一种WiFi指纹库更新方法、装置及电子设备与流程

一种wifi指纹库更新方法、装置及电子设备
技术领域
1.本发明涉及移动通信及物联网技术领域，尤其涉及一种wifi指纹库更新方法、装置及电子设备。


背景技术：

2.现如今，随着物联网技术的高速发展，室内定位技术成为备受关注的热点，而基于wifi的指纹定位算法更是得到了广泛的关注。其中，在室内环境中的每一个位置接收到的wifi信号强度值与ap无线访问接入点(access piont)距离有关系，每一个位置都可以称为指纹点，而指纹点与该点接收到的wifi信号强度值构成一个指纹，指纹库则表示在室内待测区域内一系列的指纹集合。当一些ap无线访问接入点(access piont)的设置位置发生变化时，wifi指纹库也需要进行更新。
3.在现有技术中，为了能够实现wifi指纹库的自动更新，可以是通过人工采集实地测量数据直接统计各个点位的信号强度，另一方面，也可以通过采集少量的已知点，经过构建的信号衰减模型来得到各个点位的信号强度，但现有技术中多数是基于理想情况下的，假设信号的采集区域呈现出完成的类高斯分布，但实际上很多室内场景中的wifi信号只能覆盖部分采集区域，对于某一些wifi信号的分布曲线来说，只能采集到类高斯曲线的单边或者一段，如果直接用高斯函数拟合会存在很大差异，甚至无法拟合，从而导致最终得到的结果误差较大。


技术实现要素：

4.本公开提供了一种一种wifi指纹库更新方法、装置、电子设备及存储介质，以解决wifi指纹库中更新定位精度较差的问题。
5.根据本公开的一方面，提供了一种wifi指纹库更新方法，包括：
6.获取wifi指纹库中m个位置中的n个采集位置的wifi信号强度值，所述m为大于1的整数，所述n为小于所述m的正整数；
7.基于所述n个采集位置的wifi信号强度值创建信号强度分布矩阵；
8.基于所述信号强度分布矩阵生成信号分布数据；
9.基于所述信号分布数据和所述n个采集位置的wifi信号强度值，对所述wifi指纹库中的所述m个位置的wifi信号强度值进行更新。
10.根据本公开的另一方面，提供了一种wifi指纹库更新装置，包括：
11.获取模块，用于获取wifi指纹库中m个位置中的n个采集位置的wifi信号强度值，所述m为大于1的整数，所述n为小于所述m的正整数；
12.创建模块，用于基于所述n个采集位置的wifi信号强度值创建信号强度分布矩阵；
13.生成模块，用于基于所述信号强度分布矩阵生成信号分布数据；
14.更新模块，用于基于所述信号分布数据和所述n个采集位置的wifi信号强度值，对所述wifi指纹库中的所述m个位置的wifi信号强度值进行更新。
15.根据本公开的另一方面，提供了一种电子设备，包括：
16.至少一个处理器；以及
17.与所述至少一个处理器通信连接的存储器；其中，
18.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开提供的wifi指纹库更新方法。
19.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行本公开提供的wifi指纹库更新方法。
20.本公开中，首先获取需要获取采集位置中一部分采集位置的wifi信号强度值，并以收集到的wifi信号强度值构建信号强度分布矩阵，从信号强度分布矩阵中可以得到信号分布数据，依据信号分布数据和采集到的wifi信号强度值可以得到需要采集位置中未采集位置的wifi信号强度值，通过此方法完成对wifi指纹库的更新操作，并且提高wifi指纹库中更新的定位精度。
21.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.附图用于更好地理解本方案，不构成对本公开的限定。其中：
23.图1是本公开提供的一种wifi指纹库更新方法的流程图；
24.图2是本公开提供的一种wifi指纹库更新装置的结构图；
25.图3是本公开提供的一种wifi指纹库更新装置的另一种结构图；
26.图4是本公开提供的一种wifi指纹库更新装置的另一种结构图；
27.图5是本公开提供的一种wifi指纹库更新装置的另一种结构图；
28.图6是用来实现本公开实施例的wifi指纹库更新方法的电子设备的框图。
具体实施方式
29.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
30.请参见图1，图1是本公开提供的一种wifi指纹库更新方法的流程图，如图1所示，包括以下步骤：
31.步骤s101、获取wifi指纹库中m个位置中的n个采集位置的wifi信号强度值，所述m为大于1的整数，所述n为小于所述m的正整数。
32.上述m个位置可以是室内所要进行信号强度收集的任意位置，上述n个采集位置可以是室内wifi信号覆盖的部分位置。
33.对上述n个采集位置进行wifi信号强度值的采集，所采集的数据可以是在wifi指纹库中，且上述n个采集位置的wifi信号强度值可以由到ap无线访问接入点(access piont)的距离以及环境因素计算得到。
34.另外，上述n个采集位置可以是在上述m个位置中均匀间隔的选取并进行信号的采
集。
35.步骤s102、基于所述n个采集位置的wifi信号强度值创建信号强度分布矩阵。
36.上述信号强度分布矩阵的构建可以是通过以下方式得到：
37.假设在wifi指纹库中需要采集上述m个位置的wifi信号强度值，且m＝m*n，并在上述m个位置中均匀间隔的选取上述n个采集位置作为信号采集的位置，其中，n＝m/2*n/2，则上述n个采集位置表示占上述m个位置的1/4大小，并且m和n之间的间隔为1。
38.将采集数据中相同标识的指纹放在一起保存，则第k个标识的采集位置的wifi信号强度值可以通过该公式表示：
[0039][0040]
其中，m和n分别表示采集区域内的采集位置的横坐标和纵坐标，rssi
i,j
表示坐标(i,j)的采集位置的wifi信号强度值。
[0041]
需要说明的是，若未采集到采集位置的wifi信号，则该采集位置的rssi＝0。
[0042]
另外，通过上述信号强度分布矩阵可以清晰表示出上述n个采集位置的wifi信号强度值，直观体现数据的同时也能方便对于wifi信号强度值的计算。
[0043]
应理解，上述n个采集位置的数量可以是根据室内采集环境或是计算需求而进行设定，上述n个采集位置的数量可以是上述m个位置的数量的1/2、1/3或是1/4，对此本发明实施例不作限定。
[0044]
步骤s103、基于所述信号强度分布矩阵生成信号分布数据。
[0045]
上述信号分布数据表示上述强度分布矩阵中的元素对应高斯函数中具体部分。
[0046]
上述信号分布数据可以通过上述信号强度分布矩阵的逐行或是逐列分析计算得到，例如：将上述信号强度分布矩阵按照行或列进行分组，对每一个行组或是每一个列组进行wifi信号强度值的大小分析，找出每个行组或是列组中最大wifi信号强度值，以及每个行组或是列组在首尾位置的最小wifi信号强度值，获取符合条件的各个采集位置的wifi信号强度值，将收集到的数据与预设条件进行对比，最后得到上述信号分布数据。
[0047]
其中，每个行组或是列组在首尾位置的最小wifi信号强度值可以是在预设的单元范围之内确定，例如：在每个行组的头x个元素中寻找最小的wifi信号强度值或是在每个列组头x个元素中寻找最小的wifi信号强度值；在每个行组的尾x个元素中寻找最小的wifi信号强度值或是在每个列组尾x个元素中寻找最小的wifi信号强度值。
[0048]
另外，上述信号分布数据可以是包括该行组或是该列组的信号分布类似于高斯函数的具体部分，例如：该行或者该列的信号分布类似高斯函数的单调递减部分；该行或者该列的信号分布类似高斯函数的单调递增部分；该行或者该列的信号分布呈类高斯的趋于零的部分；该行或者该列的信号分布在类高斯函数中轴线的两侧。
[0049]
需要说明的是，上述信号分布可以通过比对wifi信号强度值的差值来选择对应函数的部分，例如：每个行组或是列组中最大wifi信号强度值与每行组或是每列组中首部位置中最小wifi信号强度值的差值相差不超过预设阈值，则认为该行组或列组的信号分布类似高斯函数的单调递减部分；每个行组或是列组中最大wifi信号强度值与每行组或是每列
组中尾部位置中最小wifi信号强度值的差值相差不超过预设阈值，则认为该行组或列组的信号分布类似高斯函数的单调递增部分；每个行组或是列组中最大wifi信号强度值、每行组或是每列组中首部位置中最小wifi信号强度值和每行组或是每列组中尾部位置中最小wifi信号强度值三者之间的差值相差不超过预设阈值，则该行组或该列组的信号分布类似高斯函数趋于零的部分；每个行组或是列组中最大wifi信号强度值、每行组或是每列组中首部位置中最小wifi信号强度值和每行组或是每列组中尾部位置中最小wifi信号强度值三者之间的差值相差都超过预设阈值，则该行组或该列组的信号分布类似高斯函数中轴线的两侧。
[0050]
步骤s104、基于所述信号分布数据和所述n个采集位置的wifi信号强度值，对所述wifi指纹库中的所述m个位置的wifi信号强度值进行更新。
[0051]
上述信号分布数据可以表示出上述n个采集位置中各行组或列组信号分布对应的函数部分，根据对应的函数部分可以生成对应的信号衰减模型，将上述n个采集位置中所需要位置的wifi信号强度值代入至信号衰减模型中，可得到未采集位置的wifi信号强度值。
[0052]
其中，可以采用匹配对应的函数中的部分曲线拟合wifi信号分布曲线，例如：采用高斯函数、柯西函数和多峰高斯函数的部分曲线来你和wifi信号分区曲线，从而估计出未采集位置的wifi信号强度值。
[0053]
该实施方案中，首先设定需要采集的指纹点位置个数，然后从中选取部分位置进行wifi信号强度值的采集及获取，将获取到的wifi信号强度值构建成信号强度分布矩阵，从信号强度分布矩阵中获取信号分布数据，该信号分布数据表示信号强度分布矩阵中wifi信号强度值的信号分布，以及分别对应的类高斯函数的具体部分，并以此构建对应的信号衰减模型，将已采集位置的wifi信号强度值代入至构建的信号衰减模型中，得到未采集位置的wifi信号强度值，完成对wifi指纹库的更新，通过该方法能够在有限采集位置下提高对wifi指纹库中更新的定位精度。
[0054]
作为一种可选的实施方式，所述基于所述信号强度分布矩阵生成信号分布数据之前，所述方法还包括：在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置的信号强度中至少一个不为0的情况下，将所述左右相邻两个采集位置的信号强度平均值作为所述目标采集位置的的wifi信号强度值；在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置都为0，且所述目标采集位置在所述信号强度分布矩阵中上下相邻两个采集位置中至少一个不为0的情况下，将所上下相邻两个采集位置的信号强度平均值作为所述目标采集位置的wifi信号强度值。
[0055]
该实施方案中，对上述信号强度分布矩阵中0元素进行优化处理，首先寻找0元素在上述信号强度分布矩阵中的位置，并判断该0元素左右相邻元素的非0性，若同时非0，则将0元素的wifi信号强度值替换为左右两相邻元素wifi信号强度值的平均值，若0元素左右两元素至少一个为0，则判断0元素上下两相邻元素的非0性，若上下两相邻元素同时非0，则将0元素的wifi信号强度值替换为上下两相邻元素wifi信号强度值的平均值。整体操作实际上是对上述信号强度分布矩阵的预处理，减小后续计算产生的误差，进而提高了wifi指纹库中更新的定位精度。
[0056]
作为一种可选的实施方式，所述基于所述信号强度分布矩阵生成信号分布数据，包括：依据所述信号强度分布矩阵按照第一规则将所述多个指纹采集位置的wifi信号强度值分为若干个组，其中，所述第一规则包括如下一项：若所述信号强度分布矩阵中行数大于等于等于列数，则将所述多个指纹采集位置的wifi信号强度值按照列进行分组；若所述信号强度分布矩阵中行数小于等于列数，则将所述多个指纹采集位置的信号强度按照行进行分组；获取所述若干个组中每个独立组别的第一数值信息，所述第一数值信息包括所述每个独立组别中最大的wifi信号强度值、所述每个独立组别中前h个采集位置中最小的wifi信号强度值和所述每个独立组别中后k个采集位置中最小的wifi信号强度值，h和k为大于1的整数；依据所述第一数值信息生成所述每个独立组别的所述信号分布数据，所述信号分布数据包括如下至少一项：信号分布为类高斯函数单调递减部分、信号分布为类高斯函数单调递增部分、信号分布为类高斯函数趋于零部分和信号分布为类高斯函数中轴线两侧的部分。
[0057]
上述第一规则可以按照上述信号强度分布矩阵中wifi信号强度值的分布情况而设定，具体为若所述信号强度分布矩阵中行数大于等于等于列数，则将所述多个指纹采集位置的wifi信号强度值按照列进行分组；若所述信号强度分布矩阵中行数小于等于列数，则将所述多个指纹采集位置的信号强度按照行进行分组，该方法使得每个组别中的元素个数能够满足计算的需求，进而提高计算的精度。
[0058]
该实施方案中，通过对上述信号强度分布矩阵进行分组，使得每一个分组都能匹配对应有一个类高斯函数中的曲线，使得每个分组的信号曲线能够高度匹配相似度更高的函数，进而拟合出匹配度更高的信号衰减模型或是其它计算方式，通过该方法能够提高wifi指纹库中更新的定位精度。
[0059]
需要说明的是，上述h和上述k的具体数值大小可以根据上述信号强度分布矩阵的规模以及实际的室内环境而设定，另一方面，上述h和上k可以表示成大小一致的数值，然后再对上述信号强度分布矩阵进行数据分析，例如：获取每个独立组别中最大的wifi信号强度值、前3个采集位置中最小的wifi信号强度值和后3个采集位置中最小的wifi信号强度值。
[0060]
作为一种可选的实施方式，所述依据所述第一数值信息生成所述每个独立组别的所述信号分布数据，包括：若所述每个独立组别中最大的wifi信号强度值和前h个采集位置中最小的wifi信号强度值相差不超过预设阈值，则所述独立组别的信号分布为类高斯函数单调递减部分；若所述每个独立组别中最大的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差不超过预设阈值，则所述独立组别的信号分布为类高斯函数单调递增部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都不超过预设阈值，则所述独立组别的信号分布为类高斯函数趋于零部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都超过预设阈值，则所述独立组别的信号分布为类高斯函数中轴线两侧的部分。
[0061]
上述预设阈值的设定可以是按照信号采集环境或是ap无线访问接入点(access piont)的信号强度进行设定，对此本发明实施例不作限定。
[0062]
另外，在一般情况下，对于上述预设阈值的设定可以选择在5db附近，例如：若所述
每个独立组别中最大的wifi信号强度值和前h个采集位置中最小的wifi信号强度值相差不超过
±
5db，则所述独立组别的信号分布为类高斯函数单调递减部分；若所述每个独立组别中最大的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差不超过
±
5db，则所述独立组别的信号分布为类高斯函数单调递增部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都不超过
±
5db，则所述独立组别的信号分布为类高斯函数趋于零部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都超过
±
5db，则所述独立组别的信号分布为类高斯函数中轴线两侧的部分。
[0063]
该实施方案中，通过判断上述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值的大小关系，来确定该独立组别的信号曲线匹配对应的类高斯函数曲线部分，从而拟合出匹配度更高的信号衰减模型或是其它计算方式，进而提高对于未采集位置wifi信号强度值的计算精度。
[0064]
作为一种可选的实施方式，所述基于所述信号分布数据和所述多个指纹采集位置的wifi信号强度值确定设定位置的wifi信号强度值，包括：依据所述信号分布数据确定所述信号强度分布矩阵的信号衰减模型，所述信号衰减模型包括如下至少一项：第一衰减模型、第二衰减模型、第三衰减模型和第四衰减模型，其中，所述第一信号衰减模型为基于信号分布为类高斯函数单调递减部分的指纹采集位置的wifi信号强度值生成；所述第二信号衰减模型对应信号分布为类高斯函数单调递增部分的指纹采集位置的wifi信号强度值生成；所述第三信号衰减模型对应信号分布为类高斯函数趋于零部分的指纹采集位置的wifi信号强度值生成；所述第四信号衰减模型对应信号分布为类高斯函数中轴线两侧部分的指纹采集位置的wifi信号强度值生成；将所述多个指纹采集位置的wifi信号强度值作为输入通过对应的衰减模型得到所述设定位置的wifi信号强度值。
[0065]
上述信号分布数据中的类高斯函数可以是选择柯西函数，并以柯西函数作为上述信号衰减模型的构建基础，柯西函数可以设定为如下形式：
[0066][0067]
另外，上述第一衰减模型、上述第二衰减模型、上述第三衰减模型和上述第四衰减模型都由柯西函数曲线部分对应指纹采集位置的wifi信号强度值生成。
[0068]
上述第一衰减模型的生成可由如下步骤表示：
[0069]
1、对获取到的每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值进行归一化处理：
[0070]
r(max)＝rssi
max
/|rssi
min(2)
|+1
[0071]
r(min(1))＝rssi
min(1)
/|rssi
min(2)
|+1
[0072]
r(min(2))＝rssi
min(2)
/|rssi
min(2)
|+1
[0073]
其中，rssi
max
表示每个独立组别中最大的wifi信号强度值，rssi
min(1)
表示前h个采集位置中最小的wifi信号强度值，rssi
min(2)
表示后k个采集位置中最小的wifi信号强度值。
[0074]
2、将(0,r(max))代入上述柯西函数，得到γ＝1/πr(max)，并且将f(x；0,1)＝0.01的x值作为衰减模型的右侧边界，因此将以下公式作为该情况下的衰减模型：
[0075][0076]
其中，
[0077]
上述第二衰减模型的生成可由如下步骤表示：
[0078]
1、对获取到的每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值进行归一化处理：
[0079]
r(max)＝rssi
max
/|rssi
min(2)
|+1
[0080]
r(min(1))＝rssi
min(1)
/|rssi
min(2)
|+1
[0081]
r(min(2))＝rssi
min(2)
/|rssi
min(2)
|+1
[0082]
其中，rssi
max
表示每个独立组别中最大的wifi信号强度值，rssi
min(1)
表示前h个采集位置中最小的wifi信号强度值，rssi
min(2)
表示后k个采集位置中最小的wifi信号强度值。
[0083]
2、由上述第一衰减模型的相反条件得到该情况下的衰减模型：
[0084][0085]
上述第三衰减模型的生成可由如下步骤表示：
[0086]
对获取到的每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值进行归一化处理：
[0087]
r(max)＝rssi
max
/|rssi
min(2)
|+1
[0088]
r(min(1))＝rssi
min(1)
/|rssi
min(2)
|+1
[0089]
r(min(2))＝rssi
min(2)
/|rssi
min(2)
|+1
[0090]
其中，rssi
max
表示每个独立组别中最大的wifi信号强度值，rssi
min(1)
表示前h个采集位置中最小的wifi信号强度值，rssi
min(2)
表示后k个采集位置中最小的wifi信号强度值。
[0091]
2、判断该衰减模型为一条直线形态，所以得到该情况下的衰减模型：
[0092][0093]
上述第四衰减模型的生成可由如下步骤表示：
[0094]
1、对获取到的每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值进行归一化处理：
[0095]
r(max)＝rssi
max
/|min(rssi
min(1)
,rssi
min(2)
)|+1
[0096]
r(min(1))＝rssi
min(1)
/|min(rssi
min(1)
,rssi
min(2)
)|+1
[0097]
r(min(2))＝rssi
min(2)
/|min(rssi
min(1)
,rssi
min(2)
)|+1
[0098]
其中，rssi
max
表示每个独立组别中最大的wifi信号强度值，rssi
min(1)
表示前h个采集位置中最小的wifi信号强度值，rssi
min(2)
表示后k个采集位置中最小的wifi信号强度值，min(rssi
min(1)
,rssi
min(2)
)表示rssi
min(1)
和rssi
min(2)
中的较小者。
[0099]
2、将r(max)代入f(x；0,γ)得到如下公式：
[0100]
[0101]
3、再将rssi
min(1)
和rssi
min(2)
中的较大者(α,max(rssi
min(1)
,rssi
min(2)
))代入上式得到：
[0102][0103]
即最后上述第四衰减模型可以由下式表示：
[0104][0105]
该实施方案中，通过对不同信号曲线的分类，以及将不同信号曲线以及wifi信号强度生成对应的信号衰减模型，从而可以在多种情况下完成对wifi信号强度值的预测和计算，进而提高对于未采集位置wifi信号强度值的计算精度。
[0106]
需要说明的是，各个独立组别对应一个信号衰减模型，即柯西分布函数的片段曲线。
[0107]
作为一种可选的实施方式，所述将所述多个指纹采集位置的wifi信号强度值作为输入通过所述信号衰减模型得到所述设定位置的wifi信号强度值，包括：确定所述信号衰减模型中的取值区间和未知采集位置个数，所述未知采集位置个数为所述设定位置的个数减去所述多个指纹采集位置的个数；依据所述取值区间和所述未知采集位置个数确定所述信号衰减模型的输入值；将所述信号衰减模型的输入值代入至所述信号衰减模型，得到未知采集位置的wifi信号强度值；合并所述未知采集位置的wifi信号强度值和所述多个指纹采集位置的wifi信号强度值，得到所述设定位置的wifi信号强度值。
[0108]
对于未采集位置的wifi信号强度值可以是通过上述信号衰减模型在已采集位置之间均匀的做差值得到，下面以上述第四衰减模型为例，进行对未采集位置wifi信号强度值的计算：
[0109]
上述第四衰减模型的公式如下：
[0110][0111]
1、对自变量x进行取值区间的划分，即，x＝0时对应上述信号强度分布矩阵中某一行的最大值，和分别对应该行首和行尾最小值。
[0112]
2、分别计数该行最大wifi信号强度值所在位置与行首α最小wifi信号强度值所在位置之间有i个未知采集位置，与行尾σ最小wifi信号强度值所在位置之间有j个未知采集位置。
[0113]
例如：在信号强度分布矩阵中某一独立组别的wifi信号强度值分布为
[0114]
h＝[-53,-58,-56,-52,-43,-50,-55,-63,-64]
[0115]
其中，最大值为-43，行首和行尾前3个中最小值分别为-58和-64，则在h中，-58到-43之间有2个其它的wifi信号强度值，-43到-64之间有3个其他的wifi信号强度值。由于这些已采集位置是每间隔1采集的，也就是有一半的未采集位置，因此-58到-43之间总共有4个采集位置，-43到-64之间有6个采集位置。
[0116]
3、将上述第四衰减模型的区间进行2*(i+1)等分和2*(j+1)等分，对应的自变量x
的值为和
[0117]
4、将得到的x值代入上述第四衰减模型中，得到对应的y值，因为之前进行过归一化处理，因此需要进行反归一化处理，从而得到对应的wifi信号强度值，且该wifi信号强度值即为对应顺寻采集位置的估计值。
[0118]
该实施方案中，首先对已经生成的上述信号衰减模型进行取值区间划分的处理，然后需要得到已知采集位置之间的未知采集位置的个数，根据未知采集位置的数量再对区间进行等分，并得到对应自变量的值，再将自变量代入至上述信号衰减模型中得到对应的因变量值，最后通过数据处理优化得到对应未知采集位置的wifi信号强度值，通过该方法能够提高wifi指纹库中更新的定位精度。
[0119]
请参见图2，图2是本公开提供的一种wifi指纹库更新装置，如图2所示，wifi指纹库更新装置200包括：
[0120]
获取模块201，用于获取wifi指纹库中m个位置中的n个采集位置的wifi信号强度值，所述m为大于1的整数，所述n为小于所述m的正整数；
[0121]
创建模块202，用于基于所述n个采集位置的wifi信号强度值创建信号强度分布矩阵；
[0122]
生成模块203，用于基于所述信号强度分布矩阵生成信号分布数据；
[0123]
更新模块204，用于基于所述信号分布数据和所述n个采集位置的wifi信号强度值，对所述wifi指纹库中的所述m个位置的wifi信号强度值进行更新。
[0124]
可选的，如图3所示，所述装置200还包括：
[0125]
第一确定模块205，用于在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置的信号强度中至少一个不为0的情况下，将所述左右相邻两个采集位置的信号强度平均值作为所述目标采集位置的的wifi信号强度值；
[0126]
第二确定模块206，用于在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置都为0，且所述目标采集位置在所述信号强度分布矩阵中上下相邻两个采集位置中至少一个不为0的情况下，将所上下相邻两个采集位置的信号强度平均值作为所述目标采集位置的wifi信号强度值。
[0127]
可选的，如图4所示，所述生成模块203包括：
[0128]
分组单元2031，用于依据所述信号强度分布矩阵按照第一规则将所述多个指纹采集位置的wifi信号强度值分为若干个组，其中，所述第一规则包括如下一项：若所述信号强度分布矩阵中行数大于等于等于列数，则将所述多个指纹采集位置的wifi信号强度值按照列进行分组；若所述信号强度分布矩阵中行数小于等于列数，则将所述多个指纹采集位置的信号强度按照行进行分组；
[0129]
获取单元2032，用于获取所述若干个组中每个独立组别的第一数值信息，所述第一数值信息包括所述每个独立组别中最大的wifi信号强度值、所述每个独立组别中前h个采集位置中最小的wifi信号强度值和所述每个独立组别中后k个采集位置中最小的wifi信号强度值，h和k为大于1的整数；
[0130]
第一生成单元2033，用于依据所述第一数值信息生成所述每个独立组别的所述信号分布数据，所述信号分布数据包括如下至少一项：信号分布为类高斯函数单调递减部分、信号分布为类高斯函数单调递增部分、信号分布为类高斯函数趋于零部分和信号分布为类高斯函数中轴线两侧的部分。
[0131]
可选的，所述生成单元2033，包括：若所述每个独立组别中最大的wifi信号强度值和前h个采集位置中最小的wifi信号强度值相差不超过预设阈值，则所述独立组别的信号分布为类高斯函数单调递减部分；若所述每个独立组别中最大的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差不超过预设阈值，则所述独立组别的信号分布为类高斯函数单调递增部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都不超过预设阈值，则所述独立组别的信号分布为类高斯函数趋于零部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都超过预设阈值，则所述独立组别的信号分布为类高斯函数中轴线两侧的部分。
[0132]
可选的，如图5所示，所述更新模块204包括：
[0133]
确定单元2041，用于依据所述信号分布数据确定所述信号强度分布矩阵的信号衰减模型，所述信号衰减模型包括如下至少一项：第一衰减模型、第二衰减模型、第三衰减模型和第四衰减模型，其中，所述第一信号衰减模型为基于信号分布为类高斯函数单调递减部分的指纹采集位置的wifi信号强度值生成；所述第二信号衰减模型对应信号分布为类高斯函数单调递增部分的指纹采集位置；所述第三信号衰减模型对应信号分布为类高斯函数趋于零部分的指纹采集位置；所述第四信号衰减模型对应信号分布为类高斯函数中轴线两侧部分的指纹采集位置；
[0134]
第二生成单元2042，用于将所述多个指纹采集位置的wifi信号强度值作为输入通过对应的衰减模型得到所述设定位置的wifi信号强度值。
[0135]
可选的，所述第二生成单元2042，包括：确定所述信号衰减模型中的取值区间和未知采集位置个数，所述未知采集位置个数为所述设定位置的个数减去所述多个指纹采集位置的个数；依据所述取值区间和所述未知采集位置个数确定所述信号衰减模型的输入值；将所述信号衰减模型的输入值代入至所述信号衰减模型，得到未知采集位置的wifi信号强度值；合并所述未知采集位置的wifi信号强度值和所述多个指纹采集位置的wifi信号强度值，得到所述设定位置的wifi信号强度值。
[0136]
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质。
[0137]
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
[0138]
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(rom)602中的计算机程序或者从存储单元608加载到随机访问存储器(ram)603中的计算机程序，来执
行各种适当的动作和处理。在ram 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0139]
设备600中的多个部件连接至i/o接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0140]
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如wifi指纹库更新方法。例如，在一些实施例中，wifi指纹库更新方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由rom 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到ram 603并由计算单元601执行时，可以执行上文描述的wifi指纹库更新方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行wifi指纹库更新方法。
[0141]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0142]
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0143]
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0144]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机
具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0145]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0146]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0147]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
[0148]
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

技术特征：
1.一种wifi指纹库更新方法，其特征在于，包括：获取wifi指纹库中m个位置中的n个采集位置的wifi信号强度值，所述m为大于1的整数，所述n为小于所述m的正整数；基于所述n个采集位置的wifi信号强度值创建信号强度分布矩阵；基于所述信号强度分布矩阵生成信号分布数据；基于所述信号分布数据和所述n个采集位置的wifi信号强度值，对所述wifi指纹库中的所述m个位置的wifi信号强度值进行更新。2.根据权利要求1所述的wifi指纹库更新方法，其特征在于，所述基于所述信号强度分布矩阵生成信号分布数据之前，所述方法还包括：在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置的信号强度中至少一个不为0的情况下，将所述左右相邻两个采集位置的信号强度平均值作为所述目标采集位置的的wifi信号强度值；在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置都为0，且所述目标采集位置在所述信号强度分布矩阵中上下相邻两个采集位置中至少一个不为0的情况下，将所上下相邻两个采集位置的信号强度平均值作为所述目标采集位置的wifi信号强度值。3.根据权利要求1所述的wifi指纹库更新方法，其特征在于，所述基于所述信号强度分布矩阵生成信号分布数据，包括：依据所述信号强度分布矩阵按照第一规则将所述多个指纹采集位置的wifi信号强度值分为若干个组，其中，所述第一规则包括如下一项：若所述信号强度分布矩阵中行数大于等于等于列数，则将所述多个指纹采集位置的wifi信号强度值按照列进行分组；若所述信号强度分布矩阵中行数小于等于列数，则将所述多个指纹采集位置的信号强度按照行进行分组；获取所述若干个组中每个独立组别的第一数值信息，所述第一数值信息包括所述每个独立组别中最大的wifi信号强度值、所述每个独立组别中前h个采集位置中最小的wifi信号强度值和所述每个独立组别中后k个采集位置中最小的wifi信号强度值，h和k为大于1的整数；依据所述第一数值信息生成所述每个独立组别的所述信号分布数据，所述信号分布数据包括如下至少一项：信号分布为类高斯函数单调递减部分、信号分布为类高斯函数单调递增部分、信号分布为类高斯函数趋于零部分和信号分布为类高斯函数中轴线两侧的部分。4.根据权利要求3所述的wifi指纹库更新方法，其特征在于，所述依据所述第一数值信息生成所述每个独立组别的所述信号分布数据，包括：若所述每个独立组别中最大的wifi信号强度值和前h个采集位置中最小的wifi信号强度值相差不超过预设阈值，则所述独立组别的信号分布为类高斯函数单调递减部分；若所述每个独立组别中最大的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差不超过预设阈值，则所述独立组别的信号分布为类高斯函数单调递增部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强
度值和后k个采集位置中最小的wifi信号强度值相差都不超过预设阈值，则所述独立组别的信号分布为类高斯函数趋于零部分；若所述每个独立组别中最大的wifi信号强度值、前h个采集位置中最小的wifi信号强度值和后k个采集位置中最小的wifi信号强度值相差都超过预设阈值，则所述独立组别的信号分布为类高斯函数中轴线两侧的部分。5.根据权利要求1所述的wifi指纹库更新方法，其特征在于，所述基于所述信号分布数据和所述多个指纹采集位置的wifi信号强度值确定设定位置的wifi信号强度值，包括：依据所述信号分布数据确定所述信号强度分布矩阵的信号衰减模型，所述信号衰减模型包括如下至少一项：第一衰减模型、第二衰减模型、第三衰减模型和第四衰减模型，其中，所述第一信号衰减模型为基于信号分布为类高斯函数单调递减部分的指纹采集位置的wifi信号强度值生成；所述第二信号衰减模型对应信号分布为类高斯函数单调递增部分的指纹采集位置的wifi信号强度值生成；所述第三信号衰减模型对应信号分布为类高斯函数趋于零部分的指纹采集位置的wifi信号强度值生成；所述第四信号衰减模型对应信号分布为类高斯函数中轴线两侧部分的指纹采集位置的wifi信号强度值生成；将所述多个指纹采集位置的wifi信号强度值作为输入通过对应的衰减模型得到所述设定位置的wifi信号强度值。6.根据权利要求5所述的wifi指纹库更新方法，其特征在于，所述将所述多个指纹采集位置的wifi信号强度值作为输入通过所述信号衰减模型得到所述设定位置的wifi信号强度值，包括：确定所述信号衰减模型中的取值区间和未知采集位置个数，所述未知采集位置个数为所述设定位置的个数减去所述多个指纹采集位置的个数；依据所述取值区间和所述未知采集位置个数确定所述信号衰减模型的输入值；将所述信号衰减模型的输入值代入至所述信号衰减模型，得到未知采集位置的wifi信号强度值；合并所述未知采集位置的wifi信号强度值和所述多个指纹采集位置的wifi信号强度值，得到所述设定位置的wifi信号强度值。7.一种wifi指纹库更新装置，其特征在于，包括：获取模块，用于获取wifi指纹库中m个位置中的n个采集位置的wifi信号强度值，所述m为大于1的整数，所述n为小于所述m的正整数；创建模块，用于基于所述n个采集位置的wifi信号强度值创建信号强度分布矩阵；生成模块，用于基于所述信号强度分布矩阵生成信号分布数据；更新模块，用于基于所述信号分布数据和所述n个采集位置的wifi信号强度值，对所述wifi指纹库中的所述m个位置的wifi信号强度值进行更新。8.根据权利要求7所述的wifi指纹库更新装置，其特征在于，所述装置还包括：第一确定模块，用于在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置的信号强度中至少一个不为0的情况下，将所述左右相邻两个采集位置的信号强度平均值作为所述目标采集位置的的wifi信号强度值；第二确定模块，用于在所述信号强度分布矩阵中有wifi信号强度值为0的目标采集位
置，且所述目标采集位置在所述信号强度分布矩阵中的左右相邻两个采集位置都为0，且所述目标采集位置在所述信号强度分布矩阵中上下相邻两个采集位置中至少一个不为0的情况下，将所上下相邻两个采集位置的信号强度平均值作为所述目标采集位置的wifi信号强度值。9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，其中，所述计算机指令用于使所述计算机执行根据权利要求1至6中任一项所述的方法。

技术总结
本申请公开了一种WiFi指纹库更新方法，属于移动通信及物联网技术领域。所述WiFi指纹库更新方法包括如下步骤：获取WiFi指纹库中M个位置中的N个采集位置的WiFi信号强度值，所述M为大于1的整数，所述N为小于所述M的正整数；基于所述N个采集位置的WiFi信号强度值创建信号强度分布矩阵；基于所述信号强度分布矩阵生成信号分布数据；基于所述信号分布数据和所述N个采集位置的WiFi信号强度值，对所述WiFi指纹库中的所述M个位置的WiFi信号强度值进行更新。在本申请中，可以通过已采集位置的WiFi信号强度值和信号分布数据拟合出未采集位置的WiFi信号强度值，从而更新WiFi指纹库，进而提高WiFi指纹库中更新的定位精度。高WiFi指纹库中更新的定位精度。高WiFi指纹库中更新的定位精度。


技术研发人员：李桃 严镭 蔡尽忠 李蒙
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2022.03.11
技术公布日：2023/9/20