一种基于固定地标的室内定位系统指纹库构建方法包括:筛选出采样路径上在固定地标附近预定区域内的采样点,确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的物理相关性,选取所述固定地标附近预定区域内的最优短距离估计模型和确定所述采样路径中各个采样点的绝对坐标。本发明专利技术的技术方案有效地构建一个低成本、高精度的WiFi指纹库。
【技术实现步骤摘要】
【专利摘要】一种包括:筛选出采样路径上在固定地标附近预定区域内的采样点,确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的物理相关性,选取所述固定地标附近预定区域内的最优短距离估计模型和确定所述采样路径中各个采样点的绝对坐标。本专利技术的技术方案有效地构建一个低成本、高精度的WiFi指纹库。【专利说明】
本专利技术涉及室内定位系统指纹库构建方法,具体涉及一种基于固定地标的室内定 位系统指纹库构建方法。
技术介绍
随着移动互联网技术的快速发展,智能手机、平板电脑等智能移动设备的迅速普 及,基于用户室内位置的业务大量出现,包括路径寻找、多媒体位置标记、位置交友、针对 性地投放广告和优惠券发放以及给出符合用户兴趣点的建议等创新的业务。与基于GPS、 北斗、伽利略的室外定位系统不同,室内定位系统主要利用无线传感器网络(Wireless SensorNetwork,WSN)、RFID、红外线、超声波以及WiFi等技术,其中,基于WiFi的室内 定位技术正呈现出光明的应用前景。这种定位技术主要利用WiFi信号接入点(Access Point,AP)来获取用户位置,AP的高覆盖率是精确室内定位方案实现的前提。近年来,许多 场所如大型商场等的AP覆盖率正在逐步上升,这对基于WiFi的室内定位技术的发展提供 了便利。目前,基于WiFi室内定位技术的研究领域主要分有两个方向:定位算法与指纹库 构建,其中,定位算法的研究已经形成了一些具有通用性的算法,指纹库的构建仍存在较大 的研究空间。以往指纹库的建立都是由经过训练的专业人士进行操作的,这种指纹库的构 建方法需要消耗非常高的人力成本,不利于该定位技术的进一步发展。因此,如何有效地构 建一个低成本、高精度的WiFi指纹库是WiFi室内定位系统走进普通应用所必须面临和解 决的问题。 经对现有技术的文献检索发现,M.Alzantot和M.Youssef于2012年在the20* InternationalConferenceonAdvancesinGeographicInformationSystems发表了 "Crowdinside:automaticconstructionofindoorfloorplans"(2012 年ACM组织在 地理信息领域的会议,《人群参与:室内平面图的自动构建方法》),提出了利用同时定位映 射(SimultaneousLocalizationandMapping,SLAM)技术来解决无特征场所的RF地图建 立的问题。然而,此技术有依赖于智能手机的惯性传感器来识别地标的限制。识别地标所 采用的传感器配置选择,对跟踪精度及此类定位系统的可用性均有较大影响。
技术实现思路
本专利技术解决的技术问题是如何有效地构建一个低成本、高精度的WiFi指纹库。 为解决上述问题本专利技术技术方法提出了一种基于固定地标的室内定位系统指纹 库构建方法。 所述包括: 筛选出采样路径上在固定地标附近预定区域内的采样点,包括根据所述采样点与 固定地标的信号接收强度指示指纹信息计算两者之间的信号接收强度指示相似度,并结合 所述采样点的位移信息,得到所述固定地标附近预定范围内的采样点集合; 确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的 物理相关性,包括在所述采样点集合中,找到与所述固定地标距离预定距离的相关采样点, 并计算所述相关采样点与固定地标之间在信号接收强度指示空间上的距离,基于所述信号 接收强度指示相似度与物理距离之间的信号接收强度指示相关性,构建短距离估计模型; 选取所述固定地标附近预定区域内的最优短距离估计模型,包括建立至少一个短 距离估计模型函数,对所述采样路径中的部分路径进行训练,并统计每个路径与测量值之 间的误差,选择具有最小误差的短距离估计模型函数作为该固定地标的最优短距离估计模 型; 确定所述采样路径中各个采样点的绝对坐标,包括基于所述固定地标的最优短距 离估计模型,求解出所述固定地标与与其对应的采样路径中的采样点之间的欧氏距离,计 算所述固定地标与与其对应的采样点之间的在欧氏空间中的相对坐标,再根据所述固定地 标在欧氏空间中的全局坐标确定该固定地标对应的采样点在欧氏空间中的全局坐标,对该 固定地标对应的采样点所在的路径的后续采样点的坐标信息进行更新,将所述后续采样点 的坐标信息保存至云服务器端的数据库。 可选的,所述根据所述采样点与固定地标的信号接收强度指示指纹信息计算两者 之间的信号接收强度指示相似度包括:确定两个所述采样点之间或所述采样点与固定地标 之间的在信号接收强度指示空间中的距离Sinii,j, 【权利要求】1. 一种,其特征在于,包括: 筛选出采样路径上在固定地标附近预定区域内的采样点,包括根据所述采样点与固定 地标的信号接收强度指示指纹信息计算两者之间的信号接收强度指示相似度,并结合所述 采样点的位移信息,得到所述固定地标附近预定范围内的采样点集合; 确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的物理 相关性,包括在所述采样点集合中,找到与所述固定地标距离预定距离的相关采样点,并计 算所述相关采样点与固定地标之间在信号接收强度指示空间上的距离,基于所述信号接收 强度指示相似度与物理距离之间的信号接收强度指示相关性,构建短距离估计模型; 选取所述固定地标附近预定区域内的最优短距离估计模型,包括建立至少一个短距离 估计模型函数,对所述采样路径中的部分路径进行训练,并统计每个路径与测量值之间的 误差,选择具有最小误差的短距离估计模型函数作为该固定地标的最优短距离估计模型; 确定所述采样路径中各个采样点的绝对坐标,包括基于所述固定地标的最优短距离估 计模型,求解出所述固定地标与与其对应的采样路径中的采样点之间的欧氏距离,计算所 述固定地标与与其对应的采样点之间的在欧氏空间中的相对坐标,再根据所述固定地标在 欧氏空间中的全局坐标确定该固定地标对应的采样点在欧氏空间中的全局坐标,对该固定 地标对应的采样点所在的路径的后续采样点的坐标信息进行更新,将所述后续采样点的坐 标信息保存至云服务器端的数据库。2. 如权利要求1所述的,其特征在于, 所述根据所述采样点与固定地标的信号接收强度指示指纹信息计算两者之间的信号接收 强度指示相似度包括:确定两个所述采样点之间或所述采样点与固定地标之间的在信号接 收强度指示空间中的距离Simi, ,_,其中,Pi、Pj表示所述采样点,ΩΓ、Ω/>表示所述采样点Pi和采样点Pj处检测到的接入 点的集合,Θ表示所述采样点Pi与采样点&处均检测到的接入点集合,心、<表示Θ中 第m个接入点在Pi、处的信号接收强度指示值; 所述结合所述采样点的位移信息,得到所述固定地标附近预定范围内的采样点集合包 括计算各采样点与所述固定地标之间在信号接收强度指示空间中的距离,根据设定的信号 接收强度指示距离阈值得到临时采样点集合Ψ,即: Simi;J <SIMLEVEL; 其中,SIMLEVEL为设定的在信号接收强度指示空间中的信号接收强度指示距离阈值; 确定为米样点处位移本文档来自技高网...
【技术保护点】
一种基于固定地标的室内定位系统指纹库构建方法,其特征在于,包括:筛选出采样路径上在固定地标附近预定区域内的采样点,包括根据所述采样点与固定地标的信号接收强度指示指纹信息计算两者之间的信号接收强度指示相似度,并结合所述采样点的位移信息,得到所述固定地标附近预定范围内的采样点集合;确定所述固定地标覆盖范围内的信号接收强度指示指纹特征与物理距离之间的物理相关性,包括在所述采样点集合中,找到与所述固定地标距离预定距离的相关采样点,并计算所述相关采样点与固定地标之间在信号接收强度指示空间上的距离,基于所述信号接收强度指示相似度与物理距离之间的信号接收强度指示相关性,构建短距离估计模型;选取所述固定地标附近预定区域内的最优短距离估计模型,包括建立至少一个短距离估计模型函数,对所述采样路径中的部分路径进行训练,并统计每个路径与测量值之间的误差,选择具有最小误差的短距离估计模型函数作为该固定地标的最优短距离估计模型;确定所述采样路径中各个采样点的绝对坐标,包括基于所述固定地标的最优短距离估计模型,求解出所述固定地标与与其对应的采样路径中的采样点之间的欧氏距离,计算所述固定地标与与其对应的采样点之间的在欧氏空间中的相对坐标,再根据所述固定地标在欧氏空间中的全局坐标确定该固定地标对应的采样点在欧氏空间中的全局坐标,对该固定地标对应的采样点所在的路径的后续采样点的坐标信息进行更新,将所述后续采样点的坐标信息保存至云服务器端的数据库。...
【技术特征摘要】
【专利技术属性】
技术研发人员:徐超杰,黄正勇,夏俊,俞晖,
申请(专利权)人:上海交通大学,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。