胡先智　吳強(qiáng)　梁艷

摘 要：通過對典型WLAN定位方法的研究與分析，本文設(shè)計并實(shí)現(xiàn)了一種基于位置指紋的WLAN室內(nèi)定位系統(tǒng)。同時，將NNSS、KWNN和基于概率密度三個經(jīng)典WLAN定位算法應(yīng)用于該系統(tǒng)中，進(jìn)行了實(shí)際測試和分析，結(jié)果表明，本文所實(shí)現(xiàn)的系統(tǒng)具有很好的可靠性和實(shí)用性。

關(guān)鍵詞：WLAN；室內(nèi)定位；RSSI；位置指紋

中圖分類號：TN929.5

1 前言

基于位置的服務(wù)（LBS）越來越受到人們的關(guān)注，越來越多的定位直接利用現(xiàn)成的無線通訊模塊來估計對象節(jié)點(diǎn)的位置，應(yīng)運(yùn)而生的WLAN定位技術(shù)以低成本、低功耗成為室內(nèi)定位的主要方法之一。

2 基于WLAN的定位算法

基于WLAN的定位算法主要有到達(dá)角度定位（Angle 0f Arrival，AOA）、到達(dá)時間定位（Time Of Arrival，TOA）、信號強(qiáng)度分析法（Received Signal Strength，RSS）以及位置指紋定位法（Location Fingerprint）。AOA和TOA需要專門的設(shè)備支持，而且受非視距以及多徑影響比較嚴(yán)重；RSS對信道傳輸模型的依賴性非常強(qiáng)，多徑效應(yīng)、墻壁的遮擋以及環(huán)境條件的變化都會使其精度嚴(yán)重惡化。采用位置指紋定位技術(shù)則可以有效地克服以上定位算法的缺點(diǎn)?；谖恢弥讣y的定位方法主要包括兩個階段：（1）構(gòu)建指紋圖（Radio Map）；（2）定位階段。

3 基于位置指紋的WLAN定位的實(shí)現(xiàn)方法

3.1 定位網(wǎng)絡(luò)構(gòu)建

基于位置指紋的WLAN系統(tǒng)的實(shí)現(xiàn)，首先需要搭建一個室內(nèi)無線局域網(wǎng)環(huán)境，使每個可能出現(xiàn)移動用戶的位置被三個或三個以上AP信號覆蓋。在初始情況下，根據(jù)經(jīng)驗(yàn)和推測將AP放置在適當(dāng)位置，保持一定的發(fā)射功率，然后選取一些關(guān)鍵點(diǎn)進(jìn)行測量，如果發(fā)現(xiàn)盲區(qū)，則調(diào)整AP的位置，或者提高AP的發(fā)射功率，再進(jìn)一步測量，直至可能出現(xiàn)移動用戶的位置沒有盲區(qū)為止 。定位網(wǎng)絡(luò)系統(tǒng)由多個AP、多個移動客戶端和一個定位服務(wù)器組成。移動客戶端通過網(wǎng)卡獲取其到各個AP的RSSI，并發(fā)送到定位服務(wù)器進(jìn)行處理。

3.2 RSSI采樣

參照室內(nèi)平面圖選擇適當(dāng)?shù)牟蓸狱c(diǎn)，在各個采樣點(diǎn)多次測量和記錄相應(yīng)AP的RSSI值，并根據(jù)采樣數(shù)據(jù)分析環(huán)境的無線信道情況。由于實(shí)驗(yàn)是構(gòu)建環(huán)境RadioMap，因此必須采集盡可能多的數(shù)據(jù)。這就要求從多角度、多方面在同一采樣點(diǎn)測量多次。

3.3 計算RadioMap

RadioMap是元組（ap，x，y，s）的集合，其中ap是某個特定的AP，（x，y）是每個采樣點(diǎn)的平面坐標(biāo)，s是（x，y）處ap的RSSI特征量，它被用作定位匹配算法的參考，直接影響定位精度，因此要求其中必須包含盡可能多的元組，而這些元組可以通過經(jīng)驗(yàn)值法全部采樣得到，也可以通過數(shù)學(xué)模型計算得到。

3.4 定位階段（OnLine階段）

當(dāng)建立完RadioMap后，就可以運(yùn)用相應(yīng)的定位匹配算法，把實(shí)時測量的RSSI特征值和RadioMap中的位置指紋進(jìn)行比較，找出最佳匹配，獲得最佳定位效果。

4 定位算法

目前，在位置指紋定位算法中，典型的定位算法包括最近鄰算法NNSS、加權(quán)k近鄰KWNN和基于概率密度的方法。

4.1 最鄰近算法

NNSS（Nearest Neighors in Signal Space）有n個AP，m個采樣點(diǎn)。直接把RSSI平均值作為上述位置指紋，計算測量點(diǎn)的RSSI值和采樣點(diǎn)的RSSI值之間的歐幾里得距離，即假定第i個采樣點(diǎn)的對各AP信號強(qiáng)度元組為（si1，si2…sin）用戶當(dāng)前位置測量得到的信號強(qiáng)度為（s1，s2……sn）。則測量點(diǎn)和第i個采樣點(diǎn)的RSSI歐幾里得距離為disi，i從1到m中，取dis最小的值所對應(yīng)的采樣點(diǎn)的位置為測量點(diǎn)的估計值。

4.2 加權(quán)K鄰近算法（KWNN）

需要注意選擇恰當(dāng)?shù)膋值。因?yàn)槿绻鹝選取太大，則會將離用戶實(shí)際位置并不是很近的點(diǎn)也包括進(jìn)來，反而降低了定位精度。首先求測量點(diǎn)RSSI和各個采樣點(diǎn)RSSI間的歐幾里得距離，再取出k個歐幾里得距離最小時對應(yīng)的k個位置，求出該k個位置坐標(biāo)的平均值作為該測量點(diǎn)的位置：

但直接求k個坐標(biāo)的平均值作為測量點(diǎn)位置并不是很合適，應(yīng)該距離越近的位置權(quán)值越大。根據(jù)該理論權(quán)值計算方法如下：

上述公式中k和q為兩個參數(shù)，本系統(tǒng)中q被設(shè)為2。由此得出測量點(diǎn)坐標(biāo)估計值為：

4.3 基于概率密度的定位算法（ProbabilityMethod）

在該定位方法中，一個采樣點(diǎn)1處的位置指紋是RSSI值在該采樣點(diǎn)上對各個AP的聯(lián)合的概率密度。由于各個AP獨(dú)立，因此聯(lián)合概率可由各AP的邊緣概率求得：

上式中 表示在l處AP1的RSSI為S1、AP2的RSSI為S2...APn的RSSI為Sn的聯(lián)合概率密度， 表示在i處APi的RSSI為Si發(fā)生的邊緣概率密度。

假設(shè)AP的所有RSSI樣本都屬于區(qū)間[min，max]，其中min和max是RSSI樣本的最小值和最大值。該區(qū)間被劃分成k個子區(qū)間，k是一個可調(diào)參數(shù)，影響著對概率密度估計的準(zhǔn)確性。為了簡化問題，把k個子區(qū)間設(shè)為等寬，每個子區(qū)間寬度w為：

而子區(qū)間的樣本數(shù)量n的計算方法如下：

如圖1所示，Si、Si+1、...、Si+j+1、Si+j+2都為RSSI樣本，子區(qū)間寬度為w，由w1、w2、w3三部分組成，w1、w3為小數(shù)部分，w2為整數(shù)部分。

用上述直方圖法求可求出采樣點(diǎn)對各個AP的邊緣概率密度進(jìn)而求出各采樣點(diǎn)的聯(lián)合概率密度。在算法實(shí)現(xiàn)中為避免概率為0，在用直方圖估計概率密度前給每個值設(shè)為1/N。測量點(diǎn)估計坐標(biāo)為：

5 基于WLAN的定位系統(tǒng)實(shí)現(xiàn)

本系統(tǒng)的定位數(shù)據(jù)處理過程中，客戶端核心工作是獲取RSSI和發(fā)送RSSI，而服務(wù)器端的核心工作是接收RSSI，通過分析RSSI數(shù)據(jù)，計算并且形成RadioMap，最后通過定位計算，將位置呈現(xiàn)給用戶。

5.1 系統(tǒng)服務(wù)器端

系統(tǒng)服務(wù)器端劃分成如下。

實(shí)時定位模塊：用戶可以選擇定位算法，接收來自數(shù)據(jù)采集的OnLine數(shù)據(jù)并根據(jù)用戶選擇的定位算法進(jìn)行定位計算，然后將計算出的位置結(jié)果呈現(xiàn)給用戶。

數(shù)據(jù)采集模塊：負(fù)責(zé)與客戶端的服務(wù)器通信模塊進(jìn)行通信，從客戶端接收并解析RSSI數(shù)據(jù)包，將OnLine數(shù)據(jù)分發(fā)到實(shí)時定位模塊，OffLine存入RSSI數(shù)據(jù)庫，以便數(shù)據(jù)分析模塊進(jìn)行分析。

數(shù)據(jù)分析模塊：分析數(shù)據(jù)采集模塊得到的OffLine數(shù)據(jù)，計算RadioMap并用圖表形式向用戶呈現(xiàn)結(jié)果。

設(shè)備管理模塊：負(fù)責(zé)AP以及移動終端的管理。

系統(tǒng)配置模塊：用戶可以配置數(shù)據(jù)庫，SuperMap服務(wù)器，以及數(shù)據(jù)此采集模塊的通信端口等。

5.2 系統(tǒng)客戶端

系統(tǒng)客戶端分為如下四個模塊。讀取RSSI模塊：負(fù)責(zé)從網(wǎng)卡中讀取RSSI值；服務(wù)器通信模塊：負(fù)責(zé)和服務(wù)器進(jìn)行通信，發(fā)送RSSI數(shù)據(jù)，解析服務(wù)器的發(fā)給客戶端的配置信息。配置信息將影響讀取RSSI模塊的采集行為；客戶端配置模塊：讀取本地配置文件；本地存取RSSI模塊：當(dāng)服務(wù)器通信模塊發(fā)送RSSI數(shù)據(jù)失敗時，負(fù)責(zé)將發(fā)送失敗的RSSI數(shù)據(jù)存入本地文件中，以便后期處理。

6 實(shí)驗(yàn)結(jié)果與分析

本系統(tǒng)構(gòu)建的定位區(qū)域?yàn)?50cm*780cm的室內(nèi)環(huán)境，為減少復(fù)雜環(huán)境對定位效果的影響，把每次數(shù)據(jù)采集布置成一個任務(wù)，每個任務(wù)對應(yīng)一個位置指紋。定位所采用的指紋庫是在上述定位環(huán)境內(nèi)的13個采樣點(diǎn)的指紋組成，共6個待測位置進(jìn)行了定位實(shí)驗(yàn)。每個采樣點(diǎn)采樣次數(shù)為100次，采樣周期為300ms，每個待測位置采集定位數(shù)據(jù)500-600次共3400次。

用三種定位算法進(jìn)行定位，當(dāng)取K=5時，三種算法的誤差比較如圖2所示。

從圖中可以看出：基于概率密度的誤差較小，NNSS的誤差最大，KWNN次之。在位置6處的誤差比其他位置處的誤差要大一些，原因是該點(diǎn)處距離每一個AP的距離都比較遠(yuǎn)，因此誤差較大。

7 結(jié)束語

本文通過研究與分析典型的WLAN定位方法，設(shè)計與實(shí)現(xiàn)了一個WLAN定位系統(tǒng)。系統(tǒng)采用NNSS、KWNN和基于概率密度三種定位算法，并在實(shí)際環(huán)境中進(jìn)行了測試，結(jié)果表明本文系統(tǒng)具有較高的定位準(zhǔn)確性。