[发明专利]室内定位方法、服务器和系统

说明书

技术领域

本发明属于室内定位领域，尤其涉及一种室内定位方法、服务器和系统。

背景技术

室内环境下的定位一直是一个很多问题未被解决的领域。由于信号的严重衰减和多径效应，通用的室外定位设施(比如GPS)并不能在建筑物内有效地工作。定位准确性也是一个问题，GPS也许可以指出移动设备在哪一个建筑物，但是室内场景下，人们希望得到更精确的室内位置，这需要更精密的地图信息和更高的定位精度。

目前，也有专门室内搭建一套完整的基础设施用来定位的做法，但是这样需要很大的代价，包括定位信号占用的频谱资源、用于感知定位信号的嵌入在移动设备中的额外硬件、安装在固定位置的用来发送定位信号的锚节点。因此，大家逐渐开始倾向于使用那些已有的被广泛部署的无线设备去实现室内定位，例如，中国专利公开了一种基于WiFi指纹的室内定位方法[申请号：CN201310291716.7]，包括离线采样阶段和在线定位阶段，所述的离线采样阶段包括以下步骤：

步骤1：在待定位场所内设置N个AP，对所述的待定位场所内每个已知位置点，采集并保存WiFi信号的RSSI值数据，其中N≥3，待采集完成后，则将所述的数据导入到服务器中，服务器对所述的数据进行滤波预处理，对所述的预处理之后的数据进行特征提取并存入数据库，构建位置指纹库；所述的在线定位阶段包括以下步骤：步骤2：采集待定位点的WiFi信号的RSSI值数据并上传至服务器；步骤3：所述的服务器对实时接受到的所述的待定位点的WiFi信号的RSSI值数据进行降序排序，选取所述的排序结果中前L个WiFi信号对所述的位置指纹库中的位置进行聚类，得到M个位置点，该M个位置点的WiFi信号的RSSI值数据序列包含所述的L个WiFi信号，其中L≥1，M≥1；步骤4：利用所述的待定位点的WiFi信号的RSSI值，对所述的M个位置点进行初始定位结果计算，得到初始位置估计值并保存；步骤5：判断：已经保存的初始位置估计值的个数是否大于或等于预设值W，其中W≥1；如果否，则将当前初始位置估计值作为所述的待定位点的位置估计值；如果是，则对已经保存的最后W个初始位置估计值做时间平均，得到所述的待定位点的位置估计值；步骤6：判断：用户是否发出停止定位指令；如果否，则转回执行所述的步骤2；如果是，则结束定位。

上述方案提出了通过无线设备实现室内定位的方法，但是上述方法无法自动更新指纹数据库容易造成定位错误的结果，并且存在指纹数据库构建麻烦，人工投入以及在线计算量大，定位速度慢等问题。

发明内容

本发明的目的是针对上述问题，提供一种方法简单、定位已经精度高的室内定位方法；

本方案的另一目的是提供一种用于室内高效定位的室内定位服务器；

本方案的另一目的是提供一种基于上述室内定位服务器的室内定位系统。

为达到上述目的，本发明采用了下列技术方案：

本发明的室内定位方法，包括以下步骤：

A：离线训练，采集训练样本并基于训练样本构建指纹数据库；

B：在线定位，接收待定位终端的RSS数据，调用指纹数据库以根据接收到的RSS数据完成实时位置运算并将运算结果返回至待定位终端；

C：运行维护，对定位空间中的维护终端进行主动和/或被动感知，不间断地采集维护终端的指纹数据，基于这些指纹数据定期或不定期地对指纹数据库进行更新。

通过上述技术方案，对用于在线定位的指纹数据库进行定期或不定期的更新，避免空间环境的改变造成定位误差，提高定位的准确度。

在上述的室内定位方法中，在步骤A中，通过以下方式获得采集训练样本：

A1：对定位空间划分网格，建立坐标系，确定参考节点的坐标位置；

A2：确定采样率和采样点，采集采样点到各个参考节点的RSS值，该组RSS值组成一条指纹数据，通过若干采样点获得作为采样数据集的指纹数据集；

A3：通过三次样条插值算法补充采样数据集，获得最终用于模型训练的指纹训练数据集；

在上述的室内定位方法中，在步骤A3之前还执行以下步骤：

对采样数据集进行卡尔曼滤波以剔除噪声数据。

在上述的室内定位方法中，在步骤A中，通过以下方法构建指纹数据库：

采用随机森林方法，构建多个棵分类决策树，用指纹训练数据集对随机森林分类器进行训练，分类器的输出由多棵分类决策树共同投票决定。

在上述的室内定位方法中，步骤B的具体方法包括：

B1：由通信接口实时采集待定位终端的RSS信号；