[发明专利]一种WiFi指纹室内定位方法

权利要求书

1.一种WiFi指纹室内定位方法，其特征在于，包括如下步骤：

1)离线数据采集；

1-1)在参考点处进行数据采集；

1-1-1)在整个待定位区域范围内用接收机检测所有可见AP，记共检测到totalmac个AP；所述接收机为手机和掌上电脑；AP指访问节点，totalmac为自然数；

1-1-2)设置参考点并记录接收到的所有可见AP的信号强度和MAC地址；记共设置了RefNum个参考点，RefNum是自然数；所述MAC地址用于区别不同的WiFi，与WiFi网络的BSSID相同，BSSID的中文含义是基本服务集标识；

1-1-3)计算参考点处接收到的来自同一AP的信号强度的平均值；同一AP即MAC地址相同；

1-2)生成位置指纹记录；

具体是，记录每个参考点的位置指纹记录，总共记录RefNum个参考点的位置指纹记录；

2)分区域，即按训练子集训练最小二乘支持向量回归机模型；

2-1)数据预处理以及生成训练集；

2-1-1)计算RSS平均值和统计方差；

具体是，当所述步骤(1-2)中的RefNum个参考点的采样数据全部记录完后，需依次计算来自不同AP的WiFi信号的RSS均值、统计方差，该过程共需统计所述步骤(1-1-1)检测到的totalmac个AP的WiFi信号的RSS均值、统计方差；不同AP即MAC地址不同；

2-1-2)数据的去除；

具体是，当来自某AP的WiFi信号的RSS统计方差较小时，认为不足以满足定位对数据差异性的要求，去除所有来自该的WiFi信号强度数据；

较小的含义是RSS统计方差小于16；

2-1-3)数据的归一化；

具体是，将不同参考点处获得的来自不同AP的WiFi信号的RSS依次归一化，该过程共需统计RefNum个参考点，每个参考点计算来自totalmac个AP的RSS归一化值；

2-1-4)数据聚类；

2-1-4-1)使用固定超球体积确定聚类中心个数k，k为自然数；

具体是，将上述步骤(2-1-3)生成的不同参考点处获得的来自不同AP的WiFi信号的RSS归一化值组成总体训练集，遍历总体训练集中所有条目，计算所有条目之间最大欧氏距离，所有参考点都应包含在由该最大欧式距离确定的超球中，让聚类后形成的子区域对应的超球体积固定，用超球体积之比作为聚类中心的个数k，即定位子区域的个数；计算总体训练集中所有条目之间的最大k个欧氏距离，从这k个欧氏距离对应的2k个条目中随机选取k个条目，作为步骤(2-1-4-2)中聚类的k个初始聚类中心；

2-1-4-2)使用接收信号强度的欧式距离和坐标距离度量的聚类算法进行聚类；

2-1-5)重新生成训练子集；

具体是，所述步骤(2-1-4-2)进行完后，形成若干个聚类中心，将总体训练集中每个条目划分到一个聚类中心；

2-2)按训练子集训练最小二乘支持向量回归机模型；

2-2-1)使用新型核函数K(x,x')训练子集训练x轴坐标的最小二乘支持向量回归机模型；

具体是，使用新型核函数K(x,x')训练子集训练x轴坐标的最小二乘支持向量回归机模型，确定各个训练子集x轴坐标的回归函数、统计方差和标准差；

2-2-2)使用新型核函数K(x,x')训练子集训练y轴坐标的最小二乘支持向量回归机模型；

具体是，使用本发明的新型核函数K(x,x')训练子集训练y轴坐标的最小二乘支持向量回归机模型，确定各个训练子集y轴坐标的回归函数、统计方差和标准差；

K(x,x’)定义见下述公式(95)，

其中，exp()是以e为底数的指数函数，ρ取值为正数，x、x’都是训练集中的数据，x、x’都是n维向量，x_l、x’_l分别是x、x’的第l维分量；

3)进行在线位置解算；

3-1)计算权重因子；

具体是，获得待定位点的位置指纹后，计算该位置指纹与所述步骤(2-1-4-2)中获得的k个聚类中心的WiFi信号强度的欧氏距离，然后计算k个聚类中心在最终定位结果中所占权重，选取其中最大的3个权重因子并记录这3个权重因子对应的3个训练子集；

3-2)进行位置坐标的计算；

具体是，将待定位点的位置指纹分别代入对应的3个训练子集的x轴坐标的最小二乘支持向量回归机的回归函数，计算对应的x轴坐标的输出值，再将所述步骤(3-1)中对应的权重因子作为权重，加权计算出本发明最终输出的x轴坐标；

同理，将待定位点的位置指纹分别代入对应的3个训练子集的y轴坐标的最小二乘支持向量回归机的回归函数，计算对应的y轴坐标的输出值，再将所述步骤(3-1)中对应的权重因子作为权重，加权计算出本发明最终输出的y轴坐标。