黃國瑾

摘 要：采取WLAN方式的室內(nèi)定位成為一種新的定位方式，本文介紹了在WLAN定位中幾種常用到的定位方法。

關(guān)鍵詞：WLAN；室內(nèi)定位

1 前言

隨著3G技術(shù)成熟和移動(dòng)互聯(lián)網(wǎng)應(yīng)用數(shù)據(jù)的快速增長，運(yùn)營商更是希望通過建設(shè)Wi-Fi為用戶提供更便捷的服務(wù)，基于位置的服務(wù)和應(yīng)用也不斷的在各行各業(yè)涌現(xiàn)。采取WLAN方式的室內(nèi)定位成為一種新的定位方式。

2 三角定位法

三角定位法，由兩個(gè)步驟組成：第一步，使用信號(hào)的傳播模型將一種終端接收的信號(hào)強(qiáng)度轉(zhuǎn)化為AP到移動(dòng)終端之間的距離；使用幾何的方法計(jì)算移動(dòng)終端的位置。

為提高三角定位的準(zhǔn)確性，一種混合方法被提出來了，這種混合方法基于在連續(xù)的不大的空間中，信號(hào)傳遞模型能夠較為準(zhǔn)確的描述信號(hào)強(qiáng)度和距離的關(guān)系。這種混合方法分為兩個(gè)步驟：首先找出移動(dòng)終端所在的小區(qū)域，然后使用三角定位法確定移動(dòng)終端所在的精確位置。這種混合的方法可以顯著的提高精度，然而還是較指紋定位法效果稍差。

3 指紋定位法

指紋定位法分為兩個(gè)階段：訓(xùn)練階段和定位階段。指紋定位法是一種有效的WLAN定位方法，但還是存在一些問題。確定未知位置有兩種方法，其中較為簡單的是確定性指紋定位法。

每個(gè)參考測量點(diǎn)掃描到的AP的信號(hào)強(qiáng)度的平均值作為特征來生成指紋數(shù)據(jù)庫。由于在每個(gè)參考測量點(diǎn)測量信號(hào)強(qiáng)度都有一定的波動(dòng)，故為了獲得更高的精度需要使用基于概率的指紋法。但是信號(hào)強(qiáng)度的分布不是高斯分布的，而且在不同的位置不同，甚至在移動(dòng)終端的天線在不同的方向時(shí)也有變化。為了更高的精度就需要更多的采樣數(shù)據(jù)，這又使得每個(gè)參考采樣點(diǎn)生成信號(hào)強(qiáng)度分布的時(shí)間增加了，另一方面也增加了數(shù)據(jù)庫的大小，使得定位階段的計(jì)算復(fù)雜度提升。

4 確定性指紋定位

使用這種方法，指紋數(shù)據(jù)庫的結(jié)構(gòu)相對簡單，參考采樣點(diǎn)的特征只由每個(gè)AP的平均信號(hào)強(qiáng)度決定。有多種計(jì)算移動(dòng)終端到AP距離的方法，最簡單的是最近鄰居法（NN）：

首先，測量點(diǎn)與數(shù)據(jù)庫中信號(hào)距離由下面的公式計(jì)算，

其中，si為測量點(diǎn)掃描到的周圍AP的信號(hào)強(qiáng)度向量，Si為數(shù)據(jù)庫中信號(hào)強(qiáng)度向量，當(dāng)q=1，2時(shí)該表達(dá)式分別表示曼哈頓距離和歐式距離。最近距離鄰居即為有最小信號(hào)距離的點(diǎn)。當(dāng)考慮K（K≥2）個(gè)鄰居時(shí)，移動(dòng)終端的位置則用K點(diǎn)位置的平均值。在定位階段，這個(gè)公式要以對訓(xùn)練階段的每一個(gè)參考采樣點(diǎn)采樣到的結(jié)果遍歷一遍。NN法就取最匹配的點(diǎn)作為估計(jì)點(diǎn)，KNN法則考慮匹配效果最好的K點(diǎn)，取它們的平均。

指紋定位法的不足處很明顯：如果想要達(dá)到較高的定位精度，訓(xùn)練階段就需要花費(fèi)很大的開銷，而且環(huán)境的變化會(huì)影響到信號(hào)強(qiáng)度，使得模型需要從新訓(xùn)練。

6 概率性指紋定位

確定性指紋定位法能夠得到較為理想的定位精度，但它在訓(xùn)練階段丟棄了大量的信息。每個(gè)參考采樣點(diǎn)掃描周圍可見AP的信號(hào)強(qiáng)度，并取他們平均值作為該點(diǎn)的特征。然而一個(gè)參考采樣點(diǎn)上的特征不僅僅只有通過信號(hào)強(qiáng)度的平均值來描述，還有很多其他的方式可以用來描述該參考采樣點(diǎn)的特征。

在一個(gè)參考采樣點(diǎn)上進(jìn)行一個(gè)長時(shí)間的連續(xù)采樣，可以發(fā)現(xiàn)在這個(gè)點(diǎn)上不同的AP的信號(hào)強(qiáng)度的平均值不同，信號(hào)強(qiáng)度的波動(dòng)范圍也不同。為了盡可能將一個(gè)點(diǎn)上所觀測的信號(hào)的特征利用上，基于貝葉斯的WLAN定位被提出了。在定位階段貝葉斯規(guī)則可以表示為：

其中ιt是t時(shí)刻的位置，ot是t時(shí)刻的觀測，N是為了使得概率求和能夠等于1的調(diào)整系數(shù)。這個(gè)式子可以表述為：在觀測到0的情況下處于位置l的概率等于在位置l觀測到0的概率乘以在位置l的概率。當(dāng)在定位階段時(shí)，該概率表達(dá)式對所有參考采樣點(diǎn)位置的指紋進(jìn)行計(jì)算概率，概率最大的參考采樣點(diǎn)的位置即作為輸出。

為了求解這個(gè)表達(dá)式，需要對這個(gè)表達(dá)式的兩個(gè)部分的概率分別進(jìn)行計(jì)算。p（ot|ιt）在貝葉斯方法中被稱為似然函數(shù)，能夠通過信號(hào)強(qiáng)度圖計(jì)算得到。即，對每一個(gè)參考采樣點(diǎn)觀測到的每個(gè)AP的信號(hào)強(qiáng)度的分布都被用于產(chǎn)生該似然函數(shù)。原始的分布可以使用，但是攜帶了噪聲和不完整，一般情況下直方圖，或者是使用平均值和標(biāo)準(zhǔn)差作為參數(shù)的離散高斯分布來近似。

而處理p（ιt）最簡單情況是，將先驗(yàn)概率p（ιt）當(dāng)作在所有參考采樣點(diǎn)是均勻分布的。即：在定位前，移動(dòng)終端的位置是在所有參考采樣點(diǎn)的概率都是一樣的。為了獲取更高的精度，我們可以計(jì)算這個(gè)先驗(yàn)概率的時(shí)候可以使用目標(biāo)可能的移動(dòng)模式、移動(dòng)習(xí)慣、碰撞檢測等等一切影響先驗(yàn)概率的概率模型。例如，馬科洛夫定位法建議在位置與位置之間使用轉(zhuǎn)移概率描述，其表達(dá)式為：

p（ιt）是t時(shí)刻位置的概率，等于t-1時(shí)刻所處位置概率與t-1時(shí)刻到t時(shí)刻轉(zhuǎn)移概率乘積在t-1時(shí)刻位置的集合上求和。 p（ιt-1）表示了上一次定位的結(jié)果，而p（ιt|ιt-1）表示了移動(dòng)終端的移動(dòng)模式。例如，對于一個(gè)走動(dòng)的行人來說，計(jì)算這個(gè)概率最簡單最有效的方式就是計(jì)算這個(gè)行人在t和t-1這段時(shí)間里面行走的距離。在實(shí)際應(yīng)用中，貝葉斯方法的定位效果要比最近鄰居法要好，因?yàn)槠淇紤]了更多的訓(xùn)練數(shù)據(jù)，而且能夠使用移動(dòng)模式過濾掉噪聲。