基于WiFi與移動智能終端的室內定位方法綜述

石高濤，王伯遠，吳 斌

(天津大學a．計算機科學與技術學院;b．軟件學院，天津300072)

1 概述

室內定位是指在室內環境中實現定位，最早被應用于同步定位與地圖構建(Simultaneous Localization and Mapping，SLAM)中。隨著移動互聯時代的到來，室內定位變成了一個人們關注的熱點，應用前景十分廣泛。其應用前景大體上可以分為以下5類:(1)室內導航，告知用戶如何到達室內的某個地方等;(2)社交需求，名片交換等;(3)市場推銷，商城、景點提供導購等服務;(4)公共安全，緊急情況下的人員定位等;(5)移動計算，大數據分析，分析用戶習慣等有價值信息。文獻［1］對所有需要室內定位的移動手機應用做了簡要的論述。

研究人員針對室內定位做出了一些重要的研究成果。總體上，以智能手機普及為分界線，根據定位使用的工具的不同，可以將室內定位分為以下3種:(1)室內部署紅外線設備來定位的方法［2］;(2)室內部署超聲波設備來定位的設計方案［3］;(3)室內部署射頻設備來定位的方案［4-5］;(4)室內部署UWB設備來定位的方案［6-7］。這些方法都可以達到比較高的定位精度，其中UWB的定位精度可以達到10 cm級別，但是它們有一個共同的問題就是都需要在室內提前部署一些特定設備并且在定位前需要采集一些必要的信息，因此這些方法的規模化成本較高，成為阻礙其普及的主要原因。

還有一些成本較低的室內定位方案:(1)通信基站，每個基站都有全球唯一的標識，可以通過查數據庫知道用戶的位置，精度在幾百米以內;(2)WiFi路由器，每個WiFi路由器都有全球唯一的標識，可以通過查數據庫知道用戶的位置，精度在幾十米以內。以上方案的缺點是在室內定位的精度較差，并且在室內定位中都無法達到像GPS室外定位那樣的連續定位。連續定位不僅能夠定位用戶當前的位置，而且可以跟蹤用戶之前的運動軌跡。

設計能夠廣泛應用的室內定位方案，一般情況下需要考慮以下4個因素:

(1)成本:主要包含預部署成本、計算成本、維護成本。其中預部署成本包括需要提前部署到要定位地方的設備和提前采集信息的代價;計算成本是定位算法的計算代價;維護成本是保證定位系統正常運行需要花費的代價。

(2)定位精度:室內定位對定位精度要求比室外更高，達到1 m以內。

(3)連續定位:可以實時查看用戶的運動軌跡和當前位置，對用戶體驗有很大的提升。

(4)環境依賴度:環境變化對定位結果的影響程度。影響程度越大，環境依賴度越高。

隨著智能手機的普及，利用智能手機和WiFi定位逐漸成了室內定位的研究熱點，近來很多室內定位的研究都是基于WiFi和智能移動終端展開，主要有以下兩方面原因:(1)從控制成本的角度，應盡量使用已有的設備，而WiFi熱點就是一種很好的選擇。一般在辦公區、購物中心或者機場等公共場所都會有WiFi熱點部署，并且WiFi接口在當前的移動智能終端已經很普及。此外，智能移動終端也成為基于位置服務的應用的載體;(2)從定位的精度上來看，使用WiFi和智能手機可以實現高精度的定位，而且可以通過與手機中的傳感器相結合實現連續定位。

針對室內定位，已有相關研究從不同角度對其進行綜述，文獻［8］對當前的定位技術做了詳細的總結，從成本、精度、可擴展程度、缺點等維度做了對比，指出了當前定位技術的發展以及存在的問題。文獻［1］是在智能手機迅速普及的背景下，對智能手機傳感器做了較全面的調研，指出智能手機的迅速發展將給室內定位帶來了新的機會。文獻［9］對現有的使用智能手機傳感器定位的系統做了調研，從類型、系統電量消耗、系統計算時間、用戶多樣性、是否用戶參與等多個維度分析了它們的優缺點。

本文通過對基于移動智能手機和WiFi的室內定位方法進行全面綜述，對相關工作進行梳理總結，并嘗試給出未來可能的發展方向。介紹基于移動智能設備和WiFi的室內定位的基本方法，并指出基本方法存在的問題;從多個維度對基于移動智能和WiFi的室內定位進行分類;對基于移動智能設備和WiFi的室內定位技術進行比較;總結了室內定位通用方法應該具備的3個特征。

2 室內定位基本方法

2．1 基于相對位置的計算方法

此類方法首先待測目標處的 RSSI，然后根據WiFi信號的衰變模型計算出待測目標到參考點的距離，并依據距離推算出待測目標的位置。

該方法較為常用的定位技術是根據三邊定位算法，通過利用待測目標到至少3個已知的參考點的距離信息來估計目標位置，其中參考點位置信息必須是已知的。因為WiFi路由器的ID是全球唯一的，所以可以通過查詢數據庫得到相應WiFi路由器的位置，從而確定參考點的位置信息。但由于WiFi路由器位置可能會被移動的原因，這種位置信息不可靠。文獻［10］通過實地實驗也驗證了使用位置指紋識別方法相對于三邊定位的優越性，三邊定位環境依賴度高而且精度不夠高。之后在三邊定位的基礎上衍生出了一些計算過程比較復雜的定位方法，可以達到比較高的定位精度。之后三邊定位的方法也被其他計算方法代替，從而可以達到比較高的定位精度。

該類方法中需要解決的問題有3點:

(1)如何避免或者減少環境依賴問題，如WiFi熱點的分布是否均勻對定位結果的影響程度;

(2)如何去除干擾的RSS信息，使得計算距離更加準確，因為同一個熱點在某個位置可能會有幾個RSS信息;

(3)如何在避免或者減少提前部署工作的前提下將相對位置轉換成絕對位置。

該類方法中典型的算法就是文獻［11］提出的EZ算法，如圖1(a)所示，2個移動設備(M1和M2)可以測量分別得到其到2個熱點(AP1，AP2)的距離(d11，d12，d21，d22)，但是這時候無法確定M1和M2的位置，因為還會有很多可能的位置分布，如圖1(a)中測量到的距離值和圖1(b)一致，但是位置不同。而隨著移動設備和熱點的增多如圖1(c)所示，這種位置分布的可能性就越小，當移動設備和熱點的數量達到一定量之后就可以確定一個唯一的位置分布情況。然后再通過少量移動設備接收到的GPS信號的定位信息就可以確定所有移動設備的絕對位置。

圖1 EZ算法示意圖

該方法的核心思想就是窮舉所有可能的位置分布情況，然后排除不可能的情況，最后得到一個位置分布情況，好處就是不需要人工參與信號采集就可以實現良好的室內定位效果。

2．2 基于位置指紋的計算方法

基于位置指紋的計算方法，需要提前收集定位的環境中的位置指紋信息，然后通過待測目標處的位置指紋信息推算出相應的位置信息。

如圖2所示基于位置指紋的計算方法從宏觀上可以分為以下3個步驟:

(1)獲取WiFi的位置指紋信息RSSI;

(2)通過處理得到RSSI地圖，所謂RSSI地圖就是RSSI信息和位置的一一對應;

(3)把目標位置測量到的RSSI發送到定位系統，定位系統通過計算返回相對應匹配位置。

具體的實現方法有多種，但是總體的思想是一致的。用戶在運動過程中會捕獲位置指紋信息，查詢位置的時候將位置指紋信息發送給定位系統(??RSSI)，定位系統根據RSSI地圖(位置?RSSI)匹配得到當前位置指紋對應的位置信息(位置??RSSI)，此類方法的關鍵點是獲得RSSI地圖和通過RSSI地圖計算得到位置信息，如圖2所示。

圖2 基于位置指紋方法的基本步驟

該方法需要預先收集大量的位置指紋信息。一般情況下位置指紋收集的越多，定位的準確率就越高，直到達到某個閾值。得到位置指紋地圖之后，還需要一個高效的算法估計待測位置的位置信息，文獻［12］采用的是貝葉斯(Na?ve Bayes，NB)算法，實現簡單而且定位效果良好。另外文獻［13］中使用K最近鄰(K-Nearest Neighbor，KNN)算法，其中K=1，該方法實現簡單，定位效果良好。總結起來，該類方法要解決的問題有以下3點:

(1)如何避免或者減少獲得RSSI地圖需要花費的人力;

(2)如何解決RSSI信息和位置不一一對應的問題;

(3)如何通過RSSI地圖高效地計算出位置信息。

文獻［14］提出一個簡單而有效的基于信號傳播模型的定位系統RADAR。首先在室內布設一些特定的熱點，使得這些熱點的信號能覆蓋整個要定位的區域，然后提前采集位置指紋信息，用這些采集信息來構建和驗證信號傳播模型，最后使用該模型來根據測量到的信號強度信息推斷出對應的位置。

文獻［15］提出的定位系統Horus使用一種自回歸模型，將人工采集的信息處理變成位置指紋信息，然后通過最大似然估計的方法來推斷出位置信息，可以達到很高的定位精度。文獻［16］在文獻［14-15］的基礎上將采集的位置信息的類型拓展到室內其他一些信號類型，比如聲音、光、顏色等。

2．3 基于傳感器距離估計

文獻［14-16］提出的定位方法都需要采用人工收集指紋信息，增大了預部署的成本。一些定位方法通過使用手機傳感器跟蹤人的運動狀態的方法來實現自動收集位置指紋信息，典型的有文獻［12］中提出的方法，圖3為自動獲得位置指紋架構示意圖。

圖3 位置指紋架構示意圖

為了實現這個自動的過程需要有一個智能移動設備(有加速度、羅盤、陀螺儀等傳感器)和一個地圖(標識出所有人能走的道路)，通過傳感器可以得到人運動的起點、終點、運動的路線(轉了幾個彎等)、路線的長度以及運動路線上的RSSI值，然后通過在地圖上枚舉的方法最終會得到唯一的一條路線，從而就實現了RSSI到地圖上位置的映射，最后得到一個位置指紋地圖。為了提高準確性，采用了新的傳感器計步和方向偏轉角度估計算法，使得結果不受手機在身體上位置變化的影響。

近年來，室內定位的技術中手機傳感器得到了大量的使用，通過手機傳感器可以計算出用戶的運動狀態，從而為高精度的室內定位提供保障。表1簡要總結了目前智能手機中比較常用于室內定位的傳感器及其作用。

表1 常用于室內定位的傳感器及其作用

在已有研究中，文獻［11，13，16-20］不同程度地使用了手機傳感器，使用WiFi定位都會使用手機中的WiFi傳感器，文獻［12-13］提出了利用手機中的陀螺儀、羅盤、加速度傳感器輔助定位的方法，達到了較好的效果。然而像文獻［13］一樣很多提出使用手機傳感器跟蹤用戶狀態輔助定位的方法都是基于使用手機傳感器可以很精確地跟蹤用戶運動狀態的假設之上的，文獻［12］提出了使用手機傳感器準確跟蹤用戶的運動狀態的有效方法。

另外文獻［21］針對上面的問題提出一種使用手機傳感器跟蹤用戶的運動狀態的通用方法，從而為使用手機傳感器跟蹤用戶運動狀態的室內定位方法提供有力支持，而且該方法不需要提前知道手機在身體上的方向，根據人的運動對手機的影響的關系來判斷人的運動狀態，并且可以去除地磁對羅盤傳感器的影響，從而使得判斷更加精確。

文獻［19］通過對WiFi和地磁信號研究發現了WiFi和地磁信號的互補性，從而提出了一種使用WiFi和磁力傳感器2種傳感器定位的方法，不僅避免了提前部署需要的花費，而且可以達到比較高的定位精度。

3 室內定位技術

3．1 連續型與非連續型定位

基于移動智能終端和WiFi的室內定位技術可以根據是否使用移動智能設備中傳感器跟蹤用戶運動狀態而達到2類定位效果:一類是非連續型，這類方法需要提前建立位置指紋地圖，根據某個時刻用戶發送的定位請求在位置指紋地圖中計算返回最佳匹配的位置信息，即用戶的位置信息是按照用戶的定位請求時間非連續分布的;另一類是連續型，這類方法使用傳感器來記錄人的運動軌跡，從而可以將各個時間點的用戶位置信息連接起來。這類方法可以在用戶運動的過程中收集RSSI，從而通過積累可以完成RSSI地圖，從而為以后的定位提供數據，避免了提前準備RSS地圖的花費。

3．2 2D室內定位與3D室內定位

基于移動智能終端和WiFi的室內定位技術可以根據是否能識別室內用戶樓層變化分為2種類型:第1類是2D定位;第2類是3D定位。這2類技術的應用場景不同，實現的復雜度也不相同，第2類方法為了實現3D定位需要使用手機中的傳感器，通過手機的傳感器可以判斷用戶上樓下樓的動作。

3．3 用戶參與與用戶不參與的室內定位

基于移動智能終端和WiFi的室內定位技術可以根據是否需要用戶參與分為2類:一類需要用戶參與，用戶在使用室內定位系統時可以輸入自己的位置信息反饋給定位系統，以達到校正定位系統的目的;另一類不需要用戶參與，這類定位系統不提供用戶輸入位置信息的接口。

3．4 無線信號指紋室內定位

雖然WiFi RSSI指紋定位目前比較流行，由于它的工作頻率比較高，因此它很容易受到諸如人的狀態以及人站位的方向、多徑傳輸和衰減的影響。文獻［22］從設計一個魯棒性和差異性的無線信號指紋的角度出發提出了基于調頻信號(FM)的室內定位方法，調頻信號因為頻率低，所以受上述因子的影響很小，并且它受時間變化的影響也較小。重要的是從文獻［22］的實驗結果可以表明FM RSSI定位跟WiFi RSSI定位的誤差是獨立的，把兩者結合起來，可以把定位精度提高到83%。然而使用該方法又會引入調頻信息采集的復雜度。另外文獻［23］也從設計一個魯棒性和差異性的無線信號指紋的角度出發提出了基于信道頻率響應的室內定位方法，同樣會引入信息采集的復雜度，但是在定位精度方面有所提高。

4 定位技術分析比較

本節對當前典型的基于移動設備和WiFi的室內定位工作進行分析總結，表2從定位的原理、基于的工具、定位的效果、提前部署花費的人力物力等方面給出了比較結果。可以看到，針對室內定位，目前還沒有一個可以廣泛使用的解決方法，從總體上看室內定位技術的發展趨勢為易于部署、高精度、支持3D定位。

表2 基于室內定位技術比較結果

從表2中可以看出，基于位置指紋定位的工作數量明顯多于基于相對位置的工作數量，可以反映出基于位置指紋的定位方法比較受青睞，主要原因如下:

(1)從實現的復雜度角度，基于相對位置的室內定位方法在算法的實現上相對較復雜。

(2)從定位的精度角度，從表2就可以看出基于位置指紋的方法的平均定位誤差可以減小到1 m，而基于相對位置的定位方法最好情況下的誤差為2．7 m。可見，基于位置指紋的定位方法的定位精度要高于基于相對位置的定位精度。

(3)從解決第2節提到的幾種定位方法分別遇到的問題方面，基于傳感器距離估計的方法更容易解決上述問題。通過使用手機傳感器來識別人的運動狀態可以在用戶行走的過程中完成位置指紋地圖的收集，并且通過一些算法比如機器學習的算法，可以便捷而且比較準確地計算出相應的位置信息［12-13，17］;文獻［17］提出的 CUPID 通過利用手機傳感器記錄用戶的運動狀態來判斷用戶和WiFi熱點的夾角，從而可以過濾掉干擾的RSSI信息，計算出準確地相對位置;但算法比較復雜，而且需要安裝特定的芯片，不適合廣泛使用。

(4)從是否支持3D方面，近年來基于相對位置的方法沒有提出支持3D定位的解決方法，而基于位置指紋的方法已有提出支持3D的定位解決方法［13］，而且其定位精度和傳統方法相當。

(5)從定位方法的靈活程度方面，基于位置指紋的定位方法可以做到室內某一層到RSSI的映射、某一個房間到RSSI的映射和某一個點到RSSI的映射，定位相對于基于相對位置的方法來說比較靈活。

5 結束語

本文對近年來室內定位方法進行綜述。可以大規模部署的室內定位的方法應該具備以下3個特征:易于部署;精確度高;支持3D定位。然而，能夠支持這3種特征的定位方法還有很多問題需要解決。比如基于相對位置的計算方法，需要找到更加簡單而高效的計算模型;對于基于位置指紋的計算方法，需要提出更加自動化的獲取位置指紋的方法;對于基于傳感器距離的計算方法，需要找到更加簡便而準確的跟蹤人的運動軌跡的方法。此外，一些解決室內定位的方法和理念也需要不斷的被提出，例如文獻［24］就采用圖像識別的方法來定位，也能夠達到不錯的定位效果。另外，為支持以上3個特征，使用手機傳感器跟蹤人的運動狀態是必要的。最后，室內定位的算法必須要配備有效的容錯機制，因為算法的輸入信息會隨著環境發生不可預期的變化，如果從算法復雜度和定位精確度折衷的角度來看，機器學習的方法是一種不錯的選擇。文獻［12-13］分別使用K最近鄰和貝葉斯算法都達到較好的定位效果。

［1］ Lane N，Miluzzo E，Lu H，et al．A Survey of Mobile Phone Sensing［J］．IEEE Communications Magazine，2010，48(9):140-150．

［2］ Want R．The Active Badge Location System［J］．ACM Transactions on Information Systems，1992，10(1):91-102．

［3］ Ward A，Jones A，Hopper A．A New Location Technique for the Active Office［J］．IEEE Personal Communications，1997，4(5):42-47．

［4］ Ni L M，Liu Yunhao，Lau Y C，et al．LANDMARC:Indoor Location Sensing Using Active RFID［C］//Proceedings of the1stIEEE InternationalConference on Pervasive Computing and Communications．Washington D，C．，USA:IEEE Press，2003:407-415．

［5］ 鄧輝舫，馬啟平，周尚偉．使用無線射頻識別(RFID)技術進行室內定位［J］．計算機應用，2008，28(7):1858-1860．

［6］ Yu Kegen，Montillet J P，Rabbachin A．UWB Location and Tracking for Wireless Embedded Networks［J］．Signal Processing，2006，86(9):2153-2171．

［7］ 李 杰．基于 UWB和 DGPS的混合定位方法研究［J］．計算機應用與軟件，2010，27(5):212-215．

［8］ Hightower J，Borriello G．Location Systems for Ubiquitous Computing［J］．IEEE Computer，2001，34(8):57-66．

［9］ Subbu K，Zhang Chi，Luo Jun，et al．Analysis and Status Quo of Smartphone-based Indoor Localization Systems［J］．IEEE Wireless Communications，2014，21(4):106-112．

［10］ Li Binghao，Quader L J，Dempster A G．On Outdoor Positioning with WiFi［J］．Journal of Global Positioning Systems，2008，7(1):18-26．

［11］ Chintalapudi K，Iyer A P，Padmanabhan V N．Indoor Localization Without the Pain［C］//Proceedings of the 16th Annual International Conference on Mobile Computing and Networking．Washington D．C．，USA:IEEE Press，2010:173-184．

［12］ Rai A，Chintalapudi K K，Padmanabhan V N，et al．Zee:Zero-effort Crowdsourcing for Indoor Localization［C］//Proceedings of the 18th Annual International Conference on Mobile Computing and Networking．Washington D．C．，USA:IEEE Press，2012:293-304．

［13］ Yang Zheng，Wu Chenshu，LiuYunhao．Locatingin Fingerprint Space:Wireless Indoor Localization with Little Human Intervention［C］//Proceedings of the 18th Annual InternationalConference on Mobile Computing and Networking．Washington D．C．，USA:IEEE Press，2012:358-367．

［14］ Bahl P，Padmanabhan V N．RADAR:An Inbuilding RF-based UserLocation and Tracking System［C］//Proceedings of the 19th Annual Joint Conference of the IEEE Computer and Communications Societies．Washington D．C．，USA:IEEE Press，2000:231-241．

［15］ Youssef M，Agrawala A．The Horus WLAN Location Determination System［EB/OL］．(2011-12-12)．http://www．docin．com/p-305713112．html．

［16］ Azizyan M，Constandache I，Choudhury R R．SurroundSense:Mobile Phone Localization via Ambience Fingerprinting［C］//Proceedings ofthe 15th AnnualInternational Conference on Mobile Computing and Networking．Washington D．C．，USA:IEEE Press，2009:261-272．

［17］ Jiang Y，Pan X，Li K，et al．ARIEL:Automatic Wi-Fi Based Room Fingerprinting for Indoor Localization［C］//Proceedingsof2012 ACM Conferenceon Ubiquitous Computing．New York，USA:ACM Press，2012:441-450．

［18］ Wang H，Sen S，Elgohary A，et al．No Need to War-drive:Unsupervised Indoor Localization［C］//Proceedings of the 10th International Conference on Mobile Systems．Washington D．C．，USA:IEEE Press，2012:157-165．

［19］ Zhang C，Luo J，Wu J．A Dual-sensor Enabled Indoor Localization System with Crowdsensing Spot Survey［C］//Proceedings of DCSS’14．Washington D．C．，USA:IEEE Press，2014:148-156．

［20］ Sen S，Lee J，Kim K H，et al．Avoiding Multipath to Revive Inbuilding WiFi Localization［C］//Proceedings of the 11th Annual International Conference on Mobile Systems．Washington D．C．，USA:IEEE Press，2013:269-278．

［21］ Roy N，Wang He，Choudhury R R．I Am a Smartphone and I Can TellMyUser’sWalkingDirection［C］//Proceedings of the 12th Annual International Conference on Mobile Systems．Washington D．C．，USA:IEEE Press，2014:156-162．

［22］ Chen Y，Lymberopoulos D，Liu J，et al．Fm-based Indoor Localization［C］//Proceedings of the 10th International Conference on Mobile Systems．Washington D．C．，USA:IEEE Press，2012:359-368．

［23］ Robertson P，Angermann M，Krach B．Simultaneous Localization and Mapping for Pedestrians Using Only Footmounted Inertial Sensors［C］//Proceedings of the 11th International Conference on Ubiquitous Computing．Washington D．C．，USA:IEEE Press，2009:93-96．

［24］ Ravi N，Shankar P，Frankel A，et al．Indoor Localization Using Camera Phones［C］//Proceedings of MCSA’05．Washington D．C．，USA:IEEE Press，2005:299-307．