[发明专利]基于区间重叠度分析优选AP的WiFi指纹定位方法

摘要

基于WiFi的室内指纹定位系统因其定位所需的计算能力要求和时间成本随着AP数量的增加而升高，因此通过AP选取减少冗余信息，降低计算量以及提升定位效率对物联网低资源的终端设备变得非常重要。随着城市区域内的无线AP越来越密集，WiFi室内指纹定位的AP优选难度增大。本发明公开了一种利用RSSI区间重叠度来区分指纹点实现AP优选的方法，通过对环境进行训练获取参数最优解，使得定位精度最优。

主权项

1.一种基于区间重叠度分析优选AP的WiFi指纹定位技术，其特征在于，包括以下步骤：步骤一，根据室内环境布局特点，进行指纹点位置规划，如确定指纹点的个数，指纹格网的大小等；步骤二，在步骤一规划好的指纹点处利用移动设备采集室内环境中各AP的RSSI信号值；步骤三，利用AP是否在每个指纹点处都能被检测到的原则进行聚类分析，将AP分成两类：第一类能在所有指纹点处被检测到，第二类不能在所有指纹点处被检测到，并将第一类作为粗选AP；步骤四，将步骤三粗选的AP的RSSI值用区间表示：提取出每个AP在不同指纹点处的RSSI信号序列的最大值和最小值，并用这个最大值和最小值构成的区间来表示该AP在当前指纹点处的RSSI信号特征；步骤五，本发明将数值区间的最大值与最小值之差称为区间长度，将两个数值区间的交集称为重叠区间，同一AP在不同的指纹点处有各自的RSSI数值区间，计算同一AP在任意两个不同指纹点处的RSSI数值区间的重叠区间的长度，由于两个数值区间的范围不一定相同，因此，两个RSSI数值区间的重叠区间有多种不同的情况：1)当数值区间A包含数值区间B，重叠区间就是数值区间B，其区间长度为数值区间B的区间长度；2)当数值区间B包含数值区间A，重叠区间就是数值区间A，其区间长度为数值区间A的区间长度；3)当数值区间A与数值区间B交集位于数值区间A(B)靠近区间下界(区间上界)位置时，重叠区间为数值区间B的上界和数值区间A的下界所组成的数值区间,其区间长度为数值区间B的上界减去数值区间A的下界；4)当数值区间A与数值区间B交集位于数值区间A(B)靠近区间上界(区间下界)位置时，重叠区间为数值区间A的上界和数值区间B的下界所组成的数值区间，其区间长度为数值区间A的上界减去数值区间B的下界；5)除以上四种情况之外的情况，都属于不存在重叠区间，其区间长度也为0；步骤六，计算同一AP在当前两个指纹点之间的区间重叠度；步骤七，不同的两个指纹点存在随机组合，因此需要将同一AP在所有不同指纹点对间的区间重叠度进行求和，求取一个总区间重叠度；步骤八，按照步骤五到步骤七将每个AP的总区间重叠度计算出来后，选取总区间重叠度最小的M个AP作为优选AP，M是一个经验值，用户可以自己设置或者通过对环境进行训练得到M的最优解；步骤九，在待定点上进行RSSI数据采集；步骤十，利用欧氏距离算法计算待定点与各指纹点之间的距离，选取K个距离最小的指纹点作为最紧邻指纹点，利用WKNN算法进行位置解算；步骤十一，此步骤属于环境训练用于获取当前环境中的参数(K值，M值)最优解，若已获得最优解，则此步骤可以省略，直接输出结果，此步骤的详细过程是：1)在环境中均匀设置一些测试点，记录这些测试点的真实位置；2)分别在这些测试点上进行RSSI信号采集；3)根据步骤八优选的AP进行如步骤十所示的位置解算；4)依次更改最紧邻指纹点个数和优选的AP个数，将所有不同取值组合下的所有测试点的平均定位精度计算出来，综合考量计算效率和定位精度的条件下确定最紧邻指纹点个数和优选的AP个数的最优解；步骤十二，当步骤十一的训练过程结束后，可直接将步骤十的结果进行输出。