徐瀟瀟，謝林柏，彭 力

(江南大學物聯(lián)網(wǎng)工程學院，江蘇無錫214122)

1 概述

隨著移動互聯(lián)網(wǎng)的高速發(fā)展，人們對位置信息感知的需求日益增多，GPS可以較好地滿足在室外環(huán)境的定位需求，但在相對封閉或者復雜的環(huán)境中，GPS定位通常不能獲得很好效果甚至無法定位［1］。所以，需要設(shè)計一個室內(nèi)定位系統(tǒng)，以滿足人們在室內(nèi)環(huán)境下對位置信息的需求。

根據(jù)無線信號傳播的距離與傳播時間、角度、和信號強度的關(guān)系建立不同模型，有基于信號達到角度(Angle of Arrival，AOA)模型、基于信號到達時間(Time of Arrival，TOA)模型、基于信號到達時間差(Time Difference of Arrival，TDOA)模型、無線信號傳播衰減模型等［2］，根據(jù)這些方法建立終端位置與模型相關(guān)變量的數(shù)據(jù)關(guān)系，通過檢測的AOA，TOA，TDOA或接收信號強度指示(Received Signal Strength Indicator，RSSI)信息計算用戶位置［3］。但是由于室內(nèi)建筑的遮擋會造成比較嚴重的多徑干涉以及反射等現(xiàn)象［4］，信號到達角與RSSI值等信息不能精確地描述兩點之間的位置關(guān)系［5］。

針對以上問題，本文系統(tǒng)在位置指紋算法的基礎(chǔ)上對無線接入點(Access Point，AP)進行過濾，減少無關(guān)AP對定位精度的影響，并結(jié)合改進的K最近鄰(K-Nearest Neighbor，KNN)匹配算法，計算出待定位置的位置信息。

2 室內(nèi)定位算法

由于室內(nèi)復雜的環(huán)境以及家具、門窗以及人員走動等因素的存在，利用傳統(tǒng)路徑損耗模型無法精確描述距離與信號強度之間的關(guān)系，路徑損耗模型如下:

其中，d0表示參考距離，一般取1 m;P(d0)表示在d0處的信號強度值;X?為一個高斯隨機變量，均值和標準差分別為0和?;n表示路徑損耗系數(shù);d表示待測距離;P(d)表示距離d處的信號強度值。由于路徑損耗系數(shù)在不同位置可能存在較大偏差，因此若在室內(nèi)環(huán)境下采用路徑損耗模型進行定位通常得到的結(jié)果偏差會比較大。

2．1 位置指紋定位算法的改進

位置指紋定位算法將待定位置周圍的AP信號強度特征與數(shù)據(jù)庫中參考位置的信息進行對比，再通過一定的匹配算法計算出待定位置的位置信息［6］。該算法能夠在一定程度上減少信號強度路徑損耗帶來的定位誤差，具有一定的抗干擾能力［7］。位置指紋定位算法的工作模式一般由2個階段組成:訓練階段和定位階段。

在訓練階段時，在定位區(qū)域選取若干個參考位置，記錄每個參考位置的信號參數(shù)集合，類似于人類指紋，每個信號參數(shù)集合對應(yīng)一個唯一的物理位置。參考位置指紋R為:

其中，n表示參考位置通信范圍內(nèi)的AP個數(shù);maci表示第i個AP的MAC地址;ri表示接收到的來自第i個AP的RSSI值。為減小不相關(guān)AP對系統(tǒng)定位精度的影響以及便于匹配算法的計算，參考位置與待定位置在進行信號特征采集時，只選取5組滿足條件的AP進行數(shù)據(jù)采集，并按照信號強度的大小依次排列，過濾后的參考位置指紋Ri為:

其中，i表示第 i個參考位置;r1＞r2＞r3＞r4＞r5。記錄這些參考位置的指紋信息以及物理坐標，存入數(shù)據(jù)庫中。一般來說，參考節(jié)點越多，定位精度和效果越好［8］。

在定位階段時，使用安卓客戶端獲得待定位置的指紋A:

將該指紋與數(shù)據(jù)庫中的參考位置指紋進行對比，利用改進的K最近鄰匹配算法計算出待定位置的位置信息。

2．2 K最近鄰匹配算法的改進

K最近鄰匹配算法的本質(zhì)是計算待定位置測量到的RSSI值組成的向量與數(shù)據(jù)庫中參考位置的RSSI向量的距離［9-10］。本文系統(tǒng)在待定位區(qū)域選取5個固定AP，假設(shè)數(shù)據(jù)庫中共有n個參考點，則距離公式表達式為:

其中，Ai表示待定位位置測得的第i個AP的RSSI值;Rji(j=1，2，…，n)表示數(shù)據(jù)庫中第j個參考點中來自i個AP的RSSI值。當p=1時，該距離稱為曼哈頓距離，當p=2時，該距離稱為歐幾里得距離，本文系統(tǒng)取p=2。定位的本質(zhì)是找出與待定位置之間距離d最小的一個或多個參考節(jié)點［11］。傳統(tǒng)匹配算法選取距離最小的1個或K個參考位置，本文系統(tǒng)選取與待定位置距離d最小的3個參考位置a，b，c，對應(yīng)距離與物理坐標分別為 da，db，dc與(xa，ya)，(xb，yb)，(xc，yc)。3 個點的權(quán)重分別為:

3 室內(nèi)定位系統(tǒng)設(shè)計

3．1 系統(tǒng)框架設(shè)計

系統(tǒng)由客戶端、服務(wù)器以及數(shù)據(jù)庫3個部分組成，交互流程如圖1所示。

圖1 室內(nèi)定位系統(tǒng)框架

隨著智能手機的發(fā)展，幾乎所有搭載Android系統(tǒng)的智能手機都具有 WiFi功能，這使得利用Android智能手機來進行室內(nèi)定位系統(tǒng)的開發(fā)變得可能。

Tomcat是一個由SUN公司開發(fā)的Servlet容器，具有開源、穩(wěn)定以及高效等特點，是開發(fā) Java Web應(yīng)用的最佳選擇之一。本文系統(tǒng)服務(wù)器端利用Servlet組件來實現(xiàn)，客戶端與服務(wù)器之間采用HTTP方式進行通信。

MySQL數(shù)據(jù)庫由于開源、使用免費、性能穩(wěn)定等特點，在中低端市場占據(jù)很大份額，因此本文系統(tǒng)的數(shù)據(jù)庫部分采用MySQL來實現(xiàn)，用來存儲參考位置的指紋信息。為使Tomcat能訪問并操作MySQL數(shù)據(jù)庫，首先必須利用Java數(shù)據(jù)庫連接(Java Data Base Connectivity，JDBC)來連接 Java程序與數(shù)據(jù)庫，在程序中加載并注冊JDBC的方法具體如下:Class．forName(“com．mysql．jdbc．Driver”)。

3．2 客戶端設(shè)計

安卓客戶端利用Eclipse來進行開發(fā)［12］，采用的手機型號為Google Nexus S。在進行客戶端開發(fā)前，應(yīng)先安裝Java語言的軟件開發(fā)工具包(Java Development Kit，JDK)，并對環(huán)境變量進行配置。客戶端實現(xiàn)了用戶登錄、上傳參考位置指紋信息和請求定位等功能。用戶在登錄模塊輸入用戶名、密碼以及服務(wù)器IP地址，根據(jù)IP地址將參數(shù)傳送至服務(wù)器，若連接成功，則進入訓練模塊和定位模塊。訓練模塊負責建立位置指紋信息數(shù)據(jù)庫，供定位階段進行參考和計算。定位模塊負責將待定位置指紋信息發(fā)送至服務(wù)器，并發(fā)起定位請求，等待服務(wù)器返回定位結(jié)果并將定位結(jié)果顯示在客戶端?？蛻舳肆鞒倘鐖D2所示。

圖2 客戶端流程

在客戶端中，共設(shè)計 Main，Data_collection和Start_location這3個Activity，分別為對應(yīng)登錄模塊、訓練模塊和定位模塊。

登錄模塊利用Http的POST方法，將username與password參數(shù)傳給服務(wù)器，通過服務(wù)器返回的值來判斷是否登錄成功。若登錄不成功，則無法進入訓練模塊和定位模塊進行下一步操作。

訓練模塊負責將參考位置的指紋信息以及該位置的ID與物理坐標發(fā)送至服務(wù)器，在將數(shù)據(jù)錄入數(shù)據(jù)庫前，先查詢該ID是否已經(jīng)存在，若存在，則讓用戶手動選擇是否覆蓋原有數(shù)據(jù)。在掃描通信范圍內(nèi)AP信息時，用到以下接口和類:ScanResult，WifiInfo和WifiManager。其中，ScanResult用來描述檢測到的所有AP的地址、名稱、頻率以及信號強度等信息;WifiManager提供了大部分用來操作WiFi的API。對獲得的原始數(shù)據(jù)，利用自定義的比較器按照信號強度大小由大到小依次排序。信號掃描界面如圖3所示。

圖3 信號掃描界面

定位模塊負責將待定位置的指紋信息發(fā)送至服務(wù)器，服務(wù)器通過對比數(shù)據(jù)庫的信息，利用改進的K最近鄰匹配算法計算出待定位置的信息并將定位結(jié)果返回給客戶端。在該模塊中，通過分別獲取發(fā)起定位時的時間和獲得位置信息時的時間來計算時間差，該差值即為定位消耗時間。

由于客戶端App涉及到對互聯(lián)網(wǎng)的訪問以及對WiFi的操作，因此要在AndroidMainfest文件中進行如下配置，以獲得相應(yīng)的操作權(quán)限。

3．3 服務(wù)器端設(shè)計

服務(wù)器端利用 MyEclipse進行開發(fā)，并通過Tomcat的Servlet來實現(xiàn)所有功能。本文設(shè)計采用的 Tomcat版本為 6．0．16。在使用 Tomcat前，需配置相關(guān)的環(huán)境變量，創(chuàng)建變量名為 CATALINA_HOME的系統(tǒng)變量，變量值為tomcat的安裝路徑。

在服務(wù)器端，共設(shè)計以下主要的類來滿足相應(yīng)客戶端的要求:Login_Servlet，Collection_Servlet，Query_Servlet，Location_Servlet，分別對應(yīng)驗證模塊、指紋信息錄入模塊、ID查詢模塊以及定位模塊，每個Servlet對應(yīng)一個模塊?？蛻舳说牟煌K訪問的Servlet不一樣。在本文系統(tǒng)中，客戶端的登錄模塊將參數(shù)傳遞至服務(wù)器端時，調(diào)用的是服務(wù)器驗證模塊對應(yīng)的Login_Servlet，客戶端在進行離線數(shù)據(jù)庫建立的過程中，調(diào)用的是服務(wù)器指紋信息錄入模塊對應(yīng)的Collection_Servlet，客戶端在發(fā)起定位請求時，調(diào)用的是服務(wù)器定位模塊對應(yīng)的 Location_Servlet。Servlet工作模式如圖4所示。

圖4 客戶端調(diào)用Servlet的流程

驗證模塊用來驗證用戶的登錄信息，通過doPost獲取 username和 password參數(shù)，若驗證正確，則通過PrintWrite向客戶端返回確認信息，表示驗證通過，客戶端可繼續(xù)調(diào)用其他模塊進行操作。

指紋信息錄入模塊用來接收并錄入?yún)⒖嘉恢弥讣y信息，通過doPost方法獲取參考節(jié)點ID、X軸位置、Y軸位置、通信范圍內(nèi)符合條件的AP的MAC地址以及RSSI值。在對數(shù)據(jù)庫進行插入操作前，先對該ID進行查詢，若該ID在數(shù)據(jù)庫中不存在，則將數(shù)據(jù)插入表格，并通過PrintWrite向客戶端返回確認信息，若改ID已經(jīng)存在，則不進行數(shù)據(jù)插入操作，并通過向客戶端返回相應(yīng)信息，由客戶端來確認是否進行強制替換操作。

查詢模塊用來查詢相應(yīng)ID的參考位置指紋信息，若該ID存在，則向客戶端返回該ID在數(shù)據(jù)庫中對應(yīng)的指紋信息。

定位模塊用來完成客戶端發(fā)出的定位請求，通過doPost方法獲取客戶端發(fā)送過來的待定位置指紋信息，將所得信息與數(shù)據(jù)庫的參考節(jié)點進行對比，利用改進的K最近鄰匹配算法計算出待定位置的物理坐標，最后將位置信息返回給客戶端。

數(shù)據(jù)庫采用MySQL進行開發(fā)，版本為5．5．35。新建表格location_books用于存放參考位置的相關(guān)信息，格式具體如下:

ID X Y MAC1 LEVEL1 MAC2 LEVEL2 MAC3 LEVEL3 MAC4 LEVEL4 MAC5 LEVEL5

其中，ID表示參考位置的編號;X與Y表示參考位置的物理坐標;MAC與 LEVEL表示 AP的MAC地址與該AP的RSSI值。

對于HTML或JSP文件，它們的URL與文件路徑之間存在對應(yīng)關(guān)系，而對于Servlet，需要在web．xml文件中對其映射 URL，具體由web．xml文件中的＜url-pattern＞元素來指定。

4 系統(tǒng)測試與結(jié)果分析

本文系統(tǒng)的測試地點為江南大學物聯(lián)網(wǎng)工程學院C516附近4個房間及走廊，測試區(qū)域大小為14．2 m ×16．1 m，選定 5個固定 AP。采用網(wǎng)格布局，每隔1 m設(shè)定一個參考位置，共選取224個參考位置。每個參考位置進行50次采樣，取中間值錄入數(shù)據(jù)庫。定位階段在待定位置進行5次采樣，取中間值進行定位計算，測試記錄如表1所示。

通過以上多組測量數(shù)據(jù)可得最小測量誤差為0．250 0 m，最大誤差為1．952 3 m，測量值與實際值的平均誤差為0．960 0 m，定位平均耗時為3．45 s，定位效果較理想。

表1 系統(tǒng)測試數(shù)據(jù)記錄

5 結(jié)束語

本文設(shè)計Android客戶端和Tomcat服務(wù)器，利用MySQL數(shù)據(jù)庫存儲參考節(jié)點的數(shù)據(jù)信息，采用改進的位置指紋算法，搭建一個室內(nèi)定位系統(tǒng)。該系統(tǒng)在現(xiàn)有WiFi的基礎(chǔ)上，無需添加額外的設(shè)備，成本較低。測試結(jié)果表明，該系統(tǒng)定位精度較高、定位速度較快，具有較高的實用價值。今后步將采用貝葉斯等概率及擴展定位范圍等方法進一步改進室內(nèi)定位精度。

［1］ 謝 翔，荊 昊，郭際明．室內(nèi)環(huán)境下手機GPS定位精度研究［J］．測繪通報，2012，8(2):95-98．

［2］ 盧恒惠，劉興川，張 超，等．基于三角形與位置指紋識別算法的 WiFi定位比較［J］．移動通信，2010，34(10):72-76．

［3］ 方 震，趙 湛，郭 鵬，等．基于RSSI測距分析［J］．傳感技術(shù)學報，2007，20(11):2526-2530．

［4］ 詹 杰，劉宏立，劉述鋼，等．基于RSSI的動態(tài)權(quán)重定位算法研究［J］．電子學報，2011，39(1):82-88．

［5］ 容曉峰，楊 娜．RSSI位置指紋的定位誤差分析與仿真［J］．西安工業(yè)大學學報，2010，30(6):574-578．

［6］ Mok E，Retscher G．Location Determination Using WiFi Fingerprinting Versus Wifi Trilateration［J］．Journal of Location Based Services，2007，1(2):145-159．

［7］ 都伊林．一種模糊聚類KNN位置指紋定位算法［J］．微型機與應(yīng)用，2012，31(23):55-58．

［8］ 趙慶賀，鄧 平，陳 佳．一種基于 AP ID過濾的WLAN位置指紋定位算法［J］．通信技術(shù)，2012，45(10):61-63．

［9］ Wu Xuewen，Tang Dunye，Qian Xinhong．A Centralized Location Algorithm Based on RSSIin Large-scale Wireless Sensor Network［J］．Procedia Engineering，2011，15(1):2004-2009．

［10］ 張曉亮，趙 平，徐冠青，等．基于一種優(yōu)化的KNN算法在室內(nèi)定位中的應(yīng)用研究［J］．電子設(shè)計工程，2013，21(7):44-46．

［11］ Huang Chih-Ning，Chan Chia-Tai．ZigBee-based Indoor Location System by K-nearest Neighbor Algorithm with Weighted RSSI［C］//Proceedings of the 2nd International Conference on Ambient Systems，Networks and Tcchnologies．Amsterdam，Holland:Elsevier，2011:58-65．

［12］ 李 煒，金 亮，陳 曦．基于Android平臺的室內(nèi)定位系統(tǒng)設(shè)計與實現(xiàn)［J］．華中科技大學學報:自然科學版，2013，41(S1):426-428．