復(fù)雜環(huán)境下的WIFI室內(nèi)定位算法研究

王 琦，席志紅

(哈爾濱工程大學(xué) 信息與通信工程學(xué)院 先進(jìn)船舶通信與信息技術(shù)工業(yè)和信息化部重點(diǎn)實(shí)驗(yàn)室，哈爾濱 150001)

進(jìn)入21世紀(jì)，科技水平不斷發(fā)展進(jìn)步,極大地促進(jìn)大眾生活水平顯著提高，定位技術(shù)一經(jīng)推出就受到市場廣泛的歡迎，促進(jìn)了定位服務(wù)的市場需求的產(chǎn)生.基于位置服務(wù)LBS[1](location Base Services)受到各行各業(yè)需求日益增大.目前定位主要?jiǎng)澐譃槿缦拢菏彝舛ㄎ慌c室內(nèi)定位，對(duì)于室外定位，全球衛(wèi)星導(dǎo)航系統(tǒng)GNSS(Gobal Navigation Satellite)[2]完全可以提供較高精度定位結(jié)果，例如：我國北斗系統(tǒng)[3]以及俄羅斯的格洛納斯[4]系統(tǒng)等均是較為成熟系統(tǒng)在軍民領(lǐng)域均有廣泛應(yīng)用，衛(wèi)星導(dǎo)航室外定位系統(tǒng)如圖1.

圖1 衛(wèi)星導(dǎo)航室外定位系統(tǒng)示意圖Figure 1 Schematic diagram of a satellite navigation outdoor positioning system

但將其應(yīng)用于室內(nèi)定位就會(huì)出現(xiàn)較高誤差以及不適用復(fù)雜空間環(huán)境等問題，究其主要原因是建筑物墻體以及室內(nèi)環(huán)境中各類物體等遮擋的影響，衛(wèi)星信號(hào)的衰落非常明顯，使得定位的誤差巨大而無法達(dá)到較好的定位效果,多層商場的定位如圖2.

圖2 商場室內(nèi)定位示意圖Figure 2 Schematic diagram of indoor positioning of shopping malls

目前對(duì)于室內(nèi)定位技術(shù)包含有以下：射頻識(shí)別定位技術(shù)[5]、超聲波定位技術(shù)[6]、可見光定位技術(shù)[7]、超寬帶定位技術(shù)[8]、藍(lán)牙的定位技術(shù)[9]、紅外線定位技術(shù)[10]以及WIFI定位技術(shù)[11]等.基于WIFI的定位是目前室內(nèi)定位最具有發(fā)展前景的定位技術(shù),基于WIFI的定位系統(tǒng)依賴硬件WIFI路由器設(shè)施以及智能手機(jī)就可以實(shí)現(xiàn)定位，這無疑使得WIFI的定位技術(shù)在商業(yè)廣泛應(yīng)用以及普及具有巨大的潛力.但是室內(nèi)定位環(huán)境復(fù)雜多變，在實(shí)際的環(huán)境中非視距(Non-Line of Sight , NLOS)[12]以及其他類干擾會(huì)嚴(yán)重影響WIFI信號(hào)在室內(nèi)空間的無線傳播，這種影響會(huì)導(dǎo)致定位的參數(shù)嚴(yán)重偏離真實(shí)值，進(jìn)而導(dǎo)致算法的定位性能大幅度下降.

目前對(duì)于WIFI定位下的非視距干擾問題提出很多方法：1)首先依靠定位信息對(duì)于卡爾曼濾波器的增益進(jìn)行調(diào)整[13]，以此來濾除NLOS誤差，但對(duì)于卡爾曼濾波中的參數(shù)無法自適應(yīng)的調(diào)整；2)針對(duì)測距中的NLOS誤差，將TOA值和NLOS誤差值作為卡爾曼濾波的2個(gè)狀態(tài)向量直接估計(jì)出NLOS誤差[14]，該算法計(jì)算復(fù)雜度較低，但由于某些特定的環(huán)境中模型系數(shù)無法確定所得到的NLOS誤差并不滿足實(shí)際定位；3)選擇代表性的測量樣本的標(biāo)準(zhǔn)差和測量噪聲的標(biāo)準(zhǔn)差鑒別NLOS誤差，提高測量精度[15]，但這種方法引入了時(shí)間延遲，較復(fù)雜而且不能進(jìn)行實(shí)時(shí)定位；4)采用偏移卡爾曼濾波處理測量數(shù)據(jù)[16]，將非視距誤差視為服從指數(shù)分布的，但將測量噪聲的均值加入到卡爾曼濾波計(jì)算中，這種做法需要大量實(shí)驗(yàn)數(shù)據(jù)且不具有代表性，不能適用于任意非視距環(huán)境.

本文對(duì)于現(xiàn)有擴(kuò)展卡爾曼濾波技術(shù)進(jìn)行改進(jìn)，將實(shí)際觀測值與測值做差.同時(shí)設(shè)置閾值與相應(yīng)的差值進(jìn)行比較，以判定定位環(huán)境是否為視距/非視距并改進(jìn)擴(kuò)展卡爾曼濾波迭代過程.同時(shí)對(duì)于為了防止判定的不準(zhǔn)確，加入路徑損耗模型實(shí)現(xiàn)對(duì)NLOS誤差的粗略估計(jì)，加入擴(kuò)展卡爾曼的距離濾波模型做進(jìn)一步估計(jì)，進(jìn)而以此估計(jì)值對(duì)定位結(jié)果進(jìn)行改正.利用改進(jìn)后的擴(kuò)展卡爾曼濾波算法消除非視距誤差和噪聲對(duì)定位的影響，實(shí)現(xiàn)了更準(zhǔn)確的室內(nèi)定位.

1 室內(nèi)復(fù)雜環(huán)境對(duì)WIFI定位影響

1.1 WIFI傳播影響因素

由于本文所定位環(huán)境干擾因素較多，WIFI信號(hào)強(qiáng)度在空間內(nèi)易受到干擾而產(chǎn)生的波動(dòng)不穩(wěn)定，具體影響WIFI不穩(wěn)定的因素有以下幾種[17]:

1)室內(nèi)空間人員活動(dòng)

室內(nèi)空間的人員流動(dòng)會(huì)對(duì)傳播過程中的WIFI信號(hào)產(chǎn)生反射和折射，導(dǎo)致WIFI信號(hào)在傳播過程產(chǎn)生衰減，會(huì)使得WIFI的數(shù)值不穩(wěn)定.因?yàn)槿梭w在室內(nèi)活動(dòng)的多變性以及隨機(jī)性比較大，沒有固定模型去描述人員對(duì)于信號(hào)影響規(guī)律.

2)WIFI傳播多徑效應(yīng)

基于WIFI的室內(nèi)定位處于復(fù)雜空間時(shí)就會(huì)有多徑效應(yīng)的產(chǎn)生，主要由于WIFI信號(hào)在空間中的傳播可以采用多條路線到達(dá)WIFI信號(hào)的硬件接收設(shè)備，對(duì)于室內(nèi)空間一般存在復(fù)雜的結(jié)構(gòu)，會(huì)因?yàn)橥庠诟蓴_使得最終的WIFI信號(hào)到達(dá)硬件接收設(shè)備不同時(shí)間，存在一定時(shí)間差值，最終得到WIFI信號(hào)不穩(wěn)定會(huì)出現(xiàn)峰值與谷值相互疊加不穩(wěn)定.WIFI傳播的多徑效應(yīng)示意圖見圖3.

圖3 多徑效應(yīng)示意圖Figure 3 Schematic of the multipath effect

3)同環(huán)境私人AP影響

由于WIFI設(shè)備的普及，在教學(xué)樓內(nèi)存在多種多樣的AP設(shè)備，必然會(huì)對(duì)于WIFI信息采集產(chǎn)生干擾，當(dāng)今大多數(shù)無線WIFI設(shè)備的標(biāo)準(zhǔn)是IEEE 802.11 g/n的2.4GHz頻段.這些私人AP設(shè)備會(huì)對(duì)WIFI信號(hào)產(chǎn)生干擾，使測得的RSSI數(shù)值不穩(wěn)定，在測量點(diǎn)的值出現(xiàn)很大的誤差.

1.2 WIFI信號(hào)RSSI值得隨時(shí)間的波動(dòng)性質(zhì)

選取AP1、AP2在某段時(shí)間內(nèi)連續(xù)200次、500次的RSSI數(shù)值進(jìn)行統(tǒng)計(jì)分析：

通過分析圖4、5可以看出，AP1、AP2在這個(gè)區(qū)間內(nèi)大致波動(dòng)的范圍為-68、-69 dB為均值上下波動(dòng).也可以看出在某些時(shí)刻的曲線會(huì)出現(xiàn)巨幅的波動(dòng)，使得當(dāng)時(shí)刻所測量的RSSI值偏離均值中心.上述影響因素主要由于室內(nèi)空間環(huán)境多徑效應(yīng)影響.凸起的部分主要可能對(duì)于WIFI信號(hào)經(jīng)由不同路徑到接收端正好波峰，出現(xiàn)了波峰相互疊加：凹陷的部分可能是信號(hào)傳輸至接收端正好波谷，出現(xiàn)了波谷相互疊加.

圖4 同一位置采樣200測序RSSI值變化Figure 4 Sample 200 sequencing RSSI values at the same location to change

1.3 WIFI信號(hào)的RSSI值一天動(dòng)態(tài)變化

為了研究WIFI信號(hào)一天之中的變化，本文對(duì)于同一位置的AP節(jié)點(diǎn)進(jìn)行24 h監(jiān)測其信號(hào)變換規(guī)律.選取相應(yīng)的AP的信號(hào)強(qiáng)度24 h內(nèi)的動(dòng)態(tài)數(shù)值變化如圖6所示.

從圖6看出，RSSI測量值的均值按照從大到小依次排布為: AP3, AP2, AP1, AP4，AP6, AP5.與此同時(shí)也可以發(fā)現(xiàn)對(duì)于整體的AP的RSSI數(shù)值均值上下波動(dòng)不時(shí)很大，僅圍繞著一個(gè)中心上下波動(dòng).

圖6 AP一天內(nèi)數(shù)值變化Figure 6 The AP values change within a day

結(jié)合實(shí)際的采集環(huán)境的情況可知，在學(xué)生下課以及老師下班以后的時(shí)間段(23∶00～8∶00)時(shí)，這個(gè)區(qū)間內(nèi)的信號(hào)強(qiáng)度數(shù)值相對(duì)穩(wěn)定，沒有很大的起伏波動(dòng).從9∶00～22∶00，對(duì)各個(gè) AP的信號(hào)強(qiáng)度出現(xiàn)較強(qiáng)幅度變化，主要原因是人員流動(dòng)性比較大，對(duì)于WIFI信號(hào)的干擾比較大.由此可以看出，采集過程中人員的流動(dòng)對(duì)于AP的信號(hào)強(qiáng)度數(shù)值影響比較顯著.

1.4 基于空間的WIFI信號(hào)研究

在室內(nèi)定位空間內(nèi)，通過采集設(shè)備獲取信號(hào)強(qiáng)度值，隨機(jī)選擇一個(gè)位置，朝向遠(yuǎn)離AP3方向行進(jìn)，此過程保持一個(gè)直線行進(jìn)路線.間隔1米測量AP3的RSSI值，本文共測量15次數(shù)值，通過實(shí)驗(yàn)得出AP3的RSSI值與距離之間的關(guān)系如圖7所示.

圖7 RSSI與距離之間的變換圖像Figure 7 The rollover image between RSSI and distance

整體可以看出，AP3的數(shù)值在總體趨勢上隨著距離增大而減小，符合路徑損耗模型，但是值得注意的是整體過程部分結(jié)果可能出現(xiàn)波動(dòng)，主要原因可能室內(nèi)空間人員的流動(dòng)、室內(nèi)的私人AP設(shè)備同頻段的干擾以及內(nèi)復(fù)雜的環(huán)境導(dǎo)致出現(xiàn)多徑效應(yīng)，導(dǎo)致在部分位置上出現(xiàn)了波動(dòng).雖然會(huì)出現(xiàn)一些突變不穩(wěn)定的情況，但對(duì)于 WIFI的信號(hào)強(qiáng)度會(huì)隨著距離的增大整體減小的趨勢.

1.5 WIFI信號(hào)的RSSI的預(yù)處理

通過對(duì)于上述分析，為了保證定位結(jié)果準(zhǔn)確性和穩(wěn)定性，無論是對(duì)于離線位置指紋，還是對(duì)于實(shí)時(shí)性測定的RSSI，在定位時(shí)均需要多次進(jìn)行信息的采集，特別對(duì)離線指紋庫的建立所要存儲(chǔ)指紋信息.由于RSSI的數(shù)值無論在時(shí)間以及空間RSSI均可能由于環(huán)境的干擾產(chǎn)生變化，存在一定的波動(dòng)性.因此在室內(nèi)定位進(jìn)行之前需要對(duì)于采集到的RSSI值進(jìn)行預(yù)處理，通過預(yù)處理手段可以有效避免隨機(jī)性干擾對(duì)于實(shí)時(shí)性的定位的結(jié)果產(chǎn)生干擾.常見的濾波方法有均值濾波、高斯濾波.本文采用改進(jìn)高斯濾波技術(shù)對(duì)于RSSI值進(jìn)行預(yù)處理[18].

RSSI服從(0,μ2)，其概率密度公式如下：

(1)

其中

(2)

(3)

其中：F(RSSI)表示為概率密度;μ代表均值;σ2代表方差.

針對(duì)因?yàn)樵肼暤纫蛩馗蓴_而對(duì)于WIFI的RSSI值產(chǎn)生的波動(dòng)，本文對(duì)于傳統(tǒng)的高斯濾波進(jìn)行改進(jìn)，具體如下：

1)輸入采集樣本值.為了避免噪聲的干擾，在進(jìn)行信息采集時(shí)應(yīng)當(dāng)進(jìn)行多次采集.

2)高斯濾波.對(duì)于第一部分的樣本值引入高斯模型濾波處理.選取概率空間為90%內(nèi)的.

3)小概率樣本值處理.通過高斯濾波技術(shù)可以有效的對(duì)于小概率空間的樣本值進(jìn)行剔除，設(shè)置小概率空間的集合為W，集合空間內(nèi)的樣本值為k，則：

W=[RSSIout1,RSSIout2,…,RSSIoutk]

(4)

對(duì)于集合空間內(nèi)的樣本值進(jìn)行賦值，公式如下：

(5)

其中：RSSIoutj為W中數(shù)據(jù).

4)輸出結(jié)果降噪:通過進(jìn)行濾波技術(shù)將小概率空間的數(shù)據(jù)賦值后，通過樣本選取標(biāo)準(zhǔn)將其匯入大概率空間的樣本數(shù)據(jù)中，最終保存在離線指紋庫中.

2 濾波算法

2.1 擴(kuò)展卡爾曼濾波算法

傳統(tǒng)的卡爾曼濾波技術(shù)僅適用于理想高斯的線性空間，卡爾曼濾波只有在線性系統(tǒng)中才能有很好的跟蹤效果，然而在實(shí)際的室內(nèi)定位環(huán)境大部分為非線性，觀測方程等各種信息無法用線性表示.所以對(duì)于傳統(tǒng)的卡爾曼濾波進(jìn)行改進(jìn)，以便于在非線性空間也可進(jìn)行濾波定位，對(duì)于卡爾曼濾波技術(shù)改進(jìn)應(yīng)用最為廣泛的是擴(kuò)展卡爾曼濾波(Extended Kalman filter，EKF)算法[19].擴(kuò)展卡卡爾曼濾波技術(shù)是將數(shù)學(xué)期望進(jìn)行線性化的KF算法.EKF算法對(duì)于傳統(tǒng)的KF算法進(jìn)行補(bǔ)充，以便其適用于非線性系統(tǒng)的室內(nèi)定位中，擴(kuò)展卡爾曼濾波技術(shù)是將數(shù)學(xué)期望進(jìn)行線性化的KF算法.EKF算法對(duì)于傳統(tǒng)的KF算法進(jìn)行補(bǔ)充，以便其適用于非線性系統(tǒng)的室內(nèi)定位中.

設(shè)定系統(tǒng)的狀態(tài)方程如下：

Xk=Axk-1+Buk-1+ωk-1

(6)

其中：X為狀態(tài)向量；A為轉(zhuǎn)換矩陣且其維數(shù)為n·n階；B為轉(zhuǎn)換矩陣；ω為系統(tǒng)噪聲輸入.

當(dāng)測量值為Z，則測量值和狀態(tài)值之間的關(guān)系為：

Zk=HXk+vk

(7)

(8)

系統(tǒng)的噪聲為高斯白噪聲，則其方差為：

E(w(k)vT(j))=Q(k)δkj

(9)

E(w(k)wT(j))=R(k)δkj

(10)

設(shè)定這里v(k)和w(k)是不相關(guān)的則：

E(v(k)wT(k))=0

(11)

對(duì)式(8)進(jìn)行泰勒級(jí)數(shù)展開得到進(jìn)一步預(yù)測值即：

其中：fk代表狀態(tài)模型，

(13)

(14)

(15)

其中：Fx(Xk)為中心點(diǎn)的雅克比矩陣.對(duì)(12)所展開的泰勒級(jí)數(shù)進(jìn)行一階截取可以得

(16)

則一階的泰勒展開式的數(shù)學(xué)期望為：

(17)

一階的泰勒級(jí)數(shù)展開得方差為：

(18)

因此由式(16)～(18)構(gòu)成擴(kuò)展卡爾曼濾波基本算法.

對(duì)擴(kuò)展卡爾曼濾波算法基本步驟總結(jié)：

1)對(duì)狀態(tài)方程和測量方程初始化，即k=1時(shí)：

(19)

(20)

2)對(duì)于進(jìn)行初始化的狀態(tài)量進(jìn)行線性處理：

(21)

3)對(duì)于系統(tǒng)的狀態(tài)向量、誤差以及協(xié)方差進(jìn)一步預(yù)測，同時(shí)對(duì)于量測方程也進(jìn)一步預(yù)測得：

(22)

(23)

Zk+1=hk(Xk+1)

(24)

4)對(duì)量測向量線性處理得：

(25)

通過測量線性化處理，進(jìn)一步更新狀態(tài)估計(jì)值與誤差值：

(26)

(27)

因此當(dāng)(k+1)→1，則返回步驟(2)進(jìn)行狀態(tài)估計(jì)更新

2.2 算法局限性

通過上述分析可以看出與傳統(tǒng)卡爾曼濾波算法，擴(kuò)展卡爾曼濾波技術(shù)在非線性空間上有更好的適用性，通過文獻(xiàn)以及理論研究發(fā)現(xiàn)對(duì)于EKF算法在實(shí)現(xiàn)室內(nèi)定位時(shí)也是存在一定的局限性：

1)EKF算法對(duì)于非線性的函數(shù)進(jìn)行線性處理得到相應(yīng)的近似函數(shù)，EKF是濾波算法是對(duì)于泰勒展開式進(jìn)行一階截取，而忽略高階項(xiàng)，雖然一定程度使得EKF算法適用于非線性中，但是同時(shí)也會(huì)伴隨濾波精度不高甚至對(duì)于復(fù)雜的空間形式可能出現(xiàn)定位不穩(wěn)定性或者導(dǎo)致濾波結(jié)果發(fā)散.

2)擴(kuò)展卡爾曼濾波技術(shù)的計(jì)算復(fù)雜度較高、計(jì)算量大、錯(cuò)誤率高、實(shí)時(shí)性低，當(dāng)進(jìn)行線性化處理后數(shù)值不穩(wěn)定時(shí)，就會(huì)難以找到非線性函數(shù)的雅克比矩陣.

3)擴(kuò)展卡爾曼濾波算法的狀態(tài)與測量函數(shù)需要是連續(xù)可微的.

3 算法改進(jìn)

3.1 閾值設(shè)定

對(duì)于本文所研究復(fù)雜空間的室內(nèi)環(huán)境下，存在各類的因素干擾，這些因素均會(huì)對(duì)WIFI信號(hào)強(qiáng)度RSSI造成干擾，最終導(dǎo)致在復(fù)雜空間內(nèi)的NLOS定位誤差.因此本文對(duì)于現(xiàn)有擴(kuò)展卡爾曼濾波技術(shù)進(jìn)行改進(jìn)，將實(shí)際觀測值與測值做差.當(dāng)差值小于等于閾值，判定為定位環(huán)境是處于是LOS 場景下的，同時(shí)對(duì)于EKF算法的濾波增益不作改變; 反之表明此時(shí)的定位環(huán)境為NLOS環(huán)境下的并且存在NLOS 誤差，將EKF的濾波增益設(shè)為0，則：

(28)

(29)

對(duì)于閾值為在進(jìn)行室內(nèi)空間的定位時(shí)所設(shè)定.根據(jù)對(duì)于誤差與閾值判定的結(jié)果此時(shí)對(duì)狀態(tài)方程和誤差進(jìn)行更新.運(yùn)動(dòng)過程中，由于某些位置遮擋嚴(yán)重，通過設(shè)置閾值范圍，超出閾值范圍用卡爾曼濾波的狀態(tài)估計(jì)值代替，避免了誤差過大的測量值定位結(jié)果的影響.可使定位結(jié)果更加準(zhǔn)確可靠.

3.2 誤差分析

考慮設(shè)備響應(yīng)時(shí)間有延遲產(chǎn)生的誤差.標(biāo)準(zhǔn)時(shí)間偏差和NLOS誤差的存在是影響WIFI定位精度的主要原因， 標(biāo)準(zhǔn)時(shí)間偏差產(chǎn)生的誤差除硬件本身產(chǎn)生的誤差之外，還 包 括 溫 度 等 各 種 外 界 條 件 的 影響，其改正模型為：

dSD=cn+μ(s)+wn

(30)

其中：cn表示由固定時(shí)延誤差，硬件設(shè)備的誤差、非同時(shí)啟動(dòng)誤差和溫度等外界條件產(chǎn)生的誤差.

根據(jù)以上模型可以發(fā)現(xiàn)，由于不同設(shè)備存在的偏差不同，因此需要對(duì)每個(gè)設(shè)備進(jìn)行測試.假設(shè)溫度、濕度和大氣壓等外界條件不變，在不存在障礙，改進(jìn)的方法測出的距離信息精度較高；NLOS情形下，路勁損耗在傳播過程中墻體、桌椅等各種障礙物的介入產(chǎn)生了附加時(shí)延，是非視距條件下的測距誤差的主要來源.在LOS情形下，由于DP傳播過程中不存在.

3.3 定位干擾因素的處理

本文對(duì)各項(xiàng)誤差判斷方法，通過閾值判斷，在量測信息正常時(shí)，直接通過WIFI定位模型融合擴(kuò)展卡爾曼距離濾波器進(jìn)行解算，在量測信息出現(xiàn)異常時(shí)，通過擴(kuò)展卡爾曼距離濾波器去除噪聲，在完全NLOS條件下，首先通過路徑損耗模型對(duì)距離進(jìn)行修正，通過路徑損耗模型進(jìn)行修正之后的距離值 ：

(31)

以此距離值作為最終的距離值得出最終的定位信息.

4 實(shí)驗(yàn)與仿真分析

4.1 實(shí)驗(yàn)環(huán)境搭建及其樣本采集

本文實(shí)驗(yàn)地點(diǎn)為某教學(xué)樓走廊部分，對(duì)于實(shí)驗(yàn)區(qū)域內(nèi)WIFI信號(hào)已經(jīng)全覆蓋，如圖8所示某教學(xué)樓實(shí)驗(yàn)環(huán)境，本文應(yīng)用華為手機(jī)及傳感器進(jìn)行WIFI信息的采集，在空間內(nèi)均勻布置6個(gè)AP發(fā)送設(shè)備.對(duì)于AP的SSID用于區(qū)分同一區(qū)域所接受的WIFI信號(hào)強(qiáng)度.實(shí)驗(yàn)環(huán)境被分割為1米的網(wǎng)路結(jié)構(gòu)，對(duì)設(shè)備進(jìn)行信息采集.實(shí)驗(yàn)過程中人員走動(dòng)不受限制.

圖8 某教學(xué)樓實(shí)驗(yàn)環(huán)境Figure 8 Experimental environment of a teaching building

本文同時(shí)對(duì)于WIFI信號(hào)進(jìn)行采集分析，采集AP的設(shè)備為飛行堡壘7代電腦，筆記本外設(shè)驅(qū)動(dòng)進(jìn)行修訂，同時(shí)也采集30個(gè)子載波帶組的信道矩陣，通過該方式可以很好的識(shí)別以及抑制復(fù)雜空間的WIFI信號(hào)的多徑效應(yīng)

但考慮到對(duì)實(shí)際情況的考慮，為了具有普遍性采用易于獲取的RSSI，采集WIFI信號(hào)強(qiáng)度RSSI才用的是利用手機(jī)軟WIFI Scan采集當(dāng)前參考點(diǎn)處的離線指紋數(shù)據(jù)，對(duì)于發(fā)送硬件AP設(shè)備主要是H3C 、TP-LINK 、XIAOMI,該軟件的數(shù)據(jù)采集界面圖如圖9所示.

圖9 WIFI采集軟件界面Figure 9 WIFI acquisition software interface

對(duì)于在每個(gè)RP采集RSS信號(hào)強(qiáng)度時(shí)，由于人員在實(shí)驗(yàn)環(huán)境中測量時(shí)會(huì)干擾信號(hào)強(qiáng)度，所以采集數(shù)據(jù)時(shí)要需要在每一個(gè)RP分別采集東南西北四個(gè)方向的信號(hào)強(qiáng)度.

4.2 基于改進(jìn)算法的定位仿真分析

擴(kuò)展卡爾曼濾波算法對(duì)于處理本文所要實(shí)現(xiàn)的在復(fù)雜空間的定位情況，相對(duì)于傳統(tǒng)的KF、EKF算法相對(duì)于可以達(dá)到較為高精度的定位結(jié)果.下面對(duì)于改進(jìn)的EKF算法在NLOS情況下仿真實(shí)驗(yàn).

(32)

其中：ft為目標(biāo)的動(dòng)力，Δt為進(jìn)行擴(kuò)展卡爾曼濾波的采樣間隔.假設(shè)物體在第一階段教室內(nèi)走廊進(jìn)行直線的勻加速直線運(yùn)動(dòng)，然后一個(gè)簡單的轉(zhuǎn)彎動(dòng)作，最后在進(jìn)行勻速直線運(yùn)動(dòng).在上述的運(yùn)動(dòng)情況下進(jìn)行復(fù)雜空間的NLOS的定位跟蹤技術(shù)研究.過程噪聲方差Q=2，測量噪聲方差R=10，采樣間隔為1 s，采樣時(shí)長為100 s.使用EKF算法對(duì)于NLOS環(huán)境下進(jìn)行室內(nèi)跟蹤定位，在所處走廊勻速以及拐彎處的誤差，仿真如圖10～13所示.

圖10 基于EKF以及改進(jìn)算法仿真Figure 10 Based on EKF and improved algorithm simulation

圖11 勻加速直線走廊運(yùn)動(dòng)定位誤差Figure 11 Uniform acceleration linear corridor motion positioning error

圖12 在拐彎處的定位誤差Figure 12 Positioning error at the bend

圖13 兩種誤差累積曲線Figure 13 Two error accumulation curves

通過上述仿真可以了解到，對(duì)于傳統(tǒng)的EKF與改進(jìn)算法在LOS環(huán)境下的定位誤差相對(duì)差別不大，起始點(diǎn)處由于獲取的定位信息相對(duì)較少，擴(kuò)展卡爾曼濾波算法對(duì)于目標(biāo)跟蹤的定位的可信度出現(xiàn)誤差，在后續(xù)的定位中，基本誤差定位穩(wěn)定在1～2 m之間具有較好的跟蹤定位效果.但是處于NLOS環(huán)境時(shí)，在拐角處進(jìn)行定位時(shí)，由于各類多徑干擾、拐點(diǎn)處AP節(jié)點(diǎn)像話干擾等多重干擾因素較多導(dǎo)致定位誤差較大，可以看出對(duì)于現(xiàn)有EKF算法改機(jī)處于拐角處的定位誤差明顯下降.證明該算法具有一定的定位效果.但是由于誤差較大，對(duì)于室內(nèi)定位技術(shù)還是存在一定精度上改進(jìn)需求.

5 結(jié) 語

本文基于改進(jìn)的EKF算法，得到了定位的觀測值.通過建立“當(dāng)前”統(tǒng)計(jì)模型，利用改進(jìn)擴(kuò)展卡爾曼濾波算法得到了更為準(zhǔn)確的標(biāo)簽位置，減少了 NLOS 誤差和噪聲等因素對(duì)定位結(jié)果的影響.實(shí)驗(yàn)發(fā)現(xiàn)，濾波算法能較好地跟蹤目標(biāo)的運(yùn)動(dòng)，有效提高了定位的精度.