基于WIFI定位技术的改进型位置指纹识别算法研究

魏恒瑞，王蔚庭

（1.北京信息科技大学，北京 100192；2.北京创时特科技有限公司，北京 100083）

0 引言

对在室外的定位，基于GPS技术的定位已经能得到非常满意的结果，并在很多行业和领域得到广泛应用，不过在实际应用中，这种定位方法还有一些局限性：初始定位时间(TTFF)过长，卫星信号捕获时间较长导致接收机功耗过大，在室内的定位精度和实时性大大折扣，所以室内定位技术的研究受到越来越多的重视。随着WIFI无线通信的快速发展，以及智能手机的逐步普及，人们对利用智能手机结合WIFI通信技术对人员或物品进行位置定位成为室内位置定位的一个重要分支。

基于WIFI网络的无线定位技术主要有以下几种：基于电波传播时间(TOA)、基于电波传播时间差(TDOA)、基于信号强度(Received Signal Strength,RSS)、基于电波入射角(AOA)、基于蜂窝小区标示(CELL-LD)。通常采用以信号强度(RSS)为基础的定位技术。

本论文的研究背景是以某污水处理厂的“危险区域人员定位和主动防护”实际项目为基础，选择在污水处理厂的地下回廊内有WIFI无线网络完全覆盖的区域内，对此区域内含有危险源的区域进行标识和识别，对当携带智能手机终端的人员进入这些区域，对人员进行定位，当这些区域有报警发生时给出声光报警并对相关人员给出警报发送。污水处理厂地下回廊内的人员定位采用基于WIFI信号强度(RSS)位置指纹识别算法，并结合统计滤波技术的改进型位置指纹识别算法技术对人员在地下回廊内进行定位。

1 WIFI定位原理

WIFI定位的技术原理是：由多个AP（Access Point，热点）组成的无线网络中，AP周期性地发出无线信号，定位手机在某一位置和时刻接收到信号后，获取发送该信号AP的物理地址和信号强度（RSS）等数据信息，将该数据信息通过无线网络传递给定位服务器：定位服务器根据采集到的数据通过特定算法计算定位手机所处位置，并通过电子地图显示，WIFI定位系统拓扑图[1]如图1所示。目前主要应用的WIFI定位算法是位置指纹识别算法。

图1 WIFI定位系统拓扑图

位置指纹识别算法包括两个阶段：位置指纹离散采样阶段和实时定位阶段，如图2所示，就是在一个由多个AP组成的WIFI无线网络覆盖的场景，先按一定的选点规则选择场景内的全部位置定位点，然后把在这些所选位置定位点上智能手机终端所采集到的所有AP的RSS值作为指纹信息保存在指纹识别库中。

图2 位置指纹采样和定位图

在进行定位时，采集当前位置的所有AP的RSS值，然后将所采集到的所有AP的RSS值和在指纹库预存储的指纹特征信息进行比较，通过一定的匹配算法，选取与当前位置所采集到的所有AP的RSS值最接近的指纹信息所对应的位置作为当前定位的位置。为此，需要建立一个位置指纹识别数据库 。首先，选择合理的参考点分布，确保能为定位阶段的准确位置匹配提供足够的信息。接着依次在各个参考点上测量来自不同AP的RSS值，并且将对应AP的MAC（Medium Access Control，介质访问控制层）地址与参考点的位置信息记录在数据库中，直至遍历区域内所有的参考点。由于受环境影响，无线信号强度并不稳定，为了克服RSS不稳定对定位的影响，通常在每个参考点上多次测量取平均值保存到数据库。给定数据库后，依据最近邻法将待测点上接收的AP的RSS与数据库中的已有数据进行比较，计算位置估计值[2]。

q为正整数，q=1时，称为曼哈顿(Manhattan)距离，q=2时，称为欧氏(Euclidean)距离。其中，LN表示向量在空间中的距离。M的取值与n，NT的大小相关，q取max(n，NT)时，将有可能出现错误的向量被计算为最佳匹配向量。q取min(n，NT)时，可以剔除错误的最近邻。一般我们选q=2，选择欧式距离为宜。既能满足精度又能减少计算量[3]。

虽然，经过上述处理后可以实现简单的定位，但是抗干扰能力差，且反复现象严重，于是根据实际的要求，我们给出了下列算法改进。

2 改进的位置指纹识别算法

2.1 算法确定性的改进

首先根据定位实际，相邻位置是连续的不会发生跳变，即当前位置只能跳转到相邻位置而不能从当前位置突然跳转到相邻位置的下一个位置，对数据库中的每一个指纹点给出其所能到达的相邻点的位置，如图3所示。因此，我们做了以下限制。

图3 指纹点可行域图

由于单个指纹点选取方向越多，每个方向的相似性越大，不利于区分识别，同时会增加计算量。因此综合考虑我们在每个指纹点上采集两个方向的数据即运动方向的反向数据（-）和同向数据（+），当前指纹点所能到达的区域，即可行域为本指纹点的双方向（B+,B-）、相邻上一指纹点的反向(A-)和相邻下一指纹点的同向(C+)。然后，在定位计算阶段，仅需要计算匹配可行域内的指纹数据即可，减小了算法计算量。通过这种限制方法可以大大降低算法不确定性的范围，计算结果只能够在当前指纹点和其相邻的两个指纹点，即上一指纹点和下一指纹点波动。

2.2 算法抗干扰性的改进

针对算法抗干扰能力较差，仅用LN的一次结果决定当前所处的位置准确率比较低，我们提出利用统计滤波算法来滤除干扰。统计滤波算法流程如图4所示。

图4 统计滤波算法流程图

首先是初始化统计变量i=1；读取手机发来的各个AP信号强度信息，由图3得到指纹点的可行域，然后计算第i次，第i+1次，第i+2次LN的值，统计三次中，最小LN出现次数最多的指纹点即为当前结果。这里我们根据实际测试选择了3次，但是针对不同的测试环境和采集间隔及精度要求，所选取的统计基数是不同的。另外由于初始点不知道，所以初始点的可行域也不知道，因此，我们采用了特殊的初始点

处理方法，即初始时计算所有指纹点的LN的值，获取最小LN值，并且增加统计LN的值的基数，这里我们选择基数为7次，选择7次中最小LN值出现频率最大的指纹点即为初始点。

2.3 测试结果

我们在测试数据中截取了一部分做了分析验证，人员移动实际轨迹为A->B->C->D->E（如图5所示）本测试数据选用4个AP，选取5个指纹点，间隔为2米且每个指纹点选取了两个方向的相邻点指纹数据，即A+,A-,B+,B-,C+,C-,D+,D-,E+,E-。+表示与运动方向同向，-表示与运动方向相反。选用测试移动端为小米2S手机，采样时间间隔为1秒。计算结果如图5所示。

图5 人员移动实际轨迹图

表1 定位结果对照表

由上述表格得出的人员轨迹，如图6和图7所示。

图6 改进前移动轨迹图

图7 改进后移动轨迹图

由上述结果轨迹图可以看出，在改进算法之前，定位结果由于受无线的不确定性影响，定位效果较差，在位置C和D上出现了与实际不符合的反复现象，这就是回跳现象。而加入了改进的定位算法后，其结果与实际人员运动轨迹一致，提高稳定性且反复回跳现象也没有了。因此定位效果得到了大大改善。

3 结束语

由于WIFI无线通信信号强度的不确定性，单纯的使用位置指纹识别算法难以达到在满足精度的情况下确定性高、抗干扰能力强的要求。因此在定位过程中增加了指纹点可行域和统计滤波算法对实时数据进行处理。通过在实际现场实验验证：经过改进后的位置指纹识别算法既满足了精度的要求，又具有比较高的稳定性。

[1]卢恒惠.基于三角形与位置指纹识别算法的WIFI定位比较[J].移动通信.2010.10(3)：72-75.

[2]肖建飞.WIFI定位的应用和实现[J].计算机光盘软件与应用.2011.17：77.

[3]雷家毅.Android平台基于WIFI的定位算法与系统设计[D].上海：华东理工大学,2013.

[4]张利.基于WIFI技术的定位系统的设计与实现[D].北京.北京邮电大学2009.20-22.

[5]Andrew Howard .Sajid Siddiqi.An Experimental Study of Localization Using Wireless Ethernet[C].The 4th International Conference on Field and Service Robotics,July 14-16.2003.