王寶晶

【摘要】針對(duì)當(dāng)前對(duì)室內(nèi)定位高精度的要求，本文提出了一種基于Wi-Fi和藍(lán)牙融合的室內(nèi)定位方案。該方案Wi-Fi部分利用核回歸的KL散度算法得到觀測(cè)點(diǎn)估計(jì)坐標(biāo)，藍(lán)牙部分利用K-means算法聚類出圓形估計(jì)區(qū)域。在融合階段，用藍(lán)牙聚類得到的圓形區(qū)域?qū)i-Fi估計(jì)的觀測(cè)點(diǎn)估計(jì)坐標(biāo)進(jìn)行修正，得到最終結(jié)果。實(shí)驗(yàn)結(jié)果表明，利用本文方案得到的定位結(jié)果，與單一利用基于KL散度的Wi-Fi定位結(jié)果相比，均方誤差減少了21%，與現(xiàn)有的Wi-Fi和藍(lán)牙融合的定位方法相比，定位精度也有了一定的提高。

【關(guān)鍵詞】 Wi-Fi;藍(lán)牙;K-means;KL散度

隨著城市現(xiàn)代化進(jìn)程的不斷推進(jìn)，可靠的室內(nèi)定位服務(wù)日益重要。目前存在的室內(nèi)定位技術(shù)大多依靠單一的無(wú)線技術(shù)，其中基于Wi-Fi的室內(nèi)定位技術(shù)已經(jīng)發(fā)展成熟，常用的是位置指紋法。位置指紋法分為確定性方法和概率性方法，在確定性方法中典型的算法有K鄰近法（KNN）。但這種方法僅取了RSSI的均值，無(wú)法提取足夠的在環(huán)境中波動(dòng)的RSSI信息。在概率性方法中，一些研究指出，RSSI信號(hào)在波動(dòng)呈現(xiàn)高斯分布。但進(jìn)一步研究顯示，RSSI信號(hào)呈現(xiàn)多元的分布 。為了充分的考慮多元分布，將KL散度模型應(yīng)用在Wi-Fi室內(nèi)定位中。

盡管基于Wi-Fi的研究已經(jīng)取得了很大的成果。但鑒于單一定位的局限性，近幾年來(lái)，融合的定位技術(shù)越來(lái)越多的受到關(guān)注。由于Wi-Fi與藍(lán)牙普遍共存在于各種電子設(shè)備上，基于Wi-Fi與藍(lán)牙融合的室內(nèi)定位成為研究的熱點(diǎn)。

在Wi-Fi與藍(lán)牙混合定位技術(shù)中，使用位置指紋算法，利用歐式距離和網(wǎng)格合并分別得到Wi-Fi和藍(lán)牙各自的定位結(jié)果，將兩種定位結(jié)果通過(guò)賦予不同的權(quán)值在決策級(jí)上進(jìn)行融合，提高了定位的實(shí)時(shí)性，但由于選擇了復(fù)雜度較低的歐式距離作為算法的基本模型，降低了定位精度。針對(duì)上述缺點(diǎn)，本文提出了一種基于KL散度與K均值聚類（K-means）的Wi-Fi與藍(lán)牙融合的室內(nèi)無(wú)線位算法，降低了RSSI動(dòng)態(tài)波動(dòng)帶來(lái)的影響，利用藍(lán)牙定位的區(qū)域修正Wi-Fi單一的定位結(jié)果，定位精度有了明顯的提高。

1.基于K-means的藍(lán)牙位置指紋識(shí)別算法

1.1 離線階段

設(shè)區(qū)域中有M個(gè)藍(lán)牙，N個(gè)參考點(diǎn)。得到每個(gè)參考點(diǎn)記錄的信息為，其中為參考點(diǎn)的位置坐標(biāo)，為第i個(gè)參考點(diǎn)接收的來(lái)自第個(gè)Beacon的經(jīng)過(guò)中值濾波得到的RSSI的值。

1.2 在線階段

觀測(cè)點(diǎn)接收來(lái)自M個(gè)Beacon的RSSI， 掃描P次，構(gòu)成P個(gè)RSSI向量集合，為第P次掃描接收的來(lái)自第個(gè)Beacon的的RSSI值。計(jì)算第一次掃描向量與參考點(diǎn)的歐式距離，公式如下：

（1）

在中找到距離最小的個(gè)參考點(diǎn)，根據(jù)第一次掃描結(jié)果得到估計(jì)觀測(cè)點(diǎn)的坐標(biāo)，公式如下：

（2）

同理，根據(jù)P次掃描結(jié)果得到P組觀測(cè)點(diǎn)坐標(biāo)。

利用K-means算法，對(duì)P組點(diǎn)進(jìn)行聚類，得到一個(gè)以聚類中心為圓心的圓形定位區(qū)域。

（3）

2.基與KL散度的Wi-Fi識(shí)別算法

2.1 離線階段

設(shè)區(qū)域中共有n個(gè)AP，k個(gè)參考點(diǎn)。每個(gè)參考點(diǎn)從這n個(gè)AP可獲得RSSI向量代表參考點(diǎn)的位置坐標(biāo)，用代表第j個(gè)參考點(diǎn)的RSSI分布，假設(shè)從每個(gè)AP獲得的RSSI分布都是獨(dú)立的，可得第j個(gè)參考點(diǎn)的RSSI分布：

（4）

2.2 在線階段

觀測(cè)點(diǎn)接收來(lái)自n個(gè)AP的RSSI，假設(shè)觀測(cè)點(diǎn)的位置坐標(biāo)為，為觀測(cè)點(diǎn)o從n個(gè)AP點(diǎn)獲得的RSSI向量，用代表觀測(cè)點(diǎn)o的RSSI分布，假設(shè)從每個(gè)AP獲得的RSSI分布都是獨(dú)立的，可得觀測(cè)點(diǎn)o的RSSI分布：

（5）

KL散度可以用來(lái)描述觀測(cè)點(diǎn)的RSSI概率分布與任意參考點(diǎn)RSSI概率分布的差異。表達(dá)式如下：

（6）

其中為參考點(diǎn)坐標(biāo)。

利用基于KL散度的核函數(shù)：

（7）

以作為權(quán)重，得到觀測(cè)點(diǎn)的坐標(biāo)為：

（8）

3.融合定位方法

將通過(guò)藍(lán)牙定位得到的圓形定位區(qū)域，與通過(guò)Wi-Fi定位得到的估計(jì)位置融合，取得交點(diǎn)即為最終定位坐標(biāo)。

4.實(shí)驗(yàn)及分析

4.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)采集

測(cè)試房間約50，選擇一個(gè)區(qū)域布置網(wǎng)格，橫縱間隔為1m，布置4個(gè)藍(lán)牙Beacon，2個(gè)Wi-Fi AP，選取45個(gè)參考點(diǎn)，20個(gè)測(cè)試點(diǎn)，記錄位置坐標(biāo)。

測(cè)試終端選取的是三星手機(jī)，分別記錄接收藍(lán)牙以及Wi-Fi AP的Mac地址、RSSI。每個(gè)參考點(diǎn)和測(cè)試點(diǎn)至少包含30次藍(lán)牙的RSSI值，200次Wi-Fi的RSSI。

記錄數(shù)據(jù)后，利用Matlab對(duì)數(shù)據(jù)進(jìn)行處理，建立指紋庫(kù)，K-means的K值取2。

4.2 結(jié)果及分析

利用記錄的20個(gè)觀測(cè)點(diǎn)的真實(shí)的位置坐標(biāo)進(jìn)行誤差分析。得到20個(gè)點(diǎn)的均方誤差為1.3207m。

對(duì)單一的Wi-Fi定位結(jié)果與Wi-Fi和藍(lán)牙融合的定位結(jié)果作了對(duì)比，如圖1所示。由圖可知，利用Wi-Fi與藍(lán)牙融合的算法得到的定位誤差明顯低于單一Wi-Fi的定位誤差。通過(guò)計(jì)算，均方誤差減少了21%。

5.結(jié)論及展望

本文提出了一種基于Wi-Fi和藍(lán)牙融合的室內(nèi)定位方案。實(shí)驗(yàn)結(jié)果表明，融合定位可以克服單一定位的局限性，使定位誤差大大減少。但研究場(chǎng)景設(shè)置的比較小，而且對(duì)定位的實(shí)時(shí)性要求比較低，在以后的研究中，可以嘗試大范圍場(chǎng)景采集數(shù)據(jù)并應(yīng)用到實(shí)時(shí)定位。

參考文獻(xiàn)

[1]湯麗，徐玉濱等.基于K鄰近算法的WLAN室內(nèi)定位技術(shù)研究[J].計(jì)算機(jī)科學(xué)，2009，36（4B）：54-57.

[2]陳淼.基于多高斯混合模型的WLAN室內(nèi)定位系統(tǒng)[J].華中科技大學(xué)學(xué)報(bào)，2012，40（4）：67-71.

[3]T，Vaupel，J，Seitz，F(xiàn)，Kiefer，S，Haimerl，J，Thielecke.Wi-Fi positioning：System considerations and device calibration[J/OL].2010 International Conference IEEE Xplore.

[4]Piotr，Mirowski，Harald，Steck，Philip，Whiting.KL-Divergence Kernel Regression for Non-Gaussian Fingerprint Based Localization[J/OL].978-1-4577-1804-5/11 2001 IEEE.

[5]楊帆，陸佳亮.混合RSSI位置指紋和慣性定位技術(shù)的室內(nèi)定位系統(tǒng)[J/OL].http：//www.paper.edu.cn.

[6]王睿，趙方，羅海勇等.基于Wi-Fi和藍(lán)牙融合的室內(nèi)定位算法[J].計(jì)算機(jī)研究與發(fā)展，2011（48Suppl.）：28-33.