一種混合定位方法
2023-04-26 10:35:21 1
一種混合定位方法
【專利摘要】本發明公開了一種混合定位方法，包括：根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位；所述快速模式以離線方式工作，使用快速AP匹配方法進行定位；所述精準模式以在線方式工作，通過定位伺服器進行定位，能夠根據不同的地圖解析度自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
【專利說明】一種混合定位方法
【技術領域】
[0001]本發明涉及WIFI定位領域，尤其涉及一種混合定位方法。
【背景技術】
[0002]隨著無線網絡的普及和應用，現在對於無線網絡的應用到處可見，目前比較常見的無線網絡是WIFI無線網絡，並且數據機、路由器等設備也都基本上帶有無線功能，一些商場、辦公樓、教學樓等內部都會有WIFI無線網絡的覆蓋，WIFI無線網絡的普及為室內定位提供了良好的條件。
[0003]目前在室外定位中，GPS已經提供了比較成熟的定位技術，但是對於室內定位來說，由於受到建築物的遮擋，衛星信號無法穿透建築物，使得GPS無法很好地對室內進行定位。這也引發了對室內定位技術的研究，其中使用無線信號來進行室內定位已經成為了一項研究熱點，並以此來彌補GPS不能對建築內部定位的缺陷。如同GPS定位系統需要衛星作為信號發射器一樣，室內定位同樣需要具有發射信號的設備裝置，而室內定位所需要的信號發射裝置通常是比較常見的無線接入點(AP，Access Point)。
[0004]在無線室內定位技術中，使用信號強度來進行定位的技術主要分為兩類，一類是使用信號傳播特性，即信號隨著傳播距離的增加而衰減，對信道進行建模，這樣就能夠根據接收到的信號強度值來計算出接收設備和發送端之間的距離，並且在已經知道發射器位置的情況下，進一步計算來獲得接收處的具體位置，例如三邊定位技術。然而由於室內建築結構的複雜性，又由於信號傳播具有反射、衍射等多徑效應的傳播特性以及傳播噪聲、信道之間的相互幹擾等作用，使得很難構建出比較準確的信號傳播模型，因此也難以得到比較理想的定位結果。另一類是稱作位置指紋的定位技術，通過採集具體位置信號強度值作為位置指紋並且用預處理過的信號強度值來構建指紋資料庫，此技術不僅能夠很好的規避信號傳播的多徑效應而且無需對複雜信道進行建模。採用計算信號距離的方法中，通常包括快速AP匹配算法和K最鄰近算法。快速AP匹配算法速度快，資源消耗少，但是定位精度較低，當行動裝置使用的是高解析度電子地圖時，定位誤差較大。K最鄰近算法定位更加精確，但是速度較慢，需要消耗較多的資源，手機等行動裝置作為典型的嵌入式系統，受到處理能力、存儲資源、電源有限等條件限制，要求運行在其上的嵌入式軟體儘量小巧，不能佔用大量資源。綜上所述，不管是快速AP匹配算法還是K最鄰近算法都存在各自的缺點，現有技術中單純使用其中一種算法來進行定位的方式無法避免算法自身存在的缺點。
【發明內容】
[0005]本發明鑑於上述情況而作出，其目的是提供一種混合定位方法，能夠根據不同的地圖解析度自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
[0006]本發明提供一種混合定位方法，包括:
[0007]根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位。[0008]所述快速模式以離線方式工作，使用快速AP匹配方法進行定位。
[0009]所述精準模式以在線方式工作，通過定位伺服器進行定位。
[0010]進一步地，所述根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位包括:
[0011]判斷當前使用的電子地圖的解析度，如果所述電子地圖是低解析度地圖，選擇通過快速模式定位，如果所述電子地圖是高解析度地圖，選擇通過精準模式定位。
[0012]進一步地，所述使用快速AP匹配方法進行定位包括:
[0013]採集一次待定位點的實時WIFI信號值數據。
[0014]根據本地保存的稀疏採樣指紋資料庫通過快速AP匹配算法計算待定位點的位置。
[0015]進一步地，在所述使用快速AP匹配方法進行定位之前還包括:
[0016]為每一個參考點分別對每個AP進行至少I次WIFI信號採集。
[0017]計算AP在參考點處的信號向量。
[0018]以所有參考點的信號向量構建所述稀疏採樣指紋資料庫。
[0019]進一步地，所述通過定位伺服器進行定位包括:
[0020]採集多次待定位點的實時WIFI信號值數據。
[0021]向定位伺服器發送封裝有所述實時WIFI信號值數據的定位請求。
[0022]定位伺服器根據結合支持向量機的權值K最鄰近定位算法計算待定位點的位置。
[0023]定位伺服器返回待定位點的位置。
[0024]進一步地，在所述通過定位伺服器進行定位之前還包括:
[0025]為每一個參考點分別對每個AP進行多次WIFI信號採集。
[0026]計算AP在參考點處的信號向量。
[0027]以所有參考點的信號向量構建採樣指紋資料庫。
[0028]根據採樣指紋資料庫進行多分類器訓練。
[0029]進一步地，所述定位伺服器根據結合支持向量機的權值K最鄰近定位算法計算待定位點的位置包括:
[0030]根據多分類器對所述實時WIFI信號值分類並獲得一個全局投票向量。
[0031]從所述全局投票向量中選出最優的多個參考點的投票值組成最優投票向量。
[0032]根據權值K最鄰近算法來計算出待定位點的位置。
[0033]進一步地，所述根據採樣指紋資料庫進行多分類器訓練包括:
[0034]將所述採樣指紋資料庫中所有參考點的位置指紋作為訓練樣本集。
[0035]分別將所述位置指紋按照一對一的方式兩兩訓練分類器。
[0036]生成分類器模型。
[0037]保存所述分類器模型。
[0038]進一步地，所述將所述位置指紋按照一對一的方式兩兩訓練分類器包括:
[0039]將兩組不同的參考點處的位置指紋分別給予一個不同的標籤並組成一組訓練數據集。
[0040]隨著懲罰係數及核參數的指數性增長進行交叉驗證尋優。
[0041]每次尋優後記錄最優分類結果對應的懲罰係數及核參數。[0042]將最優的兩個參數作為該分類器的懲罰係數及核參數。
[0043]優選的，所述採集多次待定位點的實時WIFI信號值數據為4次。
[0044]優選的，所述向定位伺服器發送封裝有所述實時WIFI信號值數據的定位請求為HTTP請求。
[0045]本發明能夠根據不同的地圖解析度自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
【專利附圖】
【附圖說明】
[0046]圖1是本發明的一種混合定位方法的流程示意圖；
[0047]圖2是本發明的一種混合定位方法的第一流程示意圖；
[0048]圖3是本發明的一種混合定位方法的第二流程示意圖；
[0049]圖4是本發明的一種混合定位方法的第三流程示意圖；
[0050]圖5是本發明的一種混合定位方法的第四流程示意圖；
[0051]圖6是本發明的一種混合定位方法的第五流程示意圖；
[0052]圖7是本發明的一種混合定位方法的第六流程示意圖；
[0053]圖8是本發明的一種混合定位方法的第七流程示意圖；
[0054]圖9是本發明的一種混合定位方法的第八流程示意圖；
[0055]圖10是本發明的實施例的參考點及AP部署示意圖；
[0056]圖11是本發明的實施例的分類器訓練示意圖。
【具體實施方式】
[0057]為使本發明的目的、技術方案和優點更加清楚明了，下面結合【具體實施方式】並參照附圖，對本發明進一步詳細說明。應該理解，這些描述只是示例性的，而並非要限制本發明的範圍。此外，在以下說明中，省略了對公知結構和技術的描述，以避免不必要地混淆本發明的概念。
[0058]本發明提供一種混合定位方法，能夠根據不同的地圖解析度自動地選擇不同的定位方法，既能夠滿足不同的定位需求又克服了不同定位方法的缺點。
[0059]一種混合定位方法，包括:
[0060]根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位。
[0061]所述快速模式以離線方式工作，使用快速AP匹配方法進行定位。
[0062]所述精準模式以在線方式工作，通過定位伺服器進行定位。
[0063]如圖1所示，判斷地圖解析度的高低，如果地圖解析度高，採用SVM-WKNN(SupportVector Machine-Weighted K-Nearest Neighbor algorithm,結合支持向量機的權重 K 最鄰近結點算法)算法對實測信號S= (SljooojSn)進行聯機定位，獲得定位結果；如果地圖解析度低，採用快速AP匹配算法對實測信號S = (S1,。。。，Sn)進行單機定位，獲得定位結果。
[0064]如圖2至圖9所示，根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位包括:
[0065]步驟SlOl，判斷當前使用的電子地圖的解析度。
[0066]步驟S102，如果所述電子地圖是低解析度地圖，選擇通過快速模式定位。[0067]步驟S103，如果所述電子地圖是高解析度地圖，選擇通過精準模式定位。
[0068]其中，步驟S102與步驟S103並無必然的先後順序，其是由不同條件觸發的。
[0069]步驟S102中，使用快速AP匹配方法進行定位包括:
[0070]步驟S201，採集一次待定位點的實時WIFI信號值數據。
[0071]步驟S202，根據本地保存的稀疏採樣指紋資料庫通過快速AP匹配算法計算待定位點的位置。
[0072]在步驟S201之前還包括:
[0073]步驟S301，為每一個參考點分別對每個AP進行至少I次WIFI信號採集。
[0074]步驟S302，計算AP在參考點處的信號向量。
[0075]步驟S303，以所有參考點的信號向量構建所述稀疏採樣指紋資料庫。
[0076]步驟S103中，通過定位伺服器進行定位包括:
[0077]步驟S401，採集多次待定位點的實時WIFI信號值數據。
[0078]步驟S402，向定位伺服器發送封裝有所述實時WIFI信號值數據的定位請求。
[0079]步驟S403，定位伺服器根據結合支持向量機的權值K最鄰近定位算法計算待定位點的位置。
[0080]步驟S404，定位伺服器返回待定位點的位置。
[0081]在步驟S401之前還包括:
[0082]步驟S501，為每一個參考點分別對每個AP進行多次WIFI信號採集。
[0083]步驟S502，計算AP在參考點處的信號向量。
[0084]步驟S503，以所有參考點的信號向量構建採樣指紋資料庫。
[0085]步驟S504，根據採樣指紋資料庫進行多分類器訓練。
[0086]步驟S403具體包括:
[0087]步驟S601，根據多分類器對所述實時WIFI信號值分類並獲得一個全局投票向量。
[0088]步驟S602，從所述全局投票向量中選出最優的多個參考點的投票值組成最優投票向量。
[0089]步驟S603，根據權值K最鄰近算法來計算出待定位點的位置。
[0090]步驟S504具體包括:
[0091]步驟S701，將所述採樣指紋資料庫中所有參考點的位置指紋作為訓練樣本集。
[0092]步驟S702，分別將所述位置指紋按照一對一的方式兩兩訓練分類器。
[0093]步驟S703，生成分類器模型。
[0094]步驟S704，保存所述分類器模型。
[0095]步驟S702具體包括:
[0096]步驟S801，將兩組不同的參考點處的位置指紋分別給予一個不同的標籤並組成一組訓練數據集。
[0097]步驟S802，隨著懲罰係數及核參數的指數性增長進行交叉驗證尋優。
[0098]步驟S803，每次尋優後記錄最優分類結果對應的懲罰係數及核參數。
[0099]步驟S804，將最優的兩個參數作為該分類器的懲罰係數及核參數。
[0100]實施例
[0101]如圖10所示，根據定位場景部署參考點901及AP902，參考點901兩兩間隔為1.2m，圖中共有 AP1, AP2, AP3 和 AP4 四個 AP。
[0102]根據部署的參考點，為每一個參考點採集訓練信號樣本集，信號樣本集中每一個樣本都是按照信號向量SV = (S1, S2, , Sn)的格式採集，每個參考點均採集40個樣本組成信號樣本集(即向量SV中η = 40)，按照參考點編號標識保存於伺服器上的一個文件中。當所有參考點處的信號樣本集都採集完成後，所有的文件就組成了定位所需要的指紋資料庫。其中，信號採集的偽代碼如下:
[0103]
【權利要求】
1.一種混合定位方法，其特徵在於，包括: 根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位； 所述快速模式以離線方式工作，使用快速AP匹配方法進行定位； 所述精準模式以在線方式工作，通過定位伺服器進行定位。
2.根據權利要求1所述的方法，其特徵在於，所述根據定位需求自動地選擇通過快速模式定位或者通過精準模式定位包括: 判斷當前使用的電子地圖的解析度，如果所述電子地圖是低解析度地圖，選擇通過快速模式定位，如果所述電子地圖是高解析度地圖，選擇通過精準模式定位。
3.根據權利要求1所述的方法，其特徵在於，所述使用快速AP匹配方法進行定位包括: 採集一次待定位點的實時WIFI信號值數據； 根據本地保存的稀疏採樣指紋資料庫通過快速AP匹配算法計算待定位點的位置。
4.根據權利要求3所述的方法，其特徵在於，在所述使用快速AP匹配方法進行定位之前還包括: 為每一個參考點分 別對每個AP進行至少I次WIFI信號採集； 計算AP在參考點處的信號向量； 以所有參考點的信號向量構建所述稀疏採樣指紋資料庫。
5.根據權利要求1所述的方法，其特徵在於，所述通過定位伺服器進行定位包括: 採集多次待定位點的實時WIFI信號值數據； 向定位伺服器發送封裝有所述實時WIFI信號值數據的定位請求； 定位伺服器根據結合支持向量機的權值K最鄰近定位算法計算待定位點的位置； 定位伺服器返回待定位點的位置。
6.根據權利要求5所述的方法，其特徵在於，在所述通過定位伺服器進行定位之前還包括: 為每一個參考點分別對每個AP進行多次WIFI信號採集； 計算AP在參考點處的信號向量； 以所有參考點的信號向量構建採樣指紋資料庫； 根據採樣指紋資料庫進行多分類器訓練。
7.根據權利要求6所述的方法，其特徵在於，所述定位伺服器根據結合支持向量機的權值K最鄰近定位算法計算待定位點的位置包括: 根據多分類器對所述實時WIFI信號值分類並獲得一個全局投票向量； 從所述全局投票向量中選出最優的多個參考點的投票值組成最優投票向量； 根據權值K最鄰近算法來計算出待定位點的位置。
8.根據權利要求6所述的方法，其特徵在於，所述根據採樣指紋資料庫進行多分類器訓練包括: 將所述採樣指紋資料庫中所有參考點的位置指紋作為訓練樣本集； 分別將所述位置指紋按照一對一的方式兩兩訓練分類器； 生成分類器模型； 保存所述分類器模型。
9.根據權利要求8所述的方法，其特徵在於，所述將所述位置指紋按照一對一的方式兩兩訓練分類器包括: 將兩組不同的參考點處的位置指紋分別給予一個不同的標籤並組成一組訓練數據集; 隨著懲罰係數及核參數的指數性增長進行交叉驗證尋優； 每次尋優後記錄最優分類結果對應的懲罰係數及核參數； 將最優的兩個參數作為該分類器的懲罰係數及核參數。
10.根據權利要求5至9任意一項所述的方法，其特徵在於，所述採集多次待定位點的實時WIFI信號值數據為4次；所述向定位伺服器發送封裝有所述實時WIFI信號值數據的定位請求為HT TP請求。
【文檔編號】H04W64/00GK104039008SQ201410209161
【公開日】2014年9月10日 申請日期:2014年5月16日 優先權日:2014年5月16日
【發明者】劉海濤, 陸小青 申請人:南京大學