一种基于指纹校准和指纹转换的室内定位方法

摘要

本发明公开了一种基于指纹校准和指纹转换的室内定位方法。本发明首先将平面目标区域分为若干相互不重叠的定位区域，并将每个定位区域划分为大小相近的栅格；采用不同终端设备在每个栅格中对信号强度多次采样，获得栅格支撑指纹集；在每个栅格内，校准不同终端设备中未接收到的信号强度；采用不同频段阈值对不同频段AP进行AP筛选，获取栅格指纹；结合栅格指纹与测试指纹，改变栅格指纹与测试指纹的形式；最后采用NN算法进行定位。本发明能提高异构设备定位准确度，减少指纹对比工作量和减少指纹采集工作量。

说明书

技术领域

本发明属于基于指纹的室内定位技术，具体涉及一种基于指纹校准和指纹转换的室内定位方法，用于通信与无线网络技术领域。

背景技术

近年来，随着移动设备的爆炸性扩散和社交网络的普及，基于位置的服务(Location Based Service，LBS)已经成为我们日常生活中不可或缺的一部分。室内基于位置的信息服务主要包括室内导航、物流管理、商品促销、信息推送服务等。目前已经开发出多种室内定位技术，比如WiFi定位、超声波定位、蓝牙定位等，不同定位技术有不同的平均定位准确度，且需要的硬件设备也不尽相同。其中，由于城市的大多数区域已经实现了WiFi信号覆盖，如果利用现有的WiFi设施进行定位可以大大节约基础设施的成本，因此，基于WiFi的室内定位技术得到了广泛的研究。

基于WiFi的室内定位技术主要分为两类:基于测距的定位技术和基于指纹的定位技术。前者主要采用基于传播模型测距的多边定位技术来推测目标所在位置。然而，在复杂的室内环境中，由于隔断及阻挡等复杂的室内布局，使得传播模型参数估计不准，导致定位准确度下降。后者将不同物理位置接收到的不同接入点(AP)的信号强度构成矢量作为相应位置的指纹，将不同位置的指纹集中构成室内指纹地图，定位时通过与室内指纹地图中的指纹进行比较实现定位。

现有基于指纹的定位技术主要由两个阶段组成：离线指纹地图构造阶段和在线设备定位阶段。离线指纹地图构造阶段通常由专业测量人员测量已知位置上的指纹，并构建室内指纹地图。在线设备定位阶段主要比较设备实时指纹与指纹地图中的参考指纹，用基于概率的方法或基于相似度匹配的方法进行定位。先前的大量文献验证，当在离线阶段和在线阶段采用相同的终端设备时，基于指纹的定位技术具有较高的定位准确度；当在这两个阶段采用不同品牌或型号的终端设备时，定位准确度会大幅度下降。不同的接收设备接收到的指纹的差异主要包括：(1)在相同时间相同位置接收相同AP的信号强度值不同；(2)在相同时间相同位置接受的指纹的维度(接收到的AP数量)不同。近年来，一些学者提出了一些方案来解决上述终端设备异构的问题，主要包括两个方面：设备间校准和设备内转换。前者的主要思想是任何两个终端设备接收到的信号强度之间存在线性关系。比如有的方案建议通过添加增益偏差来修正不同终端设备接收到的信号强度值，还有的方案建议选定一个基准的终端设备，利用其它终端设备接收到的信号强度值与基准的终端设备之间的线性关系，建立校准矩阵，将其它终端设备的接收信号强度值转换为基准终端设备的。这些方案在离线阶段需要较大的计算复杂度，且没有考虑指纹中AP维度不一的问题；后者的主要思想是将原始的指纹转换为与设备无关的指纹。比如有的方案建议采用指纹中不同AP差值或是比值作为新的指纹形式，但这种方案会大大增加指纹的维度；还有些方案建议选定一个基准AP，计算指纹中其他AP与该基准AP的差值，以该差值作为新的指纹，这种方案存在的问题是如何选择基准AP。另外，当训练指纹包含多种终端设备的指纹时，如何利用多种终端设备的指纹构造指纹地图也是一个需要解决的问题。

发明内容

针对现有技术的缺陷或改进需求，本发明提供一种基于指纹校准和指纹转换的室内定位方法，其目的在于，解决现有的室内指纹地图构建中所存在的采集指纹设备不同导致的相同位置指纹维度不同和相同位置相同AP信号强度不同的问题，以进一步提高移动终端定位准确度。

为了实现上述目的，按照本发明的一个方面，提供了一种基于指纹校准和指纹转换的室内定位方法，包括栅格划分步骤、栅格支撑指纹集获取步骤、基于栅格的指纹校准步骤、基于双阈值的AP筛选步骤、栅格指纹获取步骤、栅格指纹与测试指纹转换步骤和测试指纹位置评估步骤；

本发明所用的设备第i次采样指纹，设备指纹，栅格指纹，测试指纹，栅格支撑指纹集定义为：设备第i次采样指纹就是设备第i次采样得到的指纹；设备指纹是指在相同位置相同设备所有采样得到指纹的均值；栅格指纹是通过多个设备指纹经过指纹校准和AP筛选步骤最终计算得到，每个栅格中仅包含一个栅格指纹，可以有多个设备的设备指纹；测试指纹只是为了检验所提出方案定位性能的；当用户位于某未知位置，想要知道该位置时，打开设备接收到的信号称为测试指纹。

栅格划分：为了细化功能区域的描述，将功能区域划分为更小的单位；

栅格支撑指纹集获取：获取栅格支撑指纹集；

基于栅格的指纹校准：对栅格支撑指纹集进行的操作，为了使相同位置不同设备的指纹中未接收到的AP具有校准的信号强度值，若不采用校准的信号强度值则会降低定位性能；

基于双阈值的AP筛选：对栅格支撑指纹集进行的操作，剔除会降低定位性能的AP；

栅格指纹获取：对栅格支撑指纹集进行的操作，结合所有设备的指纹，给每个栅格建立一个栅格指纹；

栅格指纹与测试指纹转换：根据输入的需要进行位置评估的测试指纹，改变测试指纹与栅格指纹的形式，解决由于设备不同导致定位性能降低的问题；

测试指纹位置评估：对测试指纹实现定位。

在每一个位置由接收到的多个AP的信号强度和相应的频段组成的矢量构成指纹，每一个位置的指纹是独一无二的，就像人类的指纹。

本发明提出的一种基于指纹校准和指纹转换的室内定位方法，包括栅格划分步骤、栅格支撑指纹集获取步骤、基于栅格的指纹校准步骤、基于双阈值的AP即接入点筛选步骤、栅格指纹获取步骤、栅格指纹与测试指纹转换步骤和测试指纹位置评估步骤；本申请中指纹指接收到的多个AP的信号强度和相应的频段组成的矢量；其中：

(1)栅格划分步骤：将平面目标区域分为S个相互不重叠的定位区域，并将每个定位区域划分为大小相近的栅格，记所述平面目标区域的栅格个数为G；(并不是所有的功能区域都有G个栅格，而是所有的功能区域中共包含G个栅格；因为每个定位区域的大小是不尽相同的，栅格的数量也是不尽相同的)

(2)栅格支撑指纹集获取步骤：采用M(M≥2)个不同(包括不同型号和品牌)的终端设备在每个栅格中对信号强度进行多次采样(理论上，在栅格的不同位置，指纹是不同的；但由于每个栅格面积较小，我们认为在栅格中某一点采样得到的指纹能够作为该栅格的代表指纹)，得到的第m个设备的第i次采样为(即该设备第i次采样的指纹),其中，表示第m个设备第i次采样的第e个AP的信号强度值，f_e表示第e个AP所在的频段；所述频段指WIFI频段(在中国包括2.4GHz(2.412～2.472GHz)和5.0GHz(5.725～5.825GHz))；i＝1,2,…N_sa(m)，e＝1,2,…N_m(i)，N_sa(m)表示第m个设备在相应栅格中采样的次数，不同的设备采样次数可以不同；N_m(i)表示第m个设备第i次采样获取的AP数量(有以下几个原因不能每个AP都采样到：1，由于AP的覆盖范围有限，不同的位置接收到的AP集合是不同的，这是主要原因；2，可能由于障碍物的阻挡或AP损坏，在相同位置采样得到的AP集合也是有差别的)，m＝1,2,…,M，M表示该栅格中的终端设备数量；

然后对每种终端设备的指纹取平均值

其中，表示第m个设备接收到第k个AP的采样序列的集合，表示集合的大小(由于同一个设备在相同位置不同时间采样得到的指纹是不完全相同的，即对某些AP可能存在因此求取指纹的平均值时，不使用N_sa(m)而采用)，r_mk表示第m个终端设备的指纹中第k个AP的各次采样的平均信号强度值，k＝1,2,…,N_m，N_m为第m个终端设备的采样中接收到的AP的数量；

对于任意给定的一个栅格，得到第m个终端设备的指纹：

f_k表示第k个AP所在频段，该栅格的栅格支撑指纹集为F＝{F₁,F₂,…,F_M}；(初始阶段，栅格中可能存在多个设备多次采样的指纹；经过本步骤后，栅格中存在多个设备的指纹；多个设备的指纹合并到一起后就是得到了栅格支撑指纹集，每一个栅格都有一个栅格支撑指纹集，只是把不同设备的指纹的并集给了一个新的命名，方便后面步骤的处理；经过我们后面步骤的处理，最终栅格中存在一个由多个设备构造的栅格指纹；)

(3)基于栅格的指纹校准步骤：

在每个栅格内，根据各个终端设备均接收到的AP的信号强度值，通过求各个终端设备指纹中AP交集的平均来求取每个终端设备的校准因子，各终端设备对应的每个校准因子均为标量，校准因子用于计算设备中未接到的部分AP的信号强度，第m个终端设备的校准因子表示为Δ_m，通过各个终端设备的校准因子计算该终端设备相对其他终端设备中未接收到的AP的信号强度值，最终使得同一个栅格中，每个终端设备的指纹具有相同数量的AP(根据共同收到的AP信号，校正没有共同收到的AP信号，最后能得到相同的数量AP)；

在每个栅格内，基于栅格的指纹校准包括以下子步骤：

(3-1)对每个栅格，将栅格支撑指纹集中的各终端设备的指纹，构造一个M×N维的RSS(Received Signal Strength，接收到的信号强度)矩阵R_M×N：

其中，r_mo表示第m个设备接收到的第o个AP的信号强度值；如第m个设备未接收到第o个AP，则将r_mo用0表示，需要通过校准得到该AP的信号强度值；N表示所有终端设备接收到的AP的总数，o＝1,2,…,N；N≥N_m，m＝1,2,…,M；

用A_m表示第m个设备接收到的AP集合，A_uni和A_int分别表示栅格中M个终端设备接收到的AP集合的并集和交集，则有：

N表示所有终端设备接收到的AP的总数，N＝|A_uni|；表示第m个设备接收到的AP集合相对所有设备接收到的AP集合的补集，对该设备而言，在该集合中的AP的信号强度需要通过校准得到；

(3-2)根据集合A_int中AP的信号强度值，求取每个终端设备的校准因子Δ_m：

其中，表示被所有终端设备都接收到的第v个AP信号强度的平均值，

(3-3)利用校准因子Δ_m，对于属于集合(A_uni-A_int)中的第j个AP，j＝1,2,…,|A_uni-A_int|采用如下公式计算在未接收到该AP的部分终端设备中的信号强度的校准值r_mj：

其中，集合D_j表示接收到第j个AP的终端设备的集合，集合为集合D_j的补集，表示未接收到第j个AP的终端设备的集合，如果有个终端设备未接收到第j个AP，则共有个线性方程来求解个未知量；

(4)基于双阈值的AP筛选步骤：

通过上一步骤的计算，矩阵R_M×N中的每个元素要么是终端设备接收到的信号强度值，或是通过校准得到的信号强度的校准值；

采用所在WIFI频段信号强度的阈值，对于存在校准值的AP进行AP筛选(存在校准值意味着存在一个或多个设备未接收到的该AP)；根据不同设备的信号强度筛选AP，去掉被剔除的AP及该AP在所有设备中的信号强度，当存在至少一个设备的信号强度小于相应频段的阈值时，则剔除该AP；

总之，采用的AP筛选原则是：被所有设备接收到的AP的质量，高于信号强度较大且没有被所有设备接收到的，也高于信号强度小且没有被所有设备接受到的；

(5)栅格指纹获取步骤：

在每个栅格中，对于选择的每个AP，计算其在每个终端设备的指纹中的信号强度均值，从而得到每个栅格的栅格指纹(栅格指纹仍是由AP的信号强度和相应的频段组成的矢量，只是此处每个AP的信号强度是通过计算在每个终端设备中该AP信号强度均值得到的；一个栅格中可能包含多个移动终端设备的设备指纹，但仅包含一个栅格指纹)，第g个栅格的栅格指纹表示为N_g表示栅格中经过AP筛选步骤得到质量较高的AP的数量；每个栅格中都存在栅格支撑指纹集获取步骤、基于栅格的指纹校准步骤、基于双阈值的AP筛选步骤、栅格指纹获取步骤、栅格指纹与测试指纹转换步骤；

(6)栅格指纹与测试指纹转换步骤

栅格指纹是由不同设备指纹经过校准，AP筛选，计算平均，得到的一个新的指纹。

在经历上面各步骤后，每个栅格都具有相应的栅格指纹令待定位的测试指纹为N_t表示测试指纹F_t中接收到的AP的数量；求取测试指纹与栅格指纹AP集合的交集，并分别计算测试指纹与栅格指纹在交集中的所有AP的信号强度的均值，最后将测试指纹与栅格指纹在交集中的AP的信号强度分别减去上述计算的均值，得到指纹的最终转换形式，使其能够更好地适用于不同终端设备的定位；

栅格指纹与测试指纹最终转换形式相对原栅格指纹与测试指纹的改变是，AP的数量有所减少，AP的信号强度值在原有信号强度上减去了一个常数，该常数为每个指纹中所有AP的信号强度的平均值，因此每个指纹都对应一个与其相关的常数；

具体转换过程如下：

(6-1)求取栅格指纹与测试指纹AP交集的相应信号强度值：

B_g和B_t分别表示第g栅格指纹与测试指纹的AP集合，这两个AP集合的交集可表示为B_int＝B_g∩B_t；在栅格指纹与测试指纹中，仅选择包含于集合B_int中的AP，重新构成栅格指纹与测试指纹，则第g个栅格指纹与测试指纹可表示为和|B_int|表示集合B_int的大小；交集的元素相同是指AP是相同的，但该AP的信号强度值是不相同的；如表达式F_gint和F_gint中，r_g1和r_t1都来自于相同的AP，但信号强度值不相等，因为接收到该AP的位置可能是不相同的；

(6-2)求取指纹F_gint和F_tint中所有信号强度值的平均值分别为：

r_gu与r_tu分别表示栅格指纹F_g与测试指纹F_t第u个AP的信号强度；

(6-3)得到的第g个栅格指纹和测试指纹最终的转换形式：

是栅格指纹的最终转换形式，是测试指纹的最终转换形式；栅格指纹是通过步骤：栅格支撑指纹集获取、基于栅格的指纹校准、基于双阈值的AP(接入点)筛选、栅格指纹获取得到的，每个栅格中都存在一个栅格指纹；测试指纹是用户想要知道自己位置时，通过WiFi扫描得到的指纹；

(7)测试指纹位置评估步骤：

采用最邻近(Nearest Neighbor，NN)算法，对设备指纹进行位置评估，；最邻近算法是基于指纹定位技术中常用的一种算法；

计算步骤(6)中得到的测试指纹与栅格指纹最终转换形式的欧式距离

选择欧式距离最小的栅格的栅格中心作为该测试指纹的评估位置；测试指纹(是用户想要知道自己位置时，通过WiFi扫描得到的指纹)实际位置与评估位置的欧氏距离为该测试指纹的定位误差：

式中，(x,y)是测试指纹的实际位置，(X_g,Y_g)是测试指纹的评估位置。

可见，本发明中，要知道一个测试指纹的位置，是通过计算该测试指纹与所有栅格指纹的欧式距离，然后选择欧式距离最小的栅格指纹所在的指纹，作为该测试指纹的评估位置，从而实现更为准确的室内定位。

在步骤(3)中，对指纹中未接收到的部分AP的信号强度进行校准的原因是：不同终端设备即使在相同时间点在相同位置进行采样，接收到的指纹矢量中，AP的数量也存在较大差异。这种差异来源于两个方面：一方面，由于设备异构性问题，不同终端设备对信号的感知能力是不同的，对WiFi信号传播的频段的接收能力也是不同的，因此，可能有些终端设备对信号强度相对较小的信号感知能力较差，或不能够接收到特定频段的信号；另一方面，由于环境的瞬时变化，可能导致采样时未接收到部分AP。然而，部分由于设备接受能力有限或是外界环境瞬时变化导致未被所有终端设备接收到的AP是有区分能力的，在构造栅格指纹时，如果直接丢弃这种AP，则会导致定位准确度下降。

优选地，所述步骤(4)中基于双阈值的AP筛选，是根据每个AP的信号强度值是否为采集得到的原始信号或是通过校准得到的信号，以及该AP在每个终端设备的指纹中的信号强度值，进行AP筛选，具体包括以下子步骤：

(4-1)判断每个AP是否被所有终端设备接收到：

针对栅格中的RSS矩阵R_M×N，判断矩阵中每一列的RSS值是否全为终端设备接收到的原始的信号强度值，是则保留该AP以及相应的每个终端设备接收到的信号强度值，在步骤(4-5)用于构建矩阵否则，转步骤(4-2)；

(4-2)对于存在信号强度校准值的AP，判断其无线信号传播所在的频段：

WiFi信号主要在2.4GHz频段和5.0GHz频段上传播，因此，针对属于不同频段的AP，设置不同的信号强度阈值对其进行AP筛选；2.4GHz频段阈值和5.0GHz频段阈值分别表示为γ_2.4和γ_5.0；如果AP信号传播所在的频段为2.4GHz频段，则进行步骤(4-3)；如果AP信号传播所在的频段为5.0GHz频段，则进行步骤(4-4)；

(4-3)筛选2.4GHz频段AP:

在矩阵R_M×N中，判断相应AP所在列的包括终端设备接收的原始信号强度值或通过校准得到的信号强度校准值与2.4GHz频段阈值γ_2.4的大小关系；如果该列的所有信号强度值均大于2.4GHz频段阈值γ_2.4，则保留该AP以及该AP所对应列的所有信号强度值，转步骤(4-5)用于构建矩阵否则，剔除该AP及该AP所对应列的所有信号强度值，并转步骤(4-5)用于构建矩阵

(4-4)筛选5.0GHz频段AP:

在矩阵R_M×N中，判断该AP所在列的包括终端设备接收的原始信号强度值或通过校准得到的信号强度校准值与5.0GHz频段阈值γ_5.0的大小关系；如果该列的所有信号强度值均大于5.0GHz频段阈值γ_5.0，则保留该AP以及该AP所对应列的所有信号强度值，转步骤(4-5)用于构建矩阵否则，剔除该AP及该AP所对应列的所有信号强度值，并转步骤(4-5)用于构建矩阵

(4-5)构建一个维的新RSS矩阵

其中，为剔除相应AP后的AP数目，

前述下标中，e，k，o，v，j，q均表示不同场景下AP序号，之所以采用不同的字母，是因为这些字母的取值范围是不同的；其中，e表示在设备第i次采样指纹中的AP的序号，其取值为e＝1,2,…N_m(i)；k表示在设备指纹中的AP的序号，其取值为k＝1,2,…,N_m；o表示在多个设备AP集合的并集的AP序号，其取值为o＝1,2,…,N；v表示在多个设备AP集合的交集的AP序号，其取值为v＝1,2,…|A_int|；j表示在未被所有设备接收到的AP中的序号，其取值为j＝1,2,…,|A_uni-A_int|；q表示经过AP筛选步骤后，在多个设备AP集合并集的AP序号，其取值为

以上步骤是根据每个AP的信号强度值是否为采集得到的原始信号或是通过校准得到的信号，以及该AP在每个终端设备的指纹中的信号强度值，进行AP筛选。

步骤(4)中，对所有终端设备都接收到的AP直接保留不进行AP筛选，而对被部分终端设备接收到的AP进行AP筛选的原因是：一方面，如果一个AP能够被所有终端设备接收到，则认为该AP的质量较高，具有较好的可靠性和区分能力，因此，该AP可以被用来构造栅格指纹；另一方面，对于仅被部分终端设备接收到的AP，如果是由于信号强度值较小，未被部分设备感知到，则噪声对这种AP的影响更大，应该丢弃这种AP；如果是由于终端设备不能够接收到部分频段的AP信号，或是由于环境的瞬时变化，导致终端设备没有接收到部分AP，这种AP是具有位置的区分能力的，丢弃这种AP会降低定位准确度，因此需要保留这种AP；

步骤(4)中，设置双阈值对部分终端设备接收到的AP进行AP筛选的原因是：室内信号由发射位置传播到接收位置主要包括信号的衍射和信号的穿透。关于信号的衍射，波长越长，信号的衍射能力越强，波长越短，信号的衍射能力越弱，这也是为什么远距离传输需要使用长波的原因；关于信号的穿透，虽然高频段信号的能量高，绝对穿透能力要高，但穿透损耗大，因此衰减也大。下面以WiFi信号2.4GHz频段和5.0GHz频段为例进行解释说明。2.4GHz频段信号频率小于5.0GHz频段信号，波长大于5.0GHz频段信号，因此，相对2.4GHz频段信号，5.0GHz频段信号具有较弱的衍射能力和较大的信号衰减，换而言之，在公式(3)中5.0GHz频段信号具有较大的路径损耗系数α，即α_5.0>α_2.4。

一方面，如果将一个2.4GHz频段和一个5.0GHz频段的两个AP放在同一个位置，在这两个AP覆盖范围内的其他两个位置p和从公式(3)中，我们能够得到这两个位置的信号差，5.0GHz频段的AP在两个位置的信号差别更大，这说明5.0GHz频段的AP具有更好的位置区分能力；另一方面，对于2.4GHz频段信号，如果在两个位置p₁和p₂接收到的信号强度分别为和对于5.0GHz频段信号，在另外两个位置和接收到的信号强度分别是和如果则从公式(3)中，我们可得出即两个位置p₁和p₂之间的距离大于另外两个位置和之间的距离。如果认为信号差为噪声信号，则对于相同的噪声，2.4GHz频段信号会造成更大的位置评估误差。

在步骤(7)中，在实际中，定位应用在投入使用前，每个栅格都有一个栅格指纹，当用户想知道自己的位置时，可以通过利用相应的APP进行WiFi扫描，得到测试指纹；通过比较测试指纹与每个栅格的栅格指纹，找到与测试指纹最相似的栅格指纹，该栅格指纹所在栅格即为该测试指纹的评估位置，即把这个位置反馈给用户。测试指纹在本申请的主要作用是为了检验和评估通过前面几个步骤，即栅格划分步骤、栅格支撑指纹集获取步骤、基于栅格的指纹校准步骤、基于双阈值的AP筛选步骤、栅格指纹获取步骤得到的每个栅格的栅格指纹优劣，这种优劣就是通过比较测试指纹评估位置与实际位置的差别(以欧式距离度量)得到的，欧式距离越大，则定位结果越差；因此测试指纹的实际位置是我们已知的。

以下为本方法对不同设备的指纹进行校准的合理性解释，包括不同终端设备未接收到AP的信号强度校准值的存在性及唯一性证明：

室内无线电传播模型可表示为：

其中，P_t和P_r(d)分别表示发射端的发射功率和终端设备的接收功率，d表示发射端与终端设备之间的距离，G_t和G_r分别表示发射端和接收端的天线增益，λ为信号的波长，α为路径损耗系数，X_σ表示信号在传播过程中受到的噪声影响。

不同终端设备未接收到AP的信号强度校准值的存在性证明：

如果不考虑接收端接收设备的天线增益和噪声影响，则第k个AP在距离为d_k的物理空间上的信号强度为(假设该位置在第k个AP的覆盖范围内)：

因此，当天线增益和噪声影响时，第m个终端设备在该位置接收到第k个AP的信号强度可以表示为：

其中，G_rm表示第m个终端设备的天线增益，Z_mk表示第k个AP被第m个终端设备接收到时信号噪声的大小。

如果栅格中所有终端设备均接收到了第v个AP，则所有终端设备接收到的第v个AP的平均信号强度可表示为：

其中，

理论上，未被第m个设备接收到的第j个AP的信号强度的大小为：

根据公式(1)、(5)和(6)，校准因子Δ_m可表示为：

因此公式(2)的右边为将公式(7)代入公式(2)的左边，则公式(2)的左边为由于噪声具有随机性，若不考虑噪声大小，则公式(7)是公式(2)的解，即未被第m个设备接收到的第j个AP的信号强度校准值为符合信号传播规律理论解。

下面证明解的唯一性：

假设共有个终端设备未接收到第j个AP，则从公式(2)中，我们可以得到个线性方程来计算个未接收到该AP的终端设备的校准值，

这个线性方程如下所示：

其中，将上述线性方程转换为矩阵形式为：

WX＝Y(9)

其中，

由于系数矩阵W为满秩矩阵，因此方程组有唯一解。结合上面所证明的解存在性，因此，第m个设备未接收到的第j个AP的信号强度校准值唯一，其大小为：且该解符合理论依据。

本发明公开了一种基于指纹校准和指纹转换的室内定位方法。本发明首先将平面目标区域分为若干相互不重叠的区域，并将每个定位区域划分为大小基本相等的栅格；采用不同终端设备在每个栅格中对信号强度多次采样，获得栅格支撑指纹集；在每个栅格内，校准不同终端设备中未接收到的信号强度；采用不同频段阈值对不同频段AP进行AP筛选，获取栅格指纹；结合栅格指纹与测试指纹，改变栅格指纹与测试指纹的形式；最后采用NN算法进行定位。本发明能提高异构设备定位准确度，减少指纹对比工作量和减少指纹采集工作量。

本发明首先将平面目标区域分为S个相互不重叠的定位区域，并将每个定位区域划分为大小相近的栅格；采用不同终端设备在每个栅格中对信号强度多次采样，获得栅格支撑指纹集；在每个栅格内，根据所有终端设备都接收到的AP的信号强度值，求取每个终端设备的校准因子，并通过每个终端设备的校准因子校准不同终端设备中未接收到的信号强度；针对不同的频段采用不同的阈值，对于不同频段AP的信号强度值进行AP筛选，并获取栅格指纹；结合栅格指纹与测试指纹，改变栅格指纹与测试指纹的形式，使其能够更好地适用于不同终端设备的定位；最后采用最邻近算法进行定位。

总体而言，通过本发明所构思的以上技术方案与现有技术相比较，本发明具有下列有益效果：

(1)提高异构设备定位准确度：由于采用了基于栅格的指纹校准步骤，对来自于不同终端设备的指纹进行校准并构造栅格指纹，然后采用栅格指纹与测试指纹转换步骤，转换栅格指纹与测试指纹的形式，采用这两种方法能够有效地减少不同终端设备接收信号的差异带来的定位准确度的下降。

(2)减少指纹对比工作量：建立基于栅格的室内指纹地图，定位阶段需要对比的指纹数量只与栅格的数目相关。由于采用了AP筛选步骤，AP筛选降低了指纹对比的计算复杂度。

(3)减少指纹采集工作量：由于只对栅格支撑指纹集中的指纹进行处理，且能够采用不同终端设备的指纹构造指纹地图，因此，栅格支撑指纹集也可以采用众包(Crowdsourcing)的方式获得，在一定程度上可以减少指纹采集工作量。

附图说明

图1是本发明的流程示意图；

图2是本发明应用实例的定位场景图；

图3是不同定位方案定位误差累计分布图比较；

图4是2.4GHz频段阈值对方案(a)和方案(f)的影响；

图5是5.0GHz频段阈值对方案(a)和方案(f)的影响。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明包括栅格划分步骤、栅格支撑指纹集获取步骤、基于栅格的指纹校准步骤、基于双阈值的AP筛选步骤、栅格指纹获取步骤、栅格指纹与测试指纹转换步骤和测试指纹位置评估步骤。

作为本发明的一个实施例：

(1)栅格划分步骤：

建立平面直角坐标系，如图2所示，将平面目标区域依照其物理结构划分为5间教室、1间办公室和1条走廊共7个相互不重叠的定位区域，其中奇数号教室面积各为10.5×9.56m²，偶数号教室面积各为10.5×7.76m²，走廊面积为32.6×3.62m²，各功能区域间水泥墙厚度为0.3m，在实施例中仅在5间办公室和1条走廊上进行实验测试，总面积约为635.5m²。并将每个定位区域划分为大小相近的栅格。比如，在本实施例场景中，将功能区域划分为长宽各约为0.6m的栅格，奇数号教室可划分为272个栅格，偶数号教室可划分为221个栅格，走廊可划分为324个栅格；

(2)栅格支撑指纹集获取步骤：

采用M(M≥2)个不同的终端设备在每个栅格中对信号强度进行多次采样，得到的第m个设备的第i次采样为其中，表示第m个设备第i次采样的第e个AP的信号强度值，f_e表示第e个AP所在的频段；所述频段指WIFI频段(在中国包括2.4GHz(2.412～2.472GHz)和5.0GHz(5.725～5.825GHz))；i＝1,2,…N_sa(m)，e＝1,2,…N_m(i)，N_sa(m)表示第m个设备在相应栅格中采样的次数，不同的设备采样次数可以不同；N_m(i)表示第m个设备第i次采样获取的AP数量，m＝1,2,…,M，M表示该栅格中的终端设备数量；

然后对每种终端设备的指纹取平均值

其中，表示第m个设备接收到第k个AP的采样序列的集合，表示集合的大小(由于同一个设备在相同位置不同时间采样得到的指纹是不完全相同的，即对某些AP可能存在因此求取指纹的平均值时，不使用N_sa(m)而采用)，r_mk表示第m个终端设备的指纹中第k个AP的各次采样的平均信号强度值，k＝1,2,…,N_m，N_m为第m个终端设备的采样中接收到的AP的数量；

对于任意给定的一个栅格，得到第m个终端设备的指纹：

f_k表示第k个AP所在频段，该栅格的栅格支撑指纹集为F＝{F₁,F₂,…,F_M}；

在实施例中，采用MEIZU MX5和Huawei两种终端设备在栅格中心进行信号强度的采集，采集的指纹分为两个部分：一部分为训练指纹，对每种终端设备，分别得到1656个训练指纹，每个训练指纹是10次采样指纹的平均，WiFi采样的频率为1Hz。其中，Huawei设备仅能够接收2.4GHz频段AP信号，MEIZU MX5能够接收2.4GHz频段信号和5.0GHz频段信号。图2教室409中黑点表示训练指纹的分布情况。另一部分为测试指纹，共采集了637个测试指纹，其间隔为1m×1m，均匀地分布在该目标区域中，每个测试点进行20秒采样，测试点位置已知，每秒采样一次，取20次采样的平均作为测试指纹；

(3)基于栅格的指纹校准步骤：

在每个栅格内，根据各个终端设备均接收到的AP的信号强度值，通过求各个终端设备指纹中AP交集的平均来求取每个终端设备的校准因子，各终端设备对应的每个校准因子均为标量，校准因子用于计算设备中未接到的部分AP的信号强度，第m个终端设备的校准因子表示为Δ_m，通过各个终端设备的校准因子计算该终端设备相对其他终端设备中未接收到的AP的信号强度值，最终使得同一个栅格中，每个终端设备的指纹具有相同数量的AP；

在每个栅格内，基于栅格的指纹校准包括以下子步骤：

(3-1)对每个栅格，将栅格支撑指纹集中的各终端设备的指纹，构造一个M×N维的RSS(Received Signal Strength，接收到的信号强度)矩阵R_M×N：

其中，r_mo表示第m个设备接收到的第o个AP的信号强度值；如第m个设备未接收到第o个AP，则将r_mo用0表示，需要通过校准得到该AP的信号强度值；N表示所有终端设备接收到的AP的总数，N＝|A_uni|,o＝1,2,…,N；N≥N_m，m＝1,2,…,M；

用A_m表示第m个设备接收到的AP集合，A_uni和A_int分别表示栅格中M个终端设备接收到的AP集合的并集和交集，则有：

N表示所有终端设备接收到的AP的总数，N＝|A_uni|；表示第m个设备接收到的AP集合相对所有设备接收到的AP集合的补集，对该设备而言，在该集合中的AP的信号强度需要通过校准得到；

(3-2)根据集合A_int中AP的信号强度值，求取每个终端设备的校准因子Δ_m：

其中，表示被所有终端设备都接收到的第v个AP信号强度的平均值，

(3-3)利用校准因子Δ_m，对于属于集合(A_uni-A_int)中的第j个AP，j＝1,2,…,|A_uni-A_int|采用如下公式计算在未接收到该AP的部分终端设备中的信号强度的校准值r_mj：

其中，集合D_j表示接收到第j个AP的终端设备的集合，集合为集合D_j的补集，表示未接收到第j个AP的终端设备的集合，如果有个终端设备未接收到第j个AP，则共有个线性方程来求解个未知量；

在实施例中，所建立的矩阵的维度为2×N，N表示在相应栅格两种终端设备指纹中，AP并集中AP的数量，可通过公式(1)求取两种终端设备的校准因子，然后利用公式(2)校准一终端设备相对另一终端设备未接收到的AP的信号强度。

(4)基于双阈值的AP筛选步骤：

通过上一步骤的计算，矩阵R_M×N中的每个元素要么是终端设备接收到的信号强度值，或是通过校准得到的信号强度的校准值；

采用所在WIFI频段信号强度的阈值(2.4GHz频段阈值和5.0GHz频段阈值分别表示为γ_2.4(-70dBm<γ_2.4<-60dBm)和γ_5.0(-86dBm<γ_5.0<-76dBm))，对于存在校准值的AP进行AP筛选；根据不同设备的信号强度筛选AP，去掉被剔除的AP及该AP在所有设备中的信号强度，当存在至少一个设备的信号强度小于相应频段的阈值时，则剔除该AP；

基于双阈值的AP筛选包括以下子步骤：

(4-1)判断每个AP是否被所有终端设备接收到：

针对栅格中的RSS矩阵R_M×N，判断矩阵中每一列的RSS值是否全为终端设备接收到的原始的信号强度值，是则保留该AP以及相应的每个终端设备接收到的信号强度值，在步骤(4-5)用于构建矩阵否则，转步骤(4-2)；

(4-2)对于存在信号强度校准值的AP，判断其无线信号传播所在的频段：

WiFi信号主要在2.4GHz频段和5.0GHz频段上传播，因此，针对属于不同频段的AP，设置不同的信号强度阈值对其进行AP筛选；2.4GHz频段阈值和5.0GHz频段阈值分别表示为γ_2.4(-70dBm<γ_2.4<-60dBm)和γ_5.0(-86dBm<γ_5.0<-76dBm)；如果AP信号传播所在的频段为2.4GHz频段，则进行步骤(4-3)；如果AP信号传播所在的频段为5.0GHz频段，则进行步骤(4-4)；

(4-3)筛选2.4GHz频段AP:

在矩阵R_M×N中，判断相应AP所在列的包括终端设备接收的原始信号强度值或通过校准得到的信号强度校准值与2.4GHz频段阈值γ_2.4的大小关系；如果该列的所有信号强度值均大于2.4GHz频段阈值γ_2.4，则保留该AP以及该AP所对应列的所有信号强度值，转步骤(4-5)用于构建矩阵否则，剔除该AP及该AP所对应列的所有信号强度值，并转步骤(4-5)用于构建矩阵

(4-4)筛选5.0GHz频段AP:

在矩阵R_M×N中，判断该AP所在列的包括终端设备接收的原始信号强度值或通过校准得到的信号强度校准值与5.0GHz频段阈值γ_5.0的大小关系；如果该列的所有信号强度值均大于5.0GHz频段阈值γ_5.0，则保留该AP以及该AP所对应列的所有信号强度值，转步骤(4-5)用于构建矩阵否则，剔除该AP及该AP所对应列的所有信号强度值，并转步骤(4-5)用于构建矩阵

(4-5)构建一个维的新RSS矩阵

其中，为剔除相应AP后的AP数目，

以上步骤是根据每个AP的信号强度值是否为采集得到的原始信号或是通过校准得到的信号，以及该AP在每个终端设备的指纹中的信号强度值，进行AP筛选；

(5)栅格指纹获取步骤：

在每个栅格中，对于选择的每个AP，计算其在每个终端设备的指纹中的信号强度均值，从而得到每个栅格的栅格指纹，第g个栅格的栅格指纹表示为N_g表示栅格中经过AP筛选步骤得到质量较高的AP的数量；

(6)栅格指纹与测试指纹转换步骤：

在经历上面各步骤后，每个栅格都具有相应的栅格指纹令待定位的测试指纹为N_t表示测试指纹F_t中接收到的AP的数量。求取测试指纹与栅格指纹AP集合的交集，并分别计算测试指纹与栅格指纹在交集中的所有AP的信号强度的均值，最后将测试指纹与栅格指纹在交集中的AP的信号强度分别减去上述计算的均值，得到指纹的最终转换形式，使其能够更好地适用于不同终端设备的定位；

(6-1)求取栅格指纹与测试指纹AP交集的相应信号强度值：B_g和B_t分别表示第g栅格指纹与测试指纹的AP集合，这两个AP集合的交集可表示为B_int＝B_g∩B_t。在栅格指纹与测试指纹中仅选择B_int中的AP的相应信号强度值构成仅含交集的栅格指纹与测试指纹的形式，则第g个栅格指纹与测试指纹可表示为和|B_int|表示集合B_int的大小；

(6-2)求取指纹F_gint和F_tint中所有信号强度值的平均值分别为：

(6-3)得到的第g个栅格指纹和测试指纹最终的转换形式：

(7)测试指纹位置评估步骤：

采用最邻近(Nearest Neighbor，NN)算法对测试指纹进行位置评估，计算步骤(6)中得到的测试指纹与栅格指纹最终转换形式的欧式距离

最终选择欧式距离最小的栅格的栅格中心作为该测试指纹的评估位置。测试指纹实际位置与评估位置的欧氏距离为该测试指纹的定位误差：

式中，(x,y)是测试指纹的实际位置，(X_g,Y_g)是测试指纹的评估位置。

为了比较本发明中提出的基于栅格的指纹校准、基于双阈值的AP筛选和栅格指纹与测试指纹转换的性能共测试了6种方案的定位准确度，分别是：

(a)本发明提出的方案，即采用了本发明所提出的所有步骤；

(b)采用不同终端设备交集A_int中的AP，求取每个AP在所有终端设备接收到信号强度的平均值，构造栅格指纹，然后采用本发明的步骤(6)进行转换，最后采用步骤(7)进行定位；

(c)采用不同终端设备并集A_uni中的AP，对于终端设备中未接收到的AP，对其赋一个较小的信号强度值-100dBm，计算每个AP的平均信号强度，构造栅格指纹，然后采用本发明的步骤(6)进行转换，最后采用步骤(7)进行定位；

(d)采用不同终端设备并集A_uni中的AP，直接计算每个AP被部分或所有终端设备接收到的信号强度值的均值，构造栅格指纹，然后采用本发明的步骤(6)进行转换，最后采用步骤(7)进行定位；

(e)该方案仅不采用本发明的步骤(3)，对于属于集合A_uni-A_int中的AP，采用步骤(4)进行AP筛选，然后对不同终端设备并集A_uni中保留的AP，直接计算每个AP被部分或所有终端设备接收到的信号强度值的均值，构造栅格指纹，并采用本发明的步骤(6)进行转换，最后采用步骤(7)进行定位；

(f)采用不同终端设备并集A_uni中的AP，直接计算每个AP被部分或所有终端设备接收到的信号强度值的均值，将指纹中每个AP的信号强度均减去相应指纹中所有AP信号强度的平均值，构造栅格指纹，然后将测试指纹中每个AP的信号强度均减去相应测试指纹中所有AP信号强度的平均值，最后采用平均NN算法进行定位。

图3表示方案(a)、(b)、(c)、(d)、(e)和(f)的定位误差累计分布，表1给出了这六种方案的平均定位误差、50％定位误差和90％定位误差。其中，γ_2.4＝-64dBm，γ_5.0＝-78dBm。结合图3以及表1可以看出方案(a)相对其他方案具有较好的定位性能。将方案(a)和方案(b)比较，结果证明仅采用不同终端设备AP的交集，减少了指纹的维度，会导致定位性能的降低；将方案(a)和方案(c)、(d)比较，结果证明采用不同终端设备AP的并集会增加指纹中噪声AP的影响，导致定位准确度降低；将方案(a)和方案(e)比较，结果证明采用基于栅格的指纹校准能够提高定位的准确度；将方案(a)和方案(f)比较，结果证明结合栅格指纹与测试指纹在在线阶段对指纹进行栅格指纹转换，比在离线阶段单独对栅格指纹进行转换效果要好；另外，比较方案(c)和(d)，结果证明对终端设备未接收到的信号赋一个较小的信号强度不是一个很好的选择。

表1

定位误差(m)(a)(b)(c)(d)(e)(f)mean1.411.62.592.251.657.4150％0.921.142.021.361.086.3990％3.13.446.015.524.114.13

图4和图5分别检测了2.4GHz频段和5.0GHz频段设置不同阈值对方案(a)和方案(e)定位性能的影响，图4及表2中γ_5.0＝-78dBm，图5及表3中γ_2.4＝-65dBm，盒图中的虚线表示平均定位误差，盒图中的实线表示50％定位误差。表2和表3分别给出了2.4GHz频段和5.0GHz频段设置不同阈值时，方案(a)和方案(e)的平均定位误差、25％定位误差、50％定位误差和75％定位误差。结合图以及表格可以看出我们提出的方案(a)具有较好的定位性能。

表2

表3

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。