《基于神經網(wǎng)絡的RSSI測距技術設計（論文）》

基于神經網(wǎng)絡的RSSI測距技術設計目錄TOC\o"1-3"\h\u220901緒論 II1緒論在近年來，隨著網(wǎng)絡的無線通信技術的發(fā)展和普及，新業(yè)務的需求增多，且陸地來源的污染來源的基于位置服務的生產生活中起到重要作用，如何確定用戶的位置是無線網(wǎng)絡應用程序首要問題，因此，定位技術是計算和考慮基于位置的服務的核心問題。根據(jù)上下文和應用場景，定位技術可以分為內部定位技術和外部定位技術。外部定位系統(tǒng)主要是蜂窩定位和GPS。蜂窩無線定位，即手機的定位，是基于蜂窩網(wǎng)絡基站的定位精度取決于在內的移動基站分布和基站的信號覆蓋范圍的基礎。1996年，美國聯(lián)邦通信委員會通過了E-911(Emergencycall“9·11”)，后者要求供應商向其用戶提供移動通信服務，對外定位精度小于1.25m，2001年以后，美國的FCC方面實行了更嚴格的要求，精準定位和三維空間?；谝苿臃涓C網(wǎng)絡的定位技術在政府要求和市場利益的推動下得到了廣泛應用。到目前為止，美國的GPS系統(tǒng)是世界上使用最廣泛、用戶最多的定位系統(tǒng)。GPS系統(tǒng)由24顆衛(wèi)星組成，地面接收機可同時接收4顆以上衛(wèi)星在任何時間、任何地點發(fā)出的信號。電磁波傳播的距離要求并最終用戶的計算方法是:從衛(wèi)星，衛(wèi)星信號的到達時間和最終用戶的特定位置定位方法的計算方法是用三種語言，民用定位精度小于或等于1500萬。與此同時，其他國家發(fā)展了與定位系統(tǒng)的自主知識產權，特別是與中國的北斗衛(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)出的電磁信號太弱，例如，建筑物阻礙了衛(wèi)星信號的傳播，造成了所謂的“城市峽谷”效應，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部環(huán)境中。隨著GPS技術的發(fā)展，北斗導航技術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，如GPS、北斗等隨著WIFI技術發(fā)展越來越多的人開始使用WIFI技術的室內外定位地成為熱點研究，目前基于WIFI室內定位應用也越來越廣泛。首先，在更復雜的情況下，當GPS、北斗等國內導航技術經常使搜索內部空間變得困難時;其次，主要技術之所以內部WIFI定位成了目前盛行，在于容易實現(xiàn)WIFI，不需要增加額外的設備，擁有優(yōu)勢低成本，因為數(shù)量為WIFI熱點室內增加，導致大幅降低成本內部配置WIFI設備。1.1研究背景及意義隨著室內空間越來越復雜，傳統(tǒng)的文字箭頭等標識越來越難解決室內導航問題。今后人們在室內活動的時間越來越多的問題將更為突出。隨著定位技術的發(fā)展，定位技術的相關應用在日常生活中越來越普遍，定位服務(locationbasedserviceLBS)也越來越多。目前，GPS，北斗等室外定位技術非常成熟，GPS，北斗等以技術為基礎的室外定位軟件越來越多，大大方便了我們的室外定位導航和出行。隨著wifi等無線局域網(wǎng)技術的發(fā)展，利用wifi確定室內定位的技術得到越來越廣泛的應用。從成本上看，利用目前普及的WIFI室內定位設備配置設備簡單，成本低。從技術上看，日益成熟的WIFI定位技術越來越容易實現(xiàn)[1]。室內定位具有良好的應用前景和廣闊的應用前景。例如，在室內定位和導航方面，機場室內導航服務可以快速幫助客戶查找機場值機登機口、衛(wèi)生間、服務區(qū)等信息。地下車庫室內導航服務，可以快速找到自己的車；醫(yī)院導航服務幫助患者快速到相應科室就醫(yī)，幫助患者家屬快速找到患者。醫(yī)院的導航系統(tǒng)會根據(jù)位置將患者引導到相應的科室。使用在線支付系統(tǒng)，避免排隊的麻煩。在室內安全方面，消防隊員配備定位器，當其他消防隊員較弱或需要支援時，定位器可以向其他消防隊員發(fā)送位置信息，方便救援可視化。在公共場所發(fā)生恐怖襲擊或突發(fā)災難時，公共場所后臺指揮需要與現(xiàn)場人員配合。利用室內定位技術，使后臺指揮能夠實時了解現(xiàn)場人員的動向，使現(xiàn)場人員能夠更好地了解現(xiàn)場情況，及時有效地對現(xiàn)場情況做出反應。在緊急情況下，如果救援人員能夠準確定位呼救人的準確位置，將會給室內救援帶來極大的便利，提高救援人員逃生的概率。另外，倉儲材料定位、營銷信息推廣等都離不開室內定位服務。因此，室內定位研究非常有價值[2]。無線室內定位技術相對成熟，理論是相對簡單的，越來越多的人研究基于RSSI（接收信號強度指示，接收到的信號強度指示器）無線室內定位，定位原理相對簡單，主要使用接收到的RSSI值通過特定的信號傳播模型來估計距離固定節(jié)點，和分析的具體位置?；赗SSI的室內WIFI定位算法存在一定的缺陷。WIFI信號在傳輸過程中容易受到環(huán)境因素的影響，導致多徑效應。因此，采集到的指紋特征RSSI波動較大，干擾較大，影響了測距精度。在實際應用環(huán)境中，環(huán)境的信號接收干擾很大，傳統(tǒng)的無線室內定位可憐的指紋算法的定位精度，本文利用BP神經網(wǎng)絡原理結合指紋算法實現(xiàn)室內定位，設計室內定位基于BP神經網(wǎng)絡的指紋算法，提高室內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室內定位算法更有效[3]。1.2國內外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀在國外，我們可以查閱資料，發(fā)現(xiàn)一些人已經對室內WIFI定位技術進行了很長時間的研究。例如，1993年，HashemiH提出了室內無線電波信號傳播的路徑衰減模型，為基于測距的定位研究奠定了理論基礎。同時，基于位置指紋的定位技術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，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，該方法實際上是基于概率定位的。采用直方圖法和核函數(shù)法對RSSI樣本進行擬合，并根據(jù)貝葉斯推理的思想對用戶的位置進行預測[5]。2004年，YoussefM等人還提出了一種名為HORUS的定位系統(tǒng)。通過對離線階段的高斯分布RSSI樣本數(shù)據(jù)建模，存儲了RSSI樣本數(shù)據(jù)的均值和方差。在實時在線定位階段，計算每個參考點出現(xiàn)的概率，找到一個或多個概率最大的位置，取其平均值作為位置坐標。該方法優(yōu)于T.Roos中提出的方法。因為計算更簡單，存儲空間更小。然而，建立位置指紋庫存在著很大的人力和物力消耗問題，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網(wǎng)絡的室內定位方法，具有良好的定位精度和實時在線定位效果。但單層神經網(wǎng)絡結構擬合能力有限，特征提取能力不夠強。但是在實際的定位環(huán)境中，由于受到障礙物的影響，接收到的信號強度會上下波動，使得單層網(wǎng)絡學習能力受到限制，導致定位效果不佳。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)部署和維護的工作量[7]。2010年，由于神經網(wǎng)絡定位的訓練時間較長，Arell.等人提出利用深度信念網(wǎng)絡來加快神經網(wǎng)絡的訓練速度。由于BM具有很強的無監(jiān)督學習能力，可以利用這些特性建立更好的模型，很好地解決了這個問題。然而，要在大范圍內實現(xiàn)準確的定位是有點困難的[4]。2011年，J。Ledlie提出摩爾系統(tǒng)，這個系統(tǒng)允許范圍廣泛的區(qū)域定位已經意識到，因為它使用眾包模式獲得的數(shù)據(jù)點，其他摩爾秀是一個映射到用戶，用戶到達現(xiàn)場，對RSSI綁定點擊地圖，然后建立指紋數(shù)據(jù)庫，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定位方法使用壓縮感知（壓縮傳感、CS），完整的跟蹤和導航的原理，該方法建立在離線階段位置指紋庫，使用聚類方法計算參考點RSS數(shù)據(jù)各種類的代表；在實時在線定位階段，首先是粗定位，然后是精定位，其中通過CS理論得到位置坐標估計[8]。2014年，MajaStella等人提出了一種基于WLAN和全球移動通信系統(tǒng)的室內定位方法。該方法利用RBF神經網(wǎng)絡實現(xiàn)，很好地克服了基于BP神經網(wǎng)絡的定位方法訓練時間過長、易陷入局部極小等問題[9]。2016年，Zhangw等人提出了一種用于室內WIFI定位的深度神經網(wǎng)絡。該方法可以學習到更可靠的定位特征，從而減少信號波動對定位結果的干擾[10]。1.2.2國內研究現(xiàn)狀與國外研究相比，國內對WIFI室內定位技術的研究起步較晚，但經過不懈的努力，近年來取得了許多突破性的研究成果。目前，國內許多高校和研究機構在WIFI室內定位領域投入了大量的時間、精力和資源，發(fā)現(xiàn)WIFI室內定位具有很大的應用潛力。2007年，張明華，張申生等提出在無線局域網(wǎng)中，室內定位應根據(jù)WIFI接收信號的強度來進行，這主要是根據(jù)接收信號的強度隨距離變化的規(guī)律來進行的。同時指出了研究的難點和不足之處[10]。2009年，李文杰，李文明提出基于k最近鄰室內定位的設計方法，并給出了詳細的實驗模擬，其原理是由k近鄰方法找出特定的指紋樣本參考點k附近的鄰居，在計算距離時，通常使用歐氏距離的方法來計算，距離越小，越成功匹配，范圍從小型到大型，分別選擇k個節(jié)點，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濾無線定位方法的研究，開始的方法是找到移動設備RSSI高斯濾波，然后基于質心算法，大致三角形計算被測試的坐標位置，然后再粗糙的協(xié)調與貝葉斯過濾處理，獲得精確的測試點的坐標[12]。2015年，陳嬌進行研究基于RSSI測距無線室內定位技術，它主要是分為三個階段:首先，RSSI值獲得的位置參考點是預處理，然后根據(jù)信號傳播距離的估計模型，最后得到的坐標位置點。為了減小RSSI的波動，采用了多種不同的方法來處理RSSI。利用EM期望最大化算法，尋找最適合環(huán)境的定位模型。對模型中的參數(shù)進行實時估計，最終實現(xiàn)距離估計[13]。2016年劉志鵬，袁敏進行了最小范圍無線室內定位技術研究，提出了一種手持設備方向角和接入點數(shù)量這兩個特性加入位置指紋，豐富了離線數(shù)據(jù)庫的位置特征，通過實驗使用改進的位置指紋定位可以提高定位系統(tǒng)的定位精度[14]。近年來隨著研究者對機器學習和深度學習的深入研究，神經網(wǎng)絡和深度學習在室內定位領域也有了一些研究成果。事實上，2007年，李瑛等人提出了一種基于神經網(wǎng)絡的定位算法，只是在MATLAB工具箱提供了用于構建BP神經網(wǎng)絡用于無線室內定位，這種方法不需要知道無線路由器的位置，實際位置試驗，找到了定位精度不高，訓練時間長等問題，經過一些研究在基于BP神經網(wǎng)絡的位置，但是訓練時間長，定位精度不高[15]。2016年，龔洋等人發(fā)表了一種基于RBF神經網(wǎng)絡的定位算法，減少了傳統(tǒng)定位算法中參數(shù)和路徑損耗因子對測距和定位的干擾，并通過實驗進行了驗證。結果表明，與BP神經網(wǎng)絡相比，RBF神經網(wǎng)絡的學習收斂速度大大提高，最終定位結果的精度也大大提高。存在2016年，南京大學的覃玉清發(fā)表的無線定位算法基于深度學習的研究，從最基本的神經網(wǎng)絡在理論研究的深度信念網(wǎng)絡，其目的是想通過大量數(shù)據(jù)的火災近年來提高無線定位精度，本研究還對無線定位技術的研究提供了一個新的方向[16]。2017年，李慧杰提出神經網(wǎng)絡WIFI定位算法基于神經網(wǎng)絡的無線定位算法，并計算重量根據(jù)每個AP信號的穩(wěn)定性，使穩(wěn)定信號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]。在國內外大量研究的基礎上，許多中國研究者提出了一種基于WIFI的室內定位研究，并取得了一些突破。綜上所述，雖然中國在這一領域的研究起步較晚，但從上述例子可以看出，中國在這一領域的研究正在不斷進步，相信用不了多久就可以達到一些發(fā)達國家的研究水平。1.3本文主要研究內容本文分析射頻信號傳播特性內大廳內部定位的角度位置，利用指紋數(shù)據(jù)抽樣所得的RSSIWIFI環(huán)境中真實和影響進行分析，系統(tǒng)的定位誤差，以便提供一個可靠的理論基礎和指導實施定位系統(tǒng)。為了解決RSSI量化差異導致終端定位誤差的問題，提出了一種基于BP神經網(wǎng)絡的校準方法，使定位系統(tǒng)能夠同時支持不同類型的終端。這項研究基于迭代的設計定位，利用現(xiàn)有的非定位系統(tǒng)獲取點定位的環(huán)境中共同輔助定位，從而進一步改善系統(tǒng)的定位精度和強度降低原籍國和定位要求。結合論文的理論分析和提出的改進方案，設計并實現(xiàn)了一種基于局部指紋的WIFI內部定位系統(tǒng)設計與實現(xiàn)。第一章:緒論。介紹了內部定位系統(tǒng)研究的背景、意義、國內外研究現(xiàn)狀和主要研究內容。第二章:相關技術與基本原理。指紋算法和模型，為室內定位信號傳播呈現(xiàn)，特別是對于定位算法的基本模型，對于典型傳播模型算法，基于位置和室內信號傳播模型，以及相關工作方法和基本原則、傳播模型的定位算法。第三章:影響WIFI內部定位的主要因素。結合在真實環(huán)境中獲得的RSSI數(shù)據(jù)，對與內部位置相關的信號傳播特性進行了測試和解釋。最后，闡述了異構終端對定位系統(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方法進行聯(lián)合定位方法，對該方法確定的問題進行了分析，并提出了相應的解決方案。第五章:室內定位系統(tǒng)設計與實現(xiàn)。結合相關研究工作，設計了一種基于BP神經網(wǎng)絡的WIFI室內定位系統(tǒng)設計與實現(xiàn)。對上述聯(lián)合定位算法的定位性能進行了分析。第六章:總結。本文總結了本文所做的工作，并展望了未來的發(fā)展方向。2相關技術室內定位是指在復雜的室內環(huán)境中進行定位，使人能夠很好地控制自己的位置。掌握室內定位的相關技術和理論將有助于本文的下一階段。如果有很多的室內定位技術，定位精度和成本，但對很多定位技術都存在定位不精確的問題，BP神經網(wǎng)絡研究的條件來定位策略基于BP神經網(wǎng)絡算法的策略，室內定位主要針對BP神經網(wǎng)絡算法相結合的室內定位。本章將分析和總結相關技術及其原理，包括、室內定位、指紋算法、BP神經網(wǎng)絡等。2.1室內定位指紋算法有許多室內定位算法，如接近法、指紋法、視覺分析等。本文側重于室內定位獲取指紋算法的具體用語，誰都不能代替具體表征，一個算法獲取指紋算法，只要我們的手指指紋不是先驗的手指，但某一立場無關。室內定位獲取指紋算法利用地位有關的指紋特征來推測位置信息，接收信號，該信號衰落下去的力量，在其傳播價值信號的力量較弱，隨著距離的測量和最大隨著距離的測量；此屬性應使用用于估計位置；地球磁場強度的信息，其值隨地球表面的變化而變化，其性質可用于定位；關于指紋還有很多其他的信息。指紋信息的知識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應。換句話說，如果信號強度或其他指紋信息（如在每個位置收集的圖像）是唯一和恒定的，那么對信號強度或圖像信息的某一值的了解就可以確定位置。指紋識別和定位方法通常包括:指紋識別信息被收集到一個陌生的地方和實測數(shù)據(jù)相比，預錄數(shù)據(jù)在數(shù)據(jù)庫中的指紋數(shù)據(jù)本地化和局部最相似的結果被選中。指紋識別方法主要是通過尋找合適的指紋特征和建立一個本地化的指紋數(shù)據(jù)庫來實現(xiàn)的。指紋識別的方法使定位精度較高，但建立本土化的指紋數(shù)據(jù)庫是很大的工作量，其實施的地區(qū)環(huán)境變化明顯不符，并應定期更新數(shù)據(jù)庫或不規(guī)則2.1.1室內定位指紋算法室內定位算法最常用的是，特征指紋算法的室內定位是信息信號的武力，或RSSI推算定位在節(jié)點之間的距離，使用無線信號的傳播模式來推斷在接收點的信號的強度取決于運河的衰減程度。RSSI的定位方法簡單易懂，不需要額外的設備來操作現(xiàn)有的家庭WIFI設備，成本更低。缺點是無線電信號在房間內傳播過程中受到散射、衍射和多徑干擾等因素的影響，導致信號強度出現(xiàn)較大波動。為什么選擇WIFI內定位是通過比較WIFI內定位技術和其他一些相對成熟的WIFI內定位技術來說明的表2.1定位技術對比定位技術精度定位方法優(yōu)點缺點紅外米級鄰近法技術相對成熟設備成本低、精度高不能穿透障礙物，造價高、功耗大，抗干擾性差，受燈光干擾超聲波厘米級三邊定位精度高、結構簡單技術成熟存在多徑效應，衰減明細，存在溫漂效應，造價高WIFI米級場景分析鄰近法三邊定位設備部署簡單成本低、精度高指紋采集工作量大，算法需改進，需校準，受其它信號干擾，功耗高RFID厘米級鄰近法精度高、標識體積小設備造價相對便宜通信能力過低，信號覆蓋距離短UWB厘米級三遍定位穿透力強、精度高功耗低造價高ZigBee米級鄰近法功耗低、成本低穩(wěn)定性低，受環(huán)境干擾藍牙米級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遠距離RSSI，TOATDOA定位算法最低成本、易于擴展節(jié)點電池壽命長測量精度較低對不同定位技術的優(yōu)缺點進行了分析，發(fā)現(xiàn)只有WIFI內部定位才能以較低的成本滿足內部定位的需求，而其他定位要么難以實現(xiàn)，要么成本過高。例如:紅外、超聲波、RFID、UWB、藍牙，成本高于WIFI定位技術，在現(xiàn)實生活中，由于成本過高，難以實現(xiàn)大規(guī)模使用；ZigBee定位技術的結果都不如WIFI定位技術準確。結合上述分析，本文選擇研究WIFI的內部定位2.1.2信號傳播模型WIFI指紋算法在室內WIFI使用RSSI指紋的特征進行室內空間定位，推斷節(jié)點之間的距離，使用無線信號的傳播模式，來匯總給接收點的信號強度的衰減程度。并進行距離測算。因此，在研究在WIFI室內中定位信號的指紋算法之前，有必要了解信號在室內環(huán)境中的傳播模型。本文研究主要研究距離路徑損耗模型。對數(shù)距離路徑損耗是基于數(shù)學和統(tǒng)計學的數(shù)據(jù)模型測算總結的過程，同時考慮到在一個真實的環(huán)境，在一個復雜的環(huán)境的室內干擾信號的傳播上的多徑傳播的屏障，導致信號強度不同。這些不同環(huán)境的不同信號傳播的影響，并經過大量實驗，發(fā)現(xiàn)距離之間存在非線性關系的蔓延，并在途中損失模型的公式，在途中丟失由于對數(shù)方程給出的（2.1）。（2.1）式（2.1）中，d表示信號接收端距發(fā)射端的長度，表示距發(fā)射端d處的信號強度；是參考距離，一般為1m，表示距發(fā)射端處的信號強度；n是路徑損耗因子，也稱為信道衰減參數(shù)，表示信號損耗隨距離增加而增加的程度，n的值與環(huán)境有關；是遮蔽因子，單位是dB，其均值是0，均方差是的正態(tài)隨機變量。RSSI測距信號傳播模型常常被簡化為式（2.2），如下式所示。（2.2）（2.3）（2.4）式中，A為1m時所測得的RSSI值，單位為dBm。WIFI室內定位指紋算法上的RSSI、距離之間的關系，運用公式分析WIFI信號的長度之間的關系，主要通過數(shù)理統(tǒng)計分析、室內環(huán)境的特性總結的許多研究和實驗數(shù)據(jù)表明，室內傳播模型與數(shù)距離路徑損耗模型相互對應?？紤]到環(huán)境、成本、定位精度要求等因素，分析得出只有對數(shù)距離路徑損耗模型最為合適。2.2BP神經網(wǎng)絡BP（反向傳播）神經網(wǎng)絡是具有多個感知層次的前饋神經網(wǎng)絡。所謂的反向傳播實際上是信息的前饋過程。BP神經網(wǎng)絡的結構依賴于并行網(wǎng)絡，使其能夠并行處理信息；這一特性使我們能夠同時處理信號的前向傳播和錯誤的后向傳播。此外，BP神經網(wǎng)絡具有自適應學習能力、非線性映射能力、良好的容錯能力和魯棒性。應用也非常廣泛，是目前使用最廣泛的神經網(wǎng)絡。BP神經網(wǎng)絡用于信號處理、分類應用、功能近似和形式識別等領域。為了理解BP神經網(wǎng)絡的工作原理，必須先了解清楚人工神經網(wǎng)絡的運行，其中主要模擬人腦神經元的功能，構筑一種模型來處理信息，如圖2.1所示。圖2.1人工神經網(wǎng)絡模型在圖2.1里面，神經元的輸入信號為兩個神經元間的連接權值，又名連接權系數(shù)，是個函數(shù)，稱為激活函數(shù)或轉移函數(shù)；表示第i個神經元輸出；則神經元i的輸出與輸入的關系表達式如式（2.5）所示。（2.5）式（2.5）中激活函數(shù)里面的稱為凈激活（netactivation），用表示，表達式如式（2.6）所示。（2.6）凈激活值net可以是正的，也可以是負的。人類神經元有兩種狀態(tài):一種是興奮狀態(tài)，另一種是抑制狀態(tài)，當凈激活net為正時，神經元處于興奮狀態(tài)；當凈激活net為負時，神經元被抑制2.2.1BP神經網(wǎng)絡的原理BP算法（反向誤差傳播算法）是人工神經網(wǎng)（ANN）中使用最廣泛的監(jiān)督學習算法。輸入信號由輸入層、隱含層和輸出層的神經元傳輸，信號單向傳輸；輸入層神經元的狀態(tài)會影響隱式層神經元的狀態(tài)，而隱含層神經元的狀態(tài)只會影響輸出層神經元的狀態(tài)。輸出結果后的輸出信號的傳輸層是否達到預期結果并非錯誤，事后回想起來，且重量和BP神經網(wǎng)絡的門檻是為了減少誤差，然后再調整給定訓練是為了看到結果。BP神經網(wǎng)絡由三部分組成:輸入層、隱含層和輸出層。BP神經網(wǎng)絡的每一層都包含一定數(shù)量的神經元。對于三層BP網(wǎng)絡結構。BP神經網(wǎng)絡結構如圖2.2所示。圖2.2三層BP神經網(wǎng)絡結構圖2.2.2BP神經網(wǎng)絡MATLAB實現(xiàn)通過引入BP神經網(wǎng)絡的原理，對算法進行編碼，便于分析算法的優(yōu)缺點。本文的仿真主要是在MATLABr2014a軟件上進行的。在MATLAB編程過程中，可以調用內部神經網(wǎng)絡工具箱。列車函數(shù)用于形成newff函數(shù)創(chuàng)建的BP神經網(wǎng)絡；模擬功能模擬BP神經網(wǎng)絡，完成神經網(wǎng)絡的創(chuàng)建、訓練和模擬的整個過程。圖2.3BP神經網(wǎng)絡實現(xiàn)流程圖3RSSI信號采樣算法研究室內定位位置指紋算法基于WIFI實現(xiàn)是通過WIFI信號的RSSI之間的關聯(lián)關系和空間的坐標，所以質量中捕獲的信號的RSSI定位影響定位精度。在內部定位中，RSSI不僅受到定位環(huán)境的影響，還與許多因素有關，如用于定位、定位等的ap數(shù)量。在離線指紋數(shù)據(jù)庫構建階段收集的噪聲RSSI數(shù)據(jù)直接存儲在指紋數(shù)據(jù)庫中，會影響內部定位的準確性。如何有效地降低RSSI噪聲是提高內部定位精度的一個難點。本章首先分析影響RSSI的因素，然后提出現(xiàn)有問題的解決方案。3.1影響RSSI因素分析3.1.1軟件環(huán)境在研究無線射頻信號的空間傳播特性之前，首先是使用終端在給定位置實時測量RSSI。本節(jié)描述在后續(xù)實驗中使用的WIFI網(wǎng)絡的實驗環(huán)境，以及無線無線電信號的測量方法和其他相關信息。由此可見，無線局域網(wǎng)（WIFI）終端通過與接入點的通信連接與信息進行交互。在某一特定時刻，如果沒有指定接入點的SSID，無線網(wǎng)絡卡應以最近接入點的信號強度為標準，選擇信號強度最高的接入點，建立連接請求。定位系統(tǒng)要求終端檢測感知區(qū)域內所有接入點到接入點的信號強度。在IEEE802.11協(xié)議中，終端可以通過兩種方式訪問每個AP的RSSI信息:被動掃描模式和主動掃描模式。被動掃描方式的優(yōu)點是減少電力消耗，但由于各接入點的接入點，以不送的，可以解決一部分肯和終端，可能無法獲得信息的RSSI對于所有接入點的接入點，有人主動選擇使用掃描方式實現(xiàn)功能的RSSI的收購。在圖3-1所示的主動掃描過程中，終端被掃描。對于所有802.11通道，終端將在每個通道中發(fā)送一個探針請求幀。一旦AP收到這個傳播幀，將按適當?shù)臅r間順序發(fā)送一個探針響應幀。響應終端接收幀之后探測器發(fā)回的AP上工作的各個渠道，主動掃描程序已經結束，并得到一個終端在內的所有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)議中的主動掃描過程目前，雖然有各種各樣的internet嗅探工具，可以從本地WIFI網(wǎng)絡上的不同接入點（如NetStumbler）收集RSSI，但該工具僅適用于windows平臺，沒有開放源碼。為了提高培訓階段的效率，更好地滿足系統(tǒng)定位的實際需要，使用了Pad作為終端，這是一種更輕、更薄的平板電腦，開發(fā)了RSSI采購程序。3.1.2測試場景本文實驗地點為教學樓B座，實驗室走廊B120~B127和圖3.2中虛線區(qū)域組成的環(huán)繞，總面積17m*34m，WIFI已覆蓋整個區(qū)域的無線局域網(wǎng)接入其中五個AP系統(tǒng)的定位AP1部署至1.25m（10m，5m）實驗室，AP2部署實驗室127的（10m，5m），AP3部署實驗室125（3.5m，600m），AP4部署在實驗室122B（1m，6m）位置，AP5部署在120B（3m，6m）位置，另外8個無線接入點可以在實驗區(qū)搜索。本系統(tǒng)訓練階段主要用來采集RSSI數(shù)據(jù)采集，建立數(shù)據(jù)庫位置指紋數(shù)據(jù)庫中，整個測試場地，采樣間隔1米，共271采樣數(shù)據(jù)的參考點，每個點的位置持續(xù)采集的若干位置指紋具體參數(shù)。圖3.2實驗場景圖3.2接收信號強度的特性室內環(huán)境較為復雜，外部環(huán)境:墻體的厚度，所用的材料提供的門和窗戶、家具和人員的流動可能有許多無線信號傳播的影響等多個渠道傳播效應的無線信號由于折射、衍射和傳播。因此，使用信號傳播模型來估計內部環(huán)境中的距離會產生較大的誤差，導致實際定位精度遠遠低于理論模型。而言影響多式聯(lián)運，大多數(shù)常規(guī)車型使用了一個大規(guī)模的衰退效應的組合和小規(guī)模衰退影響的數(shù)學模型，但這些模型通常用于分析能力和溝通來了解通信系統(tǒng)的覆蓋面。本節(jié)通過對實驗平臺信號強度數(shù)據(jù)的分析，從定位技術的角度闡述無線信號強度的相關特征。3.2.1RSSI與位置的關系指紋的定位方法，可用于是因為RSSI定位大致反映了用戶的位置信息，即終端和巴勒斯坦權力機構之間的距離和環(huán)境因素決定了所收到的RSSI值航站樓。物質與本節(jié)的數(shù)據(jù)采樣，鑒于RSSI的聯(lián)系是與用戶的位置位于走廊的一個實驗環(huán)境，每隔1m采樣進行右方向的直線，如圖3.3RSSI分別收受兩個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)點接收到的RSSI值越高圖3.3沿走廊行走時的RSSI情況3.2.2RSSI的概率分布在實踐中，由于多種直徑、衍射和障礙物等因素，很難對無線信號在空間內的傳播規(guī)律作出決定性的預測。衰落的無線電信號傳播無線射頻（rfid）表明，固定服務的模式，來自同一瞬間APRSSIRSSI值平均為中心，其服務范圍內平均RSSI接入點AP和兩者之間的干擾的小路，在波動的時期內環(huán)境擾動因素有關，如人事變動，電氣信號設備的運行在這些波動的大小上的標準差，在分布上的信號強度。在本文中，200多個采樣點的標準指紋直方圖都或多或少符合正態(tài)分布，實際測量值在一個穩(wěn)定值附近變化，這是一個依賴于均值的正態(tài)隨機變量。圖3.4RSSI概率分布直方圖如圖3.4所示，雖然信號強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、墻壁或室內環(huán)境、電氣設備和窗戶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70%，其中的諧振頻率2.4GHz，人體是無線電信號傳播的一個重要因素，因此無線射頻（RFID）。此外，由于工作人員的強度和流動性在不同時期有很大的不同，因此有必要選擇適當?shù)臅r間來收集線下培訓階段的指紋數(shù)據(jù)庫。3.2.3RSSI的收斂速度位置指紋是否能正確反映信號強度的真實情況，將對定位階段位置估計的可信度產生重要影響。為了建立一個局部指紋數(shù)據(jù)庫，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分布信息，必須在每個位置采集一定數(shù)量的RSSI瞬時樣本，以獲得該位置的RSSI概率分布。顯然，在同一參考點采集的RSSI樣本值越多，信號分布信息就越準確和詳細，但在系統(tǒng)形成階段的形成時間就越長。為了獲得可信的信號強度概率分布，必須在局部指紋的完整性和訓練時間的成本之間取得平衡。圖3.5RSSI平均值的變化趨勢為了研究信號強度平均值的趨同，我們采集了樣本數(shù)據(jù)連續(xù)5分鐘時，由于采樣點位于AP3為5米，兩座壁與AP4相距5米，位于AP2中的墻壁距離15米。計算了不同時間點信號強度的平均值，結果如圖3.5所示?？梢钥闯?，在經歷了一段時間的平均波動后，RSSI均值指數(shù)都趨于穩(wěn)定。平均信號強度已經穩(wěn)定在30秒，因此該系統(tǒng)在訓練階段的每個點的采樣時間為30秒，采樣頻率為1個樣本/秒。3.2.4不同AP的RSSI相關性關于WIFI室內定位系統(tǒng)測量通常需要至少三個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AP之間為同一頻段，甚至AP之間的這些信號的頻段不同頻率或頻率的干擾，從而影響定位精度，也是一個需要考慮的問題。相關系數(shù)是用來表征兩個變量的相關關系密切程度的統(tǒng)計分析指標，相關系數(shù)用r表示，其取值范圍是-1~+1。假設兩個序列變量為X，Y，相關系數(shù)的計算公式如式（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分別為相應變量的均值和標準偏差，n為樣本個數(shù)。在本文所述的無線局域網(wǎng)環(huán)境中，AP1和AP3同時使用無線電通道3和AP2使用無線電通道11，這表明即使在同一通道上運行的兩個接入點之間也沒有相互干擾。這是因為在IEEE802.11MAC層使用CSMA/CA連接模式的工作機制，為避免沖突，以致干擾接入點之間都不需要擔心定位系統(tǒng)的建立和信道干擾，不影響系統(tǒng)定位。3.3終端對定位算法的影響無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估計的；在位置指紋法中，接收功率以RSSI值量化，但信號功率以RSSI值量化的方式與接收終端硬件和軟件的計算方式有關。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)的同一地點可以獲得不同的RSSI分布，定位系統(tǒng)的性能也會大大降低。3.3.1終端RSSI量化差異符合IEEE802.11的無線網(wǎng)卡（NIC）以射頻信號接收功率和1mW的對數(shù)單位表示RSSI（單位:dBm），標準值在-90至-10dBm之間。為了量化接收到的功率，IEEE802.11建議使用一個字節(jié)來存儲RSSI，總共有256個可能的整數(shù)。RSSI協(xié)議的標準測量如下。但是該標準使用RSSI值作為相對指標，并沒有嚴格規(guī)定精度值，因此不同設備制造商生產的無線網(wǎng)絡卡之間存在不同的表示和測量精度范圍。因此，即使在同一地點，不同品牌的無線網(wǎng)絡卡所獲得的RSSI也會有很大的不同。同時，無線網(wǎng)絡的天線增益也是影響RSSI測量的一個重要因素，對于使用不同增益天線的無線網(wǎng)絡卡，接收到的電磁波強度變化較大。而RSSI定位作為根據(jù)來定位方法局部性的指紋、新終端使用指紋數(shù)據(jù)庫局部性的量子化，由于不同的起源的RSSI異質碼頭之間，將錯誤的定位過高，甚至完全無法有效定位，如果是嚴重的。因此，如果要設計一個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，而不是重新建立數(shù)據(jù)庫，為每個航站樓，并需要解決問題的差異引起的RSSI的量化終端異構本文在實際環(huán)境中，對RSSI進行采樣對比，發(fā)現(xiàn)不同終端的RSSI之間并不是線性關系，如圖3.6所示，圖中的圓點表示同一位置兩種不同終端分別測量到的RSSI的關聯(lián)關系值，其中坐標X為定位系統(tǒng)訓練階段所使用的終端的RSSI值，坐標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，使得實際關聯(lián)值偏離于理想數(shù)據(jù)線。由圖3-6可以看出，此時兩種終端的RSSI值之間是非線性關系，因此使用最小二乘法進行線性校準將產生較大的校準誤差。圖3.6兩種終端的RSSI對比圖3.3.2BP神經網(wǎng)絡引入BP神經網(wǎng)絡在前文也已經提到，是一種有監(jiān)督式的學習算法，其核心原理如下：學習樣本，反向傳播算法的神經網(wǎng)絡上存在的差距和反復的調整來進行培訓和研究，通過調整我們的神經元的權重和閾值向量的向量，接近盡可能確保預期輸出誤差的平方之和時，網(wǎng)絡的輸出層，下部為指定的錯誤進行培訓和研究，守恒和加權系數(shù)。因此，BP神經網(wǎng)絡是一個多層次的網(wǎng)絡，由錯誤的反向傳播形成，有效地解決了輸入和輸出的非線性映射問題。圖3.7神經網(wǎng)絡輸入輸出映射圖中為轉移函數(shù)，常用的轉移函數(shù)如下：（3.2）不同終端之間的RSSI關系值不能用簡單的線性關系來表示。假設對于指定的兩種終端，兩者之間的非線性關系是固定不變的，因此可以通過獲取非線性關系的方式進行歸一化處理，假設在位置l處兩終端接收自同一個AP的RSSI值存在輸出層各神經元的輸出如公式（2.6）的關系，其中為新終端在位置l處的RSSI值，為訓練終端的RSSI值，函數(shù)f表示兩終端間的非線性關系，為測量過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神經網(wǎng)絡可以學習重要輸入輸出的轉換和存儲，Kolmogorov定理已證明了三層BP神經網(wǎng)絡結構，即輸入層、線性輸出和至少一個S型激活函數(shù)的隱含層，可以是任意線性的。這也是進一步利用BP神經網(wǎng)絡近似兩個RSSI終端之間的非線性功能關系的理論基礎。3.3.3基于BP神經網(wǎng)絡的RSSI校準方法本文利用BP神經網(wǎng)絡學習不同RSSI終端之間的非線性關系，進行非線性標定。通過模擬人類大腦神經系統(tǒng)的功能，人工神經網(wǎng)絡可以學習輸入的信息，通過良好的非線性映射、泛化處理和故障耐受性，可以對外部信息進行精確的非線性映射。功能很適用于這類問題的近似性等多因素復雜、非線性系統(tǒng)隨時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)關系，可獲得一定量的RSSI的訓練?；贐P神經網(wǎng)絡的RSSI校準方法流程如圖3.8所示。校準步驟如下：（1）根據(jù)本文的問題確定神經網(wǎng)絡模型；BP神經網(wǎng)絡模型的設計涉及到網(wǎng)絡結構、神經元個數(shù)及層數(shù)、神經元的激活函數(shù)，以下為本文所使用的神經網(wǎng)絡模型中各參數(shù)的確定過程。1）輸入層和輸出層的確定BP神經網(wǎng)絡的輸入層和輸出層是外界信息與神經網(wǎng)絡銜接的紐帶，這兩層的節(jié)點數(shù)取決于訓練學習數(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，兩者具有一一對應的關系，因此輸入層和輸出層都只有一個神經元。2）隱含層節(jié)點數(shù)的確定如果隱含層節(jié)點數(shù)目過少，則神經網(wǎng)絡從學習樣本獲取信息的能力不足，網(wǎng)絡容易陷入局部極值；如果數(shù)目過多，則容易發(fā)生“過擬合”現(xiàn)象，導致學習時間延長，誤差也不一定最佳。雖然對于隱含層節(jié)點數(shù)的選擇并沒有理論指導，但經過大量的前人研究總結，給出了估算最佳隱含層節(jié)點數(shù)的經驗公式。（3.4）其中Inum和Onum分別為輸入層和輸出層的節(jié)點數(shù)，Hnum為估計的隱含節(jié)點數(shù)，n為1到10之間的常數(shù)。因此可以將隱含層節(jié)點數(shù)設為[5，20]之間的任一整數(shù)，根據(jù)實際訓練學習過程中的對比分析，發(fā)現(xiàn)選擇隱含節(jié)點數(shù)為15的時候可以得到比較好的逼近效果和較低的訓練時間。（2）如果要使用新的終端進行定位服務，必須首先對其進行校準培訓；在終端學習過程中，用戶在公共區(qū)域緩慢移動，同時攜帶新終端和培訓終端，同時記錄兩個終端的RSSI值。一個新航站樓RSSI作為輸入來培訓的RSSI終端輸出數(shù)據(jù)，數(shù)據(jù)將成為BP神經網(wǎng)絡的訓練和研究不同神經元的閾值的確定隱含權和共同價值觀過培訓班，為神經網(wǎng)絡BP神經網(wǎng)絡的參數(shù)不同的神經元來訓練和研究的兩個終端、RSSI數(shù)據(jù)之間的線性映射。以減少學習時間和定位功能，能夠快速使用新的終端，本文件中提供的數(shù)據(jù)訓練只收集區(qū)為一方，即學習階段不需要穿越整個系統(tǒng)所覆蓋。（3）在對新終端進行定位前，新終端收集到實時RSSI值，根據(jù)訓練得到的映射關系參數(shù)，得到校準后的，再進行定位。本文非線性校準的測試數(shù)據(jù)在定位系統(tǒng)覆蓋的所有區(qū)域進行數(shù)據(jù)采集。圖3.8基于神經網(wǎng)絡的RSSI校準流程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個接入點，而在定位系統(tǒng)之外還可以搜索8個接入點，這些接入點的無線接入點布局通常不會改變。本文設計了一種與非位置接入點的聯(lián)合輔助定位，以及使用定位系統(tǒng)對指紋進行定位，并對發(fā)現(xiàn)的問題進行了相關理論和分析。3.4.1AP數(shù)量對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接入點的確切坐標，該定位方法使用信號強度來表征空間環(huán)境因素?？梢园衙總€AP的信號強度類比為一維信號空間坐標，位置指紋定位法將二維空間坐標與多維信號空間坐標相關聯(lián)，以達到使用多維信號空間坐標進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，可能對定位過程產生負面影響，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接入點進行聯(lián)合定位，需要感知識別出AP接入點的變動，所以在定位階段增加感知過程。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個柵格所組成的區(qū)域作為待定位點的初定位區(qū)域，即如果只使用系統(tǒng)布置AP接入點，這個區(qū)域就是最終定位坐標所在的區(qū)域。（2）感知AP變動根據(jù)K個柵格所在區(qū)域的位置指紋數(shù)據(jù)庫，感知各個非布置AP的信號強度是否符合位置指紋庫的分布，從而確定各個非布置AP的RSSI值是否參加下一步迭代定位，詳細過程將在下一小節(jié)進行描述。（3）迭代定位，根據(jù)初定位階段的定位結果，取出M個概率最高的位置柵格，使用系統(tǒng)布置AP和非布置AP的RSSI進行聯(lián)合定位，取得最終定位位置。圖3.9感知過程示意圖4WIFI定位系統(tǒng)的設計與實現(xiàn)本文在對影響室內定位的因素進行了分析，并對基于位置指紋法的室內定位算法提出了使用AP進行聯(lián)合定位，以提高定位精度，對室內定位系統(tǒng)的設計與實現(xiàn)過程進行詳細的闡述，以及對前文提出的聯(lián)合定位方法的性能進行分析對比。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線室內定位系統(tǒng)，旨在向用戶提供所在區(qū)域的實時位置信息，并提供相對應的指引幫助。定位系統(tǒng)的主要目標如下：（1）為用戶提供高精度和高可靠性的室內定位服務；（2）使用戶可以在系統(tǒng)覆蓋區(qū)域無縫地使用定位服務，獲取其所在位置的實時位置信息；（3）定位系統(tǒng)可以迅速地處理來自用戶的定位請求，并對并發(fā)訪問提供良好的應答機制。圖4.1無線室內定位系統(tǒng)整體架構定位系統(tǒng)整體架構如圖4.1所示，本室內定位系統(tǒng)是由定位服務器、WIFI網(wǎng)絡（含AP）和定位終端三部分組成。定位服務器的主要功能：（1）解析離線階段采集的RSSI信息，建立WLAN地圖數(shù)據(jù)庫和信號覆蓋圖數(shù)據(jù)庫；（2）響應移動終端的定位請求，根據(jù)指定的定位匹配算法結合位置指紋數(shù)據(jù)庫進行位置估計，并將定位結果返回給移動終端。終端系統(tǒng)的主要功能：（1）離線階段自動連續(xù)測量RSSI特征數(shù)據(jù)；（2）定位階段掃描發(fā)送定位請求和顯示由服務器返回的位置信息等。WIFI網(wǎng)絡的主要功能：（1）構建射頻信號空間分布，為定位算法提供RSSI指紋數(shù)據(jù)支撐；（2）為移動終端與定位服務器提供通信支撐。4.1.2功能需求服務器程序主要由以下功能模塊組成：網(wǎng)絡通信模塊、定位算法模塊、RSSI指紋數(shù)據(jù)庫模塊和地圖信息模塊，其結構如圖4.2所示。圖4.2服務器系統(tǒng)結構圖當網(wǎng)絡通信模塊與移動終端通信時，應接收多個移動終端的定位請求，并能夠將定位結果和定位應用等相關信息發(fā)送到相應的移動終端。年初啟動服務器，數(shù)據(jù)庫中的指紋模塊的RSSI定位應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，以期建立一個定位和區(qū)位環(huán)境。數(shù)據(jù)庫中的位置指紋應根據(jù)定位算法進行過濾，以確保指紋信息的準確性，提高定位系統(tǒng)的定位精度。定位算法模塊是整個系統(tǒng)的核心功能模塊，對房間定位結果有很大的影響。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系統(tǒng)有不同的要求，年初應選擇一個時裝設計系統(tǒng)的設計和一個適當?shù)臄?shù)據(jù)結構，以保證跟蹤系統(tǒng)可以兼容多種定位算法，為進一步擴大和改進該制度提供必要的基礎。終端程序主要由以下功能模塊組成:RSSI測量模塊、UI接口模塊和網(wǎng)絡通信模塊，其結構如圖4.3所示圖4.3終端系統(tǒng)功能結構圖RSSI測量模塊使用底層無線網(wǎng)絡卡讀取從不同入口點接收到的信標圖像，獲取所需的RSSI信息，并將位置指紋與位置信息關聯(lián)起來。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，在這兩個階段的功能角色是不同的。系統(tǒng)維護人員使用的位置信息采集接口，該接口需要輸入位置信息，可設置為在給定的參考點上按時間間隔連續(xù)收集RSSI數(shù)據(jù)集；另一個面向用戶的位置查詢UI界面返回的位置信息4.2硬件系統(tǒng)4.2.1無線AP系統(tǒng)中使用的無線AP是LinksysWRT54G，有很多種開源無線路由固件都支持此款AP，如TomatoDualWAN，DD-WRT，WayOS和OpenWRT，因此，可以提供給用戶多于默認固件的功能，有助于提升用戶的使用感受。WRT54GZ的詳細配置參數(shù)如表4.1示。表4.1WRT54G參數(shù)網(wǎng)絡標準IEEE802.3，IEEEE802.3uIEEE802.11g，IEEE802.11b數(shù)據(jù)傳輸率54Mbps天線2個外置天線網(wǎng)絡接口1個WAN口，4個LAN口射頻功率18dBm尺寸186×48×200mm重量360g4.2.2移動終端在本系統(tǒng)中采用的移動終端是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英寸多點式觸摸屏分辨率為1024*600處理器類型TIOMAP3622單核，1GHzRAM512MB支持協(xié)議802.11b/g/n4.3服務器系統(tǒng)服務器系統(tǒng)的功能結構主要由網(wǎng)絡通信模塊、定位算法模塊和rssi指紋數(shù)據(jù)庫模塊組成。服務器系統(tǒng)的邏輯關系如圖4.4所示，箭頭的方向表示數(shù)據(jù)流。服務器程序是在VS2010中實現(xiàn)的，不同的功能模塊位于同一主機上，稍后可以考慮在不同的機器上分離服務程序和數(shù)據(jù)庫。圖4.4服務器系統(tǒng)邏輯圖4.3.1數(shù)據(jù)庫模塊數(shù)據(jù)庫模塊的第一個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，同時考慮到教學樓的布局在現(xiàn)實環(huán)境中，以指紋信息的局部和區(qū)位環(huán)境聯(lián)系起來。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)格標記為實際目標。因此，網(wǎng)格大小的分布必須根據(jù)實際位置范圍和培訓過程中采樣之間的距離來確定。RSSI數(shù)據(jù)庫定義見表4.3。表4.3RSSI數(shù)據(jù)庫表字段描述字段名類型柵格標號index_idint坐標Xaixs_xint坐標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定位系統(tǒng)的核心模塊，模塊的運行由位置查詢報文的到達事件觸發(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)域將被分為500多個柵格標簽，因此建立一個網(wǎng)格數(shù)字作為一個靜態(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，因為每個位置使用MAC關鍵和RSSI值鍵保存結構映射。4.3.3通信模塊定位數(shù)據(jù)基礎設施是一個無線網(wǎng)絡WIFI局域網(wǎng)，通信丟包率較低，因此通信過程中的溝通和定位服務系統(tǒng)進行互動，定位階段只是一個正常的來往信函，因此運輸系統(tǒng)的UDP協(xié)議傳輸層等無連接模式，考慮到概率包少，增加重傳機制，如果1s沒有收到轉發(fā)最后一條消息請求的響應，則重新發(fā)送定位的信號。本節(jié)詳細描述終端系統(tǒng)和服務器系統(tǒng)之間的通信協(xié)議格式應用層的通信協(xié)議采用擴展方便的TLV協(xié)議格式。其中，Type域是signedshort類型，長度為2個字節(jié)；Length域是unsignedint類型，長度為4個字節(jié)；Value域是可變長度，其中存儲應用層載荷數(shù)據(jù)。以下為通信功能中的幾種典型應用分析數(shù)據(jù)包的類型，包括：定位請求、位置響應和RSSI指紋更新。定位請求的數(shù)據(jù)定義如表4.4和表4.5。表4.4定位請求格式TypeLengthValuePOS_REQ（0x0001）載荷數(shù)據(jù)長度+6載荷數(shù)據(jù)表4.5定位請求載荷數(shù)據(jù)格式長度2Byte6Byte2Byte2Byte6Byte值AP個數(shù)MAC1RSSI1MACnRSSIn位置響應的數(shù)據(jù)定義如表4.6和表4.7。表4.6位置響應格式TypeLengthValuePOS_REP（0x0002）載荷數(shù)據(jù)長度+6載荷數(shù)據(jù)表4.7位置響應載荷數(shù)據(jù)格式長度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)長度+6載荷數(shù)據(jù)表4.9定位請求載荷數(shù)據(jù)格式長度2Byte2Byte2Byte6Byte2Byte值axis_xaxis_yAP個數(shù)MAC1RSSI14.4終端系統(tǒng)終端系統(tǒng)的功能結構主要包括RSSI測量模塊、UI界面及終端通信模塊三個子模塊，終端系統(tǒng)的邏輯關系如圖4.6所示，箭頭方向代表數(shù)據(jù)流向。圖4.6終端系統(tǒng)邏輯圖終端運行在平板上，使用安卓操作系統(tǒng)現(xiàn)在，與安卓相關的電腦應用數(shù)量正快速增加，因為安卓手機終端又小又便捷，所以用戶實時跟蹤比筆記本電腦更準確。安卓提供規(guī)模大、方便使用的安卓及操作方法，這將有助于開發(fā)者提高軟件開發(fā)效率、縮短方案開發(fā)周期。因此，開發(fā)者可以投入更多的時間在行動邏輯上。當它這樣使用安卓操作系統(tǒng)來設計操作系統(tǒng)的時候，它負責終端訪問，并提高定位系統(tǒng)的實用性。4.4.1RSSI測量模塊RSSI測量模塊的功能是測量終端可以掃描的所有AP的RSSI值。RSSI測量模塊的工作流程如圖4.7所示。谷歌發(fā)布、應用軟件開發(fā)基于Android操作系統(tǒng)是開源的SDK工具包，含有豐富的WIFIManager類庫，不僅可以使程序應該方便實現(xiàn)WIFI連接，這封裝好無線網(wǎng)絡掃描功能可以很容易地掃描設備美聯(lián)社的通信范圍內，同時顯示接入點的名稱，MAC地址，IP和RSSI的量化處理。WIFIManager為底層硬件驅動程序提供了一個抽象接口，使上層應用軟件不需要知道底層硬件的具體實現(xiàn)，直接從驅動程序更新的參數(shù)數(shù)據(jù)中獲取每個AP的RSSI信息。這個程序中使用了這個類的兩個主要方法:startScan和getScanResults。圖4.7RSSI測量模塊流程圖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)，與各有關實驗室的二維坐標120B左下作為參考點（0，0）起點坐標，X軸為橫向、縱向方向，Y軸和X軸坐標為厘米。由于平板電腦有觸摸屏，可以直接觸摸用戶的位置，離線階段的相對坐標由程序計算，便于在訓練階段使用。由于位置指紋數(shù)據(jù)的準確性，在培訓階段會有較大影響，定位系統(tǒng)定位精度的一個有關地方坐標系與左下角的每個房間作為參考點。在培訓過程中，使用激光遙測儀測量局部相對坐標，并在文本框中進行中繼，程序計算全局相對坐標。位置坐標顯示在UI界面的左上角，第一個是內部的局部相對坐標，第二個是全局相對坐標。如圖4.8所示，實驗室中紅點的位置是用戶的位置，具有局部（200cm，300cm）和全局（1201cm，1392cm）的相對坐標。定位階段使用的接口與培訓階段使用的接口類似，只是位置坐標是從定位服務器的返回中獲得的，因此本節(jié)不再專門討論描述。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WIFI無線網(wǎng)絡，在一個真實的環(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。定位性能測試的持續(xù)時間為培訓階段后一周，但在相同的無線WIFI網(wǎng)絡環(huán)境下。圖4.10定位誤差的累積分布函數(shù)對于定位方法，即兩個組合基本定位和定位，在X軸的距離是相對于Y和X軸是定位誤差概率對應的定位誤差。圖4.10誤差累積分布函數(shù)如表4.10所示，表的前兩個元素表示定位精度，被測點落在規(guī)定誤差范圍內的概率分別為80%和90%。分析結果顯示的位置定位的定位誤差較大的基類型均位于大多數(shù)實驗地點的邊緣地區(qū)，由于點數(shù)系統(tǒng)實施邊緣區(qū)可預期的更低，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)對系統(tǒng)配置中AP覆蓋和分布問題的要求。表4.10基本型和聯(lián)合定位的定位精度比較指標基本型（m）聯(lián)合定位（m）定位改進80%43.512.5%90%6433.3%ARMSE3.452.7121.4%MaxError7.124.8731.6%用于定位系統(tǒng)的服務器處理器為IntelCore（TM）2DuoE7500，頻率為2.93GHz。內部WIFI定位系統(tǒng)是專門設計和開發(fā)的。這個定位系統(tǒng)在國內首先被要求詳細描述和分析各子模塊組件，然后定位系統(tǒng)的研究和實施細節(jié)，最后是有計劃和定位系統(tǒng)的性能評價試驗，應實施。試驗結果表明，該系統(tǒng)可以執(zhí)行的定位，這表明wi-fi室內定位系統(tǒng)的合理性和實用性的設計方法，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總結隨著無線通信技術的快速發(fā)展，無線WIFI網(wǎng)絡的覆蓋范圍越來越廣，無論是在家庭、學校、辦公樓、購物中心、機場還是公共交通。與此同時，基于位置的服務受到了越來越多的關注，無線定位技術也經歷了一波新的研發(fā)浪潮?；谖恢弥讣y的內部WIFI定位技術由于其實現(xiàn)簡單、成本低、定位精度高、魯棒性好、可擴展性強等優(yōu)點，已成為研究的重要課題。本文研究了基于無線WIFI網(wǎng)絡和本地指紋的定位技術。系統(tǒng)地解釋了這些室內定位技術的特點、研究的影響和發(fā)展現(xiàn)狀。最后，設計并開發(fā)了一種基于局部指紋的WIFI內部定位系統(tǒng)原型，以供實際應用。本文分析射頻信號傳播特