[发明专利]一种基于最强AP的室内定位融合方法

说明书

本发明公开一种基于最强AP法的室内定位算法，具体采用贝叶斯算法(Bayes)和加权最近邻算法(WKNN)相结合的算法实现室内定位，用于改善定位精度，降低定位误差。其实现过程如下，离线阶段：一，对需要定位的区域进行合理的网格划分并记录相应位置坐标；二，在各个网格区域多次采集信号强度值并进行数据处理；三，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，提前划分好相应区域。在线阶段：一，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相应区域，即离线指纹库更新为该区域内包含的所有指纹；二，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(KS)个距离最小的指纹点来计算定位坐标，求得待定位点的位置。

技术领域

本发明涉及涉及一种基于最强AP法的室内定位融合方法，特别是基于最强AP法的贝叶斯与WKNN相结合的室内定位融合算法，该算法通过结合贝叶斯算法及WKNN算法进行定位。属定位技术领域。

背景技术

目前，基于卫星通信技术GPS(Global Positioning System，全球定位系统)、GNSS(Global Navigation Satellite System，全球导航卫星系统)和北斗等位置服务系统广泛应用，有效解决了室外定位的问题，然而随着物联网和移动互联网应用的爆发式增长，大量应用增加了对室内位置服务(Indoor Location Based Services，ILBS)的需求,通过室内定位系统准确获得用户的位置信息，挖掘用户的行为，推荐用户的需要。

常用的基于信号测量技术的距离定位方式可分为基于到达时间(TOA)测量、基于到达时间差(TDOA)测量、基于到达角度(AOA)测量和基于接收信号强度(RSSI)测量四种定位方式等。由于室内无线电传播效应的复杂性,短距离无线通信信号的多样性和无线设施部署的随意性，使得基于时间、角度等来推算距离的方法定位精度过低，难以实用。而基于接收信号强度指示(RSSI)的位置指纹定位技术成为研究热点。

随着室内WiFi网络的广泛部署，其传输速率高、成本低、覆盖面广等优点，以及廉价的接收模块已广泛嵌入包括传感器，智能手机，家用电器等设备，使得使用现有的WiFi资源实现位置指纹定位，具有很大的应用市场和商业前景。基于信号强度的WiFi定位方法又分为信号传播模型法和指纹法，目前用的较多的是指纹法。指纹法分为离线阶段和在线阶段，离线阶段采集数据并建立离线指纹库，在线阶段通过定位算法把在线数据与离线指纹库进行匹配，通过计算得到定位结果。

发明内容

本发明为改善现有传统定位算法的定位误差，提供一种基于最强AP法的室内定位融合方法，在教学楼的环境里，能够得到更低的定位误差和更高的定位准确率。

为解决上述的技术问题，本发明采用的方案如下：

第一步：根据定位区域的区域特征把定位区域进行合理的网格划分，并记录网格中心点的位置坐标；

第二步：在所有网格区域的中心点，连续采集多次信号强度数据，去除异常值后取均值和标准差，并与该点的坐标组成一个指纹，测试完成建立离线指纹库；

第三步：观察离线指纹库的所有数据，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；

第四步：获得在线数据后，根据最强AP法投票得到符合分布规律的区域；

第五步：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；

第六步：使用在线数据与S个指纹计算欧式距离，得到距离最小的K个指纹点，并用K个指纹点坐标的加权均值作为定位结果。

采用最强AP法进行定位区域投票的具体过程如下：