基于WLAN的室內(nèi)指紋定位研究

孔 靚， 賈美娟， 李 梓

(大慶師范學(xué)院 計(jì)算機(jī)科學(xué)與信息技術(shù)學(xué)院， 黑龍江 大慶 163712)

0 引 言

位置感知是無(wú)線網(wǎng)絡(luò)最重要的服務(wù)之一。由于室內(nèi)環(huán)境的復(fù)雜性，GPS信號(hào)會(huì)被直線視距阻斷，精度將迅速降低，甚至有時(shí)無(wú)法進(jìn)行有效定位。隨著對(duì)精確定位的需求快速增長(zhǎng)，近年來(lái)研究機(jī)構(gòu)及國(guó)內(nèi)外研究人員開發(fā)了許多新技術(shù)?，F(xiàn)有的定位方法主要分為2類。一類是利用藍(lán)牙、ZigBee超寬帶(UWB)、WLAN、RFID、無(wú)線信號(hào)等實(shí)現(xiàn)室內(nèi)定位，另一類是利用慣性傳感器進(jìn)行定位。其中，利用無(wú)線信號(hào)定位則有2種算法。一種是估計(jì)距離，如到達(dá)時(shí)間(TOA)、到達(dá)時(shí)差(TDOA)、到達(dá)角(AOA)或接收信號(hào)強(qiáng)度指示器(RSSI)；另一種是利用位置指紋進(jìn)行定位。

分析可知，通過(guò)RSS測(cè)得的距離高度依賴于環(huán)境，但室內(nèi)環(huán)境較為雜，信號(hào)衰減模型無(wú)法充分反映由反射、折射和散射引起的信號(hào)衰減的情況，其結(jié)果精度將較為有限。基于測(cè)量的方法可以獲得較高的定位精度，但通常需要額外的設(shè)備來(lái)精確測(cè)量時(shí)間差，從而增加了實(shí)施成本。

1 研究現(xiàn)狀及分析

無(wú)線信號(hào)取決于傳播環(huán)境。在不同的位置，通道的多徑特性是不同的。在無(wú)線信號(hào)傳播過(guò)程中，信號(hào)整合了反射、折射、散射等情況后，產(chǎn)生唯一的、與傳播環(huán)境相關(guān)的信號(hào)，即將這種多徑特性稱為位置指紋[1]。位置指紋通?？捎糜谙鄳?yīng)位置識(shí)別。通常，會(huì)將信號(hào)強(qiáng)度指示器(RSS)作為位置指紋特征。傳統(tǒng)指紋定位分為2個(gè)階段，也就是：指紋數(shù)據(jù)庫(kù)生成的離線階段和定位的在線階段。整個(gè)過(guò)程如圖1所示。

研究中，在離線階段，在室內(nèi)區(qū)域按照均勻間距設(shè)置采樣點(diǎn)，每個(gè)采樣點(diǎn)對(duì)應(yīng)的WiFi信息包括接入點(diǎn)的MAC地址及其對(duì)應(yīng)的RSS值。每個(gè)WiFi信息及其對(duì)應(yīng)的位置由一個(gè)位置指紋組成，所有位置指紋組成一個(gè)室內(nèi)區(qū)域的指紋數(shù)據(jù)庫(kù)，也稱為指紋地圖。進(jìn)入在線階段后，當(dāng)用戶發(fā)送位置請(qǐng)求時(shí)，將用戶的當(dāng)前指紋信息與指紋地圖中的指紋信息進(jìn)行比較。地圖上最接近用戶當(dāng)前指紋信息的位置被認(rèn)為是用戶的當(dāng)前位置，即實(shí)現(xiàn)定位。

圖1 傳統(tǒng)指紋定位過(guò)程

通常，存在于數(shù)據(jù)庫(kù)中的指紋數(shù)據(jù)是不變的。然而，隨著時(shí)間的推移，一個(gè)或多個(gè)信號(hào)源可能會(huì)消失或移動(dòng)，如室內(nèi)的家具—桌椅等的位置可能會(huì)變動(dòng)。這些環(huán)境的變化會(huì)使得傳播空間中信號(hào)的RSS值發(fā)生變化，從而導(dǎo)致地圖的 “過(guò)時(shí)”，而使用“過(guò)時(shí)”地圖會(huì)導(dǎo)致建立指紋數(shù)據(jù)庫(kù)的減少,這也是一個(gè)亟待解決的關(guān)鍵性問題。目前，可以通過(guò)多種方法進(jìn)行融合以提高定位精度。這里擬對(duì)各種方法展開研究綜述如下。

2 基于WLAN的指紋定位方法

Wang等人提出了利用曲線擬合技術(shù)確定室內(nèi)定位精度中的RSS距離關(guān)系，即環(huán)境變化越大，精度下降越明顯，甚至可能使定位系統(tǒng)不可用。因此，建立指紋數(shù)據(jù)庫(kù)后，需要不斷更新，以確保其準(zhǔn)確性。

用戶位置的描述非常靈活，可以是一組不同的空間坐標(biāo)，也可以是一個(gè)指示變量或邏輯符號(hào)[2]。坐標(biāo)的表示方法較準(zhǔn)確，但不容易直接理解。相反，雖然邏輯符號(hào)代表的意義廣泛，但其更具清晰性和指導(dǎo)意義。

近年來(lái)，由于基于WiFi的位置指紋定位不需要額外的基礎(chǔ)設(shè)施，因此，研究人員將研究重點(diǎn)放在了該課題上[3-7]。指紋方法的性能取決于單位面積內(nèi)RP的數(shù)量，增加單位面積的RP數(shù)可以提高定位精度[3,8]。然而，當(dāng)RP數(shù)達(dá)到一定水平時(shí)，增加RP數(shù)并不能提高精度。因?yàn)镽SS的測(cè)量耗時(shí)且工作量較大，增加RP數(shù)量的同時(shí)將增加定位成本。并且，由于相鄰RP的指紋相似性，RP密度過(guò)大會(huì)增加定位誤差。通常，指紋定位研究需分為2個(gè)階段，即：建立指紋數(shù)據(jù)庫(kù)及在線匹配。離線指紋數(shù)據(jù)庫(kù)的準(zhǔn)確性及離線和在線兩個(gè)階段的采樣終端的差異將直接影響定位精度[9]。研究中使用一系列線性無(wú)關(guān)的函數(shù)來(lái)構(gòu)建通用的RSS距離模型[10]。這種方法的優(yōu)點(diǎn)是可以從少量的RSS測(cè)量中提取數(shù)據(jù)。通過(guò)對(duì)每個(gè)分區(qū)的空間劃分和曲線擬合，得到了更準(zhǔn)確的每個(gè)AP的RSS距離關(guān)系。實(shí)驗(yàn)證明，與傳統(tǒng)的對(duì)數(shù)距離模型相比，定位精度提高了20%～29%。但是，該方案的缺點(diǎn)是只考慮了房間的常規(guī)布局。

Chen等人[11]提出將移動(dòng)設(shè)備和指紋數(shù)據(jù)庫(kù)中的RSS值與壓縮傳感(CS)原理相匹配[11]。壓縮傳感技術(shù)可以補(bǔ)償稀缺的壓縮信號(hào)或有噪聲的壓縮信號(hào)。通過(guò)少量的指紋采樣，可以重建完整的指紋圖譜，減少建立指紋數(shù)據(jù)庫(kù)的工作量，并提高定位精度。

3 減少RSS噪聲影響的指紋定位方法

一般來(lái)說(shuō)，指紋方法是通過(guò)模式識(shí)別技術(shù)將RSS值映射到物理位置的[12]，這種RSS定位映射能夠通過(guò)站點(diǎn)調(diào)查獲得，可以利用不同的統(tǒng)計(jì)建?；驒C(jī)器學(xué)習(xí)算法，將在線測(cè)量結(jié)果與之前數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行比較，從而實(shí)現(xiàn)定位[13-14]。時(shí)下研究指出，KNN[15]、多層感知器[2]、神經(jīng)網(wǎng)絡(luò)[16-17]、最大似然性[18-19]、支持向量機(jī)[20]和核方法[21-23]等，可用于室內(nèi)定位?；诤说臋C(jī)器學(xué)習(xí)技術(shù)也可應(yīng)用于無(wú)線局域網(wǎng)定位[21]。然而，室內(nèi)信號(hào)傳播環(huán)境非常復(fù)雜，給定位置的RSS通常由于干擾、反射、折射、多徑衰落、設(shè)備方向、硬件變化、溫度、濕度甚至攻擊等，在不同的時(shí)間產(chǎn)生變化[24-29]。以前存儲(chǔ)的指紋圖譜不再反映當(dāng)前RSS的統(tǒng)計(jì)特性，因此，系統(tǒng)性能會(huì)下降。這個(gè)問題在實(shí)際的室內(nèi)環(huán)境中是不可避免的。

Zheng等人[30]提出了傳感器融合粒子濾波算法RANSAC。該方法通過(guò)從PDR數(shù)據(jù)構(gòu)造高斯模型,減少初始化過(guò)程的迭代次數(shù)。為了解決初始化后的誤差估計(jì)問題，該方法對(duì)傳統(tǒng)的粒子濾波器進(jìn)行了改進(jìn)，用到了對(duì)指紋概率模型的SLFNS插值方法，主要考慮指紋算法的不同WiFi參考點(diǎn)概率，使相似指紋的引入誤差最小，從而提高定位精度。實(shí)驗(yàn)結(jié)果表明，在支持向量機(jī)方法中，改進(jìn)算法的平均誤差從3.2 m降低到1.2 m；在概率算法中，改進(jìn)算法的平均誤差從3.4 m降低到1.3 m。

Li等人[31]提出通過(guò)WiFi與PDR的實(shí)時(shí)融合實(shí)現(xiàn)融合計(jì)算。根據(jù)行人的移動(dòng)性來(lái)確定濾波系統(tǒng)的動(dòng)態(tài)噪聲能夠有效地抑制無(wú)線定位的跳躍和積累，以及PDR誤差積累的問題。典型的WiFi指紋匹配需要很高的計(jì)算負(fù)擔(dān)。為了降低這一步驟的計(jì)算復(fù)雜度，采用親和傳播聚類算法對(duì)指紋數(shù)據(jù)庫(kù)進(jìn)行聚類，并將定位域和信號(hào)域各節(jié)點(diǎn)的信息進(jìn)行集成。實(shí)驗(yàn)結(jié)果表明，該算法使聚類點(diǎn)減少了65%-80%，有效地節(jié)省了時(shí)間。

Kuo等人[32]提出利用樣本的時(shí)間差和空間相關(guān)性提高定位精度 。該方法通過(guò)對(duì)一個(gè)短間隔觀測(cè)樣本的重組，RSS可能具有一定程度的時(shí)間多樣性和空間依賴性?？臻g相關(guān)性使用對(duì)象的移動(dòng)軌跡選擇最佳的位置估計(jì)。這種干擾方法可以與多種指紋定位算法相結(jié)合，提高定位精度。仿真實(shí)驗(yàn)結(jié)果表明，在合理增加計(jì)算成本的前提下，定位精度得到了顯著提高。但該方法需要一個(gè)可靠的搜索模塊來(lái)對(duì)擴(kuò)展空間進(jìn)行窮盡性的選擇。

Lu等人[33]提出了基于系統(tǒng)定位噪聲的奇異值分解方法(SVD)，該方法將現(xiàn)有AP建立的RSS漢克爾矩陣分解為2個(gè)子空間：噪聲子空間和信號(hào)子空間。通過(guò)抑制噪聲子空間，RSS僅從信號(hào)子空間重構(gòu)以抑制噪聲。研究中將通過(guò)2種算法來(lái)調(diào)整定位系統(tǒng)中的奇異值：最小二乘法和最小方差法。仿真結(jié)果表明，如果選擇正確的SVD參數(shù)，定位誤差將顯著降低，且在1 m范圍內(nèi)定位精度達(dá)到90%以上。

4 免測(cè)量指紋定位方法

目前，學(xué)界對(duì)建立傳統(tǒng)指紋數(shù)據(jù)庫(kù)的耗時(shí)費(fèi)力問題進(jìn)行了深入探討，并陸續(xù)推出了一系列研究結(jié)果。Wen等人[34]提出了一種利用周圍環(huán)境的反饋信息調(diào)整RSS指紋數(shù)據(jù)庫(kù)的新算法。在該算法中，系統(tǒng)按照位置的時(shí)間和空間強(qiáng)度，使用不同的、更新的測(cè)量值和離線指紋點(diǎn)。由于系統(tǒng)采用自適應(yīng)半徑作為影響定位精度的主要因素，可以解決仿真和實(shí)際場(chǎng)景中運(yùn)動(dòng)障礙物引起的信號(hào)遮擋問題。Hao等人[35]提出了一種新的指紋訓(xùn)練方法，許多用戶在訓(xùn)練中采取協(xié)作模式，對(duì)少量的訓(xùn)練數(shù)據(jù)進(jìn)行高斯過(guò)程回歸分析，生成完整的指紋數(shù)據(jù)庫(kù)，并確定每個(gè)指紋的可信度。Fet等人[36]提出利用系統(tǒng)基礎(chǔ)設(shè)施定期檢測(cè)特征信號(hào)的變化。每個(gè)接入點(diǎn)持續(xù)監(jiān)控環(huán)境的信號(hào)特征，并經(jīng)由通道將這些信息傳遞給中央服務(wù)器。通過(guò)檢查服務(wù)器上所有訪問點(diǎn)的聚合度量，可以確定系統(tǒng)體系結(jié)構(gòu)在任何時(shí)間間隔內(nèi)的穩(wěn)定性。如果特定接入點(diǎn)的RSS功能發(fā)生重大變化，則最近的接入點(diǎn)會(huì)觀察到這一變化。由接入點(diǎn)創(chuàng)建的一個(gè)公共度量網(wǎng)絡(luò)在任何接入點(diǎn)上都會(huì)發(fā)生相應(yīng)變化，這些變化即由網(wǎng)絡(luò)上的多個(gè)鏈路進(jìn)行測(cè)量。通過(guò)不斷地評(píng)估這些鏈接，可以可靠地檢測(cè)環(huán)境中動(dòng)態(tài)的RSS變化。因此，需要重新修正數(shù)據(jù)庫(kù)，以確定接入點(diǎn)，也就是在測(cè)量周期中，信號(hào)特性發(fā)生重大變化，并且超出了隨時(shí)間變化的波動(dòng)閾值(隨時(shí)間變化的波動(dòng)是由通過(guò)接入點(diǎn)的人引起的)。研究目的是檢測(cè)環(huán)境中家具或其它項(xiàng)目的重新排列可能導(dǎo)致的持續(xù)信號(hào)變化，而且會(huì)自動(dòng)重新校正指紋圖。

Chen等人[37]提出一種室內(nèi)定位算法，通過(guò)移動(dòng)電話上的光學(xué)相機(jī)和方向傳感器校準(zhǔn)眾包數(shù)據(jù)。當(dāng)選擇SIFT進(jìn)行圖像特征提取時(shí)，可以就篩選和表面閾值對(duì)定位的影響進(jìn)行研究。實(shí)驗(yàn)結(jié)果表明，在SIFT和SURF算法中，當(dāng)閾值為0.55時(shí)，誤差最小。Li等人[38]提出了一種加權(quán)中值指數(shù)算法，將嵌入式傳感器的輸出集成到手機(jī)上。小范圍的實(shí)驗(yàn)表明，該方法具有較好的性能。因?yàn)檫@種方法中對(duì)定位誤差進(jìn)行了非線性校正。Yu等人[39]針對(duì)傳統(tǒng)指紋定位算法存在的離線指紋采集成本高、擴(kuò)展性低的問題，提出了一種眾包自動(dòng)組圖算法。該方法基于RACC算法，可以通過(guò)用戶的手機(jī)隱式收集眾包WiFi信息和傳感器測(cè)量值。當(dāng)用戶通過(guò)門時(shí)，通過(guò)用戶的統(tǒng)計(jì)屬性，可以識(shí)別門的RSS指紋。根據(jù)所提出的相鄰遞歸匹配算法，可以在門的指紋上標(biāo)記出相應(yīng)的物理位置。并在指紋聚類后，根據(jù)指紋的相似度構(gòu)造了基于AP聚類和K均值算法的指紋圖譜。實(shí)驗(yàn)結(jié)果表明，該算法能有效地解決資源消耗問題，獲得具有競(jìng)爭(zhēng)力的定位精度。

Wang等人[40]從眾包數(shù)據(jù)庫(kù)面臨的主要挑戰(zhàn)入手，提出了一種新的室內(nèi)次域定位方案。該方案通過(guò)群體尋源、聚類和指紋匹配方法，從RSS度量中創(chuàng)建一個(gè)指紋區(qū)域，并將其與室內(nèi)平面圖相關(guān)聯(lián)。同時(shí)，針對(duì)設(shè)備的多樣性，提出了一種新的在線定位算法。該算法雖然解決了設(shè)備多樣性的影響，但其實(shí)現(xiàn)仍處于定位階段，不能滿足實(shí)時(shí)性的要求。如果在建立指紋數(shù)據(jù)庫(kù)時(shí)能夠消除設(shè)備多樣性的影響，將大大提高定位系統(tǒng)的效率。

5 結(jié)束語(yǔ)

現(xiàn)有指紋數(shù)據(jù)庫(kù)的建立可分為2種方案：傳統(tǒng)指紋數(shù)據(jù)庫(kù)和眾包指紋數(shù)據(jù)庫(kù)，這兩種方案涉及到指紋組成、數(shù)據(jù)采集、能耗、計(jì)算復(fù)雜度和設(shè)備多樣性等問題[41]。傳統(tǒng)的現(xiàn)場(chǎng)踏勘方法是根據(jù)場(chǎng)地位置均勻劃分RP，采用同一終端進(jìn)行采樣。如果不存在終端多樣性問題，則指紋相對(duì)準(zhǔn)確。但這可能導(dǎo)致建立指紋數(shù)據(jù)庫(kù)和維護(hù)數(shù)據(jù)庫(kù)的成本較高。如果在實(shí)時(shí)定位中使用的終端與在指紋構(gòu)造中使用的終端不同，則該方法無(wú)法達(dá)到理想的定位精度，甚至可能相差甚遠(yuǎn)。因此，基于無(wú)線局域網(wǎng)的位置，對(duì)其后續(xù)研究方向可簡(jiǎn)述如下。

(1)AP和RP的選擇，即如何選擇穩(wěn)定、足量的AP和足量的RP，這既能保證定位的準(zhǔn)確性，又能保證較低的計(jì)算復(fù)雜度及定位的及時(shí)性。

(2)如何利用專用設(shè)備建立的精密指紋數(shù)據(jù)庫(kù)解決設(shè)備多樣性問題。

(3)在眾包指紋數(shù)據(jù)庫(kù)中，由于指紋位置的隨機(jī)性，無(wú)法保證指紋的完整性。而這已成為亟待解決的重要問題之一。

(4)指紋眾包過(guò)程中設(shè)備的多樣性。一方面，是確保數(shù)據(jù)庫(kù)中的數(shù)據(jù)不能與不同范圍的數(shù)據(jù)混合，這樣就不會(huì)降低數(shù)據(jù)庫(kù)的準(zhǔn)確性；另一方面，在定位時(shí)，需要根據(jù)采集設(shè)備的差異對(duì)設(shè)備進(jìn)行校準(zhǔn)，以提高定位精度。

綜前所述，基于WLAN的指紋定位是一種有效的位置感知服務(wù)解決方案，因其可以利用現(xiàn)有的基礎(chǔ)設(shè)施，節(jié)省硬件成本，因而有著廣闊的研發(fā)空間，其發(fā)展前景也十分可觀。