基于RSS手指模的煤礦井下WLAN定位方法*

郝麗娜，張秀均，郁萬里，喬 瑩

（中國礦業大學物聯網（感知礦山）研究中心信息與電氣工程學院，江蘇徐州 221008）

0 引言

隨著煤礦井下監控系統的完備，需要井下傳送到地面上信息量的增加，WiFi網絡也逐漸應用到井下的信息采集。在煤礦井下已有的WiFi網絡框架的基礎上，增加基于WiFi的人員定位系統應運而生。但是，針對煤礦井下巷道特殊的環境來說，基于WiFi的定位算法研究還不成熟。室內WLAN定位有基于終端設備的到達信號強度（RSS）、信噪比和近距離感知等方法［1］，較常用的是基于RSS的算法。基于WLAN手指模定位法是目前存在的商業系統中最成功的應用，如Ekahau定位系統和Trapeze LA—200定位系統，多應用于室內的定位;Aeroscout定位系統室內定位采用基于RSS的算法，室外定位采用基于到達時間差法（TDoA），并且還支持GPS定位功能，文獻［1］詳細介紹了這3種系統的定位原理與系統組成，微軟公司推出的RADAR定位系統［2］也是采用RSS采集進行定位的。Castro P等人［3］采用信噪比作為電磁環境特征來進行定位，對于煤礦井下復雜的電磁環境來講，信噪比的變化更加不穩定，應用性不強。近距離感知，也稱最近AP法，近似法，Intel公司研究的PlaceLab［4］系統采用近距離方法，通過接入點的位置來確定移動用戶的位置，一般應用中是基于城市中已存在的GSM基站，定位算法放在客戶端以保護用戶的隱私。

雖然這些定位系統應用在室內定位技術很成熟，但是，煤礦井下巷道狹長且電磁波多徑效應嚴重等特點，把它們直接應用的礦井下定位精度遠達不到期望值，需要針對巷道電磁環境特點對基于RSS的算法進行改進應用在煤礦井下。煤礦井下電磁環境特殊，無線信號的多徑效應、駐波等對定位精度有很大的影響。

1 定位算法介紹

1．1 幾何法

幾何法是指利用幾何學的原理計算節點的位置。它包括三邊測量法和三角測量法。三邊測量法的原理是，已知3個半徑和坐標原點，求3個圓的交點坐標［5，6］，如圖1所示。三角測量法的原理，對于節點A，C和角∠AXC能夠唯一確定一個圓，可求X的坐標，如圖2所示。

圖1 三邊測量法Fig 1 Trilateration algorithm

圖2 三角測量法的原理Fig 2 Triangulation theory

1．2 最近AP法

最近AP法的定位原理如圖3，在圖3中，AP使用的是全向天線，在理想狀態沒有障礙物的情況下，它的覆蓋范圍是球形;若有障礙物的話，覆蓋范圍會根據環境的不同，呈現不同的形狀。如圖3所示，用戶1連接的AP1，它的估計位置是AP1所在位置，用戶3連接的AP2，它的估計位置是AP2的所在位置，用戶2在AP1和AP2的重疊區域中，但它連接的是AP1，所以，它的估計位置就是AP1的所在位置［7，8］。

圖3 最近AP法定位原理Fig 3 Localization theory of nearest AP

1．3 場景分析法—手指模定位算法

手指模（fingerprinting）定位算法，也叫手指指紋定位算法［9，10］，它是基于RSS來確定目標的位置的算法。它分為2個階段:第一階段是離線采樣階段，在所需定位的區域進行采樣得到的信息存儲成一個數據庫（database）。采樣點可間隔幾米，然后遍歷所有采樣點，記錄下每個采樣點采樣的無線信號強度，最后將這些信號強度及其接入點MAC地址等信息以一定的格式存儲到數據庫中，供下一階段進行時查詢使用;第二階段是在線實時定位階段，攜定位卡人員移動到某一位置時，把接收到的信號強度值信息利用定位匹配算法和已存數據庫的信息進行計算，確定其被定位的位置［11］。該定位算法的過程見圖4所示。

圖4 手指模定位算法過程Fig 4 Process of fingerprinting localization algorithm

在離線采樣階段，采樣點的分布有些呈規律性的網格狀，有些在一個房間內采樣1個點或者2個點，采樣點的分布可根據用戶的定位精度的需求來自由設定，采樣點不宜過密或過疏。采樣點的信息可按表1方式進行存儲。

表1 采樣點信號特征Fig 1 Signal characteristic of sampling points

在實時定位階段，持有標識卡的用戶接收到的信息類型和采樣階段采樣點存儲到數據庫中的信息類型相同，選擇適用的匹配算法，對接收到的信息進行處理，估計目標標識卡所在的位置。

2 手指模定位算法的匹配算法

2．1 貝葉斯公式法

貝葉斯公式法是一種基于概率的定位匹配方法，它是一種把類的先驗知識和從數據中收集的新證據相結合的統計原理。它的定位過程如下:首先，假定所需定位區域共產生l個手指模，記作{F1，F2，…，F1}，每個手指模與一組位置{L1，L2，…，L1}有一對一的映射關系;其次，在實時定位階段，一個手指模記為S，它包含有多個接入點的接收信號強度的平均值，即S=（s1，s2，…，sn）。貝葉斯公式法就是要計算出實時RSS手指模S在定位區域的每個位置處的后驗概率，即表示為p（Li|S），后驗概率如下式所示

一般情況下，用高斯概率分布來近似表示接收的信號

2．2 K 鄰近法

K鄰近法屬于確定性定位方法，它是在手指模數據庫中搜索與待定位點接收到的信號強度樣本最接近的多個樣本，將這幾個樣本的位置求質心作為待定位點的估計位置［12］。K鄰近法中K值可取任意值，根據定位環境取合適的K值。當K=1時，該方法稱為最鄰近法，它是選擇與待定位點最接近的一個點作為待定位點的位置。通常用歐幾里德距離來度量鄰近性，如下式（3），式（4）強度在某一位置處的分布，如下式所示

式中S為實時定位階段的信號強度的平均值，S=（s1，s2，…，sn），Fi表示采樣階段中存儲的信號樣例，Fi=（r1，r2，…，rn），L為歐幾里德最小距離。

2．3 算法流程與設計

本文提出的定位算法采用C語言編寫，對處于某個位置的待定位標識卡采集到的信息進行處理。圖5所示為匹配算法應用K鄰近法，K=3的算法流程圖;圖6為改進的匹配算法流程圖。

圖5 K鄰近法算法流程圖Fig 5 Flow chart of K nearest algorithm

圖6 改進的算法流程圖Fig 6 Flow chart of improved algorithm

3 實驗與結果分析

3．1 實驗環境

實驗場地設到中國礦業大學瓦斯爆炸重點實驗室，該實驗室是模擬煤礦巷道的場景，對本文的算法進行現場實驗，該巷道長138 m，寬2．2 m，高2．33 m。硬件平臺采用美國Ruckus公司的無線接入點（AP），AP控制器，H3C的交換機，內置Intel（R）WiFi Link 1000 BGN的Lenovo E46A的筆記本電腦收集WiFi信息，AP使用的是5dBi的全向天線。軟件方面采用NetStumbler掃描AP信號，記錄相應的AP MAC，RSS，時間等信息，選用SQL server 2000建立手指模數據庫，定位算法采用C語言編寫，對接收的信息進行定位處理。

在每次的實驗中，考慮到巷道比較窄，所需定位的點可忽略縱坐標y軸的大小，在巷道中每隔2 m進行一次采樣，每個采樣點上持續采集1 min，然后對這1 min內每個AP的RSS取平均值存入到數據庫中的手指模。當有些AP的RSS過弱而采集不到時，把該AP的RSS設置為－90 dBm，然后求平均存入數據庫中，在實時定位階段，遇到此情況時，也將RSS默認設置成－90 dBm。采樣點的部署如圖7所示。

圖7 防空洞模擬巷道中采樣點分布圖Fig 7 Distribution of sampling points in the shelter simulation tunnel

3．2 實驗結果與分析

在這個巷道中，本文共對比性地做了兩類實驗，兩類實驗中采用相同的數據庫。每一類實驗做5次，每一次實驗記錄誤差取平均值。共部署了5個AP，自巷道開端每隔20 m部署一個AP，如圖8。在實驗中，人的步行速度大約為1m/s，服務器每5s對收集到的信息進行處理和定位。由于實驗全程都是由人抱著筆記本進行信號收集，所以，人體對信號的吸收和阻擋對定位精度有所影響。

當AP數量為5個，采樣點離AP14 m時的采集的信號強度部分值如表2所示。在數據處理過程中，表中信號強度為－1的在定位計算時處理為－90，取各個AP接收信號強度的平均值存入數據庫中，供實時定位階段查詢，在實時定位階段，數據處理和采樣階段的處理方式相同。如表2所示，這5個 AP存入數據庫中的信號強度值分別為－45．57，－63．36，－68，－83．5，－79．29。實時定位階段，采用上文介紹的2種匹配算法進行計算估計。

圖8 5個無線接入點部署的情況Fig 8 Layout condition of five APs

表2 無線網卡接收到的信號強度列表（部分）Tab 2 List of the RSS of the wireless card（part）

從圖9可以看出:無線接入點的RSS在一定距離內，信號強度隨距離變化而變化波動大，而距離越遠，信號強度呈平穩減小的趨勢。在煤礦井下，無線接入點的信號強度變化趨勢由于多徑效應并不是這樣的，但是信號強度衰減趨勢基本一致。如表3和圖10所示，K鄰近法的平均定位誤差達到5．8m，而結合貝葉斯定理與K鄰近法的平均定位誤差只有3．3 m，由此可見，收集到的信息經貝葉斯定理處理后，再使用K鄰近法的匹配算法的定位性能較好。

圖9 無線接入點在自由空間內信號強度隨距離變化趨勢Fig 9 RSS changing trend with distance of APs in free space

表3 K鄰近法和改進后的定位算法的定位誤差比較Tab 3 Localization error comparison of K nearest algorithm and the improved algorithm

4 結論

在基于RSS手指模的定位技術中，無線接入點之間的距離對定位精度有影響。本文采用實驗的方法，驗證提出的貝葉斯定理結合K鄰近法的定位算法應用到煤礦井下人員定位的可行性，通過實驗結果對比可得出:改進的定位匹配算法比K鄰近法匹配算法的定位精度高。文中實驗環境和井下巷道環境特征吻合度高，實驗的意義更加重要。

圖10 兩種算法定位誤差比較Fig 10 Localization error comparison of the two algorithms

［1］ Curran K，Furey E，Lunney T，et al．An evaluation of indoor location determination technologies［J］．2011，2（5）:61 －78．

［2］ Bahl P，Padmanabhan V N．RADAR:An in-building RF-based location and tracking system［C］∥Proceedings of the IEEE INFOCOM，Tel-Aviv，Israel:2000:775 －784．

［3］ Castro P，Chiu P，Kremenek T，et al．A probabilistic room location service for wireless networked environments［C］∥Proceedings of the International Conference on Ubiquitous Computing，Atlanta，Georgia，2001:18 －24．

［4］ McMullan C，Cahill D，Fry D．Placelab geopositioning system［G/OL］．wikipedia（2011—05—07）［2011—11—18］．http:∥ntrg．cs．tcd．ie/undergrad/4ba2．05/group1/index．html．

［5］ 孫利民，李建中．無線傳感器網絡［M］．北京:清華大學出版社，2005．

［6］ 張 祺．無線傳感器網絡定位技術研究與應用［D］．合肥:合肥工業大學，2008．

［7］ Seppanen A，Ikonen J，Porras J．Extracting and using positioning information in WLAN networks［C］∥Proceedings of the 1st Workshop on Applications of Wireless Communications，Lappeenranta，Finland，2003:1 －11．

［8］ Chen Y C，Chan Y J，She C W．Enabling location-based services in wireless LAN hotspots［J］．International Journal of Network Management，2005，15:163 － 175．

［9］ 盧恒惠，劉興川，張 超，等．基于三角形與位置指紋識別算法的 WiFi定位比較［J］．移動通信，2010（10）:72－76．

［10］楊文姬，王命延，蘇 武．基于RSS場景指紋的Zig Bee無線傳感器網的定位方法［J］．計算機與現代化，2010（10）:158－160，169．

［11］榮曉峰，楊 娜．RSSI位置指紋的定位誤差分析與仿真［J］．西安工業大學學報，2010（10）:574－578．

［12］李 昊．位置指紋定位技術［J］．山西電子技術，2007（5）:84－87．