专利交易市场

本发明提供了离线指纹库构建方法、位置指纹定位方法和系统，离线指纹库构建方法包括在各无线接入点设备处分别部署移动边缘计算服务器，所述方法包括以下步骤：对获得的指纹数据采用聚类算法获得设定数量的聚类及聚类中心；将每一类中的数据根据初始聚类中心所在的位置存储到对应的移动边缘计算服务器中构建完成各离线指纹库的分库。本发明通过在AP设备处部署MEC服务器，将指纹数据的预处理、存储和匹配任务“下沉”至MEC服务器去完成，MEC服务器距离用户很近，这样可以大幅减少指纹数据的传输时延。通过使用MEC服务器，可以缓解云服务器和移动终端的存储和计算压力。

本发明公开了一种基于二次K‑Means聚类的室内位置指纹定位方法，对位置指纹数据库进行一次k‑means聚类，确定聚类完成后最终的聚类中心；对位置指纹数据库进行二次k‑means聚类，确定聚类完成后最终的聚类中心；计算待定位点到一次k‑means聚类完成后最终的聚类中心的欧氏距离，计算两两欧式距离之间的差值的绝对值，若绝对值≤θ，则该待定位点基于二次k‑means聚类方法实现定位，否则基于一次k‑means聚类方法实现定位；本专利方法基于K‑Means聚类算法的二次聚类位置指纹匹配方法所得的结果，不受聚类算法边界参考点相似度高的影响，具有较高的准确性；方法简单，易于实现，具有良好的适用性。

本发明公开了一种基于众包数据的位置指纹数据库快速构建方法，S1、基于PDR、粒子滤波和地图约束的裂变建库；S2、基于MDS纠正非显式地标点区域的PDR累积误差。本发明基于裂变方式和设置路径有效时间阈值构建位置指纹数据库，并采用MDS结合隐式地标点纠正PDR累计误差，同时，基于加权多维WiFi数值特征构建短距离位置指纹关联模型；相对于现有技术可以快速构建位置指纹数据库，减少传感器的累计误差，提高位置和指纹的匹配精度，有效地解决了现有技术中频繁打扰用户，位置和指纹匹配精度低的问题。