[发明专利]基于Wi‑Fi指纹和多维尺度分析的室内定位方法

摘要

本发明提出一种基于Wi‑Fi指纹和多维尺度分析的室内定位方法。本方法中，使用众包思想进行用户行为和Wi‑Fi信号的采集，以代替以往基于指纹方法需要用到的现场勘测；指纹模型识别出用户轨迹上每个Wi‑Fi信号所属的位置信息，并分配到相应的位置，以获得每个采样点的指纹信息；对标准的K近邻算法进行改进，为每个无线接入点分配不同的权值，以实现房间级的定位；为了获取用户的绝对坐标位置，并描绘出用户在室内的行走轨迹，改进了多维尺度分析方法，利用走廊拐角和房间门口作为关键点对多维尺度分析方法的结果进行进一步的校正，以获取用户更精确的绝对坐标位置。本发明方法在去除现场勘测阶段的同时，提高了室内定位精度。

主权项

一种基于Wi‑Fi指纹和多维尺度分析的室内定位方法，其特征在于，实现步骤为：步骤1：采用众包思想进行数据的采集，获得用户移动轨迹上的测量点；设无线接入点个数为M，轨迹上测量点个数为N，第j个测量点表示为＜fj,ACCj,GYj＞，j∈[1,N]；其中表示第j个测量点包含的M个无线接入点的MAC地址和信号强度的序列，m∈[1,M]；Mm为第m个无线接入点的MAC地址，为第m个无线接入点在第j个测量点的信号强度；ACCj是第j个测量点累计的步数，GYj是指示第j个测量点是否转弯的布尔值；步骤2：在室内地图上标记采样点，获得每个采样点的指纹，具体是：(2.1)获取在室内地图上每个采样点的绝对坐标；(2.2)通过转弯识别关键点，关键点包括走廊拐角和房间门口的测量点；设置阈值α1和α2，当检测到转弯时，进行如下判断：如果|Sj‑1‑Sj+1|≥α1，表明用户在房间门口附近，正在进入或离开房间；如果α2≤|Sj‑1‑Sj+1|<α1，表明用户正在通过走廊拐角；如果|Sj‑1‑Sj+1|<α2，表明用户在房间或走廊转身；其中，Sj‑1表示所有无线接入点在第j‑1个测量点的总信号强度，Sj+1表示所有无线接入点在第j+1个测量点的总信号强度；(2.3)获取每两个测量点的信号强度序列之间的相关系数，并与设定的阈值β比较；设Ri、Rj分别表示所有无线接入点在第i个测量点、第j个测量点的信号强度序列，rij为信号强度序列Ri和Rj的相关系数，当rij≥β时，第i个测量点和第j个测量点属于同一个采样点，否则，第i个测量点和第j个测量点不属于同一个采样点；最终，得到每个采样点的Wi‑Fi指纹表示为Fl＝{f′1l,f′2l,…,f′Ml},l∈[1,L]，L为采样点个数；f′ml＝{Mm,R'ml}，R'ml表示第m个无线接入点在采样点l的信号强度，是属于第l个采样点的所有测量点的第m个无线接入点的信号强度的平均值；步骤3：使用K近邻算法对采样点进行分类；设无线接入点a和b对应的L个采样点的信号强度序列分别为Ia和Ib，cab表示Ia和Ib的相关系数，a,b∈[1,M]，C表示无线接入点的相关系数矩阵，Ca＝{ca1,ca2,…,caM}表示C的第a行，则无线接入点a的权值则采样点g和h的Wi‑Fi指纹Fg和Fh的曼哈顿距离dManhattan(Fg,Fh)为：dManhattan(Fg,Fh)=Σa=1Mwa×|Rag′-Rah′|]]>其中，g,h∈[1,L]；将得到的曼哈顿距离作为K近邻算法的输入；步骤4：构造采样点Wi‑Fi指纹的距离平方矩阵，利用多维尺度分析方法将距离转换到高维空间，具体为：(4.1)确定采样点的Wi‑Fi指纹之间的最短路径距离，构建距离平方矩阵D；(4.2)定义内积矩阵B＝XXT来表示矩阵D的双中心形式，通过标准的多维尺度分析方法计算矩阵B的特征向量矩阵，从而得到相对坐标矩阵X，利用锚节点将相对坐标矩阵X转换成绝对坐标矩阵X'；(4.3)找到关键点同其相应的位置坐标的匹配顺序；定义关键点集合为FR'＝{F1',F2',…,FK'}，定义走廊拐角和房间门口的真实坐标集G＝{G1,G2,…,GK}，K是关键点总个数；首先，构造三个集合其中其中||·||2表示2范数，k∈[1,K‑1]，计算两个相关系数r1和r2：r1=Cov(H(1),H(2))D(H(1))*D(H(2)),r2=Cov(H(1),H(3))D(H(1))*D(H(3))]]>如果r1≥r2，FR'同顺序G匹配；如果r1＜r2，FR'同逆序G匹配；(4.4)利用最小二乘法，将关键点同其位置坐标进行匹配，得到校正后的关键点的绝对坐标；设的坐标为的坐标为为了最小化定义校正后的关键点的绝对坐标集其中，广义逆矩阵Q和P通过以下公式获得：Q=2(x1(1)-yK(1))2(x1(2)-yK(2))......2(xK-1(1)-yK(1))2(xK-1(2)-yK(2)),P=(x1(1)-yK(1))2+(x1(2)-yK(2))2+dK,K2-d1,12...(xK-1(1)-yK(1))2+(xK-1(2)-yK(2))2+dK,K2-dK-1,K-12]]>其中dk,k＝||yk‑xk||2，为坐标xk和yk之间的欧氏距离。