[发明专利]WiFi室内定位中指纹库的构建方法及系统

说明书

技术领域

本发明属于WiFi室内定位领域，尤其涉及一种WiFi室内定位中指纹库的构建方法及系统。

背景技术

近年来，随着无线局域网WLAN（WirelessLAN）的大规模部署和自带WiFi（接收无线信号）的智能手机的普及，基于WiFi的室内定位受到广泛关注。WiFi射频信号定位不仅传输距离远、无视距要求，而且无需增加额外的硬件布设，相对于其他几种定位技术优势明显，成为当今室内定位的研究热点。

基于WiFi的定位技术主要采用基于位置指纹的方法来实现。定位过程分为离线训练和在线定位两个阶段。在离线训练阶段，首先将实际应用场景按一定的间距划分为规则的网格，如附图1所示，AP是发射射频信号的接入点（AccessPoint，AP），RP是接收射频信号的参考点（ReferencePoint，RP）然后在每个网格上采集一定数量的射频信号强度信息，构建出射频地图（RadioMap）；在在线定位阶段，根据待定位目标实时观测到的射频信号强度信息，通过与射频地图中的信号强度进行匹配，从而实现对待测目标的定位。这类方法将射频信号强度看作是对应位置信号模式在信号强度空间中的特征，而实际位置看作是这种模式的真实标记（Lable），把实际位置对应的信号强度看作是位置指纹。总之，这种方法是在事先学习某个位置和对应的信号强度的对应关系的基础上，推理实际测量目标的位置信息实现定位的。

因此，构建精确的射频地图是WiFi指纹定位方法的重要环节，直接关系到定位结果的好坏。结合附图1，现有射频地图的构建方法如下：

步骤一：对于某一RP_i(x_i,y_i)(i＝1,2,...,m)接收到来自某一确定AP_j(j＝1,2,...,n)的k（一般地，k≥30）次RSS（ReceivedSignalStrength，接收信号强度）值RSS＝{RSS₁,RSS₂,…,RSS_k}。

步骤二：对RSS＝{RSS₁,RSS₂,…,RSS_k}的k次RSS数据，求算数平均值或加权平均值（也称为数据平滑）后所得的值作为RP_i接收到的AP_j的信号强度值，存储为RSS_ij。

步骤三：依照上述两步骤，可以构建RP_i接收来自n个AP的信号强度{RSS_i1,RSS_i2,…,RSS_ij,…,RSS_in}，结构如下所示：

某一RP_i收集到的n个AP的WiFi信号

其中(x_i,y_i)是RP_i的坐标，Name_j是AP_j的名字，MAC_j是AP_j的MAC地址，RSS_j是RP_i接收来自AP_j的信号强度值经数据平滑后的结果。

步骤四：将所有RP（m个）接收来自n个AP的信号强度值经上述数据平滑后的结果依照步骤三所述格式进行存储，可以得到m个上述形式的数据存储形式，构成数据库，也称为指纹库。

构建指纹库后，在实际定位时，待测点MP接收来自n个AP的RSS值，存储为RSS_MP＝{RSS₁,RSS₂,…,RSS_n}，将RSS_MP与进行匹配，将最匹配一个RP位置的或者几个RP位置的几何中心作为MP的位置。

在上述步骤二中，对得到的k次信号强度值RSS求算数平均值和加权平均值的过程称为数据平滑的过程。而现有的平滑方法主要有：

（1）求算数平均值法

针对步骤二所述的RSS＝{RSS₁,RSS₂,…,RSS_k}求算术平均值：