基于動態(tài)環(huán)境自適應(yīng)WiFi室內(nèi)定位系統(tǒng)設(shè)計

張曉娟，張佑春

(安徽工商職業(yè)學(xué)院，合肥230041)

?

基于動態(tài)環(huán)境自適應(yīng)WiFi室內(nèi)定位系統(tǒng)設(shè)計

張曉娟，張佑春

(安徽工商職業(yè)學(xué)院，合肥230041)

針對室內(nèi)動態(tài)環(huán)境中WiFi定位精度低等問題，提出了一種基于位置指紋的自適應(yīng)定位方案。通過采集參考點處的AP信號強度和終端朝向信息，構(gòu)建出參考點的位置指紋，再提取待測點位置指紋中的朝向信息，經(jīng)由KNN算法進行指紋匹配，從而完成預(yù)計定位。實驗測試表明，方案可有效避免了由于用戶手持終端方向及身體遮擋等因素對RSS值的影響。

室內(nèi)定位；位置指紋；WiFi

0　引言

基于位置的服務(wù)(Location Based Service,LBS)是指無線終端設(shè)備通過通信網(wǎng)絡(luò)獲取位置信息并為用戶提供基于位置信息的個性化服務(wù)，如搜索出最近的加油站、醫(yī)院、停車場等。2010年以后，人們對LBS的需求已經(jīng)從室外延伸至了室內(nèi)。雖然GPS或者A-GPS在室外場景下的定位表現(xiàn)讓人滿意，但是并不太適用于室內(nèi)環(huán)境。首先，信號在室內(nèi)傳播的路徑會受家具等障礙物的影響。其次，室內(nèi)定位對定位精度的要求要高于室外定位。再者，室內(nèi)環(huán)境人員密度高、流動性大，因此，在室內(nèi)環(huán)境下進行定位務(wù)必要考慮人體本身的移動對定位的影響[1]。針對室內(nèi)定位環(huán)境的復(fù)雜狀況，國內(nèi)外專家提出了許多解決方案，如超寬帶技術(shù)、藍牙技術(shù)、紅外技術(shù)、射頻識別技術(shù)[2]、WiFi無線網(wǎng)絡(luò)技術(shù)、超聲波技術(shù)[3]等?；赪iFi的室內(nèi)定位首先通過對移動終端接收到的無線AP發(fā)出的信號特性進行轉(zhuǎn)換分析，再根據(jù)特殊的定位算法估算出待測的移動終端所在的位置。由于目前越來越多的移動終端，如智能手機等，都集成了WiFi功能，室內(nèi)環(huán)境也布滿了AP熱點，所以，基于WiFi的室內(nèi)定位方法得到了快速發(fā)展。研究表明，在眾多的WiFi室內(nèi)定位方法中，位置指紋法能以較低的成本獲得較高的精度[4]，但傳統(tǒng)的位置指紋定位方法難以有效地解決在實際使用中終端朝向、用戶身體遮擋及動態(tài)環(huán)境變化等對接收信號強度的影響問題。因此，本文提出一種改進的定位方法，在指紋庫創(chuàng)建階段將終端朝向角度同RSSI值一起采集，構(gòu)建指紋信息，定位階段再用KNN算法將待定位點處的指紋信息與數(shù)據(jù)庫中在該朝向角度下的信息進行比對，從而確定位置。實驗表明，該方法能有效解決終端朝向和身體遮擋對定位精度的影響問題。

1　室內(nèi)定位的研究現(xiàn)狀

1.1多種室內(nèi)定位方法比較

文獻[4]對幾種常見的室內(nèi)定位技術(shù)的定位精度和規(guī)?；瘜崿F(xiàn)難易程度進行綜合比較，其結(jié)果如圖1所示。

從圖1可以看出，超寬帶室內(nèi)定位技術(shù)(Ultra Wide Band，UWB)的定位精度最高，幾乎能達到到厘米級的精確定位。但是由于該技術(shù)需要特殊的移動設(shè)備，所以定位成本過高。藍牙和紅外技術(shù)都可以獲得10 m以內(nèi)的定位精度，但藍牙基站和光學(xué)設(shè)備同樣造價不菲，而且紅外線易被障礙物阻隔，不利于室內(nèi)復(fù)雜環(huán)境下的定位。射頻識別技術(shù)(RFID)的定位距離較近且不具備通信能力，不利于系統(tǒng)整合，同時，該項技術(shù)需要在定位空間布置大量的電子標(biāo)簽，也會增加系統(tǒng)成本。輔助GPS定位(A-GPS)應(yīng)用在室內(nèi)環(huán)境時定位精度不高，一般在10～20 m之間。綜上所述，WiFi定位技術(shù)相對于前面幾種定位技術(shù)來說，無論是從定位精度、定位成本還是可實現(xiàn)性方面考慮都具有很大的優(yōu)勢。

圖1　幾種室內(nèi)定位技術(shù)綜合比較圖

1.2基于WiFi的室內(nèi)定位方法的比較

基于WiFi的室內(nèi)定位技術(shù)通常有TOA，TDOA以及RSSI等。TOA是基于信號到達時間的定位方法(Time of Arrival)，而TDOA是TOA的改進方法，但是不管是TDOA還是TOA，都需要在定位終端配置時間測量模塊，所以這兩種定位方法的硬件成本較高[5]。RSSI即為基于接收信號強度的定位方法(Received Signal Strength Indication)，又可細(xì)分為傳輸損耗法和位置指紋法[6]。位置指紋法用于進行定位的過程，類似于人類指紋匹配原理。當(dāng)對某人進行指紋匹配時，通常是將采集到的某人的指紋與指紋數(shù)據(jù)庫中存儲的指紋樣本進行對比，找出數(shù)據(jù)庫中最匹配的指紋樣本，進而確定某人的身份信息。該方法分為兩個階段：一是離線階段，該階段主要用于建立指紋數(shù)據(jù)庫，需要在待定位區(qū)域設(shè)置參考點，并采集各個參考點的接收信號強度(RSS)等信號特征值，構(gòu)建位置指紋樣本。二是在線定位階段，該階段通過把待定位終端處采集到的位置指紋信息與指紋數(shù)據(jù)庫中的RSSI指紋樣本進行逐一對比，并通過特定的算法來估計出定位終端的位置。該方法不需要建立信道傳播模型，也不需要額外的硬件設(shè)備來測量信號入射角度，因此，節(jié)省了大量的硬件開發(fā)成本。本文所設(shè)計的定位系統(tǒng)也是采用的這種方法。

2　本系統(tǒng)算法原理及方案

2.1總體設(shè)計方案和思路

由前面的分析可知，基于位置指紋的WiFi室內(nèi)定位方法，其定位精度很大程度上取決于位置指紋數(shù)據(jù)庫的精確度?？紤]到動態(tài)環(huán)境特點及對RSS值的影響，首先采集參考點處的AP信號強度，其次采集使用者手持終端的朝向信息，再次構(gòu)建出參考點的位置指紋，待提取出待測點位置指紋中的朝向信息后，經(jīng)由KNN算法進行指紋匹配，最終確定出估計位置。

2.2離線階段數(shù)據(jù)庫創(chuàng)建

離線階段主要實現(xiàn)指紋數(shù)據(jù)庫的創(chuàng)建，主要分為下面幾個步驟。

第一步：將待定位實驗區(qū)域劃分成幾個面積大致相同的方格，把方格的交點處設(shè)置成定位參考點。對每個參考點進行編號，并粘貼上對應(yīng)的二維碼，該二維碼包含該參考點的坐標(biāo)信息，用P(x,y,z)表示。如果系統(tǒng)中設(shè)定有i個參考點，則第i個參考點處的坐標(biāo)可以表示為：Pi=(xi,yi,zi)，其中i為參考點的編號。

第二步：在每一個參考點處，讓實驗人員手持智能手機原地旋轉(zhuǎn)一周(360°)，并掃描該點處的二維碼，將該參考點處的位置信息P及位置指紋信息S采集并上傳至服務(wù)器。在一個參考點處一次采樣到的位置指紋信息S應(yīng)包含SSID(基本服務(wù)標(biāo)志)、RSSI(接收信號強度)、終端朝向角度，用向量表示為S=(Β,R,Α),其中Β={β1，β2，…βn}，R={γ1,γ2,…γn},Β為SSID，R為RSSI，Α為采樣時終端的朝向角度，n為AP的數(shù)目。

1)綜合考慮到定位的精確度和軟件開銷，本系統(tǒng)將360°分成幾個等大小的角度區(qū)間，然后對每個角度區(qū)間進行編號，在一個采樣周期內(nèi)對每個角度區(qū)間內(nèi)的信號強度和SSID進行多次采樣，RSSI取多次采樣的平均值。采樣次數(shù)記錄為N，通常設(shè)定為奇數(shù)。如此可得到在某個參考點處，一次采樣得到的數(shù)據(jù)可表示為

Si=(S(1),S(2),S(3)，…，S(j))，

(1)

式中j即為一次采樣得到的數(shù)據(jù)個數(shù)，計算公式為：

(2)

式中：?為每個角度區(qū)間的大??；T為采樣周期。

2)用在此參考點處得到的Si和Pi構(gòu)造該參考點的完整位置指紋信息PSi

PSi=(Pi,Si)，

(3)

式中PSi為第i個參考點處的位置指紋信息。

其余參考點處的位置指紋信息都可以通過上述方法逐一獲得。當(dāng)i個參考點的指紋數(shù)據(jù)信息都構(gòu)建完畢，則指紋數(shù)據(jù)庫也就組建完成。

圖2為本系統(tǒng)所采用的方法采樣信號的柱狀圖，圖3是采用傳統(tǒng)的指紋信息采集方法，圖4是采用傳統(tǒng)的指紋信息采集方法和本系統(tǒng)所采用的方法的對比。因此，在180°左右(用戶手持終端背向AP時)信號強度最弱，也說明身體遮擋也會影響定位精度。與傳統(tǒng)采樣方法(信號平均值)相比，文章所采用的方法不但能夠采集到信號的大小，還能反映出信號特征。

圖2　本文系統(tǒng)采樣信號柱狀圖

圖4　兩種方法對比圖

2.3在線定位階段的定位算法

由于在離線數(shù)據(jù)庫創(chuàng)建階段，我們在指紋信息中增加了終端朝向A這個向量，使計算的復(fù)雜度大大增加，所以，為了減輕服務(wù)器的計算工作量，本系統(tǒng)在線采樣階段采用的模式匹配算法為比較簡單的KNN算法(K近鄰算法)[7]，該算法原理如下：設(shè)在某時刻某一位置采集到的位置指紋向量為S，首先求出S與指紋數(shù)據(jù)庫中各個參考點對應(yīng)的位置指紋Si的歐式距離，將該距離進行升序排列后，再選取K個具有最小歐式距離的參考點對應(yīng)的位置信息Pi進行加權(quán)，加權(quán)后的位置信息即為終端的估計位置。該算法用公式表示為：

(4)

(5)

3　總體系統(tǒng)組成及工作流程

系統(tǒng)采用通用結(jié)構(gòu)，主要由客戶端、服務(wù)器系統(tǒng)、通信網(wǎng)絡(luò)等3大模塊組成，具體框架如圖5所示。

其中，客戶端主要實現(xiàn)用戶的數(shù)據(jù)采集和用戶定位位置的實時顯示。通信網(wǎng)絡(luò)由無線AP、通信路由器及WiFi網(wǎng)絡(luò)組成，是實現(xiàn)客戶端與服務(wù)器系統(tǒng)進行數(shù)據(jù)交換與信息傳輸?shù)闹匾h(huán)節(jié)。服務(wù)器系統(tǒng)是整個室內(nèi)定位系統(tǒng)的核心，由數(shù)據(jù)采集處理服務(wù)器、數(shù)據(jù)庫服務(wù)器和應(yīng)用服務(wù)器組成。整個定位系統(tǒng)的定位過程可分為3個階段：離線階段、在線定位階段和數(shù)據(jù)庫維護階段。離線階段主要實現(xiàn)指紋數(shù)據(jù)庫的創(chuàng)建。在線定位階段，待定位終端通過預(yù)先安裝的定位軟件向服務(wù)器發(fā)出定位請求，也即是將采集到的不同AP的RSSI值以及終端朝向等信息發(fā)送給服務(wù)器，服務(wù)器接收到該信息后首先進行數(shù)據(jù)的預(yù)處理，然后再查詢指紋數(shù)據(jù)庫，按照一定的算法將該采樣數(shù)據(jù)與數(shù)據(jù)庫中所有該方向的指紋樣本進行匹配，估計出當(dāng)前終端所在的位置坐標(biāo)。最后再把該位置坐標(biāo)及相關(guān)地圖信息發(fā)送給定位終端，由定位終端調(diào)用地圖顯示模塊在屏幕上直觀顯示出來。在數(shù)據(jù)庫維護階段，當(dāng)室內(nèi)家具的布置以及人流量變化的時候，各個參考點處的RSSI值也會有很大變化。當(dāng)用戶在使用定位系統(tǒng)的過程中，如果發(fā)現(xiàn)定位偏差很大，此時允許用戶通過手機客戶端進行數(shù)據(jù)庫的更新和維護。

圖5　室內(nèi)定位系統(tǒng)組成框架圖

4　結(jié)語

本文設(shè)計的基于WiFi的室內(nèi)定位系統(tǒng)，是在傳統(tǒng)位置指紋定位算法的基礎(chǔ)上，增加了對終端朝向角度信息的采集，將采樣到的指紋信息同該朝向下的所有指紋樣本進行比對，從而確定預(yù)計位置。從實驗數(shù)據(jù)來看，有比較滿意的定位效果。由于本方法目前只在實驗室階段進行，采樣時只采取了一些特殊角度時的數(shù)據(jù)，定位精度還不是很高。因此，后續(xù)研究擬對朝向角度采樣時采取連續(xù)采集，在定位階段采用KNN-SVM或人工智能等更為精確的定位算法，以進一步提高定位精度。

[1] 陳斌濤，劉任任，陳益強，等.動態(tài)環(huán)境中的WiFi指紋自適應(yīng)室內(nèi)定位算法[J].傳感技術(shù)學(xué)報，2015，28(5):729-738.

[2] 李麗娜，馬俊，徐攀峰，等.RFID室內(nèi)定位技術(shù)綜述[J].計算機應(yīng)用與軟件，2015,32(9):1-3.

[3] 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.

[4] 羅家宥.基于位置指紋的WiFi室內(nèi)定位技術(shù)與實現(xiàn)[D].上海：上海交通大學(xué)，2014.

[5] 秦泗明.基于位置指紋的WiFi室內(nèi)定位技術(shù)研究[D].西安：電子科技大學(xué)，2013.

[6] 丁根明.基于人工智能的室內(nèi)指紋定位技術(shù)研究[D].北京：北京交通大學(xué)，2015.

[7] 周錦，李煒，金亮，等.基于KNN-SVM算法的室內(nèi)定位系統(tǒng)設(shè)計[J].華中科技大學(xué)學(xué)報：自科版，2015，43(增1)：517-519.

The Design of WiFi Indoor Location System Based on Self-adaptive in Dynamic Environment

ZHANG Xiao-juan，etc.

(AnhuiBusinessVocationalCollege，Hefei230041，China)

Aiming at the problems such as low positioning accuracy of WiFi in indoor dynamic environment，a self-adaptive location scheme based on the location fingerprint is proposed in this paper.By collecting signal strength of AP and terminal orientation information on reference spot，the location fingerprint of the reference spot has been built.Then the orientation information is extracted from the measured spot fingerprints.Fingerprint matching has been made via the KNN algorithm to complete the positioning expectation.Experimental results show that the scheme can effectively avoid the influence to RSS value by the user’s hand held terminal direction and the body block，and has certain application value.

indoor location；location fingerprint；WiFi

10.3969/j.issn.1009-8984.2016.03.022

2016-06-15

安徽省高等學(xué)校自然科學(xué)研究項目(KJ2016B004)

張曉娟(1982-)，女(漢)，江西新余，講師，碩士

主要研究樓宇智能化技術(shù)。

TP391

A

1009-8984(2016)03-0097-04

安徽省高等學(xué)校自然科學(xué)研究項目(KJ2016A082)安徽省高校優(yōu)秀青年人才支持計劃重點項目(gxyqZD2016438)