基于Wi-Fi的動態(tài)室內定位方法

姜守東　茅正沖

關鍵詞：Wi-Fi；信號強度；動態(tài)；室內定位；非均值濾波；峰值密度聚類

中圖分類號：TN925+.93 文獻標識碼：A

0 引言

無線通信技術發(fā)展使移動互聯(lián)網(wǎng)用戶激增，各種智能終端應用場景也逐漸豐富[1-2]，用戶對位置服務的應用需求也大幅增加，且對移動定位技術的需求也不斷向場景化和精細化方向發(fā)展。在室內環(huán)境內，Wi-Fi 雖然全域覆蓋，但受到墻體和其他裝飾型室內障礙物阻擋和室內人員流動的影響[3]，動態(tài)室內定位效果明顯降低。目前也有很多學者研究基于Wi-Fi 的室內定位方法，如羅日等[4] 提出融合Wi-Fi 與可穿戴慣導模塊的定位方法，該方法通過為室內人員佩戴慣導模塊獲取室內人員行動慣性姿態(tài)數(shù)據(jù)和Wi-Fi 信號數(shù)據(jù)，再使用無跡卡爾曼濾波算法對以上數(shù)據(jù)進行降噪預處理，之后，通過加權貝葉斯算法獲得室內人員定位結果。但該方法在對室內人員進行定位時，受人員方位推算累計誤差影響，其定位精度不足。謝世成等[5] 提出Wi-Fi 位置指紋室內定位方法，該方法利用傳感器采集Wi-Fi位置指紋信息后，以指紋信息均值的近似值方差為基礎，對室內人員位置歐式距離進行糾正，再通過k 均值聚類方式獲得室內人員位置結果。但該方法在實際應用中的時間復雜度較高，導致其應用效果不佳。面對上述情況，本文提出基于Wi-Fi 的動態(tài)室內定位方法，以提升室內人員定位技術水平。

1 動態(tài)室內定位方法

1.1 基于改進非均值濾波的RSS指紋去噪預處理

利用傳感器采集室內環(huán)境中Wi-Fi 接入點（AP） 的接收信號強度（received signal strength，RSS），該接收信號強度是真實的信號強度，也被稱為RSS 指紋，但在采集Wi-Fi 信號RSS 指紋時，受到采集環(huán)境的影響[6]，Wi-Fi 信號強度內存在不同程度的干擾噪聲，在以Wi-Fi 為基礎進行動態(tài)室內定位時，需對RSS 指紋進行去噪處理，在此使用非均值濾波方法實現(xiàn)RSS 指紋去噪預處理，其詳細過程如下。

將式（13）的結果進行降序排列，從結果序列內可看到明顯的跳躍點，將該點之前最大決策值對應的樣本作為聚類中心，再將剩余樣本點分配到與其最近的密度更高的樣本點所屬的類簇內，輸出聚類結果，該聚類結果即最終動態(tài)室內定位結果。

2 實驗分析

以某綜合建筑室內作為實驗對象，該綜合建筑室內Wi-Fi 覆蓋區(qū)域為80 m×120 m 的二維平面，在該平面內存在22 個AP，使用基于Wi-Fi 的動態(tài)室內定位方法（簡稱“本文方法”）對該建筑室內Wi-Fi 覆蓋區(qū)域的用戶進行動態(tài)定位，分析驗證本文方法實際應用效果。

利用本文方法采集室內RSS 指紋信號并對其內部噪聲進行去噪處理，以RSS 指紋信號強度誤差作為衡量指標，驗證本文方法的去噪效果，結果如圖1 所示。

由圖1 可知，對RSS 指紋信號去噪前，其信號強度誤差在0.45 ～ 0.65 db，而對其進行去噪處理后，RSS 指紋信號強度誤差始終保持在0.1 ～ 0.2 db。這說明本文方法可有效對RSS 指紋信號進行去噪，也電從側面說明本文方法的動態(tài)室內定位效果較好。

以7 個動態(tài)目標作為實驗對象，使用本文方法對其進行動態(tài)室內定位，定位結果如圖2 所示。

由圖2 可知，本文方法對7 個動態(tài)目標的定位位置與目標的實際位置均吻合，說明本文方法具備較強的動態(tài)室內定位能力，應用效果較為顯著。

進一步驗證本文方法動態(tài)室內定位能力，以定位誤差作為衡量指標，測試在Wi-Fi 通信半徑不同的情況下，本文方法動態(tài)室內定位能力，測試結果如圖3 所示。

由圖3 可知，利用本文方法進行動態(tài)室內定位時，其定位誤差始終在-1～0.5 m，并未受到Wi-Fi 通信半徑的影響。這說明本文方法動態(tài)室內定位結果精度較高，應用性較強。

3 結論

本文基于Wi-Fi的動態(tài)室內定位方法，通過采集Wi-Fi的RSS指紋信號，運用匹配方法和聚類方法獲得動態(tài)室內定位結果。以某Wi-Fi覆蓋區(qū)域作為實驗對象，對本文方法進行實際驗證后，從驗證結果得知本文方法具有較強的應用性，未來可在室內定位領域廣泛應用。