本發明涉及一種基于廣義Jaccard相似度的室內WiFi定位方法，能夠提高室內WiFi定位精度，屬于無線通信技術領域。

背景技術：

隨著無線移動通信和物聯網技術的迅速發展，人們對于地理位置的獲取需求日益增加，這使得基于位置的服務在實際生活中發揮的作用越來越大。

目前大家首先想到的定位系統無疑是全球定位系統GPS，它是通過導航衛星獲取室外環境地理位置的最常用的定位方式。但是由于導航衛星信號非常容易受到各種物體的遮擋，使得衛星信號衰減得太快，因此使用衛星定位技術并不適用于室內環境，所以室內WiFi定位技術的發展已經成為當前主流、也是未來最具發展潛力的室內定位技術手段之一。

室內WiFi指紋定位技術是基于接收信號強度來進行定位的，由于WiFi信號傳輸時受非視距NLOS、多徑衰落等因素影響較小，故基于WiFi指紋的定位系統穩定性較強，但是由于在線階段所測得的信號強度需要與離線階段指紋數據庫做相似度比較，而目前用到最多的相似度準則是n維歐氏距離度量，可是這種度量有嚴重的不足，以至于在很大程度上影響了室內定位的精度。因此，研究基WiFi指紋定位的在線匹配算法具有非常重要的意義。

技術實現要素：

本發明要解決的技術問題是：提高室內WiFi定位精度。

為了解決上述技術問題，本發明的技術方案是提供了一種基于廣義Jaccard相似度的室內WiFi定位方法，其特征在于，包括以下步驟：

步驟1、離線階段：分別采集來自各個不同的接入點AP的信號強度RSSI，以得到WiFi指紋數據庫；

步驟2、在線階段：移動終端在待測位置上采集來自與步驟1相同的每個接入點AP的接收信號強度RSSI；

步驟3、將步驟1獲取的信號強度RSSI定義為n維離線向量空間，將步驟2獲取的信號強度RSSI定義為n維在線向量空間，并計算在線向量空間中所有的向量與離線向量空間中所有的向量的Jaccard相似度；

步驟4、將步驟3計算所得到的i個Jaccard相似度按照從大到小的方式排列；

步驟5、取出步驟4中的前j個Jaccard相似度，并且計算每個Jaccard相似度對應參考點RP的平均值，以得到未知位置上的坐標(x，y)，即：

式中，x_i，y_i表示WiFi指紋數據庫中第i個信號強度向量所對應的參考點RP的橫縱坐標值；

步驟6、將步驟5的結果作為移動終端的位置坐標。

優選地，在所述步驟3中，Jaccard相似度的計算公式如下：

式中，i表示室內環境中參考點RP的數量，表示待測定位位置上的接受信號強度向量，表示第i個參考點RP上的接受信號強度向量，EJ_i(α，β_i)表示待測定位位置上的接受信號強度向量與WiFi指紋數據庫中第i個參考點RP上的接受信號強度向量的Jaccard相似度。

由于采用了上述的技術方案，本發明與現有技術相比，具有以下的優點和積極效果：

1、采用傳統的n維歐氏距離來度量向量的相似度會受指標不同單位刻度的影響，同時距離越大，個體間差異越大；而采用空間向量Jaccard相似度來度量修正了位置間可能存在的度量標準不統一的問題，且其相似度落于區間[0，1]，值越大，差異越小。

2、Jaccard相似度只在[0，1]之間，有準則，而歐氏距離度量在[0，+∞)之間，無判別準則。Jaccard相似度為0(即直交)就可以說他們很不相似，就算他們之間距離小，但是他們方向完全不一致。而歐氏距離就需要另找判別準則來定義如何比較大小。

3、對于在線階段采集到的信號強度向量，由于受到動態環境的影響，因此不可能會采集到與指紋數據中的某一個向量完全一致，因此我們只需要計算兩個向量的相似度，Jaccard相似度則就是計算向量直接的相似程度，而歐氏距離計算的是相同程度。

附圖說明

圖1為本發明提供的一種基于廣義Jaccard相似度的室內WiFi定位方法的示意圖。

具體實施方式

為使本發明更明顯易懂，茲以優選實施例，并配合附圖作詳細說明如下。

由于室內環境復雜，WiFi信號具有很強的時變性，以及環境的不同，在時刻變化著，所以，無線信號衰減模型難以準確的表現出距離與信號強度的關系。而基于指紋數據庫的匹配定位方法就具有很好的魯棒性。

結合圖1，本發明提供的一種基于廣義Jaccard相似度的室內WiFi定位方法主要也有兩個階段：離線階段和在線階段，包括以下步驟：

步驟1、離線階段：首先對室內場景劃分若干個網格，然后分別在所有網格的交匯點即參考點RP，多次采集來自各個不同的接入點AP的信號強度RSSI，最后將采集到來自每個接入點AP數據分別均值以得到WiFi指紋數據庫；

步驟2、在線階段：由于室內環境信道的多變性以及環境的動態性，為了得到相對準確的數據，移動終端在待測位置上需要多次采集來自每個接入點AP的接受信號強度RSSI，然后將測量的來自每個接入點AP的數據分別取均值以得到該位置上最終RSSI值；

步驟3、將步驟1獲取的信號強度RSSI定義為n維離線向量空間，將步驟2獲取的信號強度RSSI定義為n維在線向量空間，并計算在線向量空間中所有的向量與離線向量空間中所有的向量的Jaccard相似度；

Jaccard相似度的計算公式如下：

式中，i表示室內環境中參考點RP的數量，表示待測定位位置上的接受信號強度向量，表示第i個參考點RP上的接受信號強度向量，EJ_i(α，β_i)表示待測定位位置上的接受信號強度向量與WiFi指紋數據庫中第i個參考點RP上的接受信號強度向量的Jaccard相似度；

步驟4、將步驟3計算所得到的i個Jaccard相似度按照從大到小的方式排列；

步驟5、取出步驟4中的前j個Jaccard相似度，并且計算每個Jaccard相似度對應參考點RP的平均值，以得到未知位置上的坐標(x，y)，即：

式中，x_i，y_i表示WiFi指紋數據庫中第i個信號強度向量所對應的參考點RP的橫縱坐標值；

步驟6、將步驟5的結果作為移動終端的位置坐標。