基于Wi-Fi的動態室內定位方法

姜守東　茅正沖

關鍵詞：Wi-Fi；信號強度；動態；室內定位；非均值濾波；峰值密度聚類

中圖分類號：TN925+.93 文獻標識碼：A

0 引言

無線通信技術發展使移動互聯網用戶激增，各種智能終端應用場景也逐漸豐富[1-2]，用戶對位置服務的應用需求也大幅增加，且對移動定位技術的需求也不斷向場景化和精細化方向發展。在室內環境內，Wi-Fi 雖然全域覆蓋，但受到墻體和其他裝飾型室內障礙物阻擋和室內人員流動的影響[3]，動態室內定位效果明顯降低。目前也有很多學者研究基于Wi-Fi 的室內定位方法，如羅日等[4] 提出融合Wi-Fi 與可穿戴慣導模塊的定位方法，該方法通過為室內人員佩戴慣導模塊獲取室內人員行動慣性姿態數據和Wi-Fi 信號數據，再使用無跡卡爾曼濾波算法對以上數據進行降噪預處理，之后，通過加權貝葉斯算法獲得室內人員定位結果。但該方法在對室內人員進行定位時，受人員方位推算累計誤差影響，其定位精度不足。謝世成等[5] 提出Wi-Fi 位置指紋室內定位方法，該方法利用傳感器采集Wi-Fi位置指紋信息后，以指紋信息均值的近似值方差為基礎，對室內人員位置歐式距離進行糾正，再通過k 均值聚類方式獲得室內人員位置結果。但該方法在實際應用中的時間復雜度較高，導致其應用效果不佳。面對上述情況，本文提出基于Wi-Fi 的動態室內定位方法，以提升室內人員定位技術水平。

1 動態室內定位方法

1.1 基于改進非均值濾波的RSS指紋去噪預處理

利用傳感器采集室內環境中Wi-Fi 接入點（AP） 的接收信號強度（received signal strength，RSS），該接收信號強度是真實的信號強度，也被稱為RSS 指紋，但在采集Wi-Fi 信號RSS 指紋時，受到采集環境的影響[6]，Wi-Fi 信號強度內存在不同程度的干擾噪聲，在以Wi-Fi 為基礎進行動態室內定位時，需對RSS 指紋進行去噪處理，在此使用非均值濾波方法實現RSS 指紋去噪預處理，其詳細過程如下。

將式（13）的結果進行降序排列，從結果序列內可看到明顯的跳躍點，將該點之前最大決策值對應的樣本作為聚類中心，再將剩余樣本點分配到與其最近的密度更高的樣本點所屬的類簇內，輸出聚類結果，該聚類結果即最終動態室內定位結果。

2 實驗分析

以某綜合建筑室內作為實驗對象，該綜合建筑室內Wi-Fi 覆蓋區域為80 m×120 m 的二維平面，在該平面內存在22 個AP，使用基于Wi-Fi 的動態室內定位方法（簡稱“本文方法”）對該建筑室內Wi-Fi 覆蓋區域的用戶進行動態定位，分析驗證本文方法實際應用效果。

利用本文方法采集室內RSS 指紋信號并對其內部噪聲進行去噪處理，以RSS 指紋信號強度誤差作為衡量指標，驗證本文方法的去噪效果，結果如圖1 所示。

由圖1 可知，對RSS 指紋信號去噪前，其信號強度誤差在0.45 ～ 0.65 db，而對其進行去噪處理后，RSS 指紋信號強度誤差始終保持在0.1 ～ 0.2 db。這說明本文方法可有效對RSS 指紋信號進行去噪，也電從側面說明本文方法的動態室內定位效果較好。

以7 個動態目標作為實驗對象，使用本文方法對其進行動態室內定位，定位結果如圖2 所示。

由圖2 可知，本文方法對7 個動態目標的定位位置與目標的實際位置均吻合，說明本文方法具備較強的動態室內定位能力，應用效果較為顯著。

進一步驗證本文方法動態室內定位能力，以定位誤差作為衡量指標，測試在Wi-Fi 通信半徑不同的情況下，本文方法動態室內定位能力，測試結果如圖3 所示。

由圖3 可知，利用本文方法進行動態室內定位時，其定位誤差始終在-1～0.5 m，并未受到Wi-Fi 通信半徑的影響。這說明本文方法動態室內定位結果精度較高，應用性較強。

3 結論

本文基于Wi-Fi的動態室內定位方法，通過采集Wi-Fi的RSS指紋信號，運用匹配方法和聚類方法獲得動態室內定位結果。以某Wi-Fi覆蓋區域作為實驗對象，對本文方法進行實際驗證后，從驗證結果得知本文方法具有較強的應用性，未來可在室內定位領域廣泛應用。