動態(tài)環(huán)境中的WiFi指紋自適應(yīng)室內(nèi)定位方法*

陳斌濤,劉任任,陳益強,劉軍發(fā),蔣鑫龍,劉定俊

(1.湘潭大學(xué)信息工程學(xué)院,湖南 湘潭 411105;2.中國科學(xué)院計算技術(shù)研究所,北京 100190)

?

動態(tài)環(huán)境中的WiFi指紋自適應(yīng)室內(nèi)定位方法*

陳斌濤1*,劉任任1,陳益強2,劉軍發(fā)2,蔣鑫龍2,劉定俊1

(1.湘潭大學(xué)信息工程學(xué)院,湖南 湘潭 411105;2.中國科學(xué)院計算技術(shù)研究所,北京 100190)

針對傳統(tǒng)的基于WIFI信號的室內(nèi)定位方法難以有效解決環(huán)境動態(tài)變化對RSSI值的影響問題,設(shè)計并實現(xiàn)了一種基于WIFI射頻信號強度指紋的室內(nèi)定位方法。該方法通過采用一種基于用戶使用狀況與布置定位參考點的方法來動態(tài)更新系統(tǒng)的WIFI指紋數(shù)據(jù)庫,從而有效降低了在實際使用過程中用戶手持手機的方向、用戶的身體遮擋以及使用環(huán)境的動態(tài)變化對RSSI值所帶來的影響。實驗結(jié)果表明,本文設(shè)計并實現(xiàn)的定位方法比傳統(tǒng)定位方法更穩(wěn)定、易維護,同時也具有更高的定位精度和自適應(yīng)性。

室內(nèi)定位;位置指紋;WLAN;自適應(yīng)性

隨著室內(nèi)定位應(yīng)用需求的不斷增長,室內(nèi)定位導(dǎo)航已經(jīng)成為一個受歡迎的研究熱點[1-2]。同時,室內(nèi)無線定位系統(tǒng)在人們的日常生活中具有非常重要的作用,例如:在超市購物過程中,對消費者位置的定位將大大提高超市的導(dǎo)購水平,提升顧客的消費體驗;在監(jiān)獄環(huán)境中,及時準(zhǔn)確地掌握相關(guān)人員的位置信息,有助于提高監(jiān)獄的安全管理水平,簡化監(jiān)獄管理工作[3-4]。目前,室內(nèi)無線定位系統(tǒng)主要采用紅外、超聲波、藍牙[5-6]、RFID[7]、UWB[8-9]、WLAN[10-12]等短距離無線技術(shù),其中,基于WIFI的室內(nèi)無線定位系統(tǒng)因為具有抗干擾能力強、良好的網(wǎng)絡(luò)穩(wěn)定性、高速高質(zhì)量的數(shù)據(jù)傳輸?shù)忍匦?以及WIFI通訊模塊在智能移動終端上的普遍采用,使得利用WIFI來進行室內(nèi)無線定位變成一項低成本且容易實現(xiàn)的技術(shù)[13-14]。因此,對基于WIFI的室內(nèi)無線定位技術(shù)進行深入研究具有非常重要的科研意義與工程價值。

現(xiàn)有的研究已經(jīng)提出了許多基于WIFI信號的室內(nèi)定位方法,比如,基于WIFI信號的到達時間差值TDOA(Time Difference of Arrival)、接收信號角度DOA(Direction Of Arrival)、接收信號相位POA(Phase Of Arrival)、 接收信號時間TOA(Time Of Arrival)等[15-16]。為減少WIFI接收設(shè)備的時鐘偏差與多徑問題,人們還提出了基于往返時延RTT(Round-Trip Time)的方法來改善TOA性能[17],但是在上述方法中,仍然存在較大定位等待時間和缺乏可擴展性等問題[18-19],同時,也難以獲得各AP的準(zhǔn)確坐標(biāo)信息。為此,Sathyan等[20]提出了一種使用TOA的無線傳感器網(wǎng)絡(luò)定位系統(tǒng),其室內(nèi)定位精度可達0.5 m,但構(gòu)建該平臺需要特殊硬件支持。此外,由于TOA、TDOA和DOA技術(shù)都很難使用現(xiàn)有WIFI設(shè)備進行測量,而無線信號信噪比(SNR)和無線信號接收強度指示(RSSI)測量起來相對容易,因此RSSI在基于WIFI的室內(nèi)定位系統(tǒng)中被廣泛采用。根據(jù)對接收信號的處理,又主要可分為三角定位法[21-22]與位置指紋法[23]。其中,三角定位法將接收到的信號根據(jù)選定的信道衰減模型來估算用戶設(shè)備到AP的距離,因此,若能獲得用戶設(shè)備到3個及以上不同AP的距離就能計算出該用戶設(shè)備的位置。然而在室內(nèi)環(huán)境中,無線信號很容易被人體、家具及墻壁等遮擋,所以三角定位法很難保證定位精度與系統(tǒng)穩(wěn)定性[24]。為此,為了改善基于WIFI信號的定位系統(tǒng)的性能,Evennou和Marx[25]提出了位置指紋法,其中,該方法分為兩個階段:一是訓(xùn)練階段,該階段主要用于建立選定區(qū)域的RSSI指紋數(shù)據(jù)庫,為此該階段非常耗計算資源、人力資源及時間;二是定位階段,該階段通過比較用戶終端與數(shù)據(jù)庫中的RSSI指紋來估計用戶終端的位置,因此,定位精度很大程度取決于RSSI指紋數(shù)據(jù)庫的質(zhì)量。然而,RSSI的測量值會受到很多因素的影響,通常,隨著時間的推移和環(huán)境動態(tài)變化,可能導(dǎo)致用戶終端的RSSI采樣與RSSI指紋數(shù)據(jù)庫的明顯失配,雖然,目前有人提出了使用過濾器來消除RSSI隨時間波動的方法[26],但已有調(diào)查和實驗表明,該種方法仍然難以解決環(huán)境的動態(tài)變化(例如:室內(nèi)環(huán)境中家具位置的變動等)對RSSI值的影響[27]。

為了有效解決環(huán)境動態(tài)變化對RSSI值的影響,本文設(shè)計并實現(xiàn)了一種基于WIFI射頻信號指紋的新室內(nèi)定位系統(tǒng)。在該系統(tǒng)中,綜合考慮了使用過程中家具位置、人流、使用者身體的遮擋以及無線網(wǎng)絡(luò)環(huán)境變化等影響RSSI值的多種主要因素,比如:貨架的增減及其擺放位置的變更;不同尺寸、材質(zhì)的產(chǎn)品隨季節(jié)、市場需求的調(diào)整;不同季節(jié)、每天不同時間段內(nèi)人流量在不同商品區(qū)域內(nèi)的變化;提出了一種在用戶使用過程中根據(jù)環(huán)境變化不斷自動調(diào)整維護位置指紋數(shù)據(jù)庫的新方法,在該方法中,用戶在使用過程中不僅作為定位服務(wù)的使用者,同時也是定位系統(tǒng)的維護者,由此有效降低了在實際使用過程中用戶手持手機的方向、用戶的身體遮擋以及使用環(huán)境的動態(tài)變化對RSSI值所帶來的影響。最后,通過大量仿真實驗,實驗結(jié)果表明,本文提出的新方法相較傳統(tǒng)單純使用濾波器和INS(integration of Inertial Navigation System)的方法[11]在定位準(zhǔn)確率與穩(wěn)定性方面都有較大提高。

本文的組織如下:第1節(jié)介紹了當(dāng)前基于WIFI的定位算法;第2節(jié)介紹了我們的定位算法;第3節(jié)為實驗部分;第4節(jié)對全文進行了一個總結(jié)以及對未來工作的一些展望。

1 相關(guān)工作

基于WIFI信號的室內(nèi)定位系統(tǒng)以其高精度、高可靠、低能耗、低成本正成為人們的研究熱點,目前,基于WIFI信號的室內(nèi)定位方法主要可分為三角定位法及位置指紋法,其中三角定位算法主要是通過利用待測目標(biāo)到至少3個已知參考點之間的距離信息來估算目標(biāo)的位置,而位置指紋識別則是通過將目標(biāo)定位節(jié)點的位置指紋特征與位置指紋特征數(shù)據(jù)庫進行匹配來估算目標(biāo)的位置。

1.1 三角定位算法

在該方法中,待測點首先接收來自3個不同已知位置AP的RSSI,然后依照無線信號的傳輸損耗模型將其轉(zhuǎn)換成待測目標(biāo)到相應(yīng)AP的距離表示為da、db、dc。常用的傳播路徑損耗模型有:自由空間傳播模型、對數(shù)距離路徑損耗模型、哈它模型、對數(shù)-常態(tài)分布模型等[27-29]。分別以已知位置的3個AP為圓心表示為A、B、C,以其各自到待測點的距離為半徑做圓,所得3個圓的交點,如圖1所示。

圖1 待測點與3個不同已知位置AP的示意圖

根據(jù)二維空間距離計算公式,可以獲得一個非線性方程組:

(1)

采用線性化方法來求解,可以得到待定位置節(jié)點的坐標(biāo)為:

(2)

由此,代入已知的A、B、C 3個AP的坐標(biāo)(xa,ya)、(xb,yb)、(xc,yc),再選擇適當(dāng)?shù)膫鞑ヂ窂綋p耗模型,通過O點接收到A、B、C 3個AP的信號強度計算出da、db、dc并代入式(2)即可計算出O點的估算坐標(biāo)。

1.2 位置指紋算法

與通常意義上的指紋識別類似,位置指紋識別主要是依靠表征目標(biāo)特征的數(shù)據(jù)庫來進行識別,其定位過程主要分為訓(xùn)練與定位兩個階段。

1.2.1 訓(xùn)練階段

該階段的主要目標(biāo)是要建立一個位置指紋數(shù)據(jù)庫。首先,選擇合理的參考點分布,確保能為定位階段的準(zhǔn)確位置估計提供足夠的信息。接著依次在各參考點測量來自不同AP的RSSI值,連同相應(yīng)的MAC地址與參考點的位置信息記錄在數(shù)據(jù)庫中,直至遍歷所選區(qū)域內(nèi)所有的參考點。由于受環(huán)境影響,無線信號強度并不穩(wěn)定,為了克服RSSI不穩(wěn)定對定位的影響,通常在每個參考點上多次測量取平均[30]。

1.2.2 定位階段

在該階段,為了估算測試節(jié)點的坐標(biāo),主要是需要選用匹配算法。常用的匹配算法有最近鄰法NN(Nearest Neighbor)、KNN(K-Nearest Neighbors)、神經(jīng)網(wǎng)絡(luò)等。以采用NN算法為例,其定位原理如下:設(shè)待測點接收的RSSI觀測值為s=[s1,s2,…,sn],數(shù)據(jù)庫中的已有記錄為S=[S1,S2,…,SNi],其中n代表待測點上檢測到的不同AP數(shù);i∈[1,Nr],Nr為數(shù)據(jù)庫中的記錄數(shù);Ni代表第i條記錄中存儲的不同AP數(shù),則基于NN的目標(biāo)節(jié)點距離估算方法可表示為下述形式:

L=argminj∈[1,Nr]‖s-Sj‖

(3)

式中:‖s-Sj‖代表s和Sj之間的歐式距離。然而,在位置指紋識別方法的使用過程中,指紋數(shù)據(jù)采樣時的誤差,后期使用時環(huán)境因素的變化,以及使用者個人因素等都會導(dǎo)致定位精度出現(xiàn)偏差。

1.3 測試及發(fā)現(xiàn)

基于三角定位方法的WIFI定位很大程度上依賴于確知的AP位置信息及準(zhǔn)確的信號傳輸損耗模型。然而,由于涉及隱私、測量有難度及AP分布的隨機性等原因,獲知所有AP的位置信息并不現(xiàn)實。此外,由于影響信號傳輸?shù)囊蛩睾芏?不同環(huán)境下的信號傳輸損耗模型大不相同,建立一個準(zhǔn)確的、適合實際應(yīng)用的損耗模型存在著很大的困難,同時測量的誤差也可能導(dǎo)致估算方程無解。因此,基于三角形算法的無線定位在具體實施中困難重重。

相比三角定位算法,基于位置指紋的定位算法有以下優(yōu)勢:①無需知道AP的位置;②無需使用信道模型;③固定物件的遮擋和信號的折射反射不會對定位結(jié)果產(chǎn)生不利影響;因此,本文采用基于位置指紋的定位方法。然而,傳統(tǒng)的位置指紋算法會受到固定物件的位置變動、本身位置角度不固定的物件、使用者身體及人流等因素的影響,其定位精度會隨著運行時間的變長而降低,并會隨著使用身體角度的變換而容易產(chǎn)生定位點漂移現(xiàn)象。

下面通過一個簡單的對比實驗來闡述使用者手持設(shè)備的朝向?qū)Χㄎ坏挠绊?。在如圖2所示的實驗場景中:測試者首先將手機握持于胸前,有一個無線接入點位于測試者的正前方,將此時測試者所處角度設(shè)定為0°,然后,測試者手持手機沿順時針方向旋轉(zhuǎn)一周,在該過程中,手機接收到的無線接入點信號強度值如圖3中的實線所示。接下來,再將手機放置于與人手持等高的旋轉(zhuǎn)平臺之上,同樣旋轉(zhuǎn)一周,所得曲線如圖3中的虛線所示[31]。

圖2 測試場景示意圖

圖3 測試結(jié)果

由實驗結(jié)果可見,在同一位置不同角度,手機所接收到的無線接入點信號強度值不同,且背對接入點時(如圖3中橫坐標(biāo)為180處附近所示)達到最低。在后續(xù)的多次重復(fù)試驗中,我們均得到了相同的結(jié)果,因此,證明測試者身體的阻擋對無線信號具有明顯的衰減作用。

2 算法原理及方案

本文設(shè)計并實現(xiàn)的室內(nèi)定位系統(tǒng)組成如圖4所示,主要包括3類設(shè)備:智能手機終端、無線接入點(AP,WirelessAccessPoint)、服務(wù)器。根據(jù)功能,服務(wù)器又可分為數(shù)據(jù)采集處理服務(wù)器、數(shù)據(jù)庫服務(wù)器、地圖導(dǎo)航服務(wù)器。

圖4 本文設(shè)計并實現(xiàn)的新室內(nèi)定位系統(tǒng)架構(gòu)

圖5 本文給出的新室內(nèi)定位系統(tǒng)的實現(xiàn)階段

智能手機終端:即移動設(shè)備(如筆記本、智能手機等)主要用于采集定位所需的相關(guān)信息,如周邊AP的無線信號強度、設(shè)備的朝向等,在指紋數(shù)據(jù)初始化階段用于參考點數(shù)據(jù)收集,在定位階段用于收集用戶所處位置的信息,向服務(wù)器請求定位結(jié)果數(shù)據(jù)并顯示。

無線接入點(AP):即場所內(nèi)的無線路由器,不僅用于提供客戶端采集所需的無線信號數(shù)據(jù),同時為客戶端與服務(wù)器連接提供數(shù)據(jù)通路。

服務(wù)器:主要包括數(shù)據(jù)采集處理服務(wù)器、數(shù)據(jù)庫服務(wù)器、地圖導(dǎo)航服務(wù)器,它們協(xié)同工作,處理來自客戶端的定位請求,數(shù)據(jù)采集處理服務(wù)器用于提取位置特征數(shù)據(jù),比對數(shù)據(jù)庫服務(wù)器中的數(shù)據(jù)后,將定位結(jié)果傳送給地圖導(dǎo)航服務(wù)器,由它將合成了定位結(jié)果及地圖數(shù)據(jù)的結(jié)果數(shù)據(jù)反饋給客戶終端。

該定位系統(tǒng)的實現(xiàn)可以分為3個階段:初始化階段(圖5(a))、定位階段(圖5(b))及運行維護階段(圖5(c))。

初始化階段:首先,我們將需要定位的區(qū)域劃分為若干相同大小的方格,將這些方格的交點作為定位系統(tǒng)的參考點,按照一定規(guī)則對參考點進行編號,并根據(jù)編號將參考點編號二維碼粘貼在相應(yīng)的參考點的位置。然后,測試者遍歷各個參考點,在每個參考點分別在參考點位置持手機旋轉(zhuǎn)一周并掃描該點的二維碼,獲取的數(shù)據(jù)將傳輸?shù)椒?wù)器根據(jù)我們的算法進行位置指紋特征提取。

定位階段:測試者在定位區(qū)域通過我們的定位APP請求定位時,智能手機終端將采集測試者當(dāng)前位置的無線信號數(shù)據(jù)及手機朝向信息并發(fā)送至遠端服務(wù)器,服務(wù)器將收到的數(shù)據(jù)進行處理后與數(shù)據(jù)庫中的各點位置指紋特征進行比較,估計測試者當(dāng)前的位置并將定位結(jié)果反饋給測試者的智能手機終端。

運行維護階段:系統(tǒng)使用一段時間后會因為環(huán)境的變動而產(chǎn)生誤差,然而我們的定位系統(tǒng)中通過用戶的參與可實現(xiàn)系統(tǒng)的自行矯正,當(dāng)系統(tǒng)出現(xiàn)較大誤差時用戶可以通過掃描粘貼于地板上的標(biāo)記二維碼來進行定位,這時手機終端會收集當(dāng)前位置的無線信號數(shù)據(jù)、手機朝向信息及位置點坐標(biāo)并發(fā)送至遠端服務(wù)器,服務(wù)器根據(jù)這些信息提取位置指紋特征,并更新相依參考點該方向的位置指紋數(shù)據(jù)庫記錄。

2.1 初始化階段

假定智能手機在一次無線信號采樣所得到的采集向量為I=,式中B={b(1),b(2),…,b(n)},V={v(1),v(2),…,v(n)};其中:d表示采樣時手機的朝向,b(i)是基本服務(wù)集標(biāo)識(BSSID),v(i)來自第i個無線接入點的接收信號強度指示(RSSI),n表示搜索到的所有無線接入點數(shù)目。在初始化階段,智能手機終端手機各參考點處的無線信號數(shù)據(jù)并上傳至服務(wù)器端用于提取位置指紋特征,具體步驟如下:

Step 1:定義智能手機終端的采樣無線信號的周期為T,通常T取1.0 s。首先,測試者手持智能手機終端遍歷所有參考點,在各參考點執(zhí)行如下操作:在參考點位置,原地勻速旋轉(zhuǎn)360°。設(shè)終端一次采樣收集到的數(shù)據(jù)為RI={I(1),I(2),…,I(Tr)},Tr=2π·T·Nc/β,其中β(rad)是對旋轉(zhuǎn)角度進行區(qū)間劃分,Nc是每個區(qū)間劃分中的采樣次數(shù),通常,令β=π/10、Nc=9。然后,測試者掃描當(dāng)前參考點處的二維碼,得到坐標(biāo)P(m)=(x(m),y(m),z(m)),其中m表示參考點的編號。最后,將通過WLAN發(fā)送至數(shù)據(jù)采集處理服務(wù)器。

Step 2:數(shù)據(jù)采集處理服務(wù)器構(gòu)造向量DI(k)={I(k,j)=I(i)|(k-1)·β≤d≤k·β,d為向量I(i)的d分量,i∈[1,Tr]},其中k∈[1,2π/β],j∈[1,Nc],Nc表示DI(k)的元素個數(shù),Tr表示RI的元素數(shù)目,于是第k個區(qū)間的WIFI指紋可定義為:

DB(m,k)=

(4)

式中:B(m,k)是DI(k)中所有的BSSID列表,V(m,k)是DI(k)中B(m,k)列表對應(yīng)的BSSID接收信號強度的平均值,W(m,k)是V(mk)中各BSSID接收信號強度的歸一化比率。

Step 3:對任一參考點,其位置指紋數(shù)據(jù)可定義為PDB(m)=,其中:Td=2π/β。由此,所有參考點均可根據(jù)以上步驟生成位置指紋數(shù)據(jù)庫并存儲于數(shù)據(jù)庫服務(wù)器中。

基于圖3中給出的兩組數(shù)據(jù),分別按照文獻[11]中給出的位置指紋算法和上述本文提出的新算法進行位置指紋特征提取處理,結(jié)果如圖6所示。其中,虛線為采用傳統(tǒng)位置指紋算法得到的結(jié)果,顯然,傳統(tǒng)位置指紋算法僅僅簡單地對信號值進行了采樣平均;而柱狀圖為采用本文提出的上述算法得到的結(jié)果,顯然,該算法可對用戶的不同角度進行合理的區(qū)間劃分,既忽略了一些小細節(jié)減小了特征庫的大小,同時又保留了重要的特征信息。

圖6 文獻[11]中算法和本文提出的算法提取的位置指紋特征對比

2.2 定位階段

在該階段,智能手機終端負責(zé)采樣WIFI信號及手機朝向信息并將采集得到的數(shù)據(jù)發(fā)送給數(shù)據(jù)采集處理服務(wù)器,數(shù)據(jù)采集處理服務(wù)器負責(zé)提取出位置特征及手機朝向所屬方向區(qū)間,與所有參考點在相同方向區(qū)間的特征數(shù)據(jù)庫進行匹配,從而估算出智能手機終端位置坐標(biāo)。地圖導(dǎo)航服務(wù)器將定位結(jié)果及相關(guān)信息發(fā)送給智能手機終端,具體步驟如下:

Step 1:當(dāng)測試者請求定位時,智能手機終端采樣當(dāng)前位置的采集向量PRI={I(1),I(2),…,I(Tl)},其中,這里取Tl=6,I(i)的d分量滿足(k-1)·β≤d≤k·β,k∈[1,2π/β],0≤i≤Tl。將PRI通過WLAN發(fā)送至數(shù)據(jù)采集處理服務(wù)器。

Step 2:數(shù)據(jù)采集處理服務(wù)器根據(jù)接收到的PRI,提取的位置指紋體征可表示為:

DPDB=

(5)

式中:B是PRI中所有的BSSID列表,V是PRI中B列表對應(yīng)的BSSID接收信號強度的平均值。

Step 3:計算PDB與數(shù)據(jù)庫服務(wù)器中第m個參考點在k方向區(qū)間的特征數(shù)據(jù)DB(m,k)匹配度:

(6)

式中:Δvaluet=|DB(m,k)·V(t)-PDB·V(t)|,

DB(m,k)·W(t)=1/Tv×DB(m,k)·V(t)×

式中:Tv表示DB(m,k)中B分量內(nèi)的元素個數(shù),DB(m,k)·V(t)表示編號為m的參考點的第k個方向區(qū)間里的第t個信號強度分量,DB(m,k)·W(t)表示編號為m的參考點的第k個方向區(qū)間里的第t個權(quán)重分量。同樣的方法我們可以得到PDB與其余各參考點的匹配度,選取具有最大匹配度的參考點作為估算結(jié)果并發(fā)送給地圖導(dǎo)航服務(wù)器,定位結(jié)果經(jīng)地圖導(dǎo)航服務(wù)器處理后反饋給智能手機終端。

通過采樣15個連續(xù)位置點并根據(jù)傳統(tǒng)算法及本文提出的算法生成位置指紋特征庫,然后,在第8個點處依次在0°,90°,180°,270°進行定位采樣,再分別根據(jù)文獻[11]中算法及本文提出的算法生成本次采樣特征,最后,分別與相應(yīng)的指紋特征庫中的點依次進行匹配,本文提出的匹配算法得到的結(jié)果如圖7所示,文獻[11]中算法得到的結(jié)果如圖8所示。

圖7 本文給出的算法得到的結(jié)果

圖8 文獻[11]中算法得到的結(jié)果

通過以上試驗結(jié)果可以看出:本文提出的新算法在各個方位上都正確地得到了匹配結(jié)果,而且匹配結(jié)果非常顯著,而采用文獻[11]中的算法則不僅在180°的曲線中有一次匹配錯誤,而且匹配結(jié)果也不是很顯著。此外,我們還重復(fù)進行上述實驗步驟,依次測試了其他定位點的數(shù)據(jù),得到的定位成功率及匹配度的方差值的平均值如表1所示。由此可知:本文提出的新算法不僅具有較高的匹配度,而且還與其他點的匹配度相差顯著。

表1 本文算法與文獻[11]中算法的定位成功率及匹配度的方差平均值

2.3 維護階段

在定位系統(tǒng)的使用過程中環(huán)境的動態(tài)變化,如室內(nèi)物件位置擺放的變化、個別AP的失效或加入都影響著WIFI定位的精度,傳統(tǒng)的定位系統(tǒng)只有通過對系統(tǒng)進行定期的重復(fù)初始化來維持定位的準(zhǔn)確性,然而,在我們設(shè)計的定位系統(tǒng)中,將廣泛用于移動終端設(shè)備交換信息的二維碼應(yīng)用到定位系統(tǒng)中,智能手機終端可以通過主動掃描定位區(qū)域內(nèi)參考點處的二維碼來定位當(dāng)前的位置,于此同時手機將采集當(dāng)前參考點的無線信號信息并發(fā)送至數(shù)據(jù)采集處理服務(wù)器,用于數(shù)據(jù)庫中位置指紋特征的更新,詳細的步驟如下:

Step 1:測試者掃描參考點二維碼獲取參考點坐標(biāo)為P(m)=(x(m),y(m),z(m)),此時手機獲得定位。接著,智能手機終端采樣當(dāng)前位置的采集向量MRI={I(1),I(2),…,I(Tl)},其中,這里取Tl=6,I(i)的d分量滿足(k-1)·β≤d≤k·β,k∈[1,2π/β],0≤i≤Tl。最后,將通過WLAN發(fā)送至數(shù)據(jù)采集處理服務(wù)器。

Step 2:數(shù)據(jù)采集處理服務(wù)器根據(jù)接收到的,同定位階段Step 2提取的位置指紋體征DMDB=,計算DMDB與數(shù)據(jù)庫服務(wù)器中第m個參考點在k方向區(qū)間的特征數(shù)據(jù)DB(m,k)匹配度:

式中:Δvaluet=|DB(m,k)·V(t)-PDB·V(t)|,DB(m,k)·V(t)表示編號為m的參考點的第k個方向區(qū)間里的第t個信號強度分量,DB(m,k)·W(t)表示編號為m的參考點的第k個方向區(qū)間里的第t個權(quán)重分量,當(dāng)Mm∈[MIN,MAX]時用DMDB替換DB(m,k),這里MIN、MAX根據(jù)測試經(jīng)驗數(shù)據(jù)分別為20及60。

圖9 實驗場景

3 實驗對比

首先,在某商城中選取一塊矩形區(qū)域S如圖9虛線區(qū)域所示,其大小為42 m×36 m,將區(qū)域S等距d=3 m劃分為12×10的方格區(qū)域集,該商場的地板大小為1 m×1 m,可見每兩塊相隔兩塊地板的地磚的中心距離為3 m,在這樣的地板磚上布置標(biāo)記該位置的二維碼如圖10所示。

圖10 二維碼布置

圖12 實際行走路線及根據(jù)兩種定位方案所繪制的行程路線

然后,分別根據(jù)普通的WIFI定位算法和我們的算法對系統(tǒng)進行初始化,在各二維碼標(biāo)記點處采集初始化所需的數(shù)據(jù),并上傳至各自的服務(wù)器端進行位置指紋提取,建立各標(biāo)記點位置指紋數(shù)據(jù)庫。接著,我們選取商場休業(yè)的時間段,手持智能手機由圖11所示氣泡位置,沿箭頭所示方向環(huán)繞S區(qū)域一周,在途徑的二維碼標(biāo)記點向運行兩種算法的兩臺服務(wù)器分別請求定位并記錄返回的定位結(jié)果,同時掃描該標(biāo)記點的二維碼一同存儲,這樣在一次行走過程中我們得到了到各點兩種定位算法的定位結(jié)果及二維碼。根據(jù)記錄的行程數(shù)據(jù)可分別根據(jù)二維碼記錄、定位算法定位的結(jié)果繪制出3條行程路線,如圖12(a)黑色線條為通過二維碼掃描得到的實際行程路線,如圖12(b)有向線條為通過采用文獻[11]中的WIFI定位算法定位所得的行走路線,如圖12(c)有向線條為通過本文提出的定位算法所得的行走路線。

圖11 實驗過程示意

在圖12中,粗箭頭表示前后兩次定位結(jié)果距離較遠,雙向箭頭是由于后次定位結(jié)果與前次定位結(jié)果相同,不規(guī)則的折線箭頭表示定位結(jié)果偏離,可見這3類箭頭的出現(xiàn)都表示定位結(jié)果有誤差。根據(jù)上面的試驗結(jié)果可見:文獻[11]中給出的定位算法在拐角處定位誤差較大,而本文提出的算法則基本沒有較大的偏差。

此外,我們還選取在每天人流量較大的時段重復(fù)進行了上述試驗,結(jié)果如圖13和圖14所示。

圖13 文獻[11]中給出的定位算法在不同時段得到的行走路線

圖14 本文提出的定位算法在不同時段得到的行走路線

對比圖13和圖14的實驗結(jié)果可發(fā)現(xiàn)人流量對定位算法有兩方面的顯著干擾,一是人群的移動對WIFI信號有一定的遮擋效應(yīng),特別在人流量比較集中的電梯、樓梯、商場入口及熱門店面等人員聚集處,文獻[11]算法在這些地方的定位出現(xiàn)較大的偏差,在其他非熱點區(qū)域則表現(xiàn)較為穩(wěn)定;二是隨著超市中人流量的增加,WIFI網(wǎng)絡(luò)擁塞誤碼率提高,使得定位結(jié)果有一定延時和誤差。由此可見:文獻[11]中給出的定位算法由于人流的原因定位精度受到較大干擾,而本文提出的算法則表現(xiàn)出較好的抗干擾性。

最后,我們統(tǒng)計了在一個月內(nèi)每天上述4個時間段內(nèi)的平均值誤差,本文提出的算法與文獻[11]中給出的定位算法的定位誤差隨時間的變化曲線如圖15所示。

圖15 本文提出的算法與文獻[11]中給出的算法的定位誤差隨時間的變化情況

由圖15易知,本文提出的算法的定位誤差隨時間變化情況要遠小于文獻[11]中給出的定位算法的定位誤差隨時間的變化情況,由此易知,相比文獻[11]中給出的定位算法,本文提出的定位算法具有更好的穩(wěn)定性。

4 結(jié)論

本文設(shè)計并實現(xiàn)了一種自適應(yīng)動態(tài)環(huán)境、易實施的室內(nèi)定位系統(tǒng),該系統(tǒng)在實際運行過程中,可以通過用戶的操作使用不斷自動根據(jù)環(huán)境的變化來更新位置指紋數(shù)據(jù)庫,從而能保持較高的定位準(zhǔn)確率。實驗結(jié)果表明,本文提出的新定位系統(tǒng)相比單純采用濾波器的定位系統(tǒng),不但具有更好的定位精度,而且還具有很好的可部署性與穩(wěn)定性,因此,具有良好科研及實用前景。

在后續(xù)研究中,我們計劃將RSSI濾波及傳感器計步測距加入到本文算法中,進一步改善系統(tǒng)的定位性能。

[1] Vaughan-Nichols S J. Will Mobile Computing’s Future be Location,Location,Location?[J]. Computer,2009,42(2):14-17.

[2]Bellavista P,Kupper A,Helal S. Location-Based Services:Back to the Future[J]. Pervasive Computing,IEEE,2008,7(2):85-89.

[3]Fischer G,Dietrich B,Winkler F. Bluetooth Indoor Localization System[C]//Proceedings of the 1st Workshop on Positioning,Navigation and Communication. 2004.

[4]Kolodziej K W,Hjelm J. Local Positioning Systems:LBS Applications and Services[M]. CRC Press,2006.

[5]Altini M,Brunelli D,Farella E,et al. Bluetooth Indoor Localization with Multiple Neural Networks[C]//Wireless Pervasive Computing(ISWPC),2010 5th IEEE International Symposium on. IEEE,2010:295-300.

[6]Fischer G,Dietrich B,Winkler F. Bluetooth Indoor Localization System[C]//Proceedings of the 1st Workshop on Positioning,Navigation and Communication. 2004.

[7]Chumkamon S,Tuvaphanthaphiphat P,Keeratiwintakorn P. A Blind Navigation System Using RFID for Indoor Environments[C]//Electrical Engineering/Electronics,Computer,Telecommunications and Information Technology,2008. ECTI-CON 2008. 5th International Conference on. IEEE,2008,2:765-768.

[8]Gigl T,Janssen G J M,Dizdarevic V,et al. Analysis of a UWB Indoor Positioning System Based on Received Signal Strength[C]//Positioning,Navigation and Communication,2007. WPNC’07. 4th Workshop on. IEEE,2007:97-101.

[9]Ingram S J,Harmer D,Quinlan M. Ultrawideband Indoor Positioning Systems and Their Use in Emergencies[C]//Position Location and Navigation Symposium,2004. PLANS 2004. IEEE,2004:706-715.

[10]Li B,Salter J,Dempster A G,et al. Indoor Positioning Techniques Based on Wireless LAN[C]//2006 Auswireless Conference,Mar. 2007:12.

[11]Atia M M,Noureldin A,Georgy J,et al. Bayesian Filtering Based WiFi/INS Integrated Navigation Solution for GPS-Denied Environments[J]. Navigation,2011,58(2):111-125.

[12]Gansemer S,Gro?mann U,Hakobyan S. Rssi-Based Euclidean Distance Algorithm for Indoor Positioning Adapted for the Use in Dynamically Changing WLAN Environments and Multi-Level Buildings[J]. Indoor Positioning and Indoor Navigation(IPIN),2010:1-6.

[13]Powell A. Wi-Fi as Public Utility or Public Park?Metaphors for Planning Local Communication Infrastructure[J]. Metaphors for Planning Local Communication Infrastructure(January 21,2009),2009.

[14]Afanasyev M,Chen T,Voelker G M,et al. Analysis of a Mixed-Use Urban Wifi Network:When Metropolitan Becomes Neapolitan[C]//Proceedings of the 8th ACM Sigcomm Conference on Internet Measurement. ACM,2008:85-98.

[15]Günther A,Hoene C. Measuring Round Trip Times to Determine the Distance between WLAN Nodes[M]//Networking 2005. Networking Technologies,Services,and Protocols;Performance of Computer and Communication Networks,Mobile and Wireless Communications Systems. Springer Berlin Heidelberg,2005:768-779.

[16]韓霜,羅海勇,陳穎,等. 基于TDOA的超聲波室內(nèi)定位系統(tǒng)的設(shè)計與實現(xiàn)[J]. 傳感技術(shù)學(xué)報,2010,23(3):347-353.

[17]Hoene C,Willmann J. Four-Way TOA and Software-Based Trilateration of IEEE 802.11 Devices[C]//Personal,Indoor and Mobile Radio Communications,2008. PIMRC 2008. IEEE 19th International Symposium on. IEEE,2008:1-6.

[18]Llombart M,Ciurana M,Barcelo-Arroyo F. On the Scalability of a Novel WLAN Positioning System Based on Time of Arrival Measurements[C]//Positioning,Navigation and Communication,2008. WPNC 2008. 5th Workshop on. IEEE,2008:15-21.

[19]Ciurana M,Barcelo-Arroyo F,Llombart M. Improving the Performance of TOA over Wireless Systems to Track Mobile Targets[C]//Communications Workshops,2009. ICC Workshops 2009. IEEE International Conference on. IEEE,2009:1-6.

[20]Sathyan T,Humphrey D,Hedley M. WASP:A System and Algorithms for Accurate Radio Localization Using Low-Cost Hardware[J]. IEEE Transactions on Systems,Man and Cybernetics,Part C:Applications and Reviews,2011,41(2):211-222.

[21]Motley A J,Keenan J M P. Personal Communication Radio Coverage in Buildings at 900 MHz and 1700 MHz[J]. Electronics Letters,1988,24(12):763-764.

[22]Akyildiz I F,Sun Z,Vuran M C. Signal Propagation Techniques for Wireless Underground Communication Networks[J]. Physical Communication,2009,2(3):167-183.

[23]郭紅成,羅海勇,尹浩,等. 基于線性插值和動態(tài)指紋補償?shù)姆植际蕉ㄎ凰惴╗J]. 傳感技術(shù)學(xué)報,2009(12):1795-1801.

[24]Chen Y,Kobayashi H. Signal Strength Based Indoor Geolocation[C]//Communications,2002. ICC 2002. IEEE International Conference on. IEEE,2002,1:436-439.

[25]Youssef M A,Agrawala A,Udaya Shankar A. WLAN Location Determination via Clustering and Probability Distributions[C]//Pervasive Computing and Communications,2003.(PerCom 2003). Proceedings of the First IEEE International Conference on. IEEE,2003:143-150.

[26]Evennou F,Marx F. Advanced Integration of WiFi and Inertial Navigation Systems for Indoor Mobile Positioning[J]. Eurasip Journal on Applied Signal Processing,2006,2006:164-164.

[27]雷地球,羅海勇,劉曉明. 一種基于WiFi的室內(nèi)定位系統(tǒng)設(shè)計與實現(xiàn)[C]//第六屆和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議. 洛陽,2010: - .

[28]Wang H,Wan J,Liu R. A Novel Ranging Method Based on RSSI[J]. Energy Procedia,2011,12:230-235.

[29]Zheng J,Wu C,Chu H,et al. An Improved Rssi Measurement in Wireless Sensor Networks[J]. Procedia Engineering,2011,15:876-880.

[30]Wang C L,Chiou Y S,Yeh S C. An Indoor Location Scheme Based on Wireless Local Area Networks[C]//Consumer Communications and Networking Conference,2005. CCNC. 2005 Second IEEE. IEEE,2005:602-604.

[31]Zhang Z,Zhou X,Zhang W,et al. I am the Antenna:Accurate Outdoor ap Location Using Smartphones[C]//Proceedings of the 17th Annual International Conference on Mobile Computing and Networking. ACM,2011:109-120.

WiFi Fingerprint Based Self-Adaptive Indoor localization in The Dynamic Environment*

CHENBintao1*,LIURenren1,CHENYiqiang2,LIUJunfa2,JIANGXinlong2,LIUDingjun1

(1.College of Information Engineering,Xiangtan University,Xiangtan Hu’nan 411105,China;2.Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China)

Aiming at solve the problem that traditional indoor positioning methods based on WIFI cannot eliminate the impacts to RSSI caused by dynamic variation of the environment effectively,this paper proposes a new indoor positioning system which is based on WIFI fingerprint. This new system adopts a new method based on the Usage of People(UOP)and deployment of Reference Point Tags(RPT)to update the database of WIFI fingerprints dynamically,and the impacts to RSSI caused by different orientation of mobiles,the user’s body,and dynamical changes of the environment in actual use process are declined effectively. The simulation results show that,comparing with traditional indoor positioning methods,the new indoor positioning methods proposed in this paper is more stable,easier to maintain,and simultaneously,has better positioning accuracy and adaptation.

indoor positioning;WI-FI fingerprint;wireless LAN;daptation

陳斌濤(1987-),男,湖南邵陽人,湘潭大學(xué)信息工程學(xué)院碩士,研究方向為無線傳感器網(wǎng)絡(luò)、無線定位、嵌入式系統(tǒng)等,hansewolf@gmail.com;

劉任任(1959-),男,湖南醴陵人,中共黨員,博士,教授,湘潭大學(xué)信息工程學(xué)院院長,主要研究方向為多值邏輯、信息安全等;

陳益強(1973-),男,博士,中國科學(xué)院計算技術(shù)研究所研究員,主要研究方向為普適計算、智能人機交互、數(shù)據(jù)挖掘、機器學(xué)習(xí)等;

劉軍發(fā)(1973-),男,博士,中國科學(xué)院計算技術(shù)研究所副研究員,主要研究方向為普適計算、虛擬現(xiàn)實、數(shù)據(jù)挖掘等;

蔣鑫龍(1988-),男,博士,中國科學(xué)院大學(xué)、中國科學(xué)院計算技術(shù)研究所,主要研究方向為普適計算、虛擬現(xiàn)實、無線定位等;

劉定俊(1991-),男,湘潭大學(xué)信息工程學(xué)院碩士,研究方向為無線定位、普適計算等。

項目來源:國家自然科學(xué)基金項目(61173066)

2014-12-20 修改日期:2015-01-31

C:7230

10.3969/j.issn.1004-1699.2015.05.020

TP391

A

1004-1699(2015)05-0729-10