基于多元線性回歸快速迭代的室內(nèi)定位方法研究

摘要：主要研究一種新的室內(nèi)定位方法。該方法采用傳統(tǒng)的信號—傳播模型，利用多元線性回歸法求出該模型中的相應參數(shù)，從而利用該模型求出初始各移動終端的位置；再采用快速迭代法和各移動終端相互校正從而提高定位的精度。實驗結果表明，該算法時間復雜度小、收斂速度快，且具有較高的估計精度。

關鍵詞：室內(nèi)定位； 信號—傳播模型； 多元回歸； 快速迭代

中圖分類號：TP39文獻標志碼：A

文章編號：1001-3695(2007)12-0121-02

0引言

隨著移動通信和無線網(wǎng)絡的發(fā)展，移動通信的應用越來越廣泛，同時也對基于移動通信的位置服務提供了巨大的商機；隨著計算機處理速度的飛速發(fā)展，也對位置服務提供了極大的便利。基于位置服務（location based service，LBS）與地理信息系統(tǒng)(geography information system，GIS)和Internet技術緊密結合^[1]，定位方法也有許多種，如E. A. Martinez等人的基于后向傳播神經(jīng)網(wǎng)的移動定位方法^[2]、MLP（mobile location protocol，基于移動位置協(xié)議）的定位方法^[3]、基于射線跟蹤的定位技術^[4]。但這些多數(shù)是針對室外定位的研究，并且室外定位的技術也比較成熟，定位精度也達到了1 m以內(nèi)；相對室外定位，室內(nèi)定位發(fā)展就比較緩慢一點，從事研究的人也比較少，但人們對室內(nèi)定位的需求卻是非常大，如地下停車場、博物館等。由于室內(nèi)外環(huán)境的差別，目前大多數(shù)的無線定位技術都是基于到達時間(time of arrival，TOA)、到達時間差(time difference of arrival，TDOA)和到達角度(arrival of angle，AOA)。基于這些技術的定位結果只能在視距傳播信號占支配地位的情況下才是可靠的，但室內(nèi)環(huán)境復雜，因而無法適用于室內(nèi)環(huán)境。此外，TOA或TDOA信息需要發(fā)射機與接收機之間的準確同步，這些要求在許多場合均很難達到；而AOA需要智能天線，價格昂貴且有定位盲點。目前室內(nèi)定位的方法主要有光跟蹤系統(tǒng)、室內(nèi)GPS技術、超聲波定位技術、藍牙技術。但這些技術均有各自的缺點，如光跟蹤技術的設備復雜；室內(nèi)GPS要受到室內(nèi)環(huán)境的嚴重影響，精度和時延均比室外相差很大等。目前其他的定位技術如RFID(radio frequency identification)，它的定位精度在很大程度上與設備的多少和分布有關，并要求有與之相配套的設備和基礎設施^[5，6]；PLT（precision location technology，精確定位技術）是基于Wi－Fi無線網(wǎng)絡接入點的精確定位技術，它利用到達時間進行定位，需要精確的時間同步；UWB（ultra wide band）是利用納秒級窄脈沖發(fā)射無線信號的技術，也是基于時間的；RPT（rosum positioning technology）是利用電視信號進行定位；以及GpsOne技術。另一種可供選擇的定位方法是基于信號強度的解決方案，它并不測量到達信號的時間或角度，而是利用移動站(mobile station，MS)感測來自參考基站(base station，BS)或接入點AP(IEEE 802．11術語中的access point)的信號功率。本文就是對該技術的研究。

本文基于接收信號強度的測量來估計室內(nèi)無線用戶的位置。由于環(huán)境的影響，測量到的功率與真實值之間存在很大的誤差，這樣就使得只利用簡單的信號—傳播模型把測量到的接收功率換算成距離來定位，會引入極大的誤差而不能使用。本文提出了利用多元線性回歸來求Bahl和Padmanabhan 的信號傳播經(jīng)驗模型中的相關參數(shù)，從而改善它的誤差，并利用快速自適應迭代的方法來進一步減少誤差，使誤差減少到最小。由于功率測量易于實現(xiàn)，本算法有很大的實用價值。

3結束語

結果表明本文提出的算法能較準確地估計出室內(nèi)用戶的位置，并且算法的復雜度也不大，利用多元線性回歸和最小二乘估計終端的初始位置。通過快速迭代法，能進一步減少誤差，從而得到較高的估計精度。

參考文獻

[1]胡圣，袁正午，夏英，等.一種智能選擇多維位置數(shù)據(jù)的移動定位體系結構[J].計算機應用研究，2006，23(7):226-228.

[2]MARTINEZ E A， CRUZ R， FAVELA J. Estimating user location in a WLAN using backprogatin neural networks[M].Berlin:Springer，2004:737-746.

[3]毛斐巧，吳一民. 一種基于MLP的移動終端定位實現(xiàn)方法[J].計算機應用研究，2006，23(7):232-233.

[4]YUANG Zheng－wu，YE Wei. A ray－tracing based positioning approach for urban microcells[C]//Proc of ICSCA 2006. Chongqing:[s.n.]， 2006:3937-3942.

[5]CHON H D， JUN S， JUNG H， et al. Using RFID for accurate positioning[C]//Poc of GNSS 2004. Sydeny:[s.n.]，2004:6-8.

[6]FRENZEL L E. Low－power Wi－Fi breakthrough offers active RFID and location services[EB/OL]. [2006-05-12].http://www.ed－china.com/ART_8800015065_400001_500003_OT.HTM.

[7]石鵬，徐鳳燕，王宗欣.基于傳播損耗模型的最大似然估計室內(nèi)定位算法[J].信號處理，2005，21:502-504.

[8]FRAIHA S G C， RODRIGUES J C， BARBOSA R N S， et al. An empirical model for propagation－loss prediction in indoor mobile communications using the pad approximant[J].Microwave and Optical Technology Letters， 2006，48(2):255-261.

[9]CHAN Y T，HO K C. A simple and efficient estimator for hyperbolic location[J]. IEEE Trans on Signal Processing， 1994，42(8):1905-1915.

[10]CHEN P C. A non－line－of－sight error mitigation algorithm in location estimation[C]//Proc of IEEE Wireless Communications and Networking Conference. New Orleans:[s.n.]，1999:316-320.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”