[发明专利]基于多维特征融合的自适应位置指纹定位方法

说明书

技术领域

本发明涉及移动互联网技术领域，尤其涉及一种基于多维特征融合的自适应位置指纹定位方法。

背景技术

随着移动互联网的快速发展，基于位置服务的需求倍受人们关注，特别是在大型、复杂、动态多变的室内场景，位置服务(LBS)日渐成为人们生活工作中必不可少的一部分，位置服务信息有助于对网络中突发事件进行事前预警、事中决策以及事后处理。例如，无线网络位置服务用于煤矿井下定位，可以在灾难发生前预知危险区域，灾难发生时，可以获取一条逃离路径，灾难发生后，可以及时采取有效措施进行补救。又如办公区域，工作人员可以迅速找到最近位置的打印机，因此，位置服务的贡献巨大，具有广泛的应用前景，人们对此有着广泛的需求。

但是，卫星信号在地表的强度很微弱，很容易被楼宇建筑阻挡或散射，通常不能穿透建筑墙体，人体对其阻碍也特别大，无法进入室内，因此会出现很多室内定位盲区，导致卫星定位系统在室外能有效地工作，而导致人们常常工作和活动的室内场所无法定位。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于多维特征融合的自适应位置指纹定位方法。

本发明通过以下技术方案来实现上述目的：

本发明包括以下步骤：

(1)基于内容的定位过程：

1.1在定位区域设置n个参考点，以一定长度作为采样间隔，例如：将定位区域划分为2m*2m的小栅格，每个栅格作为参考点，智能手机可以通过摄像头可以记录栅格对应的图片或者视频，从而通过图片或者视频特征得到周围的内容，用于基于内容的定位；

1.2对每个栅格参考点的内容进行图片特征提取，形成特征向量C_i，并组成特征向量集合C＝{C₁,C₂,...,C_n}。图片特征常见的有颜色、纹理、形状、空间关系等，所以通常也会用特征矩阵来描述；

1.3当未知节点根据内容进行定位时，将其与所有栅格的特征向量进行比较得到二者的相似度，相似度越高说明距离越接近，那么未知节点通过基于内容的定位匹配到相似度最高的参考栅格内，进而得到其粗坐标。

(2)多维特征位置指纹的构造：

2.1在定位区域设置n个参考点，以一定长度作为采样间隔，例如：将定位区域划分为1m*1m的小栅格，在每个栅格的顶点作为参考点，部署m个AP并将其进行编号，所有参考点的位置集合为：L＝{l₁,l₂,...,l_n}，其中L_i＝{x_i,y_i}为第i个参考点的位置坐标i＝1,2,...,n；

2.2特征数据采集：采集RSS、磁场强度、加速度。在参考点处记录接收到的WIFI的RSS数据和该位置的磁场强度数据，进行数据采集时，手机终端打开WIFI，由于信号强度与方向有关系，因此在每一个参考点的位置通过调整手机位置朝向，开始循环的记录在定位区域内接收到的m个WIFI的RSS数据序列和磁场强度序列以及加速度，当关闭RSS数据采集时，数据自动存储在本地目录中，可以将文件导出，然后进行数据的分析和处理，同时还可以扫描到多个WIFI的各种信息，WIFI名称、MAC地址；

2.3、指纹数据预处理；根据步骤2.2采集的RSS数据，由于环境中往往存在多径、散射、障碍物、电磁干扰等不稳定因素，使得RSSI值不稳定，具有较大的波动性；实际使用中，需要对测得的多个RSSI值进行滤波优化处理，得到优化后的RSSI值，再进行定位计算；结合卡尔曼滤波和递推平滑滤波对数据进行处理，递推平滑滤波是把连续接收到的N个RSSI值看成一个队列，队列的长度固定为N，每次接收到一个新的RSSI值后放入队尾，并扔掉原来队首的一个RSSI值，形成新的RSSI队列；

然后再通过卡尔曼滤波，以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计，在一定程度上削弱由于噪声造成的RSSI观测值偏离，经过卡尔曼滤波算法使数据稳定性更好；