1.本发明属于无线设备定位方法研究技术领域，具体是涉及一种基于多链插值构建指纹地图的室内定位方法。
背景技术：2.基于位置的服务逐渐成为日常生活中不可或缺的一种服务，按实现场景一般被分为室外定位和室内定位。传统的定位方法包括使用卫星定位系统定位的方法，使用卫星定位系统定位的方法包括卫星定位系统(例如北斗、gps等)的部署，在室外定位场景中，卫星定位系统(例如北斗、gps等)的部署使得室外定位与导航得到了很好的应用，定位精度非常高，均可达到亚米级。在室内定位场景中，由于室内各种障碍物对卫星信号的干扰，导致卫星无法实现室内精准定位。
3.无线设备在室内环境的广泛部署，使得基于室内定位的服务成为研究热点。针对室内定位方法的研究，通常研究人员使用无线信号指纹进行匹配定位的方法。其基本思想主要是利用接入点(access point，ap)在不同位置的空间差异性，将参考点的无线信号特征作为物理位置的特征，来判断所在位置。该无线信号特征被称为指纹(fingerprint)特征，其中信号接收强度(received signal strength，rss)就是典型的指纹特征。基于接收信号强度的室内定位是提供精准位置服务的关键，该方法首先需要为感知区域构建指纹地图(site survey)，需要对感知区域的大量参考点采集信号数据，极其耗时费力。为解决这一问题，研究人员通过采集部分参考点的信号接收强度(received signal strength，rss)，并利用它们对周围未采样点进行插值，以构建整个区域的地图，这一方式可以有效减少地图的创建和更新时间，但同时根据指纹定位方式，当参考点较少时，定位误差一般会随之增大，也降低了定位精度。而为满足大规模场景的定位需求，如大型商贸中心、停车场、会议行政中心等，需要巨大的测量成本，同时为提升定位精度，要求尽可能采样更多参考点的信号数据。同时由于无线信号的固有特性，参考点的信号会随着时间发生改变，导致同一位置的指纹在采样阶段和测试阶段不一致，从而无法匹配到。为此，需要每隔一段时间对指纹库进行维护和更新，这进一步提高了定位成本。因此，在保证定位精度的同时，如何减少指纹数据库建立和更新过程的工作量是至关重要的。
4.对指纹定位方式来说，创建或更新地图都需要耗费大量的时间和人力成本。在实际采样中，当定位场景较大时，对感知环境进行密集的采样显然不太实际。为解决这一问题，研究人员采用指纹地图虚拟化的方式来构建地图。具体来说，在创建地图时，对感知环境不进行全面采样，而仅采集部分点信号，然后利用这些值来模拟出未采样位置的信号，扩充得到完整的指纹地图，这样可以大大减少采样量从而节省了采样成本。当定位场景的面积越大，指纹地图虚拟化节省的资源也就越多，其重要性也就越能体现。这一方式降低了地图构建和更新过程的工作量，并在一定程度上保证了定位精度。在指纹虚拟化构建中，面向wifi和射频的指纹地图构建是较为有代表性的方式。
5.在wifi指纹地图构建中，基于群智感知的地图构建方法仍是目前最常见的用来缓
解这一问题的方法。比如以激励的方式鼓励更多的用户参与到众包的过程中来，让用户主动地进行信息收集；通过隐式或透明的方式来让用户在无意识的参与下进行采样数据，其不需要通过激励用户来达到显式地收集数据的目的；通过采样少量的有标识指纹数据(即包含rss与位置信息的数据集合)与大量的未标识指纹数据(即只包含rss信息而没有位置信息的数据集)，从而达到降低工作量、弥补定位精度的效果。另一方面，许多学者基于模型来构建地图，其主要通过少量的采样数据根据模型来拟合出其他未采样参考点上的信号，从而将整个采样区域填满。比如通过多项式模型，提出了区域分割和曲线拟合的算法，在每个子区域基于少量参考点求取拟合函数从而得到未采样点信号；通过采样点指纹的加权质心来估计接入点(access point,ap)的位置，用贝叶斯方法评估信号发射功率与路径损失模型的参数。通过高斯过程回归对已有的少量的采样数据进行拟合，生成局部区域的均值曲面和标准差曲面，结合粒子滤波器生成粒子进行权重的赋值；还有为更好地进行指纹地图的更新，将高斯过程回归与k-means相结合。
6.在射频的指纹地图构建中，landmarc算法基于rfid定位技术通过增加地标来辅助更新在线更新指纹数据库，不需要预先获取地图也能应对动态环境的影响。基于此，许多学者提出了很多改进方向。其中，vire算法是一种基于landmarc算法的虚拟标签定位算法，并在不同室内环境下定位精度提高了13％至73％，它引入虚拟引用标签，通过在固定参考标签之间加入虚拟标签,虚拟标签获得与固定参考标签相同的效果,并且过多的数量也不会导致信号交互。因此，在训练阶段使用空间插值算法来减少采样时的工作量逐渐被越来越多的研究者所接受。为了增加指纹的密度，使用线性插值的方法生成虚拟采样指纹并通过贝叶斯算法估计准确位置，与传统贝叶斯算法相比，在减少o(4n/5)的时间复杂度的同时定位精度提高了6％；还有通过将变量系数引入传统的莱以特准则中消除多径误差，再使用自然邻域插值进行虚拟参考标记，改善虚拟标签相似性测量的稳定性和准确性，保证80％的测试标签误差累积在4cm以内、90％在10cm以内；还有提出并比较了kriging插值算法及其几种变形算法对地图估计准确性的影响；还有在构建指纹数据库时，估计墙壁穿透损失以及距离功率损耗，然后基于这些损耗模型插入rss值，应用空间插值的内插方法来完善指纹地图，并将平均定位精度提高约25％；还有提出了在传统rfid虚拟标签定位中用动态粒子来取代传统的静态参考标签，用粒子群优化算法来更新蒙特卡罗样本粒子群，并基于采样粒子和未确定标签之间的信号强度差赋予不同的权重，从而实现未知标签的插值效果；还有针对虚拟地图的构建，它提出了一种基于区域的修复方法，主要通过限制用于构建虚拟参考点的路径损耗指数以及限制区域以最小化估计误差。这些方法都或多或少的涉及了插值与虚拟点的思想，一定程度上优化了构建指纹地图的工作量。但是，上述方法都有一定的局限性，很难直接适用于wifi指纹定位中。
7.因此，需要提出一种新型的指纹地图构建方法来实现室内定位。
技术实现要素：8.发明目的：为了克服现有技术中不能同时满足提高精度和提高效率等存在的不足，本发明提供一种基于多链插值构建指纹地图的室内定位方法。
9.技术方案：为实现上述目的，本发明的一种基于多链插值构建指纹地图的室内定位方法，该方法包括以下步骤：该方法提供基于多链插值构建指纹地图的系统，该方法包括
以下步骤：
10.s1根据采样规则对样本目标进行采样，采样得到采样点数据集，该采样点数据集包括采样点的位置坐标信息和采样点的rss值；
11.s2将上述采样点数据集输入到所述基于多链插值构建指纹地图的系统中；
12.s3由基于多链插值构建指纹地图的系统进行内部处理，得到完整的指纹地图，完整的指纹地图包括采样点数据集和待插入点数据集，该待插入点数据集包括待插入点的位置坐标信息和待插入点的rss值；
13.s4通过完整的指纹地图和待检测点的rss值，得到该待检测点的位置坐标信息
14.进一步地，所述基于多链插值构建指纹地图的系统包括：
15.输入模块：用于将采样点数据集输入到所述基于多链插值构建指纹地图的系统中；
16.待插入点rss值预估模块：用于计算待插入点的rss值；
17.待插入点位置坐标计算模块：用于计算待插入点的位置坐标；
18.数据集合并模块：将上述待插入点的rss值和待插入点的位置坐标信息作为待插入点数据集，将该待插入点数据集和采样点数据集合并作为完整的指纹地图；
19.输出模块：用于输出完整的指纹地图。
20.进一步地，所述待插入点rss值预估模块用于计算待插入点的rss值，该待插入点rss值预估模块具体包括：
21.方向估值模块：确定待插入点对应的ap信号传播路径，在各ap信号传播路径方向上对待插入点进行插值计算，得到待插入点在各方向链上的rss值；
22.强度预估模块：通过上述待插入点在各方向链上的rss值并利用反距离加权方法得到各方向链上的权重，通过各方向链上的权重计算待插入点的预估rss值；
23.权重优化模块：利用待插入点在各方向链上其邻近采样点数据集拟合各方向链上信号衰减模型，通过信号衰减模型计算各方向链上待插入点邻近采样点的拟合rss值，通过邻近采样点的拟合rss值计算各方向链上信号衰减模型的误差，通过各方向链上信号衰减模型的误差重新计算各方向链上的权重；
24.调整估值模块：通过上述待插入点在各方向链上的rss值和各方向链上的权重重新计算待插入点的rss值；
25.迭代扩展模块：重复上述模块步骤，得到所有待插入点的rss值。
26.进一步地，所述待插入点位置坐标计算模块通过感知环境预先定义来计算待插入点的位置坐标。
27.进一步地，所述采样规则采用顶角采样规则或顶角中心全采样规则。
28.进一步地，所述待插入点对应的ap信号传播路径为4条。
29.进一步地，所述待插入点在各方向链上其邻近采样点至少包括2个。
30.有益效果：本发明与现有技术比较，具有的优点是：
31.1、本发明方法根据无线信号的传播特点，插入点的信号是由多个方向信号叠加形成的，不能仅考虑周边近邻点的关联性，而应该面向不同方向展开，本发明方法同时考虑多个方向信号的影响程度，提高了定位精度，评估不同链路的信号叠加情况，构建准确的指纹地图，提高了定位精度和稳定性。
32.2、本发明方法设计了多链插值的指纹地图构建方法(multi-chain interpolation,mci)，与传统采样方式相比，它根据实际环境中的信号传播特征，利用多个方向链对每个待插入点进行估值。具体来说，在给定的采样规则下对不同方向进行插值计算，并利用反距离加权得到待插入点的预估值。利用该值，对每个方向上拟合得到相应的信号衰减模型并计算误差。重新获得方向权重，并得出待插入点的估值。最后，形成一个真实点与虚拟点组成的指纹数据库，有效减少了指纹数据库的维护和更新成本。根据实验验证，mci方法在降低测量工作量的同时提高定位精度。
33.3、本发明方法使用两种采样方式(“corner sampling”和“corner&centre sampling”)，只需要采集少量的指纹点信号就可以构建出感知区域的完整指纹地图。两种模式采样量分别为全采样时的25％和50％，即指纹地图构建过程的工作量分别降低了75％和50％，极大降低了地图构建和更新过程的工作量。
34.4、本发明方法根据大规模实验验证，多链插值的地图构建方法mci，提高了定位精度且稳定性好。上述mci的两种采样方式比全采样方式的定位精度分别提高13.58％和4.74％，相比经典插值方式，mci方法具有更好的稳定性，特别是当采样量较低时优势更加明显。当采样仅为全采样量25％时，平均准确率比经典插值方式提高了18.50％，本发明方法具有很好的拓展性。
35.5、本发明方法针对wifi指纹定位的地图构建，降低成本消耗，充分考虑信号传播特征，评估不同链路的信号叠加情况，构建准确的指纹地图，提高了定位精度和稳定性。
附图说明
36.图1是本发明方法步骤流程图。
37.图2是本发明基于多链插值构建指纹地图的系统结构图。
38.图3是本发明待插入点rss值预估模块结构图。
39.图4是本发明在待插入点对应的ap信号传播路径为4条时示意图。
40.图5是本发明采用顶角采样规则示意图。
41.图6是本发明采用顶角中心全采样规则示意图。
具体实施方式
42.下面结合实施例和附图对本发明作更进一步的说明。
43.实施例1：
44.本实施例的一种基于多链插值构建指纹地图的室内定位方法，不同于传统插值方法，传统插值方法根据信号传播理论，即两个采样点的物理位置越近，则它们的强度值越相似，因此，传统插值方法利用这一原则对代插入点进行强度估算，相应的，所设计的插值方式以近邻作为参考，显而易见，这种插值方式仅从数值相似性的角度进行插值计算，并没有考虑实际环境中的信号传播情况。
45.根据实际采样，待传播路径上传播源到待插入点的距离与传播源到邻居点的距离相近，因此，待插入点与邻居点的关联性是基于信号的传播方向，而不是环绕待插入点的近邻，本实施例利用这一信号传播特性，在进行信号插值时，基于面向多传播链路，而不是仅考虑待插入点的周边邻居，基于多链插值(multi-chain interpolation,mci)构建指纹地
图，从而实现室内定位。
46.本实施例方法步骤参照图1，具体包括以下步骤：
47.首先提供基于多链插值构建指纹地图的系统，该系统用于构建完整的指纹地图，多链是指在进行信号插值时，基于面向多传播链路。
48.然后根据采样规则对样本目标进行采样，采样得到采样点数据集，该采样点数据集包括采样点的位置坐标信息和采样点的rss值，样本目标中除去采样点剩下待插入点，得到的采样点数据集不仅作为求解待插入点的数据集的参考数据集，还和待插入点的数据集一起组成完整的指纹数据库即指纹地图。
49.接着将上述采样点数据集输入到所述基于多链插值构建指纹地图的系统中；
50.再接着由基于多链插值构建指纹地图的系统进行内部处理，得到待插入点数据集，进而得到完整的指纹地图，完整的指纹地图包括采样点数据集和待插入点数据集，该待插入点数据集包括待插入点的位置坐标信息和待插入点的rss值，该采样点数据集包括采样点的位置坐标信息和采样点的rss值。
51.最后通过上述步骤得到的完整的指纹地图，以及在测试阶段需要测试的待检测点的rss值，得到测试阶段所有待检测点的位置坐标信息。具体是，通过上述步骤得到的完整的指纹地图中包含所有点的位置坐标信息和该点的rss值，根据待检测点的rss值，通过对比就能求得该待检测点的位置坐标信息。
52.实施例2：
53.本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例1，参照图2，基于多链插值构建指纹地图的系统包括：
54.输入模块：用于将采样点数据集输入到所述基于多链插值构建指纹地图的系统中；
55.待插入点rss值预估模块：用于计算待插入点的rss值；
56.待插入点位置坐标计算模块：用于计算待插入点的位置坐标；
57.数据集合并模块：将上述待插入点的rss值和待插入点的位置坐标信息作为待插入点数据集，将该待插入点数据集和采样点数据集合并作为完整的指纹地图；
58.输出模块：用于输出完整的指纹地图；
59.上述待插入点rss值预估模块用于计算待插入点的rss值，参照图3，该待插入点rss值预估模块具体包括：
60.方向估值模块：确定待插入点对应的ap信号传播路径，通常该待插入点对应的ap不少于2个，即该待插入点对应的ap信号传播路径不少于2条，在各ap信号传播路径方向上对待插入点进行多链插值计算，本实施例多链插值计算意思就是基于多条待插入点对应的ap信号传播路径进行插值计算，得到待插入点在各方向链上的rss值，此处一条方向链就是指一条ap信号传播路径；
61.强度预估模块：通过上述待插入点在各方向链上的rss值并利用反距离加权方法得到各方向链上的权重，通过各方向链上的权重计算待插入点的预估rss值；
62.权重优化模块：利用待插入点在各方向链上其邻近的采样点数据集拟合各方向链上信号衰减模型，通过信号衰减模型计算各方向链上待插入点邻近采样点的拟合rss值，通过邻近采样点的拟合rss值计算各方向链上信号衰减模型的误差，通过各方向链上信号衰
减模型的误差重新计算各方向链上的权重；
63.调整估值模块：通过上述待插入点在各方向链上的rss值和各方向链上的权重重新计算待插入点的rss值；本实施例方法考虑到待插入点会接收到不同方向的无线信号，即待插入点对应的ap信号传播路径包括多条，待插入点的信号强度受多个信号叠加的影响，由于每个方向上的信号传播不尽相同，想要更加合理地估算该点的信号强度即rss值，需要考虑每一方向上的信号衰减情况。
64.迭代扩展模块：重复上述模块步骤，得到所有待插入点的rss值。
65.通过上述待插入点rss值预估模块计算得到待插入点的rss值，进而求得待插入点数据集。
66.实施例3：
67.本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例2，通过待插入点rss值预估模块用于计算待插入点的rss值，该待插入点rss值预估模块包括方向估值模块、强度预估模块、权重优化模块、调整估值模块和迭代扩展模块；
68.通过方向估值模块求解待插入点在各方向链上的rss值，具体包括以下步骤：
69.设待插入点为p，则待插入点p的位置坐标为p(x,y)，确定待插入点p(x,y)的方向链路即上述方向链，设待插入点p(x,y)有n个方向链路，n个方向链路标记为(r1,r2,
…
,rn)，设待插入点p(x,y)在rk方向链路上的邻居链层数为l(k)(1≤k≤n)，待插入点p(x,y)在rk方向链路上的邻居点集合标记为向链路上的邻居点集合标记为是待插入点p(x,y)在rk方向链路上最近的邻居点，是待插入点在rk方向链路上最近的邻居点，是在rk方向链路上最近的邻居点，依此类推；
70.待插入点p(x,y)在rk方向链路上的rss值通过公式(1)计算得到：
[0071][0072]
上述公式(1)中，是点的rss值，是点的rss值，是待插入点p(x,y)和其在rk方向链路上最近的邻居点之间的距离，是点和点之间的距离，点的rss值点的rss值均可通过采样步骤得到，均可通过采样步骤得到，和均可通过点的位置坐标计算得到；
[0073]
通过上述步骤计算得到待插入点在各方向链上的rss值。
[0074]
通过强度预估模块待插入点的预估rss值，首先通过上述步骤计算得到各方向链上的权重，具体是：
[0075]
设待插入点p(x,y)在rk方向链路上的权重为w(rk)，则w(rk)根据公式(2)计算得到：
[0076][0077]
上述公式(2)中，是点的rss值，是点的rss值，是点和点之间的距离，点的rss值点的rss值均可通过采样步骤得到，均可通过位置坐标计算得到；
[0078]
通过上述步骤得到待插入点p(x,y)在rk方向链路上的权重为w(rk)。
[0079]
根据公式(3)计算待插入点p(x,y)的rss预估值rss
p
；
[0080][0081]
上述公式(3)中，通过公式(1)计算得到，w(rk)通过公式(2)计算得到，n为自然数，1≤k≤n；
[0082]
通过上述步骤得到待插入点p(x,y)的rss预估值rss
p
。
[0083]
通过权重优化模块重新计算各方向链上的权重，具体如下：
[0084]
首先利用待插入点在各方向链上其邻近采样点数据集拟合各方向链上信号衰减模型，设待插入点p(x,y)在rk方向链上其邻近采样点标记为邻近采样点的rss值标记为m是邻近采样点的个数，邻近采样点的位置坐标信息通过采样步骤得到，根据信号衰减模型公式(4)和邻近采样点数据集拟合得到信号衰减模型公式(4)的参数和参数σ的值：
[0085][0086]
将待插入点p(x,y)在rk方向链上其邻近采样点数据集带入到上述公式(4)中，邻近采样点数据集包括邻近采样点的rss值和位置坐标信息，得到
[0087]
上述公式中，是点到待插入点p(x,y)之间的距离，是点到待插入点p(x,y)之间的距离，到待插入点p(x,y)之间的距离，是点到待插入点p(x,y)之间的距离，依此类推。通过上式计算得到参数和参数σ的值，从而拟合得到rk方向链上信号衰减模型公式方向链上信号衰减模型公式
[0088]
然后通过拟合得到的信号衰减模型公式以及各方向链上待插入点邻近采样点的rss值来计算各方向链上待插入点邻近采样点的拟合rss值，待插
入点邻近采样点的拟合rss值标记为各方向链上待插入点邻近采样点的拟合rss值通过下式计算得到：
[0089]
上述公式中，邻近采样点的rss值通过采样步骤得到，参数和参数σ的值通过公式(4)计算得到，是点到待插入点p(x,y)之间的距离，是点到待插入点p(x,y)之间的距离，是点到待插入点p(x,y)之间的距离，依此类推。
[0090]
接着根据公式(5)计算在rk方向链路上的信号衰减模型的误差：
[0091][0092]
上述公式(5)中，α是根据点到待插入点的间距定义，β是根据点到待插入点的间距定义，γ是根据点到待插入点的间距定义，m是待插入点p(x,y)在rk方向链上其邻近采样点的个数，m不小于2；
[0093]
最后根据公式(6)重新计算待插入点p(x,y)在rk方向链路上的优化权重w
′
(rk)：
[0094][0095]
上述公式(6)中，d(rk)通过公式(5)计算得到，n为自然数，1≤k≤n；
[0096]
根据公式(7)重新计算待插入点p(x,y)的优化后的rss值rss
′
p：
[0097][0098]
上述公式(7)中，通过公式(1)计算得到，w
′
(rk)通过公式(6)计算得到，n为自然数，1≤k≤n；
[0099]
将得到的待插入点p(x,y)的优化后的rss值rss
′
p
作为待插入点p(x,y)的最终rss值，通过上述所有步骤得到样本目标中所有待插入点的最终rss值。
[0100]
实施例4：
[0101]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例3，在方向估值模块中，参照图4，图4中显示待插入点对应的ap信号传播路径为4条，即待插入点收到4个ap方向信号，待插入点信号为4个ap方向信号的叠加，4个ap分别为ap1、ap2、ap3和ap4，待插入点信号是ap1、ap2、ap3和ap4方向信号叠加，则待插入点p(x,y)包括4个方向链路上的rss值，待插入点p(x,y)包括4个方向链路上的权重，通过该4个方向链路上的rss值和4个方向链路上的权重计算得到待插入点p(x,y)的rss预估值rss
p
，进一步得到插入点p(x,y)的优化后的rss值rss
′
p
。
[0102]
实施例5：
[0103]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例3，在权
重优化模块中，利用待插入点在各方向链上其邻近的采样点数据集拟合各方向链上信号衰减模型，通过信号衰减模型计算各方向链上待插入点邻近采样点的拟合rss值，通过邻近采样点的拟合rss值计算各方向链上信号衰减模型的误差，通过各方向链上信号衰减模型的误差重新计算各方向链上的权重，本实施例中，首先利用待插入点在各方向链上其邻近采样点数据集拟合各方向链上信号衰减模型，设待插入点p(x,y)在rk方向链上其邻近采样点标记为拟合得到rk方向链上信号衰减模型公式然后计算各方向链上待插入点邻近采样点的拟合rss值，待插入点邻近采样点的拟合rss值标记为接着根据公式(5)计算在rk方向链路上的信号衰减模型的误差：
[0104][0105]
上述公式(5)中，α是根据点到待插入点的间距定义，β是根据点到待插入点的间距定义，γ是根据点到待插入点的间距定义，m是待插入点p(x,y)在rk方向链上其邻近采样点的个数，m等于2，则公式(5)变换为：
[0106][0107]
上述公式中，α是根据点到待插入点的间距定义，β是根据点到待插入点的间距定义。
[0108]
通过上述变换公式得到d(rk)，最后根据公式(6)重新计算待插入点p(x,y)在rk方向链路上的优化权重w
′
(rk)：
[0109][0110]
最后根据公式(7)重新计算待插入点p(x,y)的优化后的rss值rss
′
p
：
[0111][0112]
将得到的待插入点p(x,y)的优化后的rss值rss
′
p
作为待插入点p(x,y)的最终rss值，通过上述所有步骤得到样本目标中所有待插入点的最终rss值。
[0113]
实施例6
[0114]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例3，待插入点位置坐标计算模块通过感知环境预先定义来计算待插入点的位置坐标，即在根据采样规则对样本目标进行采样时，采样得到采样点数据集，待插入点的位置坐标通过感知环境预先定义来计算，从而得到待插入点数据集。
[0115]
实施例7
[0116]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例6，在根据采样规则对样本目标进行采样中，采样规则采用顶角采样规则，采用顶角采样规则时，将对应的采样地图划分为若干网格，以一定距离均匀地在网格上间隔采集指纹，参照图5，具体规则是将地图划分为多个“3
×
3”的方格，对每个方格的四角(四个顶点)进行采样，最终填满整个采样空间，按这种采样模式称为“顶角采样模式(corner sampling)”，如图，其中，每个“3
×
3”的方格中4个顶点为真实采样点，该“3
×
3”的方格中剩下的5个点为待插入点。
为保证间隔采样，每次“3
×
3”方格滑动2个采样点，对图5中10m
×
10m地图利用该模式采样，真实采样点仅占全部点的25/100＝25％。
[0117]
实施例8
[0118]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例6，在根据采样规则对样本目标进行采样中，采样规则采用顶角中心全采样规则，已知采样点越多，构建的指纹地图效果就越好，同时越邻近点的指纹也越相似，基于上述实际情形，在“顶角采样模式(corner sampling)模式”的基础上，为了更进一步提高定位准确性和稳定性，采样点增加了方格中心点，具体来说，采用顶角中心全采样规则时，除了采集“3
×
3”方格的四个顶角，还包括其中心点，采样形式如图6所示，这一采样规则称为“顶角+中心采样模式(corner&centre sampling)”，如图，其中，每个“3
×
3”的方格中4个顶点及1个中心点为真实采样点，该“3
×
3”的方格中剩下的4个点为待插入点。与“顶角采样模式(corner sampling)模式”类似，方格每次滑动2个采样点，在此采样模式下，对图6中10m
×
10m地图，真实采样点占全部点的((25+25))/100＝50％。
[0119]
实施例9
[0120]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例7，本实施例通过实验验证采用“顶角采样模式(corner sampling)”mci方法的性能，在大规模场景进行实验，以验证mci方法的性能。实验场景为3000平方米的室内环境，在离地面2米的高度上放置了50个等高的ibeacon作为ap。为验证mci在不同设备中性能的稳定性，本实施例使用了6种智能手机进行采样，分别为huawei mate7、huawei mate20、huawei honor、vivo x20、vivo x23和yaao。采样点间隔为1米，每个采样点收集1分钟的信号，整个采样过程耗时约250个小时，通过实验对比得到表1：
[0121]
表1
[0122][0123]
表1为采用“顶角采样模式(corner sampling)”进行采样时，mci方法与其他方法比较结果，从表1中看出，mci方法的平均定位精度比全采样方式(即对样本目标中所有点进行采样)高4.74％。
[0124]
实施例10
[0125]
本实施例的一种基于多链插值构建指纹地图的室内定位方法，基于实施例8，本实
施例通过实验验证采用“顶角+中心采样模式(corner&centre sampling)”mci方法的性能，在大规模场景进行实验，以验证mci方法的性能。实验场景为3000平方米的室内环境，在离地面2米的高度上放置了50个等高的ibeacon作为ap，为验证mci在不同设备中性能的稳定性，本实施例使用了6种智能手机进行采样，分别为huawei mate7、huawei mate20、huawei honor、vivo x20、vivo x23和yaao。采样点间隔为1米，每个采样点收集1分钟的信号，整个采样过程耗时约250个小时。通过实验对比得到表2：
[0126]
表2
[0127][0128]
表2为采用“顶角+中心采样模式(corner&centre sampling)”进行采样时，mci方法与其他方法比较结果，mci方法的平均定位精度比全采样方式(即对样本目标中所有点进行采样)高13.58％。
[0129]
根据实验验证，在两种采样模式下，当采样点比全采样方式减少50％和75％时，mci的定位准确度分别提高13.58％和4.74％。相比经典插值方式，mci方法具有更好的稳定性，当采样量较少时，定位精度的优势更加明显。当采样仅为全采样量25％时，平均准确率比经典插值方式提高了18.50％。因此，mci方法能更好地在保证定位精度的同时，极大降低地图构建过程的工作量。
[0130]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
