[发明专利]位置指纹室内定位系统及方法

说明书

本发明公开了位置指纹室内定位方法，方法包括如下步骤，步骤S1：对wifi强度信息进行离线训练处理，得到地图中位置的AP信息；步骤S2：根据地图中位置的AP信息进行在线训练处理，得到室内定位信息，解决了以往获取位置AP信号不稳定引起的数据误差和进行处理训练集信号的异常点问题。

技术领域

本发明涉及定位系统领域，特别是位置指纹室内定位系统及方法。

背景技术

目前的WiFi室内定位系统大多采用三角测量法定位，但是这种定位精度不及位置指纹库定位，目前主流的位置指纹定位是采用K-Means(K均值)算法，K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。在K-means算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化。这个初始聚类中心的选择对聚类结果有较大的影响，一旦初始值选择的不好，可能无法得到有效的聚类结果；若簇中含有异常点，将导致均值偏离严重即对噪声和孤立点数据敏感。

因此，基于目前高速发展的人工智能技术，提出一种修正高斯滤波和基于神经网络的WiFi室内定位系统，一方面，修正高斯滤波可以处理训练集信号中异常的数据点；另一方面，特征集完善的神经网络可以在定位阶段应对AP 信号不稳定造成的定位误差。WiFi采用802.11b标准，当时标准的提出并未考虑到WiFi用于室内定位，因此AP的RSSI随着时间变化波动较大，要想得到准确的定位数据，就需要对数据做预处理，否则对于神经网络的输入将会生成垃圾特征，系统中提出的修正高斯滤波能很好的处理信号波动的问题。另外神经网络相比于k-means不需要事先对初始信号分簇，只需要将经过预处理的信号输入网络，网络会自适应调节权重生成一个适用于新场景的新网络，有很好的复用性。

发明内容

为解决现有技术中存在的问题，本发明提供了位置指纹室内定位系统及方法，解决了以往获取位置AP信号不稳定引起的数据误差和进行处理训练集信号的异常点问题。

本发明采用的技术方案是，位置指纹室内定位方法，方法包括如下步骤，

步骤S1：对wifi强度信息进行离线训练处理；

步骤S2：对离线训练处理后的信息进行在线定位处理。

优选地，骤S1包括如下步骤：

步骤S11：对wifi强度信息进行AP布置，得到不同地点AP的BSSID地址及RSSI；

步骤S12：对不同地点AP的BSSID地址及RSSI进行数据采集得到采集后的信息；

步骤S13：将采集后的信息进行边缘AP滤波以得到修正好的RSSI；

步骤S14：对边缘AP滤波后的信息进行修正高斯滤波；

步骤S15：对修正好的RSSI进行监督式学习的bp神经网络训练，特征为地图点位所有RSSI信息，标签地图的坐标信息one-hot数据，训练得到健全的神经网络。

优选地，步骤S13包括如下步骤：

步骤S131：对原始信号进行分析，若出现时有时无的点，解析出消失点所占比例；

步骤S132：对于消失的点大于所设阈值的点进行边缘AP滤波；

优选地，步骤S15包括如下步骤：

步骤S151：把滤波后的RSSI信息作为输入层的特征向量，输出层为房间编号为坐标one-hot数据，隐藏层为将此训练模型进行训练，得到的网络为指纹库信息。

其中，m为输入层节点数，n为输出层节点数，a为1～10的数。

优选地，步骤S2包括如下步骤：