基于Wi—Fi的室內定位系統在智慧校園中的應用

針對目前現有的室內定位系統無法很好地達到大學校園用戶的一些個性化服務的定位精度要求，本文利用Android手機平臺研究一種基于位置指紋的Wi-Fi室內定位系統，用于提高圖書館、實驗室等場所的LBS的服務質量。該系統在在線定位階段采用WKNN算法進行位置指紋匹配并定位，取得了較好的效果。

【關鍵詞】智慧校園 Wi-Fi 室內定位

智慧校園是指以促進信息技術與教育教學融合、提高教學效果為目的，以物聯網、云計算、大數據分析等新技術為核心技術，提供一種環境全面感知、智慧型、數據化、網絡化、協作型一體化教學、科研、管理和生活服務并能對教育教學進行洞察和預測的新型校園。智慧校園與傳統意義上的數字化校園存在著很大的區別，首先數字化校園只是使用孤立的多媒體教室或者數字化教學資源和辦公系統，但智慧校園的建設內容卻涵蓋更多的方面：首先校園環境建設更加節能、環保，再者教學系統建設更側重于資源個性化定制與推薦，比如個性化的信息定制與推送服務、掌上教室、移動圖書館，最后所有的教學信息和資源能更大程度上實現互動分享，比如能利用手機實現自習室的座位預約、智能簽到、教室查找及位置共享等等。由此可見智慧校園建設離不開網絡建設和基于位置的服務（LBS）。但通過筆者的調查研究發現：現有的室內定位系統遠遠無法達到大學校園用戶的一些個性化要求，特別是諸如圖書館、實驗實訓中心等人員流動較大的室內環境。

智慧校園建設選擇Wi-Fi室內定位技術主要有如下原因：

（1）很多支持Wi-Fi的設備都是可移動終端，具有體積較小、便于攜帶等優點。

（2）LBS要求較為精確的位置定位，基于Wi-Fi的室內定位技術相對其他技術的定位精度較高，且設備和通信成本較低。

（3）因為Wi-Fi接入點成本較低，目前大學校園里隨時隨地可以連入Wi-Fi網絡，這也使Wi-Fi室內定位技術成為可能。

（4）目前支持Wi-Fi的終端設備普及率已經非常高，有調查顯示擁有智能手機的大學生已經接近100%。由此可見，隨著大學校園內Wi-Fi無線網絡的迅速普及和廣泛應用，基于Wi-Fi的高精度室內定位技術必將在智慧校園建設中得到更加廣闊的發展。

1 Wi-Fi室內定位技術比較

按照采用的信號測量方法，Wi-Fi室內定位技術可以分為TOA，TDOA，AOA以及RSSI等。TOA是基于信號到達時間的定位方法（Time of Arrival），通過測量信號從發射出到接收到所用的時間來估算距離，然后通過幾何方法計算位置。該方法通常采用三邊定位算法，至少需要信號定位基站3個。如圖1所示，待測位置為P點，三個基站位置分別為AP1，AP2，AP3，已測量出P到AP1、AP2、AP3的距離分別為d1、d2、d3，由幾何知識可知，P點必在分別以AP1、AP2、AP3為圓心，以d1、d2、d3為半徑的三個圓的交點處。P點的坐標可以由數學方法計算得出。

TOA要求接入點AP和待定位終端P要有非常精確的時鐘同步，否則會帶來較大的定位誤差。而TDOA（Time Difference of Arrival， 基于信號到達時間差的定位方法）則是利用信號分別到達兩個接入點AP的時間差來估計距離及P點位置的，因此該定位方法不需要接入點和定位終端的精確同步。但是不管是TDOA還是TOA都需要在定位終端配置時間測量模塊，所以這兩種定位方法硬件成本較高。

AOA即是基于信號角度的定位方法（Angle of Arrival）。該方法根據信號從AP接入點到達定位目標的角度以及AP的位置，根據幾何原理計算出待定位目標的位置。該方法要求能夠精確測量出信號的入射角度，因此需要有角度測量的硬件。同時，由于無線信號在室內的傳播會有多徑和衍射等干擾，所以角度測量會有較大誤差。所以，該方法的定位精度并不是很高。

RSSI即是基于接收信號強度的定位方法（Received Signal Strength Indication），主要分成基于信號傳播模型的傳輸損耗法和基于指紋數據庫比對的位置指紋法。傳輸損耗法進行定位的基本原理是：定位終端接收到的無線信號的強度與該終端到AP的距離有關，而且當終端離AP距離越近，則接收信號也越強，反之亦反。因此，可利用信號在特定室內環境中的傳播模型把定位終端實時接收到的無線信號強度轉換成到對應AP的距離，定位算法仍可采用三邊法。但由于室內環境復雜多變，很難找到一個確切的傳播模型來精確描述無線信號的衰減特性。

相對于傳輸損耗法，位置指紋定位法的原理比較簡單。其核心是先建立一個較為完備的位置指紋數據庫，一般做法是在某一室內空間內設置N個參考點和若干AP，并在每個參考點處采集該各個AP在該點的接收信號強度、MAC、參考點坐標等特征值構建出該參考點對應的綜合信息，該綜合信息稱為位置指紋樣本，N個樣本構建出指紋樣本庫。在定位階段，只需要把待定位終端處的MAC和信號強度等信息與數據庫中的N個指紋樣本進行一一比對，再由某種匹配算法找到匹配度最大的幾個參考點，進而計算出帶定位點的具體位置。

綜合比較上述幾種方法，不管是TOA、TDOA還是AOA其定位精度在很大程度上都依賴于硬件，而傳統的傳輸損耗法的定位精度則取決于是否構建出了一個精確的信號傳播模型，這些因素都限制了定位精度的提高。而位置指紋法恰恰擺脫了硬件限制和傳播模型，所以本文所設計的定位系統采用位置指紋定位方法。

2 定位系統總體方案

研究表明在大學校園內像圖書館、實驗室等大規模的室內場館，由于其內部隔斷多，人員流動大致使室內定位精度不高，進而導致LBS服務無法精確定位用戶并提供推送服務。而基于位置指紋的Wi-Fi室內定位技術具有便于實現、成本低、精度高等優點，所以本項目的總體設計思路主要利用Android手機平臺研究一種基于位置指紋的Wi-Fi室內定位系統，用于提高圖書館、實驗室等場所的LBS的服務質量，從而進一步推動智慧大學校園建設。

2.1 定位系統整體硬件架構

定位系統整體架構如圖2所示，是由定位客戶端、Wi-Fi無線網絡（含AP）和服務器端三大模塊組成。

定位客戶端主要功能：

（1）離線階段采集參考點處的位置指紋信息用于構建位置指紋數據庫；

（2）在線定位階段發送定位請求、顯示地圖及定位位置指示；

（3）顯示當前位置的LBS服務信息等。

Wi-Fi無線網絡是由無線AP（即無線信號接入點）以及Wi-Fi網絡共同組成，承擔著整個定位系統的數據傳輸任務。同時，AP的位置、數目及布置也對整個室內系統的定位精度有較大的影響。

服務器端在整個定位系統中也起著至關重要的作用，由地圖服務器、定位服務器和數據庫服務器組成。數據庫服務器主要是用來存儲在離線階段采集到的各個參考點的位置指紋數據，構建指紋數據庫以供數據采集處理服務器和應用服務器查詢。定位服務器主要負責在線定位階段將從待定位客戶端采集到的位置指紋數據進行進一步處理，然后再與數據庫服務器中的位置指紋信息進行比對，進而確定定位位置并將給位置信息發送給地圖服務器。地圖服務器主要是接收客戶端的定位請求，然后將定位位置信息與服務器中存儲的地圖數據合并處理后反饋給待定位客戶端進行實時顯示。

2.2 定位算法

基于位置指紋的定位方法包括兩個階段：離線訓練階段和在線定位階段。在離線訓練階段，主要進行在定位區域使用移動終端測量收集各個AP的RSSI信息，并將RSSI信息存儲在位置指紋數據庫中。在線定位階段主要是把待定位終端采集到的指紋與數據庫中的信息通過一定的算法進行匹配。研究表明進行匹配定位的算法有很多，常用的有：KNN（K近鄰算法）、WKNN（加權K近鄰算法）、KNN-SVM（K近鄰-支持向量機回歸算法）等等，綜合考慮定位精度及算法實現復雜度，本系統采用的是：WKNN算法。

WKNN算法是在KNN算法的基礎上的改進算法，其基本原理是：先利用KNN算法找出與待定位點處歐式距離最近的K個參考點，提取出這K個點的位置信息Pi和RSSI，然后再按照一定的規則給各個Pi確定一個對應權值ωi，最后由公式1求出估計位置P。

（1）

3 小結

本定位系統所采用的WKNN算法相對于其他概率型算法如貝葉斯法等，具有定位復雜度低易于實現的特點，在基于確定性的的匹配算法中精度也較高。但是室內環境由于物品擺放及人員流動存在著很大的不確定性，所以實際定位實驗表明該方法的定位精度還有待提高。后續研究階段擬采用KNN-SVM算法、WKNN后矯正法（如對對定位結果進行卡爾曼濾波處理）等以期進一步提高定位精度。

參考文獻

[1]于長虹.智慧校園智慧服務和運維平臺構建研究[J].中國電化教育，2015（08）.

[2]羅家宥.基于位置指紋的Wi-Fi室內定位技術與實現[D].上海：上海交通大學，2014（01）.

[3]張曉娟，張佑春.基于動態環境自適應Wi-Fi室內定位系統設計[J].長春工程學院學報（自然科學版），2016.17（03）：97-100.

[4]丁根明.基于人工智能的室內指紋定位技術研究[D].北京：北京交通大學，2015（06）.

[5]周錦，李煒，金亮等. 基于KNN-SVM 算法的室內定位系統設計[J].華中科技大學學報（自科版 增刊1），2015.43（10）：517-519.

[6]羅利.基于Android的Wi-Fi室內定位技術研究[D].成都：西南交通大學，2014（05）.

[7]王磊，周慧，蔣國平等.基于Wi-Fi的自適應匹配預處理WKNN算法[J].信號處理，2015.31（09）：1067-1074.

作者簡介

張曉娟（1982-），女，現為安徽工商職業學院講師，工學碩士，主要從事工作為建筑智能化技術。

作者單位

安徽工商職業學院 安徽省合肥市 230041