張言哲，陳國良，張儷文，汪云甲，王 堅

(中國礦業(yè)大學 環(huán)境與測繪學院，江蘇 徐州 221116)

1 引言

目前很多應用都是基于位置服務(location-based services，LBS[1])的，為了能夠提供可靠、高效的位置服務，對位目標進行實時、準確的定位成為了目前最需要解決的問題。定位分為兩種情況：室外定位和室內(nèi)定位。在室外環(huán)境中美國的全球定位系統(tǒng)(global positioning system，GPS)[2]和俄羅斯格洛納斯衛(wèi)星導航系統(tǒng)(global navigation satellite system，GLONASS)[3]得到了廣泛和成熟地應用，為室外環(huán)境中實現(xiàn)LBS提供了很好的技術(shù)支持。隨著我國的北斗衛(wèi)星導航系統(tǒng)(BeiDou navigation satellite system，BDS)[4]和歐盟伽利略衛(wèi)星導航系統(tǒng)(Galileo navigation satellite system，Galileo)[5])的逐步建成和投入使用，以及GPS和GLONASS的升級，使得全球衛(wèi)星導航系統(tǒng)(global navigation satellite system，GNSS)不斷壯大和完善[6]。另外，基于移動通信基站的蜂窩定位技術(shù)(如Cell-ID)以實時性好、網(wǎng)絡流量耗費較少的特點，也得到廣大移動通信用戶的青睞[7]。這使得室外定位技術(shù)走向成熟和完善。然而，由于GNSS信號和蜂窩信號在室內(nèi)環(huán)境中受到建筑物本身的遮擋以及建筑物內(nèi)部結(jié)構(gòu)如墻壁、門窗、各種擺設和實時變化的人員走動的影響，使得在室內(nèi)環(huán)境中接收到的信號極其微弱，無法從中獲得定位所需的有效信息[8]。

隨著無線保真(wireless fidelity，WiFi)網(wǎng)絡在城市的普及，使得利用公共WiFi無線信號實現(xiàn)室內(nèi)定位成為可能。目前WiFi室內(nèi)定位技術(shù)多采用基于接收信號強度(received signal strength indication，RSSI)的方法，該方法可以分為兩大類：基于WiFi信號傳播模型和基于WiFi信號指紋匹配的定位方法?；赪iFi信號傳播模型方法需預先采集待定位區(qū)域的每個無線訪問接入點(access point，AP)的位置和參數(shù)，由于每個AP點的位置無法有效獲取使得該方法實施困難。WiFi信號指紋匹配的定位方法無需獲取相關(guān)參數(shù)且部署簡單，因此，該方法成為室內(nèi)定位方法的首選。但是，由于WiFi信號本身的不穩(wěn)定性使得采用WiFi信號指紋匹配定位方法在連續(xù)單點定位時定位結(jié)果存在較大的噪聲，使得定位結(jié)果產(chǎn)生跳動現(xiàn)象。均值濾波是常用的降噪算法，該方法雖然算法簡單容易實現(xiàn)，但是不能有效的對WiFi信號指紋匹配定位結(jié)果進行去噪處理。本文利用卡爾曼濾波對定位結(jié)果進行去噪處理，進而估算用戶的位置坐標。試驗結(jié)果表明，相比常用的均值濾波，卡爾曼濾波算法是魯棒的，可有效改善WiFi定位精度，使得定位結(jié)果快速收斂到真實值附近，進而改善連續(xù)單點定位時的跳動問題。

2 WiFi信號指紋定位

2.1 WiFi信號指紋定位原理

WiFi信號指紋定位是基于指紋匹配算法的，該方法不考慮信號的衰減規(guī)律，而是通過與參考數(shù)據(jù)對比來估計物體可能的位置。此方法包括離線勘測和在線定位兩個階段：離線勘測階段是在待定位區(qū)域按照一定的間隔距離確定若干采樣點，形成一個采樣點的網(wǎng)格，并將每個點上測得的RSSI連同其位置信息一同保存到數(shù)據(jù)庫中，這些信息被稱為位置指紋；在線定位階段是將實時測得的RSSI與數(shù)據(jù)庫中的信息比較，取信號強度最接近的采樣點作為最終的定位結(jié)果。

在指紋庫記錄的點位信息中，一個點位上記錄所接收到的AP的MAC地址和對應RSSI值。匹配算法最常用的是由微軟公司采用的信號空間最近鄰法(nearest neighbor in signal space，NNSS)[9]。定位時，首先掃描所在點的AP信號，讀取MAC地址和對應的RSSI值，然后計算掃描到的RSSI值與指紋庫中每個指紋點的匹配度Length為

(1)

2.2 WiFi信號指紋定位跳動因素分析

由于WiFi在硬件條件的制約下，使其信號隨時間變化存在很大的波動性。如圖1所示，在一個指紋點上選取接收到的三個AP的信號，時間間隔為1 s連續(xù)采集25次的信號強度分布圖。從圖1可以看出，三個AP點的信號強度都存在很大的波動。且不同的AP跳動的范圍和幅度也不盡相同。圖中AP2的信號強度十分不穩(wěn)定，浮動范圍接近20 dBm。

影響WiFi信號穩(wěn)定性的因素有很多，有WiFi硬件的不穩(wěn)定性、室內(nèi)環(huán)境的不同、周圍建筑物的材質(zhì)不同等。但是針對一個特定的室內(nèi)環(huán)境，流動人員成為影響WiFi信號穩(wěn)定性的一個重要因素。另外，在離線勘測階段采集樣本點上WiFi信號強度的工作，一般是由相關(guān)的人員來進行。而定位面向的主要對象也是人，即針對用戶攜帶的移動設備收到的信號強度進行定位。據(jù)統(tǒng)計，人體70%的部分是由水組成，水的共振頻率正是無線局域網(wǎng)使用的通信頻率2.4 GHz，因此，人也是影響室內(nèi)信號傳播一個十分重要的因素。為了研究人對接收信號強度的影響，利用手機作為WiFi信號接收平臺做了下面的實驗：在一個樣本點上選取接收到的三個AP的連續(xù)25信號強度的方差來做對比，圖2為對比結(jié)果圖。圖2中無人指僅把手機放在該樣本點上不動采集25次，有人指手機平放在手中旋轉(zhuǎn)一周采集25次信號。

圖1 信號強度圖

圖2 信號強度方差圖

由圖2結(jié)果可以看出：無人情況下信號強度的方差最低，有人信號強度方差很大。說明在有人員參與采集指紋庫時會影響到WiFi信號的穩(wěn)定性。

綜上所述，WiFi信號的波動性一定程度上會影響到定位結(jié)果的穩(wěn)定性。這樣就造成了在同一位置連續(xù)定位時得到的定位結(jié)果會不斷變化，表現(xiàn)在用戶界面上就會出現(xiàn)位置的不斷跳動，這就降低了定位系統(tǒng)的用戶體驗。為模擬定位結(jié)果的跳動，在一個點靜止地連續(xù)定位40次，所得定位結(jié)果如圖3所示，可以看出跳動現(xiàn)象非常明顯。常用的降噪方法就是采用均值濾波來處理定位結(jié)果，但是降噪效果并不理想。本文利用卡爾曼濾波方法對定位結(jié)果進行降噪處理。

圖3 定位結(jié)果圖

3 濾波算法

所謂濾波就是從混合在一起的諸多信號中提取出所需要的信號。針對WiFi信號指紋單點定位這一過程，在每一次定位結(jié)果都是一次反應位置坐標的信號，最簡單的濾波算法就是對所有定位結(jié)果的坐標值求平均得出最終的濾波結(jié)果。

3.1 均值濾波

均值濾波對噪聲進行了求均值運算，在某種程度上對噪聲進行了平滑[10]。在連續(xù)定位過程中，每次定位只得到一組坐標值。將第k組坐標與第k-1步濾波后的坐標結(jié)果進行如下計算得出第k步濾波后的坐標結(jié)果：

(2)

3.2 卡爾曼濾波

卡爾曼濾波(Kalman filter，KF)是高斯過程最優(yōu)化濾波的一種有效算法，當對象模型足夠準確且系統(tǒng)狀態(tài)和參數(shù)不發(fā)生突變時，性能較好[11]。針對WiFi信號指紋單點連續(xù)定位這一過程，對象模型是一個平面位置坐標(x，y)，系統(tǒng)狀態(tài)為恒定的值，不會發(fā)生突變，在理論上可以采用卡爾曼濾波來進行定位結(jié)果的優(yōu)化。

建立以下卡爾曼濾波的過程方程和觀測方程：

Xk=AXk-1+W,W～N(0,Q)

(3)

Zk=HXk+V,V～N(0,R)

(4)

卡爾曼遞推濾波過程可描述如下：

輸入?yún)?shù)：上一步預測結(jié)果Xk-1和上一步預測系數(shù)Pk-1

4 實驗結(jié)果與分析

4.1 實驗環(huán)境

本文定位的試驗場地為中國礦業(yè)大學環(huán)境與測繪學院四層，該環(huán)境為典型的室內(nèi)辦公環(huán)境，部署了定位所需的AP。每個采樣點的間距為3 m左右，每個采樣點的采樣次數(shù)為25次，采樣間隔為1 s，對25次信號強度值取平均作為該采樣點的最終信號強度值存入指紋庫。

4.2 實驗結(jié)果

針對上述實驗環(huán)境，任選一試驗樣本點(坐標已知)，進行25次連續(xù)定位并按順序記錄每次定位結(jié)果，分別利用均值濾波和卡爾曼濾波進行處理。將已知的坐標值作為真值，WiFi定位結(jié)果作為觀測值，分別從觀測值、均值濾波值、卡爾曼濾波值與真值的對比來做比較分析。圖4為X軸方向的結(jié)果對比圖，圖5為Y軸方向的結(jié)果對比圖。圖4和圖5的對比結(jié)果表明，卡爾曼濾波與均值濾波對定位結(jié)果都有一定的去噪作用，但是相比均值濾波，卡爾曼濾波的作用效果更顯著，卡爾曼濾波很快就會收斂到真值附近。

圖4 結(jié)果對比圖

圖5 結(jié)果對比圖

圖6為觀測值、均值濾波和卡爾曼濾波的25次定位的軌跡對比圖，從圖中可以明顯看到觀測值跳動毫無規(guī)律，經(jīng)過均值濾波和卡爾曼濾波處理后，跳動范圍和幅度有所降低，但相比于均值濾波卡爾曼濾波的效果更顯著?？柭鼮V波最終收斂在一個很小的范圍，而均值濾波未能收斂。

圖6 定位軌跡對比圖

5 結(jié)束語

本文在介紹了WiFi信號指紋定位原理基礎上，討論了WiFi信號不穩(wěn)定性對單點連續(xù)定位產(chǎn)生的影響。利用卡爾曼濾波算法來改善定位結(jié)果跳動這一問題，對比常用的均值濾波方法，該方法能很好的去除定位結(jié)果中的噪聲，使定位結(jié)果快速收斂到真實值附近，有效的解決了WiFi信號指紋連續(xù)單點定位時定位結(jié)果出現(xiàn)跳動的問題。

[1] CHEN Xi-hui，PANG Jun.Protecting Query Privacy in Location-based Services[J].Geoinformatica，2014，18(1)：95-133.

[2] BAUER F H，HARTMAN K，LIGHTSEY E G.Spaceborne GPS Current Status and Future Visions[C]//Proceedings of ION GPS-98.Salt Lake City：[s.n.]，1998：21-28.

[3] WANG Jin-ling，STEWART M P，TSAKIRI M.Modelling GLONASS Measurements for Precise Positioning[J].Survey Review，2001，36(280)：110-120.

[4] YANG Yuan-xi，LI Jin-long，WANG Ai-bing.Preliminary Assessment of the Navigation and Positioning Performance of BeiDou Regional Navigation Satellite System[J].SCIENCE Science China Earth Sciences，2014，57(1)：144-152.

[5] TYTGAT L，CAMPAGNE B P.Galileo：Control of Space at the Service of Citizens[C]//Proceedings of the International Symposium GEOMARK 2000.Paris：[s.n.]，2000：3-20.

[6] LECHNER W，BAUMANN S.Global Navigation Satellite Systems[J].Computers and Electronics in Agriculture，2000，25(1-2)：67-85.

[7] 王睿.基于多傳感器融合的定位系統(tǒng)設計與實現(xiàn)[D].北京：北京郵電大學.2012.

[8] 胡天琨.基于Android的室內(nèi)導航定位系統(tǒng)設計與實現(xiàn)[D].上海：東華大學.2012

[9] BAHL P，PADMANNABHAN V N.RADAR：an In-building RF-based Location and Tracking System[EB/OL].[2014-08-12].http：//engr.uconn.edu/～song/classes/nes/radar.pdf.

[10] 吳建華，李遲生，周衛(wèi)星.中值濾波與均值濾波的去噪性能比較[J].南昌大學學報：工科版，1998，20(1)：32-35.

[11] 趙永翔，周懷北，陳淼，等.卡爾曼濾波在室內(nèi)定位系統(tǒng)實時跟蹤中的應用[J].武漢大學學報：理學版，2009，55(6)：696-700.