WLAN室内定位中动态无线电地图建立算法研究

硕士学位论文WLAN室内定位中动态无线电地图建立算法研究RESEARCHONDYNAMICRADIOMAPCONSTRUCTIONALGORITHMBASEDONWLANINDOORLOCATION王慧敏哈尔滨工业大学2011年6月国内图书分类号：TN929.5学校代码：10213国际图书分类号：621.396密级：公开工学硕士学位论文WLAN室内定位中动态无线电地图建立算法研究硕士研究生：王慧敏导师：徐玉滨教授申请学位：工学硕士学科：信息与通信工程所在单位：电子与信息工程学院答辩日期：2011年6月授予学位单位：哈尔滨工业大学哈尔滨工业大学工学硕士学位论文ClassifiedIndex：TN929.5U.D.C:621.396DissertationfortheMastersDegreeinEngineeringRESEARCHONDYNAMICRADIOMAPCONSTRUCTIONALGORITHMBASEDONWLANINDOORLOCATIONCandidate:WangHuiminSupervisor:Prof.XuYubinAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngineeringAffiliation:SchoolofElectronicsandInformationTechnologyDateofDefense:June,2011Degree-Conferring-Institution:HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文I摘要无线通信的高速演进，使得具有感知和计算能力的终端设备具有了移动性，这也促进了基于现有通信设备的位置服务的发展，以满足用户不断变换场景的需求。为了支持位置服务的交互性，准确、可信、实时的用户位置信息是必需的。然而，对于基于信号强度的无线局域网（WirelessLocalAreaNetwork，WLAN）室内定位，一个关键的问题是接收信号强度（ReceivedSignalStrength，RSS）由于复杂的室内传播环境而具有的不确定性，导致无线电地图（RadioMap）建立的不准确。大部分定位算法都假设定位中环境未发生改变，而实际情况并非如此。针对RSS随无线网络环境的变化而改变，进而导致定位精度下降的问题，提出具有无线网络环境适应性的动态RadioMap建立方法。该方法充分考虑接收信号强度值随时间和空间的动态变化性，而不需要耗费人力、物力重新建立RadioMap，可有效降低室内定位的开销。具体包括以下几个问题：首先，分析并比较了WLAN室内定位系统中静态RadioMap建立的两种方法：无线传播模型法和基于位置指纹的方法，以及常见的位置指纹定位算法：加权K近邻法、概率法和人工神经网络法。指出不同算法的优缺点及适用场景，为后续研究奠定理论和实验基础。其次，针对静态RadioMap无法适应动态环境变化的缺陷，提出动态RadioMap建立方法。该方法在静态RadioMap的基础上，离线阶段训练出少量校准点与每个参考点的RSS值对应模型关系，然后在线阶段通过校准点处采集信号来预测参考点的值，进而完成动态RadioMap的重构。通过实验仿真，分析了模型中隐层数和校准点数的重要性并对其进行优化，实现动态RadioMap的优化设计。最后，为了进一步精简动态RadioMap模型，采用Fisher准则衡量不同无线接入点（AccessPoint，AP）的位置分辨能力，并进行选择。目的是去除冗余AP信息，降低定位算法的计算复杂度。通过理论分析和性能仿真，验证该方法的有效性，并对定位系统的AP数目进行了优化。不但保证了定位精度，而且有效降低了系统的计算负担。关键词：WLAN室内定位；动态RadioMap；RSS；校准点哈尔滨工业大学工学硕士学位论文IIAbstractThehigh-speedevolutionofwirelesscommunicationshaveenabledmobilityofterminalequipmentwithsensingandcomputingpower,whichalsomotivatedthedevelopmentofexistingcommunicationsequipmentbasedonthelocationservicestomeetchangingusercontexts.Inordertosupportinteractivelocation-basedservices,accurate,reliable,andreal-timelocationinformationofusersisrequired.However,forthesignalstrength-basedinWLANindoorpositioning,akeyproblemistheuncertaintyofRSScausedbycomplexindoorpropagationenvironment,andwhichhasledtotheinaccurateofestablishedRadioMap.Mostlocalizationalgorithmsassumethattheenvironmentdidnotchangeovertime,butnotthecaseinfact.BasedonRSSchangeswiththewirelessenvironment,andleadingtotheproblemofdecliningaccuracy,anewdynamicRadioMapconstructionmethodwhichcanadaptthevariedenvironmentisproposedinthispaper.Themethodtakesreceivedsignalstrengthvaluesvaryingovertimeandspaceintoaccountandnoneedtospendextracosttore-establishnewRadioMap.Also,itcaneffectivelyreducethecostofindoorpositioning.Specifically,severalquestionsarediscussedinthefollowing:Firstly,twostaticRadioMapconstructionmethodsinWLANindoorpositioningsystemisanalyzedandcompared:radiopropagationmodelingandlocation-basedfingerprintingmethods,andthreecommonfingerprintlocationalgorithm:weightedKnearestneighbor,probabilityandartificialneuralnetworkmethod.Theadvantagesanddisadvantagesofdifferentalgorithmsandapplicationscenariosarepointedoutforthefutureresearchtolaytheoreticalandexperimentalbasis.Secondly,bytakingthedefectsthatcannotadapttodynamicenvironmentofstaticRadioMap,adynamicRadioMapestablishmentmethodisproposed.BasedonStaticRadioMap,duringofflinephase,therelationshipbetweenRSSofcalibrationpointsandreferencepointsisestablishedbyneuralnetwork,andthenduringonlinephase,thereal-timeRSSvaluesatreferencepointsarepredictedbasedontheRSScollectedatcalibrationpointsinrealtime.Byexperimentalsimulation,thenumbersofhiddenlayersandcalibrationpointsindynamicmodelareanalyzedandoptimizationdesignofdynamicRadioMapisimplemented.Finally,tofurtherstreamlinethedynamicRadioMapmodel,FishercriterionisusedtomeasurelocationingdiscriminativepowerofdifferentAPsandmakechoices.ThepurposeistoremoveredundantinformationfromAPandreducethecomputationalcomplexityoflocalization.Throughtheoreticalanalysisandperformancesimulation,theeffectivenessofthemethodwasverifiedandthenumber哈尔滨工业大学工学硕士学位论文IIIofAPinpositioningsystemwereoptimized.Notonlytoensuretheaccuracy,butalsoeffectivelyreducethesystemscomputationalburden.Keywords:WLANindoorlocation,dynamicRadioMap,RSS,calibrationpoints哈尔滨工业大学工学硕士学位论文IV目录摘要.IAbstract.II第1章绪论.11.1课题来源及研究的目的和意义.11.2国内外研究现状及分析.21.2.1WLAN室内定位的研究现状.21.2.2RadioMap建立的研究现状.31.3主要研究内容及本文结构.5第2章WLAN室内定位的相关理论分析.72.1WLAN位置指纹定位原理及架构.72.2静态RadioMap的建立.82.2.1无线传播模型法.82.2.2基于位置指纹的方法.92.3位置指纹定位算法.102.3.1加权K近邻法.112.3.2概率法.122.3.3支持向量机法.132.3.3人工神经网络法.142.4人工神经网络基础理论.152.5本章小结.17第3章动态RadioMap建立算法.183.1静态RadioMap存在的问题.183.2动态RadioMap模型的建立.213.2.1基本模型.213.2.2离线阶段神经网络模型训练.233.2.3在线阶段动态RadioMap重构.253.3实验场景的建立.263.3.1室内走廊区域.273.3.2室内房间环境.273.4动态RadioMap的定位性能分析.283.4.1神经网络隐层数目的选取.28哈尔滨工业大学工学硕士学位论文V3.4.2校准点数目的选取.303.4.3定位性能对比分析.323.5本章小节.35第4章基于AP选择的动态RadioMap建立法.374.1常用的AP选择法.374.2基于Fisher准则的AP选择算法.374.3定位性能对比分析.404.3.1不同AP选择法的定位性能对比.404.3.2优化AP数目的定位系统.444.4本章小结.45结论.46参考文献.47攻读硕士学位期间发表的论文及其它成果.51哈尔滨工业大学学位论文原创性声明及使用授权说明.52致谢.53哈尔滨工业大学工学硕士学位论文1第1章绪论1.1课题来源及研究的目的和意义本课题来源于国家863项目基于模糊逻辑算法的WLAN室内定位技术，项目基金号为2008AA12Z305。该项目的主要研究内容包括：组建一套IEEE802.11系列标准的WLAN试验网，设计出基于模糊逻辑的信号强度指纹模式识别定位系统，以达到满足预定指标的定位精度。无线技术的发展和移动通信设备的出现极大地促进了人们对位置服务的研究兴趣及其商业化。而位置服务的核心问题是如何在无线网络环境中估计出用户移动终端的位置。在复杂的室内环境中，随着WLAN的广泛部署与应用，众多研究者将注意力集中到利用诸如WLAN这样的大众设备来实现室内的位置估计1,2，主要通过移动终端采集无线设备发送的RSS来实现。因为WLAN室内定位技术无需添加额外的定位装置，只利用终端软件即可实现定位，降低定位成本的同时满足了人们对定位的需求。因此，WLAN室内定位在国内外研究领域倍受青睐，成为该领域内学者们的研究热点。由于WLAN室内定位主要基于信号强度3-5，通过建立信号指纹数据库定位，而室内网络环境较室外环境复杂多样，无线网络信号将受到来自时间和空间变化性的严重干扰，进而导致定位出现误差。一方面，室内结构、布局造成信号在传输过程中发生反射、折射、多径等现象，以及人员的活动、温度、湿度的变化等因素也会造成RSS值的变动；另一方面，网络基础设施也存在多样性和突发情况，包括AP和无线网卡。不同网络基础设备的物理性能、设备的更换、设备受到人为或环境的干扰等都将导致RSS值在定位过程中产生巨大差异。若利用这些改变了的RSS值进行在线定位，势必造成定位精度的下降。而如果重新进行数据采集，更新信号指纹数据库，又会耗费很大的人力、物力成本和时间开销。因此，研究具有自适应环境变化的动态WLAN室内定位方法意义重大。WLAN室内定位中，能够实时跟踪无线网络环境变化的参量是RSS值。RSS值的大小完全依赖于室内无线传播环境，直射信道条件下，发送端与接收端之间的信号强度随室内距离呈对数衰减6,7。但在实际中，尽管国内外学者相继提出各种信号传播模型，但由于环境的物理特性，如墙壁、家具及人员活动对信号叠加的噪声，要准确建立一个符合网络环境且具有通用性的信号传播模型是不可能的。因此，本文采用位置指纹法作为WLAN室内定位技术。哈尔滨工业大学工学硕士学位论文2位置指纹定位技术的首要步骤是建立离线阶段的RadioMap。建立实时跟踪无线网络环境的变化，在复杂的室内环境中仍能保持较高定位精度的RadioMap是本课题研究的重点。本文提出一种自适应信号环境的动态RadioMap建立方法，进一步优化定位系统模型，保证由于环境变化所造成的RSS值变化条件下的定位精度，对于WLAN室内定位系统的发展和推广应用起到至关重要的作用。1.2国内外研究现状及分析1.2.1WLAN室内定位的研究现状自2000年美国微软研究院公布了基于WLAN的RADAR定位技术和实验系统之后8,9，各研究单位纷纷投入人力物力，陆续地研发了许多基于WLAN的室内定位系统，比较有代表性的研究机构和相应的系统如加利福尼亚大学洛杉矶分校提出的Nibble系统10、马里兰大学设计的Horus系统11-13等。这些系统之间最大的差异在于采用的定位算法不同，或者说用来定位的依据不同。目前使用WLAN的室内定位技术的主要包括四种方法14-17：第一种方法是应用到达角度（AngleOfArrival，AOA）来定位用户终端；第二种方法应用信号到达时间（TimeOfArrival，TOA）或到达时间差（TimeDifferenceOfArrival，TDOA）来定位；第三种方法利用发送端周围信号强度的变化来定位；最后一种方法是基于无线网络位置指纹的定位方法。AOA技术是通过接收信号的被定位物理位置点和参考点之间的方位角，利用几何原理，完成定位。TOA和TDOA则是通过检测信号达到的传输延迟时间或时间差来计算距离，进而完成移动终端的物理位置定位。上述两种方法最大的弊端在于WLAN信号作用距离短，需要额外的设备支持，测量工作难度大，而且在复杂的室内环境中定位精度会大幅下降。因此，这两种方法一般只作为定位的辅助手段。第三种方法则是在一定的室内环境中，通过发送端和接收端之间的距离，建立信号传播模型来实现定位。尽管国内外很多研究者对室内信号模型不断改进，提出了各种新颖的方法，但此方法受环境影响非常大，定位效果会随着室内环境的变化而急剧恶化。因此，位置指纹法成为WLAN室内定位的主流技术。位置指纹定位技术是利用定位点处不同的信号特征参数来区分物理位置，通过测量待定位点处实时的信号值，对事先建立好的经验数据库进行匹配搜索，得出最终物理位置点。具体来说，可以分为两个阶段18,19：第一阶段是离线阶段的RadioMap的建立，在WLAN覆盖区域内，将室内空间划分为若干网格，在每个网格节点处采集不哈尔滨工业大学工学硕士学位论文3同AP正常运行时发送的信号信息，或进行特征提取后保存，并记录该网格节点的物理位置坐标；第二阶段是在线定位阶段，以事先建立好的RadioMap为基础，在需要被定位的WLAN客户端进行空间信号的实时采样，应用特定的信号空间的搜索匹配算法，实现所采集信号的位置预测，完成定位。针对上述位置指纹的定位过程，目前针对WLAN室内定位技术的改进大致有两个方向：一是对离线阶段RadioMap生成方法的改进；另一个是对在线阶段定位算法的改进。对于RadioMap的建立，又分为确定性方法和概率法。经典的RADAR系统存储的是参考点处的物理位置和相应的从不同AP处接收的RSS值，这些信息都是确定的。概率法则是通过计算RSS值的分布特性，建立概率模型来存储信息，最后使用最大似然估计实现定位。例如Nibble系统、Horus系统都是采用这种方法。在线阶段的定位算法种类较多，典型的有近邻法、概率法、支持向量机、神经网络及其优化的定位算法。同时，为使在线定位时移动终端的定位精度更高，定位轨迹更平滑，基于卡尔曼滤波20,21、粒子滤波等算法22-24的室内跟踪技术也相继发展起来。随着国内外学者们的潜心研究和不断改进，WLAN室内定位技术日趋成熟。1.2.2RadioMap建立的研究现状RadioMap能够真实地反映定位覆盖范围内的信号特征，并提供稳定可靠信息量。因此，RadioMap的建立是WLAN室内定位系统中的关键技术之一。最早关于RadioMap建立的研究，除了上述Radar系统提出的经验法和信号传播模型法，Nibble系统和Horus系统采用的概率法外，国内外学者对上述方法改进，相继提出多种建立RadioMap的方法。考虑到室内环境的复杂性，所测信号值在时间和空间上都是不断变化的。针对基于RSS值的室内定位算法，国内外众多研究者提出各种室内传播模型。其中，研究最多的是根据固定无线环境（建筑物尺寸、形状、结构、房屋布局、温度、湿度、人口密度和活动等都是不变的）中的采集的信号值进行模型学习，确定模型参数，建立信号传播模型；然后再利用该模型更新RadioMap，建立更高密度的信号覆盖图。文献25中介绍了两种使用传播模型建立室内RadioMap的方法，一种是自由空间的信号传播模型，只考虑发送端和接收端的距离，没有衰减。另一种是室内环境中被广泛认可的基于信号强度的墙壁衰减因子模型，该模型只考虑了移动终端和用户之间由隔墙引起的衰减，对于室内结构复杂的情况，这种估计方法将失效。文献26中提出一种混合建立室内RadioMap的信号传播模型，称为隐藏环境模型，由一个模型等式和环境因子矩阵构成。通过适当的信号值的测量和模型建立，估计生成RadioMap，并对信号估计值哈尔滨工业大学工学硕士学位论文4的精确度进行了分析。此方法的最大优点是大大减少了测试工作量，但未应用到定位方法中，并没有给出实际的定位结果。国内北京航空航天大学提出的Weyes系统27则通过差值模型对RSS预先进行处理，形成RSS差值，并保存作为RadioMap中的信号空间参照量。引入该差值模型的目的在于消除RSS中由于设备引入得误差，从而使建立的RadioMap与设备类型无关。因此，该方法适用于开放WLAN环境下的定位技术，而Radar和Horus的研究方向集中于专门设备环境下的WLAN定位系统。关于信号传播模型的估计及各种改进方法随着室内环境的复杂性及人们的需求仍在不断发展。但此类方法需要对特定室内环境中无线信号的覆盖特性、衰落特性、信道参数进行详细分析，主要目的是通过模型预测减少离线阶段数据采集的工作量，降低人力、物力和时间成本开销。而当室内环境较为复杂时，模型参数确定困难，模型估计不准确，导致定位结果偏差较大。且所建立的模型在不同环境中不具有通用性，健壮性较差。综上所述，通过建立室内环境模型建立RadioMap的方法，都有一个共同的假设：离线阶段RadioMap一旦建立就保持不变，这种静态RadioMap未经过对动态环境的调整与自适应就直接用于位置估计，将导致一系列的问题，如定位精度受限，甚至恶化。实际定位过程中，室内环境是动态变化的，无线信号传播随时间变化而引起衰落，主要包括两部分：大尺度衰落和小尺度衰落。大尺度衰落是指由建筑物、室内布局等造成的遮蔽效应。小尺度衰落则指由季节、日夜、天气、移动设备等引起的慢衰落。因此，在线阶段测量的RSS样本将严重偏离存储于RadioMap中的值，导致定位精度的不精确，需要重新测量数据以保证预测定位精度。上述室内环境模型的建立都属于一种静态方法，离线估计的RSS值不能适应环境的变化，因而不能很好的反映实际室内信号传播特性。就此问题，国内外学者又相继提出一些动态适应无线环境变化的定位方法。文献28通过采集一些已知目标位置处的新RSS样本，建立新样本和静态RadioMap中旧样本的线性函数关系，并在线采集RSS值，利用该映射关系调整静态RadioMap。该方法的问题是线性关系的假设，实际环境中信号复杂多变，不能简单用线性关系描述。文献29提出了LEASE系统，该系统利用额外的硬件设备（固定的发射机和接收机）得到实时的RSS值，并更新升级RadioMap。优点是考虑了动态环境的变化，缺点是定位精度受这些硬件设备部署密度的严重影响，部署较多的额外设备才能保证定位精度，开销较大。文献30,31提出基于模型树的LEMT算法，该算法在静态RadioMap的基础上，在线构建动态的RadioMap。具体通过应用模型树局部线性拟合参考点和静态RadioMap中用户终端点之间的关系，自学习的建立信号值变化前后的关系模型，实现动态环境中RSS值的哈尔滨工业大学工学硕士学位论文5估计。该方法可有效减少重新建立新环境中的RadioMap的工作量，显著特点也是在参考点处增加了少量额外设备。文献32,33提出LeManCoR位置估计算法，该方法利用流形合作正则理论建立不同时间间隔内离线阶段和在线阶段数据的映射函数，用于解决动态环境对RSS值造成的影响。优点是有效降低校准工作所耗费的劳力，缺点是仅利用少数离散时间点的关联性不足以构建动态环境中的时空关联性，其健壮性受限。文献34则提出基于空间关联性的动态RadioMap模型，以实时跟踪信号空间的动态变化。文中假设模型线性。WLAN定位算法较其他定位算法，虽然不需要额外设备即可完成定位，但考虑室内动态环境的变化，WLAN室内定位也有不可逾越的瓶颈。目前关于实时感知动态室内环境变化的RadioMap建立方法研究较少，已有的研究都存在线性模型假设或健壮性较差的问题。本课题研究的重点就是充分考虑RSS值在时间和空间上随室内网络环境的实时变化，添加额外设备的基础上，建立动态感知的智能RadioMap，能够自适应动态网络环境变化，并提供较高定位精度。这对于WLAN室内定位系统的优化及其应用的推广，具有重要意义。1.3主要研究内容及本文结构要实现动态RadioMap建立，诸多关键技术需要解决。本文主要针对静态RadioMap不能实时感知动态环境变化的缺陷，提出动态RadioMap的建立算法，该方法充分考虑了接收信号强度值随时间和空间的动态变化性，建立具有自适应无线网络环境的RadioMap，而不需要重新建立RadioMap，有效地降低室内定位的开销的同时，提高了WLAN室内定位的精度。本文章节安排如下：第2章主要对WLAN室内定位的相关理论进行分析和研究。首先分析了WLAN室内定位中常用的RadioMap建立方法，得出其建立方法不具有自适应动态环境的能力，称为静态RadioMap；接着介绍位置指纹定位算法，包括经典的近邻法和新兴的模式识别法；最后就动态RadioMap建立模型所采用的神经网络理论作介绍，为后续动态RadioMap模型的建立奠定理论基础。第3章设计了动态RadioMap的建立模型。通过分析静态RadioMap存在的问题，得出动态RadioMap建立必要性的结论；详细介绍动态RadioMap的建立模型，分为离线阶段神经网络的训练模型和在线阶段的重构；最后分别在走廊和典型室内场景内通过仿真定位效果分析模型的性能，实验结果显示，该模型不仅可以降低由于动态环境变化需要重建RadioMap的人力、物力开销，而且有效提高了定位性能。同时，对模型中的参数，如神经网络参数、校准点数目等进行仿真分析，优化系统模型，得出最优的基于动态RadioMap建立的哈尔滨工业大学工学硕士学位论文6WLAN室内定位系统。第4章提出了基于AP选择的动态RadioMap建立方法。不同AP的定位分辨能力不同，室内定位通常采用众多AP的信号用于定位。但AP数目越多，虽然可以提供丰富的定位信息，但大量AP信号的获取一方面必然导致定位算法搜索空间的增大，终端计算复杂度提高，另一方面也会引入更多来自网络环境的噪声。因此，本章研究的AP智能选择法通过计算不同AP的Fisher判别率表征AP的定位分辨能力，进而选取具有最大位置分辨能力最大的AP进行定位，在保证定位精度的同时，可以有效去除冗余信号，减小噪声，降低终端计算复杂度。最后，就本课题所研究的动态RadioMap建立方法给出结论。哈尔滨工业大学工学硕士学位论文第2章WLAN室内定位的相关理论分析位置指纹定位算法分为离线和在线两个阶段，即离线RadioMap的建立和在线定位。因此，本章将对WLAN室内定位的基本原理及架构、RadioMap的建立方法和常用的定位算法进行介绍和分析，为后续研究作理论铺垫。最后对本课题建立动态感知RadioMap时所用的神经网络基础理论作介绍。2.1WLAN位置指纹定位原理及架构WLAN位置指纹定位的实施一般可以分为两个阶段：第一阶段为训练/离线阶段，主要工作是采集所需定位区域各参考节点位置的信号特征参数，例如信号强度、多径相角分量功率等，将一组指纹信息对应一个特定的位置形成位置指纹数据库。第二阶段为定位/在线阶段，利用接收机测定接收信号的参数，采用匹配算法来确定与数据库中哪一组数据相匹配，从而得出用户的实际位置。图2-2说明了位置指纹定位算法的流程。EquationChapter2Section111121,.,KRSSRSSRSS21222,.,KRSSRSSRSS12,.,NNNKRSSRSSRSSNI2I1I1AP2APNAP图2-1位置指纹定位算法流程在定位阶段中，无线局域网络定位系统以RadioMap为基础，在需要被定位的WLAN客户端进行空间信号的实时采样，并利用WLAN的移动计算环境和数据传输环境传输和计算采样数据。计算过程主要通过应用特定的信号空间的搜索和匹配算法进行空间位置的搜索和定位，得出对采样数据的位置预测结果，完成空间位置的定位。实际情况下，建筑物具有不同的几何尺寸和内部结构，为了简化训练阶段的任务，参考点的选择往往需要根据建筑结构适当选择。在参考点近似满足均匀分布的条件下，相邻参考点的间距影响了定位精度，且随着参考点的增多，定位精度越高。WLAN室内定位系统可以分为基于用户端和基于服务器的两种不同WLAN7哈尔滨工业大学工学硕士学位论文8室内定位系统架构。基于用户端的WLAN室内定位系统的特点是，用户端通过移动设备上的无线网卡主动地探测并接收来自各个可用的接入点的RSS信号，并借助RadioMap进行定位。相对基于用户端的定位系统架构，另一种是基于服务器端的定位系统架构，需要用户向服务器传输RSS信号，然后由服务器根据已储存的RadioMap数据估计用户的位置，如基于无线电信号强度的RADAR系统和商业的定位系统Ekahau。基于用户端的定位系统架构最大的好处是有助于保护被定位用户的隐私。由于RSS信号的接收和定位过程都是被动式的，整个定位过程完全基于用户终端。用户可以自己控制，在需要的时候发出定位请求，不用担心在不知情的情况下被其他人定位及跟踪。另外需要注意的是，WLAN室内定位系统是完全基于现有的WLAN体系而附加的功能，移动用户在使用过程中无需额外的硬件设备，只需要安装特定的WLAN室内定位软件。2.2静态RadioMap的建立WLAN定位系统依赖于终端设备的RSS的位置依赖性。然而，由于室内无线传播信道的复杂性，一个确切的关于RSS和位置的函数关系是无法确定的。主要由于室内墙壁、人员和其它物体的遮挡所引起的严重的多径、阴影效应和非直射信号传播。此外，由于IEEE802.11WLAN工作在2.4GHz的自由频段，这和无绳电话、微波、蓝牙等设备的工作频段相同。因此，导致WLAN系统易受这些设备以及人体的吸收、更复杂的传播环境的时变干扰。这样的室内环境可以产生很多的RSS和空间位置的对应关系。目前，WLAN定位技术中存在两种建立RSS和位置的依赖性的方法：无线传播模型法和位置指纹法。首先体现在RadioMap的建立过程中。2.2.1无线传播模型法无线传播模型法需要首先假设关于RSS和位置关系的一个理论模型，并基于训练数据来估计模型参数。给定一个RSS向量和这个模型，则终端设备和至少3个AP的距离确定，采用三角测量法获得终端的位置。在自由空间中，无线信号穿过理想传播介质，接收信号功率的下降和距离的平方成反比。因此，给定发送端和接收端的功率，发端和移动用户的距离就可以确定。然而，在实际环境中，由于传播信道的复杂性，信号要受到两种衰落的影响：大尺度衰落和小尺度衰落。大尺度衰落是有路径损耗和阴影效应引起。路径损耗是指距离在100-1000m内的信号功率损耗。阴影效应则指在发射哈尔滨工业大学工学硕士学位论文端和接收端由障碍物引起的折射、散射、吸收。由于自然界的不确定性、障碍物的位置、阴影效应具有统计特点。一般情况，假设发送端和接收端的信号功率服从对数分布。则联合路径损耗和阴影效应的简化传播模型可以描述为26：()()()010lg10lgrtdPdBPdBKdBd=+(2-1)其中，是和天线和信道特征有关的常数，是天线的参考距离，K0d是路径损耗指数。通常在自由空间中2=，多层的办公环境中取26。2(0,)N反映模型中服从对数正态分布的阴影效应。在室内区域，墙壁和楼层的材质、楼层数、房间布局、物品位置、房间面积都对路径损耗产生显著影响。这些限制使得建立一个合适的室内环境模型变得困难。小尺度衰落主要是由多径效应引起，在距离上随载波波长顺序产生（例如，对于WLAN，2.412.5cGHzcm=）。在WLAN室内定位系统中，由于时变环境造成模型建立的复杂性，通常这些影响不作考虑。式(2-1)中假设各路RSS信号具有相同特性，这在室内传播环境中存在一定问题：首先，信号分布受墙壁、家具等的影响，是不对称的。然后，此模型与接收端的方向是不变的，而实际中接收信号与设备的方向有关。最后，基于无线传播模型的方法假设AP的位置是固定不变的，这对于多种无线网络、多种体制并存的部署环境是不实际的。2.2.2基于位置指纹的方法RadioMap是位置指纹算法中最关键的部分，它能够真实地反映定位覆盖范围内的信号特征，并为在线阶段提供可靠的定位信息。位置指纹定位算法中RadioMap的建立是将需要定位服务的WLAN覆盖区域内划分为多个网格（这些网格称为参考点），离线采集每个网格的RSS值并保存。相比于其它基于RSS的定位方法，如信号传播模型，位置指纹算法对于由环境因素造成的信号传播波动具有更强的健壮性。因为位置指纹充分利用了RSS的位置依赖特性。WLAN位置指纹定位包括两个阶段：测试阶段，离线采集的RSS数据用来构建RadioMap；估计阶段，测量新的RSS样本向量跟RadioMap中存储的信息进行匹配，并根据相应定位算法估计得出定位坐标。位置指纹最大的优点是仅利用现有的无线网络设备即可实现定位，而不需额外的硬件资源。图2-2说明了此过程。9哈尔滨工业大学工学硕士学位论文图2-2基于位置指纹的RadioMap建立流程对于每个参考点，RadioMap包括它的二维物理位置坐标和从测得的RSS值中提取的特征信息。参考点的坐标和相应提取的特征称为一个指纹。WLAN指纹定位中RSS的特征可以是RSS向量的均值、中值、最大值，或者是RSS样本的概率密度函数的近似。本课题中，均保留原始采集的RSS样本数据作为RSS的特征。且对于每一个参考点的每一维AP信号，都有多个样本。标记参考点为,为定位区域内的参考点总数；标记AP为,为AP总数；则第i个参考点接收到来自第(1)iiNN(1)jAPjPPj维AP的信号样本可表示为()jAP(1)iRSSttTT,为样本总数，样本均值为null11jjiAPTiAPtRSSRSST=；与之相对应的二维坐标可表示为(,i)ixy，则RadioMap中存储的是所有参考点来自所有AP的所有样本对(),(,)iijiAPRSStxy。由此可见，定位效果跟RadioMap数据库的大小息息相关，对于没有进行数据采集和的提取的区域无法提供定位服务。这种不能实时反映并跟踪动态室内环境变化的建立方法称为静态RadioMap。即若室内网络环境发生变化，如室内布局、人员走动、门的开关、温度、湿度等因素的的改变都将导致定位精度的下降。2.3位置指纹定位算法RadioMap建立完成后，即可进行在线定位。下面将介绍位置指纹定位中10哈尔滨工业大学工学硕士学位论文经典的加权近邻法和概率法，以及新兴的起来的人工神经网络（ArtificialNeuralNetwork，ANN）法。k2.3.1加权K近邻法加权K近邻法（WeightedKNearestNeighborhood，WKNN）35是在最近邻思想的基础上，增加了权重因子，该因子用来衡量不同近邻点对待定位点的贡献程度。一般情况，近邻点距离待定位点越近，对定位的贡献程度就大，权重因子就大。具体求解过程如下：如2