[发明专利]一种基于多重滤波的WiFi室内定位方法

说明书

本发明公开了一种基于多重滤波的WiFi室内定位方法，包括离线测量阶段和在线测量阶段，在离线测量阶段采集指纹数据，然后对指纹数据进行动态阈值滤波、双重平滑滤波，并对指纹数据库进行插值，在线测量阶段对定位终端实现定位。本发明提供的室内定位方法提高了离线测量阶段的指纹数据准确性，从而提高了在线测量阶段的定位精度，在相同条件下，比传统的基于WKNN的WiFi室内定位方法和基于KNN的WiFi室内定位方法的平均定位误差分别降低了30％和33％。

技术领域

本发明涉及室内定位与导航技术领域，特别是一种基于多重滤波的WiFi室内定位方法。

背景技术

随着智能手机的普及，利用智能手机进行WiFi定位逐渐成了室内定位的研究热点。一般在医院、办公大楼、购物商场等公共场所都会有WiFi热点，而且智能终端基本上都有WiFi接口，因此基于WiFi的室内定位系统就可以使用现有的设备进行构建，从而大大节省了硬件成本。

目前基于WiFi的室内定位方法主要是基于KNN(K近邻)的WiFi室内定位方法。基于KNN的WiFi室内定位方法的主要原理是根据RSSI值(信号接收强度值)的欧式距离计算方法来估算待定位节点和数据指纹库中已知节点的欧式距离，方法复杂度比较低，能够适应在运算能力不高的智能手机上运行，所以在实际中应用广泛。但由于室内环境复杂，信号在室内传播时有很明显的多径效应，并且由于障碍物的遮挡等使得KNN定位方法存在以下几个问题：

(1)上述KNN方法中欧式距离比较大的两个点，其实际空间距离可能比较小，比如两个点之间隔着一堵墙等，只按照RSSI的欧式距离大小确定KNN方法中的权重可能会造成比较大的定位误差。；

(2)在实际测量时发现，在同一地点检测到的同一个WiFi接入点发射的信号的RSSI值波动比较大，离线阶段和在线的信号波动，都会对定位结果造成影响；

(3)RSSI的值和检测设备有关系，同一个WiFi接入点发射出的无线信号在同一点由不同的接收设备检测，RSSI值可能会不一样。

2017年3月出版的第33卷第3期《科技通报》上介绍了一种名称为“基于余弦相似度的指纹匹配方法的室内定位方法”，该方法不使用RSSI向量的欧氏距离作为匹配方法，而使用RSSI向量的夹角余弦值(最接近1)作为位置匹配方法，该方法虽然在一定程度上比KNN方法的计算量少，但是，在一些常见的复杂的室内办公环境下的定位精度较低，依然难以达到定位要求。

发明内容

本发明提供了一种基于多重滤波的WiFi室内定位方法，用于解决现有室内定位方法不够精确的问题。

实现本发明所用的技术特征为：

一种基于多重滤波的WiFi室内定位方法，其特征在于：

包括离线测量阶段和在线测量阶段；

所述离线测量阶段包括以下步骤：

(1)在待定位区域设有p个WiFi接入点，选取m个固定参考点，分别测量各固定参考点的第一坐标，并在各固定参考点上依次对各WiFi接入点分别采集n个源RSSI值，源RSSI值的数量为p*m*n个，其中，p、m、n为正整数；

(2)依次对p*m*n个源RSSI值进行动态阈值滤波，得到m个固定参考点对各WiFi接入点的第一RSSI值，针对各固定参考点，依次将固定参考点的坐标以及与所述固定参考点对应的第一RSSI值作为该固定参考点的第一指纹数据，存入第一指纹数据库；

(3)依次对各第一RSSI值进行第一次平滑滤波，得到m个固定参考点对各WiFi接入点的第一滤波RSSI值；针对各第一滤波RSSI值，将第一滤波RSSI值覆盖与所述第一滤波RSSI值对应的第一RSSI值，存入第一指纹数据库；