CN111542116A - 一种移动目标定位方法及*** - Google Patents

Abstract

本发明公开了一种移动目标定位方法及***，包括基于当前的跟踪范围和多个WiFi节点的位置信息，预先构建WiFi信号强度衰减分布图；在跟踪范围内预设若干固定采样点，基于目标设备在采样点处获取的多个WiFi节点的信息，更新WiFi信号强度衰减分布图，以获得针对目标设备的WiFi信号强度衰减分布图；基于目标设备在跟踪范围内接收到的多个WiFi节点的信息，在针对目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取目标设备的位置，并实时更新针对目标设备的WiFi信号强度衰减分布图。不同于现有的基于WiFi信息融合的指纹定位***，初始的信息图无需指纹采集，当室内环境发生变化时，可快速重建出信号强度的分布图，鲁棒性优于当期较多的室内定位***方案。

Description

一种移动目标定位方法及***

技术领域

本发明属于无线信号处理技术领域，具体涉及一种移动目标定位方法及***。

背景技术

随着无线技术的发展，室内WiFi早已遍及人们的生活环境中，无论到哪智能设备总能发现许多的热点。触手可得的WiFi资源不仅可以带来便捷的上网服务，更可为室内人员的位置信息提供一定的帮助。

正是由于WiFi的普遍，目前有较多的室内定位***使用WiFi信号接收的强度信息(RSSI)实现室内定位，而较少使用基于超宽带，ZigBee及Lora等需额外安装硬件的室内定位技术。基于WiFi技术其观测的RSSI无需单独的去测量，其本身就在WiFi信号帧中存在，如在手机端只需调用相应的命令即可查看获得。基于RSSI的定位技术，充分地发挥了已有的WiFi信号，使得室内定位***的实现更加快速便捷。

而基于RSSI的室内定位技术，就目前而言，较多的以信号强度指纹定位法为主。该方法主要包括两个阶段：第一阶段是训练阶段也有被称为离线阶段，此阶段的主要任务就是在定位区域均匀并且合理地设置若干个指纹参考点，然后在这些指纹参考点所在的位置进行信号采集，最后将所取得的位置指纹信息建立指纹数据库；第二阶段是在线定位阶段，该阶段的主要工作是在要进行定位的位置点实时采集各个AP(Access Point)信号值，采用位置指纹定位算法估计出待定位点的相应位置。事实上，像如上所述的信号指纹定位法将会存在两大问题，首先是离线指纹库维护，室内环境的变化，例如座椅墙体等，均会改变测试点的指纹信息。其次是没有采集过的点将不可能定位，这不仅将定位误差的阈值做了限定，并且限制了定位搜索的空间。

发明内容

为解决现有的基于WiFi信息融合的指纹定位方法中需要预先进行信号采集的技术问题，本发明提出了一种移动目标定位方法及***，用以解决上述技术问题。

在一个方面，本发明提出了一种移动目标定位方法，该方法包括以下步骤：

S101：基于当前的跟踪范围和多个WiFi节点的位置信息，预先构建WiFi信号强度衰减分布图；

S102：在跟踪范围内预设若干固定采样点，基于目标设备在采样点处获取的多个WiFi节点的信息，更新WiFi信号强度衰减分布图，以获得针对目标设备的WiFi信号强度衰减分布图；

S103：基于目标设备在跟踪范围内接收到的多个WiFi节点的信息在针对目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取目标设备的位置，并实时更新针对目标设备的WiFi信号强度衰减分布图。

在具体的实施例中，步骤S101中，WiFi信号强度衰减分布图的构建是基于经典对数衰减模型和预设阈值的加性高斯白噪声。不同于现已有的指纹定位***需离线搭建特定点的指纹数据库，WiFi信号强度衰减分布图无需事先进行信号值的采集，且便于更新，其中，噪声预设阈值为[3,5]dB，最接近于真实值。

在具体的实施例中，固定采样点的数量应大于等于两个，并且设置于跟踪范围的入口处。保证当目标设备进入跟踪范围时能及时可靠地进行初始校准。

在具体的实施例中，通过将接收到的多个WiFi节点的信息类比为像素信息进行匹配跟踪，基于改进的粒子滤波算法对目标进行锁定。类比于当前的多边定位、最大后验概率定位的方法，对跟踪目标的捕获有更高的准确性。

在具体的实施例中，WiFi信号强度衰减分布图的更新是基于经典对数衰减模型P(d)＝P(d₀)+10ηlog(d/d₀)中***参数

的更新，其中η为衰减因子，d₀为信号强度参考距离，P(d₀)为与所述WiFi节点距离为d₀处的信号强度值，d为定位搜索获取到的所述目标设备到所述WiFi节点的距离，P(d)为与所述WiFi节点距离为d处的信号强度值，当***参数k的值被更新后，基于上述模型来更新WiFi信号强度衰减分布图。

在优选的实施例中，步骤S102中WiFi信号强度衰减分布图的更新具体为：

利用固定采样点的位置信息以及固定采样点处接收到的RSSI，基于经典对数衰减模型求解出***参数k的值，校准步骤S101中所述WiFi信号强度衰减分布图。由此针对不同的设备更新WiFi信号强度衰减分布图，用于不同目标设备的定位。

在优选的实施例中，步骤S103中针对目标设备的WiFi信号强度衰减分布图的更新具体为：

实时获取到当前至少三个相近时刻对应的目标设备的位置，基于当前获得的最新***参数k以及经典对数衰减模型重新计算出对应时刻的信号强度值，基于已知参数以及经典对数衰减模型，求解出新的***参数k，实时更新针对目标设备的WiFi信号强度衰减分布图。具有在线更新，自适应强的优点。

在具体的实施例中，步骤S103中针对目标设备的WiFi信号强度衰减分布图的实时更新频率基于所述目标设备的移动速度和RSSI的变化率来确定。

根据本发明的第二方面，提出了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机处理器执行时上述方法。

根据本发明的第三方面，提出一种移动目标定位***，该***包括：

信号强度分布预建模单元：配置用于根据当前的跟踪范围及其中多个WiFi节点的信息，基于经典对数衰减模型，同时添加预设阈值的加性高斯白噪声干扰，预先构建用于初始校准的WiFi信号强度衰减分布图，其中一个WiFi节点对应一张WiFi信号强度衰减分布图；

初始校准单元：配置用于在跟踪范围内预设若干固定采样点，基于目标设备在采样点处获取的多个WiFi节点的信息，更新WiFi信号强度衰减分布图，以获得针对目标设备的WiFi信号强度衰减分布图；

自由定位单元：配置用于基于目标设备在跟踪范围内接收到的多个WiFi节点的信息，在针对目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取目标设备的位置，并实时更新针对目标设备的WiFi信号强度衰减分布图。

本发明基于当前的跟踪范围和多个WiFi节点的位置信息，包括跟踪范围的大小和WiFi的mac地址及信号强度RSSI，基于经典对数衰减模型和加性高斯白噪声，预先构建各WiFi节点的WiFi信号强度衰减分布图，初始时刻，通过预设固定采样点的坐标位置，更新WiFi信号强度衰减分布图信息，之后的时刻不断基于目标跟踪算法在已有的WiFi信号强度衰减分布图中进行定位搜索，确定目标位置，同时更新现有的WiFi信号强度衰减分布图。从接收到的来自多个WiFi节点的信号强度信息入手，并且抛弃传统的基于指纹参考点的信号强度指纹定位法，通过将多个WiFi信号分布情况融合成一张信息分布图，并由该图上各个点的“色彩值”实现搜寻定位目标的目的，当室内环境发生变化时，可快速重建出信号强度的分布图，无需进行指纹的采集，从而更加简便高效地实现对跟踪目标的准确定位。

附图说明

包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本发明的一个实施例的移动目标定位方法的流程图；

图2是本发明的一个具体的实施例的获取目标设备位置过程的算法流程图；

图3是本发明的一个具体的实施例的移动目标定位过程的场景示意图；

图4是本发明的一个实施例的移动目标定位***的框架图；

图5是本发明的一个具体实施例的移动目标定位***的结构框架图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明的一个实施例的移动目标定位方法，图1示出了根据本发明的实施例的移动目标定位方法的流程图。如图1所示，该方法包括以下步骤：

S101：基于当前的跟踪范围和多个WiFi节点的位置信息，预先构建WiFi信号强度衰减分布图。当人员或目标进入跟踪范围时，其携带的智能设备(如华为手机、苹果手机或其他无线设备)将扫描周围的WiFi节点并上传与之对应的mac地址到服务器端，在服务器端将查询当前所处的区域(如某机场，某停车场等)，得到跟踪范围大小，生成相应的WiFi信号强度衰减分布图。

在具体的实施例中，基于经典对数衰减模型和预设阈值的加性高斯白噪声预先构建WiFi信号强度衰减分布图。其中经典对数衰减模型如下：

P(d)＝P(d₀)+10ηlog(d/d₀)

其中η为衰减因子，d₀为信号强度参考距离，P(d₀)为与所述WiFi节点距离为d₀处的信号强度值，d为定位搜索获取到的所述目标设备到所述WiFi节点的距离，P(d)为与所述WiFi节点距离为d处的信号强度值。

在具体的实施例中，WiFi信号强度衰减分布图预构建流程如下：

将***参数k设置为经验值，即

接着对定位区域进行网格化，根据网格粒度大小切割成若干个小区域，粒度越小精度越高。设定粒度为1m，定位区域为10m×10m，则定位区域将被切分为100个小区域，那么此时每个区域到接入点的距离代入衰减公式即可获得相应的强度值。依次计算所有的区域即可构建出初始化的分布图，同时记录相应的距离对数值即log(d/d₀)用于下次更新。

S102：在所述跟踪范围内预设若干固定采样点，基于目标设备在所述采样点处获取的所述多个WiFi节点的信息，更新所述WiFi信号强度衰减分布图，以获得针对所述目标设备的WiFi信号强度衰减分布图。通过设置固定采样点，保证当目标设备进入跟踪范围时能及时可靠地进行初始校准，由此针对不同的设备更新WiFi信号强度衰减分布图，用于不同目标设备的定位。

在具体的实施例中，WiFi信号强度衰减分布图的更新是基于经典对数模型P(d)＝P(d₀)+10ηlog(d/d₀)中的***参数

的更新，以及，当***参数k被更新后，即可得到更新后的WiFi信号强度衰减分布图，具体如下：

在跟踪范围内预设至少两个固定采样点，当人员或目标进入跟踪范围后，在各固定采样点接收到的RSSI分别为P(d₁)＝P(d₀)+10ηlog(d₁/d₀)、P(d₂)＝P(d₀)+10ηlog(d₂/d₀)…求解方程组可解得***参数

一般地，我们根据新求得的k值即可重新计算整个分布图，然而该过程将再次涉及大量的对数运算，为简化这一运算，我们使用步骤S101中预构建的WiFi信号强度衰减分布图，假定预构建的分布图中某点强度为P_b(d)，那么在我们预构建的分布图中有：

P_b(d)＝P₀(d)+10*η_b log(d/d₀)

令α＝log(d/d₀)。那么对于位置d处α即为常数，更新时有

P(d)＝P(d₀)+η*α

即可减少一次对数运算。由于后续将进行动态更新步骤，此时将需要多次计算上式，且动态更新过程刷新间隔时间短，要求尽可能对数据进行实时处理并更新定位信息，对运算速度的要求较高，本方法与之前的对数形式相比极大的降低了计算量，尤其当定位环境较大，且定位粒度较小时(如定位区域为100m×100m，粒度设置为0.1m时需要计算的次数为10⁶)。

在优选的实施例中，对于公式P(d)＝P(d₀)+η*α，由于在实际定位过程中包含有较多的不确定噪声因素，加上一定阈值扰动的高斯白噪声值，可使基于粒子滤波的目标搜索定位结果更加接近真实值。所设阈值依据经验设为3dbm-5dbm。

S103：基于所述目标设备在所述跟踪范围内接收到的所述多个WiFi节点的信息在针对所述目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取所述目标设备的位置，并实时更新针对所述目标设备的WiFi信号强度衰减分布图。

在具体的实施例中，在针对目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取目标设备位置的过程基于改进的粒子滤波算法，通过将接收到的所述多个WiFi节点的信息类比为像素信息进行匹配跟踪，获取目标位置。

图2示出了本发明的一个具体的实施例的获取目标设备位置过程的算法流程图，该方法具体包括以下步骤：

S201：在入口处定位区域产生若干随机粒子；

S202：当目标移动时，其接受到来自于多个WiFi节点的信号强度值组成特定的像素信息。此外，搜索的粒子比对WiFi信号强度衰减分布图中的像素信息与所得到的目标处的像素信息，将趋于向最大概率分布的位置靠拢；

S203：由于信号强度易受到环境干扰，往往会出现多个概率点或者偏离真实值程度较高的现象。为此，基于上一时刻得到的位置，需进一步限制粒子的搜索范围为正常的行走步伐范围；

S204：根据S203中粒子集中的位置确定出当前目标所在的位置，并储存这些粒子的信息，为下一时刻的定位做准备。

在优选的实施例中，步骤S201中随机粒子的数量可依据跟踪范围大小及服务器性能调整，一般取1000个。

在优选的实施例中，在步骤S103中，获取当前目标所在位置后，对针对目标设备的WiFi信号强度衰减分布图进行更新的具体方法如下：

根据时间[t,t+s]内获取到的至少三个相近时刻对应的目标设备的位置d_t、d_t+1…d_t+s，基于当前获得的最新***参数

以及经典对数衰减模型重新计算出对应时刻的信号强度值：

P_t(d_t)＝P_t(d₀)+10η_t log(d_t/d₀)

P_t+1(d_t+1)＝P_t(d₀)+10η_t log(d_t+1/d₀)

...

P_t+s(d_t+s)＝P_t(d₀)+10η_t log(d_t+s/d₀)

为得到t+s时刻的***参数

不妨假设在时间[t,t+s]内定位的结果均有一定的可靠性，此时可联立方程组：

P_t(d_t)＝P_t+s(d₀)+10η_t+s log(d_t/d₀)

P_t+1(d_t+1)＝P_t+s(d₀)+10η_t+s log(d_t+1/d₀)

...

P_t+s(d_t+s)＝P_t+s(d₀)+10η_t+s log(d_t+s/d₀)

使用最小二乘法求解出t+s时刻的***参数

基于经典对数衰减模型，实时更新针对目标设备的WiFi信号强度衰减分布图。

重复以上流程，可不断通过当前得到的最新***参数进一步更新***参数，使获得的WiFi信号强度衰减分布图更接近真实情况，具有在线更新，自适应强的优点。

应当认识到，在更新WiFi信号强度衰减分布图的过程中，要想使用最小二乘法求解出新的***参数

联立的方程组应至少为三个，为了使求解出的新的***参数具有实际意义且结果更加准确，联立的方程组个数通常为五个。

在优选的实施例中，S103中针对目标设备的WiFi信号强度衰减分布图的实时更新频率基于所述目标设备的移动速度和RSSI的变化率来确定。可选地，更新频率设置为5秒更新一次。

在具体的实施例中，目标设备可以是由目标人员携带的智能手机，通过智能手机扫描当前跟踪范围内的WiFi节点信息，进行一系列的校准和目标搜索算法，从而动态获取目标位置。

图3示出了本发明的一个具体的实施例的移动目标定位过程的场景示意图。具体过程如下：

当目标人员携带智能手机进入某办公楼时，由智能手机扫描该范围并将得到的WiFi节点相应的mac地址上传，在服务器处查询当前所处的区域，生成相应的WiFi信号强度衰减分布图；

当目标人员到达刷卡处，进入初始校准阶段，由于不同设备的无线网卡性能不一，在同一位置的两个不同设备接收到的RSSI不同，因此在刷卡处设置三个采样点，分别测得位于三个采样点处的RSSI，通过联立方程组求得***参数，更新WiFi信号强度衰减分布图；

当目标人员离开刷卡处，进入自由定位阶段，智能手机动态接收进入该办公楼时已构建分布图的WiFi节点的信号，通过目标跟踪算法实时确定目标人员位置，更新WiFi信号强度衰减分布图。

图4示出了根据本发明的一个实施例的用于室内目标的定位***的框架图。该***包括信号强度分布预建模单元401、初始校准单元402和自由定位单元403。

在具体的实施例中，信号强度分布预建模单元401被配置用于根据当前的跟踪范围及其中多个WiFi节点的信息，基于经典对数衰减模型，同时添加预设阈值的加性高斯白噪声干扰，预先构建用于初始校准的WiFi信号强度衰减分布图，其中一个WiFi节点对应一张WiFi信号强度衰减分布图。

在具体的实施例中，初始校准单元402被配置用于在跟踪范围内预设若干固定采样点，基于目标设备在采样点处获取的多个WiFi节点的信息，更新WiFi信号强度衰减分布图，以获得针对目标设备的WiFi信号强度衰减分布图。

在具体的实施例中，自由定位单元403被配置用于基于目标设备在跟踪范围内接收到的多个WiFi节点的信息，在针对目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取目标设备的位置，并实时更新针对目标设备的WiFi信号强度衰减分布图。

通过信号强度分布预建模单元401、初始校准单元402和自由定位单元403的一系列算法的运算，相比于目前基于WiFi信号强度的移动目标定位方法，较为简单的实现了准确的实时定位，且具有较高的稳定性。

图5示出了根据本发明的一个具体实施例的移动目标定位***的结构框架图。该***包括移动端和服务器。移动端用来进行数据扫描、接收和传输，服务器用来进行数据处理、查询和存储。

在具体的实施例中，移动端扫描当前跟踪范围可用的WiFi节点，并将得到的WiFi节点相应的mac地址上传至服务器，在服务器处查询当前所处的区域，得到当前区域大小以及区域WiFi节点分布信息，生成相应的WiFi信号强度衰减分布图。当然，由于不同设备的网卡性能不同，同一地点的不同设备收到的信号强度也将不同，这将会使定位结果不准确。为此，需要在后续的过程中不断进行WiFi信号强度衰减分布图的校准。初始校准阶段利用固定的采样点，由移动端将实际接收到的RSSI上传至服务器，经过运算得到新的WiFi信号强度衰减分布图，自由定位阶段同样由移动端上传实际接收到的RSSI，在服务器处由跟踪算法实时获取当前移动端的位置，并通过当前最新的***参数，基于最小二乘法更新***参数，更新WiFi信号强度衰减分布图，并将定位结果返回至移动端。

本发明的实施例还涉及一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机处理器执行时实施上文中的方法。该计算机程序包含用于执行流程图所示的方法的程序代码。需要说明的是，本申请的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。

本发明基于当前的跟踪范围和多个WiFi节点的位置信息，包括跟踪范围的大小和WiFi的mac地址及信号强度RSSI，基于经典对数衰减模型和加性高斯白噪声，预先构建各WiFi节点的WiFi信号强度衰减分布图，初始时刻，通过预设固定采样点的坐标位置，更新WiFi信号强度衰减分布图信息，之后的时刻不断基于目标跟踪算法在已有的WiFi信号强度衰减分布图中进行定位搜索，确定目标位置，同时更新现有的WiFi信号强度衰减分布图。从接收到的来自多个WiFi节点的信号强度信息入手，并且抛弃传统的基于指纹参考点的信号强度指纹定位法，通过将多个WiFi信号分布情况融合成一张信息分布图，并由该图上各个点的“色彩值”实现搜寻定位目标的目的，当室内环境发生变化时，可快速重建出信号强度的分布图，无需进行指纹的采集，从而更加简便高效地实现对跟踪目标的准确定位。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种移动目标定位方法，其特征在于，包括以下步骤：

S101：基于当前的跟踪范围和多个WiFi节点的位置信息，预先构建WiFi信号强度衰减分布图；

S102：在所述跟踪范围内预设若干固定采样点，基于目标设备在所述采样点处获取的所述多个WiFi节点的信息，更新所述WiFi信号强度衰减分布图，以获得针对所述目标设备的WiFi信号强度衰减分布图；

S103：基于所述目标设备在所述跟踪范围内接收到的所述多个WiFi节点的信息在针对所述目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取所述目标设备的位置，并实时更新针对所述目标设备的WiFi信号强度衰减分布图。

2.根据权利要求1所述的一种移动目标定位方法，其特征在于，在所述步骤S101中，所述WiFi信号强度衰减分布图的构建是基于经典对数衰减模型和预设阈值的加性高斯白噪声。

3.根据权利要求1所述的一种移动目标定位方法，其特征在于，所述固定采样点的数量大于等于两个，并且设置于跟踪范围的入口处。

4.根据权利要求1所述的一种移动目标定位方法，其特征在于，所述步骤S103中的定位搜索具体为：通过将接收到的所述多个WiFi节点的信息类比为像素信息进行匹配跟踪，基于改进的粒子滤波算法对目标进行锁定。

5.根据权利要求1所述的一种移动目标定位方法，其特征在于，在所述步骤S102和S103中对所述WiFi信号强度衰减分布图的更新是基于经典对数衰减模型P(d)＝P(d₀)+10ηlog(d/d₀)中***参数

的更新，其中η为衰减因子，d₀为信号强度参考距离，P(d₀)为与所述WiFi节点距离为d₀处的信号强度值，d为定位搜索获取到的所述目标设备到所述WiFi节点的距离，P(d)为与所述WiFi节点距离为d处的信号强度值，当***参数k的值被更新后，基于上述模型来更新WiFi信号强度衰减分布图。

6.根据权利要求5所述的一种移动目标定位方法，其特征在于，在所述步骤S102中，对所述WiFi信号强度衰减分布图的更新，具体包括：

利用所述固定采样点的位置信息以及所述固定采样点处接收到的RSSI，基于经典对数衰减模型求解出所述***参数k的值，校准所述步骤S101中所述WiFi信号强度衰减分布图。

7.根据权利要求5所述的一种移动目标定位方法，其特征在于，在所述步骤S103中，对所述针对所述目标设备的WiFi信号强度衰减分布图的更新，具体包括：

实时获取到当前至少三个相近时刻对应的所述目标设备的位置，基于当前获得的最新***参数k以及经典对数衰减模型重新计算出对应时刻的信号强度值，基于已知参数以及经典对数衰减模型，求解出新的***参数k，从而实时更新所述针对所述目标设备的WiFi信号强度衰减分布图。

8.根据权利要求1所述的一种移动目标定位方法，其特征在于，在所述步骤S103中所述针对所述目标设备的WiFi信号强度衰减分布图的实时更新频率基于所述目标设备的移动速度和RSSI的变化率来确定。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机处理器执行时实施权利要求1至8中任一项所述的方法。

10.一种移动目标定位***，其特征在于，包括：

信号强度分布预建模单元：配置用于根据当前的跟踪范围及其中多个WiFi节点的信息，基于经典对数衰减模型，同时添加预设阈值的加性高斯白噪声干扰，预先构建用于初始校准的WiFi信号强度衰减分布图，其中一个WiFi节点对应一张WiFi信号强度衰减分布图；

初始校准单元：配置用于在所述跟踪范围内预设若干固定采样点，基于目标设备在所述采样点处获取的所述多个WiFi节点的信息，更新所述WiFi信号强度衰减分布图，以获得针对所述目标设备的WiFi信号强度衰减分布图；

自由定位单元：配置用于基于所述目标设备在所述跟踪范围内接收到的所述多个WiFi节点的信息在针对所述目标设备的WiFi信号强度衰减分布图中进行定位搜索，实时获取所述目标设备的位置，并实时更新针对所述目标设备的WiFi信号强度衰减分布图。

Images