基于WiFi與藍(lán)牙的室內(nèi)定位技術(shù)探究

孫緯民　杜慶治

摘要：

作為GPS定位技術(shù)的“最后一公里”問(wèn)題，室內(nèi)定位近年來(lái)一直是定位領(lǐng)域的研究熱點(diǎn)。目前室內(nèi)定位技術(shù)發(fā)展較為迅速，各種定位方法層出不窮，但是不同的定位方法必然都存在缺陷。因此，為了取長(zhǎng)補(bǔ)短，發(fā)揮各方法的優(yōu)點(diǎn)，提出基于WiFi與藍(lán)牙的融合定位技術(shù)。該技術(shù)首先使用基于KL散度核函數(shù)的位置指紋定位算法，分別測(cè)算出WiFi定位技術(shù)和藍(lán)牙定位技術(shù)中目標(biāo)點(diǎn)的坐標(biāo)集合；其次，利用Kmeans聚類(lèi)算法對(duì)由藍(lán)牙定位技術(shù)得到的結(jié)果進(jìn)行聚類(lèi)，并選擇包含點(diǎn)元素最多的作為藍(lán)牙定位結(jié)果；最后，將WiFi定位結(jié)果與藍(lán)牙定位結(jié)果相融合，該方式得出的結(jié)果比任何一種單一定位方式都更加精確。

關(guān)鍵詞：WiFi定位；藍(lán)牙定位；室內(nèi)定位

DOIDOI：10.11907/rjdk.172486

中圖分類(lèi)號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2018）003016903

英文摘要Abstract：As the last kilometer problem of GPS positioning technology， indoor positioning has been the focus of localization filed in recent years. At present， indoor positioning technology is developing rapidly and various positioning methods emerge in endlessly. However， different positioning methods have their shortcomings. Therefore， in order to make full use of the advantages of each method， this paper proposes a fusion positioning technology based on WiFi and Bluetooth. The technology first， employs KL divergence kernel function location fingerprinting algorithm to calculate the position results collection of WiFi and Bluetooth positioning technology. Second， we use Kmeans clustering algorithm to cluster results obtained by Bluetooth positioning technology and choose the one contains the most results as the final result. Finally， the WiFi localization results are fused with the Bluetooth localization results， which are more accurate than any single localization method.

英文關(guān)鍵詞Key Words：WiFi positioning； bluetooth positioning； positioning technology

0引言

目前，GPS等定位技術(shù)解決了在復(fù)雜的室外道路上順利到達(dá)目標(biāo)位置的問(wèn)題，然而在“最后一公里”問(wèn)題——室內(nèi)定位上，則顯得無(wú)能為力[1]。為了應(yīng)對(duì)越來(lái)越高的建筑物，以更加準(zhǔn)確的位置信息服務(wù)用戶(hù)，國(guó)內(nèi)外學(xué)者紛紛開(kāi)始了室內(nèi)定位研究。如今，室內(nèi)定位技術(shù)發(fā)展迅速，一些技術(shù)已經(jīng)發(fā)展成熟并進(jìn)入市場(chǎng)。然而，目前存在的室內(nèi)定位技術(shù)由于適用范圍、設(shè)備成本、定位精度等方面尚存在一些不足，所以在室內(nèi)定位技術(shù)領(lǐng)域，還未出現(xiàn)像GPS那樣廣泛普及的技術(shù)。為了更好地解決這一問(wèn)題，研究人員希望通過(guò)定位融合技術(shù)以取長(zhǎng)補(bǔ)短。本文基于這一研究思想，提出基于WiFi與藍(lán)牙的融合定位技術(shù)。

1室內(nèi)定位技術(shù)概述

1.1室內(nèi)定位主要影響因素

對(duì)于室內(nèi)定位技術(shù)，影響融合技術(shù)精度的主要因素有：非視距傳播、多徑傳播、同頻干擾等[2]。非視距傳播的方式又分為：①信號(hào)反射。無(wú)線(xiàn)電波在傳輸過(guò)程中，遇到比自身波長(zhǎng)尺寸大的物體時(shí)發(fā)生信號(hào)反射現(xiàn)象，反射信號(hào)的幅度大小會(huì)受反射物材質(zhì)、光滑度、入射角度、信號(hào)頻率等方面影響；②信號(hào)衍射。當(dāng)無(wú)線(xiàn)電波在傳輸過(guò)程中受到比自身波長(zhǎng)小或接近的孔時(shí)，會(huì)以孔為中心，轉(zhuǎn)化為環(huán)形波并繼續(xù)向前傳播。衍射現(xiàn)象對(duì)于信號(hào)的損耗比較大，因此如果無(wú)線(xiàn)電波遇到強(qiáng)烈的衍射現(xiàn)象，會(huì)極大地影響定位結(jié)果的準(zhǔn)確性；③信號(hào)散射。當(dāng)無(wú)線(xiàn)電波在傳輸過(guò)程中遇到比自身波長(zhǎng)小或接近的物體時(shí)，信號(hào)會(huì)沿著障礙物的各個(gè)方向發(fā)射出去。因此，一些表面比較粗糙的障礙物，相較于平滑表面，會(huì)嚴(yán)重影響信號(hào)傳播。

多徑傳播是指從同一個(gè)信標(biāo)節(jié)點(diǎn)發(fā)射的無(wú)線(xiàn)信號(hào)經(jīng)過(guò)兩個(gè)或多個(gè)不同傳播路徑后到達(dá)同一移動(dòng)終端的現(xiàn)象。對(duì)移動(dòng)終端而言，其接收到的信號(hào)是各路信號(hào)的匯總，如果各路信號(hào)同相則相加，信號(hào)增強(qiáng)；反相則互相消減，信號(hào)減弱[3]。

同頻干擾是指由于室內(nèi)射頻環(huán)境比較復(fù)雜，與WiFi和藍(lán)牙擁有類(lèi)似工作頻段的設(shè)備比較多，如微波爐等。這些干擾設(shè)備的存在必然會(huì)使最終檢測(cè)到的信號(hào)強(qiáng)度值存在誤差，進(jìn)而影響最終定位結(jié)果的準(zhǔn)確性[4]。

1.2室內(nèi)定位技術(shù)原理

室內(nèi)定位系統(tǒng)一般由服務(wù)器、無(wú)線(xiàn)傳輸介質(zhì)、信標(biāo)節(jié)點(diǎn)、移動(dòng)終端構(gòu)成[5]。本文研究的定位系統(tǒng)期望能夠?qū)崿F(xiàn)藍(lán)牙單獨(dú)定位、WiFi單獨(dú)定位以及兩者融合的定位方式。為實(shí)現(xiàn)室內(nèi)信號(hào)的全覆蓋，需要合理布置WiFi、藍(lán)牙信標(biāo)節(jié)點(diǎn)。與移動(dòng)終端相比，信標(biāo)節(jié)點(diǎn)發(fā)射功率較高、信號(hào)波動(dòng)較為穩(wěn)定，因此采用主動(dòng)掃描方式獲取相關(guān)信標(biāo)節(jié)點(diǎn)信息。隨后，移動(dòng)終端將采集到的信標(biāo)節(jié)點(diǎn)信息過(guò)濾、處理并發(fā)送至服務(wù)器系統(tǒng)，服務(wù)器再依據(jù)相關(guān)定位算法得到移動(dòng)終端的位置。

2室內(nèi)定位技術(shù)類(lèi)型

2.1WiFi定位技術(shù)

WiFi定位技術(shù)是基于IEEE802.11b標(biāo)準(zhǔn)的一種無(wú)線(xiàn)網(wǎng)絡(luò)技術(shù)，是當(dāng)前無(wú)線(xiàn)定位的主要技術(shù)之一。該技術(shù)的定位原理是信號(hào)接收端接收無(wú)線(xiàn)局域網(wǎng)熱點(diǎn)中發(fā)送的功率信號(hào)，再利用信號(hào)傳播模型、測(cè)距方法，最終得到目標(biāo)物距離無(wú)線(xiàn)熱點(diǎn)的距離，隨后再依據(jù)一些定位方法，比如三邊測(cè)量定位法、三角定位法、到達(dá)時(shí)間法等，得到目標(biāo)物的位置[68]。WiFi定位技術(shù)最主要的優(yōu)點(diǎn)是：定位范圍較廣，而且部署成本相對(duì)較低，對(duì)系統(tǒng)整體的定位精度比較高。

2.2藍(lán)牙定位技術(shù)

藍(lán)牙定位技術(shù)是基于IEEE802.15.1標(biāo)準(zhǔn)的無(wú)線(xiàn)網(wǎng)絡(luò)技術(shù)，主要工作原理是通過(guò)測(cè)量無(wú)線(xiàn)信號(hào)的強(qiáng)度實(shí)現(xiàn)定位，目前能夠?qū)崿F(xiàn)的定位精度是房間級(jí)。藍(lán)牙定位技術(shù)的發(fā)展主要依靠藍(lán)牙局域網(wǎng)的發(fā)展。在需要定位的區(qū)域部署適當(dāng)?shù)乃{(lán)牙接入點(diǎn)，同時(shí)將藍(lán)牙局域網(wǎng)配置成基礎(chǔ)網(wǎng)絡(luò)架構(gòu)，并將藍(lán)牙標(biāo)簽和藍(lán)牙接入點(diǎn)同時(shí)接入局域網(wǎng)，實(shí)現(xiàn)雙向通信，最后通過(guò)一些定位算法估算出標(biāo)簽位置。藍(lán)牙定位技術(shù)的優(yōu)點(diǎn)是：設(shè)備體積小，可集成在各種終端設(shè)備中，如筆記本電腦、手機(jī)或其它一些手持設(shè)備。正是由于這一特性，使藍(lán)牙定位技術(shù)市場(chǎng)應(yīng)用比較廣泛[9]。但藍(lán)牙定位技術(shù)一個(gè)不容忽視的缺點(diǎn)是：低版本的藍(lán)牙定位技術(shù)穩(wěn)定性較差，容易遭受噪聲信號(hào)干擾，更適宜在一些短距離、小范圍的定位中應(yīng)用。正是由于該缺陷，研究人員開(kāi)始考慮將藍(lán)牙與其它定位技術(shù)相融合[10]。

3WiFi與藍(lán)牙融合定位算法

WiFi和藍(lán)牙作為當(dāng)前無(wú)線(xiàn)通信中的主流技術(shù)，已經(jīng)能夠兼容在同一臺(tái)設(shè)備中，該硬件設(shè)施也為本文研究提供了便利。本文在WiFi定位技術(shù)和藍(lán)牙定位技術(shù)中，使用基于KL散度核函數(shù)的位置指紋定位算法，隨后利用基于Kmeans的聚類(lèi)算法，對(duì)前兩種方式獲取的定位結(jié)果進(jìn)行最終的決策層融合。

3.1基于KL散度核函數(shù)的位置指紋定位算法

基于KL散度核函數(shù)的位置指紋定位算法，一方面利用核函數(shù)的特征映射充分提取RSS的特征值，另一方面KL散度核函數(shù)沒(méi)有假設(shè)RSS服從任何一種分布，而是直接與離散的RSS序列進(jìn)行對(duì)比，因此有效保留了原始信息，解決了RSS的不確定性，顯著提高了最終定位精度。

利用核函數(shù)的特征映射提取RSS特征值，是將訓(xùn)練樣本、測(cè)試樣本以及測(cè)試樣本Xi=（x1，x2，…xn）的概率密度分布函數(shù)p（x|θi）帶入核函數(shù)中，從而替代初始的特征空間：

K（Xi，Xj）≥K（p（x|θi），p（x|θj））（1）

在新的特征空間下計(jì)算核函數(shù)之間的距離，一般選擇比較概率密度函數(shù)的差異性，而能夠反映這一特性的算法是對(duì)稱(chēng)KL散度算法，該算法定義如下：

D（p（x|θi），p（x|θj））=∫∞-∞p（x|θi）logp（x|θi）p（x|θj）dx+∫∞-∞p（x|θj）logp（x|θi）p（x|θj）dx（2）

由于對(duì)稱(chēng)KL散度算法中所定義的距離矩陣不能滿(mǎn)足Mercer條件，因此還需要將KL散度指數(shù)化，最終得到基于KL散度的核函數(shù)定義：

K（Xi，Xj）=>K（p（x|θi），p（x|θj））=>e-D（p（x|θi），p（x|θj））（3）

在WiFi定位技術(shù)中，先假設(shè)帶定位區(qū)域中有N個(gè)WiFi的接入點(diǎn)AP，區(qū)域中任一點(diǎn)從這N個(gè)AP中獲取的RSS集合：RSS={RSS1，RSS2，…RSSn}。若每個(gè)從AP處獲取的RSS是相對(duì)分布的，則在位置（x，y）處測(cè)得的RSS分布情況為：

p（RSS|（x，y））=∏Ni=1p（RSSi（x，y））（4）

在實(shí)際的指紋位置定位系統(tǒng)中，本文選擇q（RSS|（xi，yj））表示離線(xiàn)狀態(tài)下在參考點(diǎn)（xi，yi）上測(cè)算到的RSS分布，用p（Rss|（x，y））表示在線(xiàn)狀態(tài)下在未知點(diǎn)（x，y）處測(cè)算到的RSS分布。由以上鏈?zhǔn)椒▌t可知，獨(dú)立變量的KL散度聯(lián)合分布與每個(gè)變量邊緣分布下的KL散度綜合相等。所以，對(duì)任意兩個(gè)位置（x，y）、（xi，yi），其RSS分布與p和qj的關(guān)系為：

D（p，qi）=∑Ni=1D（p（RSSi|（x，y）），q（q（RSSi|（xi，yj）））（5）

根據(jù)公式（3），可得核函數(shù)為：

K（p，qi）=-e∑Ni=1D（p（RSSi|（x，y），q（RSSi|（xj，yj））））（6）

其中，K（p，qi）表示p和q分部之間的相似度。相似度越高，則K值越接近于1；反之，則接近于0。在前文分析的基礎(chǔ)上，由核函數(shù)方程以及一些已知點(diǎn)數(shù)據(jù)，將KL散度核函數(shù)代入，則待測(cè)點(diǎn)的位置坐標(biāo)可定義為：

（x-，y-）=∑j（xj，yj）K（p，qi）∑jK（p，qi）（7）

3.2基于Kmeans聚類(lèi)算法的決策層融合

Kmeans算法一般用于大量數(shù)據(jù)分析，屬于探索性方法，利用聚類(lèi)分析可以將無(wú)序數(shù)據(jù)進(jìn)行分類(lèi)。Kmeans算法是一種針對(duì)“簇”數(shù)據(jù)聚集的分析方法，算法通過(guò)不斷迭代計(jì)算進(jìn)行中心點(diǎn)集合，將所有樣本劃分到若干集合中。該算法的思想是先作粗略的樣本分類(lèi)，然后通過(guò)最優(yōu)原則不斷迭代修改不合理的類(lèi)別，直到所有分類(lèi)都滿(mǎn)足聚類(lèi)要求。

Kmeans算法主要解決的問(wèn)題是對(duì)于空間樣本點(diǎn)，通過(guò)某種算法將所有樣本點(diǎn)合理劃分為若干類(lèi)別，在劃分中是基于某種度量標(biāo)準(zhǔn)完成的。劃分的每個(gè)類(lèi)別的點(diǎn)具有一定相關(guān)性或相似性。

假設(shè)給定樣本點(diǎn)集合為X=（xa，xb，…xn），將集合X進(jìn)行分類(lèi)，形成M個(gè)“簇”。μk表示第k（k≤m）個(gè)簇的中心位置，初始化可以隨機(jī)選擇集合中的某一個(gè)樣本點(diǎn)。

本文將藍(lán)牙定位技術(shù)得到的結(jié)果集L=（l1，l2，…ln）進(jìn)行K-means聚類(lèi)，在最終聚類(lèi)結(jié)果中選擇包含點(diǎn)元素最多的作為藍(lán)牙定位結(jié)果。為了更好地對(duì)定位區(qū)域進(jìn)行定義，選擇結(jié)果中的中心點(diǎn)為圓心，用O1表示，該類(lèi)中所有點(diǎn)與中心點(diǎn)的距離最大值為半徑，該圓形區(qū)域O被認(rèn)為是藍(lán)牙定位區(qū)域。在結(jié)果融合中，本文將藍(lán)牙定位區(qū)域作為WiFi定位結(jié)果的修正。假設(shè)WiFi定位結(jié)果用O2表示，在融合過(guò)程中則會(huì)出現(xiàn)以下3種情況：

（1）O2在區(qū)域O之外，連接圓心O1與O2交于圓形區(qū)域的交點(diǎn)M1，則被認(rèn)為是最終觀測(cè)點(diǎn)。

（2）O2在區(qū)域O邊緣上，連接圓心O1與O2交于圓形區(qū)域的交點(diǎn)M2，則被認(rèn)為是最終觀測(cè)點(diǎn)。

（3）O2在區(qū)域O之內(nèi)，連接圓心O1與O2交于圓形區(qū)域的交點(diǎn)M3，則被認(rèn)為是最終觀測(cè)點(diǎn)。

4結(jié)語(yǔ)

為了使室內(nèi)定位技術(shù)更加準(zhǔn)確，本文在分析各種單一定位技術(shù)優(yōu)缺點(diǎn)的基礎(chǔ)上，考慮到當(dāng)前設(shè)備已經(jīng)能夠?qū)崿F(xiàn)WiFi和藍(lán)牙互相兼容，而且成本較為低廉，因此選擇將WiFi定位技術(shù)與藍(lán)牙定位技術(shù)相融合的方案。在實(shí)際定位中，利用藍(lán)牙定位技術(shù)的結(jié)果修正WiFi定位結(jié)果，可使最終的定位結(jié)果更加精確。然而，該方式仍然存在一些缺陷，比如并未過(guò)多考慮人員動(dòng)態(tài)流動(dòng)或其它信號(hào)、電磁波對(duì)定位區(qū)域信號(hào)的干擾等因素對(duì)實(shí)驗(yàn)結(jié)果的影響，因而還需在將來(lái)進(jìn)一步深入研究。

參考文獻(xiàn)參考文獻(xiàn)：

[1]陳祥.基于WiFi與移動(dòng)智能終端的室內(nèi)定位技術(shù)研究[D].哈爾濱：哈爾濱理工大學(xué)，2017.

[2]華海亮.基于WiFi和藍(lán)牙的室內(nèi)定位技術(shù)研究[D].錦州：遼寧工業(yè)大學(xué)，2016.

[3]王寶晶.基于WiFi/藍(lán)牙融合的室內(nèi)定位算法及實(shí)現(xiàn)[D].上海：華東師范大學(xué)，2015.

[4]徐偉.基于Android手機(jī)的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[D].武漢：華中師范大學(xué)，2014.

[5]盧來(lái)，龍科.關(guān)于藍(lán)牙室內(nèi)無(wú)線(xiàn)定位系統(tǒng)的技術(shù)實(shí)現(xiàn)[J].數(shù)字技術(shù)與應(yīng)用，2015（12）：6971.

[6]劉明偉，劉太君，葉焱，等.基于低功耗藍(lán)牙技術(shù)的室內(nèi)定位應(yīng)用研究[J].無(wú)線(xiàn)通信技術(shù)，2015（3）：1923.

[7]趙娜，李丹.淺談藍(lán)牙室內(nèi)無(wú)線(xiàn)定位系統(tǒng)的技術(shù)實(shí)現(xiàn)[J].中小企業(yè)管理與科技，2011（2）：269270.

[8]靳超，邱冬煒.基于WiFi信號(hào)室內(nèi)定位技術(shù)的研究[J].測(cè)繪通報(bào)，2017（5）：2125.

[9]姜莉.基于WiFi室內(nèi)定位關(guān)鍵技術(shù)的研究[D].大連：大連理工大學(xué)，2010.

[10]王琪.基于WiFi信號(hào)指紋的室內(nèi)定位技術(shù)[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2015（21）：6567.

責(zé)任編輯（責(zé)任編輯：黃?。?