朱軼峰

摘 要：針對室內(nèi)外無縫切換定位應(yīng)用需求以及無縫切換存在切換次數(shù)多、切換延時高等問題，提出一種改進模糊層次分析法的室內(nèi)外無縫定位方法，將室內(nèi)外交界區(qū)域Wi-Fi的接收信號強度、GNSS星數(shù)融合作為室內(nèi)外無縫切換判決因素，利用模糊邏輯得到判決因素的各自隸屬度函數(shù)，經(jīng)過量化估計得到每個判決因素的規(guī)范值，再引入簡單加權(quán)并進行歸一化后通過改進的層次分析算法進行判決切換。實驗結(jié)果表明，本文所提出的室內(nèi)外無縫切換定位方法，由室內(nèi)到室外以及室外到室內(nèi)的無縫切換平均延時分別為1.23 s和1.63 s，切換次數(shù)相對于只采用GNSS星數(shù)閾值作為判決因素的無縫切換定位方法也明顯降低，大大降低了室內(nèi)外無縫切換定位的切換延遲時間及切換次數(shù)。

關(guān)鍵詞：無縫切換定位;模糊邏輯;層次分析;GNSS

Seamless location of indoor and outdoor based on improved fuzzy analytic hierarchy process

Abstract： For indoor and outdoor seamless switch positioning application needs， and seamless switching high switching times， high switching delay problems， this paper proposes an improved indoor and outdoor seamless positioning method based on fuzzy analytic hierarchy process， the Wi-Fi of received signal strength， GNSS star numbers are used as the indoor and outdoor seamless handover decision factors， and the fuzzy logic is used to obtain the respective membership functions of the decision factors， through quantitative estimates of every decision factors of standard value， after introducing simple weighted and normalized by improved hierarchical analysis algorithm to switch from the sentence. Experimental results show that the proposed seamless switching between indoor and outdoor positioning algorithm， from indoor to outdoor and outdoor to indoor seamless switching average latency is respectively 1.23 and 1.63 seconds， compared to only consider GNSS star numbers threshold as the decision factor of indoor and outdoor switching method， switching times is also significantly reduced， greatly reduces the indoor and outdoor seamless switch position switch delay time and the switching times.

Keywords： Seamless switching positioning; Fuzzy logic; Analytic hierarchy process; GNSS

0引言

目前全球定位系統(tǒng)（global positioning system，GPS）室外定位精度高，但是卻無法實現(xiàn)室內(nèi)外完全覆蓋，因此GPS需要與室內(nèi)定位技術(shù)進行無縫結(jié)合才能更好地滿足室內(nèi)外的定位需求。目前，室內(nèi)外無縫切換定位已有多種方式。文獻[1-2]只考慮將GPS作為切換的主要判決因素，會出現(xiàn)切換準確率不高，容易產(chǎn)生“乒乓效應(yīng)”;文獻[3]提出一種全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system，GNSS）與地磁組合的無縫定位方法，通過對室內(nèi)外過渡區(qū)進行分析計算幾何精度因子（geometric dilution of precision，GDOP）最優(yōu)轉(zhuǎn)化范圍值進行室內(nèi)外平穩(wěn)切換，但在室內(nèi)外交界區(qū)域GDOP波動較大對無縫切換影響較大;文獻[4]通過對Android智能手機的GNSS測量中分析提取不同滑動窗口下的空間幾何分布，時間序列和統(tǒng)計特征，并將室內(nèi)外環(huán)境分為四個數(shù)據(jù)集，并通過隱馬爾可夫模型識別室內(nèi)外場景，但此種方法只適用于小范圍定位區(qū)域，隨著范圍增大訓(xùn)練成本也會不斷增加;文獻[5]提出一種采用權(quán)重可變的k最近鄰（WAkNN）算法進行多定位信息融合的方法，對室內(nèi)采用超寬帶（ultra wideband，UWB）定位，室外采用GPS定位，通過權(quán)值的變化來完成對不同定位數(shù)據(jù)的選擇與區(qū)域的切換，但是UWB適合短距離定位且成本太高;文獻[6]提出一種基于混合圖像的定位系統(tǒng)，主要使用視覺傳感器輸入與地理參考圖像進行匹配，但這種方法隨著定位區(qū)域增加，造成參考圖像庫太大，定位耗時增加;文獻[7]提出室內(nèi)外采用行人航位推算，地磁信號和GNSS輔助室內(nèi)外無縫定位;

本文將室內(nèi)外環(huán)境中Wi-Fi的接收信號強度（received signal strength， RSS）、GNSS星數(shù)進行融合作為室內(nèi)外無縫切換定位的判決因素，提出一種改進模糊層次分析法的室內(nèi)外無縫切換定位方法，實現(xiàn)室內(nèi)外無縫切換定位，室內(nèi)采用Wi-Fi指紋定位，室外采用GPS定位。

1層次分析法

1.1 層次分析法基本原理

層次分析法是一種比較常用的決策分析方法，主要用于解決復(fù)雜的多目標問題。根據(jù)決策者的經(jīng)驗進行定性與定量分析去判斷和衡量影響系統(tǒng)的各判決因素之間的相對重要程度，然后給出準則層每個準則所占權(quán)重，最后計算每個方案的組合權(quán)重即可得出每個方案的重要性次序。

1.2 層次分析法基本步驟

1）構(gòu)建層次結(jié)構(gòu)模型。將系統(tǒng)最高層、中間層、最低層依次按決策目標、決策準則、決策對象進行層次結(jié)構(gòu)模型建立。

2）構(gòu)造判斷矩陣。利用1-9標度法對層次結(jié)構(gòu)模型中間層的每一層因素兩兩之間進行比較構(gòu)造判斷矩陣。

3）計算權(quán)向量。由構(gòu)造的判斷矩陣求得其最大特征根和對應(yīng)的特征向量并作一致性檢驗直至檢驗通過，否則需要決策者不斷調(diào)整判斷矩陣，檢驗通過后對所得的特征向量進行歸一化即可得到權(quán)向量。

4）計算最下層組合權(quán)向量。根據(jù)中間層的權(quán)向量求得最下層的組合權(quán)向量并作一致性檢驗直至檢驗通過，否則需要決策者不斷調(diào)整判斷矩陣，最終可由計算所得的組合權(quán)向量大小得到各方案的優(yōu)劣次序。

2改進模糊層次分析法的無縫定位方法

2.1 室外定位算法

由于室外GPS定位精度已經(jīng)很高，所以在室外采用GPS進行定位。GPS定位至少需要4顆衛(wèi)星，衛(wèi)星數(shù)越多定位精度越高。通過用戶終端搜索到的4顆衛(wèi)星所在位置坐標即可解算出用戶所在位置[8]，GPS定位原理如圖1所示。

由4顆GPS衛(wèi)星的位置坐標建立四元方程組，即可解算用戶位置坐標

式中，為衛(wèi)星i坐標，c為光速，為衛(wèi)星i的時鐘差，用戶終端時鐘差;

2.2 室內(nèi)定位算法

室內(nèi)定位采用Wi-Fi指紋定位算法，主要分為離線階段和在線階段[9]。離線階段需要首先對定位區(qū)域網(wǎng)格進行劃分，然后采集每個網(wǎng)格附近AP的RSS，并結(jié)合參考點地址信息建立Wi-Fi定位指紋庫;在線階段則根據(jù)用戶終端所獲取的附近AP的RSS，與指紋庫信息進行匹配，最后估算出用戶當前所在位置，室內(nèi)Wi-Fi指紋定位流程圖如圖2所示。

2.3 改進的層次分析算法

由于傳統(tǒng)的層次分析法采用1-9標度，決策者在進行兩兩元素比較時人為主觀性較強，對最后方案的選取影響較大。并且需要對所得出的判斷矩陣進行一致性檢驗，當一致性比率CR≥0.1時，決策者必須重新調(diào)整比較矩陣，所以造成最終方案受決策者主觀影響較大，工作量也較大[10]。

針對傳統(tǒng)層析分析算法的缺陷，本文所提出的改進層次分析算法包括兩部分：①首先利用模糊邏輯計算出各判決因素的隸屬度函數(shù)，然后對其進行量化估計得到每個因素的量化后的規(guī)范值，再通過簡單加權(quán)和歸一化后采用0、1、2三個標度進行兩兩元素間比較求得判斷矩陣，無需決策者主觀構(gòu)造判斷矩陣。其中，0表示兩元素相比較，第二個元素重要性程度更大，1表示兩元素重要性程度相同，2表示第一個元素重要性程度更大;②針對傳統(tǒng)層次分析法需對判斷矩陣進行反復(fù)調(diào)整使?jié)M足一致性檢驗，本文直接由判斷矩陣求其對應(yīng)的最優(yōu)傳遞矩陣，再進一步求出擬優(yōu)化一致矩陣，最后可計算出各因素所占權(quán)重，從而消除了決策者的主觀影響并大大降低了工作量。

改進的層次分析算法步驟如下：

1）判決因素模糊化

本算法首先根據(jù)模糊邏輯將室內(nèi)外無縫切換的兩個判決因素，定位AP平均RSS，GNSS星數(shù)進行模糊化。其中隸屬度函數(shù)采用梯形和三角形相結(jié)合的方式，將隸屬度函數(shù)分為5個部分，VL（很低）、L（低）、M（中）、H（高）、VH（很高），每個判決因素i對應(yīng)的隸屬度函數(shù)表達式為：

2）量化估計

對隸屬度進行歸一化，然后通過量化估計將隸屬度進行規(guī)范化

對其進行量化估計：

其中，表示第個判決因素量化估計的規(guī)范值，表示判決因素的量化矢量，表示第個判決因素歸一化后的隸屬度。

3）利用參數(shù)量化估計后的規(guī)范值兩兩進行比較，比較的結(jié)果用使用0、1、2進行標度，得到比較矩陣M。

式中，為第個判決因素與第個判決因素量化估計后的規(guī)范值和作比較得到的重要性。

4）求出各準則排序指數(shù)。對中間層各準則兩兩間相互比較，根據(jù)比較結(jié)果進行求和得出各準則的排序指數(shù)。

5）構(gòu)造判斷矩陣E。判斷矩陣E是根據(jù)（6）式的各準則對應(yīng)的排序指數(shù)，利用式（7）求出：

6）求解最優(yōu)傳遞矩陣。首先由所構(gòu)造的判斷矩陣E，計算其對應(yīng)的反對稱矩陣F，再由矩陣F求解出最優(yōu)傳遞矩陣H，矩陣H滿足式（9）最小。

7）計算擬優(yōu)化一致矩陣。根據(jù)式（10）所求出的最優(yōu)傳遞矩陣，可由下式（11）計算出擬優(yōu)化一致矩陣V的各元素。

8）計算權(quán)向重。經(jīng)數(shù)學(xué)證明矩陣V具有唯一的非零最大特征值，令所對應(yīng)的特征向量為，則W即為所求權(quán)向量，其滿足式VM=nW，權(quán)向量W為各個元素所占權(quán)重值。

9）求解各層次權(quán)重矩陣。設(shè)在所構(gòu)建的層次模型中第p層有a個元素，第（p+1）層有b個元素，經(jīng)計算可得第p層對第（p+1）層權(quán)重矩陣為 。

10）計算方案層權(quán)重。方案層中各方案所占權(quán)重為各層次權(quán)重矩陣各元素所對應(yīng)的權(quán)重相乘，設(shè)方案層有k個方案，則可得組合權(quán)重向量中的k個值即為k個方案所占權(quán)重，也即每個方案在所有評價指標下的重要性，權(quán)重最大的即為最優(yōu)判決方案。

2.4 室內(nèi)外定位無縫切換策略

室內(nèi)外定位無縫切換主要體現(xiàn)在室內(nèi)與室外定位方式的平滑過渡切換，其性能關(guān)鍵指標為切換延時低、切換次數(shù)少。本文所提出的室內(nèi)外無縫切換策略是室內(nèi)采用Wi-Fi指紋定位，室外采用GPS定位，利用本文所提出的改進的模糊層次分析法的室內(nèi)外定位無縫切換算法實現(xiàn)室內(nèi)外定位方式的無縫平滑切換。本文提出的室內(nèi)外無縫切換策略流程圖如圖3所示。

3實驗與數(shù)據(jù)分析

3.1 實驗環(huán)境

本文通過室內(nèi)外實驗來驗證所提出方法的可靠性，選擇的實驗環(huán)境為學(xué)校1號實訓(xùn)樓2樓，其平面結(jié)構(gòu)圖如圖4所示。實驗采用的AP為該樓層已有的AP，并從其中選取4個便于實驗的定位AP，實驗采集設(shè)備為榮耀magic2手機，以1 m×1 m對室內(nèi)外定位區(qū)域進行網(wǎng)格劃分，采樣時間間隔為1 s，分別采集室內(nèi)外環(huán)境中AP的RSS以及GNSS星數(shù)并進行室內(nèi)外無縫切換定位實驗。

3.2 實驗結(jié)果分析

本文分別對由室內(nèi)到室外和由室外到室內(nèi)過程中的4個定位AP的平均RSS、GNSS星數(shù)進行采集，如圖5所示。從圖5（a）中可以看出，室內(nèi)外環(huán)境中隨著距離變化，AP的平均RSS變化比較明顯，由室內(nèi)到室外平均RSS逐漸減小，由室外到室內(nèi)平均RSS逐漸增大;由圖5（b）可看出，室內(nèi)和室外環(huán)境中的GNSS星數(shù)變化也比較明顯;由所以由對室內(nèi)外環(huán)境中定位AP的平均RSS、GNSS星數(shù)的采集數(shù)據(jù)分析來看，這兩種因素在室內(nèi)外環(huán)境中變化差異明顯，所以本文將定位AP的平均RSS、GNSS星數(shù)作為室內(nèi)外無縫定位算法的兩個判決因素。

為了檢驗本文所提出的室內(nèi)外定位無縫切換方法在切換次數(shù)方面的降低，分別對只考慮GNSS星數(shù)閾值的室內(nèi)外無縫切換定位算法和使用本文所提出的室內(nèi)外無縫切換定位算法進行對比試驗，在室內(nèi)外定位區(qū)域各行走10m，實驗結(jié)果如圖6所示。由圖6可看出只考慮GNSS星數(shù)閾值的無縫切換算法會出現(xiàn)定位方式切換次數(shù)高，是由于在室內(nèi)外交界區(qū)域，只通過GNSS星數(shù)進行判決不準確，所以出現(xiàn)定位方式反復(fù)切換現(xiàn)象導(dǎo)致切換次數(shù)高，而本文所提出的室內(nèi)外定位無縫切換算法在室內(nèi)外交界區(qū)域切換次數(shù)明顯降低，切換總次數(shù)僅為采用GNSS星數(shù)閾值無縫切換算法切換總次數(shù)的25%。

為了驗證本文所提出的無縫切換定位算法的在切換延遲方面的改進，針對只單一考慮GNSS星數(shù)閾值無縫切換算法與本文所提出的室內(nèi)外無縫切換定位方法進行多次對比實驗，實驗結(jié)果如圖7所示，可以看出只采用GNSS星數(shù)作為切換條件時，由室內(nèi)到室外平均切換延時為5.43 s，由室外到室內(nèi)的平均切換延時為6.25 s，主要是因為只單一考慮GNSS星數(shù)變化作為切換條件，在室內(nèi)外交界區(qū)域GNSS星數(shù)不穩(wěn)定跳動較大，會造成在室內(nèi)外交界區(qū)域“乒乓效應(yīng)”嚴重，室內(nèi)與室外定位方式反復(fù)切換，從而導(dǎo)致切換耗時高。而利用本文所提出的室內(nèi)外無縫切換算法，由室內(nèi)到室外平均切換延時僅為1.23 s，由室外到室內(nèi)平均切換延時僅為1.63 s，大大降低了室內(nèi)外無縫切換的延遲時間。

4結(jié)束語

本文提出了一種改進模糊層次分析法的室內(nèi)外無縫切換定位方法，通過將室內(nèi)外環(huán)境切換過程中兩種變化比較明顯的信號，定位AP的平均RSS、GNSS星數(shù)進行模糊化和量化估計后進行簡單加權(quán)和歸一化處理，再作為改進層次分析法的判決因素進行判決得到最優(yōu)判決方案進行定位方式切換。試驗結(jié)果表明，本文所提出的室內(nèi)外無縫切換定位算法相對于其他無縫切換算法來說融合了室內(nèi)外環(huán)境中的多種信號特征，切換次數(shù)少、切換延遲低，對研究室內(nèi)外無縫切換定位技術(shù)有一定的重要意義。

參考文獻

[1] 胡可，廖興宇，余敏，等. 基于GPS與Wi-Fi位置指紋的室內(nèi)外無縫定位研究. 計算機工程， 2016， 42（02）： 98-103.

[2] 郭凱旋，盧彥霖，馮濤，等. 基于智能切換算法的室內(nèi)外無縫定位技術(shù)研究. 傳感器與微系統(tǒng)， 2018， 37（7）： 49-51，55.

[3] 蔡勁，蔡成林，張首剛，等. GNSS/地磁組合的室內(nèi)外無縫定位平滑過渡方法. 測繪通報， 2018（2）： 30-34.

[4] ZHU Y D， LUO H Y， WANG Q， et al. A Fast Indoor/Outdoor Transition Detection Algorithm Based on Machine Learning. SENSORS， 2019， 19（4）.

[5] 李玉峰，張佩，王宇鵬. 一種變權(quán)重k最近鄰的室內(nèi)外無縫定位算法. 微處理機， 2019， 40（02）： 30-36.

[5] LI X， WANG J L， LI T. Seamless Positioning and Navigation by Using Geo-Referenced Images and Multi-Sensor Data. Sensors， 2013， 13（7）： p. 9047-9069.

[7] ZENG Q H， WANG J X， MENG Q， et al. Seamless Pedestrian Navigation Methodology Optimized for Indoor/Outdoor Detection. IEEE Sensors Journal， 2018， 18（1）： p. 363-374.

[8] 史巖，朱濤，傅軍，等. 區(qū)域無線/衛(wèi)星/慣性組合無縫定位關(guān)鍵技術(shù)研究. 現(xiàn)代防御技術(shù)， 2015， 43（4）： 86-92.

[9] 曹曉祥，陳國良. 一種改進的組合定權(quán)的指紋定位算法. 測繪通報， 2018（2）： 6-10.

[10] 陳覃霞，劉盾，梁德翠. 粗糙集理論和信息熵的AHP改進方法. 計算機科學(xué)與探索， 2018， 12（3）.

基金項目：上海市科技興農(nóng)重點攻關(guān)項目（應(yīng)用基礎(chǔ)類） 農(nóng)業(yè)傳感設(shè)備信息采集處理及測評標準研究資助