[发明专利]位置指纹数据库更新方法及系统

说明书

本发明公开了一种位置指纹数据库更新方法及系统，该方法包括：接收预设时间间隔内上传的移动终端的位置指纹数据，提取所述位置指纹数据中所携带的位置指纹特征数据；利用所述位置指纹特征数据查找预设位置指纹数据库中对应的特征位置指纹向量并替换，以实现对所述位置指纹数据库的更新,其中，所述更新是依据所述移动终端的网络制式类型更新对应网络制式类型下的所述特征位置指纹向量的分量。本发明中，不仅实现了对位置指纹数据库的及时更新，同时通过位置指纹特征数据的主动上报，降低了位置指纹数据库的更新成本。

技术领域

本发明涉及室内定位技术领域，特别是涉及一种位置指纹数据库更新方法及系统。

背景技术

室内定位技术是指，当人或物在遮蔽的室内环境时，获取其位置的定位技术。由于全球定位系统(GPS，Global Positioning System)的普及，室外定位技术非常成熟。但是，在室内环境中接受的GPS信号非常微弱，甚至接收不到，故室内需要采用新的定位技术。目前，室内定位技术总体分为三类：几何定位方法，临近定位方法，以及指纹匹配定位方法。几何定位法是指利用接入点(AP，Access Point)与待测终端之间的距离，根据几何学的原理估计出待测终端的方法。临近定位方法，也可叫最近AP法，根据待测终端与一个或多个位置已知位置AP的临近关系，将待测终端接收到的信号最强的AP的位置作为该待测终端的位置。位置指纹法，将定位环境进行抽象和形式化、离散化，用声学、光学、无线电等方面的特征的指标参数来描述定位环境中的各个位置。定位时，利用在定位点采集的位置指纹与指纹数据库中的指纹进行匹配，确定待测终端的位置。

指纹定位法的优势在于不需多边定位法中需要建立信道参数模型来估计收发机之间的距离，不需额外开发硬件平台来估计信道参数而减少了硬件开发的成本，甚至也不需要接入点具体的位置与布局。指纹定位算法包括：确定性算法、非确定性算法以及人工智能算法。确定性算法包括：K临近节点算法(KNN，K-Nearest Node)以及加权的K临近节点算法(WKNN，weighted K-Nearest Node)。非确定性算法包括：柱形图法、基于核函数的最大后验概率法等。人工智能算法包括：人工神经网络、支持向量机以及人工免疫遗传算法的指纹定位算法。

指纹定位算法的精度取决于指纹信息与位置信息的关联度。若指纹信息与定位区域内的位置信息是一对一的关联关系，且这种关系不随环境的变化的影响，那么，无论采用何种指纹匹配算法都将获得准确估计结果。但实际情况下，即使待定位终端位置不变，终端所接收到的来自AP该的信号强度值也随时间的变化而不同，环境干扰包括多径效应、阴影效应、终端天线方向、室内环境温度、室内布局的变化以及室内人员的走动等。这种的时变特性导致指纹信息与位置信息的关联不唯一性、不确定性，从而产生位置估计误差。

指纹定位法易受环境噪声干扰而导致定位精度受限。首先，确定性算法无法有效应对室内信号环境的时变特性，因而定位精度较差。其次，基于贝叶斯准则的非确定性算法可以有效应对室内信号环境的时变特性，但是，指纹数据釆集的时间与人工成本较高。最后，人工智能算法实现离散指纹数据库泛化的问题，但是，同样无法有效应对室内信号环境的时变特性。

发明内容

为了解决现有技术中的上述问题，本发明提供一种位置指纹数据库更新方法及系统，以实现对位置指纹数据库的及时更新，同时通过位置指纹特征数据的主动上报，降低位置指纹数据库的更新成本。

为了达到上述目的，本发明提供一种位置指纹数据库更新方法，所述方法包括：

接收预设时间间隔内上传的移动终端的位置指纹数据，提取所述位置指纹数据中所携带的位置指纹特征数据；

利用所述位置指纹特征数据查找预设位置指纹数据库中对应的特征位置指纹向量并替换，以实现对所述位置指纹数据库的更新。

其中，所述更新是依据所述移动终端的网络制式类型更新对应网络制式类型下的所述特征位置指纹向量的分量。