本数据优化方法，包括如下步骤：

步骤1、计算Wi-Fi样本数据两两间的相似度和空间编码值，构建Wi-Fi样本数据的相似矩阵；

任一位置点上的Wi-Fi样本数据包含了室内空间上多个AP的信号，Wi-Fi样本数据两两间的相似度只是表明了两个Wi-Fi样本数据的相似程度，无法描述样本数据中对应于哪些AP信号相似。仅仅根据样本数据的相似度来判断两个样本数据是否相似，容易造成判断模糊。