[发明专利]基于手机传感器信息改进WiFi定位结果跳动的方法

说明书

技术领域：

本发明涉及的是基于手机传感器信息改进WiFi定位结果跳动的方法。

背景技术：

随着移动互联网时代的到来，各种智能手机迅速占领手机市场。由于每部智能手机都有WiFi功能，从而把WiFi推入热潮。因此利用广泛存在的WiFi网络对处于楼群密集或者室内定位目标进行定位成为最佳选择技术。通过WiFi网络进行定位可以弥补卫星定位在建筑密集和室内应用的限制，扩大定位服务的应用行业和范围，提高定位精度，降低部署成本，提高设备利用率。

现在基于WiFi定位最常用的方法是指纹识别方法。基于指纹识别的WiFi定位分为两个阶段：离线采样阶段和在线定位阶段。离线采样阶段的目标是构建一个关于信号强度与采样点位置间关系的数据库，也就是位置指纹的数据库。即需要在待定位区域里确定若干采样点，记录下在每个采样点测量的信号强度，最后将它们以某种方式保存在数据库中。在线定位阶段，当用户移动到某一位置时，根据用户实时收到的信号强度信息，利用定位算法将其与位置指纹数据库中的信息匹配、比较，计算出该用户的位置。然而该方法是基于绝对的信号强度值，复杂的室内环境容易造成WiFi信号的反射、折射、衍射等引起的多径效应以及WiFi硬件设施的不稳定直接导致了接收信号强度的不稳定性和时变性。

现有的运动状态检测方法主要分为三种：第一种是基于肢体位置标记的状态检测，第二种是基于多设备的状态检测，第三种是基于SVM的状态检测。

在第一种检测方法中，检测人员需要在人体的四肢关节位置和头部等固定一系列的标志物，然后通过部署在一个小型的室内环境中的各个方位的摄像机对关节上标记物的位置进行跟踪，随后把采集到的图像在计算机上运用图像处理的方法进行人体关节位置信息的提取、计算，进而分析人体的运动状态。

第二种方法中，检测人员需要在人体固定多个检测设备。例如加速度传感器、方向传感器等。数据采集的过程中，设备把采集到的数据发送到接收端，随后处理终端通过对传感器信号波形进行分析，计算获得人体运动的状态。

第三种方法中分为两部分,样本训练和状态识别。样本训练指在人员运动状态已知的情况下进行数据的采集分析，对各种运动状态进行特征提取，将不同状态对应的特征信息存入样本库中。状态识别指在实时判断时根据采集的数据来和样本库中的特征数据进行匹配，选择匹配程度最高的作为最终的运动状态判断结果。

第一种基于肢体位置标记的状态检测的方法是一种比较成熟的人体运动状态检测方法，但该方法需要高速摄像机对人体运动进行捕捉，如果摄像机捕捉速度不及时检测结果则会出现较大偏差。另外，此方法需要部署大量的摄像机，而且如果采用低质量的摄像机，检测结果可能会受四周光线等环境的影响比较大。总的来说，该方法成本高昂，并且仅能适用于小范围的室内环境，无法大规模地推广和使用。

第二种基于多设备的状态检测的方法需要在人体固定多个设备，这给使用者增添了额外的麻烦。其所佩戴的整套传感器设备成本较高，不适宜一般个人使用。另外，由于传感器本身没有计算能力，需要把数据通过网络传输到计算机再进行处理，不能做到便携、随时随地检测。

第三种基于SVM的状态检测的方法需要事先进行样本训练，而且对运动状态划分过细，达不到简单快捷的效果。

上述三种方法对运动状态划分过于细化，在算法上实现起来十分复杂。

发明内容：

本发明的目的在于克服现有技术的不足，提供基于手机传感器信息改进WiFi定位结果跳动的方法。

为了解决背景技术所存在的问题，本发明采用以下技术方案：

基于手机传感器信息改进WiFi定位结果跳动的方法，它包括以下步骤：

（1）传感器数据获取：设置一定的采样频率，采集手机三轴方向的加速度数据；

（2）数据处理与分析：对采集到的三轴加速度数据，采用特定的算法计算出对应的阈值；

（3）运动状态判定：根据计算出的阈值和运动状态的划分，判断出人员的运动状态；

（4）定位结果获取：根据人员的运动状态，获取最终的定位结果。

进一步的，在步骤（1）中，基于AndroidAPI提供的onSensorChanged（手机传感器变化时触发的事件）中的event.values（事件的对应返回值）方法获取手机三轴方向的加速度数据，采样频率为14Hz，两秒钟判断一次，采用三个队列x_i、y_i，z_i，其中i=1,2,…,28来记录三方向的加速度数据，这样当队列记录28个数据时的时间间隔大约为2s。