李佶駿 譚順華

(西南科技大學(xué)信息工程學(xué)院 四川 綿陽 621000)

0 引 言

人員定位系統(tǒng)工作時，通過識別人員所攜帶的定位設(shè)備發(fā)出的信號，由具有收發(fā)信號功能的AP節(jié)點(diǎn)中轉(zhuǎn)，利用相關(guān)定位算法實(shí)現(xiàn)人員定位。然而，室外環(huán)境無法保證部署足夠的特定AP，同時存在各種環(huán)境障礙，極大地影響了定位精度。因此，研究一種室外人員定位系統(tǒng)是有必要的。

面對人員定位問題，Dumanli 等[1]提出了基于RBF神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位算法，通過改進(jìn)聚類算法和LM算法，修改參考軌跡，動態(tài)迭代調(diào)整修正參數(shù)，實(shí)現(xiàn)了最優(yōu)誤差補(bǔ)償；莫樹培等[2]采用二分k-means聚類算法對采集的RSSI數(shù)據(jù)進(jìn)行分類，建立離線指紋庫，采用K近鄰算法動態(tài)修正權(quán)重值，結(jié)合離線指紋庫估算人員實(shí)時位置；Yoo[3]提出了基于Wi-Fi RSSI的室內(nèi)定位算法，通過PCA和高斯過程將RSSI數(shù)據(jù)庫重構(gòu)為概率特征數(shù)據(jù)庫，然后用KL散度作為度量標(biāo)準(zhǔn)來度量現(xiàn)有數(shù)據(jù)庫和測試數(shù)據(jù)的相似性，估算人員位置。白璐等[4]提出通過引力搜索算法(GSA)進(jìn)行數(shù)據(jù)的優(yōu)化，提高定位精度；王維[5]提出了將Hadoop應(yīng)用于人員定位系統(tǒng)中，利用并行計算的優(yōu)勢提高定位性能。但是，這些方法[6-14]大多停留在理論階段，同時時間復(fù)雜度高，實(shí)驗(yàn)環(huán)境通常比較理想，障礙物較為單一，設(shè)備部署復(fù)雜。

本文針對室外環(huán)境中存在大量電線桿、樹木、大樓等有遮擋的障礙物環(huán)境，基于Wi-Fi和智能手機(jī)搭建室外人員定位系統(tǒng)，優(yōu)化RSSI測距算法，設(shè)計定位權(quán)重和修正參數(shù)并應(yīng)用于人員定位算法中，通過150次重復(fù)實(shí)驗(yàn)證明算法在AP節(jié)點(diǎn)密集、RSSI較強(qiáng)的環(huán)境下的有效性。

1 人員定位原理與系統(tǒng)架構(gòu)

基于Wi-Fi的室外人員定位系統(tǒng)主要由三部分組成，包括手機(jī)等智能設(shè)備、Wi-Fi無線網(wǎng)絡(luò)和數(shù)據(jù)庫服務(wù)器。智能設(shè)備讀取MAC地址，通過IEEE802.11n協(xié)議，由Wi-Fi無線網(wǎng)絡(luò)采集信息并發(fā)送到服務(wù)器，服務(wù)器通過人員定位算法實(shí)現(xiàn)人員精確定位與跟蹤，并將結(jié)果顯示到前端，實(shí)現(xiàn)人員定位可視化，如圖1所示。

圖1 系統(tǒng)架構(gòu)

2 定位過程建模

數(shù)據(jù)庫服務(wù)器對人員跟蹤定位過程建模，在場景通道兩側(cè)每隔5 m分別部署能夠收發(fā)信號的AP節(jié)點(diǎn)，當(dāng)攜帶安裝有定位App的智能設(shè)備的人員通過通道時，其身上智能設(shè)備所發(fā)出的信號將被與其最近的多個AP節(jié)點(diǎn)所捕獲，如圖2所示。

圖2 定位環(huán)境設(shè)備部署

無論人員處于通道的哪個位置，都會有多個對應(yīng)的AP節(jié)點(diǎn)對其進(jìn)行定位跟蹤，從而實(shí)現(xiàn)人員的精準(zhǔn)定位，如圖3所示。

圖3 人員定位模型

3 本文定位算法

3.1 RSSI測距算法及優(yōu)化

傳統(tǒng)的RSSI測距算法為：

RSSI=A-10nlgd

(1)

式中：A為1 m處接收到的信號強(qiáng)度；n為環(huán)境衰減因子；d為距離。RSSI測距算法優(yōu)化主要分為三個階段：

階段1在實(shí)際定位環(huán)境中，每個AP節(jié)點(diǎn)會收到大量的RSSI數(shù)據(jù)，對這些數(shù)據(jù)求平均值：

(2)

式中：n為RSSI數(shù)據(jù)測量次數(shù)。實(shí)踐結(jié)果表明，隨著n增大，定位精度有所提高，最終趨于穩(wěn)定。

階段2通過高斯濾波消除因噪聲干擾信號造成的偏差較大的數(shù)據(jù)，去除小概率事件，然后求二次平均值，提高接收RSSI數(shù)據(jù)精度。高斯分布函數(shù)為：

(3)

式中：δ為標(biāo)準(zhǔn)差；μ為期望。

設(shè)定概率為0.6時發(fā)生干擾概率為高的強(qiáng)度值，即：

0.6

(4)

由此可得：

0.15δ+μ≤x≤3.09δ+μ

(5)

則強(qiáng)度值取值范圍為[0.15δ+μ,3.09δ+μ]。

階段3由于每個AP節(jié)點(diǎn)的發(fā)射功率不能保證相同，本文通過在式(1)中消除參數(shù)A和n，以此消除因發(fā)射功率不同帶來的影響，從而提高RSSI測距精度。由圖3和式(1)可知，AP節(jié)點(diǎn)A接收到其他AP節(jié)點(diǎn)B、C和待定位節(jié)點(diǎn)P的信號強(qiáng)度為：

RSSIB=AA-10nAlgdB

(6)

RSSIC=AA-10nAlgdC

(7)

RSSIP=AA-10nAlgdP

(8)

由式(6)、式(7)、式(8)可知：

(9)

階段4經(jīng)過高斯濾波處理，得到式(1)中A為-45.59 dBm，根據(jù)RSSI模型特征，取環(huán)境衰減因子n為3，將A和n代入式(1)，得：

RSSI=-45.59-30lgd

(10)

根據(jù)式(10)可以得到RSSI隨距離d變化的曲線，如圖4所示。

圖4 RSSI與距離d的關(guān)系

對式(10)兩邊求導(dǎo)，可得：

(11)

式中:|RSSI′|表示節(jié)點(diǎn)間距離為d時RSSI的變化率。

當(dāng)d∈[0.1,4.0]時，|RSSI′|∈[3.26,130.30],由RSSI測距原理可知，當(dāng)|RSSI′|>3時，得到的測距結(jié)果更為準(zhǔn)確；當(dāng)d∈(4,+∞)時，|RSSI′|<3，RSSI變化不再明顯，無法滿足測距的要求。因此，當(dāng)RSSI∈[-64.65,-35.59]時，測量精度取得較大值，滿足實(shí)際情況。

3.2 加權(quán)質(zhì)心定位算法

傳統(tǒng)的基于RSSI的質(zhì)心定位算法是一種與錨節(jié)點(diǎn)之間距離無關(guān)的定位算法，通過錨節(jié)點(diǎn)之間的公共覆蓋區(qū)域?qū)崿F(xiàn)估計定位，多邊形的質(zhì)心即為未知節(jié)點(diǎn)的估計坐標(biāo)。如圖3所示，由質(zhì)心定位算法可知，未知節(jié)點(diǎn)P的坐標(biāo)為：

(12)

式中：E(x1,y1)、F(x2,y2)、G(x3,y3)為錨節(jié)點(diǎn)A、B、C覆蓋區(qū)域內(nèi)側(cè)三角形的三個頂點(diǎn)。

針對上述算法精度不高的問題，有學(xué)者提出了加權(quán)的優(yōu)化算法，其中常見的優(yōu)化算法是以未知節(jié)點(diǎn)到錨節(jié)點(diǎn)的距離的倒數(shù)為權(quán)，數(shù)學(xué)表達(dá)式為：

(13)

式中：dA、dB、dC為未知節(jié)點(diǎn)P到錨節(jié)點(diǎn)A、B、C的距離。

以單一錨節(jié)點(diǎn)的距離為權(quán)雖然提高了定位精度，但是效果并不明顯，有文獻(xiàn)提出多邊形頂點(diǎn)由兩邊距離值決定，根據(jù)這個思想提出的算法數(shù)學(xué)表達(dá)式為：

(14)

該算法中的權(quán)值以兩邊距離值較大的一邊為主導(dǎo)，與距離越大影響越小的定位思想不符。

3.3 改進(jìn)的人員定位算法

針對上述的問題，本文設(shè)計一種改進(jìn)的人員定位算法。

多個錨節(jié)點(diǎn)對待測節(jié)點(diǎn)的權(quán)值應(yīng)以距離值較小的一側(cè)為主導(dǎo)，減少距離值較大的一側(cè)的影響比重，可表示為：

(15)

考慮到待測節(jié)點(diǎn)周圍的定位錨節(jié)點(diǎn)分布密度不同，環(huán)境障礙物等影響程度存在差異，選取固定數(shù)量的錨節(jié)點(diǎn)進(jìn)行定位的思想傾向于理論化，算法根據(jù)待測節(jié)點(diǎn)的位置，參考特定閾值，靈活地選取合適的錨節(jié)點(diǎn)，動態(tài)調(diào)整其對應(yīng)的權(quán)重比例，更符合實(shí)際情況。

設(shè)K個錨節(jié)點(diǎn)的位置坐標(biāo)為(x1,y1),(x2,y2),…,(xK,yK)，與待測節(jié)點(diǎn)P的信號距離為d1,d2,…,dK。第i個錨節(jié)點(diǎn)的權(quán)值由近鄰m個錨節(jié)點(diǎn)決定，應(yīng)為：

(16)

(17)

同時，引入修正系數(shù)n，調(diào)節(jié)各錨節(jié)點(diǎn)之間距離值所占比重，得到權(quán)值ωi為：

(18)

求得待測節(jié)點(diǎn)P(x,y)坐標(biāo)為：

(19)

4 測試結(jié)果與分析

為驗(yàn)證算法的精確度，在某施工高鐵站進(jìn)行現(xiàn)場測試，如圖5所示。

圖5 某高鐵站測試現(xiàn)場

實(shí)驗(yàn)在100 m×100 m現(xiàn)場環(huán)境下，選取穿透性較強(qiáng)的2.4 GHz頻率段，設(shè)置120個定位錨節(jié)點(diǎn)，分別在有無障礙物的環(huán)境下對傳統(tǒng)算法、優(yōu)化加權(quán)算法和本文改進(jìn)算法進(jìn)行150次重復(fù)測試，得到如圖6、表1、圖7、表2、圖8、圖9、表3、圖10、表4、圖11所示的結(jié)果。

圖6 無障礙物環(huán)境人員定位

表1 三種算法在無障礙物環(huán)境下的定位誤差

圖7 三種算法在無障礙物環(huán)境下的定位誤差

表2 本文算法在無障礙物環(huán)境下的多次測試誤差平均值、中位數(shù)、方差

圖8 本文算法在無障礙環(huán)境下的誤差方差

圖9 有障礙物環(huán)境人員定位

表3 三種算法在有障礙物環(huán)境下的定位誤差

圖10 三種算法在有障礙環(huán)境下的定位誤差

表4 本文算法在有障礙物環(huán)境下的多次測試誤差平均值、中位數(shù)、方差

圖11 本文算法在有障礙環(huán)境下的誤差方差

由圖7和圖10可以看出，本文改進(jìn)算法誤差更低，平均誤差在3 m以內(nèi)，比加權(quán)定位算法定位精度提升了24.9%。由圖8和圖11可以看出，算法方差不超過0.35，具有很強(qiáng)的穩(wěn)定性。另外，當(dāng)待測節(jié)點(diǎn)處于場景邊緣時，誤差較小，當(dāng)處于場景中央時，誤差較大，這是由于錨節(jié)點(diǎn)大都部署在環(huán)境邊緣所導(dǎo)致的。

5 結(jié) 語

針對室外人員定位精度不夠理想的問題，本文研究一種基于Wi-Fi的室外人員定位系統(tǒng)。首先，利用現(xiàn)有的企業(yè)級Wi-Fi和人員攜帶的智能設(shè)備搭建系統(tǒng)硬件平臺；其次，使用K點(diǎn)定位法建立人員定位模型；然后，介紹并優(yōu)化RSSI測距算法，介紹傳統(tǒng)定位算法及其優(yōu)化思想，提出改進(jìn)的定位算法；最后通過實(shí)驗(yàn)驗(yàn)證了本文算法的效率和穩(wěn)定性。實(shí)驗(yàn)表明，該算法適用于接收信號強(qiáng)度大于-64.65 dBm的場景，如商場、學(xué)校、醫(yī)院等，能夠很好地完成室外人員定位任務(wù)。