[发明专利]一种基于WKNN融合的室内三维空间指纹定位方法

说明书

本发明公开了一种基于WKNN融合的室内三维空间指纹定位方法，该方法从位置指纹的参考点中挖掘信息、融合信息，从而实现在位置指纹的基础上，与几何定位结果融合，以提高精度和稳定性。能够在不细化3D指纹数据库的情况下，通过KNN求取K个最近邻参考点，加权得到一种定位结果；再以数据库中基站的坐标和距离的几何关系求解另一种定位结果，两种结果进行融合实现更加精确而稳定的定位精度。该方法充分利用位置指纹信息，计算简单，定位精度高且稳定性高。

技术领域

本发明属于室内定位技术领域，具体涉及一种室内指纹定位方法。

背景技术

室内定位与导航已成为基于位置服务领域的研究热点。国内外已经对基于室内指纹的定位方法进行了较为深入的研究，提出了大量二维室内指纹定位算法，并得到了不错的定位精度。但在许多三维室内应用场景中，如大型多层地下停车场、商场等，二维定位技术很难满足实际定位要求。

文献“Robustness of 3D Indoor Localization based on FingerprintTechnique in Wireless Sensor Networks[2013 10th International Conference onElectrical Engineering/Electronics,Computer,Telecommunications andInformation Technology,Krabi,2013,pp.1-6]”和“基于WiFi的室内三维定位技术研究[D].南京邮电大学,2018.”分别公开了一种基于3D室内指纹的KNN定位方法和WKNN(加权K-最近邻，weighted K-Nearest neighbor)定位算法。这些方法通过将二维室内指纹定位升至三维空间，并将二维定位算法迁移至三维定位中，提高室内定位精度。然而，由于没有充分挖掘位置指纹的有用信息，如KNN算法在一定区域对目标分辨率较低，而WKNN只做单一的K最近邻的参考点加权值，导致文献所述方法都具有一定的波动性和不稳定性，为此，需要重新建立更加密集的离线指纹数据库。但是，引入一个维度将导致离线指纹数据库的数据量大大增加，而采用稀疏的指纹库只能带来较差的精度。因此，有必要在三维室内定位中既考虑到指纹库的数据量和室内定位精度。

发明内容

为了克服现有技术的不足，本发明提供了一种基于WKNN融合的室内三维空间指纹定位方法，该方法从位置指纹的参考点中挖掘信息、融合信息，从而实现在位置指纹的基础上，与几何定位结果融合，以提高精度和稳定性。能够在不细化3D指纹数据库的情况下，通过KNN求取K个最近邻参考点，加权得到一种定位结果；再以数据库中基站的坐标和距离的几何关系求解另一种定位结果，两种结果进行融合实现更加精确而稳定的定位精度。该方法充分利用位置指纹信息，计算简单，定位精度高且稳定性高。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤1：建立指纹离线信息库；

离线建库阶段：在定位区域内，选取多个参考点，在每个参考点上测量所有基站的接收信号强度；将参考点坐标与接收信号强度共同存入数据库，形成指纹库；

在线定位阶段：使用KNN将目标接收到的信号强度信息与指纹库中的信息进行匹配，得到K个最近邻的参考点坐标：

式中，D_p表示信号强度距离，OB表示目标接收到的信号强度信息，NO_k表示KNN算法匹配的k个最近邻参考点的指纹信息；

步骤2：对步骤1得到的K个最近邻的参考点坐标，引入距离权重W_i：