[发明专利]基于位置指纹算法的室内定位优化方法

摘要

本发明公开了一种基于位置指纹算法的室内定位优化方法。本发明在现有的位置指纹定位方法的基础上，对信号强度采集、指纹库密度、指纹库精度、定位效率、设备误差进行了对应的优化处理，从而实现对定位过程的精度提升和效率提升。本发明在定位处理过程中，无需额外硬件的支持，因此其具有较低的定位成本。在信号强度测量精准，以及位置指纹库的精度和密度较高的情况下，本发明可以提供较高定位精度。

主权项

基于位置指纹算法的室内定位优化方法，其特征在于，包括下列步骤：构建位置指纹库步骤：101：在待定位区域部署m个无线接入设备，设置n个参考点，并记录各参考点的位置信息；102：多次采集每个参考点对每个无线接入设备的接收信号强度值rssi，在每次采集时，若当前采集到的rssi满足|rssi‑μ|＞1.96σ，则剔除当前采集到的rssi，其中σ、μ分别表示接收信号强度的高斯分布的标准差和均值；并对多次采集结果进行均值滤波平滑处理，得到每个参考点对每个无线接入设备的接收信号强度值，记为rssik,i，其中k为参考点标识符，i为无线接入设备标识符；由同一参考点的m组接收信号强度值构成该参考点的信号强度向量，记为RSSIk＝(rssik,1,rssik,2,…,rssik,n)，将各参考点的信号强度向量和位置信息组合成位置指纹并保存到位置指纹库中；103：对位置指纹库进行密度增强处理：通过多项式曲面拟合的方式增加数据库中的位置指纹；再对增加后的数据库进行邻域滤波法筛选位置指纹库噪点：遍历位置指纹库中的每个参考点，将当前参考点作为中心点c，并基于中心点c的P邻域，计算中心点c与各邻域点xp之间的平均相似度其中P为预设的邻域数，下标p为邻域点xp的点标识符，表示中心点c和邻域点xp之间的信号强度向量的欧式距离；以及将各邻域点xp的P邻域中的中心点c剔除，得到各邻域点xp的个邻域点下标j为邻域点的点标识符，再计算各邻域点xp的平均相似度其中表示点xp与点之间的信号强度向量的欧式距离，从而得到中心点c的所有邻域点的平均相似度的均值若则将当前中心点c记为噪点z；基于各噪点z的P邻域的接收信号强度值更新噪点z的接收信号强度值rssiz,i为：其中表示噪点z的邻域点对第i个无线接入设备的接收信号强度值，其中，j表示邻域点的点标识符，表示邻域点的权值，且Lz,j表示噪点z的邻域点与噪点z的两坐标点之间的欧式距离，从而得到噪点z所对应的参考点的新的信号强度向量；104：采用K均值聚类对位置指纹库进行聚类处理，并判断各类簇的群数是否不超过群数阈值，若是，则保存当前类簇，否则继续对得到的类簇进行K均值聚类处理，直到得到的类簇的群数不超过群数阈值，从而得到构建好的位置指纹库；实时定位匹配步骤：201：采集待定位点处的m组接收信号强度值，得到待定位点的信号强度向量RSSIt；202：基于差值的加权K近邻法在位置指纹库中获取待定位点的匹配结果：将待定位点的信号强度向量RSSIt中的各分量减去RSSIt中的最小分量，得到差值向量ΔRSSIt；将RSSIt或ΔRSSIt与保存的类簇的各聚类中心进行相似度匹配，查找相似度最高的类簇；其中相似度匹配为：信号强度向量间的欧式距离越小则相似度越高；基于差值向量ΔRSSIt，在相似度最高的类簇中查找相似度最高的前K个位置指纹，采用加权K近邻算法对K个位置指纹对应的位置坐标进行加权相加，得到定位点的定位坐标；203：对定位相对坐标进行经纬度坐标转换，得到待定位点的位置信息。