基于隨機離散Wi-Fi指紋的室內定位技術研究

王鈺浩 蔡聞凱 高敏 曾孟佳

摘? 要：近年來，室內定位的需求日益增加，實現室內精確定位成為了學者追求的目標。多個Wi-Fi源發出的信號疊加在某位置點時，會呈現出諸如指紋般的唯一識別特性，這種特性使得使用Wi-Fi指紋對特定對象進行室內定位成為可能。文章首先研究了Wi-Fi指紋信號序列的最佳組成形式，選用適當的篩選算法對指紋信號數據進行篩選。將結果數據的不等長序列歸一化成等長序列錄入數據庫。然后和位置索引庫中的數據進行比對，從而得出定位對象在投影地圖中的坐標。

關鍵詞：Wi-Fi位置指紋;貝葉斯概率法;RSSI三邊定位算法;室內定位系統

中圖分類號：TN92? ? ? 文獻標識碼：A 文章編號：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LBS又稱定位服務，是一種和位置相關的服務。隨著社會生活水平的快速提高，人們不再滿足于基于二維坐標的粗糙定位，對位置服務的定位精度和用戶體驗等要求越來越高[1]。室外環境下，GPS衛星定位技術已非常成熟，車載導航、手機地圖應用等已經廣泛運用[2]。由于人們在室內的活動更為頻繁，對室內精確定位的需求更加迫切。然而，室內環境復雜多變，GPS信號微弱、精度不高，不適合在室內定位中使用。因此，高精度的室內定位技術的應用不僅是廣大人民群眾的迫切需要，也是學界和產業界的關注熱點。

目前，室內定位技術主要通過各種通信技術輔助進行室內定位，包括不限于超寬帶定位技術、RFID技術、藍牙技術等[3]。超寬帶定位技術物理設備條件限制苛刻，需要部署大量基站設備，其成本過高[4]。RFID射頻識別（Radio Frequency Identification）技術在讀取時條件較苛刻，需要目標與讀寫器距離較近時才可工作[5]。藍牙技術不僅需要滿足設備間的近距離要求，且連接時需要配對密鑰，因而會增加設備與程序的負擔。Wi-Fi技術由于其價格低廉、網絡布設相對簡單、信號較易采集等特點，已經得到普通大眾的廣泛認可和接受[6]。而Wi-Fi源在生活場景中的廣泛布設，為采集信號實現室內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而言，文獻[6]中的Wi-Fi技術更適合室內定位場景。Wi-Fi技術的定位范圍可達到幾百米，覆蓋范圍較廣，定位精度根據需求最高可達厘米級，能滿足絕大多數室內定位需求。此外，Wi-Fi設備造價低廉，性價比高，施工難度小，連接速度也十分快。用戶使用的移動端智能設備幾乎都帶有Wi-Fi模塊，均可接收Wi-Fi信號，新一代移動端智能設備甚至能夠支持Wi-Fi 6（即第六代無線網絡技術），方便了后續的推廣應用[6]。

國內外的科研人員在應用Wi-Fi技術實現室內定位方面進行了深入研究，他們基于信源分布情況將室內定位技術分成了兩類，一類為依托于外置信源所實現的室內定位技術，主要包括Wi-Fi技術、藍牙技術、超寬帶技術等，第二類則是依托于天然信源所實現的室內定位技術，主要包括慣性導航、地磁導航等。在城市復雜地段采用前者更容易排除環境對信號的影響[6]。而使用Wi-Fi技術實現室內定位的主要方法有測距交匯法和指紋匹配法[7]。前者是通過信號強度衰減來判斷距離進行測算距離，該方法雖然定位精度高但易受室內環境影響。而后者指紋匹配法是通過信號的特征進行測距，在復雜的環境中更加穩定[7]。

目前，基于Wi-Fi的室內定位技術在一些領域中已經得到了運用。比如基于Wi-Fi指紋的員工打卡，采集員工移動端信號以驗證員工確實在公司內，唯一的信號指紋也能防止員工簽到作弊[8]，從而實現員工智能考勤管理[8]。在大規模地下車庫中[9]，車主停車離開返回后，查找車輛的具體位置也是主要應用場景。可將用戶車牌與移動設備綁定，通過移動設備接收的Wi-Fi信號指紋，對車輛位置進行定位，進一步的可對用戶提供導航服務，免去車主尋找車輛的難處[10]。

基于上述分析，本文將Wi-Fi技術和室內定位技術相結合，設計了一種基于隨機離散Wi-Fi指紋的室內定位技術，希望能給相關人士提供一些參考和思路。

1? 室內定位技術設計

文獻[6]指出，指紋是Wi-Fi信號的疊加呈現出的唯一識別特性的編碼特性信號，Wi-Fi指紋信號可以是多種類型的，但是它的特征都能被用來作為一個位置指紋。例如：某一位置上進行通信時，接受發送信號的往返時間或者其時延大小;某一位置上檢測到的來自基站信號的接收信號強度（Received Signal Strength Indication，RSSI），該信號一般和距離成反比，上述特征都可以被用來作為Wi-Fi指紋信號，當來自不同基站的這些特征組合起來時，就可以被作為Wi-Fi指紋信號序列。

1.1? 基本流程

利用指紋的唯一性和特殊性，本文先設計Wi-Fi指紋信號序列的最佳組合形式，為降低計算復雜度，選用適當算法對數據進行篩選，方便后期計算。在部分信號缺失情況下，也需要對指紋進行完整性判定，這就需要用到指紋相似性計算，再將不等長的序列結果歸一化成等長序列，方便數據庫錄入。同時，建立位置索引數據庫，對采集的定位數據與庫中位置數據進行比對，選擇最相近序列作為定位數據的返回結果，并進行定位精度測算，將其作為室內定位的基準，完成室內精確定位。整個過程如圖1所示。

1.2? Wi-Fi指紋信號序列的最佳組合形式及其篩選算法

這里，Wi-Fi指紋信號序列的最佳組成形式通過最近鄰法得出[11]。該算法基本原理分為兩個階段：離線階段和在線階段。離線階段時，首先使用手機中檢測Wi-Fi信號源的應用，把待定位區域按一定比例分成若干網格塊，檢測每個塊內的Wi-Fi信號特征數據，在進行尺度變換等歸一化預處理后，將數據錄入數據庫。同時，用戶在定位位置的Wi-Fi信號也被錄入數據庫中。在在線階段，將移動端與指紋數據之間的距離按升序排列，選取距離最近、信號返回用時最短的幾個AP信號，將其組合起來作為Wi-Fi指紋信號的最佳組合序列。

由于真實環境下，信號密集、復雜，除了會采集到基準Wi-Fi源發出的信號，也可能采集到其他的Wi-Fi熱點信號或手機的熱點信號，這些信號并不穩定，混雜在Wi-Fi信號序列中會導致下一步計算出錯。因此，在通過最近鄰法得到了Wi-Fi指紋信號序列的最佳組合后，在計算定位前，需要采用合適的篩選算法進行事先篩選，排除干擾信號。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，也稱后驗概率法，其基本原理為將各個地方采集到的AP熱點信號強度值進行推算，如式（1）所示，其概率為，利用式（2）通過貝葉斯概率算法得到某一位置采集到的Wi-Fi指紋信號序列中，取前N個信號最強的序列作為待匹配序列，算出最有可能出現的計算復雜度較低的Wi-Fi指紋信號序列[13]。

（1）

（2）

S1，S2，…，Sm構成一個完備事件，Wi和Wj表示某一個事件，m為事件的數量。在滿足足夠的計算樣本的情況下，留下計算復雜度較低的Wi-Fi指紋信號序列，將其作為待匹配序列，進行下一步的指紋相似性計算。

1.3? 指紋相似性計算

在篩選采集Wi-Fi指紋信號時，相近的點所獲得的Wi-Fi指紋信號序列會極為相似，為實現更精準的室內定位，可使用相匹配的指紋相似性計算方法。利用上述相匹配的濾波算法可以獲得算法復雜度較低的Wi-Fi指紋信號序列，然后采用式（3）歐氏距離算法[14]計算該序列向量。計算結果中若距離小，那么相似度大;若距離大，則相似度小。最后的結果便是Wi-Fi指紋信號的不等長序列。式（3）為：

（3）

1.4? 歸一化計算及位置索引數據庫建立

通過指紋相似性計算后得到的不等長序列過于復雜，難以解析和處理，可先將數據進行歸一化處理，使其變成等長序列，以方便后續數據使用。

數據的歸一化處理，是將數據統一映射到[0，1]區間中。在此之前，先將數據按比例縮放使之落入一個小的特定區間，即數據的標準化，再將標準化后的數據進行歸一化計算，得到等長序列的數據。

在獲得了一些等長序列的數據后，選定一些合適的Wi-Fi設備作為AP信號節點，通過采集到的指紋的特征，建立相關聯的位置索引數據庫[15]，數據庫中數據包括但不限于其Wi-Fi設備的坐標、編碼、信號強度、距離遠近等。以減少定位精度測算中所花費的時間。

1.5? 定位精度測算

在建立位置索引數據庫后，將新采集到的指紋信號序列通過與位置索引數據庫進行比對。利用基于RSSI的三邊定位算法進行定位[16]，其優勢在于簡單可靠易行，不需要購置昂貴的設備器材進行采集發射，且無須知道信號到達時間、角度等信息，只需通過對數距離損耗模型的計算便可得到距離值。再將其與位置索引數據庫中的數據對比，便可得到定位目標的位置坐標，從而實現室內定位。

RSSI的三邊定位算法是求解未知點坐標的一種算法，如圖2所示。其基本原理是先找出3個已知點，通過式（4）所示的和未知點的RSSI信號，算出未知點到三個已知點的距離di，再采用式（5）將距離di作為當前已知點的半徑進行畫圓，得到的3個圓后，未知點坐標即為圓與圓之間交點的坐標。

2? 系統設計

如圖3所示，基于隨機離散Wi-Fi熱點的室內定位技術分為兩個階段：離線階段和在線階段。離線階段主要的步驟是先采集黑點的位置信息經過處理，再初步建立位置索引數據庫。在線階段主要完成的是先處理用戶移動端數據，再定位，最后更新數據庫位置數據以便用戶通過移動終端進入定位系統時，對移動終端的位置進行更為精確的定位。

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據庫。其中信息采集包括了采集測試點的Mac地址（接入點的物理地址）、測試點的信號強度以及測試點分布的位置坐標信息等。

此階段的位置信息采集方案是先確立一個測試地點（即事先布置好的設備），通過網格法將測試地點劃分為許多個小方格，再在小方格的四個角上分別設立測試點，對測試點進行采樣測試，將采樣測試到的數據作為樣本進行一系列處理，包括對樣本數據進行歸一化計算處理。經過采樣測試后的樣本數據中包含了每個測試點的RSSI信號序列，再通過相應的RSSI信號序列提取方法，便可以得到每個測試點的信號指紋信息。最后錄入該數據初步建立位置索引數據庫。

在日后需要定期對系統設備進行檢測和對數據庫的位置信息進行更新。

2.2? 在線階段

在線階段主要目的是用戶定位。用戶在操作移動端進入系統后，移動端啟動系統進行發送和接收信號，系統在收到周圍Wi-Fi設備發送的數據后得到一系列的Wi-Fi指紋信號序列，通過事先篩選算法得到其最佳組成形式，在通過指紋相似性計算后將得到相似度比較大的指紋序列，然后利用歸一化計算方法使不等長序列變為等長序列，隨后與位置數據庫中的數據通過匹配算法進行比對，經過定位精度測算操作后確定用戶的大概位置并將位置信息通過實時更新的方式呈現給用戶。

3? 實驗驗證與分析

3.1? 實驗環境

本文選擇了教學樓中的某個實驗室為本次的實驗區域，實驗室的簡約示意圖如圖4所示。面積大概是80 ㎡。實驗室中有一個書柜和10個辦公桌，以實驗室的平面為基礎建立一個坐標系。圖中黑色的圓點表示運動的起點，箭頭表示終點，線表示運動的軌跡。

3.2? RSSI的分析

通過貝葉斯概率計算選出復雜度最低的Wi-Fi指紋信號序列，然后對選出的Wi-Fi指紋信號序列中不等長序列進行歸一化處理，使得數據處理更加容易，表1RSSI列表數據就是經過歸一化處理之后的RSSI數據，然后根據RSSI三邊定位算法進行精準的定位。

從表1中RSSI列表數據的值計算出每個位置的RSSI均值，從表2中可知，不同位置的RSSI均值都是不一樣的，RSSI均值可以表現為該位置Wi-Fi信號的狀態。如果RSSI均值在該位置越大，則AP離該區域就越近，反之則越遠;最后通過RSSI三邊定位算法計算出位置坐標，從而就能夠通過Wi-Fi指紋信號得到室內的準確位置。

本文提出的方法能夠通過Wi-Fi指紋信號來進行室內的定位，由于RSSI的大小受AP位置和區域的影響，不同AP的RSSI均值沒有呈現出規律性的變化;同時也受實驗室環境的影響，同樣表現出很大的變化。這些都可以作為Wi-Fi指紋信號數據預處理的依據，從而進行更加準確的室內定位。

4? 結? 論

本文主要從Wi-Fi指紋信號特征入手，選定了設備廉價、操作性強、覆蓋范圍廣、定位足夠精確的Wi-Fi技術來進行室內定位。通過上述一系列研究過程，最終實現了進一步的室內精確定位。但依然存在著定位算法不夠準確，有時會產生誤差和定位失敗的情況。在今后，本文所研究的室內定位技術若是和現有的GPS技術相結合，在未來便可以實現高精度的、高效率的、大范圍的、包含室內和室外的定位導航功能。

現階段，隨著國家信息化、現代化建設口號的提出，室內定位技術已經無處不在，通過各界學者的共同努力，室內定位技術也將不斷前進更新發展，社會人民也將享受到更優質的生活，室內定位技術必將在這個城市化高速發展的時代大放光彩。

參考文獻：

[1] 謝澤亮.基于WiFi室內定位系統的研究 [D].長春：長春工業大學，2018.

[2] 張金煥，雷琳.GPS定位監控系統的研究與應用 [J].化工管理，2017（2）：39.

[3] 張漪，張珊，昝麗霞，等.基于Android移動端的應用程序與藍牙模塊間數據通信研究 [J].現代信息科技，2019，3（8）：56-58+61.

[4] 張子明，王從慶.基于超寬帶技術的室內定位系統應用開發 [J].單片機與嵌入式系統應用，2021，21（4）：76-80.

[5] 陳龍鵬.基于RFID技術的室內定位方法研究 [D].南京：南京郵電大學，2020.

[6] 張俊龍，劉暢，胡楊，等.基于RSSI的WiFi室內定位技術研究 [J].無線互聯科技，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.基于WLAN位置指紋的室內定位算法研究與應用 [D].杭州：杭州電子科技大學，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，鄧國華.基于軌道交通的室內定位系統 [J].鐵路通信信號工程技術，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終端的室內定位系統及其應用 [J].通信電源技術，2018，35（9）：141-145.

[13] 鄭自興，姚金杰.基于信號強度的指紋定位匹配算法研究 [J].國外電子測量技術，2020，39（9）：31-35.

[14] 靳賽州，陳國良，張超，等.一種基于區域優選的自適應藍牙指紋定位算法 [J].測繪科學，2020，45（8）：51-56.

[15] 羅旭，陳超.一種基于Wi-Fi信號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室內定位研究 [D].南京：南京郵電大學，2018.

作者簡介：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網中的應用;通訊作者：曾孟佳（1980—），女，漢族，湖北荊州人，碩士生導師，副教授，碩士研究生，研究方向：物聯網技術及其應用。