曾光 丁宇凌 黃健盛 黃楊靈

摘? 要：文章提出一種WKNN優(yōu)化算法，設(shè)計(jì)與實(shí)現(xiàn)了基于Wi-Fi信號(hào)的室內(nèi)人員定位追蹤系統(tǒng)。針對(duì)傳統(tǒng)WKNN算法中利用加權(quán)平均計(jì)算權(quán)重不穩(wěn)定，存在一定誤差的問題，引入可以不斷遞歸處理數(shù)據(jù)的卡爾曼濾波，獲取加權(quán)系數(shù)的最優(yōu)估計(jì)值，以此提高室內(nèi)定位精度，并在此基礎(chǔ)上設(shè)計(jì)與實(shí)現(xiàn)了基于Wi-Fi信號(hào)的室內(nèi)定位軟硬件系統(tǒng)。測(cè)試結(jié)果表明，改進(jìn)后的算法在特定環(huán)境中的定位誤差可控制在1.2米以內(nèi)，提高了基于Wi-Fi信號(hào)的室內(nèi)定位的精度與穩(wěn)定性，達(dá)到了預(yù)期效果。

關(guān)鍵詞：室內(nèi)定位;Wi-Fi;WKNN;卡爾曼濾波

中圖分類號(hào)： TP311;TN929.5 ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2021）23-0001-05

Design and Implementation of Indoor Personnel Positioning and Tracking System Based on Wi-Fi Signal

ZENG Guang， DING Yuling， HUANG Jiansheng， HUANG Yangling

（Guangdong Communication Polytechnic， Guangzhou? 510650， China）

Abstract： In this paper， a WKNN optimization algorithm is proposed， and an indoor personnel positioning and tracking system based on Wi-Fi signal is designed and implemented. Aiming at the problem that the weight calculated by weighted average in the traditional WKNN algorithm is unstable and there are some errors， the Kalman filter which can continuously recursively process the data is introduced to obtain the optimal estimation value of the weighting coefficient， so as to improve the indoor positioning accuracy. On this basis， the indoor positioning software and hardware system based on Wi-Fi signal is designed and implemented. The test results show that the positioning error of the improved algorithm in a specific environment can be controlled within 1.2 m， which improves the accuracy and stability of indoor positioning based on Wi-Fi signal and achieves the expected effect.

Keywords： indoor positioning; Wi-Fi; WKNN; Kalman filter

0? 引? 言

按照應(yīng)用場(chǎng)景的不同，空間定位技術(shù)可以分為室內(nèi)定位和室外定位。其中，室外定位（如GPS、伽利略、北斗衛(wèi)星導(dǎo)航等）在近幾年得到迅速發(fā)展，基本可以滿足不同行業(yè)和領(lǐng)域的定位需求[1]。相比之下，受室內(nèi)結(jié)構(gòu)與布局的復(fù)雜的影響，并且室外定位常用的衛(wèi)星信號(hào)在室內(nèi)復(fù)雜環(huán)境下衰減嚴(yán)重，定位精度銳減，導(dǎo)致室外定位技術(shù)無(wú)法有效應(yīng)用于室內(nèi)，從而使得被稱為位置服務(wù)“最后一公里”的室內(nèi)定位技術(shù)發(fā)展滯緩[2]。

然而，在安全施工、災(zāi)害預(yù)防、救援指引、室內(nèi)導(dǎo)航等領(lǐng)域，通常面對(duì)的是復(fù)雜的未知環(huán)境，尤其是在室外定位技術(shù)效果受限的封閉或半封閉場(chǎng)景（比如隧道、礦井、倉(cāng)庫(kù)、地下停車場(chǎng)等）中，良好的室內(nèi)定位技術(shù)將能幫助人們很好地掌握室內(nèi)境況，對(duì)相關(guān)的救援或指引具有極其重要的作用。

本文在對(duì)比各種室內(nèi)定位技術(shù)的基礎(chǔ)上，選擇獨(dú)具優(yōu)勢(shì)的Wi-Fi技術(shù)，針對(duì)當(dāng)前Wi-Fi室內(nèi)定位技術(shù)存在定位精度與穩(wěn)定性不高的問題，通過基于RSSI的位置指紋算法，利用卡爾曼濾波優(yōu)化其中的WKNN算法，并通過設(shè)計(jì)軟硬件系統(tǒng)進(jìn)行應(yīng)用實(shí)驗(yàn)，驗(yàn)證了本文算法的實(shí)用性和有效性。

1? 室內(nèi)定位技術(shù)

當(dāng)前室內(nèi)定位的主流技術(shù)包括視覺和射頻兩個(gè)方向：視覺方向主要是利用攝像頭，結(jié)合圖像處理算法對(duì)室內(nèi)物體進(jìn)行定位判斷，這對(duì)攝像頭視角、圖像處理效率以及存儲(chǔ)容量均有較高的要求[3];射頻方向是當(dāng)前探索領(lǐng)域應(yīng)用最廣的技術(shù)，主要包括無(wú)線射頻識(shí)別（RFID）、無(wú)線傳感器網(wǎng)絡(luò)（WSN）、超寬帶（UWB）、藍(lán)牙（Bluetooth）以及Wi-Fi技術(shù)[4]。相較于其他幾種射頻技術(shù)，Wi-Fi技術(shù)具有移動(dòng)靈活、成本低廉、應(yīng)用廣泛、擴(kuò)展及鋪設(shè)便捷等優(yōu)勢(shì)，是當(dāng)前最具發(fā)展前景的室內(nèi)定位技術(shù)之一[5]。幾種典型室內(nèi)射頻定位技術(shù)的比較如表1所示。

基于Wi-Fi的室內(nèi)定位技術(shù)所面臨的主要挑戰(zhàn)之一是，復(fù)雜環(huán)境的變化會(huì)帶來信號(hào)強(qiáng)度的動(dòng)態(tài)變化，進(jìn)而導(dǎo)致建立位置指紋庫(kù)耗時(shí)、定位精度不穩(wěn)定等問題[6]。本文基于上述問題，選取基于RSSI的Wi-Fi室內(nèi)定位技術(shù)，通過增設(shè)Wi-Fi節(jié)點(diǎn)以及優(yōu)化WKNN位置指紋定位算法，來提高室內(nèi)目標(biāo)定位的精度與穩(wěn)定性，并依此建立實(shí)物演示系統(tǒng)，驗(yàn)證了本文方法的有效性。

2? 室內(nèi)定位算法

2.1? 基于RSSI的位置指紋算法

基于接收信號(hào)強(qiáng)度指示（Received Signal Strength Indication， RSSI）的位置指紋算法，是通過在室內(nèi)布控硬件設(shè)備（本文稱為“參考節(jié)點(diǎn)”），然后測(cè)量室內(nèi)移動(dòng)物體（本文稱為“移動(dòng)節(jié)點(diǎn)”）與參考節(jié)點(diǎn)之間的信號(hào)強(qiáng)度，據(jù)此綜合估算移動(dòng)節(jié)點(diǎn)的相對(duì)位置[7]。由于參考節(jié)點(diǎn)的具體位置坐標(biāo)信息是已知的，相較于其他基于模型傳播的算法，已知確定的環(huán)境參數(shù)，能帶來較高的確定性，進(jìn)而能夠獲得較高的定位精度。

常見基于RSSI的位置指紋算法主要有信號(hào)空間最近鄰法（NNSS）、K最近鄰法（KNN）、加權(quán)K近鄰法（WKNN）以及概率匹配算法等[8]，這些算法的對(duì)比如表2所示。

綜上，相較于其他算法，WKNN算法具有硬件配置要求簡(jiǎn)單、算法計(jì)算邏輯簡(jiǎn)單、定位精度較高、穩(wěn)定性較強(qiáng)等優(yōu)勢(shì)，因此，本文選擇WKNN作為實(shí)現(xiàn)室內(nèi)定位的位置指紋匹配算法。

WKNN算法是在KNN的基礎(chǔ)之上引入權(quán)重的概念，依此提升定位精度及定位穩(wěn)定性。由于Wi-Fi信號(hào)受環(huán)境因素干擾較大，移動(dòng)節(jié)點(diǎn)在不同位置時(shí)，電磁波的信號(hào)強(qiáng)度會(huì)發(fā)生不同的變化，這可能跟初始限定環(huán)境中測(cè)量的與參考節(jié)點(diǎn)之間的信號(hào)強(qiáng)度有較大的波動(dòng)?；诖?，WKNN引入權(quán)重的概念，按照一定規(guī)則為鄰近的不同參考節(jié)點(diǎn)賦予不同的權(quán)重，距離某參考節(jié)點(diǎn)越近，被賦予的權(quán)重越高，進(jìn)而可提升移動(dòng)節(jié)點(diǎn)的定位精度及定位穩(wěn)定性[9，10]。假設(shè)移動(dòng)節(jié)點(diǎn)周圍最鄰近的參考節(jié)點(diǎn)個(gè)數(shù)為K，在用WKNN算法對(duì)移動(dòng)節(jié)點(diǎn)進(jìn)行坐標(biāo)定位時(shí)，可以通過式（1）獲得。

（1）

其中，（X，Y）表示移動(dòng)節(jié)點(diǎn)的位置坐標(biāo);ε是為了避免權(quán)重ωi等于0而設(shè)定的一個(gè)非零實(shí)數(shù)，一般通過具體環(huán)境試驗(yàn)對(duì)比后獲得;ωi則表示離移動(dòng)節(jié)點(diǎn)第i個(gè)最鄰近參考節(jié)點(diǎn)的權(quán)重，通過式（2）計(jì)算權(quán)重。

（2）

其中，di表示第i個(gè)參考節(jié)點(diǎn)位置坐標(biāo)與移動(dòng)節(jié)點(diǎn)實(shí)際位置坐標(biāo)之間的距離。

2.2? WKNN算法的優(yōu)化

相較于KNN，WKNN的突出特點(diǎn)是引入了權(quán)重的概念，提高了移動(dòng)節(jié)點(diǎn)位置坐標(biāo)的估算精度，但是傳統(tǒng)的WKNN算法中，權(quán)重計(jì)算大多是通過對(duì)最鄰近K個(gè)參考節(jié)點(diǎn)進(jìn)行加權(quán)平均，得出移動(dòng)節(jié)點(diǎn)位置坐標(biāo)的估算結(jié)果，然后與數(shù)據(jù)庫(kù)中的位置范圍進(jìn)行匹配，最終得出估算的移動(dòng)節(jié)點(diǎn)位置坐標(biāo)。在這個(gè)過程中，不可避免地會(huì)受到實(shí)際環(huán)境因素的影響，造成一定的誤差，帶來定位精度的不穩(wěn)定。

本文針對(duì)加權(quán)平均算法計(jì)算不穩(wěn)定，存在一定誤差的問題，引入可以不斷遞歸處理數(shù)據(jù)的卡爾曼濾波，獲取加權(quán)系數(shù)的最優(yōu)估計(jì)值，進(jìn)而提高移動(dòng)節(jié)點(diǎn)的室內(nèi)定位精度，具體的算法流程如圖1所示。

3? 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

基于Wi-Fi信號(hào)的室內(nèi)人員定位追蹤系統(tǒng)由上位機(jī)軟件和節(jié)點(diǎn)硬件設(shè)備兩部分組成，其中上位機(jī)軟件用于實(shí)時(shí)顯示定位信息，實(shí)現(xiàn)系統(tǒng)管理功能，如系統(tǒng)參數(shù)設(shè)置、Wi-Fi網(wǎng)絡(luò)設(shè)置、靜態(tài)地圖導(dǎo)入、節(jié)點(diǎn)坐標(biāo)調(diào)整等;布控在室內(nèi)的節(jié)點(diǎn)硬件設(shè)備用于實(shí)時(shí)獲取定位信息，主要包括含Wi-Fi模塊的定位參考節(jié)點(diǎn)/移動(dòng)節(jié)點(diǎn)，也可以由現(xiàn)有帶RSSI功能管理的路由器代替參考節(jié)點(diǎn)。本系統(tǒng)的整體框架如圖2所示。

3.1? 上位機(jī)軟件實(shí)現(xiàn)

室內(nèi)定位信息的顯示主要通過上位機(jī)軟件實(shí)現(xiàn)。首先，接收室內(nèi)定位區(qū)域移動(dòng)節(jié)點(diǎn)傳送來的Wi-Fi信號(hào)強(qiáng)度數(shù)據(jù)，對(duì)信號(hào)數(shù)據(jù)進(jìn)行降噪處理;其次，將經(jīng)過降噪處理的數(shù)據(jù)代入改進(jìn)后的定位算法，獲得移動(dòng)節(jié)點(diǎn)的具體位置坐標(biāo);最后，將計(jì)算結(jié)果實(shí)時(shí)顯示在PC端靜態(tài)地圖中，代表用戶具體位置的移動(dòng)節(jié)點(diǎn)亮紅燈顯示，預(yù)先布設(shè)在室內(nèi)固定位置的參考節(jié)點(diǎn)亮藍(lán)燈顯示。移動(dòng)節(jié)點(diǎn)的位置坐標(biāo)刷新以秒為單位，可以自行設(shè)置刷新時(shí)間。具體的流程圖如圖3所示。

上位機(jī)軟件啟動(dòng)后的主界面菜單欄包含導(dǎo)入地圖、啟動(dòng)聯(lián)網(wǎng)、開始定位、坐標(biāo)調(diào)整、數(shù)據(jù)記錄、停止記錄等功能鍵，并帶有實(shí)時(shí)顯示具體移動(dòng)標(biāo)簽號(hào)、實(shí)時(shí)定位位置以及刷新時(shí)間的位置信息實(shí)時(shí)顯示窗口，具體如圖4所示。

其中菜單欄中的導(dǎo)入地圖，可以選擇PC端的本地地圖（JPG、PNG等圖片格式均可）;啟動(dòng)聯(lián)網(wǎng)用于建立上位機(jī)軟件與移動(dòng)節(jié)點(diǎn)之間的關(guān)聯(lián)，需要注意的是，PC端的Wi-Fi與室內(nèi)Wi-Fi移動(dòng)節(jié)點(diǎn)或被追蹤人手機(jī)終端連接的應(yīng)該是同一頻段內(nèi)的Wi-Fi信號(hào);在參數(shù)和坐標(biāo)等均設(shè)定完或匹配好之后，即可點(diǎn)擊“開始定位”，左上角信息框會(huì)顯示具體的實(shí)時(shí)位置信息;由于起始階段參考節(jié)點(diǎn)位置與所導(dǎo)入地圖的比例尺不一致，需要通過點(diǎn)擊“坐標(biāo)調(diào)整”來調(diào)整參考節(jié)點(diǎn)的位置，使得軟件顯示的參考節(jié)點(diǎn)位置與實(shí)際環(huán)境中鋪設(shè)的參考節(jié)點(diǎn)位置大體一致;點(diǎn)擊“數(shù)據(jù)記錄”會(huì)將對(duì)應(yīng)的位置信息、信號(hào)強(qiáng)度、測(cè)距信息等以文檔的形式持續(xù)保存在本地PC端，點(diǎn)擊“數(shù)據(jù)記錄”后，會(huì)跳出保存路徑選擇，用戶可自主選擇保存路徑，確定保存路徑后，“數(shù)據(jù)記錄”按鍵會(huì)變暗，而“停止記錄”按鍵會(huì)亮顯，待用戶點(diǎn)擊“停止記錄”后，即停止記錄并保存記錄，同時(shí)“數(shù)據(jù)記錄”按鍵亮顯。

3.2? 節(jié)點(diǎn)硬件設(shè)備實(shí)現(xiàn)

節(jié)點(diǎn)硬件設(shè)備包括參考節(jié)點(diǎn)和移動(dòng)節(jié)點(diǎn)，兩者功能一致，所以采用的是同一套硬件方案，即采用TI公司CC3200型號(hào)的Wi-Fi模塊，搭建外圍電路，實(shí)現(xiàn)基于RSSI的低功耗室內(nèi)定位，電路圖如圖5所示。

節(jié)點(diǎn)硬件設(shè)備與上位機(jī)軟件的交互，通過同一頻段的Wi-Fi信號(hào)發(fā)送廣播，測(cè)試網(wǎng)絡(luò)是否中斷，若沒有中斷，則表示網(wǎng)絡(luò)正常，將底層數(shù)據(jù)包發(fā)送給上位機(jī)軟件進(jìn)行處理，對(duì)應(yīng)的數(shù)據(jù)發(fā)送流程圖如圖6所示。

4? 系統(tǒng)測(cè)試結(jié)果展示

系統(tǒng)測(cè)試環(huán)境選擇校園一條半封閉的隧道內(nèi)，實(shí)景如圖7所示。為便于收集數(shù)據(jù)，用嵌入移動(dòng)節(jié)點(diǎn)帶攝像頭的遙控智能小車模擬隧道內(nèi)的移動(dòng)物體，實(shí)物如圖8所示。PC端上位機(jī)軟件實(shí)時(shí)顯示定位信息，如圖9所示，其中藍(lán)色圓點(diǎn)表示固定不變的參考節(jié)點(diǎn)位置，紅色圓點(diǎn)則是智能小車移動(dòng)過程中的實(shí)時(shí)位置顯示。

在具體的測(cè)試中，首先固定4個(gè)參考節(jié)點(diǎn)的位置，然后根據(jù)參考節(jié)點(diǎn)人工標(biāo)記6個(gè)已知坐標(biāo)的點(diǎn)，接著控制智能小車到達(dá)標(biāo)記位置，最后將從PC端獲取的定位數(shù)據(jù)與人工實(shí)測(cè)數(shù)據(jù)進(jìn)行對(duì)比，以此檢驗(yàn)定位精度的提升效果。具體標(biāo)記位置如圖10所示，實(shí)驗(yàn)數(shù)據(jù)如表3所示。

由上述實(shí)驗(yàn)測(cè)試數(shù)據(jù)分析可知，本文方法在上述隧道空曠環(huán)境中的定位誤差均保持在1.2米以內(nèi)，達(dá)到某些應(yīng)用場(chǎng)景的定位精度要求，并具有較強(qiáng)的穩(wěn)定性，這也充分說明本方法在室內(nèi)定位中的可行性和有效性，基本達(dá)到預(yù)期效果。另外，需要說明的是，室內(nèi)硬件設(shè)備的布局會(huì)影響Wi-Fi收發(fā)信號(hào)強(qiáng)度，進(jìn)而影響實(shí)時(shí)定位算法的效果。本試驗(yàn)的結(jié)果是根據(jù)實(shí)際環(huán)境，經(jīng)過多次測(cè)試調(diào)整參數(shù)，獲得與實(shí)際環(huán)境相匹配的最優(yōu)布局的結(jié)果。

5? 結(jié)? 論

本文在室內(nèi)人員定位追蹤系統(tǒng)的具體應(yīng)用實(shí)踐探索中，通過對(duì)現(xiàn)有室內(nèi)定位技術(shù)的分析比較，選擇應(yīng)用前景廣闊的Wi-Fi室內(nèi)定位技術(shù)，在比較多種基于RSSI的位置指紋算法后，選取其中的WKNN算法，引入卡爾曼濾波對(duì)其進(jìn)行優(yōu)化，設(shè)計(jì)并實(shí)現(xiàn)了室內(nèi)定位的軟硬件系統(tǒng)。選取特定場(chǎng)景進(jìn)行測(cè)試，測(cè)試結(jié)果表明本文方法可提升定位精度與定位穩(wěn)定性，為基于Wi-Fi的室內(nèi)定位的應(yīng)用與研究提供了參考思路。但綜合來看，本文方法仍存在較大的局限性，欠缺各種復(fù)雜場(chǎng)景下的研究與測(cè)試，此場(chǎng)景下的定位效果仍有待進(jìn)一步的改進(jìn)與優(yōu)化。

參考文獻(xiàn)：

[1] 徐軍，李群群，王曰輝，等.室內(nèi)移動(dòng)目標(biāo)定位系統(tǒng)設(shè)計(jì) [J].電子技術(shù)應(yīng)用，2018，44（12）：44-46+50.

[2] SOU S L，LIN W H，LAN K C，et al. Indoor Location Learning Over Wireless Fingerprinting System With Particle Markov Chain Model [J].IEEE Access，2019，7：8713-8725.

[3] GAO C Q，ZHANG Y Z，WANG X Z，et al. Semi-direct RGB-D SLAM algorithm for dynamic indoor environments [J].ROBOT，2019，41（3）：372-383.

[4] 李兵兵.基于WiFi位置指紋的室內(nèi)定位算法研究 [D].保定：河北大學(xué)，2020.

[5] 朱正偉，蔣威，張貴玲，等.基于RSSI的室內(nèi)WiFi定位算法 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2020，41（10）：2958-2962.

[6] 余成波，成科宏.WiFi與行人航跡推算自適應(yīng)無(wú)跡卡爾曼濾波融合定位算法 [J].科學(xué)技術(shù)與工程，2020，20（27）：11155-11160.

[7] 米偉娟.基于WiFi的室內(nèi)定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) [D].石家莊：河北科技大學(xué)，2019.

[8] 李夢(mèng)夢(mèng).基于機(jī)器學(xué)習(xí)的WiFi室內(nèi)定位技術(shù)研究 [D].西安：西安科技大學(xué)，2020.

[9] 徐錦修，仲臣，韓雨辰，等.改進(jìn)的WKNN算法研究 [J].科技創(chuàng)新與應(yīng)用，2021，11（19）：19-21+25.

[10] 王修駒，姚善化.基于改進(jìn)WKNN的室內(nèi)定位算法 [J].齊齊哈爾大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，37（3）：12-16+21.

作者簡(jiǎn)介：曾光（1990—），男，漢族，廣東河源人，講師，工程師，碩士研究生，研究方向：電子信息、機(jī)器視覺;丁宇凌（2001—），女，漢族，廣東潮州人，研究方向：通信信號(hào)技術(shù);黃健盛（2002—），男，漢族，廣東汕頭人，研究方向：通信信號(hào)技術(shù);黃楊靈（2001—），男，漢族，廣東茂名人，研究方向：通信信號(hào)技術(shù)。