一种基于WLAN无线信号强度的室内定位系统及方法

摘要

本发明涉及一种基于WLAN接收信号强度的室内定位系统，其特征在于它包括一个由智能终端设备、WLAN无线接入点和服务器端定位支撑平台组成的C/S系统架构；1）智能终端设备；2）WLAN无线接入点；3）服务器端定位支撑平台。本发明优点在于：(1)解决了当前室外定位技术特别是GPS技术无法提供室内定位服务的问题，为用户提供室内导航服务，并能有效处理室内突发事件；(2)以室内定位为契机提供基于位置的相关服务，挖掘室内商场潜在的商业价值。能够为用户提供室内导航服务，并协助处理室内突发事件，还能是室内商场的推荐和广告投放更趋精确化和有效化，产生可观的经济效益。

说明书

技术领域

本发明涉及一种室内定位方法，具体涉及一种基于WLAN无线 信号强度的室内定位系统及方法。

背景技术

近年来，随着无线通信网络的快速部署与智能终端设备(如智能 手机、平板电脑及可穿戴设备等)的不断普及，用户的情景上下文信 息特别是位置信息变得越来越重要，例如，基于位置信息可以实现室 内停车场的车辆导航或对大型商场的商品提供个性化导购服务；还可 以基于位置信息进行一系列的市场推广服务，如在百货商场为用户推 荐打折商品或者在展馆为游客推广展出的产品等。未来是移动互联网 的时代，据赛迪顾问(CCID)和长城战略咨询(GEI)2010年研究预 测：未来若干年我国导航与位置服务产业将保持至少30％至40％的增 长，2020年达到4000亿元。然而，由于GPS信号不能穿透建筑物 和基于蜂窝基站的定位精度过低，目前较发展较成熟的室外定位技术 均不能适用于室内定位；目前一些室内定位技术,如基于RFID、 ZigBee网络、蓝牙、红外或超声波等的室内定位技术解决方案，由 于受到无线信息非视距传播与多径效应等影响,或者受限于成本，均 不能提供较好的室内定位技术解决方案。基于超带宽的定位系统虽然 定位精度较高,但需要部署昂贵的通信基础设施难以大规模推广使 用；基于超声波的定位系统易受温度的影响；而基于视觉技术的室内 定位技术对图像处理的能力要求很高。总之，目前还没有一种有效的 室内定位技术能在满足定位精度和成本的条件下可以大规模推广使 用。

基于WLAN的室内定位技术成本优势明显，当前大规模普及的 WLAN网络使得不需要为定位服务重新部署定位设施,采用相同的底 层无线网络结构，利用WLAN无线接入点(简称AP)对智能终端设备进 行定位。该技术采用经验测试和信号传播模型相结合的方式，系统整 体定位精度可达米级，易于大规模推广使用。然而，目前大部分基于 WLAN的室内定位算法都采用无线AP接入点接收信号强度(简称RSSI) 作为指纹特征向量来进行定位,室内环境的复杂性使得基于RSSI的 指纹采集存在设备异构性问题,即对同一个室内位置不同设备采集的 RSSI指纹信息可能具有较大差别,从而极大地降低了基于WLAN室内 定位算法的定位精度。

发明内容

本发明所要解决的技术问题是：设计开发一种基于WLAN接收 信号强度的室内定位系统及方法，能够解决WLAN指纹定位技术中 存在的设备异构性问题，进而增强室内定位算法的鲁棒性并提高定位 精度。

为了解决上述技术问题，本发明采用以下技术方案：

一种基于WLAN接收信号强度的室内定位系统，其特征在于它 包括一个由智能终端设备、WLAN无线接入点和服务器端定位支撑 平台组成的C/S系统架构；

1)智能终端设备：通常由需要定位服务的用户进行携带，与WLAN 无线接入点及服务器端支撑平台进行通信，当用户需要定位服务时， 使用智能终端设备采集WLAN无线接入点的无线信号强度信息，并 将采集到的信号强度信息发送到服务器端定位支撑平台，然后接收服 务器端返回的定位估计信息；

2)WLAN无线接入点：与智能终端设备通过WLAN网络进行通信， 将有线网络转变为无线网络；

3)服务器端定位支撑平台：与智能终端设备通过移动网络或者WLAN 网络进行通信，负责储存位置指纹信息和计算定位结果，并将定位结 果反馈给用户。

所述的智能终端设备由显示器模块、处理器模块、通信模块和信 号采集模块组成，显示器模块用于向用户展示定位结果，处理器模块 用于控制无线信号采集及与服务器端的交互通信，通信模块用于与服 务器端及WLAN无线接入点进行通信，信号采集模块用于采集 WLAN无线接入点的信号强度；

所有的WLAN无线接入点都布置在室内空间的顶上或层间，用 于搭建室内空间的WLAN无线网络。

所述的服务器端支撑平台由位置指纹数据库、web服务器、定位 算法服务器和网络通信模块组成，位置指纹数据库用于存储离线阶段 采集的位置指纹信息，与定位算法服务器通过数据库连接组件进行通 信；web服务器用于与智能终端设备进行通信，接收智能终端设备发 送的位置指纹信息并将定位结果反馈给智能终端设备；定位算法服务 器根据智能终端设备采集的WLAN位置指纹信息评估用户的位置， 与web服务器通过HTTP协议进行通信；网络通信模块负责服务器端 与智能终端设备之间通信。

一种基于WLAN接收信号强度的室内定位方法，其特征在于它 包括以下步骤：

(A)在需要定位的室内空间使用智能终端设备收集WLAN无线接 入点的信号强度信息，并将该信息发送给服务器端用以构建位置指纹 数据库；

(B)服务器端完成初始化操作以开启定位服务，并监听客户端的定 位请求；

(C)用户发出定位请求后，智能终端设备采集要定位位置的指纹信 息并将该信息发送给服务器端；

(D)服务器端监听到用户的定位请求后，接收客户端的位置指纹信 息并使用在线定位算法估计用户的当前位置；

(E)服务器端将定位结果返回给客户端，并通过可视化的方式在用 户的智能终端设备上进行显示。

所述的室内定位方法分为离线位置指纹采集和在线定位估计两 个阶段，位置指纹被用于唯一的标记一个物理位置。

在线定位算法具体步骤如下：

a)使用智能终端设备采集该位置的WLAN无线接入点的信号强度， 可表示为其中，表示位置j采集到的第i个 WLAN无线接入点的信号强度，N表示WLAN无线接入点的数目；

b)对进行预处理，将R_j中不属于正常WLAN信号强度的值替换为 R_j中的最小值，尽量消除异常值对最后定位结果的影响；

c)由于在定位过程中，距离用户位置距离越近的WLAN接入点的 信号越稳定，故在定位过程中应该赋予更大的权重，权重计算方法 通过两步得到：

1)设Dist为位置指纹数据库中所有指纹与R_j的欧氏距离的集 合，如公式(1)所示：

${\mathrm{Dist}}_i=\left|\right|R_j-\overline{R_i}\left|\right|,1\le i\le M---\left(1\right)$

其中，M为位置指纹数据库中存储所有指纹的数目，是 指纹库中存储的第i个指纹；

2)选择Dist中最小的k个指纹作为加权候选者，设是第i个 候选位置指纹，计算的权重如公式(2)所示：

$w_{{\hat{R}}_i}=1/N\underset{i=1}{\overset{N}{\Sigma }}{w}_i---\left(2\right)$

其中，N为WLAN无线接入点的数目，w_i的计算如公式

(3)所示：

$w_i=1-\frac{|\mathrm{Index}\left({\hat{r}}_j^i\right)-\mathrm{Index}\left(x_j^i\right)|}{N},1\le i\le N---\left(3\right)$

在公式(3)中，表示在位置指纹R_j中比大的数 目，表示位置指纹中比大的数目；

d)根据候选指纹及步骤C中计算得到的权重进行定位估计，通过k 个候选指纹的加权均值作为最终的定位估计，如公式(4)所 示：

$L=1/k\underset{i=1}{\overset{k}{\Sigma }}{w}_i{L}_i---\left(4\right)$

其中，L_i为候选指纹中对应的空间位置坐标。

本发明研制的面向室内环境的定位系统及方法具有以下优点和 积极效果：

(1)解决了当前室外定位技术特别是GPS技术无法提供室内定位 服务的问题，为用户提供室内导航服务，并能有效处理室内突发事件。 例如，可以协助用户在室内环境(如大型商场或者停车场等)中进行 导航，减少用户达到目的地的花费时间。此外，室内定位还能协助处 理突发时间，如火灾或者地震等，帮助救援人员更快的发现需要救援 的目标；

(2)以室内定位为契机提供基于位置的相关服务，挖掘室内商场 潜在的商业价值。例如，当用户走过一个商店时，他携带的智能设备 可以及时显示该商店的折扣、优惠服务及礼品等信息，吸引用户的眼 球；或者在大型购物场所为用户提供个性化的推荐服务。

综上所述，采用本发明研制的室内定位系统及控制方法的好处主 要表现在：能够为用户提供室内导航服务，并协助处理室内突发事件， 还能是室内商场的推荐和广告投放更趋精确化和有效化，产生可观的 经济效益。同时，本发明也是物联网技术、移动通信技术和嵌入式技 术在室内环境应用的一个先例，具有很大的新颖性和实用性。

附图说明

图1是本发明的系统架构图

图2是本发明的定位算法结构图

图3是本发明的定位服务整体流程图

具体实施方式

图1是本发明系统组成结构框图。本发明包括以下三个部分：一 个由智能终端设备、WLAN无线接入点和服务器端定位支撑平台。

智能终端设备用于采集WLAN无线接入点的无线信号强度并与 服务器端通过移动网络或者WLAN网络通信。智能终端设备由显示 器模块、处理器模块、通信模块和信号采集模块组成，显示器模块用 于向用户展示定位结果，处理器模块用于控制无线信号采集及与服务 器端的交互通信，通信模块用于与服务器端及WLAN无线接入点进 行通信，信号采集模块用于采集WLAN无线接入点的信号强度；智 能终端设备通常由需要定位服务的用户进行携带，当用户需要定位服 务时，使用智能终端设备采集WLAN无线接入点的无线信号强度信 息，并将采集到的信号强度通过移动网络或者WLAN网络发送到服 务器端定位支撑平台，并随后接收服务器端返回的定位估计信息并以 可视化的方式向用户展示。此外，智能终端设备还用于在初始化阶段 采集室内环境的指纹并构建位置指纹数据库。目前普及的智能手机、 平板电脑或者个人数字助理等都可以作为智能终端设备。

WLAN无线接入点：与智能终端设备通过WLAN网络进行通 信，将有线网络转变为无线网络,所有的WLAN无线接入点都布置 在室内空间的顶上或层间，用于搭建室内空间的WLAN无线网络， 其作用为与智能终端设备通过WLAN网络进行通信，将有线网络转 变为无线网络。本发明主要使用一个物理空间点接收到的所有WLAN 无线接入点的信号强度作为该位置的唯一标记。

服务器端定位支撑平台(简称服务器端)：与智能终端设备通过移 动网络或者WLAN网络进行通信，负责储存位置指纹信息和计算定 位结果，并将定位结果反馈给用户。服务器端支撑平台由位置指纹数 据库、web服务器、定位算法服务器和网络通信模块组成，位置指纹 数据库用于存储离线阶段采集的位置指纹信息，与定位算法服务器通 过数据库连接组件如JDBC等进行通信；web服务器用于与智能终端 设备进行通信，接收智能终端设备发送的位置指纹信息并将定位结果 反馈给智能终端设备；定位算法服务器根据智能终端设备采集的 WLAN位置指纹信息使用在线定位算法估计用户的位置，与web服 务器通过HTTP协议进行通信，并将结果反馈给web服务器；网络通 信模块负责服务器端与智能终端设备之间通信。可使用移动网络或者 WLAN网络等通信措施。

图2是本发明的定位算法结构图。本发明的定位过程包括离线 位置指纹采集(离线训练)和在线定位估计两个阶段。离线位置指纹 采集(离线训练)阶段的目标是为室内环境构建一个位置指纹数据库， 系统部署人员在室内环境以一定的间隔遍历所有位置并记录每个参 考位置接收到的不同WLAN接入点的无线信号强度，将参考值点位 置坐标信息与位置指纹以一个相关联的二元组数据存储在服务器端 的位置指纹数据库中；定位阶段的目标是估计用户的当前位置并在用 户携带的设备上以可视化的方式展示。将用户发送的位置指纹信息作 为输入，使用在线定位算法估计位置。

参见图3，本发明室内定位方法具体实施步骤如下：

(A)在需要定位的室内空间使用智能终端设备收集WLAN无线接 入点的信号强度信息，并将该信息发送给服务器端用以构建位置指纹 数据库；

(B)服务器端完成初始化操作以开启定位服务，并监听客户端的定 位请求；

(C)用户发出定位请求后，智能终端设备采集用户当前要定位位置 的指纹信息并将该信息发送给服务器端；

(D)服务器端监听到用户的定位请求后，接收客户端的位置指纹信 息并使用在线定位算法估计用户的当前位置；

(E)服务器端将定位结果返回给客户端，并通过可视化的方式在用 户的智能终端设备上进行显示；

所述的室内定位方法分为离线位置指纹采集和在线定位估计两 个阶段，位置指纹被用于唯一的标记一个物理位置。

在线定位算法具体步骤如下：

a)使用智能终端设备采集该位置的WLAN无线接入点的信号强度， 可表示为其中，表示该位置采集到的第i个 WLAN无线接入点的信号强度；

b)对进行预处理，将R_j中不属于正常WLAN信号强度的值替换为 R_j中的最小值，尽量消除异常值对最后定位结果的影响；

c)由于在定位过程中，距离用户位置距离越近的WLAN接入点的 信号越稳定，故在定位过程中应该赋予更大的权重，权重计算方法 通过三步得到：

1)设Dist为位置指纹数据库中所有指纹与R_j的欧氏距离的集合， 如公式(1)所示：

${\mathrm{Dist}}_i=\left|\right|R_j-{\bar{R}}_i\left|\right|,1\le i\le M---\left(1\right)$

其中，M为指纹指纹中存储所有指纹的数目，是指纹

库中存储的第i个指纹；

2)选择Dist中最小的k个指纹作为加权候选者，设是第i个候选 位置指纹，计算的权重如公式(2)所示：

$w_{{\hat{R}}_i}=1/N\underset{i=1}{\overset{N}{\Sigma }}{w}_i---\left(2\right)$

其中，N为WLAN无线接入点的数目，w_i的计算如公式(3)所示：

$w_i=1-\frac{|\mathrm{Index}\left({\hat{r}}_j^i\right)-\mathrm{Index}\left(x_j^i\right)|}{N},1\le i\le N---\left(3\right)$

在公式(3)中，表示在位置指纹R_j中比大的数目，表示位置指纹中比大的数目；

d)根据候选指纹及步骤C中计算得到的权重进行定位估计，通过k 个候选指纹的加权均值作为最终的定位估计，如公式(4)所示：

$L=1/k\underset{i=1}{\overset{k}{\Sigma }}{w}_i{L}_i---\left(4\right)$

其中，L_i为候选指纹中对应的空间位置坐标。

d)根据候选指纹及步骤C中计算得到的权重进行定位估计，通过k 个候选指纹的加权均值作为最终的定位估计，如公式(4)所示：

$L=1/k\underset{i=1}{\overset{k}{\Sigma }}{w}_i{L}_i---\left(4\right)$

其中，L_i为候选指纹中对应的空间位置坐标。

下面以一个例子说明本发明定位过程的具体实施方式：

(1)离线位置指纹库采集

在一个部署有8个WLAN无线接入点(AP1～AP8)的室内环境中， 离线位置指纹采集信息构建的指纹库如表1所示，其中共有5个位置 (Loc1～Loc5)的位置指纹信息(单位是：dBm):

  AP 1 AP2 AP3 AP4 AP5 AP6 AP7 AP8 Loc 1 -64 -55 -53 -59 -53 -62 -67 -66 Loc 2 -69 -48 -56 -64 -71 -68 -48 -70 Loc 3 -62 -55 -66 -70 -71 -56 -55 -67 Loc 4 -60 -51 -48 -57 -62 -61 -48 -59 Loc 5 -60 -38 -39 -48 -62 -59 -38 -61

(2)在线定位估计

假设用户智能终端设备在该室内环境中的一个未知位置采集到 的位置指纹为：R_？＝{-50,-51,-53,-65,-63,-50,-63,-60}

A.根据最近邻算法(如公式1所示)计算，可得：

Dist_Loc1＝56，Dist_Loc2＝77，Dist_Loc3＝69

Dist_Loc4＝49，Dist_Loc5＝90

B.选择最小的3个位置指纹作为候选者，即选择Loc1，Loc3 与Loc4采集的位置指纹作为候选者。

C.计算候选者位置的权重向量，可得：

${\mathrm{Weight}}_{\mathrm{Loc}1}=(\frac{5}{8}+\frac{8}{8}+\frac{3}{8}+\frac{4}{8}+\frac{4}{8}+\frac{3}{8}+\frac{1}{8}+\frac{2}{8})/8=\frac{7}{16};$

${\mathrm{Weight}}_{\mathrm{Loc}3}=(\frac{3}{8}+\frac{6}{8}+\frac{7}{8}+\frac{7}{8}+\frac{6}{8}+\frac{7}{8}+\frac{3}{8}+\frac{7}{8})/8=\frac{23}{42};$

${\mathrm{Weight}}_{\mathrm{Loc}4}=(\frac{3}{8}+\frac{8}{8}+\frac{6}{8}+\frac{6}{8}+\frac{6}{8}+\frac{3}{8}+\frac{2}{8}+\frac{8}{8})/8=\frac{21}{32};$

D.设Loc1，Loc3与Loc4对于的物理坐标分别为(x₁,y₁)， (x₃,y₃)，(x₄,y₄)。则可得出用户的估计位置坐标 可计算如下：

$x_{{\mathrm{Loc}}_{?}}=(\frac{7}{16}{x}_1+\frac{23}{42}{x}_2+\frac{21}{32})/3;$

$y_{{\mathrm{Loc}}_{?}}=(\frac{7}{16}{y}_1+\frac{23}{42}{y}_2+\frac{21}{32}{y}_3)/3$