CN108566625A - 基于软件定义网络的WiFi定位方法 - Google Patents

Abstract

本发明提出一种基于软件定义网络的WiFi定位方法，属于无线定位技术领域。本方法包括：将定位区域划分为多个子区域，并为每个子区域分配各自的位置标签；学习模式下，控制器通过接入点获取位于各个子区域处无线终端的信号强度值和路由器物理地址，并将上述所有数据发送至定位服务器，再使用朴素贝叶斯算法计算信号强度值在各个子区域的分布概率，构建指纹数据库；在定位模式下，定位服务器根据获得的数据信号在指纹数据库中进行数据查找，并根据查找结果计算获得的数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果。本发明具有***部署简单、可以实现对用户的轨迹进行实时追踪、稳定性强等优点。

Description

基于软件定义网络的WiFi定位方法

技术领域

本发明属于无线定位技术领域，特别涉及一种基于软件定义网络的WiFi定位方法。

背景技术

近些年来，移动智能终端的广泛应用和无线网络的快速普及，使得基于位置的服务应用需求大量上升，尤其在北斗、GPS等卫星定位覆盖不到的室内区域，人们的室内定位需求十分巨大。现有的室内定位技术中大多需要额外的专用硬件设施，定位成本高，定位精度和覆盖范围受到硬件条件的限制。基于无线局域网(Wireless Local Area Network，WLAN)和接收信号强度(Received Signal Strength，RSS)的室内定位技术因为其可以利用现有的广泛部署的WiFi设备，无需额外添加硬件设备成为现在热门的研究目标。

现有的WiFi室内定位方法虽然可以实现室内定位效果，但是往往依赖于终端软件或特殊终端，无法做到定位对象无感知，无法适应需要人员或物品监管的特殊场景，部分***为了达到定位效果，甚至牺牲了现有WiFi***的正常通讯功能。由于单个接入点AP的覆盖范围有限，现有方法无法做到终端在多个AP之间的低延时切换，使得用户在大范围的空间内移动时，会存在与AP断开连接之后重连的问题，无法实现实时的定位与轨迹追踪。而且现有定位***部署复杂，可控性很差，不利于统一控制和后期的维护与升级。

发明内容

本发明为改善现有室内定位技术依赖终端、无法实现轨迹追踪、定位精度低、***可控性差、部署复杂、成本高等不足，提出了一种基于软件定义网络的WiFi定位方法。

本发明包括以下步骤：

S1、将软件定义网络的接入点覆盖的定位区域建立坐标系，然后将整个坐标系根据需求划分为多个子区域，并为每个子区域分配各自的位置标签，位置标签与坐标值对应；

S2、学习模式下，在每个位置标签对应的子区域放置无线终端，控制器通过接入点获取无线终端的信号强度值和路由器物理地址，并将上述数据发送至定位服务器进行数据整理，再根据整理后的数据使用朴素贝叶斯算法计算信号强度值在各个子区域的分布概率，构建指纹数据库；

S3、在定位模式下，定位服务器通过接入点和控制器获得位于任意一子区域的无线终端的信号强度值、终端物理地址和路由器物理地址，根据获得的数据信号在指纹数据库中进行数据查找，并根据查找结果计算数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果。

进一步的，定位服务器还要对定位结果进行随机性控制，包括：

将最终定位结果的数据表示为：<位置标签、概率值>，在一段时间内进行多次计算，得到多组<位置标签、概率值>的数据集合，将上述数据集合中不同位置标签出现的频率进行统计分析：若出现频率最高的位置标签唯一，则选取频率最高的位置标签作为定位结果；若频率最高的位置标签不唯一，则在频率最高的位置标签中选取概率值最大的位置标签作为定位结果。

进一步的，在同一坐标系中使用一种或多种方法划分子区域，且不同的划分方法最终对应着不同的指纹数据库，定位服务器根据无线终端的类型选择相应的指纹数据库。

进一步的，在学习模式和定位模式下，接入点获取无线终端的信号强度值的方法为：无线终端通过通信质量最佳的接入点连接至软件定义网络，控制器获得终端连接信息后向每个接入点下发一条消息，命令每个接入点监听终端，接入点收到命令后以固定的时间间隔不间断地从监听接口中获取无线终端的数据帧，并解析出无线终端的信号强度值。

进一步的，接入点每隔10ms的时间获取一个信号强度值，对在200ms内获取的20个信号强度值进行处理后上传至控制器。

进一步的，接入点对获取的信号强度值要进行数据处理，处理方法包括：接入点对一段时间内的多个信号强度值进行奇异值处理与高斯滤波处理，过滤掉不合理数据，接着对过滤后数据取均值，得到优化的信号强度值。

进一步的，在学习模式下，控制器对接收到的数据要进行数据整理后再发送至定位服务器，且数据整理时添加指纹数据库名称、位置标签和时间戳，整理后形成的数据格式包括：

<指纹数据库名称、位置标签、若干<路由器物理地址，信号强度值>组合、时间戳>。

进一步的，在定位模式下，控制器对接收到的数据进行数据整理后再发送至定位服务器，且数据整理时添加用户名、指纹数据库名称和时间戳，整理后形成的数据格式包括：

<用户名、指纹数据库名称、若干<路由器物理地址，信号强度值>组合、时间戳>，且用户名由控制器根据终端物理地址进行分配。

进一步的，所述使用朴素贝叶斯算法计算信号强度值在各个子区域的分布概率，构建指纹数据库，具体包括：

根据位置标签L_i确定对应的子区域U_i，将指纹训练数据α离散化为[-150,0]dBm共计151个信号强度值，对所有的信号强度值使用从控制器接收到的每一个子区域的数据进行训练，所有信号强度值在每一个子区域的概率通过如下公式计算：

其中：σ为宽度参数，用于控制高斯核的宽度；α_ij表示子区域U_i中的第j组数据；将所有计算结果存储到定位服务器中形成指纹数据库。

进一步的，所述定位服务器根据接收到的数据信号在指纹数据库中进行数据查找，并根据查找结果计算接收到的数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果，具体包括：

在定位模式下，定位服务器得到一个数据信号组合β＝{β_k}(k＝1,2,...,l)，l为参与定位的接入点数量；则待测无线终端在子区域U_i中信号组合β的出现概率表示为：

其中：P(β_k|U_i)表示在子区域U_i中信号β_k出现的概率；P(β_k|U_i)在指纹数据库中根据信号强度值查找得到；

因此，根据贝叶斯算法，当接收到信号组合β时其处于子区域U_i的概率P(U_i|β)表示如下：

P(β)为信号强度的先验概率，为常数，取1；P(U_i)表示子区域的先验概率，对于P(U_i)的取值：定位时所有子区域取1，即认为待测终端可能处于任意一个子区域；

因为子区域与位置标签一一对应，所以：

P(L_i|β)＝P(U_i|β)

选取概率值最大时对应的位置标签L^*作为定位结果：

P(L^*|β)＝max(P(L_i|β))，i＝1,2,...m，m表示位置标签的数量。

本发明的有益技术效果为：(1)***部署简单，对AP硬件无特殊要求，成本较低；(2)对终端无要求，接入***的终端，比如手机、PAD、电脑等都可以在不附加任何硬件与软件的情况下实现定位；(3)定位更加准确，终端可以在所有的AP之间无缝切换，定位理念为指纹数据库定位，***引入了机器学习思想(朴素贝叶斯算法)，使得定位效果更加准确；(4)基于软件定义网络***的无缝切换功能，在***的覆盖范围下，终端移动时通信不会中断，定位***可以实现对用户轨迹的实时追踪；(5)该定位***的实现不影响正常的WiFi业务使用，不会拖累AP性能；(6)基于SDWN，整个定位***的可控性很强，可以实现***的统一管控，***运行更加稳定。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1是本发明的整体流程示意图；

图2是本发明的***部署示意图。

具体实施方式

为了使本技术领域人员能更好地理解本发明的目的、技术方案和有益效果，下面结合具体实施例和说明附图来进行完整的描述。

本发明解决上述技术问题的技术方案是：

一种基于软件定义网络的WiFi定位方法，包括以下步骤：

S1、将软件定义网络的接入点覆盖的定位区域建立坐标系，然后将整个坐标系根据需求划分为多个子区域，并为每个子区域分配各自的位置标签，位置标签与坐标值对应；

S2、学习模式下，在每个位置标签对应的子区域放置无线终端，控制器通过接入点获取无线终端的信号强度值和路由器物理地址，并将上述数据发送至定位服务器进行数据整理，再根据整理后的数据使用朴素贝叶斯算法计算信号强度值在各个子区域的分布概率，构建指纹数据库；

S3、在定位模式下，定位服务器通过接入点和控制器获得位于任意一子区域的无线终端的信号强度值、终端物理地址和路由器物理地址，根据获得的数据信号在指纹数据库中进行数据查找，并根据查找结果计算数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果。

如图1所示，首先在软件定义网络覆盖范围之下确定需要定位的区域并建立坐标系。处在同一软件定义网络覆盖下的不同用户团体根据自身的精度或具体定位区域的需求划分子区域，一般来说，划分方式为等面积的网格状划分。不同用户团体的划分方式赋予不同的名称。所有划分方式下的子区域分配各自的位置标签，每个位置标签对应着一个坐标值。

如图1、图2所示，区域划分后，定位***进入学习模式。学习模式下，无线终端M1依次被放置在所有的位置标签对应的坐标下，然后终端M1通过接入点AP连接至软件定义网络，控制器获得终端连接信息后向每个接入点下发一条消息，命令每个接入点监听终端，接入点收到命令后以10ms的时间间隔不间断地从监听接口中获取无线终端的数据帧，并解析出无线终端的信号强度值。经过200ms时间，接入点接收到20个信号强度值之后，接入点对20个信号强度值进行奇异值处理与高斯滤波处理，剔除因无线信号的不稳定性产生的误差较大的数据，然后对剩余的数据进行取均值处理，得到一个最终要上传的信号强度值。

接入点上传信号强度值与自身物理地址至控制器，控制器添加指纹数据库名称、位置标签、时间戳后，整理得到如下数据格式：<指纹数据库名称、位置标签、若干<路由器物理地址，信号强度值>组合、时间戳>，上传数据至定位服务器。

对于指纹数据库的构建，定位服务器根据位置标签L_i确定对应的子区域U_i，将指纹训练数据α离散化为[-150,0]dBm共计151个信号强度值，对所有的信号强度值使用每一个子区域的从控制器接收到数据进行训练，得到所有信号强度值在每一个子区域的概率：

其中：σ为宽度参数，用于控制高斯核的宽度；α_ij表示子区域U_i中的第j组数据；将所有计算结果存储到定位服务器中形成指纹数据库。通过再次运行学习模式可以更新数据库。

如图1、图2所示，***进入定位模式后，终端M2在任意子区域通过接入点无线AP连接至软件定义网络，控制器获得终端连接信息后向每个接入点下发一条消息，命令每个接入点监听终端，接入点收到命令后以10ms的时间间隔不间断地从监听接口中获取无线终端的数据帧，并解析出无线终端的信号强度值。经过200ms时间。接入点接收到20个信号强度值之后，接入点对20个信号强度值进行奇异值处理与高斯滤波处理，剔除因无线信号的不稳定性产生的误差较大的数据，然后对剩余的数据进行取均值处理，得到一个最终要上传的信号强度值。

接入点上传信号强度值与自身物理地址至控制器，控制器添加用户名、指纹数据库名称、时间戳，且用户名根据无线终端M2物理地址分配，数据库名称根据无线终端所在用户团体对应的划分方式确定。控制器整理得到如下数据格式：<用户名、指纹数据库名称、若干<路由器物理地址，信号强度值>组合、时间戳>，上传数据至定位服务器。

定位服务器根据接收到的数据信号在指纹数据库中进行数据查找，并根据查找结果计算接收到的数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果。

在定位模式下，定位服务器得到一个数据信号组合β＝{β_k}(k＝1,2,...,l)，l为参与定位的接入点数量；则待测无线终端在子区域U_i中信号组合β的出现概率表示为：

其中：P(β_k|U_i)表示在子区域U_i中信号β_k出现的概率；P(β_k|U_i)在指纹数据库中根据信号强度值查找得到；

因此，根据贝叶斯算法，当接收到信号组合β时其处于子区域U_i的概率P(U_i|β)表示如下：

P(β)为信号强度的先验概率，为常数，取1；P(U_i)表示子区域的先验概率，对于P(U_i)的取值：定位时所有子区域取1，即认为待测终端可能处于任意一个子区域。

因为子区域与位置标签一一对应，所以：

P(L_i|β)＝P(U_i|β)

选取概率值最大时对应的位置标签L^*作为定位结果：

P(L^*|β)＝max(P(L_i|β))，i＝1,2,...m，m表示位置标签的数量。

将最终定位结果的数据表示为：<位置标签、概率值>，在一段时间内进行多次计算，得到多组<位置标签、概率值>的数据集合，将上述数据集合中不同位置标签出现的频率进行统计分析：若出现频率最高的位置标签唯一，则选取频率最高的位置标签作为定位结果；若频率最高的位置标签不唯一，则在频率最高的位置标签中选取概率值最大的位置标签作为最终定位结果。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于软件定义网络的WiFi定位方法，其特征在于，包括以下步骤：

S1、将软件定义网络的接入点覆盖的定位区域建立坐标系，然后将整个坐标系根据需求划分为多个子区域，并为每个子区域分配各自的位置标签，位置标签与坐标值对应；

S2、学习模式下，在每个位置标签对应的子区域放置无线终端，控制器通过接入点获取无线终端的信号强度值和路由器物理地址，并将上述数据发送至定位服务器进行数据整理，再根据整理后的数据使用朴素贝叶斯算法计算信号强度值在各个子区域的分布概率，构建指纹数据库；

S3、在定位模式下，定位服务器通过接入点和控制器获得位于任意一子区域的无线终端的信号强度值、终端物理地址和路由器物理地址，根据获得的数据信号在指纹数据库中进行数据查找，并根据查找结果计算数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果。

2.根据权利要求1所述的基于软件定义网络的WiFi定位方法，其特征在于，定位服务器还要对定位结果进行随机性控制，包括：

将最终定位结果的数据表示为：<位置标签、概率值>，在一段时间内进行多次计算，得到多组<位置标签、概率值>的数据集合，将上述数据集合中不同位置标签出现的频率进行统计分析：若出现频率最高的位置标签唯一，则选取频率最高的位置标签作为定位结果；若频率最高的位置标签不唯一，则在频率最高的位置标签中选取概率值最大的位置标签作为定位结果。

3.根据权利要求1或2所述的基于软件定义网络的WiFi定位方法，其特征在于，在同一坐标系中使用一种或多种方法划分子区域，且不同的划分方法最终对应着不同的指纹数据库，定位服务器根据无线终端的类型选择相应的指纹数据库。

4.根据权利要求1所述的基于软件定义网络的WiFi定位方法，其特征在于，在学习模式和定位模式下，接入点获取无线终端的信号强度值的方法为：无线终端通过通信质量最佳的接入点连接至软件定义网络，控制器获得终端连接信息后向每个接入点下发一条消息，命令每个接入点监听终端，接入点收到命令后以固定的时间间隔不间断地从监听接口中获取无线终端的数据帧，并解析出无线终端的信号强度值。

5.根据权利要求4所述的基于软件定义网络的WiFi定位方法，其特征在于：接入点每隔10ms的时间获取一个信号强度值，对在200ms内获取的20个信号强度值进行处理后上传至控制器。

6.根据权利要求4所述的基于软件定义网络的WiFi定位方法，其特征在于：接入点对获取的信号强度值要进行数据处理，处理方法包括：接入点对一段时间内的多个信号强度值进行奇异值处理与高斯滤波处理，过滤掉不合理数据，接着对过滤后数据取均值，得到优化的信号强度值。

7.根据权利要求1所述的基于软件定义网络的WiFi定位方法，其特征在于，在学习模式下，控制器对接收到的数据要进行数据整理后再发送至定位服务器，且数据整理时添加指纹数据库名称、位置标签和时间戳，整理后形成的数据格式包括：

<指纹数据库名称、位置标签、若干<路由器物理地址，信号强度值>组合、时间戳>。

8.根据权利要求1所述的基于软件定义网络的WiFi定位方法，其特征在于，在定位模式下，控制器对接收到的数据进行数据整理后再发送至定位服务器，且数据整理时添加用户名、指纹数据库名称和时间戳，整理后形成的数据格式包括：

<用户名、指纹数据库名称、若干<路由器物理地址，信号强度值>组合、时间戳>，且用户名由控制器根据终端物理地址进行分配。

9.根据权利要求1所述的基于软件定义网络的WiFi定位方法，其特征在于，

所述使用朴素贝叶斯算法计算信号强度值在各个子区域的分布概率，构建指纹数据库，具体包括：

根据位置标签L_i确定对应的子区域U_i，将指纹训练数据α离散化为[-150,0]dBm共计151个信号强度值，对所有的信号强度值使用从控制器接收到的每一个子区域的数据进行训练，所有信号强度值在每一个子区域的概率通过如下公式计算：

其中：σ为宽度参数，用于控制高斯核的宽度；α_ij表示子区域U_i中的第j组数据；将所有计算结果存储到定位服务器中形成指纹数据库。

10.根据权利要求1所述的基于软件定义网络的WiFi定位方法，其特征在于：

所述定位服务器根据接收到的数据信号在指纹数据库中进行数据查找，并根据查找结果计算接收到的数据信号出现在各个子区域的概率，选取概率值最大的子区域对应的位置标签作为定位结果，具体包括：

在定位模式下，定位服务器得到一个数据信号组合β＝{β_k}(k＝1,2,...,l)，l为参与定位的接入点数量；则待测无线终端在子区域U_i中信号组合β的出现概率表示为：

其中：P(β_k|U_i)表示在子区域U_i中信号β_k出现的概率；P(β_k|U_i)在指纹数据库中根据信号强度值查找得到；

因此，根据贝叶斯算法，当接收到信号组合β时其处于子区域U_i的概率P(U_i|β)表示如下：

P(β)为信号强度的先验概率，为常数，取1；P(U_i)表示子区域的先验概率，对于P(U_i)的取值：定位时所有子区域取1，即认为待测终端可能处于任意一个子区域；

因为子区域与位置标签一一对应，所以：

P(L_i|β)＝P(U_i|β)

选取概率值最大时对应的位置标签L^*作为定位结果：

P(L^*|β)＝max(P(L_i|β))，i＝1,2,...m，m表示位置标签的数量。