本发明实施例提出的一种室内定位的位置估计方法、装置及可读存储介质，通过聚类算法与加权质心算法对终端的预估位置进行处理，得到更精确的估计坐标，有效抑制位置估计的跳变，使得定位更精准。
1.一种室内定位的位置估计方法，其特征在于，包括：
定位区域内的终端接收所述定位区域内多个基站的信号；根据接收的信号确定各个基站的RSSI值；根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；
计算三个最大的RSSI值对应的基站坐标的质心坐标；判断所述质心坐标是否位于所述定位区域的边缘；
若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
计算所述多个预估位置坐标与所述聚类中心之间的距离；
根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
2.根据权利要求1所述的室内定位的位置估计方法，其特征在于，所述终端到基站的距离与RSSI值的对应关系的构建，包括：获取终端到各个基站的距离信息和终端收到的各个基站的RSSI值；
建立似然函数，通过极大似然估计法，根据终端到各个基站的距离信息和终端收到的各个基站的RSSI值，得到定位区域的环境复杂度和参考信号强度；
将所述定位区域的环境复杂度和参考信号强度代入对数正态阴影传播模型中，得到终端到基站的距离与RSSI值的对应关系。
3.根据权利要求2所述的室内定位的位置估计方法，其特征在于，所述对数正态阴影传播模型如下所示：其中，d0表示参考距离，取d0＝1米Pr(d)表示终端接收的距终端d米的基站的信号强度RSSI，P0(d)表示参考距离d0处的参考信号强度，单位为分米，η表示定位区域的环境复杂度，也称路径衰减指数，会随着环境的不同而变化，Xσ是平均值为0的高斯随机指数。
4.根据权利要求3所述的室内定位的位置估计方法，其特征在于，所述终端到基站的距离与RSSI值的对应关系如下所示：其中， 表示终端到基站的估计距离。
5.根据权利要求1所述的室内定位的位置估计方法，其特征在于，所述终端位置估计，包括：找出基站组成的直角三角形，计算所述终端的预估位置坐标，使得所述终端与每个直角三角形中的相邻基站之间的距离比等于所述终端与每个直角三角形中的相邻基站在坐标轴上的投影的比。
6.根据权利要求1所述的室内定位的位置估计方法，其特征在于，根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标，包括：根据所述多个预估位置坐标与所述聚类中心之间的距离，利用加权质心算法，计算得到多个加权质心；
根据所述多个加权质心与所述聚类中心之间的距离，利用加权质心算法得到多个新的加权质心；
以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标。
7.根据权利要求6所述的室内定位的位置估计方法，其特征在于，根据所述多个预估位置坐标与所述聚类中心之间的距离，利用下述加权质心算法，计算得到多个加权质心：其中，Ri为预估位置i与聚类中心之间的距离，Rj为预估位置j与聚类中心之间的距离，N为预估位置的个数，xi为预估位置i的X轴坐标，yi为预估位置i的Y轴坐标，Wi为预设的预估位置i的权重，x为加权质心的X轴坐标，y为加权质心的Y轴坐标。
8.根据权利要求6所述的室内定位的位置估计方法，其特征在于，以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标，之前，还包括：使用滤波算法对所述新的加权质心的坐标进行平滑去噪处理。
9.根据权利要求1所述的室内定位的位置估计方法，其特征在于，所述聚类算法为CFDP算法。
10.一种室内定位的位置估计装置，其特征在于，包括：
位置预估模块，用于定位区域内的终端接收所述定位区域内多个基站的信号；根据接收的信号确定各个基站的RSSI值；根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；计算三个最大的RSSI值对应的基站坐标的质心坐标；判断所述质心坐标是否位于所述定位区域的边缘；若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
聚类模块，用于利用聚类算法计算所述多个预估位置坐标的聚类中心；
距离计算模块，用于计算所述多个预估位置坐标与所述聚类中心之间的距离；
目标坐标确定模块，用于根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
11.一种可读存储介质，其特征在于，所述可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1-9任一所述室内定位的位置估计方法的步骤。
一种室内定位的位置估计方法、装置及可读存储介质
技术领域
[0001] 本发明实施例涉及室内定位技术领域，具体涉及一种室内定位的位置估计方法、装置及可读存储介质。
背景技术
[0002] 随着移动互联网普及、物联网应用兴起，云计算、大数据、机器人、智能感知等技术慢慢进入人们的视野之中，定位技术作为感知层重要技术之一，具有举足轻重的地位。依赖于GPS、北斗等卫星定位技术，室外定位技术的发展比较成熟。而在室内环境下，由于建筑物的遮挡、卫星定位精准不足，室外定位技术不再满足需求，因此，作为物联网和位置大数据基础的室内定位技术渐渐成为刚需。
[0003] 随着通信技术和无线网络的不断发展与普及，室内定位技术层出不穷，其定位精度在几米到几十米范围内。如红外线的定位精度约5-10米，直线视距、传输距离短、易干饶；蓝牙的定位精度约2-10米，传播距离短、稳定性差；WIFI的定位精度约2-50米，易受环境干扰；ZigBee的定位精度约1-2米，其稳定性差、易受环境干扰。由此可见，室内定位技术大多容易受环境干扰。而实际室内环境中，温度、障碍物、传播模式等条件往往都是变化的，导致最终的定位结果精度不高，容易出现跳变的情况。
发明内容
[0004] 为了解决上述室内定位存在的位置估计跳变、定位精度低的技术问题，本发明实施例提供了一种室内定位的位置估计方法及装置。
[0005] 有鉴于此，第一方面，本发明实施例提供一种室内定位的位置估计方法，包括：
[0006] 获取定位区域内的终端的多个预估位置坐标；
[0007] 利用聚类算法计算所述多个预估位置坐标的聚类中心；
[0008] 计算所述多个预估位置坐标与所述聚类中心之间的距离；
[0009] 根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
[0010] 可选的，获取定位区域内的终端的多个预估位置坐标，包括：
[0011] 定位区域内的终端接收所述定位区域内多个基站的信号；
[0012] 根据接收的信号确定各个基站的RSSI值；
[0013] 根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；
[0014] 根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标。
[0015] 可选的，所述终端到基站的距离与RSSI值的对应关系的构建，包括：
[0016] 获取终端到各个基站的距离信息和终端收到的各个基站的RSSI值；
[0017] 建立似然函数，通过极大似然估计法，根据终端到各个基站的距离信息和终端收到的各个基站的RSSI值，得到定位区域的环境复杂度和参考信号强度；
[0018] 将所述定位区域的环境复杂度和参考信号强度代入对数正态阴影传播模型中，得到终端到基站的距离与RSSI值的对应关系。
[0019] 所述对数正态阴影传播模型如下所示：
[0020]
[0021] 其中，d0表示参考距离，取d0＝1米Pr(d)表示终端接收的距终端d米的基站的信号强度RSSI，P0(d)表示参考距离d0处的参考信号强度，单位为分米，η表示定位区域的环境复杂度，也称路径衰减指数，会随着环境的不同而变化，Xσ是平均值为0的高斯随机指数。
[0022] 所述终端到基站的距离与RSSI值的对应关系如下所示：
[0023]
[0024] 其中，表示终端到基站的估计距离。
[0025] 可选的，根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标，包括：
[0026] 计算三个最大的RSSI值对应的基站坐标的质心坐标；
[0027] 判断所述质心坐标是否位于所述定位区域的边缘；
[0028] 若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
[0029] 若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标。
[0030] 所述终端位置估计，包括：
[0031] 找出基站组成的直角三角形，计算所述终端的预估位置坐标，使得所述终端与每个直角三角形中的相邻基站之间的距离比等于所述终端与每个直角三角形中的相邻基站在坐标轴上的投影的比。
[0032] 根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标，包括：
[0033] 根据所述多个预估位置坐标与所述聚类中心之间的距离，利用加权质心算法，计算得到多个加权质心；
[0034] 计算所述多个加权质心与所述聚类中心之间的距离值；
[0035] 根据所述多个加权质心与所述聚类中心之间的距离，利用加权质心算法得到多个新的加权质心；
[0036] 以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标。
[0037] 根据所述多个预估位置坐标与所述聚类中心之间的距离，利用下述加权质心算法，计算得到多个加权质心：
[0038]
[0039]
[0040] 其中，Ri为预估位置i与聚类中心之间的距离，Rj为预估位置j与聚类中心之间的距离，N为预估位置的个数，xi为预估位置i的X轴坐标，yi为预估位置i的Y轴坐标，Wi为预设的预估位置i的权重，x为加权质心的X轴坐标，y为加权质心的Y轴坐标。
[0041] 可选的，以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标，之前，还包括：
[0042] 使用滤波算法对所述新的加权质心的坐标进行平滑去噪处理。
[0043] 可选的，所述聚类算法为CFDP算法。
[0044] 第二方面，本发明实施例还提供一种室内定位的位置估计装置，包括：
[0045] 位置预估模块，用于获取定位区域内的终端的多个预估位置坐标；
[0046] 聚类模块，用于利用聚类算法计算所述多个预估位置坐标的聚类中心；
[0047] 距离计算模块，用于计算所述多个预估位置坐标与所述聚类中心之间的距离；
[0048] 目标坐标确定模块，用于根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
[0049] 第三方面，本发明实施例还提供一种可读存储介质，所述可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面所述室内定位的位置估计方法的步骤。
[0050] 相比现有技术，本发明实施例提出的一种室内定位的位置估计方法，通过聚类算法与加权质心算法对终端的预估位置进行处理，得到更精确的估计坐标，有效抑制位置估计的跳变，使得定位更精准。
附图说明
[0051] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。
[0052] 图1为本发明实施例提供的一种室内定位的位置估计方法流程图；
[0053] 图2为本发明实施例提供的一种室内定位的位置估计装置示意图。
具体实施方式
[0054] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0055] 终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如移动电话、智能电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、导航装置等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
[0056] 图1为本发明实施例提供一种室内定位的位置估计方法流程图，如图1所示，所述方法包括：
[0057] S1.获取定位区域内的终端的多个预估位置坐标；
[0058] S2.利用聚类算法计算所述多个预估位置坐标的聚类中心；
[0059] S3.计算所述多个预估位置坐标与所述聚类中心之间的距离；
[0060] S4.根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
[0061] 具体的，在本申请实施例中，S1之前还包括：在室内定位方案部署阶段，在定位区域内铺设等距排列的基站，并测试网络连通性。
[0062] 具体的，在本申请实施例中，S1中的终端为具有信号接收功能的装置，例如包括蓝牙、WiFi等通信功能的智能手机、计算机等等，S1包括：
[0063] S110.定位区域内的终端接收所述定位区域内多个基站的信号；
[0064] S120.根据接收的信号确定各个基站的RSSI值；
[0065] S130.根据构建的终端到基站的距离与RSSI值的对应关系，将所述各个基站的RSSI值转换为所述各个基站到所述终端的距离；
[0066] S140.根据所述各个基站到所述终端的距离和所述各个基站的坐标进行终端位置估计得到所述终端的预估位置坐标。
[0067] 具体的，在本申请实施例中，终端到基站的距离与RSSI值的对应关系的构建包括：
[0068] 获取终端到各个基站的距离信息和终端收到的基站信号强度RSSI，建立似然函数，通过极大似然估计法，获得当前定位区域的环境复杂度和参考信号强度；
[0069] 将计算得到的当前定位区域的环境复杂度和参考信号强度代入对数正态阴影传播模型中，得到终端到基站的距离与RSSI值的对应关系。
[0070] 所述对数正态阴影传播模型如下所示：
[0071]
[0072] 终端到基站的距离与RSSI的对应关系如下所示：
[0073]
[0074] 其中， 表示终端到基站的距离，d0表示参考距离，取d0＝1米Pr(d)表示终端接收的距终端d米的基站的信号强度RSSI，P0(d)表示参考距离d0处的参考信号强度，单位为分米，η表示定位区域的环境复杂度，也称路径衰减指数，会随着环境的不同而变化，Xσ是平均值为0的高斯随机指数。
[0075] 具体的，在本申请实施例中，S130之前还包括：对RSSI值进行各种滤波处理，滤波处理包括剔除异常值、平滑处理、均值滤波和高斯滤波等等；
[0076] 具体的，在本申请实施例中，所述S140包括：
[0077] S141.计算三个最大的RSSI值对应的基站坐标的质心坐标；
[0078] S142.判断所述质心坐标是否位于所述定位区域的边缘；
[0079] 具体的，若质心坐标位于室内空间外围的两行(列)基站之间，则认为质心坐标位于室内空间的边缘；
[0080] S143.若所述质心坐标位于所述定位区域的边缘，则根据所述三个最大的RSSI值对应的基站坐标及所述三个最大的RSSI值对应的基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标；
[0081] S143’若所述质心坐标不位于所述定位区域的边缘，则根据所述定位区域内的所有基站坐标及所述基站到所述终端的距离进行终端位置估计得到所述终端的预估位置坐标。
[0082] 具体的，在本申请实施例中，所述终端位置估计，包括：
[0083] 找出基站组成的直角三角形，计算所述终端的预估位置坐标，使得所述终端与每个直角三角形中的相邻基站之间的距离比等于所述终端与每个直角三角形中的相邻基站在坐标轴上的投影的比，每个直角三角形将形成一个二元一次方程组，解方程组得到终端的N个预估位置：
[0084]
[0085]
[0086] 其中，(xi,yi)是基站i的坐标，di是终端到基站i的距离，(xj,yj)是基站j的坐标，dj是终端到基站j的距离，xc和yc是终端的预估位置坐标。
[0087] 具体的，在本申请实施例中，S4包括：
[0088] 根据所述多个预估位置坐标与所述聚类中心之间的距离，利用加权质心算法，计算得到多个加权质心；
[0089] 计算所述多个加权质心与所述聚类中心之间的距离值；
[0090] 根据所述多个加权质心与所述聚类中心之间的距离，利用加权质心算法得到多个新的加权质心；
[0091] 以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标。
[0092] 具体的，在本申请实施例中，根据所述多个预估位置坐标与所述聚类中心之间的距离，利用下述加权质心算法，计算得到多个加权质心：
[0093]
[0094]
[0095] 其中，Ri为预估位置i与聚类中心之间的距离，Rj为预估位置j与聚类中心之间的距离，N为预估位置的个数，xi为预估位置i的X轴坐标，yi为预估位置i的Y轴坐标，Wi为预设的预估位置i的权重，x为加权质心的X轴坐标，y为加权质心的Y轴坐标。
[0096] 具体的，在本申请实施例中，根据所述多个加权质心与所述聚类中心之间的距离，利用下述加权质心算法得到多个新的加权质心：
[0097]
[0098]
[0099] 其中， 为加权质心i与聚类中心之间的距离， 为加权质心j与聚类中心之间的距离，M为加权质心的个数， 为加权质心i的X轴坐标， 为加权质心i的Y轴坐标，Wi/为预设的加权质心i的权重，x/为新的加权质心的X轴坐标，y/为新的加权质心的Y轴坐标。
[0100] 具体的，在本申请实施例中，S4中以所述多个新的加权质心的坐标作为所述终端的目标预估位置坐标，之前，还包括：
[0101] 使用滤波算法对所述新的加权质心的坐标进行平滑去噪处理。
[0102] 具体的，在本申请实施例中，聚类算法为CFDP(Clustering by fast search and find of density peaksd，是一种基于密度的聚类算法)。
[0103] 基于相同的发明构思，本发明实施例还提供一种图2所示的室内定位的位置估计装置，包括：
[0104] 位置预估模块，用于获取定位区域内的终端的多个预估位置坐标；
[0105] 聚类模块，用于利用聚类算法计算所述多个预估位置坐标的聚类中心；
[0106] 距离计算模块，用于计算所述多个预估位置坐标与所述聚类中心之间的距离；
[0107] 目标坐标确定模块，用于根据所述多个预估位置坐标与所述聚类中心之间的距离和所述聚类中心利用加权质心算法，得到所述终端的目标预估位置坐标。
[0108] 需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0109] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明各个实施例所述的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法或者实施例的某些部分所述的方法。
[0110] 以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
