[发明专利]一种基于Wifi信号RSSI特征的室内定位方法、系统

说明书

本发明公开了一种基于Wifi信号RSSI特征的室内定位方法、系统，定位方法包括如下过程：接收室内环境中无线接入点的Wifi信号；对接收的Wifi信号的Wifi指纹文本化，根据所得文本得到包含距离特征的词向量空间，将词向量空间嵌入到Wifi指纹，并对Wifi指纹进行特征提取，得到融了和词向量特征的Wifi指纹特征空间；对Wifi指纹特征空间进行聚类，根据该Wifi指纹特征空间对应的指纹所在的簇确定该条WiFi指纹所在楼层的层数；根据Wifi指纹特征空间对应的WiFi指纹特征与GPS之间的映射关系得到在平面中的位置。本发明能够减少标注的成本并且能够保证安全和隐私。

技术领域

本发明属于室内定位技术领域，涉及一种基于Wifi信号RSSI特征的室内定位方法、系统、计算设备及存储介质。

背景技术

室内定位技术是指在室内环境下通过终端设备的无线信号从而确定终端室内的位置的技术，随着这些年物联网的发展逐渐成为LBS(Location Based Services，基于位置的服务)的基础，不同于室外定位已经很成熟的GPS方案，室内场景下例如商场、机场、超市、图书馆存在大量遮挡物和承重墙，GPS的误差较大不足以满足商用需求。

室内定位技术可采用无线信号包括Wifi、蓝牙、RFID等，但由于后两者需要大量的设备部署，而Wifi信号有着天然存在于室内环境中并抗干扰能力强等特点，并且成本和性能比较低。

传统的基于Wifi信号RSSI(信号接收强度)更多的通过一些数学方法，通过测量接入点AP(AccessPoint)之间距离再通过数学几何方法确定设备位置例如三角定位法，这类方法适应性较差，还随着场景的变化导致效果严重下降，并且还需要一些辅助传感器的介入。随着机器学习和深度学习这两年的快速发展，神经网络也被引入基于信号强度传播的定位模型中来提高定位精度，但其中多数以有监督学习为主，这带来的问题就是需要大量的成本进行Wifi数据的标注，相较于构建指纹库的方法也牺牲了一定的精度，而少数无监督的方法效果都无法达到商用的要求。同时无论哪种定位模型都要求设备上传并集中存储Wifi指纹信号，与之同时上传的包括一些设备的基础信息，可能造成用户的隐私安全问题。

发明内容

为解决现有技术中存在的问题，本发明的目的在于提供一种基于Wifi信号RSSI特征的室内定位方法、系统、计算设备及存储介质，本发明能够减少标注的成本、并且能够保证用户隐私。

本发明所采用的技术方案如下：

一种基于Wifi信号RSSI特征的室内定位方法，包括如下过程：

接收室内环境中无线接入点的Wifi信号；

对接收的Wifi信号的Wifi指纹文本化，得到文本，根据所述文本得到包含距离特征的词向量空间，将词向量空间嵌入到Wifi指纹并对该Wifi指纹进行特征提取，得到融了和词向量特征的Wifi指纹特征空间；

对Wifi指纹特征空间进行聚类，根据所述Wifi指纹特征空间对应的WiFi指纹所在的簇确定该条WiFi指纹所在楼层的层数；根据Wifi指纹特征空间对应的WiFi指纹特征与GPS之间的映射关系得到在平面中的位置。

优选的，楼层定位时，聚类得到的一簇与一楼层的WiFi指纹对应，把聚类结果与WiFi信号的标签集对应，应用匈牙利算法进行二分图的匹配，得到评估最终楼层分类结果。

优选的，根据Wifi指纹特征空间对应的WiFi指纹特征与GPS之间的映射关系得到在平面中的位置时，利用WiFi指纹特征与GPS之间的映射关系，得到WiFi指纹所在点的经纬度，根据经纬度确定WiFi指纹所在点在平面中的位置。

优选的，WiFi指纹特征与GPS之间的映射关系为加入正则化项的半监督回归函数。

优选的，根据所述文本得到包含距离特征的词向量空间时，将无线接入点的空间距离与文本中词向量与词向量之间的距离特征对应。