王琪

(中國移動通信集團(tuán)湖南有限公司，湖南長沙 410000)

基于WiFi信號指紋的室內(nèi)定位技術(shù)

王琪

(中國移動通信集團(tuán)湖南有限公司，湖南長沙 410000)

室內(nèi)定位隨著情景感知與位置服務(wù)興起的一門新鮮科學(xué)。經(jīng)歷過數(shù)十年的研究，目前已經(jīng)有大量的針對室內(nèi)定位的技術(shù)方案,其中尤以指紋定位居多。室內(nèi)指紋定位包含一系列的利用接收信號的強(qiáng)度來判定接收者位置的技術(shù)。文章重點(diǎn)講述了基于位置指紋的定位技術(shù)，包括確定型指紋定位技術(shù)與概率型指紋定位技術(shù)，提煉出了利用指紋定位技術(shù)的數(shù)據(jù)模型，展示了利用數(shù)學(xué)模型來描述信號指紋庫以及位置估計(jì)的方法。

室內(nèi)定位 指紋 信號強(qiáng)度

1 引言

隨著近代通信技術(shù)的發(fā)展，基于位置服務(wù)的應(yīng)用越來越多。不同商業(yè)應(yīng)用的增加促進(jìn)了基于位置服務(wù)的發(fā)展。由于多徑效應(yīng)的存在以及信號的過度衰減，使得傳統(tǒng)的基于GPS定位的技術(shù)在室內(nèi)無法使用。因此，大量的室內(nèi)定位技術(shù)的應(yīng)用應(yīng)運(yùn)而生。

像Active badge、Cricket、Bat和Ekahau positioning egine (EPC)需要額外的硬件支持，而且不同的方法需要的硬件差異也很大。這使得這些定位方法[1,2]非常耗成本，而且無法大范圍的部署。它們可以被規(guī)類為infrastructure based system。

時(shí)下越來越多公共場所都部署了大量的無線局域網(wǎng)設(shè)備（WLAN），它們的出現(xiàn)給室內(nèi)定位帶來了許多新的機(jī)遇[3-5]。盡管WLAN的設(shè)計(jì)初衷必不是室內(nèi)定位，但可以通過估計(jì)WLAN發(fā)射的無線信號的強(qiáng)度（RSSI）來粗略的估計(jì)位置。RSSI利用的是已經(jīng)存在的室內(nèi)設(shè)施，因此不需要額外的硬件。信噪比雖然同樣可以獲得，但是與RSSI相比，它與位置的相關(guān)性要小得多[5]。

室內(nèi)指紋定位與他定位方法在原理上差異很大，傳統(tǒng)的定位方法一般利用AP與用戶間的相對距離進(jìn)而采用三邊定位法來確定用戶的位置，而位置指紋定位法是比較實(shí)時(shí)采集到的RSSI與指紋數(shù)據(jù)庫匹配來估計(jì)用戶位置的，這其中的指紋數(shù)據(jù)庫是在離線階段創(chuàng)建的位置與距離間的關(guān)系映射表。這樣室內(nèi)信號的傳輸特性被提取出來了，但是卻巧妙的避免了復(fù)雜的建模過程。然而，這個(gè)指紋庫的創(chuàng)建是卻是一個(gè)非常耗費(fèi)人力的過程。目前，許多的定位基于指紋的定位方式都缺少一個(gè)合適的數(shù)學(xué)推導(dǎo)與理論分析過程。這篇文章的目的即在于展現(xiàn)指紋定位方法中的一些數(shù)學(xué)公式的指導(dǎo)與分析。

2 信號地圖

信號地圖的創(chuàng)建首先將定位平面分成許多小單元，然后在這些小單元內(nèi)采集相應(yīng)的RSSI值并做一定的校準(zhǔn)，最后存儲在數(shù)據(jù)庫中備用。信號地圖中的第i個(gè)成員可以用如下表達(dá)式來描述：

信號地圖在定位前可以進(jìn)行一些預(yù)處理或是更新的操作。目的在于進(jìn)一步的減小指紋的存儲空間或者降低定位階段的計(jì)算量。另外，不同的定位方法可能需要使用指紋的不同形式，如有的使用均值，有的使用方差等。

3 定位階段

得到信號地圖后，定位的目標(biāo)在于利用實(shí)時(shí)采集到的RSSI向量y去估計(jì)目標(biāo)的位置。在某些情況中，在進(jìn)行位置估計(jì)前，會對某一個(gè)采集多次，這樣可以得到一個(gè)信號向量。

3.1 決定型框架

在決定型框架中，用戶的位置x被定義為一個(gè)隨機(jī)變量。目標(biāo)即為在每一個(gè)計(jì)算時(shí)間點(diǎn)內(nèi)估計(jì)出向量x的值。通常情況下，估計(jì)值是校正點(diǎn)值的一個(gè)凸優(yōu)化問題。假設(shè)校正點(diǎn)為，那么估計(jì)位置即為：

表1 范數(shù)

在這些范數(shù)表達(dá)式中，猶以曼哈頓距離[5-7]使用得最為頻繁。由于從不同的AP處采集到的信號被認(rèn)為是相互獨(dú)立的，因此的互相關(guān)矩陣是一個(gè)三角矩陣：

在式(2)中，保留最大點(diǎn)的K個(gè)權(quán)值而將其他的權(quán)值設(shè)置為0叫做帶權(quán)值的最鄰近K值法(WKNN)。如果所有的權(quán)值都等于1，那么叫做KNN；而當(dāng)K=1時(shí)，則叫做最鄰近法NN。通常情況下KNN與WKNN要比NN的效果好，特別是當(dāng)K=3或者K=4時(shí)。然后，當(dāng)信號地圖的密度非常高的時(shí)候，NN與其他2種方法的效果相當(dāng)[8,9]。

3.2 概率法

表2 概率分布

表3列出了幾種不同的計(jì)算概率密度間距離的方法。

表3 概率密度距離

將式(5)和式(6)代入式(4)中可以得到后驗(yàn)概率：

利用后驗(yàn)概率可以估計(jì)出狀態(tài)位置。一個(gè)可能的方法是最大后驗(yàn)概率法(MAP)[12,13]，即概率值最大的區(qū)域?yàn)楣烙?jì)的位置：

另外的方法為求平均，即：

可以看到，決策法與概率法有許多的相似之處。

4 結(jié)束語

文章介紹了基于WIFI信號指紋的定位方法，從決策法與概率法2個(gè)角度介紹了各種方法的框架以及數(shù)學(xué)推導(dǎo)過程，在文章的最后給出了總結(jié)。通過比較可以看出，決策法與概率法在許多地方都有相似之處，比如在最后的定位階段都可以通過求平均值來估計(jì)最終狀態(tài)。

[1]Hightower J,Borriello G.Location Systems for Ubiquitous Computing[J].IEEE Computer,2001,1(34):57-66.

[2]Ekahau.[OL].Available:http://www.ekahau.com/

[3]Wallbaum M.Indoor Geolocation Using Wireless Local Area Networks[D].Germany:RWTH Aachen University,2006.

[4]Vossiek M,Wiebking L,Gulden P,et al.Wireless Local Positioning[J].IEEE Microwave magazine,2003:77-86.

[5]Bahl P,Padmanabhan V N.Radar:An in-building RF-based User Location and Tracking System[J].In INFO-COM 2000. Nineteenth Annual Joint Conference of theIEEE Computer and Communications Societies,2000,2(10):775-784.

[6]Li B,Salter J,Dempster A G,et al.Indoor Positioning Techniques based On Wireless LAN[M].Schoolof Surveying and Spatial Information Systems,2006.

[7]Prasithsangaree P,Krishnamurthy P,Chrysanthis P K.On Indoor Position Location with Wireless LANs[J]. Telecommunications Program,2002:720-724.

[8]Yeung W M,Zhou J,Ng J K.Emerging Directions in Embedded and Ubiquitous Computing.Springer[J].2007,ch. Enhanced Fingerprint-Based Location EstimationSystem in Wireless LAN Environment.2007:273 284.

[9]Saha S,Chauhuri K,Sanghi D,et al.Location Determination of A Mobile Device Using IEEE 802.11b access Point Signals[J]. Department of ComputerScience and Engineering,2003: 1987-1992.

[10]Roos T,Myllym¨aki P,Tirri H,et al.A Probabilistic Approach to WLAN User Location Estimation[J].International Journal of WirelessInformation Networks,2002,9(3):155-163. [11]Duda R O,Hart P E,Stork D G.Pattern Classification[M]. John Wiley:Sons Inc.,2001.

[12]Haeberlen A,Flannery E,Ladd A M,et al.Practical Robust Localization Over Large-Scale 802.11 Wireless Networks[J]. MobiCom’04,Tech.Rep,2004:70-84.

[13]Kaemarungsi K.Distribution of WLAN Received Signal Strength Indication for Indoor Location Determination[J]. National Electronics and Computer Technology Center,2006: 1-6.

Indoor Fingerprint Localization Technology Based on WiFi Signal

WANG Qi
(China Mobile Group Hu’nan CO.,Ltd,Changsha Hu’nan 410000,China)

The indoor localization is a new technology arisen with the development of context aware and location-based service.At present,there are numerous technical methods of indoor localization,especially fingerprint localization.The term“indoor fingerprint localization”covers a series of techniques of determining receiver position by using received signal intensity.This paper describes in detail the localization techniques based on location fingerprint,including including deterministic and probabilistic fingerprint localization techniques,design the data model based on fingerprint localization technique,and presents the method of describing signal fingerprint database and location estimation by using mathematical model.

indoor localization;fingerprint;signal intensity

TP311.5

A

1008-1739（2015）21-65-3

定稿日期：2015-10-12