[发明专利]基于WIFI位置指纹的室内定位方法

说明书

本发明公开了一种基于聚类策略与特征提取的室内定位方法，通过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。本发明可以在室内停车场进行精确定位，具有优越的定位准确性和效率性。

技术领域

本发明涉及停车场室内定位技术领域，具体为一种基于WIFI位置指纹的室内定位方法。

背景技术

随着我国城市汽车保有量的不断增加，城市“停车难”问题日益凸显。与此同时，室内停车场的结构设计越发复杂，造成车主在室内停车场中经常出现迷失位置及反向寻车难等问题，人们对室内位置服务的需求越来越大。随着Wi-Fi技术的快速发展及其领域应用的不断深入，基于Wi-Fi位置指纹的室内定位技术成为了现阶段位置服务领域的研究热点。然而在实际应用中，当Wi-Fi信号遇到障碍物时容易出现反射等现象，造成信号在传播过程中存在多径效应，导致接收信号强度发生波动，对室内位置估计精度造成影响。中国专利CN110300372A公开了一种基于位置指纹的WIFI室内定位方法，通过搭建实验环境，建立WIFI位置指纹库；然后建立WIFI定位位置指纹库；接着采用改进的K-means聚类算法计算初始聚类中心；随后计算最优初始聚类中心；再确定K-means聚类算法的最优聚类数K；最后结合WKNN算法计算目标位置并输出目标位置。该方法需要计算待定位目标点的信号强度与各个聚类中心的欧氏距离，而且算法复杂，系统的搜索开销以及在线定位时长，使得位置估计精度下降。因此，如何在面积庞大的室内停车场中提高定位准确性与效率性并减小系统开销成为申请人亟待解决的问题。

发明内容

本发明的目的在于，提供一种基于基于WIFI位置指纹的室内定位方法。本发明可以在室内停车场进行精确定位，具有优越的定位准确性和效率性。

本发明的技术方案：基于WIFI位置指纹的室内定位方法，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。

上述的基于WIFI位置指纹的室内定位方法，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；