CN108712718A - 定位处理方法、装置、服务器及存储介质 - Google Patents

Abstract

本申请提供一种定位处理方法、装置、服务器及存储介质，该方法包括：接收定位请求，定位请求包括待定位目标的第一指纹；根据预配置的位置指纹库，确定第一指纹所属的指纹类为目标指纹类，位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息；若第一指纹处于目标指纹类的边缘，则根据第一指纹与位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类；根据第一指纹与目标指纹类及参考指纹类中的各参考点的欧式距离，确定待定位目标的位置。解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

Description

定位处理方法、装置、服务器及存储介质

技术领域

本申请涉及室内定位技术领域，尤其涉及一种定位处理方法、装置、服务器及存储介质。

背景技术

在现代信息化的时代背景下，基于位置的服务越来越普遍，这对定位技术的发展提出了新的要求。传统的基于GPS的定位技术可以达到民用3米的精度，但一般适用于室外环境，在室内复杂环境下难以达到较高精度。

目前，室内定位技术中比较常见的技术种类有Zigbee、RFID、蓝牙、超声波、红外线、WiFi等，各种定位方式在定位精度、布设成本、市场普及范围、设备维护成本等方面互有利弊。而随着WiFi技术的发展和无线终端的广泛使用，WiFi在室内环境中越来越普及，个人家庭、咖啡馆、图书馆、机场候机室、商场等馆舍内都提供WiFi信号，而且WiFi技术具有的通信速率快、信号稳定、抗干扰能力强、设备普及率高等特点都为其作为通用室内定位技术奠定了基础。

WiFi室内定位技术也有许多种细分技术，目前比较广泛的是基于接收信号强度RSSI(Received Signal Strength Indication)的定位，而这里面又有多种具体的算法在不断丰富和完善。其中，由于位置指纹技术需要对庞大的位置指纹数据做处理，为了简化定位流程，提高定位效率，人们将聚类的思想应用到位置指纹的划分中，并取得了不错的效果。

现有的聚类算法应用在位置指纹定位中可以减少在线定位阶段的计算量，加快定位速度，但是，在在线定位确定待测定位点属于哪个类时候，容易出现待定位点处于某类A的边缘，单纯将其归入类A会降低定位精度。因此，如何有效提高室内定位精度成为亟需解决的技术问题。

发明内容

本申请提供一种定位处理方法、装置、服务器及存储介质，以解决现有技术室内定位准确性较低等缺陷。

本申请第一个方面提供一种定位处理方法，包括：

接收定位请求，所述定位请求包括待定位目标的第一指纹；

根据预配置的位置指纹库，确定所述第一指纹所属的指纹类为目标指纹类，所述位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息；

若所述第一指纹处于所述目标指纹类的边缘，则根据所述第一指纹与所述位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类；

根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，确定所述待定位目标的位置。

本申请的第二个方面提供一种定位处理装置，包括：

接收模块，用于接收定位请求，所述定位请求包括待定位目标的第一指纹；

第一确定模块，用于根据预配置的位置指纹库，确定所述第一指纹所属的指纹类为目标指纹类，所述位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息；

第二确定模块，用于若所述第一指纹处于所述目标指纹类的边缘，则根据所述第一指纹与所述位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类；

处理模块，用于根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，确定所述待定位目标的位置。

本申请的第三个方面提供一种服务器，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现上述的方法。

本申请的第四个方面提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现上述的方法。

本申请提供的定位处理方法、装置、服务器及存储介质，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的定位处理方法的流程示意图；

图2为本申请另一实施例提供的定位处理方法的流程示意图；

图3为本申请一实施例提供的边缘判定准则示意图；

图4为本申请一实施例提供的室内区域划分示意图；

图5为本申请一实施例提供的绝对误差对比示意图；

图6为本申请一实施例提供的定位处理装置的结构示意图；

图7为本申请一实施例提供的服务器的结构示意图；

图8为本申请一实施例提供的定位处理***的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请提供的定位处理方法适用于已经建立了位置指纹库的室内的待定位目标的定位处理。待定位目标可以是但不限于是手机、平板电脑等具有无线WIFI功能的终端。具体的，若要实现对处于某目标室内的待定位目标的定位，需要在目标室内设置一定数量的信号源装置，比如无线访问接入点AP，并预先建立该目标室内的位置指纹库，即预先获取目标室内至少两个参考点的指纹与位置信息的对应关系，并对各参考点进行聚类获得至少两个指纹类。当需要对处于目标室内的待定位目标进行定位时，可以获取待定位目标的第一指纹，根据第一指纹与位置指纹库中存储的各参考点的指纹和位置信息确定待定位目标的位置。

在实际应用中，根据室内信号的传播模型，AP不同距离处接收到的信号强度是不同的，根据接收信号强度可以反推终端的距离，通常三个以上的信号强度即可确定二维平面中终端的位置，根据WIFI信号与位置的相关性，在一定室内区域采用避免对称的方式布置一定数量的AP，则该室内区域内不同位置处接收到的各AP发出的信号强度具有差异性，因而可以选择室内区域内不同位置为参考点，并预先测试各参考点的信号强度序列(即指纹)及位置信息，用于后续对处于该室内区域的终端的定位。

具体可以借助定位终端预先测试各参考点的信号强度序列及位置信息，定位终端可以是安装有无线网卡、可以用于扫描接收WIFI信号的电子设备，例如可以是手机、平板电脑、运动手环等移动电子设备，也可以是固定在预设各参考点的电子设备。

此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

实施例一

本实施例提供一种定位处理方法，用于对室内的待定位目标进行定位。本实施例的执行主体为定位处理装置，该装置可以设置在定位服务器中。

如图1所示，为本实施例提供的定位处理方法的流程示意图，该方法包括：

步骤101，接收定位请求，定位请求包括待定位目标的第一指纹。

具体的，待定位目标可以是用户使用的手机、平板电脑、笔记本电脑或其他具有WIFI功能的终端设备或电子设备。当用户想要了解自己当前处于室内的位置，或者需要导航到其他位置而需要确定用户的当前位置时，可以通过终端设备向定位服务器发送定位请求，定位请求包括待定位目标的第一指纹，定位服务器接收到定位请求，可以获取到终端设备的第一指纹，第一指纹可以为终端设备接收到的无线访问接入点AP信号强度序列。

步骤102，根据预配置的位置指纹库，确定第一指纹所属的指纹类为目标指纹类，位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息。

具体的，定位服务器获取到终端设备的第一指纹后，则可以根据预配置的位置指纹库，确定第一指纹所属的指纹类为目标指纹类，位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息。

其中，参考点是指将室内区域划分成各子区域的中心点。参考点的指纹是指定位终端在该参考点处接收到的各AP发出的WIFI信号的信号强度构成的信号强度序列。

示例性的，第一指纹为信号强度序列R＝{riss₁,riss₂,…,riss_n}，其中n为预设的AP的数量，将AP按照预设的顺序排列，riss_i表示接收到的第i个AP发出的WIFI信号的信号强度，i可以为1,2，…，n。本实施例中，预设顺序可以为各AP按照任一确定的顺序排列，比如对各AP顺序编号，预设顺序可以为按照AP编号由大到小的顺序。依次计算R与位置指纹库中各指纹类的中心Mj的欧式距离，选取其中最小的欧式距离对应的指纹类即为目标指纹类，也即待定位目标的第一指纹归属于该目标指纹类。

指纹类是指采用聚类算法将位置指纹库中该室内区域各参考点进行聚类，划分成的各指纹类。

步骤103，若第一指纹处于目标指纹类的边缘，则根据第一指纹与位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类。

具体的，当第一指纹处于目标指纹类的边缘时，若仅依靠目标指纹类中的参考点来确定待定位目标的位置，可能会造成较大的误差，因此，若第一指纹处于目标指纹类的边缘，需要从目标指纹类的相邻类中选择一定数量的指纹类作为参考指纹类，与目标指纹类共同参与待定位目标的定位。

步骤104，根据第一指纹与目标指纹类及参考指纹类中的各参考点的欧式距离，确定待定位目标的位置。

具体的，在确定待定位目标的位置时，若待定位目标的第一指纹处于目标指纹类的边缘，需要结合上述确定的参考指纹类中的各参考点以及目标指纹类中的各参考点，共同确定待定位目标的位置。

本实施例提供的定位处理方法，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

实施例二

本实施例对实施例一提供的定位处理方法做进一步补充说明。

如图2所示，为本实施例提供的定位处理方法的流程示意图。

作为一种可实施的方式，在上述实施例一的基础上，可选地，步骤102具体包括：

步骤1021，计算第一指纹与位置指纹库中各指纹类的中心参考点的欧式距离。

示例性的，第一指纹为R＝{riss₁,riss₂,…,riss_n}，位置指纹库中第i个指纹类的中心参考点的指纹为R_i＝{riss₁ ⁱ,riss₂ ⁱ,…,riss_n ⁱ}，则第一指纹与该中心参考点的欧式距离为D_i：

其中，riss_j ⁱ为第i个指纹类的中心参考点处接收到第j个AP发出的WIFI信号的信号强度。

步骤1022，确定与第一指纹的欧式距离最小的中心参考点对应的指纹类为目标指纹类。

作为另一种可实施的方式，在上述实施例一的基础上，可选地，步骤103包括：

若第一指纹处于目标指纹类的边缘，则根据第一指纹与位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类，包括：

若第一待判定值P满足P>1，或者，L≤P≤1，其中，P＝d/D1*100％，d为第一指纹与目标指纹类的中心参考点的欧式距离，D1为目标指纹类中各参考点与中心参考点的最大欧式距离，L为第一预设阈值，0＜L＜1；并且，对于位置指纹库中的每个其他指纹类，若第二待判定值S满足判定条件1≤S≤T，其中，S＝D2/d*100％，D2为第一指纹与其他指纹类的中心参考点的欧式距离，d为第一指纹与目标指纹类的中心参考点的欧式距离，T为第二预设阈值，T＞1，则确定第一指纹处于目标指纹类的边缘，以及其他指纹类为参考指纹类。

具体的，判断第一指纹是否处于目标指纹类的边缘，需要满足两个条件：

条件一：当P＞1时，说明待定位目标距离目标指纹类的中心参考点的欧式距离比目标指纹类中其他任何参考点都要远，此时确定满足条件一；当L≤P≤1，确定满足条件一；实际操作中，L可以取值0.8，说明待定位目标的第一指纹处于距目标指纹类的中心参考点的最大欧式距离的80％以外，可以判断其满足条件一。需要说明的是L的取值可以根据实际需求进行设置，比如还可以是0.7、0.9等等，本实施例仅为示例性说明，并非对其限定。

条件二：当1≤S≤T，实际应用中T可以取值1.5，说明待定位目标与目标指纹类的中心参考点的欧式距离d的1.5倍范围内仍然有其他指纹类的中心参考点存在，因此该其他指纹类需要加以考虑。在实际操作中，T的取值可以根据实际需求进行设置，比如还可以是1.4、1.6等，本实施例仅为示例性说明，并非对其限定。

当待定位目标的第一指纹满足上述条件一和条件二时，可以确定该待定位目标的第一指纹处于目标指纹类的边缘。

如图3所示，为本实施例提供的边缘判定准则示意图。其中，A表示目标指纹类，X表示待定位目标，M表示其他指纹类，d为第一指纹与目标指纹类的中心参考点O1的欧式距离，D1为目标指纹类中各参考点与中心参考点的最大欧式距离，D2为第一指纹与其他指纹类M的中心参考点O2的欧式距离。

作为再一种可实施的方式，在上述实施例一的基础上，可选地，步骤104具体包括：

步骤1041，根据第一指纹与目标指纹类及参考指纹类中的各参考点的欧式距离，按从小到大的顺序，选择K个参考点作为目标参考点，K为预设的正整数。

具体的，在确定了参考指纹类后，需要计算第一指纹与目标指纹类中各参考点的欧式距离，以及第一指纹与各参考指纹类中各参考点的欧式距离，具体计算过程与上述计算过程一致，在此不再赘述。

在计算获得第一指纹与目标指纹类及各参考指纹类中的各参考点的欧式距离后，从中选择与第一指纹欧式距离最小的K个参考点作为目标参考点，用于确定待定位目标的位置。

示例性的，目标指纹类中有6个参考点，有两个参考指纹类，每个参考指纹类中有4个参考点，即总共有14个目标参考点，分别计算第一指纹与这14个目标参考点的欧式距离，即获得14个欧式距离值，从这14个欧式距离值中选择最小的K＝4个欧式距离值，这4个欧式距离值对应的参考点即为目标参考点。

步骤1042，根据目标参考点的位置信息，采用加权K邻近WKNN算法，确定待定位目标的位置。

具体的，将K个目标参考点的位置信息，比如坐标，求平均值，计算得到待定位目标的位置。

可选的，该方法还包括：

步骤201，若第一指纹不处于目标指纹类的边缘，则根据第一指纹与目标指纹类中的各参考点的欧式距离，按从小到大的顺序选择K个参考点作为目标参考点。

具体的，该步骤的具体操作与上述过程相似，在此不再赘述。

作为又一种可实施的方式，在上述实施例一的基础上，可选地，步骤101之前，该方法还包括：

步骤202，获取预设的各参考点的指纹和位置信息。

步骤203，将各参考点的指纹和位置信息对应存储，建立位置指纹库。

步骤204，采用K均值K-means聚类算法，对位置指纹库中的各参考点进行聚类，获得至少两个指纹类。

具体的，在实现对某室内区域的待定位目标进行定位之前，需要预先建立位置指纹库，并对预设的各参考点进行聚类，获得至少两个指纹类。

示例性的，某室内面积为9.9m*16m，四周为实体墙，室内的若干隔间、大厅办公区的若干桌椅以及电器设备构成了室内定位的复杂环境。将室内区域以1m的间隔划分160个小区域，在现实地图和手机地图中均从左上角开始设置坐标为(0,0)，至右下角为(990,1600)，在每个小区域的中心设立参考点，按照从左至右，从上到下的顺序标注为1-160。采用随机而又避免对称的方式在室内布置6个AP，按从左至右的顺序依次编号为1-6。如图4所示，为本实施例提供的室内区域划分示意图。每个圆点为一个参考点，每个小矩形为一个小区域。

在定位终端上安装测试用的客户端，采用定位终端在每个参考点处采集50次指纹，即AP发射的信号强度信息，客户端自动计算均值并连同参考点序号和AP的MAC地址以及信号强度发送给服务器端。当采集满160个参考点的数据后，服务器执行聚类算法，按照信号强度与参考点位置信息对应的关系将参考点聚类获得各指纹类，并计算出各指纹类的中心参考点坐标和指纹，即信号强度，存储到数据库中，从而建立了位置指纹库。

当用户处于该室内时，需要定位时，可以通过随身携带的终端设备(待定位目标)向定位服务器发送定位请求，定位请求中包括终端设备的第一指纹，定位服务器接收到定位请求后，根据第一指纹，采用上述定位处理方法确定用户终端设备的位置，并向终端设备返回确定的位置，终端设备将定位服务器返回的位置在预设地图上显示。

在实际应用中，室内定位的地图个体差异性大，不同室内环境的地图需要具体绘制。当环境发生变化时需要有快速更新能力。因此可以用MicrosoftOffice Visio等软件将定位区域绘制成jpg格式的图片，导入到待定位目标，结合定位得到的位置在地图上对应标注。另外，在地图界面有对地图的放缩按钮，并且可以长按拖动地图。还可以设置一个选项按钮，集成了快照与位置报错功能，以便统计定位正确率。

本实施例中，采用的聚类算法为K均值K-means聚类算法，具体执行过程可以为现有技术，在此不再赘述。

在聚类过程中，采用聚类检验指标BWP指标来检验聚类的效果。具体的检验操作可以为现有技术，在此不再赘述。

示例性的，本实施例对在上述室内进行了定位测试，选取边缘的20个待定位目标来进行测试，每个待定位目标测试3次指纹，即信号强度，计算平均信号强度，将相应信息发送给服务器，服务器执行上述定位处理方法后将定位结果发送给客户端并存储到数据库。如图5所示，为本实施例提供的绝对误差对比示意图。改进前是指现有技术的定位处理方法，改进后是指本申请提供的定位处理方法。由图可以看出，本申请的测量误差值整体较小，且离散性小于改进前，特别是第1次和第10到15次，本申请定位误差明显减小，这是因为上述测试点对边缘定位点的契合度较大，单纯采用一个类来定位时具有较大误差。现有技术最大误差为4.02m，改进后为3.29米，误差平均值由2.64m下降到2.11米，误差降低了20％。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

本实施例提供的定位处理方法，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

实施例三

本实施例提供一种定位处理装置，用于执行上述实施例一的方法。

如图6所示，为本实施例提供的定位处理装置的结构示意图。该定位处理装置30包括接收模块31、第一确定模块32、第二确定模块33和处理模块34。

其中，接收模块31用于接收定位请求，定位请求包括待定位目标的第一指纹；第一确定模块32用于根据预配置的位置指纹库，确定第一指纹所属的指纹类为目标指纹类，位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息；第二确定模块33用于若第一指纹处于目标指纹类的边缘，则根据第一指纹与位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类；处理模块34用于根据第一指纹与目标指纹类及参考指纹类中的各参考点的欧式距离，确定待定位目标的位置。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本实施例提供的定位处理装置，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

实施例四

本实施例对上述实施例三提供的定位处理装置做进一步补充说明，以执行上述实施例二提供的方法。

作为一种可实施的方式，在上述实施例三的基础上，可选地，第一确定模块，具体用于：

计算第一指纹与位置指纹库中各指纹类的中心参考点的欧式距离；确定与第一指纹的欧式距离最小的中心参考点对应的指纹类为目标指纹类。

作为另一种可实施的方式，在上述实施例三的基础上，可选地，第二确定模块，具体用于：

若第一待判定值P>1，或者，L≤P≤1，其中，P＝d/D1*100％，d为第一指纹与目标指纹类的中心参考点的欧式距离，D1为目标指纹类中各参考点与中心参考点的最大欧式距离，L为第一预设阈值，0＜L＜1；并且，对于位置指纹库中的每个其他指纹类，若第二待判定值S满足判定条件1≤S≤T，其中，S＝D2/d*100％，D2为第一指纹与其他指纹类的中心参考点的欧式距离，d为第一指纹与目标指纹类的中心参考点的欧式距离，T为第二预设阈值，T＞1，则确定第一指纹处于目标指纹类的边缘，以及其他指纹类为参考指纹类。

作为再一种可实施的方式，在上述实施例三的基础上，可选地，处理模块，具体用于：

根据第一指纹与目标指纹类及参考指纹类中的各参考点的欧式距离，按从小到大的顺序，选择K个参考点作为目标参考点，K为预设的正整数；根据目标参考点的位置信息，采用加权K邻近WKNN算法，确定待定位目标的位置。

可选的，第二确定模块，还用于：

若第一指纹不处于目标指纹类的边缘，则根据第一指纹与目标指纹类中的各参考点的欧式距离，按从小到大的顺序选择K个参考点作为目标参考点。

作为又一种可实施的方式，在上述实施例三的基础上，可选地，该装置还包括获取模块、建立模块和聚类模块。

其中，获取模块用于获取预设的各参考点的指纹和位置信息；建立模块用于将各参考点的指纹和位置信息对应存储，建立位置指纹库；聚类模块用于采用K均值K-means聚类算法，对位置指纹库中的各参考点进行聚类，获得至少两个指纹类。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

根据本实施例的定位处理装置，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

实施例五

本实施例提供一种服务器，用于执行上述任一实施例提供的定位处理方法。

如图7所示，为本实施例提供的服务器的结构示意图。该服务器50包括：至少一个处理器51和存储器52；

存储器存储计算机程序；至少一个处理器执行存储器存储的计算机程序，以实现上述实施例提供的定位处理方法。

根据本实施例的服务器，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

实施例六

本实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，计算机程序被执行时实现上述任一实施例提供的方法。

根据本实施例的计算机可读存储介质，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

在一些实施例中，还可以提供一种定位处理***，包括定位服务器、终端设备和AP装置，如图8所示，为本实施例提供的定位处理***的结构示意图。其中，定位服务器用于建立位置指纹库、接收并响应终端设备的定位请求。终端设备用于采集AP信号强度信息，向定位服务器发送定位请求，并接收定位服务器返回的定位结果呈现给用户。AP装置用于发射无线信号。

可选的，该定位处理***还可以包括一个或多个定位终端，用于预先采集室内区域中各预设参考点的指纹，发送给定位服务器，以为服务器建立位置指纹库提供数据。

需要说明的是，本实施例中定位处理***各组成部分的具体操作已在上述实施例中进行了详细说明，在此不再赘述。

本实施例提供的定位处理***，通过在待定位目标的指纹处于目标指纹类的边缘时，结合目标指纹类及临近的参考指纹类中的参考点共同确定待定位目标的位置，解决了现有技术中若待定位目标的指纹位于目标指纹类的边缘，在目标指纹类中可能没有足够的参考点来协助定位或者待定位目标距目标指纹类中的其他参考点较远，导致确定的待定位目标的位置误差较大的问题，有效提高了定位的准确性。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (14)

1.一种定位处理方法，其特征在于，包括：

接收定位请求，所述定位请求包括待定位目标的第一指纹；

根据预配置的位置指纹库，确定所述第一指纹所属的指纹类为目标指纹类，所述位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息；

若所述第一指纹处于所述目标指纹类的边缘，则根据所述第一指纹与所述位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类；

根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，确定所述待定位目标的位置。

2.根据权利要求1所述的方法，其特征在于，所述根据预配置的位置指纹库，确定所述第一指纹所属的指纹类为目标指纹类，包括：

计算所述第一指纹与所述位置指纹库中各指纹类的中心参考点的欧式距离；

确定与所述第一指纹的欧式距离最小的中心参考点对应的指纹类为所述目标指纹类。

3.根据权利要求1所述的方法，其特征在于，所述若所述第一指纹处于所述目标指纹类的边缘，则根据所述第一指纹与所述位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类，包括：

若第一待判定值P>1，或者，L≤P≤1，其中，P＝d/D1*100％，d为所述第一指纹与所述目标指纹类的中心参考点的欧式距离，D1为所述目标指纹类中各参考点与中心参考点的最大欧式距离，L为第一预设阈值，0＜L＜1；并且，

对于所述位置指纹库中的每个其他指纹类，若第二待判定值S满足判定条件1≤S≤T，其中，S＝D2/d*100％，D2为所述第一指纹与所述其他指纹类的中心参考点的欧式距离，d为所述第一指纹与所述目标指纹类的中心参考点的欧式距离，T为第二预设阈值，T＞1，则确定所述第一指纹处于所述目标指纹类的边缘，以及所述其他指纹类为参考指纹类。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，确定所述待定位目标的位置，包括：

根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，按从小到大的顺序，选择K个参考点作为目标参考点，K为预设的正整数；

根据所述目标参考点的位置信息，采用加权K邻近WKNN算法，确定所述待定位目标的位置。

5.根据权利要求4所述的方法，其特征在于，若所述第一指纹不处于所述目标指纹类的边缘，则根据所述第一指纹与所述目标指纹类中的各参考点的欧式距离，按从小到大的顺序选择K个参考点作为所述目标参考点。

6.根据权利要求1-5任一项所述的方法，其特征在于，在接收定位请求之前，所述方法还包括：

获取预设的各参考点的指纹和位置信息；

将各参考点的指纹和位置信息对应存储，建立所述位置指纹库；

采用K均值K-means聚类算法，对所述位置指纹库中的各参考点进行聚类，获得至少两个所述指纹类。

7.一种定位处理装置，其特征在于，包括：

接收模块，用于接收定位请求，所述定位请求包括待定位目标的第一指纹；

第一确定模块，用于根据预配置的位置指纹库，确定所述第一指纹所属的指纹类为目标指纹类，所述位置指纹库中包括有至少两个指纹类，每个指纹类中包括一个或多个参考点的指纹和位置信息；

第二确定模块，用于若所述第一指纹处于所述目标指纹类的边缘，则根据所述第一指纹与所述位置指纹库中各其他指纹类的中心参考点的欧氏距离确定至少一个其他指纹类为参考指纹类；

处理模块，用于根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，确定所述待定位目标的位置。

8.根据权利要求7所述的装置，其特征在于，所述第一确定模块，具体用于：

计算所述第一指纹与所述位置指纹库中各指纹类的中心参考点的欧式距离；

确定与所述第一指纹的欧式距离最小的中心参考点对应的指纹类为所述目标指纹类。

9.根据权利要求7所述的装置，其特征在于，所述第二确定模块，具体用于：

若第一待判定值P>1，或者，L≤P≤1，其中，P＝d/D1*100％，d为所述第一指纹与所述目标指纹类的中心参考点的欧式距离，D1为所述目标指纹类中各参考点与中心参考点的最大欧式距离，L为第一预设阈值，0＜L＜1；并且，

对于所述位置指纹库中的每个其他指纹类，若第二待判定值S满足判定条件1≤S≤T，其中，S＝D2/d*100％，D2为所述第一指纹与所述其他指纹类的中心参考点的欧式距离，d为所述第一指纹与所述目标指纹类的中心参考点的欧式距离，T为第二预设阈值，T＞1，则确定所述第一指纹处于所述目标指纹类的边缘，以及所述其他指纹类为参考指纹类。

10.根据权利要求7所述的装置，其特征在于，所述处理模块，具体用于：

根据所述第一指纹与所述目标指纹类及所述参考指纹类中的各参考点的欧式距离，按从小到大的顺序，选择K个参考点作为目标参考点，K为预设的正整数；

根据所述目标参考点的位置信息，采用加权K邻近WKNN算法，确定所述待定位目标的位置。

11.根据权利要求10所述的装置，其特征在于，所述第二确定模块，还用于：

若所述第一指纹不处于所述目标指纹类的边缘，则根据所述第一指纹与所述目标指纹类中的各参考点的欧式距离，按从小到大的顺序选择K个参考点作为所述目标参考点。

12.根据权利要求7-11任一项所述的装置，其特征在于，还包括：

获取模块，用于获取预设的各参考点的指纹和位置信息；

建立模块，用于将各参考点的指纹和位置信息对应存储，建立所述位置指纹库；

聚类模块，用于采用K均值K-means聚类算法，对所述位置指纹库中的各参考点进行聚类，获得至少两个所述指纹类。

13.一种服务器，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1-6中任一项所述的方法。

14.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1-6中任一项所述的方法。