基于Wi-Fi信號SLR的AP選取算法

莫永強

(廣州市城市規劃勘測設計研究院，廣東 廣州 510060)

1 引 言

近年來基于位置的服務(LBS，Location Based Service)需求已經呈現井噴式增長，LBS應用市場空前巨大，已經覆蓋到了人們生活中的各個領域。室外衛星導航定位系統為用戶提供高精度、高穩定性和全天候定位導航服務。由于人們80%的活動都發生在室內，衛星導航系統[1]無法在室內提供有效的位置服務，因而室內環境下的位置服務需求變得越來越大。如商場內的位置服務能提升用戶的購物體驗，實現精準營銷。礦井下的位置服務能為井下安全管理、災害救援提供技術支撐。在國內外學者的共同努力下，以WiFi[2]、藍牙低功耗[3]、超寬帶[4](UWB)、RFID[5]等代表的多種室內定位技術實現了快速的發展。隨著移動智能設備的快速普及以及無線局域網的廣泛部署，WiFi因無須部署基礎設施，成本低且方便快捷成為室內定位主流方式之一。基于Wi-Fi的定位技術主要分為基于位置指紋和衰減模型[6]兩種方法，其中，基于位置指紋的方法因其精度和穩定性都高于基于信號衰減模型方法而成為主流。

基于位置指紋的方法主要分為兩個階段。離線階段，在每個指紋點上采集多個AP的RSSI信號并關聯指紋點的位置坐標組成位置指紋庫；在線階段，將待定點處接收到的各AP的RSSI信號與指紋庫進行匹配來求出待定點的近似位置。定位精度和效率與參與定位的AP密切有關，AP的個數越多，計算任務增加導致計算效率降低。而不同的AP對定位精度的影響不同，有的AP參與定位能提升精度，有的AP反而會降低定位精度。因此，如何選取最優的AP[7]成為WiFi室內定位技術關鍵的一步。

基于最大均值(MaxMean)的AP選取算法[8]的主要思想是首先計算出每個AP的RSSI信號強度均值，選取信號強度均值最大的K個AP集合。這種方法雖然能保證選取AP的信號強度最大，但是沒有考慮AP的信號丟失以及信號的穩定性。基于互信息(MI)的AP選取方法[9]是計算AP之間的互信息，根據互信息越低，信息冗余越少來選取互信息最小的AP組合。這種方法雖然能有效降低AP整體的信息冗余，但是無法對單個AP進行區分。基于最小標準偏差(LSTD)的AP選取算法的主要思想是利用RSSI信號序列的標準差來評估RSSI信號的穩定性，標準差越小，信號越穩定。但該方法沒有考慮RSSI的信號丟失，可能導致信號非常弱的AP因其RSSI值變化很小而被選取，降低定位精度。因此，本文提出了一種基于信號丟失率SLR的AP選取算法。此算法的特點是：

(1)信號丟失率能有效反映信號抵抗環境影響的能力，丟失率越低，信號對環境影響越不敏感。

(2)選取信號丟失率低的AP能有效保證樣本數據的豐富性，為定位提供充足的原始數據。

(3)信號丟失率能綜合最大均值和最小標準差等指標的特點，比互信息方法能更有效地對AP進行區分。

2 SLR算法原理

由于室內環境的復雜性，無線信號經發射端在傳輸過程中會經歷多種反射，折射，再傳到接收端。因此，AP信號強度不僅與距離有關，還與各種環境因素以及AP的發射功率有關。因此，接收端接收到的某個AP的信號強度是隨時間變化的，當某時刻某AP的信號強度過低時接收端檢測不到就會出現缺失。當某個AP的信號缺失次數過多時，已接收到的該AP信號序列無法反映整體的統計特征，這樣的AP對定位精度會產生消極影響。因此，需要對這類AP進行過濾，通過設定一個丟失率閾值α，只選擇低于設定丟失率閾值的AP。信號丟失率(SLR)的計算公式是：

(1)

式中，n表示移動設備在定位點處的總掃描次數，nsi表示APi在定位點處被掃描到的次數。

3 基于SLR的定位算法流程

圖1基于SLR的定位算法流程

(2)

4 實驗設計及分析

4.1 實驗設計

為了驗證本文提出算法的有效性，我們在廣州市城市規劃勘測設計研究院的測量部門某辦公室內開展了實驗。如圖2所示，紅色點表示指紋點，藍色的點表示測試點。點間距為 1.5 m。均勻地分布在室內空間，為消除收集差異性的影響，本實驗過程中都使用同一臺智能手機進行數據采集。在每個指紋點和待定點處的信號采集時間為 2 min，采樣頻率為 1 s。同時設備采集了室內所有能掃描到的WiFi熱點(AP)的信息，共20個AP被掃描到。

圖2 室內定位實驗圖

4.2 實驗分析

由于不同環境下，信號缺失率的閾值α可能不同，表1給出了當前實驗環境下，閾值分別為0%～60%之間SLR算法的定位精度。從表1中可以看出，當信息丟失率閾值設置為10%時，此時的定位精度最高，對應的AP個數為6個。再對比不同AP選取算法之間的定位精度(如圖3所示)。圖3縱軸表示平均定位精度，橫軸表示AP的個數變化。在圖中，MaxMean算法，互信息算法，最小標準差算法和SLR算法的精度變化曲線分別是藍色帶菱形線、橙色帶正方形線、灰色帶三角形線和黃色帶十字線。圖3可以看出當AP個數從2個增加到6個時，定位精度不斷增強；AP個數從6個增加到13個時，定位精度基本保持穩定；AP從14～20變化時，定位精度下降，總體趨于平穩。結合圖3和表1可知當閾值越高，篩選出的AP數目越多，SLR算法當閾值從0%～10%變化時，篩選的AP數目增加，定位精度改善明顯。SLR算法在AP個數為6時定位精度取得最優，值為1.73，而AP為6時，MaxMean算法，互信息算法和最小標準差算法三種算法對應的平均定位誤差分別為3.09，2.97和2.38。圖4表示AP=6時，四種算法的測試點定位誤差對比。WiFi信號對人體具有不可穿透性，當辦公室人員較多，來回走動等環境因素的變化會對信號傳輸和接收效果產生影響，基于SLR算法在每個測試點的定位誤差會上下波動，但大部分測試點的定位誤差都比其余算法要好。再結合4種算法的概率累計密度函數進行分析，其數值如表2所示。從表中可以看出SLR算法在各個精度段的密度概率都高于其他三種算法，進一步說明此算法的穩健性。

不同閾值下SLR算法定位精度 表1

圖3 不同AP選取算法之間的定位精度比較

圖4AP=6時，四種算法的測試點定位誤差對比

四種算法的概率累計密度函數值 表2

5 結 論

本文針對WiFi室內定位技術中AP選取問題進行了研究，通過分析現有算法的不足，提出了一種新的基于信號缺失率(SLR)的AP選取算法。通過在廣州市城市規劃勘測設計研究院測量部門的辦公室內進行實驗將本文算法與現有算法進行對比。實驗結果表明：本文算法的平均定位精度比最大均值、互信息(MI)和最小標準差(LSTD)等AP選取算法分別提高了44.0%，41.8%和27.3%。同時研究發現同一個路由器的信號強度在其他條件相同的情況下，用不同的手機采集時，信號的大小會有差異，導致在信號傳輸過程中能量損耗不一樣，所以不同終端設備掃描AP的次數會有差異。因此，不同的手機使用此算法選取AP時，結果有可能是不同的。這種差異性是系統存在的，所以在將來的工作中，我們會針對這個問題進行實驗論證。