基于WiFi的便携式室内定位系统

齐雁飞, 蒋新华, 吴 赟, 蒋学芹

(1.东华大学 信息科学与技术学院,上海 201620;2.上海航天电源技术有限责任公司 轨道交通事业部,上海 201615)

基于WiFi的便携式室内定位系统

齐雁飞1, 蒋新华2, 吴 赟1, 蒋学芹1

(1.东华大学 信息科学与技术学院,上海 201620;2.上海航天电源技术有限责任公司 轨道交通事业部,上海 201615)

针对全球定位系统无法满足室内定位的问题,基于Android平台开发了利用WiFi信号特征的便携式室内定位系统.该系统由移动定位终端、服务器和数据库组成,移动定位终端和服务器联合完成定位功能.定位算法采用基于接收信号强度指示(RSSI)的指纹算法,以场景分析的手段估算出移动定位终端的坐标.在线定位阶段,采用欧氏距离平方倒数作为权重系数对K最近邻算法的权重系数进行改进,以减小在线阶段的误差.实验表明,系统便于携带,操作简单,单次定位速度小于3 s,并且系统3 m内的定位精度达到80%以上.

室内定位; 安卓平台; 指纹; WiFi

0 引 言

随着通信技术的迅速发展和智能移动设备的广泛应用,人们对室内定位的的需求越来越强烈.目前针对室内定位的研究主要有射频标签(RFID)定位[1]、紫峰(ZigBee)室内定位[2]、蓝牙室内定位、宽带室内定位(UWB)、红外线室内定位,但这些定位技术在便携性和使用成本方面不能满足大众需求.WiFi技术以其部署方便,成本较低,覆盖范围广等优点,成为室内定位技术的研究热点[3-4].因此本文作者借助安卓系统的开源特性,开发了一种基于WiFi的便携式室内定位系统.

1 系统总体设计

图1 总体设计框架

基于WiFi的便携式定位系统的总体设计框架如图1所示.系统由移动定位终端(安卓手机)、服务器(PC)和数据库三部分组成.移动定位终端和服务器采用套接字(Socket)方式通信.在线阶段移动定位端读取各个无线接入点(AP)的接收信号强度指示(RSSI)值并发送给服务器,服务器通过定位匹配算法与离线阶段建立的指纹库相匹配后估算出移动终端位置坐标,并把位置坐标反馈到移动终端,进而在地图上显示位置信息.

2 定位算法实现

由于WiFi信号受传播距离、房间布局、建筑材料、人体吸收、气候等多方面因素的影响,WiFi信号在同一地点不同时间采集到的RSSI值不同[5-6].受这种RSSI值的时变特性和室内环境对RSSI值不可预知的影响,传统的路径损耗模型定位误差较大,而采用指纹法可以有效减小多径的干扰和阴影衰落[7].指纹定位法分为两个阶段:离线阶段和在线阶段.离线阶段主要建立位置指纹库,在线阶段则运用适当的匹配算法比对指纹库中的数据,估算出移动定位终端的位置坐标.

2.1 离线阶段指纹库的建立

离线阶段指纹库的建立将影响在线阶段的定位精度,为此采取如下方式建立指纹库:1) 鉴于采样点增加,离线阶段的工作量线性增加,系统采取间隔1 m的网格建立指纹库;2) 在采样点采集信号特征时,选择RSSI平均值大且取值稳定的AP;3) 基于空间和时间因素对RSSI值的影响,系统在每个参考点的4个方向(东、西、南、北)分别采集50次,然后去奇异值求平均.系统采用安卓手机开发的移动定位终端收集参考点的RSSI来建立指纹库,指纹库主要包含采样点的位置坐标、AP的MAC值和AP的RSSI值.

2.2 在线阶段的匹配算法

目前,基于RSSI指纹的定位算法主要分为确定型和概率型两种.确定型算法原理简单,计算量小,速度快.概率型算法原理复杂,计算量大,速度慢,但定位精度高.考虑到系统定位的实时性,本系统采用确定型定位算法,来保证定位速度.

K最近邻 (KNN)匹配算法[9]是一种典型的确定型算法.KNN是计算在线阶段移动终端收集到的RSSI样本向量和指纹库中参考位置的RSSI向量的距离,设t时刻在线阶段收集的RSSI向量为fr,指纹库中位于参考点RPj处的RSSI向量为fj,两个向量间的距离为:

(1)

式中fj=[f1,j,…,fL,j]T表示参考点RPj处接收来自L个AP的平均信号强度向量.选取K个距离最近的参考点,通过求均值估算移动终端的位置坐标,即:

(2)

然而,不同最近邻参考点对测量点位置估算的贡献并不同,因此系统对每个最近邻参考点赋予不同的权重,即加权K最近邻(WKNN) 算法[10].目前,常用欧式距离倒序作为权重系数,尽管可以降低定位误差,但是各个参考点权重系数取决于其他参考点的欧式距离,不能充分利用自身的欧式距离,削弱自身的作用.本系统采用欧式距离平方倒数代替直接欧式距离倒序作为权重系数,即:

且

(3)

式中wi是权重系数,θ是很小的正数,防止分母为0.di是在线阶段测量点信号数据与第i个最近采样点的欧式距离,di2的大小反映权重的变化,di2越小,所占的权重越大.

3 系统开发

3.1 移动定位终端开发

图2 移动定位终端流程图

移动定位终端由搭载Android SDK 开发包的Eclipse 4.42平台开发,本系统采用典型的客户端/服务器 (C/S)架构,移动定位终端的定位流程如图2所示,其所完成的任务包括判断WiFi状态,扫描WiFi信号、传输AP的RSSI值以及实时显示地图.

在检测AP信号的RSSI值时使用StartScan()、getScanResults()等函数进行扫描WiFi接入点,WiFi扫描模块的主要代码如图3所示.

图3 WiFi扫描模块关键代码

3.2 服务端开发

服务器的流程图如图4所示,服务端基于Qt 5.4平台开发,Qt 是一个跨平台的 C++ 图形用户界面库,广泛用于开发图形用户接口 (GUI) 程序.服务器包含监听模块、数据传输模块、数据处理模块、定位模块、数据库模块和实时地图显示模块.开启服务器的监听端口,当监听到定位终端请求时,服务器开启新的线程,监听移动终端数据,如果接收到移动终端传输的数据,服务器通过匹配算法与指纹库数据匹配得出估计坐标,服务器把坐标值传输给移动终端,并且在地图上直观地实时显示位置信息.

图4 服务器流程图

4 实验结果

选取东华大学2号学院楼一个环境复杂的大型会议室,测试基于WiFi的便携式室内定位系统.测试房间长度为8 m,宽度为14 m,并采用大小为1 m×1 m的网格布局选择参考点.硬件平台选择红米Note作为移动定位终端,戴尔-5437笔记本作为服务器.实验结果如表1所示,可见系统的定位精度较高,系统的单次定位时间小于3 s,且移动终端和服务器的地图刷新保持一致.移动终端界面显示如图5所示,服务器端界面显示如图6所示,可见系统界面显示友好.

表1 实验结果

图5 移动定位终端界面

图6 服务器端界面

5 结 论

利用安卓平台开发了基于WiFi信号指纹特征的室内定位系统,采用欧式距离平方的倒数作为权重系数的WKNN算法.通过实际环境对系统进行测试,结果显示该系统定位速度快,定位精度理想.该系统可在安卓手机或Pad上实现,成本低,便于携带,具有较高的使用价值.

[1] Saad S,Nakad Z.A standalone RFID indoor positioning system using passive tags [J].IEEE Transactions on Industrial Electronics,2011,58(5):1961-1970.

[2] Fang S H,Wang C H,Huang T Y,et al.An enhanced ZigBee indoor positioning system with an ensemble approach [J].IEEE Communications Letters,2012,16(4):564-567.

[3] Liu H,Darabi H,Banerjee P,et al.Survey of wireless indoor positioning techniques and systems [J].IEEE Transactions on Applictions and Reviews,2007,37(6):1067-1080.

[4] 徐潇潇,谢林柏,彭力.基于WiFi信号强度特征的室内定位系统设计 [J].计算机工程,2015,40(1):87-91.

Xu X X,Xie L B,Peng L.Design of indoor positioning system based on WiFi signal intensity [J].Computer Project,2015,40(1):87-91.

[5] 冯辰.基于压缩感知的RSS室内定位系统的研究与实现 [D].北京:北京交通大学,2011.

Feng C.Research and implementation of RSS indoor positioning system based on compressed sensing [D].Beijing:Beijing Jiaotong University,2011.

[6] Shu Y,Huang Y,Zhang J,et al.Gradient-Based fingerprinting for indoor localization and tracking [J].IEEE transactions on industrial electronics,2016,63(4):2424-2433.

[7] Du X,Yang K.A Map-Assisted WiFi AP placement algorithm enabling mobile device's indoor positioning [J].IEEE Systems Journal,2016(99):1-9.

[8] Shen Y.Research on access point selection algorithm in wireless indoor localization based on fingerprint [D].Hangzhou:Zhejiang University,2014.

[9] Bahl P,Padmanabhan V N.RADAR:an in-building RF-based location and tracking system [J].Institute of Electrical & Electronics Engineers Inc,2000,2:775-784.

[10] Kukolj D,Vuckovic M,Pletl S.Indoor location finger-printing based on data reduction [C]//IEEE.Broadband and Wireless Computing International Conference on Communication and Applications (BWCCA),Barcelona:IEEE,2011.

(责任编辑：包震宇,冯珍珍)

Portable indoor positioning system based on WiFi

Qi Yanfei1, Jiang Xinhua2, Wu Yun1, Jiang Xueqin1

(1.College of Information Science & Technology,Donghua University,Shanghai 201620,China;2.Rail Transit Division,Shanghai Aerospace Power Technology,Co.,Ltd.,Shanghai 201615,China)

To the question which the global positioning system can′t meet the requirements of indoor location,the paper gives a portable indoor positioning system which is based on Android platform and developed by using the WiFi received signal strength(RSSI).The system is consisted of a mobile location terminal,a server and a database.The mobile positioning terminal and server perform the indoor positioning jointly.The location algorithm uses the technology of the RSSI fingerprinting.The coordinates of the mobile location terminal are estimated by means of the scene analysis.In the online positioning stage,the weight coefficient of the nearest neighbor algorithm is substituted by using reciprocal of the Euclidean distance square as the weight coefficient in order to reduce the error in the online phase.The experiment results show that the system is easy to be carried and operated.The positioning speed is below 3 s and the positioning accuracy in range of 3 m is above 80%.

indoor positioning; android platform; fingerprint; WiFi

10.3969/J.ISSN.1000-5137.2017.01.022

2016-11-16

国家自然科学基金项目(61571135)

齐雁飞(1993-),女,硕士研究生,主要从事移动通信,室内定位方面的研究.E-mail:2287741808@qq.com

导师简介: 吴 赟(1976-),女,博士,副教授,主要从事无线通信中的信号处理技术研究,视频跟踪及图像处理方面的研究.E-mail:wuyun_hit@dhu.edu.cn (通信联系人)

TN 925.93

A

1000-5137(2017)01-0129-05