王鈺浩 蔡聞凱 高敏 曾孟佳

摘? 要：近年來(lái)，室內(nèi)定位的需求日益增加，實(shí)現(xiàn)室內(nèi)精確定位成為了學(xué)者追求的目標(biāo)。多個(gè)Wi-Fi源發(fā)出的信號(hào)疊加在某位置點(diǎn)時(shí)，會(huì)呈現(xiàn)出諸如指紋般的唯一識(shí)別特性，這種特性使得使用Wi-Fi指紋對(duì)特定對(duì)象進(jìn)行室內(nèi)定位成為可能。文章首先研究了Wi-Fi指紋信號(hào)序列的最佳組成形式，選用適當(dāng)?shù)暮Y選算法對(duì)指紋信號(hào)數(shù)據(jù)進(jìn)行篩選。將結(jié)果數(shù)據(jù)的不等長(zhǎng)序列歸一化成等長(zhǎng)序列錄入數(shù)據(jù)庫(kù)。然后和位置索引庫(kù)中的數(shù)據(jù)進(jìn)行比對(duì)，從而得出定位對(duì)象在投影地圖中的坐標(biāo)。

關(guān)鍵詞：Wi-Fi位置指紋;貝葉斯概率法;RSSI三邊定位算法;室內(nèi)定位系統(tǒng)

中圖分類號(hào)：TN92? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2021）05-0040-04

Research on Indoor Positioning Technology Based on Random Discrete Wi-Fi Fingerprint

WANG Yuhao1，CAI Wenkai1，GAO Min1，ZENG Mengjia1，2

（1.School of Information Engineering，Huzhou University，Huzhou? 313000，China;

2.School of Science and Engineering，Huzhou College，Huzhou? 313000，China）

Abstract：In recent years，the demand for indoor positioning has increased with each passing day. To achieve indoor accurate positioning has become the goal pursued by scholars. When signals from multiple Wi-Fi sources are superimposed on a certain positioning，they will show unique identification characteristics such as fingerprints. This kind of characteristics makes it possible to use Wi-Fi fingerprints to make indoor position on specific objects. First，the optimal composition form of Wi-Fi fingerprint signal sequence is studied，and an appropriate screening algorithm is selected to screen the fingerprint signal data. Normalize the unequal-length sequence of the result data into an equal-length sequence and enter it into the database. Then compare with the data in the location index library to get the coordinates of the positioning object in the projection map.

Keywords：Wi-Fi location fingerprint;Bayesian probability method;RSSI trilateral positioning algorithm;indoor positioning system

0? ?引? 言

位置服務(wù)LBS又稱定位服務(wù)，是一種和位置相關(guān)的服務(wù)。隨著社會(huì)生活水平的快速提高，人們不再滿足于基于二維坐標(biāo)的粗糙定位，對(duì)位置服務(wù)的定位精度和用戶體驗(yàn)等要求越來(lái)越高[1]。室外環(huán)境下，GPS衛(wèi)星定位技術(shù)已非常成熟，車載導(dǎo)航、手機(jī)地圖應(yīng)用等已經(jīng)廣泛運(yùn)用[2]。由于人們?cè)谑覂?nèi)的活動(dòng)更為頻繁，對(duì)室內(nèi)精確定位的需求更加迫切。然而，室內(nèi)環(huán)境復(fù)雜多變，GPS信號(hào)微弱、精度不高，不適合在室內(nèi)定位中使用。因此，高精度的室內(nèi)定位技術(shù)的應(yīng)用不僅是廣大人民群眾的迫切需要，也是學(xué)界和產(chǎn)業(yè)界的關(guān)注熱點(diǎn)。

目前，室內(nèi)定位技術(shù)主要通過(guò)各種通信技術(shù)輔助進(jìn)行室內(nèi)定位，包括不限于超寬帶定位技術(shù)、RFID技術(shù)、藍(lán)牙技術(shù)等[3]。超寬帶定位技術(shù)物理設(shè)備條件限制苛刻，需要部署大量基站設(shè)備，其成本過(guò)高[4]。RFID射頻識(shí)別（Radio Frequency Identification）技術(shù)在讀取時(shí)條件較苛刻，需要目標(biāo)與讀寫器距離較近時(shí)才可工作[5]。藍(lán)牙技術(shù)不僅需要滿足設(shè)備間的近距離要求，且連接時(shí)需要配對(duì)密鑰，因而會(huì)增加設(shè)備與程序的負(fù)擔(dān)。Wi-Fi技術(shù)由于其價(jià)格低廉、網(wǎng)絡(luò)布設(shè)相對(duì)簡(jiǎn)單、信號(hào)較易采集等特點(diǎn)，已經(jīng)得到普通大眾的廣泛認(rèn)可和接受[6]。而Wi-Fi源在生活場(chǎng)景中的廣泛布設(shè)，為采集信號(hào)實(shí)現(xiàn)室內(nèi)定位提供了有力支撐。

因此，相較于上述的其他輔助定位技術(shù)而言，文獻(xiàn)[6]中的Wi-Fi技術(shù)更適合室內(nèi)定位場(chǎng)景。Wi-Fi技術(shù)的定位范圍可達(dá)到幾百米，覆蓋范圍較廣，定位精度根據(jù)需求最高可達(dá)厘米級(jí)，能滿足絕大多數(shù)室內(nèi)定位需求。此外，Wi-Fi設(shè)備造價(jià)低廉，性價(jià)比高，施工難度小，連接速度也十分快。用戶使用的移動(dòng)端智能設(shè)備幾乎都帶有Wi-Fi模塊，均可接收Wi-Fi信號(hào)，新一代移動(dòng)端智能設(shè)備甚至能夠支持Wi-Fi 6（即第六代無(wú)線網(wǎng)絡(luò)技術(shù)），方便了后續(xù)的推廣應(yīng)用[6]。

國(guó)內(nèi)外的科研人員在應(yīng)用Wi-Fi技術(shù)實(shí)現(xiàn)室內(nèi)定位方面進(jìn)行了深入研究，他們基于信源分布情況將室內(nèi)定位技術(shù)分成了兩類，一類為依托于外置信源所實(shí)現(xiàn)的室內(nèi)定位技術(shù)，主要包括Wi-Fi技術(shù)、藍(lán)牙技術(shù)、超寬帶技術(shù)等，第二類則是依托于天然信源所實(shí)現(xiàn)的室內(nèi)定位技術(shù)，主要包括慣性導(dǎo)航、地磁導(dǎo)航等。在城市復(fù)雜地段采用前者更容易排除環(huán)境對(duì)信號(hào)的影響[6]。而使用Wi-Fi技術(shù)實(shí)現(xiàn)室內(nèi)定位的主要方法有測(cè)距交匯法和指紋匹配法[7]。前者是通過(guò)信號(hào)強(qiáng)度衰減來(lái)判斷距離進(jìn)行測(cè)算距離，該方法雖然定位精度高但易受室內(nèi)環(huán)境影響。而后者指紋匹配法是通過(guò)信號(hào)的特征進(jìn)行測(cè)距，在復(fù)雜的環(huán)境中更加穩(wěn)定[7]。

目前，基于Wi-Fi的室內(nèi)定位技術(shù)在一些領(lǐng)域中已經(jīng)得到了運(yùn)用。比如基于Wi-Fi指紋的員工打卡，采集員工移動(dòng)端信號(hào)以驗(yàn)證員工確實(shí)在公司內(nèi)，唯一的信號(hào)指紋也能防止員工簽到作弊[8]，從而實(shí)現(xiàn)員工智能考勤管理[8]。在大規(guī)模地下車庫(kù)中[9]，車主停車離開返回后，查找車輛的具體位置也是主要應(yīng)用場(chǎng)景?？蓪⒂脩糗嚺婆c移動(dòng)設(shè)備綁定，通過(guò)移動(dòng)設(shè)備接收的Wi-Fi信號(hào)指紋，對(duì)車輛位置進(jìn)行定位，進(jìn)一步的可對(duì)用戶提供導(dǎo)航服務(wù)，免去車主尋找車輛的難處[10]。

基于上述分析，本文將Wi-Fi技術(shù)和室內(nèi)定位技術(shù)相結(jié)合，設(shè)計(jì)了一種基于隨機(jī)離散Wi-Fi指紋的室內(nèi)定位技術(shù)，希望能給相關(guān)人士提供一些參考和思路。

1? 室內(nèi)定位技術(shù)設(shè)計(jì)

文獻(xiàn)[6]指出，指紋是Wi-Fi信號(hào)的疊加呈現(xiàn)出的唯一識(shí)別特性的編碼特性信號(hào)，Wi-Fi指紋信號(hào)可以是多種類型的，但是它的特征都能被用來(lái)作為一個(gè)位置指紋。例如：某一位置上進(jìn)行通信時(shí)，接受發(fā)送信號(hào)的往返時(shí)間或者其時(shí)延大小;某一位置上檢測(cè)到的來(lái)自基站信號(hào)的接收信號(hào)強(qiáng)度（Received Signal Strength Indication，RSSI），該信號(hào)一般和距離成反比，上述特征都可以被用來(lái)作為Wi-Fi指紋信號(hào)，當(dāng)來(lái)自不同基站的這些特征組合起來(lái)時(shí)，就可以被作為Wi-Fi指紋信號(hào)序列。

1.1? 基本流程

利用指紋的唯一性和特殊性，本文先設(shè)計(jì)Wi-Fi指紋信號(hào)序列的最佳組合形式，為降低計(jì)算復(fù)雜度，選用適當(dāng)算法對(duì)數(shù)據(jù)進(jìn)行篩選，方便后期計(jì)算。在部分信號(hào)缺失情況下，也需要對(duì)指紋進(jìn)行完整性判定，這就需要用到指紋相似性計(jì)算，再將不等長(zhǎng)的序列結(jié)果歸一化成等長(zhǎng)序列，方便數(shù)據(jù)庫(kù)錄入。同時(shí)，建立位置索引數(shù)據(jù)庫(kù)，對(duì)采集的定位數(shù)據(jù)與庫(kù)中位置數(shù)據(jù)進(jìn)行比對(duì)，選擇最相近序列作為定位數(shù)據(jù)的返回結(jié)果，并進(jìn)行定位精度測(cè)算，將其作為室內(nèi)定位的基準(zhǔn)，完成室內(nèi)精確定位。整個(gè)過(guò)程如圖1所示。

1.2? Wi-Fi指紋信號(hào)序列的最佳組合形式及其篩選算法

這里，Wi-Fi指紋信號(hào)序列的最佳組成形式通過(guò)最近鄰法得出[11]。該算法基本原理分為兩個(gè)階段：離線階段和在線階段。離線階段時(shí)，首先使用手機(jī)中檢測(cè)Wi-Fi信號(hào)源的應(yīng)用，把待定位區(qū)域按一定比例分成若干網(wǎng)格塊，檢測(cè)每個(gè)塊內(nèi)的Wi-Fi信號(hào)特征數(shù)據(jù)，在進(jìn)行尺度變換等歸一化預(yù)處理后，將數(shù)據(jù)錄入數(shù)據(jù)庫(kù)。同時(shí)，用戶在定位位置的Wi-Fi信號(hào)也被錄入數(shù)據(jù)庫(kù)中。在在線階段，將移動(dòng)端與指紋數(shù)據(jù)之間的距離按升序排列，選取距離最近、信號(hào)返回用時(shí)最短的幾個(gè)AP信號(hào)，將其組合起來(lái)作為Wi-Fi指紋信號(hào)的最佳組合序列。

由于真實(shí)環(huán)境下，信號(hào)密集、復(fù)雜，除了會(huì)采集到基準(zhǔn)Wi-Fi源發(fā)出的信號(hào)，也可能采集到其他的Wi-Fi熱點(diǎn)信號(hào)或手機(jī)的熱點(diǎn)信號(hào)，這些信號(hào)并不穩(wěn)定，混雜在Wi-Fi信號(hào)序列中會(huì)導(dǎo)致下一步計(jì)算出錯(cuò)。因此，在通過(guò)最近鄰法得到了Wi-Fi指紋信號(hào)序列的最佳組合后，在計(jì)算定位前，需要采用合適的篩選算法進(jìn)行事先篩選，排除干擾信號(hào)。這里，篩選算法選用貝葉斯概率法和基于高斯濾波的一維向量濾波算法[12]。

貝葉斯概率法，也稱后驗(yàn)概率法，其基本原理為將各個(gè)地方采集到的AP熱點(diǎn)信號(hào)強(qiáng)度值進(jìn)行推算，如式（1）所示，其概率為，利用式（2）通過(guò)貝葉斯概率算法得到某一位置采集到的Wi-Fi指紋信號(hào)序列中，取前N個(gè)信號(hào)最強(qiáng)的序列作為待匹配序列，算出最有可能出現(xiàn)的計(jì)算復(fù)雜度較低的Wi-Fi指紋信號(hào)序列[13]。

（1）

（2）

S1，S2，…，Sm構(gòu)成一個(gè)完備事件，Wi和Wj表示某一個(gè)事件，m為事件的數(shù)量。在滿足足夠的計(jì)算樣本的情況下，留下計(jì)算復(fù)雜度較低的Wi-Fi指紋信號(hào)序列，將其作為待匹配序列，進(jìn)行下一步的指紋相似性計(jì)算。

1.3? 指紋相似性計(jì)算

在篩選采集Wi-Fi指紋信號(hào)時(shí)，相近的點(diǎn)所獲得的Wi-Fi指紋信號(hào)序列會(huì)極為相似，為實(shí)現(xiàn)更精準(zhǔn)的室內(nèi)定位，可使用相匹配的指紋相似性計(jì)算方法。利用上述相匹配的濾波算法可以獲得算法復(fù)雜度較低的Wi-Fi指紋信號(hào)序列，然后采用式（3）歐氏距離算法[14]計(jì)算該序列向量。計(jì)算結(jié)果中若距離小，那么相似度大;若距離大，則相似度小。最后的結(jié)果便是Wi-Fi指紋信號(hào)的不等長(zhǎng)序列。式（3）為：

（3）

1.4? 歸一化計(jì)算及位置索引數(shù)據(jù)庫(kù)建立

通過(guò)指紋相似性計(jì)算后得到的不等長(zhǎng)序列過(guò)于復(fù)雜，難以解析和處理，可先將數(shù)據(jù)進(jìn)行歸一化處理，使其變成等長(zhǎng)序列，以方便后續(xù)數(shù)據(jù)使用。

數(shù)據(jù)的歸一化處理，是將數(shù)據(jù)統(tǒng)一映射到[0，1]區(qū)間中。在此之前，先將數(shù)據(jù)按比例縮放使之落入一個(gè)小的特定區(qū)間，即數(shù)據(jù)的標(biāo)準(zhǔn)化，再將標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行歸一化計(jì)算，得到等長(zhǎng)序列的數(shù)據(jù)。

在獲得了一些等長(zhǎng)序列的數(shù)據(jù)后，選定一些合適的Wi-Fi設(shè)備作為AP信號(hào)節(jié)點(diǎn)，通過(guò)采集到的指紋的特征，建立相關(guān)聯(lián)的位置索引數(shù)據(jù)庫(kù)[15]，數(shù)據(jù)庫(kù)中數(shù)據(jù)包括但不限于其Wi-Fi設(shè)備的坐標(biāo)、編碼、信號(hào)強(qiáng)度、距離遠(yuǎn)近等。以減少定位精度測(cè)算中所花費(fèi)的時(shí)間。

1.5? 定位精度測(cè)算

在建立位置索引數(shù)據(jù)庫(kù)后，將新采集到的指紋信號(hào)序列通過(guò)與位置索引數(shù)據(jù)庫(kù)進(jìn)行比對(duì)。利用基于RSSI的三邊定位算法進(jìn)行定位[16]，其優(yōu)勢(shì)在于簡(jiǎn)單可靠易行，不需要購(gòu)置昂貴的設(shè)備器材進(jìn)行采集發(fā)射，且無(wú)須知道信號(hào)到達(dá)時(shí)間、角度等信息，只需通過(guò)對(duì)數(shù)距離損耗模型的計(jì)算便可得到距離值。再將其與位置索引數(shù)據(jù)庫(kù)中的數(shù)據(jù)對(duì)比，便可得到定位目標(biāo)的位置坐標(biāo)，從而實(shí)現(xiàn)室內(nèi)定位。

RSSI的三邊定位算法是求解未知點(diǎn)坐標(biāo)的一種算法，如圖2所示。其基本原理是先找出3個(gè)已知點(diǎn)，通過(guò)式（4）所示的和未知點(diǎn)的RSSI信號(hào)，算出未知點(diǎn)到三個(gè)已知點(diǎn)的距離di，再采用式（5）將距離di作為當(dāng)前已知點(diǎn)的半徑進(jìn)行畫圓，得到的3個(gè)圓后，未知點(diǎn)坐標(biāo)即為圓與圓之間交點(diǎn)的坐標(biāo)。

2? 系統(tǒng)設(shè)計(jì)

如圖3所示，基于隨機(jī)離散Wi-Fi熱點(diǎn)的室內(nèi)定位技術(shù)分為兩個(gè)階段：離線階段和在線階段。離線階段主要的步驟是先采集黑點(diǎn)的位置信息經(jīng)過(guò)處理，再初步建立位置索引數(shù)據(jù)庫(kù)。在線階段主要完成的是先處理用戶移動(dòng)端數(shù)據(jù)，再定位，最后更新數(shù)據(jù)庫(kù)位置數(shù)據(jù)以便用戶通過(guò)移動(dòng)終端進(jìn)入定位系統(tǒng)時(shí)，對(duì)移動(dòng)終端的位置進(jìn)行更為精確的定位。

2.1? 離線階段

離線階段主要的步驟是先采集位置信息再建立位置索引數(shù)據(jù)庫(kù)。其中信息采集包括了采集測(cè)試點(diǎn)的Mac地址（接入點(diǎn)的物理地址）、測(cè)試點(diǎn)的信號(hào)強(qiáng)度以及測(cè)試點(diǎn)分布的位置坐標(biāo)信息等。

此階段的位置信息采集方案是先確立一個(gè)測(cè)試地點(diǎn)（即事先布置好的設(shè)備），通過(guò)網(wǎng)格法將測(cè)試地點(diǎn)劃分為許多個(gè)小方格，再在小方格的四個(gè)角上分別設(shè)立測(cè)試點(diǎn)，對(duì)測(cè)試點(diǎn)進(jìn)行采樣測(cè)試，將采樣測(cè)試到的數(shù)據(jù)作為樣本進(jìn)行一系列處理，包括對(duì)樣本數(shù)據(jù)進(jìn)行歸一化計(jì)算處理。經(jīng)過(guò)采樣測(cè)試后的樣本數(shù)據(jù)中包含了每個(gè)測(cè)試點(diǎn)的RSSI信號(hào)序列，再通過(guò)相應(yīng)的RSSI信號(hào)序列提取方法，便可以得到每個(gè)測(cè)試點(diǎn)的信號(hào)指紋信息。最后錄入該數(shù)據(jù)初步建立位置索引數(shù)據(jù)庫(kù)。

在日后需要定期對(duì)系統(tǒng)設(shè)備進(jìn)行檢測(cè)和對(duì)數(shù)據(jù)庫(kù)的位置信息進(jìn)行更新。

2.2? 在線階段

在線階段主要目的是用戶定位。用戶在操作移動(dòng)端進(jìn)入系統(tǒng)后，移動(dòng)端啟動(dòng)系統(tǒng)進(jìn)行發(fā)送和接收信號(hào)，系統(tǒng)在收到周圍Wi-Fi設(shè)備發(fā)送的數(shù)據(jù)后得到一系列的Wi-Fi指紋信號(hào)序列，通過(guò)事先篩選算法得到其最佳組成形式，在通過(guò)指紋相似性計(jì)算后將得到相似度比較大的指紋序列，然后利用歸一化計(jì)算方法使不等長(zhǎng)序列變?yōu)榈乳L(zhǎng)序列，隨后與位置數(shù)據(jù)庫(kù)中的數(shù)據(jù)通過(guò)匹配算法進(jìn)行比對(duì)，經(jīng)過(guò)定位精度測(cè)算操作后確定用戶的大概位置并將位置信息通過(guò)實(shí)時(shí)更新的方式呈現(xiàn)給用戶。

3? 實(shí)驗(yàn)驗(yàn)證與分析

3.1? 實(shí)驗(yàn)環(huán)境

本文選擇了教學(xué)樓中的某個(gè)實(shí)驗(yàn)室為本次的實(shí)驗(yàn)區(qū)域，實(shí)驗(yàn)室的簡(jiǎn)約示意圖如圖4所示。面積大概是80 ㎡。實(shí)驗(yàn)室中有一個(gè)書柜和10個(gè)辦公桌，以實(shí)驗(yàn)室的平面為基礎(chǔ)建立一個(gè)坐標(biāo)系。圖中黑色的圓點(diǎn)表示運(yùn)動(dòng)的起點(diǎn)，箭頭表示終點(diǎn)，線表示運(yùn)動(dòng)的軌跡。

3.2? RSSI的分析

通過(guò)貝葉斯概率計(jì)算選出復(fù)雜度最低的Wi-Fi指紋信號(hào)序列，然后對(duì)選出的Wi-Fi指紋信號(hào)序列中不等長(zhǎng)序列進(jìn)行歸一化處理，使得數(shù)據(jù)處理更加容易，表1RSSI列表數(shù)據(jù)就是經(jīng)過(guò)歸一化處理之后的RSSI數(shù)據(jù)，然后根據(jù)RSSI三邊定位算法進(jìn)行精準(zhǔn)的定位。

從表1中RSSI列表數(shù)據(jù)的值計(jì)算出每個(gè)位置的RSSI均值，從表2中可知，不同位置的RSSI均值都是不一樣的，RSSI均值可以表現(xiàn)為該位置Wi-Fi信號(hào)的狀態(tài)。如果RSSI均值在該位置越大，則AP離該區(qū)域就越近，反之則越遠(yuǎn);最后通過(guò)RSSI三邊定位算法計(jì)算出位置坐標(biāo)，從而就能夠通過(guò)Wi-Fi指紋信號(hào)得到室內(nèi)的準(zhǔn)確位置。

本文提出的方法能夠通過(guò)Wi-Fi指紋信號(hào)來(lái)進(jìn)行室內(nèi)的定位，由于RSSI的大小受AP位置和區(qū)域的影響，不同AP的RSSI均值沒(méi)有呈現(xiàn)出規(guī)律性的變化;同時(shí)也受實(shí)驗(yàn)室環(huán)境的影響，同樣表現(xiàn)出很大的變化。這些都可以作為Wi-Fi指紋信號(hào)數(shù)據(jù)預(yù)處理的依據(jù)，從而進(jìn)行更加準(zhǔn)確的室內(nèi)定位。

4? 結(jié)? 論

本文主要從Wi-Fi指紋信號(hào)特征入手，選定了設(shè)備廉價(jià)、操作性強(qiáng)、覆蓋范圍廣、定位足夠精確的Wi-Fi技術(shù)來(lái)進(jìn)行室內(nèi)定位。通過(guò)上述一系列研究過(guò)程，最終實(shí)現(xiàn)了進(jìn)一步的室內(nèi)精確定位。但依然存在著定位算法不夠準(zhǔn)確，有時(shí)會(huì)產(chǎn)生誤差和定位失敗的情況。在今后，本文所研究的室內(nèi)定位技術(shù)若是和現(xiàn)有的GPS技術(shù)相結(jié)合，在未來(lái)便可以實(shí)現(xiàn)高精度的、高效率的、大范圍的、包含室內(nèi)和室外的定位導(dǎo)航功能。

現(xiàn)階段，隨著國(guó)家信息化、現(xiàn)代化建設(shè)口號(hào)的提出，室內(nèi)定位技術(shù)已經(jīng)無(wú)處不在，通過(guò)各界學(xué)者的共同努力，室內(nèi)定位技術(shù)也將不斷前進(jìn)更新發(fā)展，社會(huì)人民也將享受到更優(yōu)質(zhì)的生活，室內(nèi)定位技術(shù)必將在這個(gè)城市化高速發(fā)展的時(shí)代大放光彩。

參考文獻(xiàn)：

[1] 謝澤亮.基于WiFi室內(nèi)定位系統(tǒng)的研究 [D].長(zhǎng)春：長(zhǎng)春工業(yè)大學(xué)，2018.

[2] 張金煥，雷琳.GPS定位監(jiān)控系統(tǒng)的研究與應(yīng)用 [J].化工管理，2017（2）：39.

[3] 張漪，張珊，昝麗霞，等.基于Android移動(dòng)端的應(yīng)用程序與藍(lán)牙模塊間數(shù)據(jù)通信研究 [J].現(xiàn)代信息科技，2019，3（8）：56-58+61.

[4] 張子明，王從慶.基于超寬帶技術(shù)的室內(nèi)定位系統(tǒng)應(yīng)用開發(fā) [J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2021，21（4）：76-80.

[5] 陳龍鵬.基于RFID技術(shù)的室內(nèi)定位方法研究 [D].南京：南京郵電大學(xué)，2020.

[6] 張俊龍，劉暢，胡楊，等.基于RSSI的WiFi室內(nèi)定位技術(shù)研究 [J].無(wú)線互聯(lián)科技，2018，15（14）：16-18.

[7] OUAMEUR M A，CAZA-SZOKA M，MASSICOTTE D. Machine Learning Enabled Tools and Methods for Indoor Localization Using Low Power Wireless Network [J/OL].Internet of Things，2020，12（11）：[2020-12-23].https：//www.sciencedirect.com/science/article/abs/pii/S2542660520301323.

[8] 王克會(huì).基于WLAN位置指紋的室內(nèi)定位算法研究與應(yīng)用 [D].杭州：杭州電子科技大學(xué)，2018.

[9] PUCKDEEVONGS A，TRIPATHI N K，WITAYANGKURN A，et al. Classroom Attendance Systems Based on Bluetooth Low Energy Indoor Positioning Technology for Smart Campus [J].Information，2020，11（6）：329.

[10] 李飛，孫永全，鄧國(guó)華.基于軌道交通的室內(nèi)定位系統(tǒng) [J].鐵路通信信號(hào)工程技術(shù)，2020，17（9）：78-82.

[11] NING F S，CHEN Y C. Combining a Modified Particle Filter Method and Indoor Magnetic Fingerprint Map to Assist Pedestrian Dead Reckoning for Indoor Positioning and Navigation [J].Sensors，2019，20（1）：185.

[12] 彭軍民.基于WiFi終端的室內(nèi)定位系統(tǒng)及其應(yīng)用 [J].通信電源技術(shù)，2018，35（9）：141-145.

[13] 鄭自興，姚金杰.基于信號(hào)強(qiáng)度的指紋定位匹配算法研究 [J].國(guó)外電子測(cè)量技術(shù)，2020，39（9）：31-35.

[14] 靳賽州，陳國(guó)良，張超，等.一種基于區(qū)域優(yōu)選的自適應(yīng)藍(lán)牙指紋定位算法 [J].測(cè)繪科學(xué)，2020，45（8）：51-56.

[15] 羅旭，陳超.一種基于Wi-Fi信號(hào)的位置指紋定位方法 [J].信息通信，2019（4）：37-40.

[16] 王亞濤.基于位置指紋的WIFI室內(nèi)定位研究 [D].南京：南京郵電大學(xué)，2018.

作者簡(jiǎn)介：王鈺浩（1997—），男，漢族，湖南株洲人，碩士研究生在讀，研究方向：圖像處理及其在物聯(lián)網(wǎng)中的應(yīng)用;通訊作者：曾孟佳（1980—），女，漢族，湖北荊州人，碩士生導(dǎo)師，副教授，碩士研究生，研究方向：物聯(lián)網(wǎng)技術(shù)及其應(yīng)用。