涂巖愷

（1.廈門雅迅網(wǎng)絡(luò)股份有限公司,福建 廈門 361008；2.中國電子科技集團(tuán)第三十研究所,四川 成都 610041）

基于矩陣向量概率指紋的基站定位系統(tǒng)*

涂巖愷1，2

（1.廈門雅迅網(wǎng)絡(luò)股份有限公司,福建 廈門 361008；2.中國電子科技集團(tuán)第三十研究所,四川 成都 610041）

針對基站定位方法準(zhǔn)確度不高的問題，提出基于矩陣向量概率指紋的基站定位方法．該方法對大量的采樣數(shù)據(jù)信號進(jìn)行概率學(xué)習(xí)，以基站信號變化的概率分布構(gòu)建無線信號指紋向量．該方法生成矩陣向量空間上的概率指紋，其本質(zhì)上利用了大數(shù)據(jù)隱含的信號波動規(guī)律特征，因此相比傳統(tǒng)的簡單指紋匹配定位方法取得更為理想的定位準(zhǔn)確率，定位結(jié)果也優(yōu)于基于無線信號衰減規(guī)律的TOA方法．

基站定位；概率指紋；無線信號；向量空間

1 基站定位系統(tǒng)簡介

在山谷、密林、城市樓群這類無法接收GPS信號的環(huán)境下，如何實(shí)現(xiàn)位置定位，是許多工程應(yīng)用（如工程機(jī)械車輛位置監(jiān)控、戶外作業(yè)人員位置監(jiān)控等）關(guān)注的焦點(diǎn)．現(xiàn)有的非GPS定位技術(shù)主要有：基于藍(lán)牙[1]、RFID[2]、WIFI[3]、基站[4]定位等．基站定位方法能滿足野外條件下的定位需求，并且因?yàn)槠涓采w范圍廣、實(shí)現(xiàn)成本較低等優(yōu)點(diǎn)而成為一種主要的定位手段，目前的主流手機(jī)地圖APP軟件均帶有基站定位功能．

普通的基于LAC（基站區(qū)域碼）+CID（基站小區(qū)碼）的單基站定位由于基站位置相隔較遠(yuǎn)因而精度很低；基于TOA（信號到達(dá)時間）或AOA（到達(dá)角度）方法需要在定位終端上安裝陣列天線等設(shè)備，因而不具普遍性；基于基站信號強(qiáng)度[5]估算與基站間距離的定位方法不需要額外設(shè)備，因此在具有手機(jī)通信模塊的普通設(shè)備上均能實(shí)現(xiàn)，但是由于無線信號的多徑效應(yīng)等現(xiàn)象，使信號強(qiáng)度不穩(wěn)定，造成定位精度較低．本文利用基站信號強(qiáng)度特征，基于柵格區(qū)域概率數(shù)據(jù)統(tǒng)計(jì)學(xué)習(xí)，構(gòu)建了一種在矩陣向量空間上表述的基站無線信號概率指紋，提出該概率指紋的匹配定位方法，構(gòu)建了實(shí)際的定位系統(tǒng)．基于概率指紋的基站定位系統(tǒng)框圖如圖1所示，是一個定位中心服務(wù)器．服務(wù)器在技術(shù)實(shí)現(xiàn)上基于MySQL與GUZZ數(shù)據(jù)持久層框架，支持大數(shù)據(jù)的分布式存儲與檢索．采樣數(shù)據(jù)來自于普通用戶手機(jī)或帶通信模塊的終端上傳的數(shù)據(jù)，采樣時通過地圖匹配標(biāo)注出采樣終端位置，連同采樣數(shù)據(jù)上傳到定位中心．中心對采樣數(shù)據(jù)進(jìn)行存儲、柵格化處理、提取柵格概率特征．

當(dāng)一個區(qū)域采樣完成后，即可對該區(qū)域提供基站定位服務(wù)．定位終端將所收到的基站信號上傳到定位服務(wù)中心與柵格概率特征比對，得到特征最相似的柵格位置作為定位結(jié)果發(fā)回終端．

圖1 定位系統(tǒng)框圖

2 無線信號概率指紋

2.1 傳統(tǒng)無線信號指紋

無線信號指紋[6]可用于基站、WIFI、藍(lán)牙等多種無線信號，表示的是某位置上所收到的無線信號源與對應(yīng)信號強(qiáng)度構(gòu)成的向量，采用F表示，假設(shè)某區(qū)域能收到的所有無線信號源有n個，表示為Wi，i=1, 2, …, n．W代表無線信號唯一性標(biāo)識，例如對于WIFI信號W可以是WIFI接入點(diǎn)的MAC地址，對于基站信號W則是基站的LAC+CID作為唯一性標(biāo)識，則指紋向量可表示為：

其中，rssi表示對應(yīng)的Wi在位置P的信號強(qiáng)度．}lnglat,{=P為采樣位置標(biāo)簽，包含緯度lat與經(jīng)度lng．

從傳統(tǒng)無線信號指紋的組成上可以看出，其無線信號強(qiáng)度為固定值，無法描述信號強(qiáng)度變化或波動的情況．實(shí)際上無線信號在任何時候都不是固定不變的，特別是基站信號，由于受到復(fù)雜的多徑效應(yīng)[7]和衰減[8]等因素的影響，在同一位置接收某一基站的信號，會出現(xiàn)無時間規(guī)律的波動變化，這些因素也造成了傳統(tǒng)指紋方法后續(xù)的定位誤差．

2.2 矩陣向量空間上的概率指紋

從基站信號無規(guī)律的變化中提取出描述總體變化情況的概率分布特征．這需要比較密集的采樣點(diǎn)或?qū)δ骋晃恢貌蓸狱c(diǎn)進(jìn)行連續(xù)多次采樣，為概率分布學(xué)習(xí)提供數(shù)據(jù)量支撐．整體系統(tǒng)實(shí)施需包含連續(xù)采樣、柵格化處理、生成概率指紋3個部分．

2.2.1 連續(xù)采樣

1）在需要實(shí)施基站定位區(qū)域，每隔一定距離進(jìn)行采樣，將采樣點(diǎn)經(jīng)緯度坐標(biāo)位置、接收到的LAC+CID、信號強(qiáng)度、采樣時間、運(yùn)營商類型上傳到基站定位中心服務(wù)器，記錄進(jìn)數(shù)據(jù)庫的采樣信息表．

2）在該采樣點(diǎn)上隔一小段時間進(jìn)行重復(fù)采樣．直到采樣數(shù)量達(dá)到要求．

3）更換采樣位置，直到采樣點(diǎn)否均勻遍布需要實(shí)現(xiàn)基站定位的區(qū)域．

2.2.2 柵格化處理

由于一般在一個小范圍區(qū)域內(nèi)的無線信號受干擾影響程度相同，即無線信號波動情況相同，因此對采樣區(qū)域小范圍柵格化，對柵格內(nèi)所有信號提取概率特征，柵格化處理步驟如下：

1）服務(wù)器計(jì)算出所有采樣點(diǎn)的經(jīng)、緯度的最大和最小值(minlng, minlat, maxlng, maxlat)．其中minlng和maxlng代表所有采樣點(diǎn)經(jīng)度最小值和最大值，minlat和maxlat代表所有采樣點(diǎn)緯度最小值和最大值．

2）取較小距離r為步長，將步長換算為經(jīng)緯度數(shù)θ．從minlng開始以每θ度劃分橫向柵格，得到柵格的橫向邊界位置坐標(biāo)集：

{minlng, minlng+θ, minlng+2θ,…, maxlng}.

從minlat開始以每θ度劃分縱向柵格，得到柵格的縱向邊界位置坐標(biāo)集：

{minlat, minlat+θ, minlat+2θ,…, maxlat}.

根據(jù)柵格邊界即可把采樣區(qū)域劃分為許多方形柵格，每個柵格記為Cell（m, n），其中m代表柵格處于第m行，n代表柵格處于第n列．柵格化處理的優(yōu)點(diǎn)在于：能減少在同一個采樣點(diǎn)所需的重復(fù)采樣次數(shù)，降低采樣工作量．為保證柵格內(nèi)不同采樣點(diǎn)信號強(qiáng)度受環(huán)境干擾影響程度相同，柵格化步長r不應(yīng)取太大的值，在較繁雜的環(huán)境中r值應(yīng)取較小值，在較簡單的環(huán)境中r值可適當(dāng)增大．

2.2.3 生成概率指紋

統(tǒng)計(jì)學(xué)習(xí)柵格內(nèi)信號變化的概率特征：

1）取出一個柵格Cell（m, n）內(nèi)的所有采樣記錄，假設(shè)一共R條，其中共有k個基站，每個基站的LAC+CID標(biāo)識用變量ID表示，則所有k個基站可用集合M表示M={ID1, ID2, ID3,…, IDk}，對每個基站i，(i=ID1, ID2,…, IDk)，建立一維數(shù)據(jù)緩存Ci,x，其中x 表示信號強(qiáng)度，其有效區(qū)間為[0, -100]，將每個緩存數(shù)值初始化為零：Ci,x=0．

2）從R條采樣記錄逐個取出采樣數(shù)據(jù)，根據(jù)采樣數(shù)據(jù)的基站編號值i與對應(yīng)的信號強(qiáng)度值x，將對應(yīng)的Ci,x緩存計(jì)數(shù)加1，判斷是否從單條采樣記錄中取出所有基站信號累加到相應(yīng)的Ci,x中，如果是則取下一條采樣記錄處理，直到處理完柵格內(nèi)所有R條記錄．

3）用PIDi(x)表示基站IDi當(dāng)其信號強(qiáng)度為x時的概率，則可統(tǒng)計(jì)出每一個柵格內(nèi)的所有基站無線信號的概率分布：

這些概率分布值組成概率指紋：

從圖2中可以直觀看出生成概率指紋的原理，圖中LSL與USL代表信號強(qiáng)度最小值與最大值，之間柱體越高表示該信號強(qiáng)度出現(xiàn)概率越大．

由式（3）與傳統(tǒng)指紋表達(dá)式（1）的對比可以看出，普通指紋是一個一維向量，而概率指紋中的每一個元素不再是一個固定值，而是一個與信號強(qiáng)度x相關(guān)的概率分布，是一個矩陣向量．在概率指紋中包含了普通概率指紋中所沒有的信號強(qiáng)度概率分布信息．

圖2 柵格化與概率指紋

3 指紋匹配定位

3.1 偽概率指紋

待定位終端接收到LAC+CID 集合N={ID1, ID2, …, IDn}與對應(yīng)的信號強(qiáng)度值{x1, x2, …, xn}，設(shè)終端信號強(qiáng)度滿足平均分布，其分布范圍為λ，計(jì)算各基站信號強(qiáng)度在[xi-λ, xi+λ]區(qū)間的概率分布：

生成終端的偽概率指紋：

終端生成偽概率指紋的目的在于保證終端定位實(shí)時性，避免和采樣過程一樣長時間學(xué)習(xí)信號的概率分布影響定位響應(yīng)時間．

3.2 匹配定位

將偽概率指紋上傳到定位中心．定位中心從概率特征表中取出所有滿足N∩M≠Φ的記錄，計(jì)算概率特征表中每條記錄的概率指紋與終端的偽概率指紋的相似度：

其中，S代表概率相似性；ε為階梯函數(shù)：

將相似度最高的記錄中的經(jīng)緯度（柵格中心標(biāo)）作為定位結(jié)果下發(fā)到終端，完成定位．

4 應(yīng)用效果

在上海某樓宇密集實(shí)驗(yàn)區(qū)域內(nèi)進(jìn)行實(shí)際應(yīng)用，該基站定位系統(tǒng)準(zhǔn)確率見表1，定位誤差在100 m以內(nèi)的概率超過50%，平均定位精度115 m．

與傳統(tǒng)手機(jī)APP的普通基站定位性能比較如圖3所示，定位效果明顯提高，特別是大幅改善了誤差在100 m以內(nèi)的定位概率．

表1 基站定位性能

圖3 基站定位效果對比

圖4 基站定位實(shí)測效果

圖4 為實(shí)測效果圖，黑色點(diǎn)為實(shí)際行走路線，白色點(diǎn)為本系統(tǒng)基站定位結(jié)果，實(shí)際點(diǎn)與對應(yīng)基站定位點(diǎn)由黑色線連接．可以看出，定位點(diǎn)比較準(zhǔn)確，緊密隨用戶終端移動．采用本文提出的矩陣向量概率指紋方法能夠充份利用信號變經(jīng)的概率分布特征，相比傳統(tǒng)方法增加了有效利用的信息量，定位效果得到提高，達(dá)到一定的實(shí)際應(yīng)用效果，證明了該方法的有效性．

[1] 張浩，趙千川．藍(lán)牙手機(jī)室內(nèi)定位系統(tǒng)[J]．計(jì)算機(jī)應(yīng)用，2011，31（11）：3152-3156．

[2] Ni L M, Liu Y, Lau Y C, et al. LANDMARC: indoor location sensing using active RFID[J]. Wireless Networks, 2004，10（6）：701-710．

[3] 涂巖愷，陳典全．多模自適應(yīng) WIFI 無線圖構(gòu)建與定位方法[J]．電子測量技術(shù)，2013（9）：112-114．

[4] 苗強(qiáng)，吳德偉，毛玉泉．多基站無源定位技術(shù)在區(qū)域定位網(wǎng)絡(luò)中的應(yīng)用[J]．現(xiàn)代雷達(dá)，2007，29（8）：12-14．

[5] 郭英龍，賽景波，樂麗琴，等．移動通信基站定位系統(tǒng)[J]．微型機(jī)與應(yīng)用，2010（5）：42-44．

[6] 魏菲，李允俊，金華．使用位置指紋算法的 WiFi 定位系統(tǒng)設(shè)計(jì)[J]．單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2014，14（5）：29-32．

[7] Ray J K, Cannon M E, Fenton P C. Mitigation of static carrier-phase multipath effects using multiple closely spaced antennas[J]. Navigation-Washington, 1999，46（3）：193-202．

[8] 劉益，王東，胡楚然，等．陰影衰落環(huán)境下無線傳感網(wǎng)絡(luò)的概率覆蓋研究[J]．電子技術(shù)應(yīng)用，2011，37（8）：98-101．

Station Positioning System Based on Matrix Vector of Probability Finger Print

TU Yankai1,2
（1.Xiamen Yaxon Network Co.,Ltd., Xiamen, Fujian 361008, China;2.The 30th Research Institute of China Electronics Technology Group Corporation, Chengdu, Sichuan 610041,China）

To handle the low precision of station positioning, a station positioning method based on matrix vector of probability finger print is proposed. By analysing the probability of a huge amount of sampling data signal, a wireless signal finger print vector is created. Compared with the traditional one-dimensional finger print vector, this method applies signal fluctuation principles to form a matrix vector of probability finger print. Therefore, the positioning result is better than that of either traditional finger print matching method or TOA method.

station positioning; probability finger print; wireless signal; vector space

TN967.3

A

1672-0318（2015）03-0014-05

10.13899/j.cnki.szptxb.2015.03.003

2015-01-29

*項(xiàng)目來源：廈門市科技計(jì)劃資助項(xiàng)目（編號：3502Z20130008）

涂巖愷（1983-），福建永安人，博士，工程師，研究方向?yàn)橹悄苄盘柼幚恚?/p>