基于Wi-Fi室内定位的智能设备控制

2023-07-06张玲

中国信息化 2023年6期

张玲

一、背景

智能家居能够以环境智能、远程家庭控制或家庭自动化的形式向用户提供服务。基于位置的服务为社会生活提供了方便，其中以室内位置为基础的服务为创造室内智能环境提供重要条件。Hightower和Borriello总结了智能家居中的位置检测技术，采用Wi-Fi实现室内定位是其中方法之一。各厂商的智能设备使用的通信方式不一致导致了智能家居协议的多样化，通过Wi-Fi搭建设备网络，传递设备控制信息可以在一定程度上解决不同品牌设备难以协同控制的难题。从2012年起，中国各大通信公司纷纷加大在室内部署安装Wi-Fi设备的投入，目前大部分人员密集的公共场所如高校、商场、医院、图书馆等都配备了公共Wi-Fi，为Wi-Fi室内定位技术提供硬件研究基础。本文研究讨论基于Wi-Fi室内定位技术的智能设备控制。

二、技术概述

（一）区域定位模型

室内定位技术具体应用在智能设备控制中只需要进行粗粒度的区域划分，例如当用户进入某区域时自动开启区域灯光、用户离开家时自动锁门等。此外，在实际应用中，室内定位算法模型训练数据来源于应用场景的实地采集，因此无法在短时间内获取大规模、高质量的数据集。而且，智能设备控制系统对系统响应时间有更高的要求，延迟的设备状态调整会严重影响用户体验。综合考虑各方面因素，下面对在响应时间、准确度方面有突出表现且对模型训练数据量要求不高的室内区域定位算法INOA模型进行介绍。INOA模型与大部分Wi-Fi指纹定位模型一致，分为离线、在线两阶段。在离线阶段，需要向模型提供Wi-Fi指纹信息，包含Wi-Fi信号的RSS信息和信号获取点所在区域相应的区域ID，模型接收指纹信息后首先对指纹信息进行预处理，包括AP选择、特征聚类以及指纹压缩，接着利用处理过的指纹数据进行模型训练，并将模型训练参数存储到数据库中。在在线阶段，模型对用户提供的RSS向量数据进行鉴别，并拒绝有过多丢失或噪声的信号数据。进入定位阶段，模型会先判别用户是否在待定位区域，如果在区域内，则将指纹数据送入区域分类模块进行最终的区域分类。下面对它的区域判别和区域分类模块进行详细介绍。

1.区域判别

区别于传统方法使用单一数据描述，INOA系统使用多个基学习器作为单独的数据描述子，并将聚类信息与基学习器相关联，然后用权重投票机制确定分类结果。通过这种构建分类器进行集成学习的方式，INOA可准确判断目标是否在区域内。

2.区域分类

INOA模型区域分类模块利用支持向量机对其中一个分类区域进行向量机参数优化时，把其余区域的所有指纹作为另一个类，这样就为每一个分类区域都构建了一个支持向量机分类器。在在线定位阶段计算待分类RSS向量属于每一个区域的概率，选择概率值最大的区域ID为最后的区域定位结果。

（二）智能设备通信技术

在无线通信技术中，各种通信技术均有优缺点。ZIGBEE/ZWAVE无线通信技术抗干扰能力、中继能力强，但中继级数、节点数量的增加会导致频繁地出现节点掉线和通信失败。蓝牙无线通信技术虽然具有功耗低、成本低的特点，但其传输距离有限，速率也不如其他主流无线通信技术。Wi-Fi无线通信技术最大的问题是安全度低、功耗大，这导致Wi-Fi在某些家居领域的应用受限。为满足不同类型智能设备的控制需求，许多智能设备系统都采用多种无线通信方式组合的方法以实现系统内各种设备间的通信。

在实际的智能设备控制网络中，智能设备与网关控制节点组成一个联动系统。为保证整个控制系统的安全性、可拓展性、实施性，联动系统由主中枢、备中枢、从网关、盲网关和智能设备组成。主中枢作为家庭网络组网的枢纽，搭载的设备最多、运算量最大；主中枢网关通过局域网、蓝牙等无线通信方式协同从网关进行本地的场景调配；在智能设备的整个组网中只允许存在一个主中枢。多台中枢网关可以同时接入一个智能家庭，并且互相之间自动备份；如果中枢网关停止工作，其他任何一台网关都可作为备中枢无感自动替换。从网关接受中枢网关调度，搭载管理部分智能设备，中枢网关与从网关协同工作的模式可以拓展组网、增加系统的稳定性。盲网关指不能接受中枢网关调度的网关，只受智能设备厂商云端管理系统的调控。

（三）HomeAssistant

对智能设备的控制可以借助物联网网关软件的设备控制接口完成。目前市面上开源的智能家居管理平台以HomeAssistant最为成熟。

开源家庭自动化平台Homeassistant区别于一般的智能设备控制应用只能使用指定的APP对有限品牌的智能家居进行控制，系统可以通过调用HomeAssistant提供的API接口实现对局域网内的所有智能家居设备状态查询、状态调整以及各种设备间的场景联动。HomeAssistant平台可以运行在多种硬件设备上，并支持大部分操作系统，其内核依靠多种通信协议与智能手机、传感器、智能家电等设备构建联系，开发者可以通过HTTP协议构建个人系统与HomeAssistant内核的联系，从而请求获取智能设备详情、调整设备状态等。

三、系统解决方案

由用户使用的搭载Android系統的终端设备、搭载INOA模型的服务器、安装HomeAssistant平台的中枢网关、智能设备以及其他网关构成的网络结构如图1所示。

系统实现对用户的室内定位，需要对比指纹数据库中的数据与用户实时上传的指纹数据，因此在系统初始阶段需要由用户通过使用搭载Android系统的手机、平板电脑等智能终端采集室内环境中的Wi-Fi指纹信息并上传至服务器。Wi-Fi信号的采集功能依赖于Google公司提供的Android开源SDK WiFiManager包实现，该包向开发者提供了有关Wi-Fi管理功能的便捷接口。待指纹数据库构建完成后，服务器对指纹数据进行AP选择、特征聚类、指纹压缩等操作，以完成指纹数据预处理，接着服务器对INOA模型中的区域判别及区域分类模块进行训练，并存储模型参数，至此完成系统准备工作。进入实时控制智能设备阶段，用户携带智能终端进入室内区域，智能终端自动采集Wi-Fi信号数据并上传至服务器，服务器对接收到的指纹信息进行预处理并判断指纹来源区域，然后服务器结合时间、气温、天气等信息判断是否需要对相应区域内的智能设备进行状态调整，如当用户进入光线昏暗区域时开启相应区域的灯、当用户所在区域温度不适宜时开启空调、当用户进入影音区域时自动开启投影或音响设备等，并把设备状态调整指令反馈至智能终端；终端接收指令后，转发至搭载HomeAssistant平台的网关，网关根据指令内容对相应设备进行状态调整，并反馈调整结果至智能终端，至此一次由用户室内位置变化引发的设备状态调整流程完成。