吳春祥，張檢保

（1.廣東機(jī)電職業(yè)技術(shù)學(xué)院人工智能學(xué)院，廣州 510000；2.廣東機(jī)電職業(yè)技術(shù)學(xué)院電子與通信學(xué)院，廣州 510000）

0 引言

在智慧城市中，人們相對更多地處于室內(nèi)環(huán)境，室內(nèi)定位將成為不可或缺的信息服務(wù)。室內(nèi)定位系統(tǒng)主要確定建筑物內(nèi)的位置，通過軟件實(shí)時(shí)找到被跟蹤人員和移動(dòng)設(shè)備［1］。位置信息可用于實(shí)現(xiàn)目標(biāo)導(dǎo)航、監(jiān)測和跟蹤，以及用戶行為分析及情境感知等服務(wù)。室內(nèi)導(dǎo)航軟件可以指引用戶在購物中心等沿著最佳路徑購買購物清單上的所有物品，在博物館按照指定的旅游路線或選擇展品，通過分析人們的移動(dòng)和行為方式，對展臺(tái)、場所空間進(jìn)行推薦。尤其是醫(yī)院、學(xué)校、公共圖書館等建筑物內(nèi)通常包含復(fù)雜的空間，桌椅、家具、電器等障礙物，人員流動(dòng)也會(huì)產(chǎn)生信號干擾，使得精確定位變得困難。室內(nèi)定位已經(jīng)成為智慧城市建設(shè)中亟待解決的一項(xiàng)重要技術(shù)。

室內(nèi)定位技術(shù)基于通信和傳感器技術(shù)，利用無線電波、燈光和聲學(xué)信號，對室內(nèi)環(huán)境的人或物體進(jìn)行精確定位。隨著藍(lán)牙低功耗（bluetooth low energy,BLE）、Wi-Fi等無線射頻芯片低功耗、小型化，并配備高性能處理器及傳感器的移動(dòng)設(shè)備普及，以及移動(dòng)操作系統(tǒng)和應(yīng)用程序，為室內(nèi)定位解決方案提供了新的視角。盡管學(xué)術(shù)界和工業(yè)界一直在對室內(nèi)定位技術(shù)及其解決方案進(jìn)行研究，但仍有許多應(yīng)用領(lǐng)域所要求的高精度與低成本目標(biāo)尚未實(shí)現(xiàn)。

1 相關(guān)技術(shù)研究

室內(nèi)定位技術(shù)有多種實(shí)現(xiàn)方式，每種都可以單獨(dú)使用或結(jié)合使用，以提供更好的精度性能。目前存在許多室內(nèi)定位的方法和算法。根據(jù)它們的一般特征，我們可以將其分為幾類：基于三坐標(biāo)定位技術(shù)、指紋識(shí)別技術(shù)、近距離檢測技術(shù)、航位推算技術(shù)和基于機(jī)器學(xué)習(xí)的定位技術(shù)［2］。

基于三坐標(biāo)定位技術(shù)，需放置至少三個(gè)能互相傳播信號的信標(biāo)，使用RSSI 信號功率測量距離變化，建立測量距離和RSSI值的參考曲線，在模型信標(biāo)間收發(fā)信號的基礎(chǔ)上，依據(jù)RSSI 與距離實(shí)現(xiàn)定位。具體應(yīng)用中，Wi-Fi 和BLE 的RSSI 值都能很好地被測量用于室內(nèi)定位。Wi-Fi實(shí)現(xiàn)的異質(zhì)移動(dòng)設(shè)備以不同的方式測量信號強(qiáng)度，需要被校準(zhǔn)才能返回可靠的結(jié)果。相比Wi-Fi 而言，基于BLE 的三坐標(biāo)系統(tǒng)不需要為每個(gè)用戶進(jìn)行步長校準(zhǔn)，也不太容易受到智能手機(jī)方向變化的影響。許多室內(nèi)定位系統(tǒng)是基于BLE 信標(biāo)的。使用BLE 信標(biāo)和三坐標(biāo)的室內(nèi)定位方法只需要適當(dāng)?shù)男艠?biāo)放置，不需要考慮空間的專用無線電地圖，當(dāng)三個(gè)參考節(jié)點(diǎn)放置成正三角形時(shí)定位誤差最小。

指紋識(shí)別技術(shù)中的定位過程包括在線與離線兩個(gè)階段。信號（指紋）在離線階段，整個(gè)定位區(qū)域的接收器以一定的分辨率被反復(fù)測量。在線階段，將當(dāng)前的信號讀數(shù)與前一階段保存的數(shù)值進(jìn)行比較，并與測量的地點(diǎn)進(jìn)行匹配。將當(dāng)前讀數(shù)與已知信號樣本相匹配，結(jié)合機(jī)器學(xué)習(xí)方法，將定位問題減少為分類問題來解決?；谥讣y方法需要提前構(gòu)建無線電地圖，并在每次映射的室內(nèi)區(qū)域發(fā)生變化時(shí)重新更新。

近距離檢測技術(shù)是基于定位區(qū)域內(nèi)大量的接收器或發(fā)射器，不返回設(shè)備的確切位置，而是返回相對位置信息。這種定位技術(shù)被用于蜂窩網(wǎng)絡(luò)中，將用戶的設(shè)備分配到信號最強(qiáng)的天線上，并將用戶的位置登記在該天線的附近天線。

行人航位推算（pedestrian dead reckoning,PDR）技術(shù)使用一個(gè)磁力計(jì)和一個(gè)步數(shù)計(jì)數(shù)器，計(jì)算所走的步數(shù)及其方向矢量，計(jì)算出當(dāng)前的位置相對于最后一個(gè)已知的確切位置，從最后一個(gè)已知位置來確定走過的距離［3］。采用PDR 技術(shù)要求移動(dòng)設(shè)備配備磁場傳感器、重力傳感器和步長傳感器。因此，PDR 通常用在信號消退或太弱的情況下作為補(bǔ)充方法。

由于室內(nèi)無線電信號的傳輸可能會(huì)受到干擾而偏差。為解決這個(gè)問題，基于機(jī)器學(xué)習(xí)的定位技術(shù)應(yīng)運(yùn)而生。機(jī)器學(xué)習(xí)將數(shù)據(jù)提取后進(jìn)行統(tǒng)計(jì)分析，使系統(tǒng)能夠?qū)W習(xí)規(guī)則和模型，能準(zhǔn)確估計(jì)RSSI 的定位技術(shù)的復(fù)雜參數(shù)［4］。基于深度強(qiáng)化的半監(jiān)督學(xué)習(xí)模型，既有標(biāo)記的數(shù)據(jù)，也有無標(biāo)記的數(shù)據(jù)，可以通過提高模型的準(zhǔn)確性和性能，方便圖書館等人流密集的場所應(yīng)用。機(jī)器學(xué)習(xí)模型可以學(xué)習(xí)到最佳行動(dòng)策略，對目標(biāo)位置距離估算更為接近。

2 設(shè)計(jì)方案實(shí)現(xiàn)

2.1 設(shè)計(jì)方案

本文實(shí)現(xiàn)了一種基于藍(lán)牙RSSI 三坐標(biāo)定位技術(shù)，通過k-NN機(jī)器學(xué)習(xí)方法將定位問題轉(zhuǎn)化為分類問題來模擬，以一個(gè)Android 智能手機(jī)應(yīng)用程序來實(shí)現(xiàn)定位與顯示。在某高校圖書館一樓大廳天花板，安裝10 個(gè)基于德州儀器（TI）的CC2420 藍(lán)牙信標(biāo)，使用HUAWEI P40 手機(jī)作為待定位的移動(dòng)設(shè)備。根據(jù)信標(biāo)放置點(diǎn)和內(nèi)部結(jié)構(gòu)，將大廳平面劃分為A1～A8，B1～B8，C1～C9，D1～D4，E1～E5，F(xiàn)1～F6，G1～G5 共45個(gè)字母與數(shù)字表示的區(qū)域塊，如圖1所示。將各個(gè)區(qū)域塊接收到信標(biāo)的RSSI 輸入到定義的k-NN模型用于分類。每個(gè)信標(biāo)的放置位置都是已知的，對于每個(gè)區(qū)域塊來說所有信標(biāo)節(jié)點(diǎn)都是已知的。每個(gè)信標(biāo)節(jié)點(diǎn)的RSSI 被寫成一個(gè)向量，其中每個(gè)向量代表該信標(biāo)節(jié)點(diǎn)的一個(gè)特征向量。RSSI 和特征向量被引入到訓(xùn)練數(shù)據(jù)中，被提供給每個(gè)類別的k-NN 分類過程。通過分類程序得到預(yù)測模型，分析移動(dòng)設(shè)備RSSI 值特征與k個(gè)信標(biāo)最接近，再由k個(gè)信標(biāo)RSSI 計(jì)算出移動(dòng)設(shè)備所在的平面區(qū)域塊，從而實(shí)現(xiàn)了該平面內(nèi)的定位。

圖1 信標(biāo)部署及區(qū)域分塊

2.2 數(shù)據(jù)采集

安裝在大廳天花板上的10 個(gè)藍(lán)牙信標(biāo)節(jié)點(diǎn)發(fā)射信號，由1個(gè)HUAWEI P40手智能手機(jī)在指定位置以及移動(dòng)狀態(tài)進(jìn)行信號接收，每次測量都重復(fù)50 次并過濾掉噪聲，記錄平均RSSI 值，在此基礎(chǔ)上擬合出數(shù)據(jù)模型。采集到的數(shù)據(jù)按二維表存儲(chǔ)，包括信標(biāo)地點(diǎn)、RSSI 讀數(shù)。數(shù)據(jù)集由兩個(gè)分組組成，其中一個(gè)是帶標(biāo)簽的1280個(gè)樣本，另一個(gè)是不帶標(biāo)簽的3240 個(gè)樣本。負(fù)的數(shù)值用來表示RSSI 讀數(shù)，所以讀數(shù)越大，離信標(biāo)的距離就越近。例如，如果讀數(shù)為-50，就意味著距離較??；如果讀數(shù)為-75，就意味著與信標(biāo)的距離較近。RSSI 的值-200 被用來表示測量值在信標(biāo)的范圍之外。與RSSI 讀數(shù)相關(guān)的位置被整合成一列，包含字母和數(shù)字，匹配大廳平面圖上的字母數(shù)字區(qū)域分塊。

2.3 測試分析

使用手機(jī)作為移動(dòng)設(shè)備在大廳的測試區(qū)域采集10 個(gè)藍(lán)牙信標(biāo)的RSSI 值形成數(shù)據(jù)集。通過對比分析訓(xùn)練階段和測試階段的調(diào)和平均數(shù)、召回率、準(zhǔn)確率三個(gè)指標(biāo)，對定位精度進(jìn)行評估。在藍(lán)牙信標(biāo)RSSI 數(shù)據(jù)集上，訓(xùn)練階段和測試階段的定位性能評估分別如圖2、圖3 所示。平均調(diào)和值表明藍(lán)牙信標(biāo)識(shí)別移動(dòng)設(shè)備的范圍較廣，召回率表明藍(lán)牙信標(biāo)識(shí)別移動(dòng)設(shè)備可靠性較高。各個(gè)信標(biāo)處的定位準(zhǔn)確率都在92%以上，部分信標(biāo)處的準(zhǔn)確率甚至達(dá)到99%。

圖2 訓(xùn)練階段性能分析

圖3 測試階段性能分析

進(jìn)一步采用k-NN 算法對數(shù)值進(jìn)行回歸分析，算法參數(shù)k值從1 到6 變化時(shí)性能評估指標(biāo)結(jié)果見表1。從表1 可見，隨著k值的增加，定位準(zhǔn)確率逐步提高。當(dāng)k增加到5 時(shí)，準(zhǔn)確率達(dá)到峰值99.3%。而當(dāng)值增加到6 時(shí)，調(diào)和平均值和召回率變化不明顯，然而準(zhǔn)確率下降到了98.5%。由此可見，當(dāng)k-NN 算法的k選取為5時(shí)，系統(tǒng)定位性能最佳。

表1 k-NN算法性能評估

對測試結(jié)果進(jìn)行分析可知，距離藍(lán)牙信標(biāo)較近的移動(dòng)設(shè)備，被定位的準(zhǔn)確性更高；在障礙物、拐角處等區(qū)域接收的信號弱且不穩(wěn)定，定位精度出現(xiàn)下降。通過增加信標(biāo)的數(shù)量，提高信標(biāo)放置的密度，減少信標(biāo)之間的距離，以及增加信標(biāo)發(fā)射信號強(qiáng)度，均有助于提高準(zhǔn)確性偏低區(qū)域的定位精度。為了克服信標(biāo)無線電信號的多徑傳播產(chǎn)生的RSSI 信號反射和信號傳播模型失真，本文還利用精度函數(shù)和校正函數(shù)校正待測手機(jī)位置。精度函數(shù)通過估計(jì)位置之間的中間點(diǎn)來迭代計(jì)算出用戶的位置。糾正函數(shù)用于在手機(jī)端地圖上糾正用戶的位置。

3 結(jié)語

本文介紹了基于藍(lán)牙RSSI 測距結(jié)合機(jī)器學(xué)習(xí)算法的室內(nèi)定位技術(shù)，包括藍(lán)牙信標(biāo)部署及三坐標(biāo)測距方案，實(shí)現(xiàn)了k-NN 機(jī)器學(xué)習(xí)算法在室內(nèi)定位系統(tǒng)中的應(yīng)用。在某高校圖書館室內(nèi)，采集了藍(lán)牙RSSI數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)和性能測試。在靜態(tài)和動(dòng)態(tài)測試應(yīng)用場景中，系統(tǒng)均能夠準(zhǔn)確地識(shí)別待定位測試點(diǎn)。由此可見，使用k-NN機(jī)器學(xué)習(xí)算法和藍(lán)牙RSSI 的定位技術(shù)精度優(yōu)于傳統(tǒng)定位技術(shù)。進(jìn)一步研究還將引入室內(nèi)平面圖層增強(qiáng)功能，除了定義信標(biāo)位置，還定義室內(nèi)輪廓、墻壁等禁止區(qū)域及封閉空間，用空間感知來加強(qiáng)過濾空間外的信號。采用最小信號強(qiáng)度閾值、信號平滑和中心點(diǎn)計(jì)算的應(yīng)用，在不同區(qū)域交界重疊處進(jìn)行參數(shù)校準(zhǔn)，進(jìn)一步提高定位精度與系統(tǒng)整體性能。