[发明专利]行人航迹推测辅助的Wi‑Fi信号指纹定位算法

摘要

本发明公开了一种行人航迹推测辅助的Wi‑Fi信号指纹定位算法，其利用PDR定位算法与Wi‑Fi信号指纹定位算法交替进行位置估计，两种算法分别利用另一方的结果修正各自误差。用户的初始位置P(x)＝{x(0),y(0)}由基于KWNN的Wi‑Fi信号指纹定位算法得到；用户开始移动后，通过加速计，陀螺仪测量速度，角速度变化量；利用PDR定位算法估计每一步用户的坐标；直到用户前进预定步数m后，进行一次基于KWNN的Wi‑Fi指纹定位，将Wi‑Fi指纹定位结果作为用户当前结果；在随后的m步中，都基于上一次Wi‑Fi指纹定位结果进行PDR定位计算，如此循环。利用PDR输出的运动距离和转角约束Wi‑Fi信号指纹定位中的K加权邻近算法，通过PDR短时间内获取的运动距离与转角约束参考点的选择，达到提高KWNN算法定位精度的目的。

主权项

一种行人航迹推测辅助的Wi‑Fi信号指纹定位算法，其特征在于，包括如下步骤：S1：在测量阶段，利用智能设备中的传感器，包括加速度传感器，陀螺仪和Wi‑Fi进行测量，获取用户的实时加速度值、运动方向变化量以及用户所处环境中所有Wi‑Fi接入点的信号强度；S2：根据用户上一时刻估计的位置，获取到的实时加速度值以及运动方向变化量，利用PDR定位算法计算用户当前位置；S3：重复步骤S1，直到用户前进预定步数m后，计算用户在预定步数m内的位移和运动方向，并进入步骤S4；S4：用户前进预定步数m以后进入KWNN信号指纹匹配与位置估计，在该阶段，用PDR结果辅助基于KWNN的Wi‑Fi定位算法即利用步骤S1中获取到的所有Wi‑Fi接入点的信号强度，以及步骤S2中PDR计算的当前位置、相对位移和运动方向，计算所有参考点的权重，选择其中k个权重最小的RP，采用加权平均算法计算用户当前位置作为用户最终估计的位置，结合步骤S2中获取的位置，得到用户运动轨迹；回到步骤S1继续循环；S4中用PDR结果辅助基于KWNN的Wi‑Fi定位算法，其计算流程如下：所述Wi‑Fi信号指纹定位算法采用KWNN算法实现，每次查询过程中，从信号指纹数据库选择距离最小的k个参考点，利用加权平均算法计算用户位置：Pt+m,WiFi={Σi=1kxDB,iwi,Σi=1kyDB,iwi}---(5)]]> 其中，{xDB,i,yDB,i}是数据库中参考点坐标即为RP，权重定义如下：wi=1/ϵDIS,ipΣj=1k1/ϵDIS,ip---(6)]]>εDIS,i表示在第i个RP处测量到的接入点AP信号强度RSSIDB与实际测量的信号强度RSSIMR之间的“距离”，p为可调节参数，已经通过PDR定位算法得到了两次Wi‑Fi信号指纹定位之间的位移S与夹角α，在计算εDIS,i的过程中，加入位移与夹角约束，限制参考点选择范围，因此，新的距离定义如下：εDIS,i＝DRSS,i+λDLOC,i+γDAGL,i              (7)其中，DRSS为RSSI距离，DLOC为位置距离，DAGL为角度距离，λ,γ分别是位置与角度调节系数；DRSS,i按照KWNN算法进行计算：DRSS,i=(Σj=1n|RSSIDBi,j-RSSIMR,j|q)1/q---(8)]]>其中，n表示一共有n个AP，RSSIDBi,j表示在第i个RP测量到的第j个AP信号强度，RSSIMR,j表示用户测量的第j个AP信号强度，q是可调节参数；DLOC,i用于衡量位置差异，定义如下：DLOC,i＝|||PDB,i‑Pt,WiFi||‑S|q             (9)其中，PDB,i表示第i个RP坐标，Pt,WiFi表示上一次Wi‑Fi信号指纹定位结果；DAGL,i用于衡量角度差异，定义如下：DAGL,i=|(arctanyDB,i-yt,WiFixDB,i-xt,WiFi-α)%180|q---(10)]]>加入了距离与角度的约束，距离差距或者角度差距过大的RP会被KWNN算法过滤，选择出的RP更接近用户真实的位置，有效提高定位精度。