孫緯民　杜慶治

摘要：

作為GPS定位技術(shù)的“最后一公里”問題，室內(nèi)定位近年來一直是定位領域的研究熱點。目前室內(nèi)定位技術(shù)發(fā)展較為迅速，各種定位方法層出不窮，但是不同的定位方法必然都存在缺陷。因此，為了取長補短，發(fā)揮各方法的優(yōu)點，提出基于WiFi與藍牙的融合定位技術(shù)。該技術(shù)首先使用基于KL散度核函數(shù)的位置指紋定位算法，分別測算出WiFi定位技術(shù)和藍牙定位技術(shù)中目標點的坐標集合；其次，利用Kmeans聚類算法對由藍牙定位技術(shù)得到的結(jié)果進行聚類，并選擇包含點元素最多的作為藍牙定位結(jié)果；最后，將WiFi定位結(jié)果與藍牙定位結(jié)果相融合，該方式得出的結(jié)果比任何一種單一定位方式都更加精確。

關(guān)鍵詞：WiFi定位；藍牙定位；室內(nèi)定位

DOIDOI：10.11907/rjdk.172486

中圖分類號：TP319

文獻標識碼：A文章編號文章編號：16727800（2018）003016903

英文摘要Abstract：As the last kilometer problem of GPS positioning technology， indoor positioning has been the focus of localization filed in recent years. At present， indoor positioning technology is developing rapidly and various positioning methods emerge in endlessly. However， different positioning methods have their shortcomings. Therefore， in order to make full use of the advantages of each method， this paper proposes a fusion positioning technology based on WiFi and Bluetooth. The technology first， employs KL divergence kernel function location fingerprinting algorithm to calculate the position results collection of WiFi and Bluetooth positioning technology. Second， we use Kmeans clustering algorithm to cluster results obtained by Bluetooth positioning technology and choose the one contains the most results as the final result. Finally， the WiFi localization results are fused with the Bluetooth localization results， which are more accurate than any single localization method.

英文關(guān)鍵詞Key Words：WiFi positioning； bluetooth positioning； positioning technology

0引言

目前，GPS等定位技術(shù)解決了在復雜的室外道路上順利到達目標位置的問題，然而在“最后一公里”問題——室內(nèi)定位上，則顯得無能為力[1]。為了應對越來越高的建筑物，以更加準確的位置信息服務用戶，國內(nèi)外學者紛紛開始了室內(nèi)定位研究。如今，室內(nèi)定位技術(shù)發(fā)展迅速，一些技術(shù)已經(jīng)發(fā)展成熟并進入市場。然而，目前存在的室內(nèi)定位技術(shù)由于適用范圍、設備成本、定位精度等方面尚存在一些不足，所以在室內(nèi)定位技術(shù)領域，還未出現(xiàn)像GPS那樣廣泛普及的技術(shù)。為了更好地解決這一問題，研究人員希望通過定位融合技術(shù)以取長補短。本文基于這一研究思想，提出基于WiFi與藍牙的融合定位技術(shù)。

1室內(nèi)定位技術(shù)概述

1.1室內(nèi)定位主要影響因素

對于室內(nèi)定位技術(shù)，影響融合技術(shù)精度的主要因素有：非視距傳播、多徑傳播、同頻干擾等[2]。非視距傳播的方式又分為：①信號反射。無線電波在傳輸過程中，遇到比自身波長尺寸大的物體時發(fā)生信號反射現(xiàn)象，反射信號的幅度大小會受反射物材質(zhì)、光滑度、入射角度、信號頻率等方面影響；②信號衍射。當無線電波在傳輸過程中受到比自身波長小或接近的孔時，會以孔為中心，轉(zhuǎn)化為環(huán)形波并繼續(xù)向前傳播。衍射現(xiàn)象對于信號的損耗比較大，因此如果無線電波遇到強烈的衍射現(xiàn)象，會極大地影響定位結(jié)果的準確性；③信號散射。當無線電波在傳輸過程中遇到比自身波長小或接近的物體時，信號會沿著障礙物的各個方向發(fā)射出去。因此，一些表面比較粗糙的障礙物，相較于平滑表面，會嚴重影響信號傳播。

多徑傳播是指從同一個信標節(jié)點發(fā)射的無線信號經(jīng)過兩個或多個不同傳播路徑后到達同一移動終端的現(xiàn)象。對移動終端而言，其接收到的信號是各路信號的匯總，如果各路信號同相則相加，信號增強；反相則互相消減，信號減弱[3]。

同頻干擾是指由于室內(nèi)射頻環(huán)境比較復雜，與WiFi和藍牙擁有類似工作頻段的設備比較多，如微波爐等。這些干擾設備的存在必然會使最終檢測到的信號強度值存在誤差，進而影響最終定位結(jié)果的準確性[4]。

1.2室內(nèi)定位技術(shù)原理

室內(nèi)定位系統(tǒng)一般由服務器、無線傳輸介質(zhì)、信標節(jié)點、移動終端構(gòu)成[5]。本文研究的定位系統(tǒng)期望能夠?qū)崿F(xiàn)藍牙單獨定位、WiFi單獨定位以及兩者融合的定位方式。為實現(xiàn)室內(nèi)信號的全覆蓋，需要合理布置WiFi、藍牙信標節(jié)點。與移動終端相比，信標節(jié)點發(fā)射功率較高、信號波動較為穩(wěn)定，因此采用主動掃描方式獲取相關(guān)信標節(jié)點信息。隨后，移動終端將采集到的信標節(jié)點信息過濾、處理并發(fā)送至服務器系統(tǒng)，服務器再依據(jù)相關(guān)定位算法得到移動終端的位置。

2室內(nèi)定位技術(shù)類型

2.1WiFi定位技術(shù)

WiFi定位技術(shù)是基于IEEE802.11b標準的一種無線網(wǎng)絡技術(shù)，是當前無線定位的主要技術(shù)之一。該技術(shù)的定位原理是信號接收端接收無線局域網(wǎng)熱點中發(fā)送的功率信號，再利用信號傳播模型、測距方法，最終得到目標物距離無線熱點的距離，隨后再依據(jù)一些定位方法，比如三邊測量定位法、三角定位法、到達時間法等，得到目標物的位置[68]。WiFi定位技術(shù)最主要的優(yōu)點是：定位范圍較廣，而且部署成本相對較低，對系統(tǒng)整體的定位精度比較高。

2.2藍牙定位技術(shù)

藍牙定位技術(shù)是基于IEEE802.15.1標準的無線網(wǎng)絡技術(shù)，主要工作原理是通過測量無線信號的強度實現(xiàn)定位，目前能夠?qū)崿F(xiàn)的定位精度是房間級。藍牙定位技術(shù)的發(fā)展主要依靠藍牙局域網(wǎng)的發(fā)展。在需要定位的區(qū)域部署適當?shù)乃{牙接入點，同時將藍牙局域網(wǎng)配置成基礎網(wǎng)絡架構(gòu)，并將藍牙標簽和藍牙接入點同時接入局域網(wǎng)，實現(xiàn)雙向通信，最后通過一些定位算法估算出標簽位置。藍牙定位技術(shù)的優(yōu)點是：設備體積小，可集成在各種終端設備中，如筆記本電腦、手機或其它一些手持設備。正是由于這一特性，使藍牙定位技術(shù)市場應用比較廣泛[9]。但藍牙定位技術(shù)一個不容忽視的缺點是：低版本的藍牙定位技術(shù)穩(wěn)定性較差，容易遭受噪聲信號干擾，更適宜在一些短距離、小范圍的定位中應用。正是由于該缺陷，研究人員開始考慮將藍牙與其它定位技術(shù)相融合[10]。

3WiFi與藍牙融合定位算法

WiFi和藍牙作為當前無線通信中的主流技術(shù)，已經(jīng)能夠兼容在同一臺設備中，該硬件設施也為本文研究提供了便利。本文在WiFi定位技術(shù)和藍牙定位技術(shù)中，使用基于KL散度核函數(shù)的位置指紋定位算法，隨后利用基于Kmeans的聚類算法，對前兩種方式獲取的定位結(jié)果進行最終的決策層融合。

3.1基于KL散度核函數(shù)的位置指紋定位算法

基于KL散度核函數(shù)的位置指紋定位算法，一方面利用核函數(shù)的特征映射充分提取RSS的特征值，另一方面KL散度核函數(shù)沒有假設RSS服從任何一種分布，而是直接與離散的RSS序列進行對比，因此有效保留了原始信息，解決了RSS的不確定性，顯著提高了最終定位精度。

利用核函數(shù)的特征映射提取RSS特征值，是將訓練樣本、測試樣本以及測試樣本Xi=（x1，x2，…xn）的概率密度分布函數(shù)p（x|θi）帶入核函數(shù)中，從而替代初始的特征空間：

K（Xi，Xj）≥K（p（x|θi），p（x|θj））（1）

在新的特征空間下計算核函數(shù)之間的距離，一般選擇比較概率密度函數(shù)的差異性，而能夠反映這一特性的算法是對稱KL散度算法，該算法定義如下：

D（p（x|θi），p（x|θj））=∫∞-∞p（x|θi）logp（x|θi）p（x|θj）dx+∫∞-∞p（x|θj）logp（x|θi）p（x|θj）dx（2）

由于對稱KL散度算法中所定義的距離矩陣不能滿足Mercer條件，因此還需要將KL散度指數(shù)化，最終得到基于KL散度的核函數(shù)定義：

K（Xi，Xj）=>K（p（x|θi），p（x|θj））=>e-D（p（x|θi），p（x|θj））（3）

在WiFi定位技術(shù)中，先假設帶定位區(qū)域中有N個WiFi的接入點AP，區(qū)域中任一點從這N個AP中獲取的RSS集合：RSS={RSS1，RSS2，…RSSn}。若每個從AP處獲取的RSS是相對分布的，則在位置（x，y）處測得的RSS分布情況為：

p（RSS|（x，y））=∏Ni=1p（RSSi（x，y））（4）

在實際的指紋位置定位系統(tǒng)中，本文選擇q（RSS|（xi，yj））表示離線狀態(tài)下在參考點（xi，yi）上測算到的RSS分布，用p（Rss|（x，y））表示在線狀態(tài)下在未知點（x，y）處測算到的RSS分布。由以上鏈式法則可知，獨立變量的KL散度聯(lián)合分布與每個變量邊緣分布下的KL散度綜合相等。所以，對任意兩個位置（x，y）、（xi，yi），其RSS分布與p和qj的關(guān)系為：

D（p，qi）=∑Ni=1D（p（RSSi|（x，y）），q（q（RSSi|（xi，yj）））（5）

根據(jù)公式（3），可得核函數(shù)為：

K（p，qi）=-e∑Ni=1D（p（RSSi|（x，y），q（RSSi|（xj，yj））））（6）

其中，K（p，qi）表示p和q分部之間的相似度。相似度越高，則K值越接近于1；反之，則接近于0。在前文分析的基礎上，由核函數(shù)方程以及一些已知點數(shù)據(jù)，將KL散度核函數(shù)代入，則待測點的位置坐標可定義為：

（x-，y-）=∑j（xj，yj）K（p，qi）∑jK（p，qi）（7）

3.2基于Kmeans聚類算法的決策層融合

Kmeans算法一般用于大量數(shù)據(jù)分析，屬于探索性方法，利用聚類分析可以將無序數(shù)據(jù)進行分類。Kmeans算法是一種針對“簇”數(shù)據(jù)聚集的分析方法，算法通過不斷迭代計算進行中心點集合，將所有樣本劃分到若干集合中。該算法的思想是先作粗略的樣本分類，然后通過最優(yōu)原則不斷迭代修改不合理的類別，直到所有分類都滿足聚類要求。

Kmeans算法主要解決的問題是對于空間樣本點，通過某種算法將所有樣本點合理劃分為若干類別，在劃分中是基于某種度量標準完成的。劃分的每個類別的點具有一定相關(guān)性或相似性。

假設給定樣本點集合為X=（xa，xb，…xn），將集合X進行分類，形成M個“簇”。μk表示第k（k≤m）個簇的中心位置，初始化可以隨機選擇集合中的某一個樣本點。

本文將藍牙定位技術(shù)得到的結(jié)果集L=（l1，l2，…ln）進行K-means聚類，在最終聚類結(jié)果中選擇包含點元素最多的作為藍牙定位結(jié)果。為了更好地對定位區(qū)域進行定義，選擇結(jié)果中的中心點為圓心，用O1表示，該類中所有點與中心點的距離最大值為半徑，該圓形區(qū)域O被認為是藍牙定位區(qū)域。在結(jié)果融合中，本文將藍牙定位區(qū)域作為WiFi定位結(jié)果的修正。假設WiFi定位結(jié)果用O2表示，在融合過程中則會出現(xiàn)以下3種情況：

（1）O2在區(qū)域O之外，連接圓心O1與O2交于圓形區(qū)域的交點M1，則被認為是最終觀測點。

（2）O2在區(qū)域O邊緣上，連接圓心O1與O2交于圓形區(qū)域的交點M2，則被認為是最終觀測點。

（3）O2在區(qū)域O之內(nèi)，連接圓心O1與O2交于圓形區(qū)域的交點M3，則被認為是最終觀測點。

4結(jié)語

為了使室內(nèi)定位技術(shù)更加準確，本文在分析各種單一定位技術(shù)優(yōu)缺點的基礎上，考慮到當前設備已經(jīng)能夠?qū)崿F(xiàn)WiFi和藍牙互相兼容，而且成本較為低廉，因此選擇將WiFi定位技術(shù)與藍牙定位技術(shù)相融合的方案。在實際定位中，利用藍牙定位技術(shù)的結(jié)果修正WiFi定位結(jié)果，可使最終的定位結(jié)果更加精確。然而，該方式仍然存在一些缺陷，比如并未過多考慮人員動態(tài)流動或其它信號、電磁波對定位區(qū)域信號的干擾等因素對實驗結(jié)果的影響，因而還需在將來進一步深入研究。

參考文獻參考文獻：

[1]陳祥.基于WiFi與移動智能終端的室內(nèi)定位技術(shù)研究[D].哈爾濱：哈爾濱理工大學，2017.

[2]華海亮.基于WiFi和藍牙的室內(nèi)定位技術(shù)研究[D].錦州：遼寧工業(yè)大學，2016.

[3]王寶晶.基于WiFi/藍牙融合的室內(nèi)定位算法及實現(xiàn)[D].上海：華東師范大學，2015.

[4]徐偉.基于Android手機的室內(nèi)定位技術(shù)研究與實現(xiàn)[D].武漢：華中師范大學，2014.

[5]盧來，龍科.關(guān)于藍牙室內(nèi)無線定位系統(tǒng)的技術(shù)實現(xiàn)[J].數(shù)字技術(shù)與應用，2015（12）：6971.

[6]劉明偉，劉太君，葉焱，等.基于低功耗藍牙技術(shù)的室內(nèi)定位應用研究[J].無線通信技術(shù)，2015（3）：1923.

[7]趙娜，李丹.淺談藍牙室內(nèi)無線定位系統(tǒng)的技術(shù)實現(xiàn)[J].中小企業(yè)管理與科技，2011（2）：269270.

[8]靳超，邱冬煒.基于WiFi信號室內(nèi)定位技術(shù)的研究[J].測繪通報，2017（5）：2125.

[9]姜莉.基于WiFi室內(nèi)定位關(guān)鍵技術(shù)的研究[D].大連：大連理工大學，2010.

[10]王琪.基于WiFi信號指紋的室內(nèi)定位技術(shù)[J].計算機與網(wǎng)絡，2015（21）：6567.

責任編輯（責任編輯：黃?。?