基于WiFi指纹的室内定位接入点三维部署算法的制作方法

本发明涉及三维室内位置指纹定位，跟踪领域。

背景技术：

在基于wifi的室内位置指纹定位系统中，几乎所有的定位算法都是基于移动目标接收的rss去确定目标位置的，然而在实际的室内场景中，由于三维室内环境的复杂性、无线通信易干扰性导致确定ap的最佳数量及位置是一项极具挑战性的事情。目前大多数ap部署模型的建立是基于二维平面的，为了与实际的三维定位场景相结合并提高定位精度，提出了一种六棱柱网格划分方法应用于三维室内定位系统，并建立以最大的信号覆盖率与信号空间欧式距离的多目标函数，实现三维定位空间下的最优ap部署。

技术实现要素：

本发明的提供了基于wifi指纹的室内定位接入点三维部署算法，提出了基于信号覆盖率和信号空间欧氏距离的三维ap部署多目标函数，并用优化算法求解。

本发明的创新点是在复杂的、无线通信容易受到干扰的三维室内环境下，找到最佳的ap的数目和位置是一项极具挑战性的事情。针对二维平面内正方形网格的划分方式存在定位误差大的问题，提出了rps空间下的六棱柱网格划分方法，建立了考虑信号覆盖率和信号空间欧氏距离的三维ap部署多目标函数，并采用优化算法进行求解。主要步骤为：

步骤一：提出三维空间下参考点的六棱柱网格划分方式；

步骤二：确定信号覆盖率的目标函数；

步骤三：确定改进的信号空间欧式距离的目标函数；

步骤四：利用优化算法求解接入点部署位置。

有益效果：本发明设计的基于wifi指纹的室内定位接入点三维部署算法，可以在复杂的、无线通信容易受到干扰的三维室内环境下，快速找到ap的最佳部署位置。且本发明设计的算法具有抗干扰能力强，自适应性能良好的效果，可以提高定位阶段的定位精度。

附图说明

图1：rps空间的六棱柱网格划分方式图

图2：三维空间下的wifi信号波动及覆盖示意图

具体实施方式

下面结合附图1至附图2，对本发明作进一步详述。

本发明的所提及的基于wifi指纹的室内定位接入点三维部署算法中六棱柱网格划分方式如图1所示：

三维室内空间被划分为多个六棱柱网格，每个参考点被标记为一个黑色的圆点，位于六棱柱网格的中心，rps＝{rp1,…,rpm}，m是参考点的数量。aps根据部署方式放置在适当的位置，aps＝{ap1,…,apn}，n是接入点的数量。

设所有的ap设备都具有相同的工作参数，例如传输功率和传输增益，则可以将第j个rp被第i个ap信号所覆盖的概率定义为：

其中rsss表示第j个rp处科员接收到的最小rss，rsse表示wifi信号的不确定因子，其与信号波动的标准偏差有关。α，β分别表示ap设备的相关参数。λ表示ap设备的输入参数，λ＝rssj(k)-(rsss+rsse)。

由室内位置指纹定位原理可知，为保证空间定位结果的唯一性，要求定位区域中的每个参考点至少要被三个ap设备所覆盖。若每个参考点被ap覆盖的概率相互独立，则参考点j至少被三个ap所覆盖的概率可以被计算为：

cj＝1-(cj1+cj2+cj3)

其中：

设cth为概率阈值，那么rp能够有效被ap所覆盖的条件为：

cj≥cth

为使所有目标区域内的参考点实现更好的信号覆盖率，根据定位区域内的rp个数，得到所有rp的信号覆盖率函数f1：

传统的确定型定位方法是根据信号空间的欧式距离，找到与待定位点欧式距离较小的点作为定位结果，由此可知移动目标的定位精度与rp之间的信号欧式距离密切相关。用rssi,j,表示的第i个rp和第j个rp之间的信号空间欧式距离，定义如下：

传统的信号空间欧氏距离计算方法未考虑rss信号波动的影响，导致定位的误差增大。考虑到wifi信号波动性的影响，引入rss的标准偏差值来修正rp之间的信号空间欧式距离，提高rssi,j的准确度，用i_rssi,j表示的第i个rp和第j个rp之间的改进信号空间欧氏距离定义如下：

其中，sdi,k,sdj,k分别表示第i个rp和第j个rp接收的第k个rss的标准偏差值。i_rssi,j可以更准确地反映两个rps接收到的rss之间的相似性。因此，用i_rssave(i)表示的第i个rp改进的平均信号空间欧式距离定义如下：

其中q表示一组rps，这组rps与第i个rp的距离小于dq，dq表示距离阈值。q表示q中rps的数量。

最终，所有rps改进的平均信号空间欧氏距离函数f2：

然而，当两个rps之间的信号空间欧氏距离越大时，那么两个rps之间的物理距离就越远，就会造成定位精度的下降。因此，两个rps之间的物理距离不应该太远，需要找到一个阈值，其可以容忍定位空间中所有rps的信号波动引起的定位误差。在图2中，点rp1andrp2表示2个rps的位置。e1表示接收到的rp1信号波动值，p表示移动目标的位置。显然，p应该定位在rp2，但由于rss接收到的信号波动，p可能错误地被定位在rp1处。当两个rps之间的信号空间欧氏距离的一半大于rss的波动值时，由wifi信号波动引起的rss波动不会对定位精度造成影响。因此，f2应当满足以下要求：

其中ei表示在第i个rp处接收到的rss的波动值。当定位空间和ap设备被给定时，ei通常可以通过实验获得。上式保证rps之间的平均信号空间欧氏距离大于ei，从而消除了wifi信号的波动影响。因此f2被修改为：

由于ap部署位置的多样性，ap部署问题已被证明是一个np完全问题。利用优化算法求解ap部署位置。

实验结果及分析：分别在非工作场景机器运行场景、人类活动场景、人类活动&机器运行场景下进行实验测试，与矩心部署算法与指纹多样性部署算法进行对比分析，如表1所示。

表1.在四种场景下三种aps部署算法的平均定位误差

不同ap部署方式在4个场景中的平均定位误差值如表1所示，与矩心算法和指纹多样性算法相比，在非工作场景中，本发明所提算法在3个aps下的平均定位误差降低了近1米和0.4米，在4个aps下的平均定位误差降低了0.3米和0.3米，在5个aps下的平均定位误差降低了0.1米和0.5米；在机器运行场景中，在3个aps下的平均定位误差降低了0.3米和0.8米，在4个aps下的平均定位误差降低了0.1米和0.3米，在5个aps下的平均定位误差降低了0米和0.2米；在人员活动场景中，在3个aps下的平均定位误差降低了0.2米和0.7米，在4个aps下的平均定位误差降低了0米和0.1米，在5个aps下的平均定位误差降低了0.4米和0.7米；在人员活动和机器运行场景中，在3个aps下的平均定位误差降低了0.5米和0.8米，在5个aps下的平均定位误差降低了0.1米和1.1米。

经实验验证，本发明在复杂的室内环境下取得了更高的定位精度。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以作出若干简单推演或替换，都应当视为属于本发明的保护范围。