[发明专利]一种室内WLAN环境下的行人定位方法

说明书

技术领域

本发明涉及一种室内WLAN环境下的行人定位方法，属于计算机程序技术领域。

背景技术

现阶段室内WLAN环境中主要采用指纹定位算法来估计用户位置。位置指纹定位算法的原理如下：不同物理位置的接收信号强度具有复杂独特、可分辨的特性。根据这一特性，可以构建一个物理位置与RSSI值的映射关系数据库（radio map），当得到用户待测位置的RSSI值时，理论上即可估算出该RSSI值对应的物理位置。

通过原理可知，位置指纹定位算法的关键是能够在建立radio map时和定位时都可以精确测量RSSI值。radio map中的RSSI值主要是依靠人工在参考点位置经过静态测量大量RSSI数据再取均值获得，具有较高的精度和可信度。定位时如果用户处于静态则可以采用建立radio map时的方法来减少噪声与干扰获得可信度较高的RSSI值，但如果用户处于移动状态的话，就很难获得高精度的RSSI值。因为用户在移动时首先限制了待测位置的RSSI值的测量时间，这样就无法得到大量RSSI数据，也就无法采用平均法去除噪声干扰；其次由于用户移动，信号传播路径一直处于时变引起散射衍射和多径效应，使RSSI信号产生较大的波动；最后由于人体本身对无线信号接收会产生影响，也会对RSSI信号带来一定的干扰。

根据实验可知，利用位置指纹算法静态定位时定位精度可达到2米以内置信概率90%，RMSE仅为1.3m，而在用户移动时利用相同位置指纹算法定位，其定位精度降低到8米以内置信概率90%，而RMSE增加到6.7m。

随着当今时代无线网络的普及和移动终端的发展，人们依靠移动应用就能方便的获得基于位置的服务（Location Based Service，简称LBS）。位置信息俨然已经成为大数据、云计算、物联网、O2O等新技术新应用的基石。而想要提供QoE保证的基于位置服务，对用户的准确定位是关键所在。

定位技术主要分为室外与室内两种。室外定位技术相对成熟，主要有卫星导航定位系统和蜂窝定位系统。其中美国的全球定位系统（Global Positioning System，简称GPS）可以为地球表面98%的地区提供精确定位和时间校准。民用GPS系统的精度可以达到15米范围内。蜂窝定位系统要求定位精度为100米内置信概率不低于67%，300米内置信概率不低于95%。对于室外定位而言，数十米的定位精度是非常理想的，卫星导航定位与蜂窝定位完全可以满足室外定位的需要。

但是对室内定位而言，数米的定位精度才能支撑相关应用。为此学术界和工业界在室内定位领域采用不同技术开展了大量研究，研制了包括RFID定位系统、红外定位系统、蓝牙定位系统、ZigBee定位系统、超声波定位系统、视觉定位系统、声音识别定位系统、WLAN定位系统等等。这其中WLAN定位技术由于WLAN信号的普及而成为室内定位领域的研究热点。

离线采集与在线定位工作流程如图6所示。在离线采集阶段，采集人员手持智能手机等终端进入WLAN环境，在每一个参考点位置，记录下位置信息和指纹特征，将位置信息和指纹特征存储到位置指纹数据库中。如图中表格所示，即为位置指纹数据库所存储的三维位置信息和四维指纹特征。在在线定位阶段，定位人员手持智能手机等终端进入WLAN环境，记录其所在待测位置的指纹特征，将此指纹特征与位置指纹数据库中的指纹特征一起通过定位算法计算得到估算位置，即二维或三维空间坐标。

技术缺点1：抗干扰能力差。在室内复杂环境中由人体移动引入的噪声干扰使得采集到的RSSI信号与radio map中的信号有很大的差异，依据传统指纹定位的算法很难得到具备一定精度保证的用户位置。

技术缺点2：技术独立性差。为了提高定位精度，一些方法结合了除wifi芯片外的其他传感器如加速度传感器，方向传感器等提供的信息来修正定位结果，但这种方法增加了实现定位的代价并提高了设备成本。

技术缺点3：环境适应性差。在采集RSSI信号时，不同的移动速度和不同的采集设备都会引起采集到的RSSI信号在相同位置发生变化，这种变化会大大降低传统指纹定位算法的定位精度。

术语解释：

RSSI(Received Signal Strength Indicator):接收信号强度指示;

Radio map:位置指纹数据库，库中建立了定位区域物理位置与测量得到的RSSI值的映射关系;

RMSE(Root Mean Square Error):均方根误差;

HMM(Hidden Markov Model):隐马尔科夫模型;