[发明专利]指纹匹配定位方法

说明书

本发明公开了一种指纹匹配定位方法，包括：步骤一，采集各个接入点的RSSI参考值和MAC地址；步骤二，用户终端处获得各个接入点的RSSI测量值和MAC地址；步骤三，分别判断所述RSSI测量向量与k个参考点位置对应的RSSI参考向量之间的离散度是否在阈值范围内以及RSSI测量向量与RSSI参考向量中的接入点数量n是否大于预定的接入点最小数量；步骤四，计算每个共同的接入点的RSSI测量值与RSSI参考值之间的差值，剔除异常接入点；步骤五，重复执行步骤三和步骤四；步骤六，执行位置指纹匹配算法，得到用户移动终端坐标位置。本发明可以有效消除由于某一个或多个接入点的RSSI测量值波动或异常所造成的影响，提高位置指纹匹配定位结果的精度及可靠性。

技术领域

本发明涉及物联网、室内定位、基于位置的服务领域。具体地，涉及一种指纹匹配定位方法。

背景技术

据统计，现代都市人群超过80％的时间在室内环境中度过，室内定位服务需求已变得日益广泛和重要。基于室内位置信息，我们可以在商场、停车场、图书馆、会议展厅、办公楼、医院、学校、博物馆等多类场景下，为普通大众及各类专业人员提供丰富多样的基于位置的服务(Location Based Service，LBS)，在提高社会生产力、促进经济发展的同时，保障人们财产与生命安全。

在现有各类室内定位技术中，位置指纹匹配(Finger Print)是一种常用的方法，它以无线通信与网络技术为基础，具有易于实现、成本低、对接入点(Access Point，以下简称为AP)时间同步精度要求低等诸多特点，可基于Wi-Fi、蓝牙(Bluetooth)等不同无线局域网(WLAN)传感器实现，在许多室内定位场景下被广泛使用。位置指纹匹配方法的基本原理是对所在定位环境特征进行抽象和形式化描述，使用定位环境中各个AP的接收信号强度指示(Received Signal Strength Indication，以下简称为RSSI)序列描述定位环境中的位置信息，并实现采集这些RSSI序列建立位置指纹数据库(Data base)。用户实际定位使用时，将自身实时测量的RSSI序列与位置指纹数据库中的位置指纹信息进行匹配，并选取出匹配相似度最优的结果作为自身位置估计。这类方法主要包括两个阶段：离线训练阶段和在线定位阶段，如说明书附图1所示。

其中，离线训练阶段的目标在于建立一个位置指纹数据库，定位系统部署人员在定位环境中遍历所有位置，同时在每个参考位置收集来自不同AP的RSSI值，将各个AP的多媒体连接(MAC)地址、RSSI值和参考点的位置信息组成一个相关联的数组保存在位置指纹数据库中。在线定位阶段，用户实时测量得到所有AP的MAC地址和RSSI值，将其作为位置指纹匹配算法的输入数据，以特定的匹配算法进行位置估计。

近邻法(Nearest Neighbor，NN)是位置指纹匹配方法中最基本和常用的匹配算法。它基于类比学习原理，使用定位阶段的实时测量值和训练阶段的采样数据库(即位置指纹)进行相似度匹配，并使用欧氏距离(Euclidean Distance)描述定位指纹与位置指纹间的相似度。最后，取相似度最高的位置指纹的坐标作为估计位置。定义t时刻的RSSI测量向量R_t与指纹数据库中的参考点位置j(j＝1，2，…，k)的RSSI参考向量R_j之间的欧氏距离Dist(R_t，R_j)为：

Dist(R_t，R_j)＝||R_t-R_j||² (1)

其中，R_j＝(RSSI_1，j，RSSI_2，j，…，RSSI_n，j)，表示位置指纹数据库中参考点位置j处接收到的来自n个接入点的RSSI参考向量；R_t＝(RSSI₁，RSSI₂，…，RSSI_n)，表示用户终端在t时刻测量得到的来自n个接入点的RSSI测量向量。