基于WiFi信號強度特征的室內定位系統設計

徐瀟瀟，謝林柏，彭 力

(江南大學物聯網工程學院，江蘇無錫214122)

1 概述

隨著移動互聯網的高速發展，人們對位置信息感知的需求日益增多，GPS可以較好地滿足在室外環境的定位需求，但在相對封閉或者復雜的環境中，GPS定位通常不能獲得很好效果甚至無法定位［1］。所以，需要設計一個室內定位系統，以滿足人們在室內環境下對位置信息的需求。

根據無線信號傳播的距離與傳播時間、角度、和信號強度的關系建立不同模型，有基于信號達到角度(Angle of Arrival，AOA)模型、基于信號到達時間(Time of Arrival，TOA)模型、基于信號到達時間差(Time Difference of Arrival，TDOA)模型、無線信號傳播衰減模型等［2］，根據這些方法建立終端位置與模型相關變量的數據關系，通過檢測的AOA，TOA，TDOA或接收信號強度指示(Received Signal Strength Indicator，RSSI)信息計算用戶位置［3］。但是由于室內建筑的遮擋會造成比較嚴重的多徑干涉以及反射等現象［4］，信號到達角與RSSI值等信息不能精確地描述兩點之間的位置關系［5］。

針對以上問題，本文系統在位置指紋算法的基礎上對無線接入點(Access Point，AP)進行過濾，減少無關AP對定位精度的影響，并結合改進的K最近鄰(K-Nearest Neighbor，KNN)匹配算法，計算出待定位置的位置信息。

2 室內定位算法

由于室內復雜的環境以及家具、門窗以及人員走動等因素的存在，利用傳統路徑損耗模型無法精確描述距離與信號強度之間的關系，路徑損耗模型如下:

其中，d0表示參考距離，一般取1 m;P(d0)表示在d0處的信號強度值;X?為一個高斯隨機變量，均值和標準差分別為0和?;n表示路徑損耗系數;d表示待測距離;P(d)表示距離d處的信號強度值。由于路徑損耗系數在不同位置可能存在較大偏差，因此若在室內環境下采用路徑損耗模型進行定位通常得到的結果偏差會比較大。

2．1 位置指紋定位算法的改進

位置指紋定位算法將待定位置周圍的AP信號強度特征與數據庫中參考位置的信息進行對比，再通過一定的匹配算法計算出待定位置的位置信息［6］。該算法能夠在一定程度上減少信號強度路徑損耗帶來的定位誤差，具有一定的抗干擾能力［7］。位置指紋定位算法的工作模式一般由2個階段組成:訓練階段和定位階段。

在訓練階段時，在定位區域選取若干個參考位置，記錄每個參考位置的信號參數集合，類似于人類指紋，每個信號參數集合對應一個唯一的物理位置。參考位置指紋R為:

其中，n表示參考位置通信范圍內的AP個數;maci表示第i個AP的MAC地址;ri表示接收到的來自第i個AP的RSSI值。為減小不相關AP對系統定位精度的影響以及便于匹配算法的計算，參考位置與待定位置在進行信號特征采集時，只選取5組滿足條件的AP進行數據采集，并按照信號強度的大小依次排列，過濾后的參考位置指紋Ri為:

其中，i表示第 i個參考位置;r1＞r2＞r3＞r4＞r5。記錄這些參考位置的指紋信息以及物理坐標，存入數據庫中。一般來說，參考節點越多，定位精度和效果越好［8］。

在定位階段時，使用安卓客戶端獲得待定位置的指紋A:

將該指紋與數據庫中的參考位置指紋進行對比，利用改進的K最近鄰匹配算法計算出待定位置的位置信息。

2．2 K最近鄰匹配算法的改進

K最近鄰匹配算法的本質是計算待定位置測量到的RSSI值組成的向量與數據庫中參考位置的RSSI向量的距離［9-10］。本文系統在待定位區域選取5個固定AP，假設數據庫中共有n個參考點，則距離公式表達式為:

其中，Ai表示待定位位置測得的第i個AP的RSSI值;Rji(j=1，2，…，n)表示數據庫中第j個參考點中來自i個AP的RSSI值。當p=1時，該距離稱為曼哈頓距離，當p=2時，該距離稱為歐幾里得距離，本文系統取p=2。定位的本質是找出與待定位置之間距離d最小的一個或多個參考節點［11］。傳統匹配算法選取距離最小的1個或K個參考位置，本文系統選取與待定位置距離d最小的3個參考位置a，b，c，對應距離與物理坐標分別為 da，db，dc與(xa，ya)，(xb，yb)，(xc，yc)。3 個點的權重分別為:

3 室內定位系統設計

3．1 系統框架設計

系統由客戶端、服務器以及數據庫3個部分組成，交互流程如圖1所示。

圖1 室內定位系統框架

隨著智能手機的發展，幾乎所有搭載Android系統的智能手機都具有 WiFi功能，這使得利用Android智能手機來進行室內定位系統的開發變得可能。

Tomcat是一個由SUN公司開發的Servlet容器，具有開源、穩定以及高效等特點，是開發 Java Web應用的最佳選擇之一。本文系統服務器端利用Servlet組件來實現，客戶端與服務器之間采用HTTP方式進行通信。

MySQL數據庫由于開源、使用免費、性能穩定等特點，在中低端市場占據很大份額，因此本文系統的數據庫部分采用MySQL來實現，用來存儲參考位置的指紋信息。為使Tomcat能訪問并操作MySQL數據庫，首先必須利用Java數據庫連接(Java Data Base Connectivity，JDBC)來連接 Java程序與數據庫，在程序中加載并注冊JDBC的方法具體如下:Class．forName(“com．mysql．jdbc．Driver”)。

3．2 客戶端設計

安卓客戶端利用Eclipse來進行開發［12］，采用的手機型號為Google Nexus S。在進行客戶端開發前，應先安裝Java語言的軟件開發工具包(Java Development Kit，JDK)，并對環境變量進行配置。客戶端實現了用戶登錄、上傳參考位置指紋信息和請求定位等功能。用戶在登錄模塊輸入用戶名、密碼以及服務器IP地址，根據IP地址將參數傳送至服務器，若連接成功，則進入訓練模塊和定位模塊。訓練模塊負責建立位置指紋信息數據庫，供定位階段進行參考和計算。定位模塊負責將待定位置指紋信息發送至服務器，并發起定位請求，等待服務器返回定位結果并將定位結果顯示在客戶端。客戶端流程如圖2所示。

圖2 客戶端流程

在客戶端中，共設計 Main，Data_collection和Start_location這3個Activity，分別為對應登錄模塊、訓練模塊和定位模塊。

登錄模塊利用Http的POST方法，將username與password參數傳給服務器，通過服務器返回的值來判斷是否登錄成功。若登錄不成功，則無法進入訓練模塊和定位模塊進行下一步操作。

訓練模塊負責將參考位置的指紋信息以及該位置的ID與物理坐標發送至服務器，在將數據錄入數據庫前，先查詢該ID是否已經存在，若存在，則讓用戶手動選擇是否覆蓋原有數據。在掃描通信范圍內AP信息時，用到以下接口和類:ScanResult，WifiInfo和WifiManager。其中，ScanResult用來描述檢測到的所有AP的地址、名稱、頻率以及信號強度等信息;WifiManager提供了大部分用來操作WiFi的API。對獲得的原始數據，利用自定義的比較器按照信號強度大小由大到小依次排序。信號掃描界面如圖3所示。

圖3 信號掃描界面

定位模塊負責將待定位置的指紋信息發送至服務器，服務器通過對比數據庫的信息，利用改進的K最近鄰匹配算法計算出待定位置的信息并將定位結果返回給客戶端。在該模塊中，通過分別獲取發起定位時的時間和獲得位置信息時的時間來計算時間差，該差值即為定位消耗時間。

由于客戶端App涉及到對互聯網的訪問以及對WiFi的操作，因此要在AndroidMainfest文件中進行如下配置，以獲得相應的操作權限。

3．3 服務器端設計

服務器端利用 MyEclipse進行開發，并通過Tomcat的Servlet來實現所有功能。本文設計采用的 Tomcat版本為 6．0．16。在使用 Tomcat前，需配置相關的環境變量，創建變量名為 CATALINA_HOME的系統變量，變量值為tomcat的安裝路徑。

在服務器端，共設計以下主要的類來滿足相應客戶端的要求:Login_Servlet，Collection_Servlet，Query_Servlet，Location_Servlet，分別對應驗證模塊、指紋信息錄入模塊、ID查詢模塊以及定位模塊，每個Servlet對應一個模塊。客戶端的不同模塊訪問的Servlet不一樣。在本文系統中，客戶端的登錄模塊將參數傳遞至服務器端時，調用的是服務器驗證模塊對應的Login_Servlet，客戶端在進行離線數據庫建立的過程中，調用的是服務器指紋信息錄入模塊對應的Collection_Servlet，客戶端在發起定位請求時，調用的是服務器定位模塊對應的 Location_Servlet。Servlet工作模式如圖4所示。

圖4 客戶端調用Servlet的流程

驗證模塊用來驗證用戶的登錄信息，通過doPost獲取 username和 password參數，若驗證正確，則通過PrintWrite向客戶端返回確認信息，表示驗證通過，客戶端可繼續調用其他模塊進行操作。

指紋信息錄入模塊用來接收并錄入參考位置指紋信息，通過doPost方法獲取參考節點ID、X軸位置、Y軸位置、通信范圍內符合條件的AP的MAC地址以及RSSI值。在對數據庫進行插入操作前，先對該ID進行查詢，若該ID在數據庫中不存在，則將數據插入表格，并通過PrintWrite向客戶端返回確認信息，若改ID已經存在，則不進行數據插入操作，并通過向客戶端返回相應信息，由客戶端來確認是否進行強制替換操作。

查詢模塊用來查詢相應ID的參考位置指紋信息，若該ID存在，則向客戶端返回該ID在數據庫中對應的指紋信息。

定位模塊用來完成客戶端發出的定位請求，通過doPost方法獲取客戶端發送過來的待定位置指紋信息，將所得信息與數據庫的參考節點進行對比，利用改進的K最近鄰匹配算法計算出待定位置的物理坐標，最后將位置信息返回給客戶端。

數據庫采用MySQL進行開發，版本為5．5．35。新建表格location_books用于存放參考位置的相關信息，格式具體如下:

ID X Y MAC1 LEVEL1 MAC2 LEVEL2 MAC3 LEVEL3 MAC4 LEVEL4 MAC5 LEVEL5

其中，ID表示參考位置的編號;X與Y表示參考位置的物理坐標;MAC與 LEVEL表示 AP的MAC地址與該AP的RSSI值。

對于HTML或JSP文件，它們的URL與文件路徑之間存在對應關系，而對于Servlet，需要在web．xml文件中對其映射 URL，具體由web．xml文件中的＜url-pattern＞元素來指定。

4 系統測試與結果分析

本文系統的測試地點為江南大學物聯網工程學院C516附近4個房間及走廊，測試區域大小為14．2 m ×16．1 m，選定 5個固定 AP。采用網格布局，每隔1 m設定一個參考位置，共選取224個參考位置。每個參考位置進行50次采樣，取中間值錄入數據庫。定位階段在待定位置進行5次采樣，取中間值進行定位計算，測試記錄如表1所示。

通過以上多組測量數據可得最小測量誤差為0．250 0 m，最大誤差為1．952 3 m，測量值與實際值的平均誤差為0．960 0 m，定位平均耗時為3．45 s，定位效果較理想。

表1 系統測試數據記錄

5 結束語

本文設計Android客戶端和Tomcat服務器，利用MySQL數據庫存儲參考節點的數據信息，采用改進的位置指紋算法，搭建一個室內定位系統。該系統在現有WiFi的基礎上，無需添加額外的設備，成本較低。測試結果表明，該系統定位精度較高、定位速度較快，具有較高的實用價值。今后步將采用貝葉斯等概率及擴展定位范圍等方法進一步改進室內定位精度。

［1］ 謝 翔，荊 昊，郭際明．室內環境下手機GPS定位精度研究［J］．測繪通報，2012，8(2):95-98．

［2］ 盧恒惠，劉興川，張 超，等．基于三角形與位置指紋識別算法的 WiFi定位比較［J］．移動通信，2010，34(10):72-76．

［3］ 方 震，趙 湛，郭 鵬，等．基于RSSI測距分析［J］．傳感技術學報，2007，20(11):2526-2530．

［4］ 詹 杰，劉宏立，劉述鋼，等．基于RSSI的動態權重定位算法研究［J］．電子學報，2011，39(1):82-88．

［5］ 容曉峰，楊 娜．RSSI位置指紋的定位誤差分析與仿真［J］．西安工業大學學報，2010，30(6):574-578．

［6］ Mok E，Retscher G．Location Determination Using WiFi Fingerprinting Versus Wifi Trilateration［J］．Journal of Location Based Services，2007，1(2):145-159．

［7］ 都伊林．一種模糊聚類KNN位置指紋定位算法［J］．微型機與應用，2012，31(23):55-58．

［8］ 趙慶賀，鄧 平，陳 佳．一種基于 AP ID過濾的WLAN位置指紋定位算法［J］．通信技術，2012，45(10):61-63．

［9］ Wu Xuewen，Tang Dunye，Qian Xinhong．A Centralized Location Algorithm Based on RSSIin Large-scale Wireless Sensor Network［J］．Procedia Engineering，2011，15(1):2004-2009．

［10］ 張曉亮，趙 平，徐冠青，等．基于一種優化的KNN算法在室內定位中的應用研究［J］．電子設計工程，2013，21(7):44-46．

［11］ Huang Chih-Ning，Chan Chia-Tai．ZigBee-based Indoor Location System by K-nearest Neighbor Algorithm with Weighted RSSI［C］//Proceedings of the 2nd International Conference on Ambient Systems，Networks and Tcchnologies．Amsterdam，Holland:Elsevier，2011:58-65．

［12］ 李 煒，金 亮，陳 曦．基于Android平臺的室內定位系統設計與實現［J］．華中科技大學學報:自然科學版，2013，41(S1):426-428．