[发明专利]基于WIFI位置指纹的室内定位方法

权利要求书

1.基于WIFI位置指纹的室内定位方法，其特征在于：通过用多个无线接入点对室内进行无线信号覆盖，并收集室内不同位置处的信号强度，每个位置处的信号强度与该位置的实际物理坐标一一对应形成位置指纹，由此构建得到位置指纹数据库；使用分层聚类策略对位置指纹数据库中的位置指纹进行划分；将来自不同无线接入点的信号强度按照值的大小进行排序，并按照排序后的顺序划分出不同的群集，若经过一次划分后的群集的范围依旧很大，则根据群集的范围内的信号强度大小再次进行排序，并对群集再次进行划分，最终将整个定位区域划分为多个范围较小的集群，针对每一个集群，对其中的位置指纹进行小波散射变换，得到小波散射系数模量，再将系数模量与该位置指纹对应的物理坐标共同作为DNN模型的输入，完成DNN模型的训练；

在线定位阶段，在待定位目标点采集来自室内各个无线接入点的接收信号强度，组成信号强度序列；将信号强度序列根据分层聚类策略与预先设置的位置指纹数据库进行匹配，找到位置指纹数据库中对应的集群后，将待定位目标点的接收信号强度进行小波散射变换，得到系数模量；将系数模量作为该集群对应的DNN模型的输入，对待定位目标点进行位置定位；

所述使用分层聚类策略对位置指纹数据库中的位置指纹进行划分的具体步骤包括：

S1:将位置指纹数据库中所有位置指纹的信号强度序列按照来自不同无线接入点的接收信号强度的大小进行排序，得出接收信号强度最大的无线接入点，将其归入此无线接入点的集群中，每个集群可以由无线接入点的唯一ID来标注，第一步中生成的集群数量等于整个定位区域中的无线接入点个数，而属于每个集群的位置指纹都在该无线接入点处接收到最强的接收信号强度，设定位区域中的无线接入点个数为n个，则形成的集群为C_i，i＝1，2，3，......，n；

S2:对集群进行进一步划分，经过第一步的初步聚类后，获得了集群C_i，i＝1，2，3，......，n，将每个集群中的位置指纹，再次按照接受信号强度的大小进行排序，将每个位置指纹加入接受信号强度排序次强的无线接入点集群中，假设集群C_i中的位置指纹次强接受信号强度来自m个无线接入点，m≤n，则经过第二次聚类后，集群C_i被划分为多个集群{C_i1，C_i2，C_i3，......，C_im}。

2.根据权利要求1所述的基于WIFI位置指纹的室内定位方法，其特征在于：在信号强度收集过程中，每个位置处的信号强度按照设定的时间间隔在一定时间内收集多次，通过取均值和/或剔除离散值方法对信号强度进行处理，以最终确定该位置的信号强度。

3.根据权利要求1所述的基于WIFI位置指纹的室内定位方法，其特征在于：将待定位目标点的接收信号强度进行小波散射变换，得到系数模量具体步骤包括：设位置指纹数据库中第i个位置指纹的信号强度序列为RSSI_i＝{rssi₁，rssi₂，rssi₃，......rssi_n}，其中n为室内中的无线接入点的数量，则小波散射变换公式如下所示：

其中|RSSI_i*ψ|表示取模运算，ψ表示小波函数，表示低通滤波器；

上述公式中使用的小波函数ψ为母小波，其在不同尺度下的表示形式存在很大差异，生成的小波基函数也不相同，小波基函数由母小波和尺度函数共同构成，而不同尺度下的小波基函数对原始信号进行不同尺度的分解，从而得到原始信号在不同尺度下的特征；

在尺度为a，时间位移为τ时的小波基函数为：

在得到不同尺度的小波基函数后，假设接收信号强度为f(t)，则对应的小波散射变换公式为：

将Morlet小波函数作为母小波，Morlet小波函数为：

其中，A和B为常量，ω表示频率，i表示复数；

在进行不同尺度下的小波散射变换时，需要对母小波进行尺度上的扩展，以形成小波基函数：

ψ_j(t)＝2^-j*ψ(2^-j*t)；

其中，j表示尺度因子，其值为正整数，并且不能超过小波散射变换的最大散射量级；

在得到了扩展Morlet小波函数后，对尺度函数同样进行扩展，其扩展形式为：

最后，根据扩展小波函数和扩展尺度函数，可以得到信号强度序列RSSI_i的小波散射变换的一般表达式：

选取零阶小波散射变换所得到的系数模量作为DNN模型的输入，零阶小波散射系数模量的计算为：

在得到零阶小波散射系数模量后，其余高阶小波散射系数模量可以通过将接收信号强度与扩展小波函数卷积取模，并与尺度函数相乘获得：

通过前述计算工作，得到了接收信号强度在不同尺度下的小波散射系数模量。