一种基于多传感器装置的wifi指纹数据库构建方法
【技术领域】
[0001] 本发明属于wifi指纹定位技术领域，尤其涉及一种基于多传感器装置的wifi指 纹数据库构建方法。
【背景技术】
[0002] 面对公众的位置服务（Location Based Services，简写为LBS)时代的来临，以及 智能手机等移动终端的普及，使随时随地获取个人位置及周边服务信息的需求越来越大。 作为获取空间信息数据的主要手段，导航定位是LBS的一项核心技术。
[0003] 基于WiFi的定位系统具有不需额外增加或改造现有硬件、成本低等特点，因此是 当前最具前景室内导航定位途径之一。其中WiFi指纹识别定位技术直接使用接收到的无 线信号的强度，而不需要考虑障碍物、多径效应等对信号传播的影响，因此更为常用。该方 法的工作原理是在导航过程中将在待测点处实时采集到的信号指纹（即能接收到的WiFi 路由器（以下简称热点）的物理地址（mac地址），各热点发出的信号强度），与实现构建好 的WiFi指纹数据库（以下简称WiFi数据库）中的各参考点的信号指纹相对比，从而选出 与待测点信号指纹最接近的一个或几个参考点，并利用所选参考点的位置信息来计算待测 点的位置。因此，构建高精度的WiFi数据库至关重要，因为其精度将直接决定其导航定位 结果的精度。
[0004] 但是，目前WiFi指纹匹配定位技术推广普及仍面临一个重要问题，即需要定期采 集和更新数据库。这是因为建筑物内增加新的热点（即WiFi信号接入点）、热点位置变动 等都会导致WiFi信号分布情况变动，进而导致事先构建的WiFi数据库在后期使用时精度 降低甚至失效。
[0005] 为了解决WiFi信号分布情况变动的问题，现有的解决方案主要是定期（如每隔一 个月）采集建筑物内的WiFi分布情况，以更新WiFi数据库，从而维持其定位精度。WiFi 数据库的构建和更新需要在目标区域内布满参考点，并使用人为标定的方法逐点找到各参 考点的位置信息，结合在每个点分别采集的WiFi指纹来完成。因此，为了保证wif i定位精 度，需要有足够的参考点密度。因此，对于面积较大的建筑物，WiFi数据库的构建和更新需 要耗费大量时间和人力。
【发明内容】
[0006] 本发明实施例的目的在于提供一种基于多传感器装置的wifi指纹数据库构建方 法，以解决现有技术的问题。
[0007] 本发明实施例是这样实现的，一种基于多传感器装置的wifi指纹数据库构建方 法，所述多传感器装置包括加速度计、磁强计、陀螺仪、无线信号收发器和处理器，所述方法 包括：
[0008] 初始化多传感器装置的导航状态，其中，所述导航状态包括初始位置信息、初始速 度信息和初始姿态信息；
[0009] 携带所述多传感器装置在待构建wifi指纹数据库或待更新wifi指纹数据库的目 标区域运动，所述多传感器装置的处理器实时获取各传感器采集的数据，所述采集的数据 包括由加速度计和磁强计获取的速度信息和姿态信息，以及由无线信号收发器获取的wifi 信号；
[0010] 根据导航算法计算所述多传感器的位置信息，并根据同时间采集的wifi信号组 合构建或更新wifi指纹数据库。
[0011] 优选的，所述初始姿态信息包括初始水平姿态角和初始航向角，具体的：
[0012] 所述初水平姿态角包括横滚角和俯仰角，具体由所述加速度计采集的数据利用如 下公式获得：
[0015] 其中fx、f# f 2分别为加速度计采集的x、y及z轴方向的比力值，Φ为初始横滚 角和Θ为俯仰角；
[0016] 所述初始航向角是通过所述磁强计利用如下公式获得：
[0017] Φ = tan 1 (mYH/mXH)
[0018] 其中 mXH= mx cos Θ+my sin Φ sin Θ+mz cos Φ sin Θ，mYH= my cos Φ _mz sin Φ，mx、 nvS m 2分别为x、y及z轴方向的磁强计输出。
[0019] 优选的，所述加速度计和磁强计的采集频率设定为20-100HZ，所述无线信号收发 器对wifi信号的采样频率设定为0. 2-lHz。
[0020] 优选的，所述根据导航算法计算所述多传感器的位置信息，具体包括：
[0021] 以使加速度计、磁强计、陀螺仪的采集参数作为输入，并使用惯性导航卡尔曼滤波 算法实时计算设备的姿态信息；
[0022] 所述计算得到的设备的姿态信息和行人航迹推算导航卡尔曼滤波算法结合，计算 得到多传感器的位置信息。
[0023] 优选的，所述惯性导航卡尔曼滤波算法具体由卡尔曼滤波系统模型实现，所述卡 尔曼滤波系统模型表现为以下公式：
[0025] 其中δ rn、δ，和φ为位置误差、速度误差和姿态误差；C bn是载体坐标系到导航 坐标系的方向余弦矩阵；广为比力；〇^和<?分别为地球自转角速度和装置在地球表面运 动造成的角速度；符号" X "表示两个向量的叉乘；S #和分别为加速度计和陀螺的误 差。
[0026] 优选的，所述加速度计和陀螺的误差的计算方法具体为：
[0029] 其中bJP b ,分别为加速度计和陀螺零偏，δ s a和δ s g分别为加速度计和陀螺 比例因子误差，^和w g为加速度计和陀螺噪声，炉和#;,为加速度计和陀螺测量值，符号 diag( ·)为由向量生成的对角阵。
[0030] 优选的，所述行人航迹推算导航卡尔曼滤波算法具体由行人航迹推算导航卡尔曼 滤波模型实现，所述行人航迹推算导航卡尔曼滤波模型表现为以下公式：
[0031]
[0032] 其中下标k和k+Ι代表所走步数，供、λ、！Ks及b分别为炜度、经度、航向角、步 长和垂向陀螺零偏；R"、ItSh分别为地球子午圈曲率半径、卯酉圈曲率半径和用户所在点 高程。
[0033] 优选的，所述根据同时间采集的wifi信号组合构建或更新wifi指纹数据库，具体 包括：
[0034] 对于各时刻的位置信息，计算其时标与所有可能与之匹配的WiFi信号的时标差 值，并找到时标差值最小的WiFi信号；若判断该时标小于时差阈值，则将所找到WiFi信号 与该时刻的位置信息组合，其中，所述时差阈值为预先设定的小于位置信息采样间隔的值。
[0035] 优选的，所述构建或更新wifi指纹数据库的存储形式，具体为：
[0036] F1= {r 1； σ ri, (MAC1, RSS1) 1； (MAC2, RSS2) 1； ···, (MACn, RSSn) J
[0037] 其中F1为第i时间历元的指纹，^和〇 "分别为多传感器导航位置结果及其精度； η为当前时刻能接收到信号的WiFi路由器的数目，MAC jP RSS j分别为当前第j个WiFi路 由器的mac地址及其信号强度。
[0038] 优选的，根据同时间采集的wifi信号组合构建或更新wifi指纹数据库，还包括 wifi信号的预处理，具体包括：
[0039] 对WiFi信号的过滤，具体为选定一个阈值th_ss，低于该强度的WiFi信号将被定 义为弱信号而删除；或者，
[0040] WiFi信号权重设定，具体为根据各信号的强度，设定其相应的权重。
[0041] 本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构建方法的有益 效果包括：本发明实施例利用传感器提供的连续导航信息，取代传统的逐点测量方法，来完 成WiFi数据库的构建和更新工作。一方面，将WiFi数据库的构建和更新从静态、逐点处理 变成了动态、连续处理，大大节省工作时间；另一方面，所有参考点位置的将由多传感器导 航算法提供，而不再需要人工去逐点获取，从而降低工作量。因此，本方法可大幅缩短甚至 省去专门的人工维护工作量，降低运营成本。
【附图说明】
[0042] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附 图获得其他的附图。
[0043] 图1是本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构建方法 的流程图；
[0044] 图2是本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构建方法 的流程图；
[0045] 图3是本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构建方法 的流程图。
【具体实施方式】
[0046] 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。
[0047] 为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0048] 实施例一
[0049] 如图1所示为本发明实施例提供的一种基于多传感器装置的wifi指纹数据库构 建方法，所述多传感器装置包括加速度计、磁强计、陀螺仪、无线信号收发器和处理器，所述 方法包括：
[0050] 在步骤201中，初始化多传感器装置的导航状态，其中，所述导航状态包括初始位 置信息、初始速度信息和初始姿态信息。
[0051] 其中，所述多传感器装置可使用实体上的传感器或技术，