馬 冀，田 錦

（金陵科技學(xué)院 網(wǎng)絡(luò)與通信工程學(xué)院，江蘇 南京 211169）

0 引 言

隨著移動(dòng)智能終端的普及和移動(dòng)互聯(lián)網(wǎng)的迅猛發(fā)展，基于位置服務(wù)的應(yīng)用（如地圖導(dǎo)航應(yīng)用、摩拜單車(chē)、微博簽到等）大量涌現(xiàn)。這些位置服務(wù)都是基于已經(jīng)十分成熟的室外定位技術(shù)，如我國(guó)的北斗衛(wèi)星導(dǎo)航系統(tǒng)、美國(guó)的全球定位系統(tǒng)（Global Positioning System，GPS）。但是，在室內(nèi)環(huán)境中接收到的GPS信號(hào)非常微弱，甚至接收不到，致使這些成熟的室外定位技術(shù)無(wú)法直接運(yùn)用到室內(nèi)環(huán)境中，迫切需要研究新的室內(nèi)定位技術(shù)[1]。

目前，室內(nèi)定位技術(shù)總體分為三類(lèi)，即幾何定位方法、鄰近定位方法以及指紋匹配定位方法。幾何定位法是指利用接入點(diǎn)（Access Point，AP）與待測(cè)終端之間的距離，根據(jù)幾何學(xué)的原理估計(jì)出待測(cè)終端的方法。鄰近定位方法也可稱(chēng)為最近AP法，根據(jù)待測(cè)終端與一個(gè)或多個(gè)位置已知位置AP的鄰近關(guān)系，將待測(cè)終端接收到的信號(hào)最強(qiáng)的AP的位置作為該待測(cè)終端的位置。位置指紋法用聲學(xué)、光學(xué)、無(wú)線(xiàn)電等方面的特征指標(biāo)參數(shù)來(lái)描述定位環(huán)境中的各個(gè)位置。定位時(shí)，利用在定位點(diǎn)采集的位置指紋與指紋數(shù)據(jù)庫(kù)中的指紋進(jìn)行匹配，確定待測(cè)終端的位置。

指紋定位法的優(yōu)勢(shì)在于，不需要建立信道參數(shù)模型來(lái)估計(jì)收發(fā)機(jī)之間的距離，不需額外開(kāi)發(fā)硬件平臺(tái)來(lái)估計(jì)信道參數(shù)因而減少了硬件開(kāi)發(fā)的成本，甚至也不需要接入點(diǎn)具體的位置與布局，因此得到了廣泛的應(yīng)用。本文詳細(xì)介紹基于多模指紋進(jìn)行室內(nèi)定位的具體方案，分析了由于無(wú)法采集到均勻的指紋信號(hào)而導(dǎo)致現(xiàn)有基于均勻柵格劃分指紋定位方法無(wú)法有效應(yīng)用在實(shí)際中的具體原因，并提出一種非均勻柵格量化的多模指紋定位的解決方案。

1 指紋室內(nèi)定位基本原理與方案實(shí)現(xiàn)

1.1 基本原理

室內(nèi)多模指紋定位系統(tǒng)的構(gòu)成如圖1所示。該系統(tǒng)包括移動(dòng)客戶(hù)端（智能手機(jī)終端）、服務(wù)器端（位置指紋服務(wù)器）及無(wú)線(xiàn)訪(fǎng)問(wèn)接入點(diǎn)（Access Point，AP）?？蛻?hù)端主要負(fù)責(zé)采集周邊AP的無(wú)線(xiàn)信號(hào)強(qiáng)度，通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)傳輸?shù)胶笈_(tái)指紋位置服務(wù)器，向該服務(wù)器提交信號(hào)特征。位置指紋服務(wù)器使用客戶(hù)端采集的信號(hào)特征進(jìn)行定位計(jì)算，獲得移動(dòng)終端的位置估計(jì)，并反饋用戶(hù)位置到客戶(hù)端[7]。

圖1 室內(nèi)多模指紋定位系統(tǒng)的構(gòu)成

基于位置指紋的室內(nèi)定位技術(shù)方案如圖2所示。該方案采用WiFi無(wú)線(xiàn)信號(hào)作為位置指紋，將智能終端采集到的待定位點(diǎn)的WiFi站點(diǎn)名稱(chēng)和接收信號(hào)強(qiáng)度指示（Received Signal Strength Indication，RSSI）數(shù)據(jù)上傳到位置指紋數(shù)據(jù)庫(kù)，在數(shù)據(jù)庫(kù)中查找與之最相近的數(shù)據(jù)記錄，利用這些記錄的位置坐標(biāo)計(jì)算出待定位點(diǎn)的位置坐標(biāo)，將位置坐標(biāo)返回到客戶(hù)端，確定待定位點(diǎn)所在的位置[8-9]。

1.2 方案實(shí)現(xiàn)

該方案的定位流程可分為WiFi信號(hào)部署、離線(xiàn)指紋采集以及在線(xiàn)實(shí)時(shí)定位3個(gè)階段[10]。WiFi信號(hào)部署現(xiàn)場(chǎng)如圖3所示。本實(shí)驗(yàn)部署了4個(gè)WiFi接入點(diǎn)（Access Point，AP）。

圖3 WiFi AP現(xiàn)場(chǎng)部署

1.2.1 離線(xiàn)指紋采集階段

在離線(xiàn)指紋采集階段，采集WiFi AP無(wú)線(xiàn)信號(hào)的強(qiáng)度數(shù)據(jù)，建立位置指紋數(shù)據(jù)庫(kù)。測(cè)試人員手持帶WiFi通信接口的開(kāi)發(fā)板終端，在目標(biāo)環(huán)境的多個(gè)位置分別采集來(lái)自不同WiFi AP基站的RSSI信息，如圖4所示。

圖4 WiFi無(wú)線(xiàn)指紋庫(kù)數(shù)據(jù)現(xiàn)場(chǎng)采集

將整個(gè)無(wú)線(xiàn)覆蓋區(qū)域劃分為多個(gè)均勻或非均勻的定位柵格。這些定位柵格坐標(biāo)已知，稱(chēng)作參考點(diǎn)，記作（x，y）。在每一個(gè)參考點(diǎn)上，測(cè)試人員采樣來(lái)自多個(gè)鄰近WiFi AP的信號(hào)強(qiáng)度，形成一個(gè)一維向量，并與該參考點(diǎn)的坐標(biāo)相關(guān)聯(lián)，形成該參考點(diǎn)的位置指紋，如式（1）所示：

式中：n表示所監(jiān)測(cè)到的WiFi AP數(shù)量，RSSIk表示第k個(gè)AP的信號(hào)強(qiáng)度值。將所有參考點(diǎn)的位置指紋存儲(chǔ)于一個(gè)數(shù)據(jù)庫(kù)中，形成一個(gè)二維矩陣。

1.2.2 在線(xiàn)實(shí)時(shí)定位階段

根據(jù)待定位智能終端實(shí)時(shí)采集到的WiFi AP無(wú)線(xiàn)信號(hào)強(qiáng)度數(shù)據(jù)，形成該位置的指紋向量并上傳到位置指紋服務(wù)器，如圖5所示。服務(wù)器端通過(guò)指紋相似度匹配算法，將上報(bào)的位置指紋向量與數(shù)據(jù)庫(kù)中每一條指紋記錄相匹配，確定待定位智能終端的估計(jì)位置，并傳給智能終端設(shè)備。

圖5 現(xiàn)場(chǎng)實(shí)時(shí)定點(diǎn)定位測(cè)試

定位結(jié)果如圖6所示。本文的測(cè)試進(jìn)行了400次定點(diǎn)測(cè)量。圖6展示的是定位誤差的概率質(zhì)量函數(shù)（Probability Mass Function，PMF）。從定位結(jié)果可以看出，平均定位誤差約2 m，95%的定位誤差在4 m以?xún)?nèi)。因此指紋定位方法能夠滿(mǎn)足絕大部分室內(nèi)定位應(yīng)用的需求。

圖6 定位結(jié)果

2 非均勻柵格的指紋定位方法

已有的室內(nèi)多模指紋定位算法都是基于在室內(nèi)環(huán)境下多模信號(hào)的覆蓋是均勻的假設(shè)前提，即在每個(gè)室內(nèi)定位柵格里都能采集到相同維度的多模信號(hào)。因此，這些方法均是將待定位區(qū)域進(jìn)行均勻柵格劃分。而均勻柵格劃分實(shí)際上是平面區(qū)域的均勻量化（將整個(gè)柵格區(qū)域內(nèi)任一點(diǎn)的坐標(biāo)等效為柵格中心點(diǎn)的坐標(biāo)）。然而，在實(shí)際室內(nèi)環(huán)境下，不同制式的信號(hào)覆蓋是非均勻的。在實(shí)際的多模信號(hào)非均勻覆蓋的情況下，均勻量化定位區(qū)域的方法會(huì)面臨難以確定柵格劃分粒度的困境。如果按照較粗的粒度進(jìn)行柵格劃分（如5 m×5 m），會(huì)導(dǎo)致柵格內(nèi)有非蜂窩信號(hào)的覆蓋空洞；如果按照較細(xì)的粒度進(jìn)行柵格劃分（如1 m×1 m），會(huì)導(dǎo)致定位指紋的采集量突增，使得室內(nèi)定位系統(tǒng)部署復(fù)雜費(fèi)時(shí)，運(yùn)營(yíng)維護(hù)成本較高。

本文提出一種非均勻定位柵格劃分方法，通過(guò)初始柵格劃分、柵格分裂以及柵格合并，實(shí)現(xiàn)待定位區(qū)域的非均勻量化。所述定位區(qū)域非均勻量化指在多模信號(hào)密集的區(qū)域，采用粒度較小的柵格劃分該區(qū)域，而在多模信號(hào)稀疏的區(qū)域，采用粒度較大的柵格劃分該區(qū)域。具體步驟如下。

步驟1，初始柵格劃分。以5 m×5 m為粒度劃分待定位區(qū)域，得到初始柵格，并以柵格的幾何中心作為該柵格的定位參考點(diǎn)。

步驟2，初始柵格分裂，如圖7所示。以初始柵格為單位，判斷該初始柵格范圍內(nèi)是否有非蜂窩接入點(diǎn)（Access Point，AP）覆蓋。非蜂窩AP指無(wú)線(xiàn)保真（Wireless Fidelity，WiFi）AP。如果有非蜂窩AP覆蓋，則將5 m×5 m柵格進(jìn)一步劃分為25個(gè)1 m×1 m二級(jí)柵格，并以1 m×1 m柵格的幾何中心作為二級(jí)柵格的定位參考點(diǎn)。如果沒(méi)有非蜂窩AP覆蓋，則保持原有初始柵格不變。

圖7 非勻質(zhì)均勻定位柵格示意圖

步驟3，二級(jí)柵格合并。對(duì)于一個(gè)初始柵格內(nèi)沒(méi)有非蜂窩AP覆蓋的二級(jí)柵格，將這些二級(jí)柵格合并為一個(gè)二級(jí)柵格，并以其形心作為該二級(jí)柵格的定位參考點(diǎn)。

步驟4，以二級(jí)柵格為單位，基于高精度地圖，利用射線(xiàn)傳播模型計(jì)算柵格中定位參考點(diǎn)處的多模信號(hào)強(qiáng)度。多模信號(hào)強(qiáng)度包括定位參考點(diǎn)處接收到的蜂窩基站的參考信號(hào)接收功率（Reference Signal Received Power，RSRP）以及定位參考點(diǎn)處接收到的非蜂窩AP的接收信號(hào)強(qiáng)度指示（Received Signal Strength Indication，RSSI）。

步驟5，將定位參考點(diǎn)處的多模信號(hào)強(qiáng)度作為該柵格的特征指紋向量所有柵格的特征指紋向量組成定位指紋數(shù)據(jù)庫(kù)。其中，特征指紋向量包 括2G基 站的信號(hào)強(qiáng)度RSRP2G，3G基站的信號(hào)強(qiáng)度RSRP3G，4G基站的信號(hào)強(qiáng)度RSRP4G以及WiFi AP的信號(hào)強(qiáng)度RSSIWiFi。

3 結(jié) 語(yǔ)

本文首先分析了室內(nèi)定位技術(shù)在物聯(lián)網(wǎng)時(shí)代的需求與發(fā)展前景，從成本、部署難易程度、后期推廣方面綜合分析，提出基于位置指紋的室內(nèi)定位方法。其次，設(shè)計(jì)并實(shí)際搭建了室內(nèi)指紋定位系統(tǒng)，通過(guò)現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)表明，指紋定位系統(tǒng)能夠獲得比較精準(zhǔn)的定位結(jié)果。最后提出了一種基于平面區(qū)域非均勻量化的定位柵格劃分方法，能夠在室內(nèi)定位的定位精度和運(yùn)維成本方面取得平衡。