一種基於對數映射差分的WIFI室內定位方法與流程
2023-12-03 16:21:56
本發明涉及室內定位與導航技術領域，特別是一種基於對數映射差分的wifi室內定位方法。
技術背景
近年來，隨著智能可攜式行動裝置(如智慧型手機，智能手環等)的逐漸興起和普及，基於位置的服務和應用快速地發展並逐漸擴展到生活出行的方方面面。例如，基於全球定位系統(如美國的gps，中國的北鬥導航等)的電子地圖，給人們提供了室外環境的定位和導航服務。基於位置信息服務的應用層出不窮(如百度地圖，高德地圖等)。然而，人類的大部分活動是在室內進行的，由於全球定位系統的衛星信號難以穿透建築物，因此全球定位系統無法用於室內定位，所以必須要有新的專門用於室內定位的技術。
隨著智慧型手機的普及，利用智慧型手機進行wifi定位逐漸成了室內定位的研究熱點。一般在醫院、辦公大樓、購物商場等公共場所都會有wifi熱點，而且智能終端基本上都有wifi接口，因此基於wifi的室內定位系統就可以使用現有的設備進行構建，從而大大節省了硬體成本。
目前基於wifi的室內定位算法主要是基於knn(k近鄰)的wifi室內定位算法。基於knn的wifi室內定位算法的主要原理是根據rssi(接收信號強度)的歐式距離計算方法來估算帶定位節點和數據指紋庫中已知節點的距離，算法複雜度比較低，能夠適應在運算能力不高的智慧型手機上運行，所以在實際中應用廣泛。但由於室內環境複雜，信號在室內傳播是有很明顯的多徑效應，並且由於障礙物的遮擋等使得knn定位方法存在以下幾個問題：
首先，上述knn算法中rssi距離比較大的兩個點，其實際空間距離可能比較小，比如兩個點之間隔著一堵牆等，因此，只按照rssi的距離大小確定knn算法中的權重可能會造成比較大的定位誤差；
其次，在實際測量時發現，在同一地點檢測到的同一個ap發射的信號的rssi值波動比較大，離線階段和在線的信號波動，都會對定位結果造成影響，所以在使用rssi值進行定位前，必須對採集到的數據進行預處理，減少噪聲對指紋資料庫的影響。
最後，rssi的值和檢測設備有關係，同一個ap發射出的無線信號在同一點由不同的接收設備檢測，rssi的值可能會不一樣，因此，不能只根據rssi距離的絕對數值，來確定knn算法中的權重值。
2017年3月出版的第33卷第3期《科技通報》上介紹了一種名稱為「基於餘弦相似度的指紋匹配算法的室內定位方法」，該方法不使用rssi向量的歐氏距離作為匹配方法，而使用rssi向量的夾角餘弦值(最接近1)作為位置匹配方法，該方法雖然在一定程度上比knn方法的計算量少，但是，在一些常見的複雜的室內辦公環境下的定位精度較低，難以達到定位要求。
技術實現要素：
本發明所要解決的技術問題是，針對現有技術的不足，提供一種基於對數映射差分的wifi室內定位方法。
為解決上述技術問題，本發明所採用的技術方案是：一種基於對數映射差分的wifi室內定位方法，包括在線測量階段和離線測量階段；
所述離線測量階段包括以下步驟：
1)預先選定場地中某些點為參考點，測量參考點的坐標，然後在每一個參考點上測量並記錄來自每一個wifi熱點的接收信號強度(rssi)50次以上並進行高斯濾波，從而除去出現概率小於18％的rssi值，濾波的具體操作方法為：對於在每一個參考點上測得的同一個wifi熱點的rssi的值進行統計，統計每一個rssi值出現的次數，然後再除以在這個參考點上測量rssi的次數從而得出每個rssi值出現的概率，然後除去概率小於18％rssi值，即只將出現概率不小於18％的rssi值保存下來給以後使用；
2)先計算各個參考點的來自不同wifi接入點(ap)rssi平均值，接著取絕對值，然後取以10為底的對數；
3)對每個參考點的rssi向量進行擴展差分(具體方法為：設rssi向量為{rssi1，rssi2，···，rssin},然後在其末尾添加首位元素rssi1得擴展後的向量為{rssi1，rssi2，···，rssin，rssi1}，最後對擴展後的向量進行一階前向差分計算的擴展差分的結果為n維向量{rssi2-rssi1，rssi3-rssi2，···，rssi1-rssin})，然後將擴展差分的結果存入資料庫；
所述在線測量階段包括以下步驟：
1)測量待定位點的rssi向量值並進行擴展差分得rssi』；
2)計算帶定位點與指紋資料庫中各個參考點的rssi』的歐式距離；
3)找出k個與待定位點的rssi』的歐氏距離最小的點，也就是k個最近鄰點；
4)取上述k個最近鄰點的位置坐標的平均值作為待定位點的位置估計。
與現有技術相比，本發明所具有的有益效果為：本發明在利用基於knn的wifi室內定位方法的基礎之上，引入了對數變換域，將原來的數據映射到對數域中，並且在對數域中用rssi向量的一階擴展差分rssi＇向量來取代rssi向量，從而提高了系統的定位精度。與傳統的rssi向量距離相比，不僅考慮了rssi向量的歐氏距離，還兼顧了來自不同wifi接入點的rssi的關係，從而增加了系統對於複雜環境的適應性。
附圖說明
圖1為本發明實施例試驗區的室內定位地圖；
圖2為本發明對數映射差分對12個測試點每個進行50次定位實驗，定位誤差的平均值與最近鄰、4階knn、4階wknn(加權knn)、基於餘弦相似度的指紋匹配算法的比較圖。
具體實施方式
以下結合附圖對本發明的具體實施方式做進一步的說明。
實驗區的布置圖如圖1所示，使用安卓智慧型手機作為指紋數據採集設備和定位設備，四臺wifi中繼放大器作為接入點(ap)。實驗區為室內房間，房間長約10米寬約6米。該房間為典型的室內辦公室，平常可容納20多人同時辦公，並且人員走動也比較頻繁，實驗所用的ap也被清楚地標在圖1中，四個ap離地面的高度約為1.8米。圖1中標記小圓點「o」的位置為指紋資料庫的採樣位置，而標記「x」的位置為定位測試點的位置。整個房間的指紋採樣點總數為38個，並且每個指紋採樣點分別間隔1秒採樣一次公採樣50次。定位測試點的總數為12個，並且每個定位點分別測試50次。
在實際採樣過程中，由於各種噪聲的影響，使得測得的wifi信號強度的值有時會產生比較大的波動。為了減小噪聲對指紋資料庫的採樣，每個參考點採集到的rssi值進行高斯濾波，濾除掉出現概率小於18％的rssi值，將剩餘值取平均值,接著取絕對值，然後再取以10為底的對數並進行擴展差分，最後將所得數據存入指紋資料庫。
在實驗場地採集到的數據經過濾波取平均值處理後，採用二維表的形式存儲這些數據，指紋數據的存放格式如下表1所示：
表1指紋數據的存放格式
將在線測得的rssi向量先進性擴展差分得rssi』向量，然後計算其與指紋庫中的每個採樣點的rssi』向量的歐氏距離，然後取4個最近鄰點，最後求取這4個點的位置坐標平均值作為定位測試點的位置估計。分別用本發明方法、最近鄰法、4階knn法、4階wknn法和基於餘弦相似度的指紋匹配算法對實驗區中的12個測試點每個點進行50次定位測試，測得的平均誤差如表2和圖2所示，從表2和圖2可以看出，本發明方法的定位誤差明顯小於其它4種方法。
表2不同定位方法的平均誤差