基于WIFI無線區域定位的精確度影響因子研究﹡

常曉潔， 江肖強

（浙江大學 圖書與信息中心，浙江 杭州 310000）

0 引言

在無線網絡技術及應用不斷發展成熟特別是WIFI覆蓋范圍日趨廣泛的今天，定位技術也顯得越來越重要，尤其區域定位技術。現如今已有的無線定位技術主要有 TOA基于電磁波傳播時間的定位技術；AOA基于電波入射角的定位技術；TDOA基于電磁波到達時間差的定位技術[1]；以及基于信號強度RSSI的定位技術等。但是無論采用何種類型的定位技術都不可避免的會有誤差，如何盡量降低定位誤差，提高定位精確度？提高定位精度首先要明確的就是有哪些因素將會影響到區域定位，然后才能在建立信號傳播模型時將這些因素考慮進去進行修正，最后在設計定位算法時盡可能降低這些因素對定位精確度的影響。區域定位的主要誤差來自于移動終端與AP之間信號的無線傳播環境的影響，其次是由室內定位系統中最重要的模塊定位算法導致的誤差以及各種移動終端信號接收強度的差異性引起的定位誤差。文中將主要研究WIFI無線傳播環境中的影響因子包括信號傳播過程中的衰減、非視距傳播（NLOS，Non Line of Sigh NLOS）、電子設備的信號干擾以及接收端定位采樣時的位置引起的信號接收誤差，其中以NLOS引起的誤差最為嚴重。這些誤差在室內環境下雖不可完全避免但可通過進行一系列的實驗和優化定位算法進行最大程度的減小。

1 影響室內定位因素

無線信號傳播環境中存在的影響定位精確度誤差的因子主要有非視距傳播NLOS和視距干擾LOS如穿透障礙物造成的信號衰減、電子設備的信號干擾、移動物干擾、測量時的移動誤差、定位系統自身誤差等，其中最為主要的定位影響因子是NLOS，NLOS可以通過建立相應數學模型進行消減，其他誤差在固定的環境中可以通過進行多次仿真試驗采集海量數據將誤差降到最低。下面將主要對非視距傳播NLOS進行研究。

室內環境下無線波由 AP到達移動終端的過程中，會因傳播環境中各種靜止或運動的物體使無線波產生非視距傳播NLOS[2]如反射、繞射、散射等，最終導致以不同的路徑到達接收端，這種現象稱為多徑傳播（MPP，Multipath Propagation），如圖1所示。

圖1 多徑傳播示意

由于這些信號是經過不同傳播路徑到達接收端的，不同的傳播路徑到達接收端有不同的到達時間、到達角度和相位，同時這些信號之間是相互獨立的，接受端接收信號時對這些相互獨立的無線波進行向量疊加合成一個整體的接收信號強度值。多徑傳播的信號在接收端進行向量疊加使接收到的信號強度與無線波的相位有關，從而會出現移動終端接收無線信號時出現忽大忽小不穩定的振幅波動。經試驗研究一般振幅在20 dB和30 dB左右波動變化。

抑制非視距傳播NLOS對定位的影響將是十分必要的。通過對定位環境進行NLOS建模，即經過多次實驗測量在NLOS傳播時的距離偏差，然后結合相應修正算法對NLOS傳播測量進行校正，最后將定位結果校正到實際距離測量附近。

2 區域定位影響因子的修正算法

NLOS誤差是無線定位誤差的主要來源。它使測量結果發生正向偏差，從而導致定位結果產生很大誤差。

目前已有的NLOS誤差消除方法可以分為直接法和間接法兩種[3]。直接法是通過考察NLOS誤差的統計特性，找出測量值與真實值之間的誤差關系以及偏離度，并對測量值進行處理以恢復出真實值。間接法則是把消除測量值中的NLOS誤差與定位算法結合[4]，通過設計優化定位算法，減小NLOS誤差對定位結果的影響。下面將對兩種常用定位算法進行優化以適應NLOS和LOS影響不同的WIFI無線信號傳輸環境。

2.1 GRBF誤差修正算法

由于反射體均勻分布在以選擇的RBF函數中心為圓心，半徑為r的圓周上，因此可在建立基于幾何結構單次反射統計信道模型GBSB上的利用RBF神經網絡逼近非線性連續有理函數對RSSI測量數據及定位初步結果進行修正，以減少NLOS 對定位結果的影響。

首先初始化網絡，輸出一些小的隨機權值；然后提交一個輸入向量，并按：

計算輸出，之后采用RBF神經網絡學習方法[5]遞歸輸入參數：

經過RBF神經網絡學習算法不斷遞歸直至網絡收斂完成。然后用完成的RBF神經網絡對測量數據進行修正，通過式（1）計算輸出值。

2.2 V-OBTL誤差修正算法

V-OBTL誤差修正算法是利用移動終端的速度和方向信息，根據移動終端運動方程并結合OBTL算法[6]得到移動終端的初步定位結果估計值0P。計算 P0( x0,y0)與各AP節點BI( xi,yi)之間的距離d0i[7](i= 1, 2,3，i為AP個數，由于采用三角定位算法，所以i值最大為3，再根據測量得到的到各AP的RSSI測得值算出的移動終端到各AP之間的距離, 選擇最小時所對應的AP為受NLOS 影響最小的AP節點[9]，坐標設定為B1，相應距離信息測量值為d。利用0P、B1以及距離信息d經過比例運算得到移動終端的位置信息 PL( xL,yL)。

最后通過以下比例關系式可得出PL：

3 修正算法仿真及分析

在WIFI無線網絡環境中，實際測量到的大多僅僅是RSSI值，如何盡可能的消減WIFI區域定位中由非視距傳播NLOS和視距傳播LOS產生的誤差顯得尤為困難和重要。本次試驗將分析 GRBF和V-OBTL兩種修正誤差算法在結合三角定位算法時適合應用的環境及對應精確度。本次試驗的環境將按照NLOS影響概率大小分為區域C 50%、區域B 30%、區域A 15%。在整個區域中每隔2米選取一個采樣點，共采集45個采樣點，將每個采樣點對應的坐標(xi, yi)、采樣點與AP夾角及在此采樣點采集到的3個AP的RSSI值輸入建立的指紋庫。之后的試驗將采樣到的數值使用MATLAB首先結合RSSI強度的衰減模型[10]并通過三角定位算法[11]算出未知坐標( xg,yg)集合，經GRBF和V-OBTL誤差修正算法后得出定位坐標( xL,yL)。

（1）影響因子修正算法定位精度分析

在區域A和區域B和區域C進行移動采值，經反復多次采樣，并通過基于GRBF和V-OBTL修正算法仿真得到的定位結果如2和圖3所示。

通過對比圖2與圖3的定位結果可發現在進行移動定位時V-OBTL修正算法明顯優于GRBF修正算法，對于V-OBTL算法NLOS影響概率高的區域如區域C相對NLOS影響區域概率較低的區域如區域A和區域B定位的精確度更高。

圖4所進行的采樣是在固定點進行采樣，在某一點采樣完畢再移動到下一采樣點進行固定采樣，通過比較可發現V-OBTL修正算法和GRBF修正算法各有千秋，在NLOS影響概率較高區域如區域C，V-OBTL定位精度稍優于GRBF，而在NLOS影響強度較低的區域 A和區域 B，GRBF精度稍高于V-OBTL。

圖2 V-OBTL定位軌跡

圖3 GRBF定位軌跡

圖4 V-OBTL與GRBF固定點定位

由以上對比可得出V-OBTL修正算法更適用于NLOS影響概率更高且在移動過程中定位的環境下，而GRBF修正算法適用于NLOS影響概率較低且可進行固定采樣的環境下。

（2）定位誤差均方根誤差比較

圖5 環境一下定位誤差均方根

圖6 環境二下定位誤差均方根

4 結語

文中主要研究了在區域無線定位中定位技術精確度的影響因子，并分析消減各影響因子的方法，針對LOS傳播影響因子[12]如穿過障礙物信號衰減、電子設備信號干擾、定位系統本身誤差則需要在實際實驗環境中根據多次反復測量計算影響因子的值，并估算出誤差范圍來消減影響因子的影響。文中主要總結歸納了并對比分析了兩種消減由非視距傳播產生的NLOS誤差的算法，采用三角定位算法進行定位，并利用V-OBTL和GRBF兩種優化的修正算法進行NLOS的消減，由此分析出在通常的兩類WIFI無線環境下應優先使用的修正定位算法，依次降低NLOS誤差對定位精度的影響，將區域定位誤差平均控制在3 m以內。

[1]張毅,郭華,羅元.無線定位估計的信息融合模型研究[J].信息安全與通信保密,2006(12):80-82.

[2]MAZUELAS S, LAGO F A, BLAS J,et al.Prior NLOS Measurement Correction for Positioning in Cellular Wireless Networks[J]. IEEE Transaction on Vehicular Technology,2099,58(05):2585-2591.

[3]CASAS R, MARCO A, GUERRERO J J, et al.Robust Estimat or for Nonline of Sight Error Mitigation In Indoor Localization[J].European Association for Signal Processing Journal on Applied Signal Processing,2006,6(02):156-163.

[4]LIN C H, CHENG J Y, WU C N.Mobile Location Estimation Using Density based Clustering Technique for NLOS Environments[J].Cluster Computing, 2007,10(01):3-16.

[5]毛永毅,李明遠,張寶軍.一種 NLOS 環境下的 TOA/AOA定位算法[J].電子與信息學報,2009,31(01):37-40.

[6]VATHSANGAM H,TULSYAN A,SUKHATME G S.A Data-driven Movement Model for Single Cellphone-based Indoor Positioning[C]//2011 International Conference.Dallas TX: Body Sensor Networks,2011:174-179.

[7]方海濤,雷菁,胡昆明,等.基于RSSI修正的改進DV-Hop測距算法[J].通信技術,2012,45(02):16-18.

[8]陳昌祥,達維,周潔.基于RSSI的無線傳感器網絡距離修正定位算法[J].通信技術,2011,44(02):65-69.

[9]樸云,董利達,丁力.能夠克服局部 NLOS 影響的自主移動節點定位方法[J].浙江大學學報:工學版,2011,45(07):1147-1153.

[10]陳嶺,許曉龍,楊清,等.基于三次樣條插值的無線信號強度衰減模型[J].浙江大學學報:工學版,2011,45(09):1521-1527.

[11]林瑋,陳傳峰.基于 RSSI 的無線傳感器網絡三角形質心定位算法[J].傳感器技術,2009(02):180-182.

[12]蔣杭佑,馮燕.基于無線傳感器網絡的聲目標定位算法研究[J].信息安全與通信保密,2010(06):54-57.