[发明专利]一种基于组合排序分类的位置指纹定位方法

说明书

技术领域

本发明涉及一种基于组合排序分类的位置指纹定位方法，属于室内定位与导航技术领域。

背景技术

随着科技的进步和社会的发展，对象的定位已经成为交通、安全、医疗等行业关注的焦点。如通过GPS(Global Positioning System)标签跟踪车辆位置、通过交通路口的摄像头捕捉实时交通流、百度地图软件、嘀嘀打车软件等都是定位技术的典型应用。然而在有些相对复杂的环境下，如室内、地下矿井、隧道、停车场等，现有的室外定位技术无法满足定位精度的要求。

随着WLAN技术的成熟，Wi-Fi网络的覆盖越来越广。尽管Wi-Fi技术的设计初衷并不是为了定位，但是在IEEE802.ll标准中，无线网卡或AP的电路能够测量接收信号强度指示（RSSI，Received Signal Strength Indicator）。根据无线信道的传输模型，接收信号的强度值在一定程度上能反应传输距离，因此绝大多数的Wi-Fi定位系统都是利用RSS。Wi-Fi定位的算法主要分为两大类：三角形算法和位置指纹识别算法。因为基于位置指纹识别的无线定位不需要知道AP的位置和准确的信道模型，所以不管在具体实施上还是定位性能上，相比基于三角形算法的定位都具有较大的优越性。

位置指纹识别算法依靠的是预先建立起来的位置指纹数据库进行识别，主要分为学习阶段和定位阶段。在学习阶段首先选择合理的参考点分布，接着依次在所有参考点上测量来自不同AP的RSS值，并将以上信息存入位置指纹库。在定位阶段，将在待测点上测量到的周围AP的RSS值与位置指纹库中数据按照一定的算法匹配，计算出最终的位置坐标。常用的匹配算法有最邻近算法（Nearest neighbor in Signal Space，NNSS）、K-最邻近算法（KNNSS）等。

然而，不管是NNSS算法还是KNNSS算法，其原理都是通过计算待定位点的信号强度值向量和所有样本点的信号强度值向量的距离来得到最终的定位结果的。该方法存在一个明显的缺点：计算复杂度会随着定位区域面积和信号源个数的增加而增加。因此，定位面积比较大的环境下，传统的定位算法具有很高的复杂度，造成定位时间太长而影响定位的实时性。

发明内容

针对现有技术的不足，本发明提出了一种基于组合排序分类的位置指纹定位方法。该定位方法适合大型室内定位环境，该定位方法的原理是，首先在学习阶段，将所有参考点的位置指纹库按照组合排序规则分为多个子类；在定位阶段，将待测点接收到的信号强度值向量按照相同的规则进行类别判定，找出其对应子类，然后运用KNNSS从该子类中计算出定位结果。

本发明的技术方案如下：

一种基于组合排序分类的位置指纹定位方法，包括步骤如下：

设室内定位环境中分布着M个无线AP信号源和N个平均分布在室内空间的参考点，为保证定位精度，防止偶然误差，室内定位环境中的每个位置都能接收到至少两个无线信号源发出的无线信号，并且无线信号强度大于-98dBm；确定分类时所选取有效信号源的个数为m，且m≤M；

步骤一：学习阶段

在室内定位环境中每一个参考点处采样Wi-Fi信号，并根据每个参考点接收到的信号强度值向量R＝[r_ap1,r_ap2......r_apM]建立位置指纹库，其中r_api表示该参考点接收到的第i个信号源的信号强度值；

步骤二：位置指纹库分类

首先设定参与分类的信号源个数的基准值m，针对每一个参考点的信号强度值向量，如果两个参考点R_i和R_j的信号强度值向量具同时满足以下条件，则将其归为同一子类：

1)R_i和R_j中前m大的信号强度值对应的信号源是同一信号源集合S_AP＝{AP₀,AP₁,AP₂......AP_m-1}，其中AP_i表示信号源编号；