[发明专利]一种基于接收信号强度双重之比的WIFI室内定位方法

说明书

技术领域

本发明涉及室内定位与导航技术领域，特别是一种基于接收信号强度双重之比的WIFI室内定位方法。

技术背景

近年来，随着智能便携式移动设备(如智能手机，智能手环等)的逐渐兴起和普及，基于位置的服务和应用快速地发展并逐渐扩展到生活出行的方方面面。例如，基于全球定位系统(如美国的GPS，中国的北斗导航等)的电子地图，给人们提供了室外环境的定位和导航服务。基于位置信息服务的应用层出不穷(如百度地图、高德地图等)。然而，人类的大部分活动是在室内进行的，由于全球定位系统的卫星信号难以穿透建筑物，因此全球定位系统无法用于室内定位，所以必须要有新的专门用于室内定位的技术。

随着智能手机的普及，利用智能手机进行WIFI定位逐渐成了室内定位的研究热点。一般在医院、办公大楼、购物商场等公共场所都会有WIFI热点，而且智能终端基本上都有WIFI接口，因此基于WIFI的室内定位系统就可以使用现有的设备进行构建，从而大大节省了硬件成本。

目前基于WIFI的室内定位算法主要是基于KNN(K近邻)的WIFI室内定位算法。基于KNN的WIFI室内定位算法的主要原理是根据RSSI(接收信号强度)的欧式距离计算方法来估算带定位节点和数据指纹库中已知节点的欧式距离，算法复杂度比较低，能够适应在运算能力不高的智能手机上运行，所以在实际中应用广泛。但由于室内环境复杂，信号在室内传播时有很明显的多径效应，并且由于障碍物的遮挡等使得KNN定位方法存在以下几个问题：

首先，上述KNN算法中RSSI距离比较大的两个点，其实际空间距离可能比较小，比如两个点之间隔着一堵墙等，因此，只按照RSSI的距离大小确定KNN算法中的权重可能会造成比较大的定位误差；

其次，在实际测量时发现，在同一地点检测到的同一个WIFI接入点发射的信号的RSSI值波动比较大，离线阶段和在线的信号波动，都会对定位结果造成影响，所以在使用RSSI值进行定位前，必须对采集到的数据进行预处理，减少噪声对指纹数据库的影响。

最后，RSSI的值和检测设备有关系，同一个WIFI接入点发射出的无线信号在同一点由不同的接收设备检测，RSSI的值可能会不一样，因此，不能只根据RSSI距离的绝对数值，来确定KNN算法中的权重值。

2017年3月出版的第33卷第3期《科技通报》上介绍了一种名称为“基于余弦相似度的指纹匹配算法的室内定位方法”，该方法不使用RSSI向量的欧氏距离作为匹配方法，而使用RSSI向量的夹角余弦值(最接近1)作为位置匹配方法，该方法虽然在一定程度上比KNN方法的计算量少，但是，在一些常见的复杂的室内办公环境下的定位精度较低，难以达到定位要求。

发明内容

本发明所要解决的技术问题是，针对现有技术的不足，提供一种基于接收信号强度双重之比的WIFI室内定位方法。

为解决上述技术问题，本发明所采用的技术方案是：一种基于接收信号强度双重之比的WIFI室内定位方法，包括在线测量阶段和离线测量阶段；

所述离线测量阶段包括以下步骤：

1)预先选定场地中某些点为参考点，测量参考点的坐标，采集参考点离线数据并进行高斯滤波，滤除在同一地点采集到的来自同一个WIFI热点的出现概率小于34％的接收信号强度RSSI值，并将剩余的值取平均构成RSSI向量；

2)对在每个参考点的RSSI向量进行两次两两之比计算，具体方法如下：

设RSSI向量为{a,b,c,d},则进行第一次两两之比计算后得到向量

然后对新得到的向量再进行一次两两之比计算得向量

最后将得到的RSSI′向量存入指纹数据库中；

所述在线测量阶段包括以下步骤：

1)测量待定位点的RSSI向量值并进行两次两两之比计算得RSSI'向量；

2)计算带定位点与指纹数据库中各个参考点的RSSI'向量的欧式距离；

3)找出K个与待定位点的RSSI'向量的欧氏距离最小的点，也就是K个最近邻点；

4)取上述K个最近邻点的位置坐标的平均值作为待定位点的位置估计。