WLAN定位方法綜述

【摘要】本文對WLAN定位技術(shù)進(jìn)行了簡單介紹，著重介紹了位置指紋定位法，同時對現(xiàn)有的WLAN定位方法提出了幾點(diǎn)改進(jìn)的建議。

【關(guān)鍵詞】WLAN;定位;位置指紋;AP;噪聲

1.引言

目前市場的定位技術(shù)很多，主要分為室外定位技術(shù)和室內(nèi)定位技術(shù)。對于室外定位技術(shù)，主要包括GPS衛(wèi)星定位、北斗衛(wèi)星定位、移動通信技術(shù)定位等，這些定位技術(shù)定位精度在10米左右，而且只能在室外使用，一旦用戶進(jìn)入到室內(nèi)，由于信號的大幅度衰減，定位系統(tǒng)根本無法工作。在這種情況下，室內(nèi)定位技術(shù)就應(yīng)運(yùn)而生。目前室內(nèi)定位技術(shù)包括：無線局域網(wǎng)（WLAN），射頻標(biāo)簽（RFID），Zigbee，藍(lán)牙，超寬帶無線電等。其中，由于wifi的普及率非常高，基本上不需要重新在終端上安裝信號接收設(shè)備，所以WLAN定位技術(shù)就顯得非常具有商用前景。

2.WLAN定位技術(shù)

WLAN定位模型如圖1所示，其主要由數(shù)據(jù)采集模塊、位置估算模塊、結(jié)果顯示模塊三部分構(gòu)成。數(shù)據(jù)采集模塊指用戶終端接收設(shè)備內(nèi)的無線網(wǎng)卡，完成對AP信號的接收，獲得信號指標(biāo)，包括：信號到達(dá)移動終端的時間（TOA）、到達(dá)的角度（AOA）、終端接收到的AP信號強(qiáng)度（RSS）。位置估算模塊利用收集到的信息，根據(jù)相應(yīng)的定位算法計算用戶的具體位置，定位精度與所采用算法有關(guān)。用戶的具體位置最終被顯示在結(jié)果顯示模塊上。

圖1 WLAN定位系統(tǒng)功能結(jié)構(gòu)圖

WLAN定位算法主要包括以下幾種：幾何定位法、附近定位法、位置指紋定位法。幾何定位法利用AP與移動終端的距離，AP信號到達(dá)移動終端的角度，根據(jù)幾何學(xué)原理來實(shí)現(xiàn)定位。附近定位法以該終端所接入的信號強(qiáng)度最大的AP的位置作為該終端的定位。這兩種定位方法由于對硬件設(shè)備要求較高，成本太高，不適合大規(guī)模使用。而位置指紋定位法可利用已有的設(shè)備進(jìn)行AP信號參數(shù)的測定，具有成本低，使用方便，能更好的保護(hù)隱私等優(yōu)點(diǎn)。

3.位置指紋定位法

基于位置指紋的無線局域網(wǎng)室內(nèi)定位大致分為兩個階段：離線采樣階段和在線定位階段。

3.1 離線采樣階段

離線采樣階段的目標(biāo)是構(gòu)建一個關(guān)于信號強(qiáng)度與采樣點(diǎn)位置間關(guān)系的數(shù)據(jù)庫，即位置指紋數(shù)據(jù)庫。

第一階段，操作員需要在被定位環(huán)境里確定若干采樣點(diǎn)，然后手持設(shè)備記錄下在每個采樣點(diǎn)測量的無線信號特征，包括來自所有AP的信號強(qiáng)度，最后將它們以某種方式保存在數(shù)據(jù)庫中。確定采樣點(diǎn)時，一般以網(wǎng)格形式對被定位環(huán)境進(jìn)行劃分，網(wǎng)格越小，定位精度越高，一般以網(wǎng)格的中心位置作為終端用戶的位置。由于wifi信號存在衰落和其它干擾，采樣點(diǎn)上接收到的信號強(qiáng)度會隨時間變化，所以可以對每個采樣點(diǎn)進(jìn)行多次定時測量，減小誤差。當(dāng)環(huán)境發(fā)生變化時也需要立刻進(jìn)行測量，比如AP位置的改變，網(wǎng)格大小的改變。

除此之外，由于傳統(tǒng)的指紋數(shù)據(jù)庫的建立是直接采集樣本，沒有考慮到RSS空間的相關(guān)特性，導(dǎo)致離線采樣工作量太大。唐文勝等人利用對傳神經(jīng)網(wǎng)絡(luò)空間插值算法構(gòu)建指紋數(shù)據(jù)庫，大大減少了采樣樣本數(shù)量。

3.2 實(shí)時定位階段

第二階段：當(dāng)終端用戶需要定位時，根據(jù)它目前所接收到的各個AP的信號強(qiáng)度，形成一組數(shù)據(jù)，利用定位算法在第一階段所形成的位置指紋數(shù)據(jù)庫里去匹配，計算出該用戶的具體位置。定位的過程就是如何使用位置指紋數(shù)據(jù)庫的過程。WLAN定位系統(tǒng)一般采用兩類定位算法：第一類為確定的定位方法;第二類為基于概率的定位方法。

3.2.1 確定的定位方法

位置指紋用來自每個AP的信號強(qiáng)度的平均值表示，如：

然后采用確定性的推理算法來確定用戶的位置。實(shí)時階段，采用距離測量公式對每個樣本計算測量值與位置指紋間的距離，選取取得最小距離的位置作為移動用戶的位置。距離測量公式包括Manhattan距離、Euclidean距離等，其中Euclidean距離計算公式如下：

其中，n為實(shí)時測量階段用戶所感知到的AP數(shù)量，為用戶實(shí)時測量到的第i個AP的實(shí)時信號強(qiáng)度，為第j個樣本接收到的各個AP的信號強(qiáng)度的平均值，m為位置指紋數(shù)據(jù)庫中的樣本數(shù)。此方法又叫做信號空間最近鄰法（NNSS）。考慮到可能存在多個與測量點(diǎn)距離相同的鄰點(diǎn)，又提出了一種信號空間k最近鄰法（k-NNSS），在位置指紋數(shù)據(jù)庫里找出與實(shí)時信號強(qiáng)度樣本最接近的一個或多個樣本，將它們對應(yīng)的采樣點(diǎn)或多個采樣點(diǎn)的平均作為估計得用戶位置。

由于樣本空間很大，匹配的過程有較大時延，孫善武等人采用邊界盒算法和改進(jìn)的二分范圍搜索算法減小了查找空間，提高了實(shí)時定位的效率和精度。而邢培基等人在NNSS算法的基礎(chǔ)上，考慮了電波傳輸信道的特性，對參與定位的AP數(shù)量的靈敏度降低，保障了更高精度的定位的穩(wěn)定性。

由于確定的定位方法只采用接收信號強(qiáng)度的均值來計算信號空間距離，而忽視了樣本方差，概率分布等信息，故該方法未能充分利用原始樣本的信息。

3.2.2 基于概率的定位方法

概率定位方法中位置指紋存儲的是信號強(qiáng)度的概率分布信息。Nibble采用概率性位置指紋，根據(jù)貝葉斯推理機(jī)制來估計用戶的位置。其定位過程如下：假設(shè)定位區(qū)域產(chǎn)生m個指紋，記作，每個位置指紋與一個位置有一一對應(yīng)的關(guān)系。在實(shí)時定位階段，終端所接收到的n個AP的平均信號強(qiáng)度為。則貝葉斯算法就是要得到實(shí)時指紋樣例S在定位區(qū)域的每個位置處的后驗(yàn)概率，即，根據(jù)貝葉斯定理，得：

最后，采用最大后驗(yàn)假設(shè)得到估計的用戶位置：

概率分布法是目前WLAN定位算法中基于位置指紋定位技術(shù)的研究熱點(diǎn)。

4.總結(jié)

要提高目前WLAN室內(nèi)定位的精度，同時獲得較好的用戶體驗(yàn)度，以下幾方面的問題值得考慮：

（1）終端用戶會選擇信號最強(qiáng)的AP進(jìn)行接入，必然導(dǎo)致此AP所連接的終端用戶數(shù)遠(yuǎn)遠(yuǎn)大于其它AP，造成此AP帶寬緊張，而其它AP的利用率又過于低下?？梢钥紤]采用一種負(fù)載均衡的算法來實(shí)現(xiàn)用戶分流。

（2）由于受室內(nèi)不確定性的噪聲干擾，各個AP所提供的數(shù)據(jù)對定位的貢獻(xiàn)程度是不同的，這樣就需要一種方法能夠?yàn)椴煌腁P賦予不同的信任度，選取最優(yōu)的AP集合來進(jìn)行定位信息的提取，盡可能的減小信息的冗余度。

（3）當(dāng)定位精度越高，算法必定越來越復(fù)雜，這就對終端的處理能力提出了較高的要求，可以考慮結(jié)合云計算，使得復(fù)雜的計算在云端完成，終端只接收最終定位結(jié)果，大大降低了用戶終端資源的消耗，但用戶的隱私問題又得不到很好的保障。

總之，隨著用戶位置需求業(yè)務(wù)的不斷增大，WLAN室內(nèi)定位技術(shù)必定會有很大的用武之地。各種定位手段需要在實(shí)踐中不斷改進(jìn)完善，最終實(shí)現(xiàn)大規(guī)模商用。