基於雲端平臺系統的室內定位方法與流程
2023-05-11 19:07:07
本發明涉及室內定位技術領域，特別是一種基於雲端平臺系統的室內定位方法。
背景技術：
位置信息在人們的日常生活中扮演著重要的作用。首先是公共安全和應急響應，在緊急情況下，每一個人都想被救援人員精確定位到，大到建築物的位置，甚至是樓層或者房間號。其次，可以應用到手機購物、移動電子商務、個性化廣告/優惠信息。用戶會希望能夠直接獲取商店或者所需產品的位置。再次，室內定位在機場、醫院、大型商場、會展中心、大型停車場都可以有非常廣泛的應用。
最專業的定位系統是全球定位系統(globalpositioningsystem，gps)，包括軍事、執法、公交調度、計程車調度、物流、策劃在內的很多行業都是全球定位系統的用戶。隨著gps客戶端接收器體積越來越小，客戶端的精度越來越高，gps定位功能被廣泛的用到各行各業，一些智慧型手機、筆記本等移動終端甚至把gps功能作為其標配嵌入到終端。
隨著無線移動通信技術的快速發展，gps和蜂窩網絡相結合的a-gps(assistedglobalpositioningsystem)定位方式在緊急救援和各種基於位置服務(lbs，location-basedservices)中逐漸得到了應用。但由於衛星信號容易受到各種障礙物遮擋，gps/apgs等衛星定位技術並不適用於室內或高樓林立的場合，目前無線室內定位技術迅速發展，已成為gps的有力補充。
技術實現要素：
本發明需要解決的技術問題是提供一種基於wifi信號的室內移動終端定位方法。
為解決上述的技術問題，本發明的基於雲端平臺系統的室內定位方法，包括以下步驟，
步驟s101：訓練階段，建立一個坐標點與雲端ap信號強度向量的映射關係，從而建立一個指紋資料庫；
步驟s102：定位階段，根據匹配算法，將接收到的ap的rssi向量與指紋資料庫中的值進行匹配，找到一個合適的值返回坐標。
進一步的，步驟s101中通過腳本採集不同位置的信號並發送到伺服器。
更進一步的，腳本在每個位置上每隔4-6s採集一次數據，總共採集80-120此數據，並將數據上傳到伺服器上；採集後，對每個指紋特徵採用ap的rssi均值建立指紋資料庫。
進一步的，所述步驟s102中匹配算法是將餘弦相似性和nn算法相結合。
更進一步的，所述餘弦相似性是通過測量兩個向量內積空間的夾角的餘弦值來判定兩個向量之間的相似程度；餘弦值越接近1，其夾角越接近0，表示兩個向量越相似。
採用上述方法後，在通過rssi測距的實踐中，由於室內環境部署複雜，信號幹擾大，通過這種方法得到的結果經常偏差較大，本發明採用結合基於指紋資料庫及餘弦相似性的定位算法具有很好的準確性。
附圖說明
下面結合附圖和具體實施方式對本發明作進一步詳細的說明。
圖1為本發明基於雲端平臺系統的室內定位方法的示意圖。
圖2為本發明兩向量餘弦相似性的示意圖。
具體實施方式
如圖1所示，本發明的基於雲端平臺系統的室內定位方法，包括以下步驟，
步驟s101：訓練階段，建立一個坐標點與雲端ap信號強度向量的映射關係，從而建立一個指紋資料庫。步驟s101中通過腳本採集不同位置的信號並發送到伺服器。腳本在每個位置上每隔4-6s採集一次數據，總共採集80-120此數據，並將數據上傳到伺服器上；採集後，對每個指紋特徵採用ap的rssi均值建立指紋資料庫。本實施方式中通過腳本在每個位置上每隔5s採集一次數據，總共採集100次數據，並將數據上傳到伺服器上。採集後，我們對每個指紋特徵採用雲端ap的rssi均值如式(1)：
即對同一個雲端ap採集的多次數據取平均值，以此建立指紋資料庫。
步驟s102：定位階段，根據匹配算法，將接收到的ap的rssi向量與指紋資料庫中的值進行匹配，找到一個合適的值返回坐標。所述步驟s102中匹配算法是將餘弦相似性和nn算法相結合。
如圖2所示，兩個向量間的餘弦值可以根據歐幾裡得點積和量級公式推導得式(2)：
a·b＝||a||||b||cos(θ)(2)
由式(2)以及理論，我們可以得出相似度式(3)：
所述餘弦相似性是通過測量兩個向量內積空間的夾角的餘弦值來判定兩個向量之間的相似程度；餘弦值越接近1，其夾角越接近0，表示兩個向量越相似。我們採集到的雲端ap的信號強度值作為一個向量然後與指紋資料庫中的數據計算餘弦相似性，得到的值越接近1，代表越相似。
nn算法
測試點的rss觀測值為指紋資料庫中的已有記錄為其中n代表待測點上檢測到的不同雲端ap數；i∈[1，nt]，nt為資料庫中的記錄數；ni代表第i條記錄中存儲的不同雲端ap數，則nn算法可以表示成下述式(4)：
其中，||s-si||代表s和si之間的歐式距離。
室內定位影響因素：
1、首先，實際無線通信中同一個信號源，在同一空間的同一位置的無線信號強度被認為是服從高斯分布的。無線信號在空間傳播的理想情況是，空間位置距離信號源越近，則該點的信號強度就越強；空間位置離信號源越遠，則該點的信號強度就越弱，並且信號強度與空間傳播距離存在函數關係。
2、同頻幹擾；不同ap信號源的無線信號在空間同一位置的信號強度獨立存在，即一個信號源的無線信號存在與否和信號強弱均不會影響其它信號源的無線信號在該點的信號強度。這樣各個信號源的信號強度在空間同一位置的強弱被認為是概率學中的獨立事件，不同信號源之間的無線信號強度不會相互影響。由於不同的信號源的無線信號在空間分布相互獨立，並且信號源在空間給定位置的信號強度服從高斯分布，則可以使用聯合概率分布來描述多個接入點在空間無線信號的分布情況。
3、同一頻段不同設備之間的信道幹擾；由於整個ap的頻段都處於公共頻段，藍牙、工業2.4g無線通信、rdid、uwm超寬帶通信；
4、無線信號由於實際環境中存在反射和散射等現象，造成了多徑衰落，其他使用該頻段的設備相互幹擾等，使得相同信號源的無線信號在同一空間的同一位置上，其信號強度會隨著時間變化發生變化並不是一個確定值，具有一定的隨機性，但是服從高斯分布。
5、其次，使用基於信號強度的定位方法，定位伺服器必須保存定位環境中不同信號源在不同點的信號強度的分布情況，想要保存每一個點的信號強度的分布情況是不可能的，而定位環境中信號源在各個點的信號強度是服從高斯分布的，可以通過保存信號強度的高斯分布平均值與標準差，來想保存信號源在每個點信號強度的高斯分布的特徵並且儘可能的減少要保存的數據量。
定位環境中由於空氣的流動，溫度的變化，人員走動等原因，空間中每一個點測得的信號強度會隨時發生變化，同時收發天線的方向也能夠影響該點的信號強度，移動終端測得的信號強度值的隨機性比較大，對移動終端的信號強度採用的不同處理方法會影響定位誤差。為了達到減小定位誤差增加定位精確度的目的，我們採用概率模型的方法。在定位系統中建立概率模型。
最後，進行實時定位時，移動終端需要將收集到的各個不同信號源在該點的信號強度等定位數據，發送給定位伺服器，定位伺服器利用已經保存的定位環境中特定點的信號強度的高斯分布的平均值和標準差，根據在當前點實時測得的對應信號源的信號強度，去計算覆蓋當前點的所有信號源的聯合高斯分布概率。
這個概率值越大，表示移動終端當前位置越靠近定位伺服器已經保存的點。由於定位空間的連續性和定位伺服器存儲空間的有限性，將定位環境內所有點的信號強度的高斯分布特徵保存下束是不可能的。所以在定位環境中根據環境的特點選取一些特定的稱為訓練點，並將這些訓練點的信號強度的高斯分布特徵保存下來，使這些點成為定位移動終端的基準點，所有的定位結果都是以訓練點作為參考點來產生的。
對於每一個室內環境的無線區域網，首先構建無線信號強度分布圖，即構建信號強度經驗值資料庫。室內平面圖，ap位置，ap發射功率等均已確定，在移動終端可能出現的概率較大的地方分不同方向(天線具有一定的方向性)，多次採集信號強度，以此作為構建經驗值資料庫的數據。採集的數據格式如下：
(position_x，position_y，rssi，mac)(2)
其中，position_x，position_y是當前位置坐標，rssi是當前位置所收到的信號強度，mac是該ap點的mac地址，用來區分不同的ap點。
完成採集以後，對採集的值數據進行預處理，目標數據格式如下：
(position_x，position_y，rssi_avg，rssi_dev，mac)(3)
其中，position_x，position_y是當前位置坐標，rssi_avg是該ap的rssi均值，rssi_dev是該ap的rssi的標準偏差，mac是該ap點的mac地址。為了保存訓練點的信號強度高斯分前i的特徵，同時考慮到對這些數據的修改與更新的方便，使用資料庫來保存這些數據。
雖然以上描述了本發明的具體實施方式，但是本領域熟練技術人員應當理解，這些僅是舉例說明，可以對本實施方式作出多種變更或修改，而不背離本發明的原理和實質，本發明的保護範圍僅由所附權利要求書限定。