一种基于AP设备和蓝牙设备共同定位方法与流程

本发明涉及定位技术领域，具体为一种基于ap设备和蓝牙设备共同定位方法。

背景技术：

目前，通过无线接入点(包括无线路由器)组成的无线局域网络(wlan)，可以实现复杂环境中的定位、监测和追踪任务。它以网络节点(ap)的位置信息为基础和前提，采用经验测试和信号传播模型相结合的方式，对已接入的移动设备进行位置定位，最高精确度大约在1米至20米之间。如果定位测算仅基于当前连接的ap接入点，而不是参照周边ap的信号强度合成图，则ap定位就很容易存在误差。

另外，ap常能覆盖半径数十米左右的区域，但是很容易受到其他信号的干扰，从而影响其精度。

技术实现要素：

为解决上述背景技术中提出的问题，本发明的目的在于提供一种基于ap设备和蓝牙设备共同定位方法，利用wifi/ap设备进行定位，同时启用蓝牙进行辅助定位，实现定位的准确性。

为实现上述目的，本发明提供如下技术方案：

一种基于ap设备和蓝牙设备共同定位方法，首先采集固定的ap无线设备坐标信息，使其能够在地图上标注出来，并且每个ap设备之间的距离是固定的，当使用带有连接无线网络和连接蓝牙设备功能的移动智能终端设备(比如：手机)处在室内；移动智能终端设备(比如：手机)先后扫描局域网列表和蓝牙列表，局域网列表会显示当前可连接的ap设备，每个ap设备都有自己的bssid；

(bssid，一种特殊的点对点局域网的应用，也称为basicserviceset(bss，基本服务群)，一群计算机设定相同的bss名称，即可自成一个group。每个bss都会被赋予一个bssid，它是一个长度为48位的二进制标识符，用来识别不同的bss)，简单说，bssid是局域网中ap设备的唯一标志。

类似的，蓝牙列表会显示当前可连接配对的蓝牙设备，由于管廊环境内各个地方会分散一些传感器设备，因为蓝牙传输距离较短，所以很可能有些地方是检测不到蓝牙设备的，但其中如果包含蓝牙设备，就通过移动智能终端设备(比如：手机)就可以扫描到蓝牙设备。

定位原理介绍：首先我们从概率的角度看待定位问题，

在地图的某一个点a上，获得该点a周围ap设备的信号强度和该点a周围的蓝牙设备列表；

在地图的另一个点b上，获得该点b周围ap设备的信号强度和该点b周围的蓝牙设备列表；

以此类推；将地图抽象成一个m*n的方格，每个方格中心点作为定位点位，那么点1就有一组ap和蓝牙组合，如果有的话，就加入蓝牙mac地址(mediaaccesscontrol，介质访问控制数据)的数据(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...<bluetoothn>)；

相应的点2就有它对应的一组无线设备数据，点m*n(把地图划分成横纵共m*n个格子)也会有它的一组无线设备数据；定位的过程就是已知一组数据(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...)求这组数据在哪个点位发生的可能性最大，即：

max(p(p|x))；

对这个max函数进行说明：p(p|x)为在已知一组向量x(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...)的情况下，在点p发生的概率p是多少；

说通俗点就是，已经知道当前移动智能终端设备(比如：手机)测得一组数据(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...)，它在点p的发生的可能性(p)有多大，max函数是指在m*n个网格中，取得可能性最大的点；

下面我们根据朴素贝叶斯算法来进行公式转换：

其中分母p(x)表示信号向量x出现的概率，所以p(x)这是常量，因此可以忽略，所以公式可以改为：

其中p(p)表示位置p出现的概率，p(x|p)表示在位置p出现信号向量x的概率；

假定在m*n个方格中，位置p出现的概率是均等的；

所以目标公式可以转化为：

max(p(p|x))＝max(p(x|p))

max(p(x|p))就转换为在地图中找到一个网格，使得信号向量x出现的概率最大；

如何计算网格p出现信号量向量x的概率？

我们前期可以通过数据采集录入的方式，将每个网格的数据信号进行采样若干次，将该采样数据放入到数据库中，统计每个网格上面出现信号向量的个数，即得到直方图，如图1所示。

但实际上，对信号向量进行计数统计乎不可能，因为每次统计向量值的时候，向量值几乎都不一样，所以我们需要转换公式，假设各个ap设备之前的是相互独立的；

现在问题关键是求解p(api＝rssii|p)，即在网格p内，bssid地址为wifi且信号强度为rssii出现的概率；

事先统计一个网格p内每一个ap信号的直方图，这样形成统计意义的直方图较容易。

根据以上原理，对设备进行ap信号(rssi：receivedsignalstrengthindication接收的信号强度指示，无线发送层的可选部分，用来判定链接质量，以及是否增大广播发送强度)和蓝牙mac采集工作，每个方格中取多组值，并计算出每个方格中，ap设备每个值的概率并存入到采集数据库中，同时将扫描到的蓝牙mac地址，也扫描到数据库中，作为辅助定位依据；

如果出现有多个点概率都较高并且近似的情况，如果通过上述公式求得有多个点的概率相同或相近，这时根据蓝牙设备定位来进一步进行定位。

其中：无线访问接入点，英文wirelessaccesspoint，简称ap。

与现有技术相比，本发明的有益效果是：

本发明利用ap设备定位的时候，如果出现计算定位向量出现的概率最大的点有多个(信号干扰引起的)，此时就可以通过当前位置蓝牙设备信号搜索，进行点位二次筛选，一般来说，蓝牙的有效信号范围小于10米，通过蓝牙信号的二次筛选来提高定位准确性。

附图说明

图1为本发明中信号向量的网格图和直方图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种技术方案：一种基于ap设备和蓝牙设备共同定位方法，首先采集固定的ap无线设备坐标信息，使其能够在地图上标注出来，并且每个ap设备之间的距离是固定的，当使用带有连接无线网络和连接蓝牙设备功能的移动智能终端设备(比如：手机)处在室内；移动智能终端设备(比如：手机)先后扫描局域网列表和蓝牙列表，局域网列表会显示当前可连接的ap设备，每个ap设备都有自己的bssid；

(bssid，一种特殊的点对点局域网的应用，也称为basicserviceset(bss，基本服务群)，一群计算机设定相同的bss名称，即可自成一个group。每个bss都会被赋予一个bssid，它是一个长度为48位的二进制标识符，用来识别不同的bss)，简单说，bssid是局域网中ap设备的唯一标志。

类似的，蓝牙列表会显示当前可连接配对的蓝牙设备，由于管廊环境内各个地方会分散一些传感器设备，因为蓝牙传输距离较短，所以很可能有些地方是检测不到蓝牙设备的，但其中如果包含蓝牙设备，就通过移动智能终端设备(比如：手机)就可以扫描到蓝牙设备。

定位原理介绍：首先我们从概率的角度看待定位问题，

在地图的某一个点a上，获得该点a周围ap设备的信号强度和该点a周围的蓝牙设备列表；

在地图的另一个点b上，获得该点b周围ap设备的信号强度和该点b周围的蓝牙设备列表；

以此类推；将地图抽象成一个m*n的方格，每个方格中心点作为定位点位，那么点1就有一组ap和蓝牙组合，如果有的话，就加入蓝牙mac地址(mediaaccesscontrol，介质访问控制数据)的数据(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...<bluetoothn>)；

相应的点2就有它对应的一组无线设备数据，点m*n(把地图划分成横纵共m*n个格子)也会有它的一组无线设备数据；定位的过程就是已知一组数据(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...)求这组数据在哪个点位发生的可能性最大，即：

max(p(p|x))；

对这个max函数进行说明：p(p|x)为在已知一组向量x(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...)的情况下，在点p发生的概率p是多少；

说通俗点就是，已经知道当前移动智能终端设备(比如：手机)测得一组数据(<wifi1,value1><wifi2,value2>...<wifin,value3><bluetooth1><bluetooth2>...)，它在点p的发生的可能性(p)有多大，max函数是指在m*n个网格中，取得可能性最大的点；

下面我们根据朴素贝叶斯算法来进行公式转换：

其中分母p(x)表示信号向量x出现的概率，所以p(x)这是常量，因此可以忽略，所以公式可以改为：

其中p(p)表示位置p出现的概率，p(x|p)表示在位置p出现信号向量x的概率；

假定在m*n个方格中，位置p出现的概率是均等的；

所以目标公式可以转化为：

max(p(p|x))＝max(p(x|p))；

max(p(x|p))就转换为在地图中找到一个网格，使得信号向量x出现的概率最大；

如何计算网格p出现信号量向量x的概率？

我们前期可以通过数据采集录入的方式，将每个网格的数据信号进行采样若干次，将该采样数据放入到数据库中，统计每个网格上面出现信号向量的个数，即得到直方图，如图1所示。

但实际上，对信号向量进行计数统计乎不可能，因为每次统计向量值的时候，向量值几乎都不一样，所以我们需要转换公式，假设各个ap设备之前的是相互独立的；

现在问题关键是求解p(api＝rssii|p)，即在网格p内，bssid地址为wifi且信号强度为rssii出现的概率；

事先统计一个网格p内每一个ap信号的直方图，这样形成统计意义的直方图较容易。

根据以上原理，对设备进行ap信号(rssi：receivedsignalstrengthindication接收的信号强度指示，无线发送层的可选部分，用来判定链接质量，以及是否增大广播发送强度)和蓝牙mac采集工作，每个方格中取多组值，并计算出每个方格中，ap设备每个值的概率并存入到采集数据库中，同时将扫描到的蓝牙mac地址，也扫描到数据库中，作为辅助定位依据；

如果出现有多个点概率都较高并且近似的情况，如果通过上述公式求得有多个点的概率相同或相近，这时根据蓝牙设备定位来进一步进行定位。

其中：无线访问接入点，英文wirelessaccesspoint，简称ap。

本发明利用ap设备定位的时候，如果出现计算定位向量出现的概率最大的点有多个(信号干扰引起的)，此时就可以通过当前位置蓝牙设备信号搜索，进行点位二次筛选，一般来说，蓝牙的有效信号范围小于10米，通过蓝牙信号的二次筛选来提高定位准确性。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。