CN107071897B - 一种基于环型的Wi-Fi室内定位方法 - Google Patents

Abstract

本发明提出一种基于环型的Wi‑Fi室内定位方法，属于Wi‑Fi室内定位技术领域，本发明在RSSI定位模型基础上首先提出从空间上分析Wi‑Fi的MAC层信号特性，将定位空间按照一定规则进行区域划分，建立以无线访问接入点AP为中心的环状结构，并在环状上以直线距离r为间隔采点并收集RSS训练集，得到环状地图；在此基础上研究环状地图上各点信号特性，对收集到的RSS训练集进行坏数据剔除；根据预处理的结果，建立自适应信号传播模型，最后构建能够充分反映定位算法优劣、兼顾网络成本与精度的定位方法，弥补现有定位算法的局限，提升待定位节点的定位精度，使得Wi‑Fi网络效益最大化，进而促进物联网的发展，对全球经济及信息化的发展起到一定的促进。

Description

一种基于环型的Wi-Fi室内定位方法

技术领域

本发明属于Wi-Fi室内定位技术领域，具体涉及一种基于环型的Wi-Fi室内定位方法。

背景技术

位置服务越来越广泛受到人们的青睐，在紧急救助、医疗保健、个性化信息传递等领域起到巨大的作用。尽管传统的GPS定位和蜂窝定位技术在室外开阔环境中能达到较高的定位精度，但在室内和恶劣环境下无法进行有效定位。目前常用室内定位技术多种多样，包括超声波定位技术、红外线定位技术、射频识别RFID技术、ZigBee技术、Wi-Fi技术等等。随着Wi-Fi网络的普及和高速发展，利用无线Wi-Fi实现室内定位成为主流方案。

在室内环境下，Wi-Fi往往因受各种射频信号的干扰、障碍物的遮挡、甚至温湿度的变化影响，待定位目标根据采集到的Wi-Fi信号很难准确预测信号衰减模型。因此，针对室环境特点，设计自适应的信号衰减模型，能够满足室内复杂环境中的定位技术。

Wi-Fi室内定位技术可以分为两种，一种是基于测距定位算法，另一种是非测距定位算法。基于测距定位算法主要采用RSSI(Received Signal Strength Indication)，和Angle Of Arrival(AOA)定位方法。非测距定位算包括近似法和位置指纹法。RSSI定位方法和位置指纹法引起了众多学者的研究高潮，其中RSSI将发射端到接收端信号的衰减转换为距离，结合三边测量进行位置计算：位置指纹算法是一个可以分为两个阶段的定位算法：离线阶段(或称数据采集阶段)和在线阶段(或称实时定位阶段)。离线阶段，定位***选择一个定位区域的某些位置点作为采样点，采集能够观测到的RSS形成指纹，构建一个位置指纹库，在这个指纹库中，每个指纹都对应一个唯一位置。在线阶段，要求待测目标测得的指纹与指纹库中的指纹进行匹配，从而估计出待测目标的位置。位置指纹定位算法可以利用Wi-Fi环境的RSS作为位置指纹来定位。这种室内定位技术最大的优势是不需要添加定位测量专用硬件，成本低，可以使用纯软件的方式实现，定位方法简单，能够很好的推广。

然而RSSI方法易受多径效应影响和动态性造成RSS测量值的不稳定及存在较大偏差，导致定位精度显著下降，尤其室内环境较室外环境复杂，故该方法在室内定位应用中受到一定的限制：根据一个典型的室内环境进行测量，固定的1分钟时间内接收机收到的RSS值变化大概5dBm。

发明内容

针对现有技术的不足，本发明提出了一种基于环型的Wi-Fi室内定位方法，构建一种自适应信号传播模型，能够对环境变化表现出一定的适应性，从而为建立高精度的室内定位***提供理论及实践上的依据。

一种基于环型的Wi-Fi室内定位方法，包括以下步骤：

步骤1、在室内区域内建立以无线访问接入点为中心的环状结构，获得各环路采样点信号强度的数据集合；

步骤2、根据各环路之间的距离和环路上采样点之间的距离，确定各环路上采样点的个数；

步骤3、采用主成分分析法对各环路上采样点所采集的数据进行降维去噪处理；

步骤4、对降维后各环路上的样本数据进行标准化处理，获得各环路上样本数据方差；

步骤5、利用方差接近信号衰落，选用指数函数作为信号传输衰减模型，根据各环路上样本数据方差和各采样点与接入点之间的距离，拟合构建Wi-Fi信号强度随距离衰减的模型：

σ＝α×e^-β×d+ε (1)

其中，建模时，σ表示环路上采样点数据方差，定位时，σ表示待定位节点收集到的数据方差：建模时，d表示各采样点与接入点之间的距离，定位时，d表示待定位节点距离接入点的距离，α、β以及ε为拟合所获参数；

步骤6、当有待定位节点进入室内定位区域时，采用主成分分析法对待定位节点收集到的数据进行降维去噪处理；

步骤7、将待定位节点降维去噪之后的数据进行标准化处理，获得数据方差；

步骤8、将步骤7所获方差代入所构建Wi-Fi信号强度随距离衰减的模型中，获得待定位节点到接入点之间的距离；

步骤9、多次获得待定位节点到不同接入点之间的距离，采用极大似然估计法获得待定位节点最终位置，完成定位。

步骤2所述的根据各环路之间的距离和环路上采样点之间的距离，确定各环路上采样点的个数：具体公式如下：

其中，N表示各环路上采样点的个数，R表示环路与环路之间的距离，及第一个环路与接入点之间的距离，r表示环路上采样点之间的距离，i＝1......L，L表示环路的个数。

步骤3所述的采用主成分分析法对各环路上采样点所采集的数据进行降维去噪处理；

具体步骤如下：

步骤3-1、对采样集进行中心化处理：

其中，B表示为对采样集D中的信号进行中心化处理后到的矩阵，采样集D＝[RSS₁,RSS₂,...RSS_j,...RSS_N]^M×N表示N个采样点所接收到的信号强度；j＝1,2…N,N表示各环路上采样点的个数：每个信号向量RSSj的维数为M，M表示数据包的个数；

步骤3-2、获得中心化处理后样本的协方差矩阵：

其中，C表示中心化处理后样本的协方差矩阵；

步骤3-3、获得协方差矩阵的特征值和特征向量，选取最大的若干个特征值所对应的特征向量；

步骤3-4、对原始样本数据进行投影，得到降维后的样本矩阵。

本发明优点:

1.通过分析MAC层RSS信号的差异性，揭示RSS的时空演化规律，建立一种新型的环状采样点方案，为进一步的测距奠定理论基础。

2.对同一位置的不同时刻所采集到的RSS数据应当相同或者相似，但RSS信号易受环境因素影响极其不稳定，即便在稳定环境下也存在较大范围的数据波动，本发明通过主成分分析方法滤除受到影响的RSS数据。

3.对修正后的数据进行标准化处理，将原数据进行无量纲化，分析其通信距离与信号衰落之间的关系，本发明将建立一种信号传输衰减模型，使其能够对环境变化表现出一定的适应性，从为实现高精度定位提供理论及实践上的依据。

本发明涉及的一种基于环型的Wi-Fi室内定位方法，能够有效利用节点感知到的信息，建立一种新型的信号传输衰减模型，提升待定位节点的定位精度，使得Wi-Fi网络效益最大化，进而促进物联网的发展，对全球经济及信息化的发展起到一定的促进。

附图说明

图1为本发明一种实施例的接入点AP为中心的环状结构示意图，其中，图(a)为AP放置在中心位置的正方形空间采样点示意图，图(b)为AP放置在边缘位置的正方形空间采样点示意图，图(c)为AP放置在中心位置的长方形空间采样点示意图，图(d)为AP放置在边缘位置的长方形空间采样点示意图；

图2为本发明一种实施例的基于环型的Wi-Fi室内定位方法流程图；

图3为本发明一种实施例的室内结构示意图；

图4为本发明一种实施例的绘制出距离与方差之间的关系图。

具体实施方式

下面结合附图对本发明一种实施例做进一步说明。

本发明实施例中，考虑到Wi-Fi定位误差的存在是因为即使在同一室内环境中，每次信号传输的衰减程度也是有差异性的，因此，传统的无线信号传播衰减模型不适合室内定位。

本发明实施例中，在RSSI定位模型基础上首先提出从空间上分析Wi-Fi的MAC层信号特性，将定位空间按照一定规则进行区域划分，建立以无线访问接入点AP(AccessPoint)为中心的环状结构，如图1中图(a)至图(d)所示，并在环状上以直线距离r为间隔采点并收集RSS训练集，即可得到环状地图。在此基础上研究环状地图上各点信号特性，对收集到的RSS训练集进行坏数据剔除。根据预处理的结果，建立自适应信号传播模型，最后构建能够充分反映定位算法优劣、兼顾网络成本与精度的定位方法，从而弥补现有定位算法的局限，完善Wi-Fi定位算法的理论性。

本发明实施例中，一种基于环型的Wi-Fi室内定位方法，方法流程图如图2所示，包括以下步骤：

步骤1、在室内区域内建立以无线访问接入点为中心的环状结构，获得各环路采样点信号强度的数据集合；

本发明实施例中，如图3所示，测试采用一台具有Wi-Fi发射装置的笔记本电脑和1个AP：将AP放置在长方形的边缘位置，以0.5米为半径布置环状的采样点，在每个环路上采样点之间的距离为0.5米，AP与最大环路之间的距离为20米；

各环路采样点信号强度的数据集合，具体如下：

RSS’＝{RSS₁’，RSS₂’，...，RSS_i’，...，RSS_L’} (5)

其中，RSS'_i表示第i个环路上的采样点集合；

步骤2、根据各环路之间的距离和环路上采样点之间的距离，确定各环路上采样点的个数；

具体公式如下：

其中，N表示各环路上采样点的个数(公式(2)取整数)，R表示环路与环路之间的距离，及第一个环路与接入点之间的距离，即第一个环路与AP之间的距离为R，第二个环路与AP之间为2R，第L个环路与AP之间的距离为L×R，r表示环路上采样点之间的距离，i＝1......L，L表示环路的个数；本发明实施例中，R和r值的选取与具体的定位需求和室内场景大小有关；本发明实施例中，R和r均取值为0.5米；

步骤3、采用主成分分析法对各环路上采样点所采集的数据进行降维去噪处理；

本发明实施例中，同一环路上的每个采样点处放置一台笔记本电脑连续收集AP数据3分钟，同一环路上的采样点接收到组数据包在不同时刻所采集到的RSS数据应当相同或者相似，但RSS信号易受环境因素影响极其不稳定，因此对采样点数据进行数据处理；

具体步骤如下：

步骤3-1、对采样集进行中心化处理：

其中，B表示为对采样集D中的信号进行中心化处理后到的矩阵，采样集D＝[RSS₁,RSS₂,...RSS_j,...RSS_N]^M×N表示N个采样点所接收到的信号强度；j＝1,2…N,N表示各环路上采样点的个数：每个信号向量RSSj的维数为M，M表示数据包的个数；

步骤3-2、获得中心化处理后样本的协方差矩阵：

其中，C表示中心化处理后样本的协方差矩阵；

步骤3-3、获得协方差矩阵的特征值λ_j和特征向量v_j，选取最大的p个特征值所对应的特征向量ω₁,ω₂,...ω_p；

p值的选取公式如下：

本发明实施例中t＝95％，t为重构阈值，然后选取使下式成立的最小p值：

步骤3-4、对原始样本数据进行投影，得到降维后的样本矩阵W_RSS＝(ω₁,ω₂,...ω_p)；将最小的特征值所对应的特征向量去除，将它们舍弃能在一定程度滤除RSS中不稳定的噪声数据；

本发明实施例中，以AP为中心，以R为半径，测量每个环路上采样点的信号并进行上述步骤3的处理，结果为RSS＝[RSS₁,RSS₂,...,RSS_i,...,RSS_L]^p×L，其中RSS_i(i＝1,2，...，L)的维数为p，p是第i个环路降维后的样本个数；

步骤4、对降维后各环路上的样本数据进行标准化处理，获得各环路上样本数据方差；

D(RSS_i)＝E(RSS_i ²)-[E(RSS_i)²](i＝1,2,...,L) (7)

其中，D(RSS_i)表示第i个环路上样本数据的方差，E(RSS_i ²)表示第i个环路上样本数据平方后的期望，[E(RSS_i)²]表示第i个环路上样本数据期望值的平方；

步骤5、利用方差接近信号衰落，选用指数函数作为信号传输衰减模型，根据各环路上样本数据方差和各采样点与接入点之间的距离，拟合构建Wi-Fi信号强度随距离衰减的模型：

本发明实施例中，绘制出距离与方差之间的关系图，如图4所示：从测量结果可以得出，在短距离内信号的衰落较小，并随着间距增加衰落逐渐增大，但是超过一定距离将趋于平稳：由于短距离内路径损耗及传输环境相对简单，并利用方差来接近信号衰落，信号传输衰减模型选用指数函数：

具体公式如下：

σ＝α×e^-β×d+ε (1)

其中，建模时，σ表示环路上采样点数据方差，由公式(7)得到，定位时，σ表示待定位节点收集到的数据方差：建模时，d表示各采样点与接入点之间的距离，定位时，d表示待定位节点距离接入点的距离，根据测量值拟合得到α＝-5.092，β＝0.0916，ε＝5.752；

步骤6、当有待定位节点进入室内定位区域时，采用主成分分析法对待定位节点收集到的数据进行降维去噪处理；

步骤7、将待定位节点降维去噪之后的数据进行标准化处理，获得数据方差；

步骤8、将步骤7所获方差代入所构建Wi-Fi信号强度随距离衰减的模型中，获得待定位节点到接入点之间的距离；

步骤9、多次获得待定位节点到不同接入点之间的距离，采用极大似然估计法获得待定位节点最终位置，完成定位。

Claims (3)

1.一种基于环型的Wi-Fi室内定位方法，其特征在于，包括以下步骤：

步骤1、在室内区域内建立以无线访问接入点为中心的环状结构，获得各环路采样点信号强度的数据集合；

步骤2、根据各环路之间的距离和环路上采样点之间的距离，确定各环路上总采样点的个数；

步骤3、采用主成分分析法对各环路上采样点所采集的数据进行降维去噪处理；

步骤4、对降维后各环路上的样本数据进行标准化处理，获得各环路上样本数据方差；

步骤5、利用方差接近信号衰落，选用指数函数作为信号传输衰减模型，根据各环路上样本数据方差和各采样点与接入点之间的距离，拟合构建Wi-Fi信号强度随距离衰减的模型：

σ＝α×e^-β×d+ε (1)

其中，建模时，σ表示环路上采样点数据方差，定位时，σ表示待定位节点收集到的数据方差：建模时，d表示各采样点与接入点之间的距离，定位时，d表示待定位节点距离接入点的距离，α、β以及ε为拟合所获参数；

步骤6、当有待定位节点进入室内定位区域时，采用主成分分析法对待定位节点收集到的数据进行降维去噪处理；

步骤7、将待定位节点降维去噪之后的数据进行标准化处理，获得数据方差；

步骤8、将步骤7所获方差代入所构建Wi-Fi信号强度随距离衰减的模型中，获得待定位节点到接入点之间的距离；

步骤9、多次获得待定位节点到不同接入点之间的距离，采用极大似然估计法获得待定位节点最终位置，完成定位。

2.根据权利要求1所述的基于环型的Wi-Fi室内定位方法，其特征在于，步骤2所述的根据各环路之间的距离和环路上采样点之间的距离，确定各环路上总采样点的个数：具体公式如下：

其中，N表示各环路上采样点的个数，R表示环路与环路之间的距离，及第一个环路与接入点之间的距离，r表示环路上采样点之间的距离，i＝1......L，L表示环路的个数。

3.根据权利要求1所述的基于环型的Wi-Fi室内定位方法，其特征在于，步骤3所述的采用主成分分析法对各环路上采样点所采集的数据进行降维去噪处理；

具体步骤如下：

步骤3-1、对采样集进行中心化处理：

其中，B表示为对采样集D中的信号进行中心化处理后得到的矩阵，采样集D＝[RSS₁,RSS₂,…RSS_j,…RSS_N]^M×N表示N个采样点所接收到的信号强度；j＝1,2…N,N表示各环路上采样点的个数：每个信号向量RSS_j的维数为M，M表示数据包的个数；

步骤3-2、获得中心化处理后样本的协方差矩阵：

其中，C表示中心化处理后样本的协方差矩阵；

步骤3-3、获得协方差矩阵的特征值和特征向量，选取最大的若干个特征值所对应的特征向量；

步骤3-4、对原始样本数据进行投影，得到降维后的样本矩阵。

Images