WLAN定位方法綜述

【摘要】本文對WLAN定位技術進行了簡單介紹，著重介紹了位置指紋定位法，同時對現有的WLAN定位方法提出了幾點改進的建議。

【關鍵詞】WLAN;定位;位置指紋;AP;噪聲

1.引言

目前市場的定位技術很多，主要分為室外定位技術和室內定位技術。對于室外定位技術，主要包括GPS衛星定位、北斗衛星定位、移動通信技術定位等，這些定位技術定位精度在10米左右，而且只能在室外使用，一旦用戶進入到室內，由于信號的大幅度衰減，定位系統根本無法工作。在這種情況下，室內定位技術就應運而生。目前室內定位技術包括：無線局域網（WLAN），射頻標簽（RFID），Zigbee，藍牙，超寬帶無線電等。其中，由于wifi的普及率非常高，基本上不需要重新在終端上安裝信號接收設備，所以WLAN定位技術就顯得非常具有商用前景。

2.WLAN定位技術

WLAN定位模型如圖1所示，其主要由數據采集模塊、位置估算模塊、結果顯示模塊三部分構成。數據采集模塊指用戶終端接收設備內的無線網卡，完成對AP信號的接收，獲得信號指標，包括：信號到達移動終端的時間（TOA）、到達的角度（AOA）、終端接收到的AP信號強度（RSS）。位置估算模塊利用收集到的信息，根據相應的定位算法計算用戶的具體位置，定位精度與所采用算法有關。用戶的具體位置最終被顯示在結果顯示模塊上。

圖1 WLAN定位系統功能結構圖

WLAN定位算法主要包括以下幾種：幾何定位法、附近定位法、位置指紋定位法。幾何定位法利用AP與移動終端的距離，AP信號到達移動終端的角度，根據幾何學原理來實現定位。附近定位法以該終端所接入的信號強度最大的AP的位置作為該終端的定位。這兩種定位方法由于對硬件設備要求較高，成本太高，不適合大規模使用。而位置指紋定位法可利用已有的設備進行AP信號參數的測定，具有成本低，使用方便，能更好的保護隱私等優點。

3.位置指紋定位法

基于位置指紋的無線局域網室內定位大致分為兩個階段：離線采樣階段和在線定位階段。

3.1 離線采樣階段

離線采樣階段的目標是構建一個關于信號強度與采樣點位置間關系的數據庫，即位置指紋數據庫。

第一階段，操作員需要在被定位環境里確定若干采樣點，然后手持設備記錄下在每個采樣點測量的無線信號特征，包括來自所有AP的信號強度，最后將它們以某種方式保存在數據庫中。確定采樣點時，一般以網格形式對被定位環境進行劃分，網格越小，定位精度越高，一般以網格的中心位置作為終端用戶的位置。由于wifi信號存在衰落和其它干擾，采樣點上接收到的信號強度會隨時間變化，所以可以對每個采樣點進行多次定時測量，減小誤差。當環境發生變化時也需要立刻進行測量，比如AP位置的改變，網格大小的改變。

除此之外，由于傳統的指紋數據庫的建立是直接采集樣本，沒有考慮到RSS空間的相關特性，導致離線采樣工作量太大。唐文勝等人利用對傳神經網絡空間插值算法構建指紋數據庫，大大減少了采樣樣本數量。

3.2 實時定位階段

第二階段：當終端用戶需要定位時，根據它目前所接收到的各個AP的信號強度，形成一組數據，利用定位算法在第一階段所形成的位置指紋數據庫里去匹配，計算出該用戶的具體位置。定位的過程就是如何使用位置指紋數據庫的過程。WLAN定位系統一般采用兩類定位算法：第一類為確定的定位方法;第二類為基于概率的定位方法。

3.2.1 確定的定位方法

位置指紋用來自每個AP的信號強度的平均值表示，如：

然后采用確定性的推理算法來確定用戶的位置。實時階段，采用距離測量公式對每個樣本計算測量值與位置指紋間的距離，選取取得最小距離的位置作為移動用戶的位置。距離測量公式包括Manhattan距離、Euclidean距離等，其中Euclidean距離計算公式如下：

其中，n為實時測量階段用戶所感知到的AP數量，為用戶實時測量到的第i個AP的實時信號強度，為第j個樣本接收到的各個AP的信號強度的平均值，m為位置指紋數據庫中的樣本數。此方法又叫做信號空間最近鄰法（NNSS）?？紤]到可能存在多個與測量點距離相同的鄰點，又提出了一種信號空間k最近鄰法（k-NNSS），在位置指紋數據庫里找出與實時信號強度樣本最接近的一個或多個樣本，將它們對應的采樣點或多個采樣點的平均作為估計得用戶位置。

由于樣本空間很大，匹配的過程有較大時延，孫善武等人采用邊界盒算法和改進的二分范圍搜索算法減小了查找空間，提高了實時定位的效率和精度。而邢培基等人在NNSS算法的基礎上，考慮了電波傳輸信道的特性，對參與定位的AP數量的靈敏度降低，保障了更高精度的定位的穩定性。

由于確定的定位方法只采用接收信號強度的均值來計算信號空間距離，而忽視了樣本方差，概率分布等信息，故該方法未能充分利用原始樣本的信息。

3.2.2 基于概率的定位方法

概率定位方法中位置指紋存儲的是信號強度的概率分布信息。Nibble采用概率性位置指紋，根據貝葉斯推理機制來估計用戶的位置。其定位過程如下：假設定位區域產生m個指紋，記作，每個位置指紋與一個位置有一一對應的關系。在實時定位階段，終端所接收到的n個AP的平均信號強度為。則貝葉斯算法就是要得到實時指紋樣例S在定位區域的每個位置處的后驗概率，即，根據貝葉斯定理，得：

最后，采用最大后驗假設得到估計的用戶位置：

概率分布法是目前WLAN定位算法中基于位置指紋定位技術的研究熱點。

4.總結

要提高目前WLAN室內定位的精度，同時獲得較好的用戶體驗度，以下幾方面的問題值得考慮：

（1）終端用戶會選擇信號最強的AP進行接入，必然導致此AP所連接的終端用戶數遠遠大于其它AP，造成此AP帶寬緊張，而其它AP的利用率又過于低下。可以考慮采用一種負載均衡的算法來實現用戶分流。

（2）由于受室內不確定性的噪聲干擾，各個AP所提供的數據對定位的貢獻程度是不同的，這樣就需要一種方法能夠為不同的AP賦予不同的信任度，選取最優的AP集合來進行定位信息的提取，盡可能的減小信息的冗余度。

（3）當定位精度越高，算法必定越來越復雜，這就對終端的處理能力提出了較高的要求，可以考慮結合云計算，使得復雜的計算在云端完成，終端只接收最終定位結果，大大降低了用戶終端資源的消耗，但用戶的隱私問題又得不到很好的保障。

總之，隨著用戶位置需求業務的不斷增大，WLAN室內定位技術必定會有很大的用武之地。各種定位手段需要在實踐中不斷改進完善，最終實現大規模商用。