[发明专利]一种基于wifi指纹和改进knn算法的住宅楼宇室内定位方法

说明书

本发明涉及一种基于wifi指纹和改进knn算法的住宅楼宇室内定位方法，包含步骤指纹采集点规划设置、指纹采集、设备定位扫描上报、指纹匹配计算、空间位置计算，该方法与原始KNN算法比较，采用多级聚合排序法，解决了传统定位算法受到空间干扰，定位不准的问题，本发明对室内复杂建筑结构和开放区域信号干扰具有更高的容忍度，定位准确度高。

技术领域

本发明涉及定位的技术领域，具体涉及一种基于wifi指纹和改进knn算法的住宅楼宇室内定位方法。

背景技术

随着数字经济的发展，室内外定位技术做为一种基础技术能力，再各行各业有着越来越广泛的需求和应用。室外定位，gps已经基于gps衍生的高精度定位技术已经非常成熟，是事实上标准。而室内定位技术，由于信号的衰减和多径效用，gps无法正常工作。近年来，业界尝试了多种技术手段，有蓝牙信标定位、超宽带uwb定位、地磁定位、wifi定位等，以期在室内定位领域实现一种低成本高精度低技术方案。这些技术各有各的特点，但由于室内环境的多样性和不稳定性，始终没有一种技术能完全满足业界的需求。

基于到达时间TOA，到达时间差TDOA，或到达角度AOA这类算法，由于对设备要求较高，无法有效利用广泛部署的wifi网络。而基于信号衰减的几何方位计算法受到室内结构的影响，无法建立广泛适用的距离衰减模型，可用的场景有限。位置指纹法因其不依赖特定设备，模型计算简单高效，容错性高等特点，使得该算法成为wifi室内定位最有可能广泛采用的算法。然而当前wifi指纹定位算法，在结构较为简单的室内空间，比如开阔平坦的环境下定位较为理想。如果直接用在住宅楼宇内的定位，由于住宅空间单层面积较小，结构较为复杂，上下楼层高度低，楼间距较短等原因， 存在诸多问题，主要有以下三点：（1）多楼层存在垂直空间的相互干扰， 垂直空间定位稍有偏差就会引起楼层定位不准确，对整体定位效果影响较大；（2）由于楼间距通常有限，并且楼宇内存在开放和半开放区域，从而导致楼栋间干扰很大，会出现楼栋或单元级的定位错误，于实际位置出现巨大偏差；（3）如果top k的指纹点出现非同一楼层，或非同一楼栋，经过几何位置计算后有可能定位在非室内的不合理区域。

发明内容

为了解决现有基于KNN的wifi指纹算法在住宅楼宇内的定位偏差较大的问题，本发明提供了一种基于wifi指纹和改进knn算法的住宅楼宇室内定位方法，对室内复杂建筑结构和开放区域信号干扰具有更高的容忍度和定位结果的准确度。

本发明提供基于wifi指纹和改进knn算法的住宅楼宇室内定位方法，包含以下步骤：

S1：指纹采集点规划设置：对住宅小区各楼栋做指纹采集点位规划设置，每一楼层按照面积均匀设置指纹采集点位；

S2：指纹采集：对每一个指纹采集点位进行环境Wifi指纹采集，并标记该指纹所属位置信息，上传云端服务器，并存储在位置指纹数据库；

S3：设备定位扫描上报：设备终端或者支持wifi扫描的智能移动终端定时扫描采集环境中的wifi信号，并生成定位指纹数据，上报云端定位计算系统，由云端定位计算系统做定位计算处理；

S4：指纹匹配计算：云端定位计算系统收到当前定位指纹数据，从位置指纹数据库提取本小区所有位置指纹信息，并筛选出能够匹配到当前定位指纹的位置指纹条目，并基于多级knn算法得到匹配位置指纹列表；

S5：空间位置计算：基于S4得到的匹配位置指纹列表，计算当前设备的位置。

作为优选，所述步骤S2中指纹采集包括使用手机APP，所述位置信息包括所属楼栋号、单元号、楼层号和层内位置号。

作为优选，所述步骤S4包括以下子步骤：

 S4.1：位置指纹匹配选择，从位置指纹数据库提取本小区所有位置指纹信息，对于每一条位置指纹信息，如果其包含当前定位指纹的任意一条mac地址，则将其放入候选位置指纹列表(P1,P2…Pn) ，n为自然数；