《基于神經(jīng)網(wǎng)絡(luò)的RSSI測(cè)距技術(shù)設(shè)計(jì)（論文）》

基于神經(jīng)網(wǎng)絡(luò)的RSSI測(cè)距技術(shù)設(shè)計(jì)目錄TOC\o"1-3"\h\u220901緒論 II1緒論在近年來(lái)，隨著網(wǎng)絡(luò)的無(wú)線通信技術(shù)的發(fā)展和普及，新業(yè)務(wù)的需求增多，且陸地來(lái)源的污染來(lái)源的基于位置服務(wù)的生產(chǎn)生活中起到重要作用，如何確定用戶(hù)的位置是無(wú)線網(wǎng)絡(luò)應(yīng)用程序首要問(wèn)題，因此，定位技術(shù)是計(jì)算和考慮基于位置的服務(wù)的核心問(wèn)題。根據(jù)上下文和應(yīng)用場(chǎng)景，定位技術(shù)可以分為內(nèi)部定位技術(shù)和外部定位技術(shù)。外部定位系統(tǒng)主要是蜂窩定位和GPS。蜂窩無(wú)線定位，即手機(jī)的定位，是基于蜂窩網(wǎng)絡(luò)基站的定位精度取決于在內(nèi)的移動(dòng)基站分布和基站的信號(hào)覆蓋范圍的基礎(chǔ)。1996年，美國(guó)聯(lián)邦通信委員會(huì)通過(guò)了E-911(Emergencycall“9·11”)，后者要求供應(yīng)商向其用戶(hù)提供移動(dòng)通信服務(wù)，對(duì)外定位精度小于1.25m，2001年以后，美國(guó)的FCC方面實(shí)行了更嚴(yán)格的要求，精準(zhǔn)定位和三維空間?；谝苿?dòng)蜂窩網(wǎng)絡(luò)的定位技術(shù)在政府要求和市場(chǎng)利益的推動(dòng)下得到了廣泛應(yīng)用。到目前為止，美國(guó)的GPS系統(tǒng)是世界上使用最廣泛、用戶(hù)最多的定位系統(tǒng)。GPS系統(tǒng)由24顆衛(wèi)星組成，地面接收機(jī)可同時(shí)接收4顆以上衛(wèi)星在任何時(shí)間、任何地點(diǎn)發(fā)出的信號(hào)。電磁波傳播的距離要求并最終用戶(hù)的計(jì)算方法是:從衛(wèi)星，衛(wèi)星信號(hào)的到達(dá)時(shí)間和最終用戶(hù)的特定位置定位方法的計(jì)算方法是用三種語(yǔ)言，民用定位精度小于或等于1500萬(wàn)。與此同時(shí)，其他國(guó)家發(fā)展了與定位系統(tǒng)的自主知識(shí)產(chǎn)權(quán)，特別是與中國(guó)的北斗衛(wèi)星定位系統(tǒng)，定位與俄羅斯的Glonass系統(tǒng)和與歐盟的伽利略定位系統(tǒng)。但是在城市環(huán)境中，GPS衛(wèi)星發(fā)出的電磁信號(hào)太弱，例如，建筑物阻礙了衛(wèi)星信號(hào)的傳播，造成了所謂的“城市峽谷”效應(yīng)，阻礙了GPS系統(tǒng)的正確定位。因此，雖然GPS系統(tǒng)可以有效地定位在外部環(huán)境中，但它們不能有效地定位在內(nèi)部環(huán)境中。隨著GPS技術(shù)的發(fā)展，北斗導(dǎo)航技術(shù)和其他外星變得足夠成熟大大便利我們的生活，但使用這種技術(shù)，如GPS、北斗等隨著WIFI技術(shù)發(fā)展越來(lái)越多的人開(kāi)始使用WIFI技術(shù)的室內(nèi)外定位地成為熱點(diǎn)研究，目前基于WIFI室內(nèi)定位應(yīng)用也越來(lái)越廣泛。首先，在更復(fù)雜的情況下，當(dāng)GPS、北斗等國(guó)內(nèi)導(dǎo)航技術(shù)經(jīng)常使搜索內(nèi)部空間變得困難時(shí);其次，主要技術(shù)之所以?xún)?nèi)部WIFI定位成了目前盛行，在于容易實(shí)現(xiàn)WIFI，不需要增加額外的設(shè)備，擁有優(yōu)勢(shì)低成本，因?yàn)閿?shù)量為WIFI熱點(diǎn)室內(nèi)增加，導(dǎo)致大幅降低成本內(nèi)部配置WIFI設(shè)備。1.1研究背景及意義隨著室內(nèi)空間越來(lái)越復(fù)雜，傳統(tǒng)的文字箭頭等標(biāo)識(shí)越來(lái)越難解決室內(nèi)導(dǎo)航問(wèn)題。今后人們?cè)谑覂?nèi)活動(dòng)的時(shí)間越來(lái)越多的問(wèn)題將更為突出。隨著定位技術(shù)的發(fā)展，定位技術(shù)的相關(guān)應(yīng)用在日常生活中越來(lái)越普遍，定位服務(wù)(locationbasedserviceLBS)也越來(lái)越多。目前，GPS，北斗等室外定位技術(shù)非常成熟，GPS，北斗等以技術(shù)為基礎(chǔ)的室外定位軟件越來(lái)越多，大大方便了我們的室外定位導(dǎo)航和出行。隨著wifi等無(wú)線局域網(wǎng)技術(shù)的發(fā)展，利用wifi確定室內(nèi)定位的技術(shù)得到越來(lái)越廣泛的應(yīng)用。從成本上看，利用目前普及的WIFI室內(nèi)定位設(shè)備配置設(shè)備簡(jiǎn)單，成本低。從技術(shù)上看，日益成熟的WIFI定位技術(shù)越來(lái)越容易實(shí)現(xiàn)[1]。室內(nèi)定位具有良好的應(yīng)用前景和廣闊的應(yīng)用前景。例如，在室內(nèi)定位和導(dǎo)航方面，機(jī)場(chǎng)室內(nèi)導(dǎo)航服務(wù)可以快速幫助客戶(hù)查找機(jī)場(chǎng)值機(jī)登機(jī)口、衛(wèi)生間、服務(wù)區(qū)等信息。地下車(chē)庫(kù)室內(nèi)導(dǎo)航服務(wù)，可以快速找到自己的車(chē)；醫(yī)院導(dǎo)航服務(wù)幫助患者快速到相應(yīng)科室就醫(yī)，幫助患者家屬快速找到患者。醫(yī)院的導(dǎo)航系統(tǒng)會(huì)根據(jù)位置將患者引導(dǎo)到相應(yīng)的科室。使用在線支付系統(tǒng)，避免排隊(duì)的麻煩。在室內(nèi)安全方面，消防隊(duì)員配備定位器，當(dāng)其他消防隊(duì)員較弱或需要支援時(shí)，定位器可以向其他消防隊(duì)員發(fā)送位置信息，方便救援可視化。在公共場(chǎng)所發(fā)生恐怖襲擊或突發(fā)災(zāi)難時(shí)，公共場(chǎng)所后臺(tái)指揮需要與現(xiàn)場(chǎng)人員配合。利用室內(nèi)定位技術(shù)，使后臺(tái)指揮能夠?qū)崟r(shí)了解現(xiàn)場(chǎng)人員的動(dòng)向，使現(xiàn)場(chǎng)人員能夠更好地了解現(xiàn)場(chǎng)情況，及時(shí)有效地對(duì)現(xiàn)場(chǎng)情況做出反應(yīng)。在緊急情況下，如果救援人員能夠準(zhǔn)確定位呼救人的準(zhǔn)確位置，將會(huì)給室內(nèi)救援帶來(lái)極大的便利，提高救援人員逃生的概率。另外，倉(cāng)儲(chǔ)材料定位、營(yíng)銷(xiāo)信息推廣等都離不開(kāi)室內(nèi)定位服務(wù)。因此，室內(nèi)定位研究非常有價(jià)值[2]。無(wú)線室內(nèi)定位技術(shù)相對(duì)成熟，理論是相對(duì)簡(jiǎn)單的，越來(lái)越多的人研究基于RSSI（接收信號(hào)強(qiáng)度指示，接收到的信號(hào)強(qiáng)度指示器）無(wú)線室內(nèi)定位，定位原理相對(duì)簡(jiǎn)單，主要使用接收到的RSSI值通過(guò)特定的信號(hào)傳播模型來(lái)估計(jì)距離固定節(jié)點(diǎn)，和分析的具體位置?；赗SSI的室內(nèi)WIFI定位算法存在一定的缺陷。WIFI信號(hào)在傳輸過(guò)程中容易受到環(huán)境因素的影響，導(dǎo)致多徑效應(yīng)。因此，采集到的指紋特征RSSI波動(dòng)較大，干擾較大，影響了測(cè)距精度。在實(shí)際應(yīng)用環(huán)境中，環(huán)境的信號(hào)接收干擾很大，傳統(tǒng)的無(wú)線室內(nèi)定位可憐的指紋算法的定位精度，本文利用BP神經(jīng)網(wǎng)絡(luò)原理結(jié)合指紋算法實(shí)現(xiàn)室內(nèi)定位，設(shè)計(jì)室內(nèi)定位基于BP神經(jīng)網(wǎng)絡(luò)的指紋算法，提高室內(nèi)定位精度和減少定位誤差，算法仿真表明，新算法具有較好的定位精度，比傳統(tǒng)的基于RSSI的WIFI室內(nèi)定位算法更有效[3]。1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1國(guó)外研究現(xiàn)狀在國(guó)外，我們可以查閱資料，發(fā)現(xiàn)一些人已經(jīng)對(duì)室內(nèi)WIFI定位技術(shù)進(jìn)行了很長(zhǎng)時(shí)間的研究。例如，1993年，HashemiH提出了室內(nèi)無(wú)線電波信號(hào)傳播的路徑衰減模型，為基于測(cè)距的定位研究奠定了理論基礎(chǔ)。同時(shí)，基于位置指紋的定位技術(shù)也取得了一些可喜的成果。例如，2000年，微軟研究院發(fā)布了一個(gè)名為RADAR的定位系統(tǒng)。本系統(tǒng)是最早的基于WIFI的位置指紋定位技術(shù)，其位置匹配算法是k值鄰近算法[4]。2002年，T.Roos等人提出了樸素貝葉斯定位方法，該方法實(shí)際上是基于概率定位的。采用直方圖法和核函數(shù)法對(duì)RSSI樣本進(jìn)行擬合，并根據(jù)貝葉斯推理的思想對(duì)用戶(hù)的位置進(jìn)行預(yù)測(cè)[5]。2004年，YoussefM等人還提出了一種名為HORUS的定位系統(tǒng)。通過(guò)對(duì)離線階段的高斯分布RSSI樣本數(shù)據(jù)建模，存儲(chǔ)了RSSI樣本數(shù)據(jù)的均值和方差。在實(shí)時(shí)在線定位階段，計(jì)算每個(gè)參考點(diǎn)出現(xiàn)的概率，找到一個(gè)或多個(gè)概率最大的位置，取其平均值作為位置坐標(biāo)。該方法優(yōu)于T.Roos中提出的方法。因?yàn)橛?jì)算更簡(jiǎn)單，存儲(chǔ)空間更小。然而，建立位置指紋庫(kù)存在著很大的人力和物力消耗問(wèn)題，需要不斷的探索和研究[6]。2008年，DerrK等人提出了一種基于淺神經(jīng)網(wǎng)絡(luò)的室內(nèi)定位方法，具有良好的定位精度和實(shí)時(shí)在線定位效果。但單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)擬合能力有限，特征提取能力不夠強(qiáng)。但是在實(shí)際的定位環(huán)境中，由于受到障礙物的影響，接收到的信號(hào)強(qiáng)度會(huì)上下波動(dòng)，使得單層網(wǎng)絡(luò)學(xué)習(xí)能力受到限制，導(dǎo)致定位效果不佳。同年，p.Bolliger等人提出了REDPIN系統(tǒng)，這是一種指紋數(shù)據(jù)采集的眾包模式，大大減少了定位系統(tǒng)部署和維護(hù)的工作量[7]。2010年，由于神經(jīng)網(wǎng)絡(luò)定位的訓(xùn)練時(shí)間較長(zhǎng)，Arell.等人提出利用深度信念網(wǎng)絡(luò)來(lái)加快神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。由于BM具有很強(qiáng)的無(wú)監(jiān)督學(xué)習(xí)能力，可以利用這些特性建立更好的模型，很好地解決了這個(gè)問(wèn)題。然而，要在大范圍內(nèi)實(shí)現(xiàn)準(zhǔn)確的定位是有點(diǎn)困難的[4]。2011年，J。Ledlie提出摩爾系統(tǒng)，這個(gè)系統(tǒng)允許范圍廣泛的區(qū)域定位已經(jīng)意識(shí)到，因?yàn)樗褂帽姲Ｊ将@得的數(shù)據(jù)點(diǎn)，其他摩爾秀是一個(gè)映射到用戶(hù)，用戶(hù)到達(dá)現(xiàn)場(chǎng)，對(duì)RSSI綁定點(diǎn)擊地圖，然后建立指紋數(shù)據(jù)庫(kù)，然后接收生成指紋的位置數(shù)據(jù)。2013年，A.Au提出了一種新的室內(nèi)定位方法使用壓縮感知（壓縮傳感、CS），完整的跟蹤和導(dǎo)航的原理，該方法建立在離線階段位置指紋庫(kù)，使用聚類(lèi)方法計(jì)算參考點(diǎn)RSS數(shù)據(jù)各種類(lèi)的代表；在實(shí)時(shí)在線定位階段，首先是粗定位，然后是精定位，其中通過(guò)CS理論得到位置坐標(biāo)估計(jì)[8]。2014年，MajaStella等人提出了一種基于WLAN和全球移動(dòng)通信系統(tǒng)的室內(nèi)定位方法。該方法利用RBF神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)，很好地克服了基于BP神經(jīng)網(wǎng)絡(luò)的定位方法訓(xùn)練時(shí)間過(guò)長(zhǎng)、易陷入局部極小等問(wèn)題[9]。2016年，Zhangw等人提出了一種用于室內(nèi)WIFI定位的深度神經(jīng)網(wǎng)絡(luò)。該方法可以學(xué)習(xí)到更可靠的定位特征，從而減少信號(hào)波動(dòng)對(duì)定位結(jié)果的干擾[10]。1.2.2國(guó)內(nèi)研究現(xiàn)狀與國(guó)外研究相比，國(guó)內(nèi)對(duì)WIFI室內(nèi)定位技術(shù)的研究起步較晚，但經(jīng)過(guò)不懈的努力，近年來(lái)取得了許多突破性的研究成果。目前，國(guó)內(nèi)許多高校和研究機(jī)構(gòu)在WIFI室內(nèi)定位領(lǐng)域投入了大量的時(shí)間、精力和資源，發(fā)現(xiàn)WIFI室內(nèi)定位具有很大的應(yīng)用潛力。2007年，張明華，張申生等提出在無(wú)線局域網(wǎng)中，室內(nèi)定位應(yīng)根據(jù)WIFI接收信號(hào)的強(qiáng)度來(lái)進(jìn)行，這主要是根據(jù)接收信號(hào)的強(qiáng)度隨距離變化的規(guī)律來(lái)進(jìn)行的。同時(shí)指出了研究的難點(diǎn)和不足之處[10]。2009年，李文杰，李文明提出基于k最近鄰室內(nèi)定位的設(shè)計(jì)方法，并給出了詳細(xì)的實(shí)驗(yàn)?zāi)M，其原理是由k近鄰方法找出特定的指紋樣本參考點(diǎn)k附近的鄰居，在計(jì)算距離時(shí)，通常使用歐氏距離的方法來(lái)計(jì)算，距離越小，越成功匹配，范圍從小型到大型，分別選擇k個(gè)節(jié)點(diǎn)，使得k近鄰法比最近鄰法具有更好的魯棒性[11]。2012年，彭玉旭等人提出一種基于貝葉斯過(guò)濾無(wú)線定位方法的研究，開(kāi)始的方法是找到移動(dòng)設(shè)備RSSI高斯濾波，然后基于質(zhì)心算法，大致三角形計(jì)算被測(cè)試的坐標(biāo)位置，然后再粗糙的協(xié)調(diào)與貝葉斯過(guò)濾處理，獲得精確的測(cè)試點(diǎn)的坐標(biāo)[12]。2015年，陳嬌進(jìn)行研究基于RSSI測(cè)距無(wú)線室內(nèi)定位技術(shù)，它主要是分為三個(gè)階段:首先，RSSI值獲得的位置參考點(diǎn)是預(yù)處理，然后根據(jù)信號(hào)傳播距離的估計(jì)模型，最后得到的坐標(biāo)位置點(diǎn)。為了減小RSSI的波動(dòng)，采用了多種不同的方法來(lái)處理RSSI。利用EM期望最大化算法，尋找最適合環(huán)境的定位模型。對(duì)模型中的參數(shù)進(jìn)行實(shí)時(shí)估計(jì)，最終實(shí)現(xiàn)距離估計(jì)[13]。2016年劉志鵬，袁敏進(jìn)行了最小范圍無(wú)線室內(nèi)定位技術(shù)研究，提出了一種手持設(shè)備方向角和接入點(diǎn)數(shù)量這兩個(gè)特性加入位置指紋，豐富了離線數(shù)據(jù)庫(kù)的位置特征，通過(guò)實(shí)驗(yàn)使用改進(jìn)的位置指紋定位可以提高定位系統(tǒng)的定位精度[14]。近年來(lái)隨著研究者對(duì)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的深入研究，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)在室內(nèi)定位領(lǐng)域也有了一些研究成果。事實(shí)上，2007年，李瑛等人提出了一種基于神經(jīng)網(wǎng)絡(luò)的定位算法，只是在MATLAB工具箱提供了用于構(gòu)建BP神經(jīng)網(wǎng)絡(luò)用于無(wú)線室內(nèi)定位，這種方法不需要知道無(wú)線路由器的位置，實(shí)際位置試驗(yàn)，找到了定位精度不高，訓(xùn)練時(shí)間長(zhǎng)等問(wèn)題，經(jīng)過(guò)一些研究在基于BP神經(jīng)網(wǎng)絡(luò)的位置，但是訓(xùn)練時(shí)間長(zhǎng)，定位精度不高[15]。2016年，龔洋等人發(fā)表了一種基于RBF神經(jīng)網(wǎng)絡(luò)的定位算法，減少了傳統(tǒng)定位算法中參數(shù)和路徑損耗因子對(duì)測(cè)距和定位的干擾，并通過(guò)實(shí)驗(yàn)進(jìn)行了驗(yàn)證。結(jié)果表明，與BP神經(jīng)網(wǎng)絡(luò)相比，RBF神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)收斂速度大大提高，最終定位結(jié)果的精度也大大提高。存在2016年，南京大學(xué)的覃玉清發(fā)表的無(wú)線定位算法基于深度學(xué)習(xí)的研究，從最基本的神經(jīng)網(wǎng)絡(luò)在理論研究的深度信念網(wǎng)絡(luò)，其目的是想通過(guò)大量數(shù)據(jù)的火災(zāi)近年來(lái)提高無(wú)線定位精度，本研究還對(duì)無(wú)線定位技術(shù)的研究提供了一個(gè)新的方向[16]。2017年，李慧杰提出神經(jīng)網(wǎng)絡(luò)WIFI定位算法基于神經(jīng)網(wǎng)絡(luò)的無(wú)線定位算法，并計(jì)算重量根據(jù)每個(gè)AP信號(hào)的穩(wěn)定性，使穩(wěn)定信號(hào)采取更大比例的匹配操作和減少噪聲干擾的影響總體定位性能[17]。在國(guó)內(nèi)外大量研究的基礎(chǔ)上，許多中國(guó)研究者提出了一種基于WIFI的室內(nèi)定位研究，并取得了一些突破。綜上所述，雖然中國(guó)在這一領(lǐng)域的研究起步較晚，但從上述例子可以看出，中國(guó)在這一領(lǐng)域的研究正在不斷進(jìn)步，相信用不了多久就可以達(dá)到一些發(fā)達(dá)國(guó)家的研究水平。1.3本文主要研究?jī)?nèi)容本文分析射頻信號(hào)傳播特性?xún)?nèi)大廳內(nèi)部定位的角度位置，利用指紋數(shù)據(jù)抽樣所得的RSSIWIFI環(huán)境中真實(shí)和影響進(jìn)行分析，系統(tǒng)的定位誤差，以便提供一個(gè)可靠的理論基礎(chǔ)和指導(dǎo)實(shí)施定位系統(tǒng)。為了解決RSSI量化差異導(dǎo)致終端定位誤差的問(wèn)題，提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的校準(zhǔn)方法，使定位系統(tǒng)能夠同時(shí)支持不同類(lèi)型的終端。這項(xiàng)研究基于迭代的設(shè)計(jì)定位，利用現(xiàn)有的非定位系統(tǒng)獲取點(diǎn)定位的環(huán)境中共同輔助定位，從而進(jìn)一步改善系統(tǒng)的定位精度和強(qiáng)度降低原籍國(guó)和定位要求。結(jié)合論文的理論分析和提出的改進(jìn)方案，設(shè)計(jì)并實(shí)現(xiàn)了一種基于局部指紋的WIFI內(nèi)部定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。第一章:緒論。介紹了內(nèi)部定位系統(tǒng)研究的背景、意義、國(guó)內(nèi)外研究現(xiàn)狀和主要研究?jī)?nèi)容。第二章:相關(guān)技術(shù)與基本原理。指紋算法和模型，為室內(nèi)定位信號(hào)傳播呈現(xiàn)，特別是對(duì)于定位算法的基本模型，對(duì)于典型傳播模型算法，基于位置和室內(nèi)信號(hào)傳播模型，以及相關(guān)工作方法和基本原則、傳播模型的定位算法。第三章:影響WIFI內(nèi)部定位的主要因素。結(jié)合在真實(shí)環(huán)境中獲得的RSSI數(shù)據(jù)，對(duì)與內(nèi)部位置相關(guān)的信號(hào)傳播特性進(jìn)行了測(cè)試和解釋。最后，闡述了異構(gòu)終端對(duì)定位系統(tǒng)和基本解決方案的影響。第四章:聯(lián)合定位方法。提出了非系統(tǒng)布置AP方法進(jìn)行聯(lián)合定位方法，對(duì)該方法確定的問(wèn)題進(jìn)行了分析，并提出了相應(yīng)的解決方案。第五章:室內(nèi)定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。結(jié)合相關(guān)研究工作，設(shè)計(jì)了一種基于BP神經(jīng)網(wǎng)絡(luò)的WIFI室內(nèi)定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。對(duì)上述聯(lián)合定位算法的定位性能進(jìn)行了分析。第六章:總結(jié)。本文總結(jié)了本文所做的工作，并展望了未來(lái)的發(fā)展方向。2相關(guān)技術(shù)室內(nèi)定位是指在復(fù)雜的室內(nèi)環(huán)境中進(jìn)行定位，使人能夠很好地控制自己的位置。掌握室內(nèi)定位的相關(guān)技術(shù)和理論將有助于本文的下一階段。如果有很多的室內(nèi)定位技術(shù)，定位精度和成本，但對(duì)很多定位技術(shù)都存在定位不精確的問(wèn)題，BP神經(jīng)網(wǎng)絡(luò)研究的條件來(lái)定位策略基于BP神經(jīng)網(wǎng)絡(luò)算法的策略，室內(nèi)定位主要針對(duì)BP神經(jīng)網(wǎng)絡(luò)算法相結(jié)合的室內(nèi)定位。本章將分析和總結(jié)相關(guān)技術(shù)及其原理，包括、室內(nèi)定位、指紋算法、BP神經(jīng)網(wǎng)絡(luò)等。2.1室內(nèi)定位指紋算法有許多室內(nèi)定位算法，如接近法、指紋法、視覺(jué)分析等。本文側(cè)重于室內(nèi)定位獲取指紋算法的具體用語(yǔ)，誰(shuí)都不能代替具體表征，一個(gè)算法獲取指紋算法，只要我們的手指指紋不是先驗(yàn)的手指，但某一立場(chǎng)無(wú)關(guān)。室內(nèi)定位獲取指紋算法利用地位有關(guān)的指紋特征來(lái)推測(cè)位置信息，接收信號(hào)，該信號(hào)衰落下去的力量，在其傳播價(jià)值信號(hào)的力量較弱，隨著距離的測(cè)量和最大隨著距離的測(cè)量；此屬性應(yīng)使用用于估計(jì)位置；地球磁場(chǎng)強(qiáng)度的信息，其值隨地球表面的變化而變化，其性質(zhì)可用于定位；關(guān)于指紋還有很多其他的信息。指紋信息的知識(shí)使我們能夠知道指紋特征中包含的信息在哪里，以及它們的位置是否一一對(duì)應(yīng)。換句話說(shuō)，如果信號(hào)強(qiáng)度或其他指紋信息（如在每個(gè)位置收集的圖像）是唯一和恒定的，那么對(duì)信號(hào)強(qiáng)度或圖像信息的某一值的了解就可以確定位置。指紋識(shí)別和定位方法通常包括:指紋識(shí)別信息被收集到一個(gè)陌生的地方和實(shí)測(cè)數(shù)據(jù)相比，預(yù)錄數(shù)據(jù)在數(shù)據(jù)庫(kù)中的指紋數(shù)據(jù)本地化和局部最相似的結(jié)果被選中。指紋識(shí)別方法主要是通過(guò)尋找合適的指紋特征和建立一個(gè)本地化的指紋數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)的。指紋識(shí)別的方法使定位精度較高，但建立本土化的指紋數(shù)據(jù)庫(kù)是很大的工作量，其實(shí)施的地區(qū)環(huán)境變化明顯不符，并應(yīng)定期更新數(shù)據(jù)庫(kù)或不規(guī)則2.1.1室內(nèi)定位指紋算法室內(nèi)定位算法最常用的是，特征指紋算法的室內(nèi)定位是信息信號(hào)的武力，或RSSI推算定位在節(jié)點(diǎn)之間的距離，使用無(wú)線信號(hào)的傳播模式來(lái)推斷在接收點(diǎn)的信號(hào)的強(qiáng)度取決于運(yùn)河的衰減程度。RSSI的定位方法簡(jiǎn)單易懂，不需要額外的設(shè)備來(lái)操作現(xiàn)有的家庭WIFI設(shè)備，成本更低。缺點(diǎn)是無(wú)線電信號(hào)在房間內(nèi)傳播過(guò)程中受到散射、衍射和多徑干擾等因素的影響，導(dǎo)致信號(hào)強(qiáng)度出現(xiàn)較大波動(dòng)。為什么選擇WIFI內(nèi)定位是通過(guò)比較WIFI內(nèi)定位技術(shù)和其他一些相對(duì)成熟的WIFI內(nèi)定位技術(shù)來(lái)說(shuō)明的表2.1定位技術(shù)對(duì)比定位技術(shù)精度定位方法優(yōu)點(diǎn)缺點(diǎn)紅外米級(jí)鄰近法技術(shù)相對(duì)成熟設(shè)備成本低、精度高不能穿透障礙物，造價(jià)高、功耗大，抗干擾性差，受燈光干擾超聲波厘米級(jí)三邊定位精度高、結(jié)構(gòu)簡(jiǎn)單技術(shù)成熟存在多徑效應(yīng)，衰減明細(xì)，存在溫漂效應(yīng)，造價(jià)高WIFI米級(jí)場(chǎng)景分析鄰近法三邊定位設(shè)備部署簡(jiǎn)單成本低、精度高指紋采集工作量大，算法需改進(jìn)，需校準(zhǔn)，受其它信號(hào)干擾，功耗高RFID厘米級(jí)鄰近法精度高、標(biāo)識(shí)體積小設(shè)備造價(jià)相對(duì)便宜通信能力過(guò)低，信號(hào)覆蓋距離短UWB厘米級(jí)三遍定位穿透力強(qiáng)、精度高功耗低造價(jià)高ZigBee米級(jí)鄰近法功耗低、成本低穩(wěn)定性低，受環(huán)境干擾藍(lán)牙米級(jí)鄰近法三邊定位功耗低、易集成距離短，穩(wěn)定性差、受噪聲干擾LoRa遠(yuǎn)距離RSSI，TOATDOA定位算法最低成本、易于擴(kuò)展節(jié)點(diǎn)電池壽命長(zhǎng)測(cè)量精度較低對(duì)不同定位技術(shù)的優(yōu)缺點(diǎn)進(jìn)行了分析，發(fā)現(xiàn)只有WIFI內(nèi)部定位才能以較低的成本滿(mǎn)足內(nèi)部定位的需求，而其他定位要么難以實(shí)現(xiàn)，要么成本過(guò)高。例如:紅外、超聲波、RFID、UWB、藍(lán)牙，成本高于WIFI定位技術(shù)，在現(xiàn)實(shí)生活中，由于成本過(guò)高，難以實(shí)現(xiàn)大規(guī)模使用；ZigBee定位技術(shù)的結(jié)果都不如WIFI定位技術(shù)準(zhǔn)確。結(jié)合上述分析，本文選擇研究WIFI的內(nèi)部定位2.1.2信號(hào)傳播模型WIFI指紋算法在室內(nèi)WIFI使用RSSI指紋的特征進(jìn)行室內(nèi)空間定位，推斷節(jié)點(diǎn)之間的距離，使用無(wú)線信號(hào)的傳播模式，來(lái)匯總給接收點(diǎn)的信號(hào)強(qiáng)度的衰減程度。并進(jìn)行距離測(cè)算。因此，在研究在WIFI室內(nèi)中定位信號(hào)的指紋算法之前，有必要了解信號(hào)在室內(nèi)環(huán)境中的傳播模型。本文研究主要研究距離路徑損耗模型。對(duì)數(shù)距離路徑損耗是基于數(shù)學(xué)和統(tǒng)計(jì)學(xué)的數(shù)據(jù)模型測(cè)算總結(jié)的過(guò)程，同時(shí)考慮到在一個(gè)真實(shí)的環(huán)境，在一個(gè)復(fù)雜的環(huán)境的室內(nèi)干擾信號(hào)的傳播上的多徑傳播的屏障，導(dǎo)致信號(hào)強(qiáng)度不同。這些不同環(huán)境的不同信號(hào)傳播的影響，并經(jīng)過(guò)大量實(shí)驗(yàn)，發(fā)現(xiàn)距離之間存在非線性關(guān)系的蔓延，并在途中損失模型的公式，在途中丟失由于對(duì)數(shù)方程給出的（2.1）。（2.1）式（2.1）中，d表示信號(hào)接收端距發(fā)射端的長(zhǎng)度，表示距發(fā)射端d處的信號(hào)強(qiáng)度；是參考距離，一般為1m，表示距發(fā)射端處的信號(hào)強(qiáng)度；n是路徑損耗因子，也稱(chēng)為信道衰減參數(shù)，表示信號(hào)損耗隨距離增加而增加的程度，n的值與環(huán)境有關(guān)；是遮蔽因子，單位是dB，其均值是0，均方差是的正態(tài)隨機(jī)變量。RSSI測(cè)距信號(hào)傳播模型常常被簡(jiǎn)化為式（2.2），如下式所示。（2.2）（2.3）（2.4）式中，A為1m時(shí)所測(cè)得的RSSI值，單位為dBm。WIFI室內(nèi)定位指紋算法上的RSSI、距離之間的關(guān)系，運(yùn)用公式分析WIFI信號(hào)的長(zhǎng)度之間的關(guān)系，主要通過(guò)數(shù)理統(tǒng)計(jì)分析、室內(nèi)環(huán)境的特性總結(jié)的許多研究和實(shí)驗(yàn)數(shù)據(jù)表明，室內(nèi)傳播模型與數(shù)距離路徑損耗模型相互對(duì)應(yīng)?？紤]到環(huán)境、成本、定位精度要求等因素，分析得出只有對(duì)數(shù)距離路徑損耗模型最為合適。2.2BP神經(jīng)網(wǎng)絡(luò)BP（反向傳播）神經(jīng)網(wǎng)絡(luò)是具有多個(gè)感知層次的前饋神經(jīng)網(wǎng)絡(luò)。所謂的反向傳播實(shí)際上是信息的前饋過(guò)程。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)依賴(lài)于并行網(wǎng)絡(luò)，使其能夠并行處理信息；這一特性使我們能夠同時(shí)處理信號(hào)的前向傳播和錯(cuò)誤的后向傳播。此外，BP神經(jīng)網(wǎng)絡(luò)具有自適應(yīng)學(xué)習(xí)能力、非線性映射能力、良好的容錯(cuò)能力和魯棒性。應(yīng)用也非常廣泛，是目前使用最廣泛的神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)用于信號(hào)處理、分類(lèi)應(yīng)用、功能近似和形式識(shí)別等領(lǐng)域。為了理解BP神經(jīng)網(wǎng)絡(luò)的工作原理，必須先了解清楚人工神經(jīng)網(wǎng)絡(luò)的運(yùn)行，其中主要模擬人腦神經(jīng)元的功能，構(gòu)筑一種模型來(lái)處理信息，如圖2.1所示。圖2.1人工神經(jīng)網(wǎng)絡(luò)模型在圖2.1里面，神經(jīng)元的輸入信號(hào)為兩個(gè)神經(jīng)元間的連接權(quán)值，又名連接權(quán)系數(shù)，是個(gè)函數(shù)，稱(chēng)為激活函數(shù)或轉(zhuǎn)移函數(shù)；表示第i個(gè)神經(jīng)元輸出；則神經(jīng)元i的輸出與輸入的關(guān)系表達(dá)式如式（2.5）所示。（2.5）式（2.5）中激活函數(shù)里面的稱(chēng)為凈激活（netactivation），用表示，表達(dá)式如式（2.6）所示。（2.6）凈激活值net可以是正的，也可以是負(fù)的。人類(lèi)神經(jīng)元有兩種狀態(tài):一種是興奮狀態(tài)，另一種是抑制狀態(tài)，當(dāng)凈激活net為正時(shí)，神經(jīng)元處于興奮狀態(tài)；當(dāng)凈激活net為負(fù)時(shí)，神經(jīng)元被抑制2.2.1BP神經(jīng)網(wǎng)絡(luò)的原理BP算法（反向誤差傳播算法）是人工神經(jīng)網(wǎng)（ANN）中使用最廣泛的監(jiān)督學(xué)習(xí)算法。輸入信號(hào)由輸入層、隱含層和輸出層的神經(jīng)元傳輸，信號(hào)單向傳輸；輸入層神經(jīng)元的狀態(tài)會(huì)影響隱式層神經(jīng)元的狀態(tài)，而隱含層神經(jīng)元的狀態(tài)只會(huì)影響輸出層神經(jīng)元的狀態(tài)。輸出結(jié)果后的輸出信號(hào)的傳輸層是否達(dá)到預(yù)期結(jié)果并非錯(cuò)誤，事后回想起來(lái)，且重量和BP神經(jīng)網(wǎng)絡(luò)的門(mén)檻是為了減少誤差，然后再調(diào)整給定訓(xùn)練是為了看到結(jié)果。BP神經(jīng)網(wǎng)絡(luò)由三部分組成:輸入層、隱含層和輸出層。BP神經(jīng)網(wǎng)絡(luò)的每一層都包含一定數(shù)量的神經(jīng)元。對(duì)于三層BP網(wǎng)絡(luò)結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2.2所示。圖2.2三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖2.2.2BP神經(jīng)網(wǎng)絡(luò)MATLAB實(shí)現(xiàn)通過(guò)引入BP神經(jīng)網(wǎng)絡(luò)的原理，對(duì)算法進(jìn)行編碼，便于分析算法的優(yōu)缺點(diǎn)。本文的仿真主要是在MATLABr2014a軟件上進(jìn)行的。在MATLAB編程過(guò)程中，可以調(diào)用內(nèi)部神經(jīng)網(wǎng)絡(luò)工具箱。列車(chē)函數(shù)用于形成newff函數(shù)創(chuàng)建的BP神經(jīng)網(wǎng)絡(luò)；模擬功能模擬BP神經(jīng)網(wǎng)絡(luò)，完成神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和模擬的整個(gè)過(guò)程。圖2.3BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)流程圖3RSSI信號(hào)采樣算法研究室內(nèi)定位位置指紋算法基于WIFI實(shí)現(xiàn)是通過(guò)WIFI信號(hào)的RSSI之間的關(guān)聯(lián)關(guān)系和空間的坐標(biāo)，所以質(zhì)量中捕獲的信號(hào)的RSSI定位影響定位精度。在內(nèi)部定位中，RSSI不僅受到定位環(huán)境的影響，還與許多因素有關(guān)，如用于定位、定位等的ap數(shù)量。在離線指紋數(shù)據(jù)庫(kù)構(gòu)建階段收集的噪聲RSSI數(shù)據(jù)直接存儲(chǔ)在指紋數(shù)據(jù)庫(kù)中，會(huì)影響內(nèi)部定位的準(zhǔn)確性。如何有效地降低RSSI噪聲是提高內(nèi)部定位精度的一個(gè)難點(diǎn)。本章首先分析影響RSSI的因素，然后提出現(xiàn)有問(wèn)題的解決方案。3.1影響RSSI因素分析3.1.1軟件環(huán)境在研究無(wú)線射頻信號(hào)的空間傳播特性之前，首先是使用終端在給定位置實(shí)時(shí)測(cè)量RSSI。本節(jié)描述在后續(xù)實(shí)驗(yàn)中使用的WIFI網(wǎng)絡(luò)的實(shí)驗(yàn)環(huán)境，以及無(wú)線無(wú)線電信號(hào)的測(cè)量方法和其他相關(guān)信息。由此可見(jiàn)，無(wú)線局域網(wǎng)（WIFI）終端通過(guò)與接入點(diǎn)的通信連接與信息進(jìn)行交互。在某一特定時(shí)刻，如果沒(méi)有指定接入點(diǎn)的SSID，無(wú)線網(wǎng)絡(luò)卡應(yīng)以最近接入點(diǎn)的信號(hào)強(qiáng)度為標(biāo)準(zhǔn)，選擇信號(hào)強(qiáng)度最高的接入點(diǎn)，建立連接請(qǐng)求。定位系統(tǒng)要求終端檢測(cè)感知區(qū)域內(nèi)所有接入點(diǎn)到接入點(diǎn)的信號(hào)強(qiáng)度。在IEEE802.11協(xié)議中，終端可以通過(guò)兩種方式訪問(wèn)每個(gè)AP的RSSI信息:被動(dòng)掃描模式和主動(dòng)掃描模式。被動(dòng)掃描方式的優(yōu)點(diǎn)是減少電力消耗，但由于各接入點(diǎn)的接入點(diǎn)，以不送的，可以解決一部分肯和終端，可能無(wú)法獲得信息的RSSI對(duì)于所有接入點(diǎn)的接入點(diǎn)，有人主動(dòng)選擇使用掃描方式實(shí)現(xiàn)功能的RSSI的收購(gòu)。在圖3-1所示的主動(dòng)掃描過(guò)程中，終端被掃描。對(duì)于所有802.11通道，終端將在每個(gè)通道中發(fā)送一個(gè)探針請(qǐng)求幀。一旦AP收到這個(gè)傳播幀，將按適當(dāng)?shù)臅r(shí)間順序發(fā)送一個(gè)探針響應(yīng)幀。響應(yīng)終端接收幀之后探測(cè)器發(fā)回的AP上工作的各個(gè)渠道，主動(dòng)掃描程序已經(jīng)結(jié)束，并得到一個(gè)終端在內(nèi)的所有AP可觀察名單的MAC地址和信息所需的RSSI定位不同AP。圖3.1802.11協(xié)議中的主動(dòng)掃描過(guò)程目前，雖然有各種各樣的internet嗅探工具，可以從本地WIFI網(wǎng)絡(luò)上的不同接入點(diǎn)（如NetStumbler）收集RSSI，但該工具僅適用于windows平臺(tái)，沒(méi)有開(kāi)放源碼。為了提高培訓(xùn)階段的效率，更好地滿(mǎn)足系統(tǒng)定位的實(shí)際需要，使用了Pad作為終端，這是一種更輕、更薄的平板電腦，開(kāi)發(fā)了RSSI采購(gòu)程序。3.1.2測(cè)試場(chǎng)景本文實(shí)驗(yàn)地點(diǎn)為教學(xué)樓B座，實(shí)驗(yàn)室走廊B120~B127和圖3.2中虛線區(qū)域組成的環(huán)繞，總面積17m*34m，WIFI已覆蓋整個(gè)區(qū)域的無(wú)線局域網(wǎng)接入其中五個(gè)AP系統(tǒng)的定位AP1部署至1.25m（10m，5m）實(shí)驗(yàn)室，AP2部署實(shí)驗(yàn)室127的（10m，5m），AP3部署實(shí)驗(yàn)室125（3.5m，600m），AP4部署在實(shí)驗(yàn)室122B（1m，6m）位置，AP5部署在120B（3m，6m）位置，另外8個(gè)無(wú)線接入點(diǎn)可以在實(shí)驗(yàn)區(qū)搜索。本系統(tǒng)訓(xùn)練階段主要用來(lái)采集RSSI數(shù)據(jù)采集，建立數(shù)據(jù)庫(kù)位置指紋數(shù)據(jù)庫(kù)中，整個(gè)測(cè)試場(chǎng)地，采樣間隔1米，共271采樣數(shù)據(jù)的參考點(diǎn)，每個(gè)點(diǎn)的位置持續(xù)采集的若干位置指紋具體參數(shù)。圖3.2實(shí)驗(yàn)場(chǎng)景圖3.2接收信號(hào)強(qiáng)度的特性室內(nèi)環(huán)境較為復(fù)雜，外部環(huán)境:墻體的厚度，所用的材料提供的門(mén)和窗戶(hù)、家具和人員的流動(dòng)可能有許多無(wú)線信號(hào)傳播的影響等多個(gè)渠道傳播效應(yīng)的無(wú)線信號(hào)由于折射、衍射和傳播。因此，使用信號(hào)傳播模型來(lái)估計(jì)內(nèi)部環(huán)境中的距離會(huì)產(chǎn)生較大的誤差，導(dǎo)致實(shí)際定位精度遠(yuǎn)遠(yuǎn)低于理論模型。而言影響多式聯(lián)運(yùn)，大多數(shù)常規(guī)車(chē)型使用了一個(gè)大規(guī)模的衰退效應(yīng)的組合和小規(guī)模衰退影響的數(shù)學(xué)模型，但這些模型通常用于分析能力和溝通來(lái)了解通信系統(tǒng)的覆蓋面。本節(jié)通過(guò)對(duì)實(shí)驗(yàn)平臺(tái)信號(hào)強(qiáng)度數(shù)據(jù)的分析，從定位技術(shù)的角度闡述無(wú)線信號(hào)強(qiáng)度的相關(guān)特征。3.2.1RSSI與位置的關(guān)系指紋的定位方法，可用于是因?yàn)镽SSI定位大致反映了用戶(hù)的位置信息，即終端和巴勒斯坦權(quán)力機(jī)構(gòu)之間的距離和環(huán)境因素決定了所收到的RSSI值航站樓。物質(zhì)與本節(jié)的數(shù)據(jù)采樣，鑒于RSSI的聯(lián)系是與用戶(hù)的位置位于走廊的一個(gè)實(shí)驗(yàn)環(huán)境，每隔1m采樣進(jìn)行右方向的直線，如圖3.3RSSI分別收受兩個(gè)AP、AP2、AP5左邊和右邊走廊，其中位于沿X軸?？梢钥闯?，相鄰的節(jié)點(diǎn)接收到的RSSI值越高圖3.3沿走廊行走時(shí)的RSSI情況3.2.2RSSI的概率分布在實(shí)踐中，由于多種直徑、衍射和障礙物等因素，很難對(duì)無(wú)線信號(hào)在空間內(nèi)的傳播規(guī)律作出決定性的預(yù)測(cè)。衰落的無(wú)線電信號(hào)傳播無(wú)線射頻（rfid）表明，固定服務(wù)的模式，來(lái)自同一瞬間APRSSIRSSI值平均為中心，其服務(wù)范圍內(nèi)平均RSSI接入點(diǎn)AP和兩者之間的干擾的小路，在波動(dòng)的時(shí)期內(nèi)環(huán)境擾動(dòng)因素有關(guān)，如人事變動(dòng)，電氣信號(hào)設(shè)備的運(yùn)行在這些波動(dòng)的大小上的標(biāo)準(zhǔn)差，在分布上的信號(hào)強(qiáng)度。在本文中，200多個(gè)采樣點(diǎn)的標(biāo)準(zhǔn)指紋直方圖都或多或少符合正態(tài)分布，實(shí)際測(cè)量值在一個(gè)穩(wěn)定值附近變化，這是一個(gè)依賴(lài)于均值的正態(tài)隨機(jī)變量。圖3.4RSSI概率分布直方圖如圖3.4所示，雖然信號(hào)強(qiáng)度的概率分布與正態(tài)分布一致，但存在較大的滯后現(xiàn)象。家具、地板、墻壁或室內(nèi)環(huán)境、電氣設(shè)備和窗戶(hù)的位置固定各種干擾源位置的變化因素往往是由于WIFI通信頻率為2.4GHz的人體水分占的比例超過(guò)70%，其中的諧振頻率2.4GHz，人體是無(wú)線電信號(hào)傳播的一個(gè)重要因素，因此無(wú)線射頻（RFID）。此外，由于工作人員的強(qiáng)度和流動(dòng)性在不同時(shí)期有很大的不同，因此有必要選擇適當(dāng)?shù)臅r(shí)間來(lái)收集線下培訓(xùn)階段的指紋數(shù)據(jù)庫(kù)。3.2.3RSSI的收斂速度位置指紋是否能正確反映信號(hào)強(qiáng)度的真實(shí)情況，將對(duì)定位階段位置估計(jì)的可信度產(chǎn)生重要影響。為了建立一個(gè)局部指紋數(shù)據(jù)庫(kù)，有必要保留大量的局部指紋，特別是在使用概率定位算法的定位系統(tǒng)中。為了獲得比平均值更多的信號(hào)分布信息，必須在每個(gè)位置采集一定數(shù)量的RSSI瞬時(shí)樣本，以獲得該位置的RSSI概率分布。顯然，在同一參考點(diǎn)采集的RSSI樣本值越多，信號(hào)分布信息就越準(zhǔn)確和詳細(xì)，但在系統(tǒng)形成階段的形成時(shí)間就越長(zhǎng)。為了獲得可信的信號(hào)強(qiáng)度概率分布，必須在局部指紋的完整性和訓(xùn)練時(shí)間的成本之間取得平衡。圖3.5RSSI平均值的變化趨勢(shì)為了研究信號(hào)強(qiáng)度平均值的趨同，我們采集了樣本數(shù)據(jù)連續(xù)5分鐘時(shí)，由于采樣點(diǎn)位于AP3為5米，兩座壁與AP4相距5米，位于AP2中的墻壁距離15米。計(jì)算了不同時(shí)間點(diǎn)信號(hào)強(qiáng)度的平均值，結(jié)果如圖3.5所示?？梢钥闯?，在經(jīng)歷了一段時(shí)間的平均波動(dòng)后，RSSI均值指數(shù)都趨于穩(wěn)定。平均信號(hào)強(qiáng)度已經(jīng)穩(wěn)定在30秒，因此該系統(tǒng)在訓(xùn)練階段的每個(gè)點(diǎn)的采樣時(shí)間為30秒，采樣頻率為1個(gè)樣本/秒。3.2.4不同AP的RSSI相關(guān)性關(guān)于WIFI室內(nèi)定位系統(tǒng)測(cè)量通常需要至少三個(gè)AP的RSSI數(shù)據(jù)，一般在同一地區(qū)的研究往往可以多種，其中一些AP接入點(diǎn)AP之間為同一頻段，甚至AP之間的這些信號(hào)的頻段不同頻率或頻率的干擾，從而影響定位精度，也是一個(gè)需要考慮的問(wèn)題。相關(guān)系數(shù)是用來(lái)表征兩個(gè)變量的相關(guān)關(guān)系密切程度的統(tǒng)計(jì)分析指標(biāo)，相關(guān)系數(shù)用r表示，其取值范圍是-1~+1。假設(shè)兩個(gè)序列變量為X，Y，相關(guān)系數(shù)的計(jì)算公式如式（3-1）：（3.1）其中，Cov（X，Y）為X，Y兩組數(shù)據(jù)的協(xié)方差，μ和σ分別為相應(yīng)變量的均值和標(biāo)準(zhǔn)偏差，n為樣本個(gè)數(shù)。在本文所述的無(wú)線局域網(wǎng)環(huán)境中，AP1和AP3同時(shí)使用無(wú)線電通道3和AP2使用無(wú)線電通道11，這表明即使在同一通道上運(yùn)行的兩個(gè)接入點(diǎn)之間也沒(méi)有相互干擾。這是因?yàn)樵贗EEE802.11MAC層使用CSMA/CA連接模式的工作機(jī)制，為避免沖突，以致干擾接入點(diǎn)之間都不需要擔(dān)心定位系統(tǒng)的建立和信道干擾，不影響系統(tǒng)定位。3.3終端對(duì)定位算法的影響無(wú)論使用傳輸模型還是指紋方法，都必須考慮到不同終端的定位錯(cuò)誤。在傳輸模型中，AP到終端的距離是根據(jù)發(fā)射功率和接收功率之間的衰減程度來(lái)估計(jì)的；在位置指紋法中，接收功率以RSSI值量化，但信號(hào)功率以RSSI值量化的方式與接收終端硬件和軟件的計(jì)算方式有關(guān)。因此，由于不同終端之間的硬件和軟件的差異，即使在同一系統(tǒng)的同一地點(diǎn)可以獲得不同的RSSI分布，定位系統(tǒng)的性能也會(huì)大大降低。3.3.1終端RSSI量化差異符合IEEE802.11的無(wú)線網(wǎng)卡（NIC）以射頻信號(hào)接收功率和1mW的對(duì)數(shù)單位表示RSSI（單位:dBm），標(biāo)準(zhǔn)值在-90至-10dBm之間。為了量化接收到的功率，IEEE802.11建議使用一個(gè)字節(jié)來(lái)存儲(chǔ)RSSI，總共有256個(gè)可能的整數(shù)。RSSI協(xié)議的標(biāo)準(zhǔn)測(cè)量如下。但是該標(biāo)準(zhǔn)使用RSSI值作為相對(duì)指標(biāo)，并沒(méi)有嚴(yán)格規(guī)定精度值，因此不同設(shè)備制造商生產(chǎn)的無(wú)線網(wǎng)絡(luò)卡之間存在不同的表示和測(cè)量精度范圍。因此，即使在同一地點(diǎn)，不同品牌的無(wú)線網(wǎng)絡(luò)卡所獲得的RSSI也會(huì)有很大的不同。同時(shí)，無(wú)線網(wǎng)絡(luò)的天線增益也是影響RSSI測(cè)量的一個(gè)重要因素，對(duì)于使用不同增益天線的無(wú)線網(wǎng)絡(luò)卡，接收到的電磁波強(qiáng)度變化較大。而RSSI定位作為根據(jù)來(lái)定位方法局部性的指紋、新終端使用指紋數(shù)據(jù)庫(kù)局部性的量子化，由于不同的起源的RSSI異質(zhì)碼頭之間，將錯(cuò)誤的定位過(guò)高，甚至完全無(wú)法有效定位，如果是嚴(yán)重的。因此，如果要設(shè)計(jì)一個(gè)能夠承受各種終端的定位系統(tǒng)，需要不同的終端能夠得到有效的定位，借助現(xiàn)有的指紋數(shù)據(jù)庫(kù)，而不是重新建立數(shù)據(jù)庫(kù)，為每個(gè)航站樓，并需要解決問(wèn)題的差異引起的RSSI的量化終端異構(gòu)本文在實(shí)際環(huán)境中，對(duì)RSSI進(jìn)行采樣對(duì)比，發(fā)現(xiàn)不同終端的RSSI之間并不是線性關(guān)系，如圖3.6所示，圖中的圓點(diǎn)表示同一位置兩種不同終端分別測(cè)量到的RSSI的關(guān)聯(lián)關(guān)系值，其中坐標(biāo)X為定位系統(tǒng)訓(xùn)練階段所使用的終端的RSSI值，坐標(biāo)Y為另一種終端的RSSI值。如果異種終端所量化RSSI的不存在差異，即理想情況下兩終端所采集的RSSI值相等，因此稱(chēng)直線Y=X為理想數(shù)據(jù)線，但由于終端的量化差異，使得實(shí)際關(guān)聯(lián)值偏離于理想數(shù)據(jù)線。由圖3-6可以看出，此時(shí)兩種終端的RSSI值之間是非線性關(guān)系，因此使用最小二乘法進(jìn)行線性校準(zhǔn)將產(chǎn)生較大的校準(zhǔn)誤差。圖3.6兩種終端的RSSI對(duì)比圖3.3.2BP神經(jīng)網(wǎng)絡(luò)引入BP神經(jīng)網(wǎng)絡(luò)在前文也已經(jīng)提到，是一種有監(jiān)督式的學(xué)習(xí)算法，其核心原理如下：學(xué)習(xí)樣本，反向傳播算法的神經(jīng)網(wǎng)絡(luò)上存在的差距和反復(fù)的調(diào)整來(lái)進(jìn)行培訓(xùn)和研究，通過(guò)調(diào)整我們的神經(jīng)元的權(quán)重和閾值向量的向量，接近盡可能確保預(yù)期輸出誤差的平方之和時(shí)，網(wǎng)絡(luò)的輸出層，下部為指定的錯(cuò)誤進(jìn)行培訓(xùn)和研究，守恒和加權(quán)系數(shù)。因此，BP神經(jīng)網(wǎng)絡(luò)是一個(gè)多層次的網(wǎng)絡(luò)，由錯(cuò)誤的反向傳播形成，有效地解決了輸入和輸出的非線性映射問(wèn)題。圖3.7神經(jīng)網(wǎng)絡(luò)輸入輸出映射圖中為轉(zhuǎn)移函數(shù)，常用的轉(zhuǎn)移函數(shù)如下：（3.2）不同終端之間的RSSI關(guān)系值不能用簡(jiǎn)單的線性關(guān)系來(lái)表示。假設(shè)對(duì)于指定的兩種終端，兩者之間的非線性關(guān)系是固定不變的，因此可以通過(guò)獲取非線性關(guān)系的方式進(jìn)行歸一化處理，假設(shè)在位置l處兩終端接收自同一個(gè)AP的RSSI值存在輸出層各神經(jīng)元的輸出如公式（2.6）的關(guān)系，其中為新終端在位置l處的RSSI值，為訓(xùn)練終端的RSSI值，函數(shù)f表示兩終端間的非線性關(guān)系，為測(cè)量過(guò)程中可能受到的干擾因素。（3.3）由于具有線性映射能力的BP神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)重要輸入輸出的轉(zhuǎn)換和存儲(chǔ)，Kolmogorov定理已證明了三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，即輸入層、線性輸出和至少一個(gè)S型激活函數(shù)的隱含層，可以是任意線性的。這也是進(jìn)一步利用BP神經(jīng)網(wǎng)絡(luò)近似兩個(gè)RSSI終端之間的非線性功能關(guān)系的理論基礎(chǔ)。3.3.3基于BP神經(jīng)網(wǎng)絡(luò)的RSSI校準(zhǔn)方法本文利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)不同RSSI終端之間的非線性關(guān)系，進(jìn)行非線性標(biāo)定。通過(guò)模擬人類(lèi)大腦神經(jīng)系統(tǒng)的功能，人工神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)輸入的信息，通過(guò)良好的非線性映射、泛化處理和故障耐受性，可以對(duì)外部信息進(jìn)行精確的非線性映射。功能很適用于這類(lèi)問(wèn)題的近似性等多因素復(fù)雜、非線性系統(tǒng)隨時(shí)間的可變性和不確定性，因此不同終端之間的非線性函數(shù)關(guān)系，可獲得一定量的RSSI的訓(xùn)練。基于BP神經(jīng)網(wǎng)絡(luò)的RSSI校準(zhǔn)方法流程如圖3.8所示。校準(zhǔn)步驟如下：（1）根據(jù)本文的問(wèn)題確定神經(jīng)網(wǎng)絡(luò)模型；BP神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)涉及到網(wǎng)絡(luò)結(jié)構(gòu)、神經(jīng)元個(gè)數(shù)及層數(shù)、神經(jīng)元的激活函數(shù)，以下為本文所使用的神經(jīng)網(wǎng)絡(luò)模型中各參數(shù)的確定過(guò)程。1）輸入層和輸出層的確定BP神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層是外界信息與神經(jīng)網(wǎng)絡(luò)銜接的紐帶，這兩層的節(jié)點(diǎn)數(shù)取決于訓(xùn)練學(xué)習(xí)數(shù)據(jù)源中輸入向量和輸出向量的維數(shù)。本文所用到的輸入輸出分別為兩種終端的RSSI值，兩者具有一一對(duì)應(yīng)的關(guān)系，因此輸入層和輸出層都只有一個(gè)神經(jīng)元。2）隱含層節(jié)點(diǎn)數(shù)的確定如果隱含層節(jié)點(diǎn)數(shù)目過(guò)少，則神經(jīng)網(wǎng)絡(luò)從學(xué)習(xí)樣本獲取信息的能力不足，網(wǎng)絡(luò)容易陷入局部極值；如果數(shù)目過(guò)多，則容易發(fā)生“過(guò)擬合”現(xiàn)象，導(dǎo)致學(xué)習(xí)時(shí)間延長(zhǎng)，誤差也不一定最佳。雖然對(duì)于隱含層節(jié)點(diǎn)數(shù)的選擇并沒(méi)有理論指導(dǎo)，但經(jīng)過(guò)大量的前人研究總結(jié)，給出了估算最佳隱含層節(jié)點(diǎn)數(shù)的經(jīng)驗(yàn)公式。（3.4）其中Inum和Onum分別為輸入層和輸出層的節(jié)點(diǎn)數(shù)，Hnum為估計(jì)的隱含節(jié)點(diǎn)數(shù)，n為1到10之間的常數(shù)。因此可以將隱含層節(jié)點(diǎn)數(shù)設(shè)為[5，20]之間的任一整數(shù)，根據(jù)實(shí)際訓(xùn)練學(xué)習(xí)過(guò)程中的對(duì)比分析，發(fā)現(xiàn)選擇隱含節(jié)點(diǎn)數(shù)為15的時(shí)候可以得到比較好的逼近效果和較低的訓(xùn)練時(shí)間。（2）如果要使用新的終端進(jìn)行定位服務(wù)，必須首先對(duì)其進(jìn)行校準(zhǔn)培訓(xùn)；在終端學(xué)習(xí)過(guò)程中，用戶(hù)在公共區(qū)域緩慢移動(dòng)，同時(shí)攜帶新終端和培訓(xùn)終端，同時(shí)記錄兩個(gè)終端的RSSI值。一個(gè)新航站樓RSSI作為輸入來(lái)培訓(xùn)的RSSI終端輸出數(shù)據(jù)，數(shù)據(jù)將成為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和研究不同神經(jīng)元的閾值的確定隱含權(quán)和共同價(jià)值觀過(guò)培訓(xùn)班，為神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)的參數(shù)不同的神經(jīng)元來(lái)訓(xùn)練和研究的兩個(gè)終端、RSSI數(shù)據(jù)之間的線性映射。以減少學(xué)習(xí)時(shí)間和定位功能，能夠快速使用新的終端，本文件中提供的數(shù)據(jù)訓(xùn)練只收集區(qū)為一方，即學(xué)習(xí)階段不需要穿越整個(gè)系統(tǒng)所覆蓋。（3）在對(duì)新終端進(jìn)行定位前，新終端收集到實(shí)時(shí)RSSI值，根據(jù)訓(xùn)練得到的映射關(guān)系參數(shù)，得到校準(zhǔn)后的，再進(jìn)行定位。本文非線性校準(zhǔn)的測(cè)試數(shù)據(jù)在定位系統(tǒng)覆蓋的所有區(qū)域進(jìn)行數(shù)據(jù)采集。圖3.8基于神經(jīng)網(wǎng)絡(luò)的RSSI校準(zhǔn)流程3.4聯(lián)合定位方法在本文中，定位系統(tǒng)在一樓總共有5個(gè)接入點(diǎn)，而在定位系統(tǒng)之外還可以搜索8個(gè)接入點(diǎn)，這些接入點(diǎn)的無(wú)線接入點(diǎn)布局通常不會(huì)改變。本文設(shè)計(jì)了一種與非位置接入點(diǎn)的聯(lián)合輔助定位，以及使用定位系統(tǒng)對(duì)指紋進(jìn)行定位，并對(duì)發(fā)現(xiàn)的問(wèn)題進(jìn)行了相關(guān)理論和分析。3.4.1AP數(shù)量對(duì)于定位精度的影響與基于傳播模型的定位算法不同，基于位置指紋的定位方法并不需要知道AP接入點(diǎn)的確切坐標(biāo)，該定位方法使用信號(hào)強(qiáng)度來(lái)表征空間環(huán)境因素?？梢园衙總€(gè)AP的信號(hào)強(qiáng)度類(lèi)比為一維信號(hào)空間坐標(biāo)，位置指紋定位法將二維空間坐標(biāo)與多維信號(hào)空間坐標(biāo)相關(guān)聯(lián)，以達(dá)到使用多維信號(hào)空間坐標(biāo)進(jìn)行二維空間定位的目的，因此，增加參與定位的AP數(shù)量可以提高與豐富信號(hào)空間信息，取得更好的定位精度。3.4.2聯(lián)合定位方法流程由前文可知，提高位置指紋數(shù)據(jù)庫(kù)中所保存的數(shù)據(jù)維度，可以提高定位精度。但是由于非系統(tǒng)布置AP接入點(diǎn)的不確定性，其SSID、位置和功率等特征信息都可能發(fā)生改變，即離線采樣階段所得到的位置指紋數(shù)據(jù)與定位階段的數(shù)據(jù)有極大的差別，可能對(duì)定位過(guò)程產(chǎn)生負(fù)面影響，影響定位系統(tǒng)的定位精度。因此，如果想使用非系統(tǒng)布置AP接入點(diǎn)進(jìn)行聯(lián)合定位，需要感知識(shí)別出AP接入點(diǎn)的變動(dòng)，所以在定位階段增加感知過(guò)程。初定位使用系統(tǒng)布置AP的位置指紋以概率性方法求出K個(gè)匹配概率最高的位置柵格（K的大小將影響異常感知的靈敏度），將此K個(gè)柵格所組成的區(qū)域作為待定位點(diǎn)的初定位區(qū)域，即如果只使用系統(tǒng)布置AP接入點(diǎn)，這個(gè)區(qū)域就是最終定位坐標(biāo)所在的區(qū)域。（2）感知AP變動(dòng)根據(jù)K個(gè)柵格所在區(qū)域的位置指紋數(shù)據(jù)庫(kù)，感知各個(gè)非布置AP的信號(hào)強(qiáng)度是否符合位置指紋庫(kù)的分布，從而確定各個(gè)非布置AP的RSSI值是否參加下一步迭代定位，詳細(xì)過(guò)程將在下一小節(jié)進(jìn)行描述。（3）迭代定位，根據(jù)初定位階段的定位結(jié)果，取出M個(gè)概率最高的位置柵格，使用系統(tǒng)布置AP和非布置AP的RSSI進(jìn)行聯(lián)合定位，取得最終定位位置。圖3.9感知過(guò)程示意圖4WIFI定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)本文在對(duì)影響室內(nèi)定位的因素進(jìn)行了分析，并對(duì)基于位置指紋法的室內(nèi)定位算法提出了使用AP進(jìn)行聯(lián)合定位，以提高定位精度，對(duì)室內(nèi)定位系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)過(guò)程進(jìn)行詳細(xì)的闡述，以及對(duì)前文提出的聯(lián)合定位方法的性能進(jìn)行分析對(duì)比。4.1系統(tǒng)需求分析4.1.1系統(tǒng)描述本文基于位置指紋的無(wú)線室內(nèi)定位系統(tǒng)，旨在向用戶(hù)提供所在區(qū)域的實(shí)時(shí)位置信息，并提供相對(duì)應(yīng)的指引幫助。定位系統(tǒng)的主要目標(biāo)如下：（1）為用戶(hù)提供高精度和高可靠性的室內(nèi)定位服務(wù)；（2）使用戶(hù)可以在系統(tǒng)覆蓋區(qū)域無(wú)縫地使用定位服務(wù)，獲取其所在位置的實(shí)時(shí)位置信息；（3）定位系統(tǒng)可以迅速地處理來(lái)自用戶(hù)的定位請(qǐng)求，并對(duì)并發(fā)訪問(wèn)提供良好的應(yīng)答機(jī)制。圖4.1無(wú)線室內(nèi)定位系統(tǒng)整體架構(gòu)定位系統(tǒng)整體架構(gòu)如圖4.1所示，本室內(nèi)定位系統(tǒng)是由定位服務(wù)器、WIFI網(wǎng)絡(luò)（含AP）和定位終端三部分組成。定位服務(wù)器的主要功能：（1）解析離線階段采集的RSSI信息，建立WLAN地圖數(shù)據(jù)庫(kù)和信號(hào)覆蓋圖數(shù)據(jù)庫(kù)；（2）響應(yīng)移動(dòng)終端的定位請(qǐng)求，根據(jù)指定的定位匹配算法結(jié)合位置指紋數(shù)據(jù)庫(kù)進(jìn)行位置估計(jì)，并將定位結(jié)果返回給移動(dòng)終端。終端系統(tǒng)的主要功能：（1）離線階段自動(dòng)連續(xù)測(cè)量RSSI特征數(shù)據(jù)；（2）定位階段掃描發(fā)送定位請(qǐng)求和顯示由服務(wù)器返回的位置信息等。WIFI網(wǎng)絡(luò)的主要功能：（1）構(gòu)建射頻信號(hào)空間分布，為定位算法提供RSSI指紋數(shù)據(jù)支撐；（2）為移動(dòng)終端與定位服務(wù)器提供通信支撐。4.1.2功能需求服務(wù)器程序主要由以下功能模塊組成：網(wǎng)絡(luò)通信模塊、定位算法模塊、RSSI指紋數(shù)據(jù)庫(kù)模塊和地圖信息模塊，其結(jié)構(gòu)如圖4.2所示。圖4.2服務(wù)器系統(tǒng)結(jié)構(gòu)圖當(dāng)網(wǎng)絡(luò)通信模塊與移動(dòng)終端通信時(shí)，應(yīng)接收多個(gè)移動(dòng)終端的定位請(qǐng)求，并能夠?qū)⒍ㄎ唤Y(jié)果和定位應(yīng)用等相關(guān)信息發(fā)送到相應(yīng)的移動(dòng)終端。年初啟動(dòng)服務(wù)器，數(shù)據(jù)庫(kù)中的指紋模塊的RSSI定位應(yīng)分析期間收集的指紋信息定位線下區(qū)位和空間建模階段考慮現(xiàn)實(shí)環(huán)境中的建筑物提供指紋信息之間的聯(lián)系，以期建立一個(gè)定位和區(qū)位環(huán)境。數(shù)據(jù)庫(kù)中的位置指紋應(yīng)根據(jù)定位算法進(jìn)行過(guò)濾，以確保指紋信息的準(zhǔn)確性，提高定位系統(tǒng)的定位精度。定位算法模塊是整個(gè)系統(tǒng)的核心功能模塊，對(duì)房間定位結(jié)果有很大的影響。鑒于目前存在各種各樣的定位算法，基于指紋的本土化和算法對(duì)系統(tǒng)有不同的要求，年初應(yīng)選擇一個(gè)時(shí)裝設(shè)計(jì)系統(tǒng)的設(shè)計(jì)和一個(gè)適當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu)，以保證跟蹤系統(tǒng)可以兼容多種定位算法，為進(jìn)一步擴(kuò)大和改進(jìn)該制度提供必要的基礎(chǔ)。終端程序主要由以下功能模塊組成:RSSI測(cè)量模塊、UI接口模塊和網(wǎng)絡(luò)通信模塊，其結(jié)構(gòu)如圖4.3所示圖4.3終端系統(tǒng)功能結(jié)構(gòu)圖RSSI測(cè)量模塊使用底層無(wú)線網(wǎng)絡(luò)卡讀取從不同入口點(diǎn)接收到的信標(biāo)圖像，獲取所需的RSSI信息，并將位置指紋與位置信息關(guān)聯(lián)起來(lái)。因此，位置信息顯示模塊是UI界面，必須在離線階段和定位階段使用，在這兩個(gè)階段的功能角色是不同的。系統(tǒng)維護(hù)人員使用的位置信息采集接口，該接口需要輸入位置信息，可設(shè)置為在給定的參考點(diǎn)上按時(shí)間間隔連續(xù)收集RSSI數(shù)據(jù)集；另一個(gè)面向用戶(hù)的位置查詢(xún)UI界面返回的位置信息4.2硬件系統(tǒng)4.2.1無(wú)線AP系統(tǒng)中使用的無(wú)線AP是LinksysWRT54G，有很多種開(kāi)源無(wú)線路由固件都支持此款A(yù)P，如TomatoDualWAN，DD-WRT，WayOS和OpenWRT，因此，可以提供給用戶(hù)多于默認(rèn)固件的功能，有助于提升用戶(hù)的使用感受。WRT54GZ的詳細(xì)配置參數(shù)如表4.1示。表4.1WRT54G參數(shù)網(wǎng)絡(luò)標(biāo)準(zhǔn)IEEE802.3，IEEEE802.3uIEEE802.11g，IEEE802.11b數(shù)據(jù)傳輸率54Mbps天線2個(gè)外置天線網(wǎng)絡(luò)接口1個(gè)WAN口，4個(gè)LAN口射頻功率18dBm尺寸186×48×200mm重量360g4.2.2移動(dòng)終端在本系統(tǒng)中采用的移動(dòng)終端是Lenovo的LePadA1，這是一款基于android系統(tǒng)的平板電腦，其中CPU主頻1GHz，并擁有7英寸，1024*600的大屏幕，A1的詳細(xì)配置參數(shù)如表4.2所示。表4.2LePad參數(shù)體積195×125×11.95mm屏幕參數(shù)7英寸多點(diǎn)式觸摸屏分辨率為1024*600處理器類(lèi)型TIOMAP3622單核，1GHzRAM512MB支持協(xié)議802.11b/g/n4.3服務(wù)器系統(tǒng)服務(wù)器系統(tǒng)的功能結(jié)構(gòu)主要由網(wǎng)絡(luò)通信模塊、定位算法模塊和rssi指紋數(shù)據(jù)庫(kù)模塊組成。服務(wù)器系統(tǒng)的邏輯關(guān)系如圖4.4所示，箭頭的方向表示數(shù)據(jù)流。服務(wù)器程序是在VS2010中實(shí)現(xiàn)的，不同的功能模塊位于同一主機(jī)上，稍后可以考慮在不同的機(jī)器上分離服務(wù)程序和數(shù)據(jù)庫(kù)。圖4.4服務(wù)器系統(tǒng)邏輯圖4.3.1數(shù)據(jù)庫(kù)模塊數(shù)據(jù)庫(kù)模塊的第一個(gè)功能是保存本地指紋數(shù)據(jù)。必須分析收集的指紋信息，本土化是離線階段定位和空間建模，同時(shí)考慮到教學(xué)樓的布局在現(xiàn)實(shí)環(huán)境中，以指紋信息的局部和區(qū)位環(huán)境聯(lián)系起來(lái)。該系統(tǒng)將定位區(qū)域劃分為1*1m面網(wǎng)格，定位算法最終以網(wǎng)格標(biāo)記為實(shí)際目標(biāo)。因此，網(wǎng)格大小的分布必須根據(jù)實(shí)際位置范圍和培訓(xùn)過(guò)程中采樣之間的距離來(lái)確定。RSSI數(shù)據(jù)庫(kù)定義見(jiàn)表4.3。表4.3RSSI數(shù)據(jù)庫(kù)表字段描述字段名類(lèi)型柵格標(biāo)號(hào)index_idint坐標(biāo)Xaixs_xint坐標(biāo)Yaixs_yintMAC地址mac_addr[]char（32）RSSI值rss[]int4.3.2定位算法模塊定位算法模塊是整個(gè)定位系統(tǒng)的核心模塊，模塊的運(yùn)行由位置查詢(xún)報(bào)文的到達(dá)事件觸發(fā)，定位匹配流程如圖4.5所示。圖4.5匹配算法流程圖這個(gè)定位系統(tǒng)在定位區(qū)域大小在500平方米左右，定位區(qū)域?qū)⒈环譃?00多個(gè)柵格標(biāo)簽，因此建立一個(gè)網(wǎng)格數(shù)字作為一個(gè)靜態(tài)數(shù)組索引的鍵值作為主要的數(shù)據(jù)，并將屬于同一標(biāo)簽一起指紋數(shù)據(jù)，方便使用匹配算法，位置指紋包含AP可能不同，因?yàn)槊總€(gè)位置使用MAC關(guān)鍵和RSSI值鍵保存結(jié)構(gòu)映射。4.3.3通信模塊定位數(shù)據(jù)基礎(chǔ)設(shè)施是一個(gè)無(wú)線網(wǎng)絡(luò)WIFI局域網(wǎng)，通信丟包率較低，因此通信過(guò)程中的溝通和定位服務(wù)系統(tǒng)進(jìn)行互動(dòng)，定位階段只是一個(gè)正常的來(lái)往信函，因此運(yùn)輸系統(tǒng)的UDP協(xié)議傳輸層等無(wú)連接模式，考慮到概率包少，增加重傳機(jī)制，如果1s沒(méi)有收到轉(zhuǎn)發(fā)最后一條消息請(qǐng)求的響應(yīng)，則重新發(fā)送定位的信號(hào)。本節(jié)詳細(xì)描述終端系統(tǒng)和服務(wù)器系統(tǒng)之間的通信協(xié)議格式應(yīng)用層的通信協(xié)議采用擴(kuò)展方便的TLV協(xié)議格式。其中，Type域是signedshort類(lèi)型，長(zhǎng)度為2個(gè)字節(jié)；Length域是unsignedint類(lèi)型，長(zhǎng)度為4個(gè)字節(jié)；Value域是可變長(zhǎng)度，其中存儲(chǔ)應(yīng)用層載荷數(shù)據(jù)。以下為通信功能中的幾種典型應(yīng)用分析數(shù)據(jù)包的類(lèi)型，包括：定位請(qǐng)求、位置響應(yīng)和RSSI指紋更新。定位請(qǐng)求的數(shù)據(jù)定義如表4.4和表4.5。表4.4定位請(qǐng)求格式TypeLengthValuePOS_REQ（0x0001）載荷數(shù)據(jù)長(zhǎng)度+6載荷數(shù)據(jù)表4.5定位請(qǐng)求載荷數(shù)據(jù)格式長(zhǎng)度2Byte6Byte2Byte2Byte6Byte值A(chǔ)P個(gè)數(shù)MAC1RSSI1MACnRSSIn位置響應(yīng)的數(shù)據(jù)定義如表4.6和表4.7。表4.6位置響應(yīng)格式TypeLengthValuePOS_REP（0x0002）載荷數(shù)據(jù)長(zhǎng)度+6載荷數(shù)據(jù)表4.7位置響應(yīng)載荷數(shù)據(jù)格式長(zhǎng)度2Byte2ByteKbyte值axis_xaxis_y環(huán)境信息RSSI指紋更新的數(shù)據(jù)定義如表4.8和表4.9。表4.8RSSI指紋更新格式TypeLengthValueRSSI_UPD（0x0003）載荷數(shù)據(jù)長(zhǎng)度+6載荷數(shù)據(jù)表4.9定位請(qǐng)求載荷數(shù)據(jù)格式長(zhǎng)度2Byte2Byte2Byte6Byte2Byte值axis_xaxis_yAP個(gè)數(shù)MAC1RSSI14.4終端系統(tǒng)終端系統(tǒng)的功能結(jié)構(gòu)主要包括RSSI測(cè)量模塊、UI界面及終端通信模塊三個(gè)子模塊，終端系統(tǒng)的邏輯關(guān)系如圖4.6所示，箭頭方向代表數(shù)據(jù)流向。圖4.6終端系統(tǒng)邏輯圖終端運(yùn)行在平板上，使用安卓操作系統(tǒng)現(xiàn)在，與安卓相關(guān)的電腦應(yīng)用數(shù)量正快速增加，因?yàn)榘沧渴謾C(jī)終端又小又便捷，所以用戶(hù)實(shí)時(shí)跟蹤比筆記本電腦更準(zhǔn)確。安卓提供規(guī)模大、方便使用的安卓及操作方法，這將有助于開(kāi)發(fā)者提高軟件開(kāi)發(fā)效率、縮短方案開(kāi)發(fā)周期。因此，開(kāi)發(fā)者可以投入更多的時(shí)間在行動(dòng)邏輯上。當(dāng)它這樣使用安卓操作系統(tǒng)來(lái)設(shè)計(jì)操作系統(tǒng)的時(shí)候，它負(fù)責(zé)終端訪問(wèn)，并提高定位系統(tǒng)的實(shí)用性。4.4.1RSSI測(cè)量模塊RSSI測(cè)量模塊的功能是測(cè)量終端可以掃描的所有AP的RSSI值。RSSI測(cè)量模塊的工作流程如圖4.7所示。谷歌發(fā)布、應(yīng)用軟件開(kāi)發(fā)基于Android操作系統(tǒng)是開(kāi)源的SDK工具包，含有豐富的WIFIManager類(lèi)庫(kù)，不僅可以使程序應(yīng)該方便實(shí)現(xiàn)WIFI連接，這封裝好無(wú)線網(wǎng)絡(luò)掃描功能可以很容易地掃描設(shè)備美聯(lián)社的通信范圍內(nèi)，同時(shí)顯示接入點(diǎn)的名稱(chēng)，MAC地址，IP和RSSI的量化處理。WIFIManager為底層硬件驅(qū)動(dòng)程序提供了一個(gè)抽象接口，使上層應(yīng)用軟件不需要知道底層硬件的具體實(shí)現(xiàn)，直接從驅(qū)動(dòng)程序更新的參數(shù)數(shù)據(jù)中獲取每個(gè)AP的RSSI信息。這個(gè)程序中使用了這個(gè)類(lèi)的兩個(gè)主要方法:startScan和getScanResults。圖4.7RSSI測(cè)量模塊流程圖4.4.2UI界面UI界面的主要功能是顯示映射信息并與用戶(hù)交互，如圖4.8所示。主題界面被占地區(qū)所在的定位系統(tǒng)，與各有關(guān)實(shí)驗(yàn)室的二維坐標(biāo)120B左下作為參考點(diǎn)（0，0）起點(diǎn)坐標(biāo)，X軸為橫向、縱向方向，Y軸和X軸坐標(biāo)為厘米。由于平板電腦有觸摸屏，可以直接觸摸用戶(hù)的位置，離線階段的相對(duì)坐標(biāo)由程序計(jì)算，便于在訓(xùn)練階段使用。由于位置指紋數(shù)據(jù)的準(zhǔn)確性，在培訓(xùn)階段會(huì)有較大影響，定位系統(tǒng)定位精度的一個(gè)有關(guān)地方坐標(biāo)系與左下角的每個(gè)房間作為參考點(diǎn)。在培訓(xùn)過(guò)程中，使用激光遙測(cè)儀測(cè)量局部相對(duì)坐標(biāo)，并在文本框中進(jìn)行中繼，程序計(jì)算全局相對(duì)坐標(biāo)。位置坐標(biāo)顯示在UI界面的左上角，第一個(gè)是內(nèi)部的局部相對(duì)坐標(biāo)，第二個(gè)是全局相對(duì)坐標(biāo)。如圖4.8所示，實(shí)驗(yàn)室中紅點(diǎn)的位置是用戶(hù)的位置，具有局部（200cm，300cm）和全局（1201cm，1392cm）的相對(duì)坐標(biāo)。定位階段使用的接口與培訓(xùn)階段使用的接口類(lèi)似，只是位置坐標(biāo)是從定位服務(wù)器的返回中獲得的，因此本節(jié)不再專(zhuān)門(mén)討論描述。圖4.8UI界面4.4.3終端通信程序終端通信模塊的主要功能是接收和發(fā)送通信數(shù)據(jù)，終端通信程序由RSSI測(cè)量模塊觸發(fā)。終端通信模塊的工作原理圖如圖4.9所示，具體的通信協(xié)議如上所述。圖4.9終端系統(tǒng)通信流程圖4.5性能評(píng)估在本節(jié)中，定位系統(tǒng)的性能將執(zhí)行本文件中收集數(shù)據(jù)的核實(shí)WIFI無(wú)線網(wǎng)絡(luò)，在一個(gè)真實(shí)的環(huán)境，并且定位精度和性能的定位方法，本工作文件中提議將聯(lián)合核查與定位系統(tǒng)相比，基于概率匹配算法的核心。定位性能測(cè)試的持續(xù)時(shí)間為培訓(xùn)階段后一周，但在相同的無(wú)線WIFI網(wǎng)絡(luò)環(huán)境下。圖4.10定位誤差的累積分布函數(shù)對(duì)于定位方法，即兩個(gè)組合基本定位和定位，在X軸的距離是相對(duì)于Y和X軸是定位誤差概率對(duì)應(yīng)的定位誤差。圖4.10誤差累積分布函數(shù)如表4.10所示，表的前兩個(gè)元素表示定位精度，被測(cè)點(diǎn)落在規(guī)定誤差范圍內(nèi)的概率分別為80%和90%。分析結(jié)果顯示的位置定位的定位誤差較大的基類(lèi)型均位于大多數(shù)實(shí)驗(yàn)地點(diǎn)的邊緣地區(qū)，由于點(diǎn)數(shù)系統(tǒng)實(shí)施邊緣區(qū)可預(yù)期的更低，中部地區(qū)。因此，更有可能證明公共定位算法可以提高系統(tǒng)的魯棒性，減少定位系統(tǒng)對(duì)系統(tǒng)配置中AP覆蓋和分布問(wèn)題的要求。表4.10基本型和聯(lián)合定位的定位精度比較指標(biāo)基本型（m）聯(lián)合定位（m）定位改進(jìn)80%43.512.5%90%6433.3%ARMSE3.452.7121.4%MaxError7.124.8731.6%用于定位系統(tǒng)的服務(wù)器處理器為IntelCore（TM）2DuoE7500，頻率為2.93GHz。內(nèi)部WIFI定位系統(tǒng)是專(zhuān)門(mén)設(shè)計(jì)和開(kāi)發(fā)的。這個(gè)定位系統(tǒng)在國(guó)內(nèi)首先被要求詳細(xì)描述和分析各子模塊組件，然后定位系統(tǒng)的研究和實(shí)施細(xì)節(jié)，最后是有計(jì)劃和定位系統(tǒng)的性能評(píng)價(jià)試驗(yàn)，應(yīng)實(shí)施。試驗(yàn)結(jié)果表明，該系統(tǒng)可以執(zhí)行的定位，這表明wi-fi室內(nèi)定位系統(tǒng)的合理性和實(shí)用性的設(shè)計(jì)方法，并聯(lián)合定位，本文中提出的定位誤差，提高了中小21.4%和定位誤差最大的31.6%的。5總結(jié)隨著無(wú)線通信技術(shù)的快速發(fā)展，無(wú)線WIFI網(wǎng)絡(luò)的覆蓋范圍越來(lái)越廣，無(wú)論是在家庭、學(xué)校、辦公樓、購(gòu)物中心、機(jī)場(chǎng)還是公共交通。與此同時(shí)，基于位置的服務(wù)受到了越來(lái)越多的關(guān)注，無(wú)線定位技術(shù)也經(jīng)歷了一波新的研發(fā)浪潮?；谖恢弥讣y的內(nèi)部WIFI定位技術(shù)由于其實(shí)現(xiàn)簡(jiǎn)單、成本低、定位精度高、魯棒性好、可擴(kuò)展性強(qiáng)等優(yōu)點(diǎn)，已成為研究的重要課題。本文研究了基于無(wú)線WIFI網(wǎng)絡(luò)和本地指紋的定位技術(shù)。系統(tǒng)地解釋了這些室內(nèi)定位技術(shù)的特點(diǎn)、研究的影響和發(fā)展現(xiàn)狀。最后，設(shè)計(jì)并開(kāi)發(fā)了一種基于局部指紋的WIFI內(nèi)部定位系統(tǒng)原型，以供實(shí)際應(yīng)用。本文分析射頻信號(hào)傳播特