[发明专利]一种基于RSSI和地磁融合的室内定位方法

摘要

一种基于RSSI和地磁融合的室内定位方法，用于弥补RSSI数据在小范围内变化小，易受周围行人、障碍物影响，信道衰落现象严重等缺点，本发明将RSSI信号与地磁信息融合作为指纹特征，进行训练阶段模型的训练及定位阶段待定位点的位置估计。增强指纹信息与空间位置一一对应的关系，提高指纹信息的稳定性和定位精度。在每个位置点RSSI数据都有较为明显的变化让我们想到利用它作为指纹信息，且无需其他硬件设备，操作便捷。在室内环境下，由于钢筋、大型电器及金属制品的存在，对地磁产生了影响，使得各位置点处具有不一样的磁场信号特征，这样就可以将地磁信号特征与空间位置关联起来作为指纹数据之一，提高定位精度。

主权项

1.一种基于RSSI和地磁融合的室内定位方法，其特征在于，包括如下步骤：一、对RSSI数据的采集：在离线阶段采集RSSI、Mac地址和地磁信息。采集数据方法：首先判断手机终端WiFi是否打开，若未打开则打开WiFi功能；将列表中信号强度前三的RSSI数据、Mac地址、地磁矢量和位置坐标存入txt文档；二、采样数据的存储：数据以{x,y,mac1,rssi1,mac2,rssi2,mac3,rssi3,|magetic|}的向量形式存储至txt文档三、在数据处理阶段将Mac地址转化为随机森林模型更好识别的数据类型作为模型的输入，输出为预测位置点位置坐标；数据的预处理：将txt文档中string类型转化为csv格式的float类型数据，调用LabelEncoder.Transform函数将Mac字符串转化为int类型数据；一齐将所有数据存入mat文件中，并将数据以0.75：0.25的比例划分为training data和testing data；四、模型的选择：首先通过MATLAB建立室内路径损耗环境模型，模型表达如下：Pr(d)＝Pt‑(40+10nlogd‑Gr‑Gt)其中，Pr、Pt为接收和发送功率，单位为dBm；d为发送机和接收机之间的距离，n为路径损耗指数，Gr、Gt分别为接收天线增益和发射天线增益；选择了性能最优的RF作为模型方法；五、模型的训练：RF是由多个决策树组成的，为了得到最优划分属性，使用信息增益进行性能评判；在实际操作过程中调用python的sklearn库中的RandomForestRegressor方法，将参数设定为n_estimators＝150,max_features＝'auto',min_samples_leaf＝1；将训练集中的位置坐标、Mac地址、RSSI、地磁矢量和输入模型中进行训练；六、位置的预测：在某一位置点采集数据信息，导入模型中输出预测点位置坐标。