[发明专利]一种基于最强AP的室内定位融合方法

权利要求书

1.一种基于最强AP法的室内定位融合方法，其特征在于，定位融合算法基于采用贝叶斯Bayes算法和加权最近邻WKNN算法相结合的算法以实现室内定位，过程如下，

一、离线阶段：(1)对需要定位的区域进行网格划分，并记录网格中心点的位置坐标；(2)各个网格区域多次采集信号强度值并进行数据处理；(3)离线指纹库构建好后按不同的区域信号强度与AP分布规律的不同，提前划分好对应区域；

二、在线阶段：(4)先利用待定位点在线测得的信号强度值与离线指纹库中的所有指纹进行距离计算，通过最强AP法投票先将该待定位点定位到对应区域，即离线指纹库更新为该区域内包含的所有指纹；(5)通过贝叶斯算法计算在线数据与所有指纹的后验概率，求得概率最大的S个指纹点；

三、通过WKNN算法，将在线数据与S个指纹点求欧式距离，最后用K个距离最小的指纹点来计算定位坐标，其中KS，求得待定位点的位置；

其中利用采集的数据，将区域事先按照数据对应各个AP的分布规律划分为多个区域，并利用最强AP法进行区域的匹配，具体步骤如下：

第一步：事先离线指纹库划分成多个区域后，每个区域内有多个指纹点，因此每个AP在该区域内有最大的信号强度和最小的信号强度；

第二步：得到在线数据后，分别用在线数据在不同AP下的信号强度去进行区域匹配，如果某个AP下的信号强度在某个区域该AP的取值范围内，则该区域投票数加1，遍历所有AP进行投票；

第三步：遍历完所有AP后投票数最高的区域即为匹配区域，若有多个区域投票数相同，则继续投票，直至投票数最高区域唯一。

2.根据权利要求1所述的基于最强AP法的室内定位融合方法，其特征在于，定位融合方法具体步骤如下：

第一步：通过对定位区域进行网格划分，在每个网格中采集多次数据并进行取均值处理，并记录网格的编号及坐标；

第二步：将所有网格点的数据采集完毕形成离线指纹库后，根据不同点的信号对应不同AP的分布规律，将整体区域划分为几个较小的区域；

第三步：获得在线数据后，将其与离线指纹库中所有指纹进行欧式距离的计算，根据最强AP法投票得到符合分布规律的区域；

第四步：在线数据继续与小区域中的所有指纹进行后验概率的计算，得到前S个后验概率最大的指纹点；

第五步：使用在线数据与S个指纹进行欧式距离的计算，得到距离最小的K个，并用K个点坐标的加权均值作为定位结果。

3.权利要求1所述的基于最强AP法的室内定位融合方法，其特征在于，对于定位区域进行网格点划分，测量出每个网格点中心点的信号强度数据及坐标并记录处理，建立指纹库。

4.根据权利要求1所述的基于最强AP法的室内定位融合方法，其特征在于，结合贝叶斯算法和WKNN算法，先在限定区域内求出后验概率最大的S个指纹点，再用WKNN算法求出待定位点的位置，具体步骤如下：

第一步：求前S个最大的后验概率，其中将数据分布假设成为高斯分布，因而公式如下：其中R为在线数据，u为均值，σ为标准差：

第二步：已知S个指纹点后，用WKNN算法求最后的定位结果，求欧氏距离的公式，其中R为在线数据，fp为指纹，d为欧式距离；

第三步：求得欧式距离后，用下列公式求出对应的权值：

第四步：取前K个最小的欧式距离及对应的坐标、权值，进行加权求平均得到定位结果；

最终算得的待定位点的位置坐标为