| 标题 | 基于WiFi与蓝牙的室内定位技术探究 |
| 范文 | 孙纬民 杜庆治 摘要： 作为GPS定位技术的“最后一公里”问题，室内定位近年来一直是定位领域的研究热点。目前室内定位技术发展较为迅速，各种定位方法层出不穷，但是不同的定位方法必然都存在缺陷。因此，为了取长补短，发挥各方法的优点，提出基于WiFi与蓝牙的融合定位技术。该技术首先使用基于KL散度核函数的位置指纹定位算法，分别测算出WiFi定位技术和蓝牙定位技术中目标点的坐标集合；其次，利用Kmeans聚类算法对由蓝牙定位技术得到的结果进行聚类，并选择包含点元素最多的作为蓝牙定位结果；最后，将WiFi定位结果与蓝牙定位结果相融合，该方式得出的结果比任何一种单一定位方式都更加精确。 关键词：WiFi定位；蓝牙定位；室内定位 DOIDOI：10.11907/rjdk.172486 中图分类号：TP319 文献标识码：A文章编号文章编号：16727800（2018）003016903 英文摘要Abstract：As the last kilometer problem of GPS positioning technology， indoor positioning has been the focus of localization filed in recent years. At present， indoor positioning technology is developing rapidly and various positioning methods emerge in endlessly. However， different positioning methods have their shortcomings. Therefore， in order to make full use of the advantages of each method， this paper proposes a fusion positioning technology based on WiFi and Bluetooth. The technology first， employs KL divergence kernel function location fingerprinting algorithm to calculate the position results collection of WiFi and Bluetooth positioning technology. Second， we use Kmeans clustering algorithm to cluster results obtained by Bluetooth positioning technology and choose the one contains the most results as the final result. Finally， the WiFi localization results are fused with the Bluetooth localization results， which are more accurate than any single localization method. 英文關键词Key Words：WiFi positioning； bluetooth positioning； positioning technology 0引言 目前，GPS等定位技术解决了在复杂的室外道路上顺利到达目标位置的问题，然而在“最后一公里”问题——室内定位上，则显得无能为力[1]。为了应对越来越高的建筑物，以更加准确的位置信息服务用户，国内外学者纷纷开始了室内定位研究。如今，室内定位技术发展迅速，一些技术已经发展成熟并进入市场。然而，目前存在的室内定位技术由于适用范围、设备成本、定位精度等方面尚存在一些不足，所以在室内定位技术领域，还未出现像GPS那样广泛普及的技术。为了更好地解决这一问题，研究人员希望通过定位融合技术以取长补短。本文基于这一研究思想，提出基于WiFi与蓝牙的融合定位技术。 1室内定位技术概述 1.1室内定位主要影响因素 对于室内定位技术，影响融合技术精度的主要因素有：非视距传播、多径传播、同频干扰等[2]。非视距传播的方式又分为：①信号反射。无线电波在传输过程中，遇到比自身波长尺寸大的物体时发生信号反射现象，反射信号的幅度大小会受反射物材质、光滑度、入射角度、信号频率等方面影响；②信号衍射。当无线电波在传输过程中受到比自身波长小或接近的孔时，会以孔为中心，转化为环形波并继续向前传播。衍射现象对于信号的损耗比较大，因此如果无线电波遇到强烈的衍射现象，会极大地影响定位结果的准确性；③信号散射。当无线电波在传输过程中遇到比自身波长小或接近的物体时，信号会沿着障碍物的各个方向发射出去。因此，一些表面比较粗糙的障碍物，相较于平滑表面，会严重影响信号传播。 多径传播是指从同一个信标节点发射的无线信号经过两个或多个不同传播路径后到达同一移动终端的现象。对移动终端而言，其接收到的信号是各路信号的汇总，如果各路信号同相则相加，信号增强；反相则互相消减，信号减弱[3]。 同频干扰是指由于室内射频环境比较复杂，与WiFi和蓝牙拥有类似工作频段的设备比较多，如微波炉等。这些干扰设备的存在必然会使最终检测到的信号强度值存在误差，进而影响最终定位结果的准确性[4]。 1.2室内定位技术原理 室内定位系统一般由服务器、无线传输介质、信标节点、移动终端构成[5]。本文研究的定位系统期望能够实现蓝牙单独定位、WiFi单独定位以及两者融合的定位方式。为实现室内信号的全覆盖，需要合理布置WiFi、蓝牙信标节点。与移动终端相比，信标节点发射功率较高、信号波动较为稳定，因此采用主动扫描方式获取相关信标节点信息。随后，移动终端将采集到的信标节点信息过滤、处理并发送至服务器系统，服务器再依据相关定位算法得到移动终端的位置。 2室内定位技术类型 2.1WiFi定位技术 WiFi定位技术是基于IEEE802.11b标准的一种无线网络技术，是当前无线定位的主要技术之一。该技术的定位原理是信号接收端接收无线局域网热点中发送的功率信号，再利用信号传播模型、测距方法，最终得到目标物距离无线热点的距离，随后再依据一些定位方法，比如三边测量定位法、三角定位法、到达时间法等，得到目标物的位置[68]。WiFi定位技术最主要的优点是：定位范围较广，而且部署成本相对较低，对系统整体的定位精度比较高。 2.2蓝牙定位技术 蓝牙定位技术是基于IEEE802.15.1标准的无线网络技术，主要工作原理是通过测量无线信号的强度实现定位，目前能够实现的定位精度是房间级。蓝牙定位技术的发展主要依靠蓝牙局域网的发展。在需要定位的区域部署适当的蓝牙接入点，同时将蓝牙局域网配置成基础网络架构，并将蓝牙标签和蓝牙接入点同时接入局域网，实现双向通信，最后通过一些定位算法估算出标签位置。蓝牙定位技术的优点是：设备体积小，可集成在各种终端设备中，如笔记本电脑、手机或其它一些手持设备。正是由于这一特性，使蓝牙定位技术市场应用比较广泛[9]。但蓝牙定位技术一个不容忽视的缺点是：低版本的蓝牙定位技术稳定性较差，容易遭受噪声信号干扰，更适宜在一些短距离、小范围的定位中应用。正是由于该缺陷，研究人员开始考虑将蓝牙与其它定位技术相融合[10]。 3WiFi与蓝牙融合定位算法 WiFi和蓝牙作为当前无线通信中的主流技术，已经能够兼容在同一台设备中，该硬件设施也为本文研究提供了便利。本文在WiFi定位技术和蓝牙定位技术中，使用基于KL散度核函数的位置指纹定位算法，随后利用基于Kmeans的聚类算法，对前两种方式获取的定位结果进行最终的决策层融合。 3.1基于KL散度核函数的位置指纹定位算法 基于KL散度核函数的位置指纹定位算法，一方面利用核函数的特征映射充分提取RSS的特征值，另一方面KL散度核函数没有假设RSS服从任何一种分布，而是直接与离散的RSS序列进行对比，因此有效保留了原始信息，解决了RSS的不确定性，显著提高了最终定位精度。 利用核函数的特征映射提取RSS特征值，是将训练样本、测试样本以及测试样本Xi=（x1，x2，…xn）的概率密度分布函數p（x|θi）带入核函数中，从而替代初始的特征空间： K（Xi，Xj）≥K（p（x|θi），p（x|θj））（1） 在新的特征空间下计算核函数之间的距离，一般选择比较概率密度函数的差异性，而能够反映这一特性的算法是对称KL散度算法，该算法定义如下： D（p（x|θi），p（x|θj））=∫∞-∞p（x|θi）logp（x|θi）p（x|θj）dx+∫∞-∞p（x|θj）logp（x|θi）p（x|θj）dx（2） 由于对称KL散度算法中所定义的距离矩阵不能满足Mercer条件，因此还需要将KL散度指数化，最终得到基于KL散度的核函数定义： K（Xi，Xj）=>K（p（x|θi），p（x|θj））=>e-D（p（x|θi），p（x|θj））（3） 在WiFi定位技术中，先假设带定位区域中有N个WiFi的接入点AP，区域中任一点从这N个AP中获取的RSS集合：RSS={RSS1，RSS2，…RSSn}。若每个从AP处获取的RSS是相对分布的，则在位置（x，y）处测得的RSS分布情况为： p（RSS|（x，y））=∏Ni=1p（RSSi（x，y））（4） 在实际的指纹位置定位系统中，本文选择q（RSS|（xi，yj））表示离线状态下在参考点（xi，yi）上测算到的RSS分布，用p（Rss|（x，y））表示在线状态下在未知点（x，y）处测算到的RSS分布。由以上链式法则可知，独立变量的KL散度联合分布与每个变量边缘分布下的KL散度综合相等。所以，对任意两个位置（x，y）、（xi，yi），其RSS分布与p和qj的关系为： D（p，qi）=∑Ni=1D（p（RSSi|（x，y）），q（q（RSSi|（xi，yj）））（5） 根据公式（3），可得核函数为： K（p，qi）=-e∑Ni=1D（p（RSSi|（x，y），q（RSSi|（xj，yj））））（6） 其中，K（p，qi）表示p和q分部之间的相似度。相似度越高，则K值越接近于1；反之，则接近于0。在前文分析的基础上，由核函数方程以及一些已知点数据，将KL散度核函数代入，则待测点的位置坐标可定义为： （x-，y-）=∑j（xj，yj）K（p，qi）∑jK（p，qi）（7） 3.2基于Kmeans聚类算法的决策层融合 Kmeans算法一般用于大量数据分析，属于探索性方法，利用聚类分析可以将无序数据进行分类。Kmeans算法是一种针对“簇”数据聚集的分析方法，算法通过不断迭代计算进行中心点集合，将所有样本划分到若干集合中。该算法的思想是先作粗略的样本分类，然后通过最优原则不断迭代修改不合理的类别，直到所有分类都满足聚类要求。 Kmeans算法主要解决的问题是对于空间样本点，通过某种算法将所有样本点合理划分为若干类别，在划分中是基于某种度量标准完成的。划分的每个类别的点具有一定相关性或相似性。 假设给定样本点集合为X=（xa，xb，…xn），将集合X进行分类，形成M个“簇”。μk表示第k（k≤m）个簇的中心位置，初始化可以随机选择集合中的某一个样本点。 本文将蓝牙定位技术得到的结果集L=（l1，l2，…ln）进行K-means聚类，在最终聚类结果中选择包含点元素最多的作为蓝牙定位结果。为了更好地对定位区域进行定义，选择结果中的中心点为圆心，用O1表示，该类中所有点与中心点的距离最大值为半径，该圆形区域O被认为是蓝牙定位区域。在结果融合中，本文将蓝牙定位区域作为WiFi定位结果的修正。假设WiFi定位结果用O2表示，在融合过程中则会出现以下3种情况： （1）O2在区域O之外，连接圆心O1与O2交于圓形区域的交点M1，则被认为是最终观测点。 （2）O2在区域O边缘上，连接圆心O1与O2交于圆形区域的交点M2，则被认为是最终观测点。 （3）O2在区域O之内，连接圆心O1与O2交于圆形区域的交点M3，则被认为是最终观测点。 4结语 为了使室内定位技术更加准确，本文在分析各种单一定位技术优缺点的基础上，考虑到当前设备已经能够实现WiFi和蓝牙互相兼容，而且成本较为低廉，因此选择将WiFi定位技术与蓝牙定位技术相融合的方案。在实际定位中，利用蓝牙定位技术的结果修正WiFi定位结果，可使最终的定位结果更加精确。然而，该方式仍然存在一些缺陷，比如并未过多考虑人员动态流动或其它信号、电磁波对定位区域信号的干扰等因素对实验结果的影响，因而还需在将来进一步深入研究。 参考文献参考文献： [1]陈祥.基于WiFi与移动智能终端的室内定位技术研究[D].哈尔滨：哈尔滨理工大学，2017. [2]华海亮.基于WiFi和蓝牙的室内定位技术研究[D].锦州：辽宁工业大学，2016. [3]王宝晶.基于WiFi/蓝牙融合的室内定位算法及实现[D].上海：华东师范大学，2015. [4]徐伟.基于Android手机的室内定位技术研究与实现[D].武汉：华中师范大学，2014. [5]卢来，龙科.关于蓝牙室内无线定位系统的技术实现[J].数字技术与应用，2015（12）：6971. [6]刘明伟，刘太君，叶焱，等.基于低功耗蓝牙技术的室内定位应用研究[J].无线通信技术，2015（3）：1923. [7]赵娜，李丹.浅谈蓝牙室内无线定位系统的技术实现[J].中小企业管理与科技，2011（2）：269270. [8]靳超，邱冬炜.基于WiFi信号室内定位技术的研究[J].测绘通报，2017（5）：2125. [9]姜莉.基于WiFi室内定位关键技术的研究[D].大连：大连理工大学，2010. [10]王琪.基于WiFi信号指纹的室内定位技术[J].计算机与网络，2015（21）：6567. 责任编辑（责任编辑：黄健） |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。