[发明专利]一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法

权利要求书

1.一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法。其特征在于，利用定位中存在的静止状态，采用基于移动窗信号处理的方法和SAWKNN相结合的方式来实现室内定位，过程如下：

离线阶段：(1)、在需要定位的区域提前完成坐标系、参考点和AP设备的部署；(2)、在每个参考点进行连续多次的位置指纹采集工作；(3)、对采集到的指纹信号进行处理，去除异常的位置指纹，将正常指纹信号取均值作为离线数据；

在线阶段：(4)、移动终端发起定位请求后在静止状态下采集指纹信号；(5)、采用移动窗和均值累计法处理原始指纹信号，提升位置指纹稳定性，再计算采集到的指纹与离线数据库各参考点指纹的相似度差异dif；(6)、利用SAWKNN算法计算K值，再通过在线数据与离线数据中相似度差异最小的K个参考点来计算定位坐标，完成定位。

2.根据权利要求1所述的一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法。其特征在于，静态移动窗信号处理的SAWKNN定位方法步骤如下：

第一步：通过在室内定位的环境中实现坐标系的建立以及各参考点和AP设备的部署，并记录各参考点坐标和AP设备的MAC地址；

第二步：利用移动终端在部署好的各参考点实现连续多次的位置指纹采集工作，并进行记录；

第三步：对获取到的指纹信号进行处理，舍弃异常的指纹信号，将记录到的其他指纹信号取均值并建成离线数据库；

第四步：移动终端发起定位请求后开始在静止状态下进行指纹信号的采集工作：

第五步：采用移动窗处理原始指纹信号，提升位置指纹稳定性，再利用均值累计法进一步提升位置指纹稳定性，然后计算在线指纹与离线数据库各参考点指纹的相似度差异dif；

第六步：利用SAWKNN算法中的自适应方法计算所需的K值，再通过在线数据与离线数据中相似度差异最小的K个参考点，使用SAWKNN算法求得定位坐标，实现定位。

3.权利要求1所述的一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法，其特征在于，在需要定位的室内环境中提前部署好坐标系、参考点、AP设备，将采集到的数据取出异常值后取均值，建立离线库。

4.权利要求1所述的所述的一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法，其特征在于，利用定位过程中的静止状态，在静止状态下采用移动窗数据处理的方法提升位置指纹的稳定性，再利用均值累计法进一步提高定位精度，具体步骤如下：

第一步，当静止状态下的在线阶段的信号连续采集L次时，对前L次采集到的信号作为旧窗口。

第二步，当在静止状态下处于第L+1次信号采集时，将舍弃旧窗口中第1次采集到的信号作为中间状态。

第三步，将静止状态下采集到的第L+1次指纹信号与窗口中其他指纹信号取均值得到令其作为新指纹添加到过渡窗口中得到新窗口。

第四步，再将新窗口中的与窗口中其他信号求和后去均值，得到更加平滑的信号其作为新的以此来替代原始信号。

第五步，在移动窗处理信号后的基础上采用了信号累积平均的方法得到使得位置指纹进一步提升稳定性。

5.权利要求1所述的所述的一种静止状态下基于移动窗信号处理的SAWKNN室内定位方法，其特征在于，在移动窗信号处理后的基础上利用SAWKNN算法实现定位，具体步骤如下：

第一步，位置指纹经过移动窗和累计均值处理后，将计算在线阶段指纹信号与离线数据库中各参考点之间指纹信号的相似度差异dif_r,j表示在r时刻的位置与第j个参考点之间的差异，‖‖¹为曼哈顿距离；

第二步，利用参考点与测试点间的信号相似度差异dif_r,j与两者之间的距离d_r,j在很大的概率上保持着一致性的思想，为解决最佳K值在不同在线测试点下取值变化的问题，使用SAWKNN算法中求得K值。

第三步，选择K个参考点位置指纹与在线阶段位置指纹的相似度dif_r,j最接近的坐标，利SAWKNN算法实现定位，定位结果为LOC(x_l,y_l)表示为第L个参考点的位置坐标。ω_l表示该参考点位置的权值，设置为1/dif_r,k。