終端異質(zhì)下位置指紋的魯棒性研究

謝代軍，孔范增，胡捍英

(解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院，鄭州 450002)

終端異質(zhì)下位置指紋的魯棒性研究

謝代軍，孔范增，胡捍英

(解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院，鄭州 450002)

針對終端硬件差異對接收信號強度(RSS)測量的影響，導(dǎo)致傳統(tǒng)RSS指紋魯棒性較差的問題，借鑒信號強度差(SSD)在室內(nèi)定位中的應(yīng)用，提出一種抗移動終端硬件異質(zhì)的SSD位置指紋。從理論上對SSD、RSS及雙曲位置指紋(HLF)3種指紋的魯棒性進行分析，并在實際無線局域網(wǎng)環(huán)境中應(yīng)用傳統(tǒng)K最近鄰法，對3種指紋在訓(xùn)練定位階段使用相同終端與不同終端2種情況下進行實驗。結(jié)果證明，與RSS和HLF指紋相比，SSD指紋在抗移動終端異質(zhì)方面的魯棒性更好。

無線局域網(wǎng)；室內(nèi)定位；位置指紋；信號強度差；終端異質(zhì)；魯棒性

1 概述

精確室內(nèi)位置計算是各種位置服務(wù)的重要組成部分，在日常生產(chǎn)生活中發(fā)揮了重要作用。目前室內(nèi)定位系統(tǒng)主要分為兩類：一類需要專業(yè)硬件設(shè)備(如射頻標簽[1]、超聲波[2]接收器等)，大范圍部署基礎(chǔ)設(shè)施，構(gòu)建定位系統(tǒng)實現(xiàn)定位；另一類依托基礎(chǔ)設(shè)施(如Wi-Fi網(wǎng)絡(luò))，使用與位置相關(guān)且方便測量的信號參數(shù)(如接收信號強度)來實現(xiàn)定位[3]。

從RADAR系統(tǒng)[4]開始，基于現(xiàn)有無線設(shè)備信號參數(shù)的位置指紋法，具有成本低、無需部署專門網(wǎng)絡(luò)的優(yōu)點，在室內(nèi)定位中得到廣泛應(yīng)用。一個典型的基于指紋法的定位系統(tǒng)[5]，在服務(wù)區(qū)域里要設(shè)定若干個訓(xùn)練點。離線訓(xùn)練階段，在每個訓(xùn)練點對無線設(shè)備的信號進行觀測，記錄這些依賴于訓(xùn)練點位置的無線信號的參數(shù)，典型的如接收信號強度(Received Signal Strength, RSS)，作為該位置的指紋。在線定位階段，在待定位點完成對無線設(shè)備信號的感測，形成位置指紋后，根據(jù)指紋匹配定位算法估計目標所在位置。

目前市場上多數(shù)手持移動終端(Mobile T erminal, MT)和無線接入點(Access Point, AP)都具有測量報告RSS的能力。然而終端設(shè)備采用的無線技術(shù)不同，硬件各異，在對無線信號的RSS值進行測量時，即使終端采用的無線技術(shù)相同，也會因硬件情況的差異，得到不同的RSS位置指紋。該情況使得依賴唯一RSS信息的位置指紋定位系統(tǒng)，在實際環(huán)境中面對不同終端設(shè)備時，定位效果通常不是很理想。

目前人們對指紋法室內(nèi)定位的研究，多數(shù)集中于指紋匹配算法，典型的如K最近鄰[4](K-Nearest Neighbor, KNN)法和貝葉斯[6](Bayes)法。這些研究大多假定訓(xùn)練階段和定位階段使用相同的移動終端設(shè)備，針對移動終端硬件差異性對位置指紋影響的研究還較少。文獻[6]以一種設(shè)備為基準，根據(jù)該設(shè)備的RSS值建立一個基準訓(xùn)練數(shù)據(jù)庫，通過大量實驗獲取其他設(shè)備和基準設(shè)備間的RSS線性轉(zhuǎn)換公式，建立一個可擴展適應(yīng)多種終端設(shè)備的訓(xùn)練數(shù)據(jù)庫。文獻[7]對上述方法進行改進，提出一種自動調(diào)整線性轉(zhuǎn)換公式參數(shù)的方法。文獻[8]在研究如何找出那些具有不同硬件配置、且傳輸功率發(fā)生了變化的劣質(zhì)設(shè)備時，應(yīng)用信號強度的差值。文獻[9]提出一種基于信號強度比的雙曲位置指紋(Hyperbolic Location Fingerprint, HLF)，在一定程度上可減少終端硬件差異對指紋魯棒性的影響。

在定位技術(shù)中，信號強度差(Signal Strength Difference, SSD)是一種較好的定位特征參量。文獻[10]在室外蜂窩網(wǎng)定位研究中，利用信號強度差來抵消傳播模型環(huán)境變量的影響。文獻[11-12]在無線傳感器網(wǎng)定位研究中，使用信號強度差來消除目標功率變化的影響，提高定位精度。文獻[13]對室內(nèi)定位中采用信號強度差，根據(jù)傳播模型法定位進行研究?？梢姡盘枏姸炔钍且环N較好的消除系統(tǒng)誤差的方法。在上述研究中，都是根據(jù)信號強度差，通過傳播模型轉(zhuǎn)換成距離差，進而由幾何定位法確定目標位置。

綜上所述，穩(wěn)健的位置指紋對于指紋定位算法十分重要。針對終端硬件差異對RSS測量的影響，導(dǎo)致傳統(tǒng)RSS指紋魯棒性較差的問題，本文借鑒SSD在幾何定位法中的應(yīng)用，提出一種魯棒的SSD位置指紋，從理論和實驗上對SSD指紋相對于RSS指紋、HLF指紋的魯棒性進行分析。

2 SSD、RSS、HLF指紋的魯棒性比較

在基于指紋的Wi-Fi定位中，RSS測量有2種方式：(1)MT發(fā)出信號，由AP完成參數(shù)測量和位置估計工作，將結(jié)果報告給MT；(2)MT測量AP發(fā)出的信號，完成定位。第(1)種方法可以更好地保護用戶隱私，安全性好，是目前應(yīng)用的主要方式。本文將在第(2)種方式下對RSS，SSD和HLF指紋的魯棒性進行分析。

(1)RSS指紋魯棒性分析。對一個具體的AP，MT組合，假定P( d)和P( d0)表示與AP相距任意距離d和相距參考距離d0處的接收信號強度。根據(jù)對數(shù)正態(tài)陰影模型得到：

其中，PAP是AP的發(fā)送功率；GAP是AP的天線增益；GMT是移動終端MT的天線增益；L是系統(tǒng)損耗因子；λ是無線信號的波長?？梢姡贏P距離d處得到的RSS依賴于MT硬件參數(shù)。當(dāng)定位階段的AP，MT與訓(xùn)練階段中的AP，MT不同時，各自得到的RSS將不同。這就是RSS位置指紋魯棒性不好的原因。

(2)SSD指紋魯棒性分析。在分析RSS指紋后，下面介紹SSD指紋，并對其魯棒性展開分析。令P( d1)和P( d2)分別表示2個不同AP的無線信號被同一個MT在同一個位置觀測到的RSS值，MT與2個AP的距離分別為d1和d2。由式(2)可知，各得到MT對2個AP的RSS觀測值如下：

從式(5)可以看出，SSD值與移動終端MT無關(guān)。盡管SSD受不同AP的配置，如發(fā)送功率、天線增益、傳輸信道等因素影響，但是當(dāng)每個單個AP在訓(xùn)練階段和定位階段都保持一致時，這些配置也保持不變，因此SSD指紋在訓(xùn)練階段和定位階段也將保持一致。

在現(xiàn)實環(huán)境中，Wi-Fi通信系統(tǒng)中的AP可能具有不同的型號和品牌，但各個AP一經(jīng)部署基本不會再有改變，因此，可認為Wi-Fi定位系統(tǒng)中的AP在訓(xùn)練階段和定位階段是保持不變的，SSD在抗移動終端差異性上是魯棒的。

盡管SSD在抗MN差異性上具有穩(wěn)健性，但用SSD取代RSS作為位置指紋，還需要一個重要的折衷，即對相同個數(shù)的AP，SSD指紋向量的維數(shù)總是比RSS指紋向量的維數(shù)低一個維數(shù)。假定在MT的有效探測范圍內(nèi)有N個AP。每個AP產(chǎn)生一個RSS采樣，因此，RSS指紋向量的維數(shù)為N。另一方面，N個RSS值可產(chǎn)生個不同的SSD值，但只有(N-1)個是相互獨立的，因此，SSD指紋向量的維數(shù)是(N-1)。在其他條件相同的情況下，SSD指紋維數(shù)小于RSS指紋維數(shù)，這是SSD指紋相較于RSS指紋的一個弱點。當(dāng)訓(xùn)練階段和定位階段使用相同的設(shè)備時，RSS指紋比SSD指紋能取得更好的定位準確度。然而文獻[9]指出，當(dāng)N＞5時，RSS指紋維數(shù)的增加并不會帶來明顯的定位準確度的提高。因此，當(dāng)N較大、AP和MT在訓(xùn)練階段和定位階段保持不變的情況下，基于SSD指紋的定位效果與基于RSS指紋的定位效果差異非常小。

綜上所述，當(dāng)MT在訓(xùn)練階段和定位階段保持不變且N較大時，SSD指紋定位效果不遜于RSS定位效果；當(dāng)MT在訓(xùn)練階段和定位階段不同時，SSD指紋可保持一致，定位準確性比RSS指紋高。SSD指紋具有良好的魯棒性。

3 SSD、RSS、HLF指紋的計算復(fù)雜性分析

目前，基于RSS指紋的定位方法有確定性和概率性2類，其各自代表算法分別為KNN算法和Bayes算法。下面分別介紹RSS指紋、SSD指紋、HLF指紋基于KNN和Bayes算法的指紋生成方法。假設(shè)在定位區(qū)域內(nèi)共有N個AP，在每個采樣點進行了m次掃描。

(2)概率性方法，如Bayes。RSS指紋除了有各AP的RSS采樣值均值，包含各AP的RSS采樣值的標準方差。同理，SSD指紋由各個AP的各次RSS采樣值差值的平均值和標準方差組成，HLF指紋由各個AP的各次RSS采樣比值的平均值和標準方差組成。

通過以上分析可知，SSD指紋、HLF指紋相比RSS指紋的生成要多一個步驟，即要分別求各次采樣值的差值或者比值，之后生成方法同RSS指紋生成方法。因此，SSD指紋和HLF指紋計算復(fù)雜性相同，都略高于RSS指紋。

4 實驗與結(jié)果分析

4.1 實驗環(huán)境設(shè)置及數(shù)據(jù)采集

實驗環(huán)境見圖1，在整個定位區(qū)域內(nèi)設(shè)置89個間距為2 m的定位訓(xùn)練點及46個位置隨機的測試點；部署10個 AP。AP型號為TP-Link TL-WR7 40N，移動終端為2臺帶無線網(wǎng)卡的筆記本，2個無線網(wǎng)卡的型號分別是：Intel WIFI Link 4965AGN和 Intel WIFI Link 3945ABG。移動終端在各訓(xùn)練點和測試點進行Wi-Fi信號掃描采樣，共掃描20次。

圖1 實驗環(huán)境

4.2 結(jié)果分析

4.2.1 SSD魯棒性分析

隨機挑選20個位置的信號強度采樣數(shù)據(jù)，比較各個位置的RSS值和SSD值如圖2所示。圖2(a)為2個不同無線網(wǎng)卡在20個訓(xùn)練點位置處對同一個無線路由器的信號強度RSS的觀測值序列，圖2(b)為2個無線網(wǎng)卡在20個訓(xùn)練點位置處，得到的2個無線路由器的信號強度差SSD值序列。

圖2 接收信號強度和信號強度差的比較

從實驗結(jié)果可以看出，在每個訓(xùn)練點，不同移動終端測得的RSS值不同，有時還存在較大差異，可達10 dBm以上。不同移動終端得到的SSD值則保持了相對一致性，在同一個訓(xùn)練點處，2個SSD值雖然也存在差異，但最大不超過5 dBm?？梢姡琒SD相對于RSS具有較好的魯棒性，這與前面的理論分析相符合。

4.2.2 SSD、RSS、HLF指紋的定位準確性比較

為比較SSD指紋與RSS指紋、HLF指紋的定位性能，設(shè)置了2種情況進行定位實驗：(1)訓(xùn)練階段和定位階段使用相同的移動終端(無線網(wǎng)卡為Intel WIFI Link 4965AGN)；(2)在2個階段中使用不同的移動終端(訓(xùn)練階段采用的無線網(wǎng)卡為Intel WIFI Link 4965AGN，定位階段采用的無線網(wǎng)卡為Intel WIFI Link 3945ABG)。

KNN算法是室內(nèi)定位研究中常用的算法，文獻[12]在HLF指紋的定位性能時也采用該算法。因此，采用KNN算法分別在訓(xùn)練階段和定位階段使用相同和不同移動終端2種情況下，基于3種指紋進行定位。

(1)使用相同終端時各指紋定位準確性比較

從圖3可看出，訓(xùn)練階段和定位階段使用相同移動終端時，RSS指紋平均定位誤差為2.88 m，優(yōu)于SSD指紋的2.95 m及HLF指紋的3.18 m。其原因是RSS指紋向量比SSD指紋、HLF指紋向量多一個維數(shù)，包含的信息量更大，且根據(jù)式(2)和式(5)可知，RSS和SSD分別服從高斯分布：

當(dāng)訓(xùn)練階段和定位階段使用的移動終端相同時，RSS 和SSD的均值都沒有改變，但RSS的方差要比SSD的方差小。因此，使用相同終端時RSS指紋的定位性能要好于SSD指紋和HLF指紋的定位性能。

(2)使用不同終端時各指紋定位準確性比較

從圖4可以看出，當(dāng)訓(xùn)練階段和定位階段使用不同移動終端時，RSS指紋平均定位誤差為4.61 m，相比使用相同終端時的2.88 m，定位誤差增加了60.1%；SSD指紋為3.14 m，略高于使用相同終端時的2.95 m，定位誤差增加了6.4%；HLF指紋為3.30 m，定位誤差增加了3.8%。在3種指紋中，SSD指紋定位性能最好，具有良好的抗終端差異的魯棒性。

圖4 K NN算法下使用不同終端時指紋定位準確性比較

訓(xùn)練階段和定位階段使用不同移動終端時，SSD指紋的定位性能要好于HLF指紋，明顯優(yōu)于RSS指紋的定位性能。其原因是RSS的均值中包含受移動終端影響的P( d0)，而SSD則不受其影響。RSS對移動終端硬件依賴的問題遠大于SSD的維數(shù)低和方差大的問題，使得RSS指紋的定位性能明顯不如SSD指紋的定位性能。HLF指紋在一定程度上減少了P( d0)的影響，但并不能較完全排除，因而其定位性能要差于SSD指紋，高于RSS指紋。

綜上所述，在KNN算法下，SSD指紋具有良好的抗終端差異的魯棒性。在實際定位時，定位系統(tǒng)要適應(yīng)各種不同的移動終端。對于用戶來說，很有可能出現(xiàn)定位階段的移動終端不同于訓(xùn)練階段的移動終端。此時，采用SSD指紋利用KNN算法進行定位，可獲得較好的定位效果。

4.2.3 SSD指紋適用算法分析

上文分析了SSD指紋在KNN算法下，相比RSS指紋和HLF指紋具有更好的抗終端差異的魯棒性。為驗證SSD指紋是否適用于Bayes算法，將分訓(xùn)練階段和定位階段使用相同和不同終端2種情況，采用Bayes算法進行定位，并和RSS指紋、HLF指紋在Bayes算法的定位性能進行比較，以分析SSD指紋是否適用于Bayes算法。

圖5為訓(xùn)練階段和定位階段使用相同的移動終端時，各指紋采用Bayes算法定位的定位性能。圖6為訓(xùn)練階段和定位階段使用不同的移動終端時，各指紋采用Bayes算法定位的定位性能。

圖5 B ayes算法下使用相同終端時指紋定位性能比較

圖6 B ayes算法下使用不同終端時指紋定位性能比較

從圖5可以看出，當(dāng)使用相同的移動終端，采用Bayes算法定位時，SSD指紋的平均定位誤差為3.72 m，遠大于RSS指紋的2.22 m；HLF指紋平均定位誤差更大，為7.56 m?？梢?，使用相同的移動終端，采用Bayes算法定位時，SSD指紋和HLF指紋都沒有RSS指紋定位性能好。其原因為：(1)SSD指紋和HLF指紋方差較大；(2)在指紋生成時對于沒有掃描到的AP，假定其RSS值為-100 dBm，這也會增加樣本方差。

從圖6可以看出，當(dāng)使用不同的移動終端，采用Bayes算法定位時，RSS指紋、SSD指紋、HLF指紋的平均定位誤差分別為2.93 m、4.98 m、8.01 m，分別較采用相同終端時定位性能各自增加了32%、34%、6%。RSS指紋和SSD指紋定位性能都有較大下降，HLF指紋定位性能下降雖然較小，但其平均誤差太大，不具有適用性。

綜上所述，采用Bayes算法分別基于RSS指紋、SSD指紋、HLF指紋，在使用相同終端和不同終端2種情況下的實驗結(jié)果比較說明，Bayes算法基于SSD指紋的定位性能較差，SSD指紋在Bayes算法上不具有較好的抗終端差異的魯棒性。

5 結(jié)束語

目前人們對室內(nèi)定位中位置指紋的研究主要集中在匹配算法上，對位置指紋的魯棒性研究較少。本文在分析傳統(tǒng)RSS指紋的基礎(chǔ)上，提出一種抗移動終端硬件差異性的位置指紋。從理論上指出SSD指紋具有抗硬件差異性的原因，實驗結(jié)果表明，相比RSS指紋和HFL指紋，SSD指紋在KNN算法上具有更好的抗終端差異魯棒性，生成復(fù)雜性略高，是一種較實用的抗終端差異的位置指紋。然而，SSD指紋在Bayes算法上抗終端差異的魯棒性較弱，今后將對此作進一步研究。

[1] 俱 瑩, 劉開華, 史偉光, 等. 基于RFID的邊界虛擬參考標簽定位算法[J]. 計算機工程, 2011, 37(6): 274-276.

[2] Caicedo D, Pandharipande A. Ultrasonic Arrays for Localized Presence Sensing[J]. IEEE Sensors Journal, 2012, 12(5): 849-858.

[3] 徐玉濱, 鄧志安, 馬 琳. 基于核直接判別分析和支持向量回歸的WLAN室內(nèi)定位算法[J]. 電子與信息學(xué)報, 201 1, 33(4): 896-901.

[4] Bahl P, Padmanabhan V N. RADAR: An In-building RF-based User Location and Tracking System[C]//Proceedings of IEEE INFORCOM’00. [S. l.]: IEEE Press, 2000: 775-784.

[5] 趙 方, 羅海勇, 馬 嚴, 等. 基于公共信標集的高精度射頻指紋定位算法[J]. 計算機研究與發(fā)展, 20 12, 4 9(2): 243-252.

[6] Haeberlen A, Flannery E, Ladd A M, et al. Practical Robust Localization over Large-scale 802.11 Wireless Networks[C]// Proceedings of the 10th Annual I nternational Conference on Mobile Computing and Networking. [S. l.]: ACM Press, 2004: 70-84.

[7] Kjargaard M B. In door Location Fingerprinting with Heterogeneous Clients[J]. Pervasive and Mobile Computing, 2011, 7(1): 31-43.

[8] Tao P, Rudys A, Ladd A M, et al. W ireless LAN Locationsensing for S ecurity Applications[C]//Proceedings of the 2 nd ACM Workshop on Wireless Security. New York, USA: ACM Press, 2003: 11-20.

[9] Kjargaard M B, Munk C V. Hyperbolic Location Fingerprint: A Calibration-free Solution for Handling Differences in Signal Strength[C]//Proceedings of the 6th Annual IEEE International Conference on Pervasive Comp uting and Com munication. Hong Kong, China: [s. n.], 2008: 17-21.

[10] 趙小榮, 錢秀芳. 基于SSDOA定位算法研究[J]. 數(shù)據(jù)通信, 2009, (5): 23-26.

[11] 劉輝亞, 徐建波. 無線傳感網(wǎng)絡(luò)分布式的移動節(jié)點定位研究[J]. 計算機工程與應(yīng)用, 2010, 46(17): 72-76

[12] 張曉平, 劉桂雄, 何學(xué)文. 消除WSN目標功率影響的信號強度差LSSVR定位法[J]. 哈爾濱工程大學(xué)學(xué)報, 20 09, 30(12): 1414-1419.

[13] 孔德強, 劉作學(xué), 馮樹芳. 室內(nèi)無源定位算法研究[C]//全國第三屆信號和智能信息處理與應(yīng)用學(xué)術(shù)交流會論文集.[出版地不詳]: 中國高科技產(chǎn)業(yè)化研究會, 2009: 20-22.

編輯 陸燕菲

Research on Robustness of Location Fingerprint Under Terminal Heterogeneity

XIE Dai-jun, KONG Fan-zeng, HU Han-ying

(Institute of Information System Engineering, PLA Information Engineering University, Zhengzhou 450002, China)

Received Signal Strength(RSS) is different when measured by different terminal hardware, which causes poor robustness for the traditional fingerprint RSS. Using the application of Signa l Strength Difference(SSD) for indo or reference, a robust SS D location fingerprint is proposed to resol ve the problem in this paper. It analyzes the robustness of S SD, RSS and Hyperbolic Loca tion Fingerprint(HLF) theoretically, a nd with th e tra ditional localization K-Nearest Neighbor(KNN) in an actual Wireless Local Ar ea Network(WLAN) environment, it carries out experiments on the 3 fingerprints, with a same terminal and different terminals, in the training phase and positioning phase. Experimental results show that, comp ared with RSS and HLF, SSD’s robustness is better on against mobile terminal heterogeneity.

Wireless Local Area Network(WLAN); indoor positioning; location fingerprint; Signal Strength Difference(SSD); terminal heterogeneity; robustness

10.3969/j.issn.1000-3428.2014.05.017

謝代軍(1984－)，男，碩士研究生，主研方向：無線與移動通信，無線定位；孔范增，博士研究生；胡捍英，教授、博士、博士生導(dǎo)師。

2013-03-08

2013-06-04E-mail：792590351@qq.com

1000-3428(2014)05-0081-05

A

TN92