陳業(yè)斌，王仁偉

(安徽工業(yè)大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，安徽馬鞍山 243032)

基于智能手機(jī)自適應(yīng)信號校正的室內(nèi)定位算法

陳業(yè)斌，王仁偉

(安徽工業(yè)大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院，安徽馬鞍山 243032)

隨著智能手機(jī)和無線通信技術(shù)的迅速發(fā)展，人們對基于室內(nèi)定位的應(yīng)用需求日益增多。由于在室內(nèi)環(huán)境下智能手機(jī)接收到的信號強(qiáng)度波動性較大，導(dǎo)致基于信號強(qiáng)度值的三角形加權(quán)質(zhì)心定位算法定位精度低。三角形加權(quán)質(zhì)心算法是基于無線測距的定位算法，其定位誤差是無線測距不精確導(dǎo)致的。無線測距是根據(jù)無線信號傳播的衰減模型利用接收信號強(qiáng)度來估計距離。無線信號在室內(nèi)環(huán)境下的傳播過程中，由于障礙物的遮蔽效應(yīng)、信號的反射、多徑效應(yīng)等因素的影響，使得定位節(jié)點與參考節(jié)點的真實距離越大則估計距離的誤差越大。針對以上問題，本文提出一種自適應(yīng)信號校正定位算法，該算法采用節(jié)點間距離公式的導(dǎo)數(shù)作為權(quán)值參數(shù)對距離進(jìn)行修正，從而進(jìn)一步提高定位精度。實驗結(jié)果驗證了該算法的有效性，與現(xiàn)有定位算法比較,精度提高35.9%。

自適應(yīng)信號校正；RSSI；室內(nèi)定位；三角形加權(quán)質(zhì)心

1 引言

近年來，全球定位系統(tǒng)(GPS)[1]技術(shù)已經(jīng)越來越廣泛應(yīng)用于人們的日常工作和生活中，如導(dǎo)航、跟蹤、定位、測繪等。由于建筑物內(nèi)金屬的屏蔽效應(yīng)，GPS在室內(nèi)環(huán)境下的定位精度不高。隨著各種無線通信技術(shù)的迅速發(fā)展以及移動智能設(shè)備的不斷普及，人們對在室內(nèi)環(huán)境下的基于位置的服務(wù)需求日益迫切，如智慧校園、智慧工廠、未來商店等。目前，Wi-Fi無線網(wǎng)絡(luò)已經(jīng)廣泛分布于校園、商場、住宅和辦公樓等大型室內(nèi)環(huán)境，與此同時，智能移動設(shè)備的功能不斷增強(qiáng)，不僅包含了加速度、磁力、陀螺儀、溫度等多種高精度傳感器，而且處理數(shù)據(jù)的能力更強(qiáng)、工作頻率也更高。因此，利用智能手機(jī)與Wi-Fi網(wǎng)絡(luò)進(jìn)行室內(nèi)定位具有良好的應(yīng)用前景。

目前，基于智能手機(jī)的定位算法可分為兩類：基于測距定位算法和基于指紋數(shù)據(jù)庫定位算法?；跍y距的定位算法主要包括：基于時間到達(dá)(Time of Arrival，TOA)[2-3],基于到達(dá)時間差(Time Difference of Arrival，TDOA)[4-5]，基于到達(dá)角度(Angle of Arrival，AOA)[6-7]和基于接收信號強(qiáng)度指示(Received Signal Strength Indication，RSSI)[8-10]等。其中，TOA和TDOA算法是利用精密的光學(xué)儀器測得信號的到達(dá)時間和到達(dá)時間差，由于光速是已知的，根據(jù)時間和光速得到距離，最后利用三角定位算法得到定位節(jié)點坐標(biāo)；RSSI算法是通過信號衰減模型根據(jù)信號強(qiáng)度值得到距離，也是利用三角定位算法得到定位節(jié)點的坐標(biāo)；AOA算法是通過某些硬件設(shè)備感知發(fā)射節(jié)點信號的到達(dá)方向，計算定位節(jié)點和參考節(jié)點之間的相對方向或角度，然后再利用三角測量法計算出定位節(jié)點的坐標(biāo)?；谥讣y數(shù)據(jù)庫的算法主要分為兩個階段：離線階段和定位階段。離線階段是采集RSS(Receive Signal Strength)指紋和位置信息并保存到數(shù)據(jù)庫中；定位階段是根據(jù)采集的RSS信息與數(shù)據(jù)庫中RSS指紋去匹配并得到位置信息。指紋數(shù)據(jù)庫算法的優(yōu)點是定位精度高，易實現(xiàn)；但是它的缺點也是顯而易見的，在離線階段需要花費大量的人力和物力去采集RSS指紋，而且只要室內(nèi)環(huán)境變化則需要重新采集RSS指紋，可適用性較低。

基于測距的定位算法可適用性較高，然而其定位精度不高，可通過改進(jìn)三角定位算法提高其定位精度。現(xiàn)有關(guān)于三角定位的研究主要是基于RSSI的三角加權(quán)質(zhì)心算法，它修正了距離遠(yuǎn)近對質(zhì)心位置的偏差，并取得了一定的定位效果。然而導(dǎo)致三角定位的誤差的根本原因是距離大小不準(zhǔn)確；由于室內(nèi)障礙物的遮蔽效應(yīng)、多徑傳播以及信號的反射作用，在測距階段使得定位節(jié)點與參考節(jié)點的真實距離越大則估計距離的誤差越大，從而導(dǎo)致定位誤差越大，現(xiàn)有的定位算法并沒有考慮到這一關(guān)鍵問題。針對這一不足，本文提出一種自適應(yīng)信號校正定位算法。

2 無線信號傳播模型

一般常用的無線信號傳播路徑損耗模型如下：自由空間傳播模型、對數(shù)距離路徑損耗模型、Hata模型[11]、對數(shù)-常態(tài)分布模型等。在實際環(huán)境中，由于多徑、障礙物、繞射等隨機(jī)因素，目前基于RSSI的定位采用更為合理的對數(shù)-常態(tài)分布模型。對數(shù)-常態(tài)分布模型數(shù)學(xué)表達(dá)式如下：

PL(d)=PL(d1)+10nlg(d/d1)+x1.

(1)

其中，d為發(fā)射節(jié)點與目標(biāo)節(jié)點的距離，單位為m；d1為單位距離，通常取1m；PL(d)為經(jīng)過距離d后的路徑損耗；x1為均值為0的高斯隨機(jī)分布，其標(biāo)準(zhǔn)差范圍為4～10；n為信號衰減因子。

接收節(jié)點接收到的RSS值表達(dá)式如下：

RSS=Pt-PL(d).

(2)

其中，Pt為發(fā)射節(jié)點的發(fā)射功率，設(shè)在d0的信號強(qiáng)度為A，則由(2)可知：

PL(d1)=Pt-A.

(3)

將(3)代入到(1)中可得：

PL(d)=Pt-A+10nlg(d/d1)+x1.

(4)

由于d1通常取1m且x1均值期望為0，所以(4)可簡化為：

PL(d)=Pt-A+10nlgd.

(5)

將(5)代入(2)中可得：

RSS=A-10nlgd.

(6)

將(6)進(jìn)行轉(zhuǎn)化得到(7)如下：

(7)

3 室內(nèi)定位算法

3.1 三角加權(quán)質(zhì)心定位算法

在室內(nèi)環(huán)境下，由于障礙物的遮蔽效應(yīng)、信號的反射、多徑效應(yīng)等因素的影響，使得采用信號強(qiáng)度值估計的距離與真實距離存在誤差。如圖1所示，A、B、C是3個不共線的參考節(jié)點，由于室內(nèi)環(huán)境是復(fù)雜多變的，這3個節(jié)點面對的環(huán)境也是不同的，故分別模擬出這3個節(jié)點的無線信號衰減模型。A、B、C向四周發(fā)射信號的過程中，在定位節(jié)點處會接收到A、B、C的信號強(qiáng)度，在分別根據(jù)各自的無線信號損耗模型計算出A、B、C與定位節(jié)點的距離依次為dA、dB、dC。分別以A、B、C為圓心，以dA、dB、dC為半徑畫圓；3個圓會相交出3個點，分別計算出這3個點的坐標(biāo)，以這3個點為頂點可以組成一個三角形，三角形的質(zhì)心可近似為未知節(jié)點的坐標(biāo)。

圖1 加權(quán)質(zhì)心算法原理圖

3.2 自適應(yīng)信號校正定位算法

前面三角加權(quán)質(zhì)心算法雖然考慮到了距離的不同對定位造成的不同影響，并提出加權(quán)因子，在定位精度方面取得了進(jìn)步，但是誤差較大現(xiàn)象依然客觀存在。無線信號在向外輻射的過程中，隨著距離的增大能量衰減越快，信號強(qiáng)度值偏差也就越來越大；從公式(7)中可以發(fā)現(xiàn)，距離公式是一個指數(shù)型函數(shù)，所以真實距離越大，則估計距離與真實距離的誤差越大。在實際實驗中，我們發(fā)現(xiàn)定位節(jié)點與參考節(jié)點的距離越近，信號強(qiáng)度值的偏差越小，距離估計的偏差也越?。欢ㄎ还?jié)點與參考節(jié)點相距越遠(yuǎn)，信號強(qiáng)度值的偏差越大，距離估計的偏差也越大。

導(dǎo)致定位誤差的根本原因是測距的不精確，若所測得的距離值都是真實值，那么計算出來的定位節(jié)點坐標(biāo)就是真實的坐標(biāo)。正是由于測距誤差的存在，才會導(dǎo)致定位的誤差。測距誤差的大小直接決定了定位誤差大小，并且測距誤差越大,定位誤差也會變大。針對這一現(xiàn)象，故提出自適應(yīng)信號校正定位算法。自適應(yīng)信號校正算法通過自適應(yīng)地修正3個距離值以提高定位精度。

在實驗的物理環(huán)境中，定位節(jié)點到3個參考節(jié)點的距離不同，偏差也就不同，修正值也不同。鑒于每一個距離值都不一樣，我們采用類似于梯度下降的方法去修正距離?？梢园l(fā)現(xiàn)Δd=f′(RSS)·ΔRSS。于是我們可以進(jìn)行如下變換：

(8)

其中,dA、dB、dC分別是定位節(jié)點到參考節(jié)點A、B、C的距離，f′(RSS)是f(RSS)的導(dǎo)函數(shù)，這樣對于不用的距離值都可以進(jìn)行正確的修正。再根據(jù)三角加權(quán)質(zhì)心計算定位節(jié)點的坐標(biāo)，三個圓的交點坐標(biāo)分為公式如下：

(9)

算法的實現(xiàn)步驟如下：

算法:自適應(yīng)信號校正定位算法 Input:RSS1,RSS2,RSS3數(shù)組;l1,l2,l3三個AP的坐標(biāo) Output:(X,Y)定位節(jié)點的坐標(biāo)sum1=sum2=sum3=0; for i=1,2,…,ndo sum1=sum1+RSS1[i]; sum2=sum2+RSS2[i]; sum3=sum3+RSS3[i];end[rss1,rss2,rss3]=[sum1/n,sum2/n,sum3/n];[d1,d2,d3]=[f1(rss1),f2(rss2),f3(rss3)];[c1,c2,c3]=[(l1,d1),(l2,d2),(l3,d3)];S=Area(c1,c2,c3);//計算三個圓形的公共面積while(S>)//是閾值 d1=d1-f1’(rss1)*; d2=d2-f2’(rss2)*; d3=d3-f3’(rss3)*;end[c1,c2,c3]=[(l1,d1),(l2,d2),(l3,d3)];[(XA,YA),(XB,YB),(XC,YC)]=getPublicPoints(c1,c2,c3);[X,Y]=getLocation((XA,YA),(XB,YB),(XC,YC));//根據(jù)公式(9)

4 實驗過程及結(jié)果

4.1 實驗環(huán)境的搭建

實驗的物理環(huán)境是我們平時用來學(xué)習(xí)的實驗室，長度為10m，寬度為8m。把3個TP-LINK的單天線的路由器作為802.11n信號接入點部署到實驗室，整個實驗環(huán)境如圖2和圖3所示，圖2為較復(fù)雜的實驗環(huán)境，圖3為一般實驗環(huán)境。

圖2 較復(fù)雜的實驗環(huán)境甲平面效果圖

圖3 一般實驗環(huán)境乙平面效果圖

4.2 信號衰減模型的模擬

無線信號的衰減模型其實就是距離與信號強(qiáng)度值的一個映射關(guān)系，這個映射關(guān)系即式(7)，其中含有兩個參數(shù)。我們在不同距離測量信號強(qiáng)度值，通過機(jī)器學(xué)習(xí)的方法監(jiān)督學(xué)習(xí)這兩個參數(shù)。

4.3 距離評估的誤差分析

無線信號在向外輻射過程中，隨著距離增大，能量衰減加快。前面我們已經(jīng)模擬出了無線信號的衰減模型，采集的信號強(qiáng)度值通過信號的衰減模型計算出評估距離，從而可以得到評估距離和真實距離的誤差。經(jīng)過反復(fù)和大量的實驗，結(jié)果如圖4所示。

圖4 真實距離與估算距離之間的誤差圖

4.4 實驗過程

整個實驗過程包括準(zhǔn)備階段和定位階段(圖5)。

圖5 整個定位過程的流程圖

4.4.1 準(zhǔn)備階段

Step1：采集數(shù)據(jù)。將移動節(jié)點依次置于預(yù)先部署好的位置已知的參考點，采集路由節(jié)點的RSS信息及其距離信息，得到訓(xùn)練樣本數(shù)據(jù)集。

Step2：數(shù)據(jù)過濾。由于室內(nèi)環(huán)境較為復(fù)雜，再加上信號擁塞等因素的影響，智能手機(jī)接收的RSS信息復(fù)雜多變，原始數(shù)據(jù)含有較高的噪音。在數(shù)據(jù)過濾階段，采用均值進(jìn)行過濾，以提高訓(xùn)練樣本的質(zhì)量。

Step3：通過最小二乘法對樣本數(shù)據(jù)模擬無線信號衰減模型，利用最小二乘法模擬過濾后的樣本數(shù)據(jù)集，可得到式(6)中的A和n兩個參數(shù)。

4.4.2 定位階段

Step1：采集RSS數(shù)據(jù)。Linux一句命令就可以掃描所有的AP并獲取AP信息，Android系統(tǒng)內(nèi)核基于Linux，在安卓手機(jī)上部署相關(guān)應(yīng)用即可采集RSS信息。

Step2：RSS預(yù)處理。由于RSS信息易受干擾，復(fù)雜多變，手機(jī)獲取RSS具有緩存機(jī)制，剛開始采集的RSS都是上一次時刻采集的RSS信息。故先刪除所采集的RSS信息的前小部分，然后再進(jìn)行均值過濾以提高RSS信息質(zhì)量。

Step3：距離變量循環(huán)更新。由于信號受障礙物的遮蔽效應(yīng)，定位節(jié)點與參考節(jié)點的真實距離越大則估計距離的誤差越大。故采用循環(huán)更新方法對距離變量進(jìn)行修正。

Step4：定位坐標(biāo)。對距離變量進(jìn)行修正之后再進(jìn)行三角加權(quán)質(zhì)心定位，利用式(9)進(jìn)行坐標(biāo)計算，得到實驗結(jié)果。

4.4.3 實驗結(jié)果分析

實驗結(jié)果如圖6所示，在實驗環(huán)境甲下，經(jīng)過計算得到質(zhì)心算法的平均誤差為2.59m，加權(quán)質(zhì)心算法的平均誤差為2.45m，自適應(yīng)信號修正算法的平均誤差為1.57m。從圖7中也驗證了本文所改進(jìn)算法對定位精度的明顯提高。

圖6 實驗環(huán)境甲定位誤差圖

圖7 實驗環(huán)境乙定位誤差圖

圖6中自適應(yīng)修正算法的誤差在質(zhì)心算法和加權(quán)質(zhì)心算法的下方，從而驗證了本文所改進(jìn)算法對定位精度的明顯提高。在實驗環(huán)境乙下，質(zhì)心算法的平均誤差為2.608m，加權(quán)質(zhì)心算法的平均誤差為2.272m，自適應(yīng)信號修正算法的平均誤差為1.552m。從圖2和圖3中可以看出實驗環(huán)境乙比實驗環(huán)境甲要空曠一些，故實驗環(huán)境乙的定位誤差相對較高。

5 結(jié)語

基于RSSI測距的三角形加權(quán)質(zhì)心算法在實際定位應(yīng)用中有較大的誤差，這種誤差完全是由環(huán)境因素使RSSI測距不準(zhǔn)確導(dǎo)致的。本文在三角加權(quán)質(zhì)心算法的基礎(chǔ)上，根據(jù)RSSI的衰減模型為測試距離提供修正因子以保證定位精度，提出了自適應(yīng)信號校正定位算法。根據(jù)實驗結(jié)果對比可知，在相同條件下，自適應(yīng)信號校正定位算法的實驗效果明顯優(yōu)于三角形加權(quán)質(zhì)心算法，定位精度可提高35.9%。在不同環(huán)境中，復(fù)雜環(huán)境比一般環(huán)境定位精度要低很多。

[1]Liu H,Darabi H,Banerjee P,et al.Survey of wireless indoor positioning techniques and systems[J].IEEE Transactions on Systems,Man and Cybernetics,Part C:Applications and Reviews,2007(6):1067-1080.

[2]Wang X,Wang Z,O Dea B.A TOA-based location algorithm reducing the errors due to non-line-of-sight(NLOS) propagation[J].IEEE Transactions on Vehicular Technology,2003(1):112-116.

[3]王沁,何杰,張前雄,等.測距誤差分級的室內(nèi) TOA 定位算法[J].儀器儀表學(xué)報,2011(12):2851-2856.

[4]張毅,汪紀(jì)鋒,李柱.移動通信信號到達(dá)時間差定位的估計[J].系統(tǒng)工程與電子技術(shù),2001(7):27-29.

[5]Girod L,Estrin D.Robust range estimation using acoustic and multimodal sensing[C].IEEE/RSJ International Conference on Intelligent Robots and Systems,Proceedings,2001:1312-1320.

[6]Niculescu D, Nath B. Ad hoc positioning system (APS) using AOA[C].Proceedings-IEEE INFOCOM,2003:1734-1743.

[7]王梓有,周憲英.無線傳感器網(wǎng)絡(luò)基于信號到達(dá)角度的節(jié)點定位算法研究[J].艦船電子工程,2012(7):40-42.

[8]王振朝,張琦,張峰.基于 RSSI 測距的改進(jìn)加權(quán)質(zhì)心定位算法[J].電測與儀表,2014(21):63-66.

[9]張蒼松,郭軍,崔嬌,等.基于 RSSI 的室內(nèi)定位算法優(yōu)化技術(shù)[J].Computer Engineering and Applications,2015(3): 235-238.

[10]陳順明,李平.基于 RSSI 權(quán)值的環(huán)境適應(yīng)型室內(nèi)定位算法研究[J].Computer Engineering and Applications,2015(22): 99-103.

[11]吳彥鴻,王聰,徐燦.無線通信系統(tǒng)中電波傳播路徑損耗模型研究[J].國外電子測量技術(shù),2009(8):35-37.

[12]陳維克,李文峰,首珩,等.基于RSSI的無線傳感器網(wǎng)絡(luò)加權(quán)質(zhì)心定位算法[J].武漢理工大學(xué)學(xué)報,2006(12):2695-2700.

[13]陳祠,牟楠,張晨,等.基于主成分分析的室內(nèi)指紋定位模型[J].軟件學(xué)報,2013(1):98-107.

[14]蔡文學(xué),邱珠成,黃曉宇,等.基于 WiFi 指紋的室內(nèi)軌跡定位模型[J].計算機(jī)工程,2015(6):76-82.

[15]Kotaru M,Joshi K,Bharadia D,et al.Spotfi:Decimeter level localization using WiFi[C].Proceedings of the 2015 ACM Conference on Special Interest Group on Data Communication,ACM,2015:269-282.

[16]He S,Hu T,Chan S H G.Contour-based Trilateration for Indoor Fingerprinting Localization[C].Proceedings of the 13th ACM Conference on Embedded Networked Sensor Systems,ACM,2015:225-238.

The Apaptive Signal Correct of Indoor Position Algorithm Based on Smart Phone

CHEN Ye-bin, WANG Ren-wei

(Anhui University of Technology School of Computer Science and Technology，Ma’anshan Anhui 243032, China)

With the rapid development of smart phones and wireless communication technology, the demand for the application of indoor positioning is increasing. Due to the large fluctuation of signal intensity in the indoor environment, the triangle weighted centroid localization algorithm based on the value of the signal intensity is low. Triangle weighted centroid algorithm is based on the wireless location algorithm, and its positioning error is caused by inaccurate wireless ranging. Wireless ranging is based on the attenuation model of the radio signal to estimate the distance by using the received signal strength. Wireless signal propagation in indoor environments, due to the obstacles of the shadowing effect, the signal reflection and multi-path effect, the real distance positioning node and the reference node is estimated the distance error is large. In view of the above problems, this paper proposes an adaptive signal correction algorithm, which uses the derivative of the distance between the nodes as the weight parameters to correct the distance, and further improve the positioning accuracy. Experimental results show that the proposed algorithm is effective, and the accuracy of the proposed algorithm is improved by 35.9% compared with the existing algorithm.

adaptive signal correction; RSSI; indoor position;triangle weighted centroid

2016-07-28

安徽高校自然科學(xué)研究重大項目“雙環(huán)網(wǎng)絡(luò)并行路由策略的研究”(KJ2015ZD39)。

陳業(yè)斌(1971- )，男，教授，碩士生導(dǎo)師，從事計算機(jī)網(wǎng)絡(luò)及數(shù)據(jù)庫研究。

王仁偉(1991- )，男，碩士研究生，從事無線傳感器網(wǎng)絡(luò)及稀疏編碼等研究。

TN911

A

2095-7602(2017)02-0010-07