基于Wi-Fi的室外人員定位系統的研究與設計

李佶駿 譚順華

(西南科技大學信息工程學院 四川 綿陽 621000)

0 引 言

人員定位系統工作時，通過識別人員所攜帶的定位設備發出的信號，由具有收發信號功能的AP節點中轉，利用相關定位算法實現人員定位。然而，室外環境無法保證部署足夠的特定AP，同時存在各種環境障礙，極大地影響了定位精度。因此，研究一種室外人員定位系統是有必要的。

面對人員定位問題，Dumanli 等[1]提出了基于RBF神經網絡的室內定位算法，通過改進聚類算法和LM算法，修改參考軌跡，動態迭代調整修正參數，實現了最優誤差補償；莫樹培等[2]采用二分k-means聚類算法對采集的RSSI數據進行分類，建立離線指紋庫，采用K近鄰算法動態修正權重值，結合離線指紋庫估算人員實時位置；Yoo[3]提出了基于Wi-Fi RSSI的室內定位算法，通過PCA和高斯過程將RSSI數據庫重構為概率特征數據庫，然后用KL散度作為度量標準來度量現有數據庫和測試數據的相似性，估算人員位置。白璐等[4]提出通過引力搜索算法(GSA)進行數據的優化，提高定位精度；王維[5]提出了將Hadoop應用于人員定位系統中，利用并行計算的優勢提高定位性能。但是，這些方法[6-14]大多停留在理論階段，同時時間復雜度高，實驗環境通常比較理想，障礙物較為單一，設備部署復雜。

本文針對室外環境中存在大量電線桿、樹木、大樓等有遮擋的障礙物環境，基于Wi-Fi和智能手機搭建室外人員定位系統，優化RSSI測距算法，設計定位權重和修正參數并應用于人員定位算法中，通過150次重復實驗證明算法在AP節點密集、RSSI較強的環境下的有效性。

1 人員定位原理與系統架構

基于Wi-Fi的室外人員定位系統主要由三部分組成，包括手機等智能設備、Wi-Fi無線網絡和數據庫服務器。智能設備讀取MAC地址，通過IEEE802.11n協議，由Wi-Fi無線網絡采集信息并發送到服務器，服務器通過人員定位算法實現人員精確定位與跟蹤，并將結果顯示到前端，實現人員定位可視化，如圖1所示。

圖1 系統架構

2 定位過程建模

數據庫服務器對人員跟蹤定位過程建模，在場景通道兩側每隔5 m分別部署能夠收發信號的AP節點，當攜帶安裝有定位App的智能設備的人員通過通道時，其身上智能設備所發出的信號將被與其最近的多個AP節點所捕獲，如圖2所示。

圖2 定位環境設備部署

無論人員處于通道的哪個位置，都會有多個對應的AP節點對其進行定位跟蹤，從而實現人員的精準定位，如圖3所示。

圖3 人員定位模型

3 本文定位算法

3.1 RSSI測距算法及優化

傳統的RSSI測距算法為：

RSSI=A-10nlgd

(1)

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

階段1在實際定位環境中，每個AP節點會收到大量的RSSI數據，對這些數據求平均值：

(2)

式中：n為RSSI數據測量次數。實踐結果表明，隨著n增大，定位精度有所提高，最終趨于穩定。

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據，去除小概率事件，然后求二次平均值，提高接收RSSI數據精度。高斯分布函數為：

(3)

式中：δ為標準差；μ為期望。

設定概率為0.6時發生干擾概率為高的強度值，即：

0.6

(4)

由此可得：

0.15δ+μ≤x≤3.09δ+μ

(5)

則強度值取值范圍為[0.15δ+μ,3.09δ+μ]。

階段3由于每個AP節點的發射功率不能保證相同，本文通過在式(1)中消除參數A和n，以此消除因發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節點A接收到其他AP節點B、C和待定位節點P的信號強度為：

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

RSSI=-45.59-30lgd

(10)

根據式(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的關系

對式(10)兩邊求導，可得：

(11)

式中:|RSSI′|表示節點間距離為d時RSSI的變化率。

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

3.2 加權質心定位算法

傳統的基于RSSI的質心定位算法是一種與錨節點之間距離無關的定位算法，通過錨節點之間的公共覆蓋區域實現估計定位，多邊形的質心即為未知節點的估計坐標。如圖3所示，由質心定位算法可知，未知節點P的坐標為：

(12)

式中：E(x1,y1)、F(x2,y2)、G(x3,y3)為錨節點A、B、C覆蓋區域內側三角形的三個頂點。

針對上述算法精度不高的問題，有學者提出了加權的優化算法，其中常見的優化算法是以未知節點到錨節點的距離的倒數為權，數學表達式為：

(13)

式中：dA、dB、dC為未知節點P到錨節點A、B、C的距離。

以單一錨節點的距離為權雖然提高了定位精度，但是效果并不明顯，有文獻提出多邊形頂點由兩邊距離值決定，根據這個思想提出的算法數學表達式為：

(14)

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

3.3 改進的人員定位算法

針對上述的問題，本文設計一種改進的人員定位算法。

多個錨節點對待測節點的權值應以距離值較小的一側為主導，減少距離值較大的一側的影響比重，可表示為：

(15)

考慮到待測節點周圍的定位錨節點分布密度不同，環境障礙物等影響程度存在差異，選取固定數量的錨節點進行定位的思想傾向于理論化，算法根據待測節點的位置，參考特定閾值，靈活地選取合適的錨節點，動態調整其對應的權重比例，更符合實際情況。

設K個錨節點的位置坐標為(x1,y1),(x2,y2),…,(xK,yK)，與待測節點P的信號距離為d1,d2,…,dK。第i個錨節點的權值由近鄰m個錨節點決定，應為：

(16)

(17)

同時，引入修正系數n，調節各錨節點之間距離值所占比重，得到權值ωi為：

(18)

求得待測節點P(x,y)坐標為：

(19)

4 測試結果與分析

為驗證算法的精確度，在某施工高鐵站進行現場測試，如圖5所示。

圖5 某高鐵站測試現場

實驗在100 m×100 m現場環境下，選取穿透性較強的2.4 GHz頻率段，設置120個定位錨節點，分別在有無障礙物的環境下對傳統算法、優化加權算法和本文改進算法進行150次重復測試，得到如圖6、表1、圖7、表2、圖8、圖9、表3、圖10、表4、圖11所示的結果。

圖6 無障礙物環境人員定位

表1 三種算法在無障礙物環境下的定位誤差

圖7 三種算法在無障礙物環境下的定位誤差

表2 本文算法在無障礙物環境下的多次測試誤差平均值、中位數、方差

圖8 本文算法在無障礙環境下的誤差方差

圖9 有障礙物環境人員定位

表3 三種算法在有障礙物環境下的定位誤差

圖10 三種算法在有障礙環境下的定位誤差

表4 本文算法在有障礙物環境下的多次測試誤差平均值、中位數、方差

圖11 本文算法在有障礙環境下的誤差方差

由圖7和圖10可以看出，本文改進算法誤差更低，平均誤差在3 m以內，比加權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，具有很強的穩定性。另外，當待測節點處于場景邊緣時，誤差較小，當處于場景中央時，誤差較大，這是由于錨節點大都部署在環境邊緣所導致的。

5 結 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。首先，利用現有的企業級Wi-Fi和人員攜帶的智能設備搭建系統硬件平臺；其次，使用K點定位法建立人員定位模型；然后，介紹并優化RSSI測距算法，介紹傳統定位算法及其優化思想，提出改進的定位算法；最后通過實驗驗證了本文算法的效率和穩定性。實驗表明，該算法適用于接收信號強度大于-64.65 dBm的場景，如商場、學校、醫院等，能夠很好地完成室外人員定位任務。