CN103916821A - 一种基于楼层间rssi差异的楼层判别方法 - Google Patents

Abstract

本发明涉及一种基于楼层间RSSI差异的楼层判别方法。所述方法在多楼层的室内环境中，利用RSSI在楼层间衰落的特性确定终端所在楼层。首先记录所有AP所在楼层，应用具有WiFi功能的移动终端采集当前位置所有AP的RSSI，通过统计各楼层中RSSI大于阈值的AP的数量，将包含大于阈值的AP数量最多的楼层确定为当前终端所在楼层。与一般采用信号指纹的全局匹配的楼层定位算法相比，本发明加入了基于楼层间RSSI差异的楼层判别算法，减少了楼层定位的计算量，提高了楼层判别的准确度。

Description

一种基于楼层间RSSI差异的楼层判别方法

技术领域

本发明涉及无线定位领域，尤其涉及一种基于楼层间接收信号强度指示(RSSI)差异的多楼层WiFi定位中的楼层判别方法。 

背景技术

近年来，随着无线局域网络的高速发展和手机等智能移动终端的普及，移动用户对位置信息实时性与准确性的需求日益增加。手机、笔记本等移动终端通过各式各样的应用不断影响着人们的生活习惯。“位置”存在于我们生活中的方方面面，基于位置的服务及其应用受到不断关注，具有广阔的市场价值。现有的如大众点评、微信等，它们可以根据人们所在位置进行商品和商家的推荐，以及游戏交友等。这些应用在丰富我们生活的同时，也使得用户对于位置的精确性与实时性的要求越来越高，其中定位的实时性与准确性是所有的基于位置的应用的最关键之处。目前应用较多的是GPS卫星定位，其不足是当GPS的接收机在高楼相当密集的城市或者室内运行时，由于信号强度受到建筑物、墙壁、其他物体的影响而大大衰减，导致定位精度受到影响甚至不能够完成定位过程。 

WiFi定位技术利用移动终端从802.11无线接入点(AP)接收到的信号确定移动设备的位置，它能提高现有设备的利用率，在零成本下实现便捷高效的定位服务，成为近年来室内定位技术研究的热点。 

WiFi定位方法中，相比于信号到达时间、信号到达角度等定位方法，基于接收信号强度指示(RSSI)的指纹定位技术，对设备的要求低，实现简单，所以被更广泛地采用。但是由于WiFi信号强度受环境影响较大，导致定位精度不高，平均在3～5m左右。所以，高度上的误差会带来的楼层的判断准确率较低。 

发明内容

本发明针对在多楼层WiFi室内定位中由于RSSI定位误差带来的楼层判别准确率低的问题，提出一种基于楼层间RSSI差异的楼层判别方法，用以提高WiFi室内定位中楼层判断准确度。 

本发明的基本原理为：测试人员应用具有WiFi功能的移动终端进行RSSI测量。由于楼层间墙壁通常使用金属加强的混凝土，信号强度可能出现较大的衰减(15-20dBm)。根据此种现象，即当物理距离相等时，来自同楼层的AP的RSSI强于其它楼层AP的RSSI。并且，当AP在不同楼层间平面位置相同时，终端距离当前楼层的AP物理距离更短。综合上述两个 条件，使得在总体上来自其它楼层的AP的RSSI明显低于来自于本楼层AP的RSSI。本发明就是根据RSSI在楼层间的差异区分不同楼层的AP，从而对楼层进行判别。 

一种基于楼层间RSSI差异的楼层判别方法，包括以下步骤： 

步骤1：首先确定遍布整个定位区域的采样点数N； 

步骤2：使用具备WiFi功能的移动终端在第m个采样点处进行检测，得到k个无线接入点AP的信号强度的RSSI值，即RSSI₁,RSSI₂,...,RSSI_k；将RSSI₁,RSSI₂,...,RSSI_k与k个AP的MAC地址一起构成采样点位置指纹FP；第m个采样点的位置指纹表示为： 

${\mathrm{FP}}_m={\left[\begin{array}{ccc}{\mathrm{Mac}}_i& ...& {\mathrm{Mac}}_j\\ {\mathrm{RSSI}}_i& ...& {\mathrm{RSSI}}_j\end{array}\right]}^T,i,j\∈\{\mathrm{1,2},...,k\}$

其中，Mac_i表示RSSI_i对应的MAC地址。 

步骤3：记录第m个采样点的坐标FP_m(x,y,F_r)，并将第m个采样点的坐标和该采样点的位置指纹FP_m保存到指纹数据库中，其中(x,y)表示平面上相互垂直的横纵坐标，F_r,r∈{1,2...n}表示楼层号，n为定位区域内楼层数。 

步骤4：重复步骤2、3，直到遍历采样区域内所有采样点，建立采样区域完整的指纹数据库。 

步骤5：记录定位区域内各个AP的MAC地址，并与所在楼层的楼层号作为一组映射APFloor＝(Mac_i,F_r)。 

步骤6：采用具备WiFi功能的终端设备，在未知位置A处扫描AP，按照步骤3获取A位置的位置指纹，即得到位置A处来自于各个AP的RSSI以及对应的MAC地址； 

步骤7：根据采集到的指纹中的RSSI值，选择大于阈值R₀的RSSI的MAC地址，并根据APFloor＝(Mac_i,F_r)得到MAC地址对应的楼层号，返回数量最多的楼层号，所返回的楼层号的个数记为p，p∈{1,2,...,n}，并将所述p个楼层号存于集合F。 

步骤8：若p＝1，则这个唯一的楼层号即为当前位置的楼层号。 

步骤9：若p≥2，则计算出A的位置指纹中的RSSI序列与指纹库中所有采样点的指纹中的RSSI序列的欧式距离，欧式距离最近的位置指纹FP_m对应的坐标FP_m(x,y,F_r)的中的楼层号F_r即为当前位置的楼层号。 

与现有技术相比，本发明具有以下优点： 

本发明的楼层判别算法，与一般采用信号指纹的全局匹配的楼层定位算法相比，加入了基于楼层间RSSI差异的楼层判别算法，减少了楼层定位的计算量，提高了楼层判别的准确度。 实验表明，当AP在定位区域内分布均匀时，楼层判别的准确率可达到99％；当AP定位区域分布不均匀时，楼层判别的准确率仍然能达到98.2％。 

附图说明

图1为基于RSSI阈值的楼层判别方法流程图； 

图2为不同阈值下楼层判别准确率曲线：(a)对应AP在楼层间分布均匀时的情况，(b)对应AP在楼层间分布不均匀时的情况； 

图3为室内定位坐标系设置图。 

具体实施方式

下面结合附图和实施例对本发明做进一步说明。 

本实施例的环境为一个长宽均为60*20m²的三层楼，每层4个AP，共12个AP。 

基于RSSI阈值的楼层判别方法流程图如图1所示，具体包括以下步骤： 

(1)首先建立三个楼层平面图的直角坐标系，如图3所示，将原点标记为第一个采样点，记为参考点1(0,0,F₁)。之后每隔两米建立一个采样点，以此类推，则遍布三个楼层平面图中走廊内共标记了240个采样点，即240个参考点。 

(2)使用具备WiFi功能的终端在第m个采样点处检测得到12个无线接入点AP的信号强度的RSSI值，即RSSI₁,RSSI₂,...,RSSI₁₂，及12个AP的MAC地址，构成采样点位置指纹FP，其中第m个采样点的位置指纹 ${\mathrm{FP}}_m={\left[\begin{array}{ccc}{\mathrm{Mac}}_i& ...& {\mathrm{Mac}}_j\\ {\mathrm{RSSI}}_i& ...& {\mathrm{RSSI}}_j\end{array}\right]}^T,i,j\∈\{\mathrm{1,2},...,k\}$ Mac_i表示RSSI_i对应的MAC地址。 

(3)记录采样点m的坐标(x,y,F_r)，并将采样点m的坐标和该采样点的位置指纹FP_m保存到指纹数据库中，其中(x,y)表示平面上相互垂直的横纵坐标，F_r,r∈{1,2,3}表示楼层号。 

(4)重复步骤(2)、(3)，直到遍历采样区域内所有采样点，建立采样区域完整的指纹库。 

(5)记录定位区域内12个AP的MAC地址，并与这12个AP所在楼层的楼层号存为一组映射，即： 

$\mathrm{APFloor}={\left[\begin{array}{c}{\mathrm{Mac}}_1,{\mathrm{Mac}}_2,{\mathrm{Mac}}_3,{\mathrm{Mac}}_4,{\mathrm{Mac}}_5,{\mathrm{Mac}}_6,{\mathrm{Mac}}_7,{\mathrm{Mac}}_8,{\mathrm{Mac}}_9,{\mathrm{Mac}}_{10},{\mathrm{Mac}}_{11},{\mathrm{Mac}}_{12}\\ F_1,F_1,F_1,F_1,F_2,F_2,F_2,F_2,F_3,F_3,F_3,F_3\end{array}\right]}^T$

(6)采用支持WiFi功能的终端设备，在未知位置A处扫描AP，记下扫描到12个AP的MAC地址及RSSI，得到A处的位置指纹： 

${\mathrm{FP}}_A={\left[\begin{array}{c}{\mathrm{Mac}}_1,{\mathrm{Mac}}_2,{\mathrm{Mac}}_3,{\mathrm{Mac}}_4,{\mathrm{Mac}}_5,{\mathrm{Mac}}_6,{\mathrm{Mac}}_7,{\mathrm{Mac}}_8,{\mathrm{Mac}}_9,{\mathrm{Mac}}_{10},{\mathrm{Mac}}_{11},{\mathrm{Mac}}_{12}\\ -84.3,-83.7,-75.5,-78.4,-66.2,-65.6,-56.2,-59.8,-84.3,-83.7,-75.5,-78.4\end{array}\right]}^T$

(7)设置阈值R₀＝-80dBm，找到FP_A中RSSI_i≥R₀对应的MAC地址，即Mac₃,Mac₄,Mac₅,Mac₆,Mac₇,Mac₈,Mac₁₁,Mac₁₂，根据APFloor得到MAC地址所在的楼层号为：F₁,F₁,F₂,F₂,F₂,F₂,F₃,F₃，返回数量最多的楼层号F₂。只有1个楼层，所以p＝1。 

(8)因为p＝1，因此位置A的楼层号为F₂。 

(9)若步骤(7)中得到p≥2，则计算出A的位置指纹中的RSSI序列与指纹库中所有采样点的指纹中的RSSI序列的欧式距离，将欧式距离最近的位置指纹FP_m对应的坐标FP_m(x,y,F_r)的中的楼层号F_r置为当前楼层。 

实验结果如图2所示，x轴表示阈值R₀的取值，y轴表示楼层判别准确率。由图(a)中可以看出当AP在定位区域内分布均匀时，楼层判别的准确率可达到99％；由图(b)中可以看出当AP定位区域分布不均匀时，楼层判别的准确率仍然能达到98.2％。 

Claims (1)

1.一种基于楼层间RSSI差异的楼层判别方法，应用具有WiFi功能的移动终端进行接收信号强度指示RSSI的测量，其特征在于包括以下步骤：

步骤1：首先确定遍布整个定位区域的采样点数N；

步骤2：使用所述终端在第m个采样点处进行检测，得到k个无线接入点AP的信号强度的RSSI值，即RSSI₁,RSSI₂,...,RSSI_k；将RSSI₁,RSSI₂,...,RSSI_k与k个AP的MAC地址一起构成采样点位置指纹FP；第m个采样点的位置指纹表示为：

${\mathrm{FP}}_m={\left[\begin{array}{ccccc}{\mathrm{Mac}}_i& .& .& .& {\mathrm{Mac}}_j\\ {\mathrm{RSSI}}_i& .& .& .& {\mathrm{RSSI}}_j\end{array}\right]}^T,$ i,j∈{1,2,...k}

其中，Mac_i表示RSSI_i对应的MAC地址；

步骤3：记录第m个采样点的坐标FP_m(x,y,F_r)，并将第m个采样点的坐标和该采样点的位置指纹FP_m保存到指纹数据库中，其中(x,y)表示平面上相互垂直的横纵坐标，F_r,r∈{1,2...n}表示楼层号，n为定位区域内楼层数；

步骤4：重复步骤2、3，直到遍历采样区域内所有采样点，建立采样区域完整的指纹数据库；

步骤5：记录定位区域内各个AP的MAC地址，并与所在楼层的楼层号作为一组映射APFloor＝(Mac_i,F_r)；

步骤6：采用所述终端，在未知位置A处扫描AP，按照步骤3获取A位置的位置指纹，即得到位置A处来自于各个AP的RSSI以及对应的MAC地址；

步骤7：根据采集到的指纹中的RSSI值，选择大于阈值R₀的RSSI的MAC地址，并根据APFloor＝(Mac_i,F_r)得到MAC地址对应的楼层号，返回数量最多的楼层号，所返回的楼层号的个数记为p，p∈{1,2,...,n}，并将所述p个楼层号存于集合F；

步骤8：若p=1，则这个唯一的楼层号即为当前位置的楼层号；

步骤9：若p≥2，则计算出A的位置指纹中的RSSI序列与指纹库中所有采样点的指纹中的RSSI序列的欧式距离，欧式距离最近的位置指纹FP_m对应的坐标FP_m(x,y,F_r)的中的楼层号F_r即为当前位置的楼层号。