基于LS-SVM方向判別模型的WLAN室內(nèi)定位方法

李石榮，何富貴，朱雪梅

?

基于LS-SVM方向判別模型的WLAN室內(nèi)定位方法

李石榮1，何富貴1，*朱雪梅2

（1. 皖西學(xué)院電子與信息工程學(xué)院，安徽，六安 237012；2. 皖西學(xué)院實(shí)驗(yàn)實(shí)訓(xùn)管理部，安徽，六安 237012；）

為解決WLAN室內(nèi)定位中信號(hào)在傳播過(guò)程受人體遮擋產(chǎn)生陰影衰落而影響定位精度的問(wèn)題，提出了一種最小二乘法支持向量機(jī)（LS-SVM）方向判別模型的WLAN室內(nèi)定位方法。該方法主要分為兩個(gè)部分：首先，充分利用人體在不同遮擋方向上產(chǎn)生陰影衰落的接收信號(hào)強(qiáng)度變化（RSS）特征信息，判定人體遮擋方向；然后，通過(guò)LS-SVM回歸算法建立指紋點(diǎn)特征數(shù)據(jù)與位置之間的映射關(guān)系獲取定位點(diǎn)位置結(jié)果。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)利用SVM的定位方法相比，提出的方向判別模型可解決人體遮擋產(chǎn)生的陰影衰落影響定位精度的問(wèn)題，提高了定位的實(shí)用性和魯棒性。

接收信號(hào)強(qiáng)度變化；室內(nèi)定位；陰影衰落；最小二乘法支持向量機(jī)；方向判別模型

0 引言

近年來(lái)，隨著無(wú)線網(wǎng)絡(luò)與計(jì)算機(jī)的發(fā)展應(yīng)用，基于位置的服務(wù)（LBS）受到了越來(lái)越多的關(guān)注，而高精度的定位系統(tǒng)是LBS的重要研究方向之一。當(dāng)前GPS在室外定位和導(dǎo)航領(lǐng)域效果較好，然而該技術(shù)并不能移植于室內(nèi)環(huán)境中，因而解決室內(nèi)定位技術(shù)成為了當(dāng)前的一個(gè)難點(diǎn)。

現(xiàn)有的室內(nèi)定位技術(shù)有基于Wi-Fi[1]、藍(lán)牙[2]、Zigbee[3]和RFID[4]等，當(dāng)前解決室內(nèi)定位的方法主要有基于到達(dá)時(shí)間和時(shí)間差（TOA/TDOA）,到達(dá)方向（DOA）和接收信號(hào)強(qiáng)度（RSS）等。文獻(xiàn)[5]和文獻(xiàn)[6]分別對(duì)當(dāng)前室內(nèi)定位領(lǐng)域中的技術(shù)和方法進(jìn)行了比較，文獻(xiàn)[6]對(duì)定位技術(shù)進(jìn)行了總結(jié)并提出了未來(lái)定位技術(shù)的精度標(biāo)準(zhǔn)。其中以基于RSS為基礎(chǔ)的WLAN室內(nèi)定位技術(shù)由于其設(shè)備簡(jiǎn)單、成本低和定位精度較高的特點(diǎn)而得到了廣泛的研究和應(yīng)用[7]。同時(shí)由于智能手機(jī)和平板電腦等終端設(shè)備使用的不斷普及和無(wú)線路由器在公共場(chǎng)所的廣泛覆蓋，人們可以方便地通過(guò)攜帶的終端設(shè)備來(lái)實(shí)現(xiàn)室內(nèi)定位和導(dǎo)航。文獻(xiàn)[8]和文獻(xiàn)[9]提出了基于信號(hào)強(qiáng)度分布概率和相似度的定位方法，利用分布概率解決信號(hào)時(shí)變性對(duì)定位的影響。

為解決人體遮擋產(chǎn)生的陰影衰落影響定位精度的問(wèn)題，本文提出了一種基于LSSVM的方向判別模型的室內(nèi)定位方法，通過(guò)不同遮擋方向上RSS特征差異建立方向判別模型來(lái)提高定位精度。離線階段，將360°平均分成8類(lèi)遮擋方向采集人體8個(gè)遮擋方向上的RSS數(shù)據(jù)，獲取每個(gè)方向上的指紋點(diǎn)數(shù)據(jù)庫(kù)。利用SVM算法建立每個(gè)方向上的RSS指紋數(shù)據(jù)與對(duì)應(yīng)方向上多對(duì)一映射關(guān)系——方向判別模型；通過(guò)指紋點(diǎn)RSS特征信息建立數(shù)據(jù)與位置之間的關(guān)系——定位模型。在線階段，利用方向判別模型選取定位點(diǎn)的人體遮擋方向，通過(guò)該方向建立的指紋點(diǎn)數(shù)據(jù)與位置的映射關(guān)系獲取定位結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文提出的模型在方向判別上的準(zhǔn)確度達(dá)到了70%左右，降低了人體遮擋產(chǎn)生的陰影衰落對(duì)定位的影響，提高了定位的工程實(shí)用性和魯棒性。

1 定位方法和實(shí)驗(yàn)原理

離線階段，利用LS-SVM算法建立方向判別模型，如圖1所示。利用每個(gè)遮擋方向上的特征信息建立方向判別模型。利用指紋點(diǎn)上的特征信息建立定位模型。利用方向判別模型對(duì)定位點(diǎn)進(jìn)行方向判別，利用定位模型對(duì)位置進(jìn)行估計(jì)獲取定位結(jié)果。

圖1 定位系統(tǒng)框圖

1.1 信號(hào)衰減模型

文獻(xiàn)[19]中描述了室內(nèi)信號(hào)傳播受具體的環(huán)境影響，信號(hào)傳播損耗模型描述信號(hào)的衰減主要受地板層和隔墻的影響，衰減損耗的強(qiáng)弱因遮擋材質(zhì)的不同而存在差別。路徑損耗經(jīng)驗(yàn)?zāi)Ｐ涂杀硎緸椋?/p>

1.2 方向判別模型

室內(nèi)定位過(guò)程中由于人體的遮擋使得RSS存在較大的差異，影響了定位精度。由于不同的遮擋方向下信號(hào)衰落具有一定的方向特性，通過(guò)分析方向性特征信息獲取用戶(hù)遮擋方向，建立方向判別模型，如圖2所示。離線階段，將遮擋方向平均劃分為8個(gè)遮擋方向，采集指紋點(diǎn)RSS和方向信息，利用LSSVM分類(lèi)算法建立方向判別模型；在線階段，對(duì)定位點(diǎn)RSS數(shù)據(jù)進(jìn)行方向判別，利用判別方向和建立的定位映射模型獲取定位結(jié)果。

圖2 方向判別模型圖

1.3 定位過(guò)程

1.3.1 方向判別模型

對(duì)指紋點(diǎn)數(shù)據(jù)進(jìn)行訓(xùn)練獲取分類(lèi)模型，首先通過(guò)將問(wèn)題轉(zhuǎn)化為等式約束問(wèn)題[20]：

將公式（4）轉(zhuǎn)換成求矩陣解的問(wèn)題：

1.3.2定位回歸模型

同理引入拉格朗日乘子并對(duì)參數(shù)求偏導(dǎo)可得下面方程：

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)條件

圖3 實(shí)驗(yàn)室分布圖

圖4 實(shí)驗(yàn)環(huán)境

2.2 數(shù)據(jù)采集與處理

離線階段，指紋點(diǎn)上8個(gè)遮擋方向上進(jìn)行數(shù)據(jù)采集；為保證數(shù)據(jù)采集穩(wěn)定性，數(shù)據(jù)采集次數(shù)為50次，采樣間隔為0.1 s，利用均值濾波算法對(duì)30組數(shù)據(jù)進(jìn)行均值處理，減小外界干擾。經(jīng)過(guò)處理后，可以得到每個(gè)指紋點(diǎn)在8個(gè)遮擋方向上，每個(gè)遮擋方向上25個(gè)指紋點(diǎn)RSS數(shù)據(jù)共200個(gè)指紋點(diǎn)的數(shù)據(jù)庫(kù)。在線階段，采集定位點(diǎn)RSS數(shù)據(jù)并處理，通過(guò)方向判別模型估計(jì)角度并判定方向，在該判定角度方向下建立RSS數(shù)據(jù)與位置的映射關(guān)系獲取定位結(jié)果。

為驗(yàn)證陰影效應(yīng)對(duì)定位精度的影響，本文在四種條件下對(duì)數(shù)據(jù)進(jìn)行分析與比較。

條件一：認(rèn)為人體遮擋無(wú)影響，直接利用方向判別模型獲取位置結(jié)果（LS-SVM）；

條件二：考慮人體遮擋因素，利用方向模型（Direction Model，DM）和定位模型獲取位置結(jié)果（LS-SVM+DM）；

條件三：考慮人體遮擋因素但不使用方向判別模型，利用8個(gè)方向上的所有RSS數(shù)據(jù)作為指紋點(diǎn)數(shù)據(jù)庫(kù)，建立定位模型，最后利用定位模型獲取位置結(jié)果（LS-SVM+8方向）；

條件四：考慮人體遮擋因素，確定某個(gè)遮擋方向，利用定位模型獲取位置結(jié)果（LS-SVM+定向）。

2.3 陰影衰落的影響

本實(shí)驗(yàn)通過(guò)在MATLAB2010b中LS-SVM工具箱對(duì)收集的測(cè)試點(diǎn)數(shù)據(jù)進(jìn)行處理，可以得到遮擋方向?qū)SS產(chǎn)生的陰影衰落噪聲大小。圖5可以看到在某個(gè)位置上8個(gè)不同的遮擋方向下4個(gè)AP的RSS的變化情況，其中AP3在方向2和方向4上的RSS變化差值最大達(dá)到了30 dBm，而AP4的RSS變化最大差值甚至也能達(dá)到19 dBm?？梢?jiàn)人體的遮擋對(duì)信號(hào)的傳播存在影響，因而在實(shí)際定位過(guò)程中，人體的遮擋也成為了一個(gè)不可忽略的因素。

圖5 不同遮擋方向上的4個(gè)AP的RSS變化情況

2.4 定位實(shí)驗(yàn)結(jié)果分析

圖6所示為判定測(cè)試點(diǎn)人體遮擋方向角度誤差與相應(yīng)累積概率分布之間的對(duì)應(yīng)關(guān)系?？梢钥闯觯?dāng)方向誤差設(shè)為45度時(shí)，方向判定準(zhǔn)確度為68.2%；當(dāng)方向誤差設(shè)為75度時(shí)，方向判定準(zhǔn)確度達(dá)到了83.3%。

圖6 方向判定誤差的累積概率分布

圖6中可以看出在實(shí)際定位過(guò)程中，人體的遮擋呈現(xiàn)一定規(guī)律的方向性。

圖7為四種條件下定位誤差與累計(jì)概率分布之間的關(guān)系，當(dāng)定位精度3 m以?xún)?nèi)時(shí)，四種條件下累計(jì)概率分別為24.6%，53.3%，45.7%和66.7%。定位誤差設(shè)定為4 m時(shí)，各自的定位精度分別為40.1%，73.2%，71.1%和84.5%。

圖7 四種條件下的定位誤差的累積概率分布

圖7中可以看出考慮人體遮擋產(chǎn)生的陰影效應(yīng)對(duì)定位精度有著明顯的提升，條件二中判定方向后的平均定位誤差約為3.32 m，而條件一、條件三和條件四下的平均定位精度依次為5.01 m，3.03 m和2.24 m。實(shí)驗(yàn)結(jié)果表明，條件二和條件三中考慮了人體遮擋的陰影效應(yīng)后平均定位精度分別降低了1.69 m和1.98 m。但與規(guī)定在相同的遮擋方向下相比，平均定位精度仍存在1.08 m和0.79 m的差距。但總體上定位精度得到了較大的改善。

圖8(a)~圖8(d)分別給出了在傳統(tǒng)基于SVM分類(lèi)、SVM回歸、WKNN和SVM多分類(lèi)條件下，引入方向判別模型(DM)后定位精度的對(duì)比。實(shí)驗(yàn)結(jié)果顯示，方向判別模型條件下基于SVM分類(lèi)、SVM回歸、WKNN和SVM多分類(lèi)的定位精度分別由5.32 m、5.43 m、5.16 m和4.98 m降低為3.17 m、3.13 m、2.98 m和3.12 m，定位精度分別提高了40.4%、42.4%、42.5%和37.3%。

圖8 方向判別模型對(duì)定位的影響

2.5 遮擋方向?qū)Χㄎ坏挠绊?/h3>

圖9給出了實(shí)驗(yàn)環(huán)境中實(shí)驗(yàn)室室內(nèi)環(huán)境的兩種不同區(qū)域條件下定位精度的比較。實(shí)驗(yàn)結(jié)果表明，當(dāng)人體面朝AP2方向時(shí)，在定位區(qū)域2上的定位精度高于定位區(qū)域1，區(qū)域2和區(qū)域1上的平均定位精度分別為1.42 m和1.96 m。由于在區(qū)域1上人體對(duì)設(shè)備的信號(hào)的遮擋有AP1、AP4和AP4，而在區(qū)域2上對(duì)信號(hào)的遮擋只存在AP4，當(dāng)人體對(duì)信號(hào)遮擋時(shí)，會(huì)降低RSS信號(hào)定位特征信息，增大的定位誤差。

圖9 不同定位區(qū)域下定位誤差的比較

3 結(jié)束語(yǔ)

本文主要研究WLAN室內(nèi)定位過(guò)程中人體遮擋對(duì)定位的影響，提出了一種基于LS-SVM方向判別模型的WLAN室內(nèi)定位方法。該模型減小了在室內(nèi)定位過(guò)程中人體遮擋對(duì)定位精度的影響，利用LS-SVM回歸算法提取RSS衰落噪聲特征信息差異來(lái)判定遮擋方向,最后利用定位模型獲取定位結(jié)果。實(shí)驗(yàn)結(jié)果表明，用戶(hù)遮擋方向?qū)SS影響較大，不同遮擋方向上RSS存在特征信息。同時(shí)，如何更加充分利用衰落噪聲準(zhǔn)確的判定方向，可以利用不同遮擋方向RSS值的補(bǔ)償來(lái)減小離線工作量采集工作，有待下一步研究。

[1] 吳澤泰,蔡仁欽,徐書(shū)燕,等. 基于Ｋ近鄰法的Wi-Fi定位研究與改進(jìn)[J].計(jì)算機(jī)工程,2017,43:289-293.

[2] Zhou S, Pollard J K. Position measurement using Bluetooth [J].IEEE Transactions on consumer electronics, 2006,52:555-558.

[3] Leh L. ZigBee-based intelligent indoor positioning system soft computing[J].Soft Computing,2014, 18:443-456.

[4] 李強(qiáng),王玫,劉爭(zhēng)紅. 基于RFID覆蓋掃描的標(biāo)簽定位方法[J].計(jì)算機(jī)工程,2017,43:294-298.

[5] Xiao J H, Liu Z, Yang Y, et al. Comparison and analysis of indoor wireless position in techniques[C].International Conference on Computer Science and Service System (CSSS),2011:293-296.

[6] Deng Z L, Yu Y P, Yuan X, et al. Situation and development tendency of indoor positioning [J].China Communications, 2013,10:42-55.

[7] Xia S X, Liu Y, Yuan G, et al. Indoor Fingerprint Positioning Based on Wi-Fi: An Overview[J]. International Journal of Geo-Information,2017,6:135.

[8] 李石榮,李飛騰. 基于RSS 概率統(tǒng)計(jì)分布的室內(nèi)定位方法[J].計(jì)算機(jī)工程與應(yīng)用,2016,52:119-124.

[9] 朱雪梅,李石榮. 基于RSS分布重疊的WKNN室內(nèi)定位方法[J].徐州工程學(xué)院學(xué)報(bào),2017,32.48-52.

[10] 覃團(tuán)發(fā),姚海濤,覃遠(yuǎn)年,等. 移動(dòng)通信[M].重慶:重慶大學(xué)出版社,2004:56-74.

[11] Luo J Y，Zhan X Q. Characterization of smart phone received signal strength indication for WLAN indoor positioning accuracy improvement. Journal of Networks, 2014, 9:1061-1065.

[12] 張明華,張申生,曹健. 無(wú)線局域網(wǎng)中基于信號(hào)強(qiáng)度的室內(nèi)定位[J].計(jì)算機(jī)科學(xué),2014,41:68-71.

[13] Basheer M R, Jagannathan S. Localization and Tracking of Objects Using Cross-Correlation of Shadow Fading Noise[J]. IEEE Transactions on Mobile Computing. 2014, 13:2293-2305.

[14] 陳斌濤,劉任任,陳益強(qiáng),等. 動(dòng)態(tài)環(huán)境中的Wi-Fi指紋自適應(yīng)室內(nèi)定位方法[J].傳感技術(shù)學(xué)報(bào),2015,28:729-738.

[15] 張勇,徐小龍,徐科宇. 基于加權(quán)質(zhì)心法的WLAN室內(nèi)定位系統(tǒng)[J].電子測(cè)量與儀器學(xué)報(bào),2015,29:1036-1041.

[16] 韋燕華,周彥,王冬麗. 基于LS-SVM的位置指紋室內(nèi)定位[J].計(jì)算機(jī)工程與應(yīng)用,2016,52:122-125.

[17] 朱宇佳,鄧中亮,劉文龍,等. 基于支持向量機(jī)多分類(lèi)的室內(nèi)定位系統(tǒng)[J].計(jì)算機(jī)科學(xué), 2012,39:32-35.

[18] 桑楠,袁興中,周瑞. 基于SVM分類(lèi)和回歸的WiFi室內(nèi)定位方法[J].計(jì)算機(jī)應(yīng)用研究,2014,31:1820-1823.

[19] Molisch A F. Wireless Communications [M].Wiley, 2011:39-62.

[20] 鄧乃揚(yáng),田英杰. 支持向量機(jī):理論、算法與拓展[M].北京:科學(xué)出版社,2009:81-115.

WLAN INDOOR POSITIONING METHOD BASED ON DIRECTIONAL DISCRIMINATION MODEL OFLS-SVM

LI Shi-rong1, HE Fu-gui1,*ZHU Xue-mei2

(1.Department of Electronic Information and Engineering, West Anhui University, Lu’an, Anhui 237012, China 2.Department of Experimental and Training Management, West Anhui University, Lu’an, Anhui 237012, China;)

In order to solve the problem of positioning accuracy error caused by body blocking in the process of WLAN indoor positioning, a WLAN indoor positioning method called Direction Discrimination Model (DDM) is proposed based on Least Squares Support Vector Machine (LS-SVM) algorithm.The method is mainly divided into two parts: First, the body's obstruction direction is determined with the information of the Received Signal Strength (RSS) changes in the shaded fading caused by the human body in different directions of obstruction; Then, the LS-SVMregression algorithm is used to establish the mapping relationship between the fingerprint point feature data and the location to obtain the positioning point location result.The experimental results show that the proposed direction discrimination model reduces the influence of shadow fading caused by human shadows on positioning accuracy and improves the practicability and robustness of positioning,compared with the traditional positioning method based on SVM.

RSS; indoor positioning; shadow fading; LS-SVM

1674-8085(2019)03-0043-07

TP391

A

10.3969/j.issn.1674-8085.2019.03.008

2018-10-28；

2019-02-05

國(guó)家自然科學(xué)基金青年項(xiàng)目（61702375）；皖西學(xué)院青年項(xiàng)目（WXZR201806）

李石榮(1989-)，男，安徽六安人，助教，碩士，主要從事網(wǎng)絡(luò)信號(hào)處理、室內(nèi)定位技術(shù)等研究(E-mail:506822995@qq.com);

何富貴(1982-)，男，安徽安慶人，副教授，博士，主要從事計(jì)算機(jī)技術(shù)，網(wǎng)絡(luò)分析，物聯(lián)網(wǎng)應(yīng)用等研究(E-mail:253446191@qq.com);

*朱雪梅(1987-)，女，安徽阜陽(yáng)人，講師，碩士，主要從事無(wú)線通信、室內(nèi)定位技術(shù)、電子技術(shù)應(yīng)用等研究(E-mail:499835172@qq.com).