[发明专利]一种基于地理指纹的室内被动定位方法

说明书

本发明公开了一种基于地理指纹的室内被动定位方法，应用于室内定位技术领域。包括：在移动终端为离线状态的情况下，利用接入点设备采集移动终端位于参考点处的接收信号强度值RSS，统计在一段时间内接入点设备采集到RSS值的先验概率；根据各参考点处的坐标位置、RSS值和先验概率构建地理指纹数据库；在移动终端为在线状态的情况下，测试移动终端在测试点处的RSS值；根据移动终端在测试点处的RSS值，基于先验概率最近邻算法将测试点与地理指纹数据库中的参考点进行匹配，确定移动终端的定位位置。本发明将先验概率应用于K最近邻算法中来实现定位，能够在同样时间复杂度和空间复杂度下提高定位精度。

技术领域

本发明涉及室内定位技术领域，具体地说，涉及一种基于地理指纹的室内被动定位方法。

背景技术

随着基于位置服务技术的发展，传统的室内定位系统如GPS等已经得到普遍的发展和运用。由于GPS信号在室内的微弱性，使得其并不能运用于室内定位服务中。因此，涌现出一大批室内定位技术，如射频识别技术(RFID)，蓝牙技术(BlueTooth)以及室内WLAN定位技术。随着无线通信技术的发展，目前室内普遍部署着无线局域网，因此，低成本低风险使得室内WLAN定位技术成为目前最为主流的技术。

现有的WLAN网络通常利用最近邻(Nearest Neighborhood,NN)分类算法在室内进行主动定位。但是，在利用最近邻分类算法在室内主动定位的过程中，由于环境改变，如障碍的距离、人体的活动以及周围附近的其他WLAN设备产生的干扰等使得接收到的RSS值产生非正态分布，甚至产生双峰值以及三峰值分布。而传统的最近邻算法中仅仅采用接入点AP(Access Point)接收到的信号强度RSS(Received Signal Strength)的均值进行计算，因此，具有较高的定位误差。

在公开号为CN101657014A，发明名称为“基于近邻概率法的WLAN室内定位方法”的专利申请中公开了一种基于近邻概率法的WLAN室内定位方法。其主要是利用K近邻法(KNearest Neighborhood,KNN)首先确定前q个具有较小欧几里得距离的参考点，而后根据这q个不同参考点的欧式距离差异来确定其不同位置的先验概率，从而解决现有室内概率定位方法中，先验概率不确定带来的定位偏差问题。这种根据计算定位点与参考点处的欧式距离，后根据欧式距离的差异性来得到不同参考点处的位置先验信息，仅仅是考虑到前q个参考点处的概率性但是没有将所有参考点纳入概率范围。因此，在室内复杂环境和人员流动场景中的RSS概率分布异常情况下，会导致的真实位置可能产生更大的欧式距离，因此可能会导致定位误差偏离。

这是由于在室内定位系统中，由于室内复杂变化环境和周围诸多同频段信号的干扰，基于地理指纹匹配采集的RSS值并不总是服从其真实分布，数据采集上的偏差导致算法精度性的下降。

因此，亟需一种能够在RSS值为非高斯分布的复杂环境中进行室内定位的方法。

发明内容

本发明的目的在于解决现有技术中在复杂环境下RSS值为非高斯分布时，室内定位不够精确的缺陷。

本发明提供一种基于地理指纹的室内被动定位方法，包括：

在移动终端为离线状态的情况下，利用接入点设备采集移动终端位于参考点处的接收信号强度值RSS，统计在一段时间内接入点设备采集到RSS值的先验概率；

根据各参考点处的坐标位置、RSS值和先验概率构建地理指纹数据库；

在移动终端为在线状态的情况下，测试移动终端在测试点处的RSS值；

根据移动终端在测试点处的RSS值，基于先验概率最近邻算法将测试点与地理指纹数据库中的参考点进行匹配，确定移动终端的定位位置。

在一个实施例中，在利用接入点设备采集移动终端位于参考点处的接收信号强度值RSS的步骤中，