室内无线定位技术的研究

她京交专业硕士学位论文室内无线定位技术的研究ResearchonWirelessIndoorPositioningTechnology作者：曾龙基导师：赵军辉北京交通大学2013年6月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：签字日期：劢侈年乡月9日新躲邀军辱槲期测；年6月日中图分类号：TN9295学校代码：10004皿c朋4密级：公开llllllIEIIIIIEIIll14H!IIIIIHIIlY2427862北京交通犬F专业硕士学位论文室内无线定位技术的研究ResearchonWirelessIndoorPositioningTechnology作者姓名：曾龙基导师姓名：赵军辉工程领域：电子与通信工程学号：11125040职称：副教授学位级别：硕士北京交通大学2013年6月致谢本论文的研究得到了国家自然科学基金(61172073)和中央高校基本科研业务费(2012YJSl30)的资助，在此表示感谢。本论文的研究工作是在导师赵军辉副教授的悉心指导下完成的，在本人的研究生学习和科研工作中，赵老师平易近人的品质、求真创新的学术思想，对待科学研究保持谦逊务实的态度和一丝不苟的钻研精神值得我钦佩，并在具体的科研工作中给予了我很多帮助。在此衷心感谢两年来赵老师对我的关心和指导。衷心感谢我们实验室的各位同窗好友们：吕宸、李非、刘畅、杨涛、杜家娇、张浩、王娇、刘旭。在一起学习和科研的日子里，是你们营造了自由宽松的科研环境和良好的讨论氛围，给我的科研工作带来了许多有用信息和思路，并在论文写作中予以很大的帮助，在此向你们表达我的感激之情。在学术交流讨论中，韩江同学提出的许多想法启发了我，与你讨论交流问题是我难忘的回忆，在此向你表示感谢。最后，我还要特别的感谢我的父母、家人和好友，是他们的理解和支持使我能够专心完成我的学业，每当我遇到困难时给我精神上最大的鼓励，让我能够取得目前的成绩。中文摘要摘要：随着定位技术大规模商业化的发展，基于位置的服务(LocationBasedService，LBS)成为新兴的移动互联网产业，并得到了快速的发展。传统的卫星定位技术和基站辅助定位技术已经在室外定位中取得米级以上的精度，并已经应用于LBS产业中。目前制约LBS发展的最大障碍来源于室内定位领域，由于室内信道的时变性和复杂性，经典的室内定位算法精度普遍不高，而性能较好的室内定位算法需要则较为苛刻的实现条件。因此室内定位的精确、普适算法的研究一直是定位领域的研究热点和难点。本文通过对相关文献和研究现状的查阅，对基于距离参数的参数化定位方法和基于特征匹配的非参数化定位方法这两种目前室内定位的研究方向进行了研究。本文的研究内容和创新点如下：1在研究参数化室内定位方案中，通过分析已有的室内信道模型，结合室内定位的使用场景，重点探讨了信号隔墙衰减因子模型的相关内容，同时，针对无线信道时变特性，改进提出了无线局域网接入点(AccessPoint，AP)相互实时信号测量，并采用多元线性回归分析得到实时信道参数的方案。针对隔墙损耗对传统信号传播模型的影响，建立了隔墙损耗的补偿机制。首先采用最小二乘法对位置进行预定位，然后考虑到室内环境的非视距(NoneLineofSight，NLOS)因素，改进提出一种基于定位圆环和加权质心算法的NLOS误差抑制算法，通过模拟实际室内场景的仿真设置，对提出的相关算法进行了仿真验证，算法性能比传统算法有所提升。2在研究非参数化室内定位方案中，通过将室内定位的问题转换为特征匹配分类的问题进行研究，引入支持向量机(SupportVectorMachine，SVM)理论并推导分析了CSVM算法在室内定位中的应用方式。针对数据采集阶段训练数据没有得到充分利用的问题，改进提出了一种分层CSVM算法，通过将不同质量的数据进行分等级并赋予不同的惩罚因子的方式综合利用所有采集数据。针对多类别问题中“成对比较策略计算量大的问题，基于k-means算法得到一套快速聚类方案，可以降低比较次数，提高定位解算效率。针对所提出的分层CSVM算法应用场景比较有限的问题，提出了适应未来定位系统的自适应定位计算框架，拓展了所提出算法的应用范围。通过采用合理的数据集，对提出的算法进行了仿真，仿真结果验证了所提出算法的有效性。关键词：室内定位；定位圆环算法；分层C支持向量机；自适应进化分类号：TN9295ABSTRACTABSl量己AC。IjWiththerapiddevelopmentofpositioningtechnologyinthecommercialdomain，LBS(LocationBasedservices)isbecominganemergingmobileInternetindustryTraditionalsatellitepositioningandbase+stationauxiliarypositioningtechnologyhasa11ighpositioningaccuracyatthemeterlevel，andhasbeenappliedtotheLBSThebiggestbottleneckrestrictingthedevelopmentofLBSisintheindoorlocationfieldBecauseofthecomplexityandtimevaryingcharacterintheindoorchannel，thepositioningaccuracyofclassiclocalizationalgorithmsaregenerallynothigh，butthealgorithmswithgoodperformanceusuallyneedharshconditionsHencetheresearchonprecisionanduniversalindoorpositioningalgorithmisalwaysahotanddifficultresearchissueinthefieldoftechnologyThroughthereviewoftherelatedliteratureandresearchstatus，twomajorresearchdirections-parametricpositioningmethodbasedondistanceparameterandnon-parametricpositioningmethodbasedonfeaturematchingwerestudiedinthispaperTheresearchandinnovationpointsareasfollows：Inthestudyonparametricindoorpositioningscheme，therelatedsignalpropagationmodelwithwallattenuationfactorwasanalyzed，especiallycombiningwithindoorpositioningsceneAimingatthetimevaryingcharacteristicsofwirelesschannel，amethodtogetreal-timechannelparametersWasproposed，includingWLANAccessPointrealtimesignalmeasurementandmultivariatelinearregressionToreducetheinfluenceofwalllosscompensation，walllosscompensationmechanismWasproposedInthepositiondeterminationmethod，firstly,theleastsquaremethodWasusedtopredetermineuserSpositionTosuppresstheerrorofNLOS(NoneLineofSight)，amethodusingpositioningannulusandweightedcentroidalgorithmWasproposedTheproposedalgorithmhasbeencarriedonthesimulationscenesettingasanactualindoorenvironmentTheresultsshowabetterperformancethanthetraditionalalgorithmsInthenon-parametricindoorpositioningscheme，theproblemofindoorpositioningCanbetransformedintoafeaturematchingclassificationproblemTheCSVM(C-SupportVectorMachine)algorithmusedinclassificationproblemcanbeappliedintothepositioningsceneAimingatthetrainingdataunderutilizedproblemindatacollectingphase，ahierarchyC-SVMalgorithmwasproposed，whichtocomprehensiveutilizeofallcollectingdatabysettingdifferentpunishmentfactortothedatawithdifferentqualityTosolvethelargecalculationloadproblemof”oneagainstone”strategyinsolvingthemulticlassproblem，ak-meanswasproposedtoreducethecomparisontimesandimprovethecalculationefficiencybasedrapidclusteringalgorithmTheproposedmerarclliealCSVMalgorithmapplicationscenariosarelimitedToexpandtheapplicationareaoftheproposedalgorithm，anadaptiveevolutionlocalizationframeworksuitingforfuturepositioningsystemWasproposedTheproposedalgorithmhasbeencarriedonthesimulationbyadoptingreasonabledatasetSimulationresultsverifieditseffectiveness。KEYWORDS：IndoorPositioning；PositioningAnnulusAlgorithm；HierarcllicalC-SVM；HC-SVM；AdaptiveEvolutionaryLocationCLASSN0：TN9295V目录中文摘要iiiABSTRACTiv1引言111研究背景及方向1111研究背景l112研究方向2113国内外研究现状312研究内容与章节安排52无线定位基础知识721定位算法的分类7211基于距离参数的几何定位算法7212基于特征匹配的定位算法1122WiFi基本知识。1222。1WiFi概述12222WiFi信道1323本章小结143参数化室内无线定位方法1531室内无线信道15311室内无线信道模型15312环境参数的回归分析1932隔墙损耗的处理21321隔墙损耗补偿21322隔墙数目筛选流程2233基于最小二乘法的定位解算算法2234抑制NLOS因素的定位解算算法24341误差分析24342定位圆环加权质心位置解算算法2735仿真与分析31351仿真场景设置3l3。52仿真步骤3l353仿真结果与分析3236本章小结354非参数化室内无线定位方法3641CSVM算法介绍36411线性分类器。36412核函数40413松弛变量与惩罚因子。4242多类别分类问题模型44421“一类对余类算法44422“成对分类”算法4543采集数据的综合利用46431分层CSVM算法46432基于分层CSVM的半监督学习综合利用数据流程4744基于k-means快速聚类的定位解算算法49441不同测量时间下RSS值的统计规律50442k-means算法的应用51443定位解算流程5245自适应进化定位计算框架5346仿真与分析54461仿真场景设置54462仿真结果与分析5547本章小结575总结与展望5851本文工作总结5852未来工作展望59参考文献6l作者简历64独创性声明65学位论文数据集66图目录图21TOA定位方法原理图7图22TDOA定位方法原理图8图23AOA定位方法原理图10图2424GHzWiFi频道与带宽划分示意图13图35平均簇功率和簇内各路径功率的双指数衰减示意图16图36SV室内信道冲激响应模型示意图16图37理想对数路径室内损耗模型18图38实际场景中对数路径室内损耗18图39实际室内场景中AP之间相互测量示意图21图310包含不同隔墙数目隔墙损耗的定位圆。22图311不同标准差盯下的距离偏置因子f的概率密度曲线26图312接收信号强度取平均前后距离偏置因子f的概率密度曲线27图313定位圆环模型j28图314由基站APl，AP2，AP3为圆心的定位圆环29图315定位圆环相交区域29图316仿真场景设置31图317仿真流程图32图318基站APl的理论信号强度分布图33图319基站APl的加噪声信号强度分布图33图3201000次AP间相互测量得到的信道参数a和PL(面)分布图34图321使用定位圆环算法前后的性能对比图35图41分类超平面示意图37图42非线性分类曲面示意图40图43数据映射示意图41图44异常变量带来的不合理分类超平面42图45数据偏斜情况45图46基于分层CSVM的半监督学习流程48图47连续型无位置标签数据的分级结果49图48训练数据分级示意图49图49不同测量时间下的RSSI值50图旦丞图410AP复现概率的累计概率密度曲线。51图411定位解算流程53图412自适应进化定位系统框架54图413各种算法之间累计概率曲线比较图56表目录表21通过软件NetStumbler接收到的WiFi信号参数表13表31不同环境下对数路径损耗因子仅的取值19表41训练数据集RSS数据格式55表42不同算法预测准确度之间的比较55表43不同算法定位平均误差之间的比较5611研究背景及方向111研究背景1引言美国学者Schilittl，2J提出了位置服务的三个目标(3W)，即你在哪里堋ere(空间信息)、你和谁在一起矾O(社会信息)、周围有什么埘at(信息查询)，构成了基于地理位置的服务(LocationBasedService，LBS)最基础的内容。定位技术的目标是获得空间信息，以获取社会信息和支持信息查询的功能。空间信息的获取在移动互联网快速发展的时代已经不是问题，而目前的问题在于空间信息的准确性，即定位精度，远不能满足快速发展的移动互联网需求以及其他需求，就这几个问题和需求，各国科学家和工程师都致力于此方向。无线定位领域作为无线通信领域的重要组成部分，历经多次技术革命的发展，一直位于研究的前沿，目前国内外的室外定位系统已经有较成熟的全球卫星定位系统1，能够完成米级左右的定位。相比之下，室内定位系统仍然有待发展，区别于室外卫星定位系统较为简单的信道环境，室内定位系统发展的瓶颈仍然来源于复杂的室内信道环境。目前随着移动互联网的快速发展，LBS业务也迅速发展，而室内定位的精度一直制约着其发展的重要因素，因此研究室内定位有着重要的意义。11商业需求据相关统计数据表明，预计到2014年，地理位置服务的市场规模将达到390亿美元，拥有20亿用户，其中手机用户或将占到四分之一，仅移动互联网领域收入就将达到160亿美元左右。为了实现在任何时间，任何地点都能提供准确的地理位置服务，对定位的精度和范围要求越来越广，目前的定位技术，尤其是室内定位技术已经无法满足商业驱动的需求。2)政府需求美国政府的“E911”计划最早催生定位服务，欧盟于2002年开始实施“Ell2”计划，对于目前各国政府对于定位领域的强制性需求，在很大程度促进了定位技术的发展，但是在事故救援和紧急疏散方面，室内的精准位置信息将使得事情处理更加迅速和有效，因此各国都在大力发展各种定位技术。保证定位系统的有效服1如全球卫星定位系统(GPS，GlobalPositionSystem)，Galileo卫星定位系统，GLONASS卫星定位系统，北斗卫星定位系统等务，是国民经济发展的重要基础保障条件。3)通信需求通信系统已经趋向于蜂窝网络小型化，室内微微蜂窝的网络架构已逐渐在下一代移动通信网络中应用，在通信领域的科学研究中，利用室内位置信息可以实现蜂窝网络的性能优化，比如位置感应计费、优化扇区划分、微蜂窝中编码频率重用和自适应切换等，因此电信运营商和通信企业都在定位领域投入了大量研究资金。112研究方向1)定位技术发展方向目前世界上定位技术的发展十分迅速，针对定位的服务种类也越来越繁多。随着下一代移动通信网络的不断发展，未来移动通信系统为无线定位的实时、普遍发展、无缝化和安全化提供了条件。在中国“十二五”导航与位置服务科技发展重点任务计划中，提出了需要突破的三大核心技术：1泛在精确定位：城市室内外米级无缝导航定位技术、全球室外亚米级实时精密定位技术；2全息导航地图：室内外三维米级全信息导航地图数据获取、迭加、融合与更新技术；3智能位置服务：支撑亿级用户的位置信息搜索、智能推送和按需服务技术。这三个发展方向也代表着定位领域的前沿研究方向，其中室内定位领域作为泛在精确定位和全息导航地图的支撑技术之一，是定位研究领域的前沿研究方向。2)现有定位技术不足、虽然目前GPS或AGPS技术已经能够为用户提供很高精度的室外定位服务，但是对于政府或运营商而言，用户的在任何地点的位置信息对于紧急报警、安全服务以及无线资源管理等领域是不可或缺的。由于GPS或蜂窝无线网络的定位技术适用范围是室外环境，无法完成室内环境下的定位，因此需要对室内定位算法进行研究。当前的室内定位方法主要基于如下网络架构：无线局域网、蓝牙、超宽带、超声波和无线射频识别(RadioFrequencyIdentification，RFID)等技术。目前室内定位算法有两种研究的方向，一是基于几何方式的定位方法，另一种是基于特征匹配的定位方法。以后者为例，定位算法的本质是解决测量集合与样本集合的模式匹配的问题，这种算法在一定程度上能够达到高精度，但是需要前期的大量样本采集以及匹配搜索算法计算复杂度较高，无法在移动终端高效的实现，而且特殊的空间受限环境(隧道、地铁等)的研究仍然较少，因此在室内定位技术大规模推广使用之前仍然亟需解决这些问题。113国内外研究现状室内环境的主要特征是无法接收到足够的定位卫星信号，环境中无线信号传播受到非视距(NoneLineofSight，NLOS)因素影响较大，因此大多只能采用无线网络定位的方式实现，由于该环境下定位的精度远远无法满足当前需求，所以这是目前定位领域的热门研究方向，应用较广泛的有以下几种技术方案。1)基于信号指纹的识别(WiFi，RFID，蓝牙，无线传感器)，主要的研究方向有以下几个方面：滤波优化算法：罗海勇等人采用基于动态RadioM印的粒子滤波算法将移动目标定位由分类问题转化为回归问题【31，利用即时定位与地图构建技术和射频识别技术进行室内定位，同时他们还基于Bayes滤波的定位框架，基于核函数法和马尔可夫过程提出了节点定位算法【4】，采用射频指纹匹配技术，使用核函数构建似然函数，获得观测样本和训练样本之间的相似性，改进相应算法避免使用先验确定型模型所带来的误差。ErringtonAEC等人利用即时定位与地图构建技术和射频识别技术，使用最小二乘算法进行室内定位【5】。ChoSY等人提出的室内定位算法包括虚拟参考点的数据和服务域内接收信号强度，然后利用几种算法(反距离加权、最小二乘迭代、直接解法)和无线接入点(AP，AccessPoint)进行室内定位16J；这方面的研究或从信道入手，提出适应无线信道的改进算法，或从匹配算法入手，提出匹配优化算法，在无线局域网接入点AP数量较少的情况下，此类算法性能不能达到很好的效果。定位与跟踪的相结合：由于定位在很大程度上是为了导航服务的，因此追踪算法的有效性也是衡量定位系统优劣的一项指标。SaadSS等人利用无线射频识别独立构建室内定位导航系统，使用卡尔曼滤波提出一种迭代定位系统17J；BoonChongSeet等人提出一种无线传感器网络(WirelessSensorNetwork，WSN)中混合自定位方法【8l，首先利用RF映射提供初步估计，在协作定位中使用卡尔曼滤波的得到的测量节点间的距离估计值进行移动台跟踪；邓中亮等人提出了一种基于支持向量机(SupportVectorMachine，SVM)多分类的室内定位算法，并运用卡尔曼滤波器进行导航跟踪【9J。定位与跟踪是导航的重要组成部分，这方面的研究表明卡尔曼滤波器在跟踪算法中具有重要的地位，但是室内环境不同于开阔的室外，定位的场景也不尽相同，改进适用于室内的跟踪算法将是未来研究的方向。信号特征提取：信号强度大小不一定是最优反映信号特征的参数，通过变换形式获得的信号特征参数能够在模式匹配上有更好效果。YubinXu等人采用基于位置特征提取的无线局域网(晰elessLocalAreaNetwork，WLAN)室内定位算法Il01，每个从单接入点获得的无线信号接收强度(RecievedSignalStength，RSS)信号作为径向基函数(RadialBasisFunction，RBF)传递神经网络的输入来建立RSS信号和位置坐标间的映射关系。YunyeJin等人提出了一种基于指纹的定位方案【l，利用了信道冲激响应的位置依赖性，应用了接收机信道估计的傅里叶逆变换。这方面的研究在进行特征提取的流程上并不尽如人意，上述研究的采样方式只有单点定方向采样，而在室内环境下，人所处位置的各个方向接收场强都有所不同，在采样的同时单方向是不够的，为满足更加精确的定位需求，特征提取的采样阶段应考虑多方向的因素。2)利用UWB技术进行TOA或TDOA定位张瑞峰等人针对室内环境影响定位精度的非视距传播问题，在对基于TDOA的UWB室内定位模型和算法进行分析研究的基础上，提出了质心Taylor混合定位算法【12l，在NLOS测距误差较大的环境下能有效地提高系统的定位精度。DavisJG等人研究了在多径环境下无线传感器节点UWB定位的三维定位法，提出了两种新方法【13】：1、UWB脉冲边缘检测方法；2、基于球形函数交点的统计分析的新的算法。CeminZhang等人提出了一种新的UWB定位系统【l训，提出将载波UWB和基于能量检测的UWB相结合的定位方案。YuanZhou等人提出一种室内异步定位系统【l51，系统由UWB发射机和多个位置己知的能量检测机构成，采用的是TOA算法进行定位解算。UWB技术采用的是TOA或TDOA算法，在室内的环境中，采用时间基准的定位方法会受到非视距(NLOS)因素的影响较大，在目前研究的室内定位算法主流并不集中在基于时间的算法，因此在本课题研究中不优先考虑。3)传感器网络中的定位方法刘书静，罗海勇等人针对无线传感器网络定位的精度问题，提出一种基于加权Voroni图的无需测距的分布式定位算法【l6|，其称结果比基于W-Voronoi图的算法精度更高。靳洪旭等人研究了室内无线传感器网络定位技术在某些场合下恶意节点攻击的情况，针对极大似然估计定位技术极易遭恶意攻击的情况，提出了一种基于极大似然估计定位技术的恢复定位精度定位算法【17】。程龙等人提出利用Fisher准则将传感器分为两部分，每部分传感器与相应信号源对应，并在此基础上提出利用加权减负加正算法对多信号源进行定位计算【l81。ZhongwenGuo等人提出一种介于基于距离和无需距离之间的移动辅助定位方法【191，称为垂直交点PI，通过对比移动信标到传感器节点的RSSI值，而不是直接映射到距离值的方法实现其定位方案；PivatoP等人分析了基于RSS的WSN室内定位准确性，考虑对比了两种低复杂度算法，加权质心和相对跨度指数加权两种定位方法【20】。传感器网络是物联网的重要组成部分，在泛在空间定位中，不仅包括了人的定位，也涵盖了物的定位，因此传感器网络的定位是未来发展的方向之一。由以上的研究可以了解4到，国内外在传感器网络定位方案上有基于距离的定位方案，也有无关距离的定位方案，无关距离的定位方案优点在于无需考虑信道影响，但是需要大量布置传感器节点；基于距离的定位方案与传统的无线局域网定位方案类似，通常采用信号指纹模式匹配和质心算法实现。分析以上研究者所完成的工作，他们并未考虑到数据融合和多模式定位方案，这将成为本课题研究主要方向之一。4)组合导航、数据融合与室内外无缝切换的研究随着智能终端配置的传感器越来越多，利用多种导航方式进行组合导航的研究也越来越多。室内外无缝切换的问题是未来定位领域的一个亟需解决的问题，也是目前定位导航领域的前沿研究方向。数据融合技术不仅能够在获得多个定位参数的同时选取出最优的结算结果，而且可以应用于室内外无缝切换的定位信息流交换中。ByotmgSukChoi等人提出了超声波传感器和RFID的融合技术，利用传感器获得的数据消除RFID系统的不确定性【2l】。HeNengqiang等人综合利用智能终端的气压传感器、GPS和WiFi网络定位相结合实现室内外无缝三维定位和导航系统【22】。邓中亮等人在室内外无缝切换方向上采用网络优先级方式进行，并且采用组合导航的方式综合利用无线网络的资源，构建了一套原型系统【2引。组合导航和室内外无缝切换是可以基于数据融合技术的：由于组合导航所利用的是不同异构网络的信号或其他信息，信息处理和位置解算过程需要将所有数据进行融合；室内外切换的过程本质上也是异构网络之间的定位数据交换的过程。在以上所述的研究中，数据融合技术并没有凸显在其研究的方案中，他们更多采用的数据融合方式为简单的平均方式，并不适用于室内外切换过程中定位信息流突变的环境。要获得更好性能的无缝导航，需要更加贴合实际的数据融合方式。12研究内容与章节安排目前研究室内定位的方法有很多，根据采用的方法不同，定位的性能也有所差别。本文在总结前人研究成果的基础上对两种基于WiFi的室内定位研究方向的内容进行了研究，通过对比借鉴不同类型的定位算法，针对现有算法的不足提出了相应的改进并进行仿真验证。论文的具体内容安排如下：第一章介绍了论文研究背景和方向，介绍了无线定位技术的发展背景和国内外研究现状，并介绍了本文的主要工作。第二章对现有无线室内定位技术进行了分类，确定了室内定位研究的两个方向，并简单介绍了WiFi技术的基本知识。第三章研究参数化的室内无线定位技术，分析室内信道的相关模型，针对信道特征提出一种环境参数的实时获取方法，并基于最d-乘法和定位圆环加权质心算法提高定位性能，并进行了仿真验证。第四章研究非参数化的室内定位技术，分析比较几种经典的机器学习分类算法在室内定位中的应用，为了最大限度的利用采样数据集，提出了一种分层CSVM算法，并基于此算法构建一套半监督学习的数据利用流程和相应的室内定位算法，算法性能有所提升，并进行了仿真验证。第五章对全文工作进行总结，以及对未来研究工作进行展望。621定位算法的分类2无线定位基础知识定位的最基本目的就是准确的获取待定位目标的位置信息，位置的感知从古至今一直是人们生活的需求之一，古代有以太阳，北斗作为参考方向进行定位的方法，有依靠“听声辨位”的方法，也有通过观察周围环境与记忆中的场景进行比对估计当前位置的方法。这几种定位的方法也代表着定位研究领域的划分方向，前两种方法是通过参考节点或与距离有关的参数来进行定位，这样的方法可以通过一定的几何关系获取位置信息；第三种方法是通过特征匹配的方式进行定位，此方法最大特点是需要获得先验的数据来支持当前的定位。在本小节中，本文将对这两种定位的方法进行基础知识的介绍。211基于距离参数的几何定位算法精确严格的定位往往需要严谨的数学模型支持，基于距离参数的几何定位算法正是基于此构建的，算法需要通过测量与距离相关的参数(到达时间，信号强度等)，己知准确位置的节点来构造几何模型，并通过各种抑制噪声的算法解算出位置信息，常见的算法有以下几类【24】。1)基于信号到达时间(TimeofArrival，TOA)的定位算法TOA算法是定位领域最经典的算法，由于这种方法比较直观而且让人容易理解，一直作为其他定位算法的基础和对比的算法，在这基础上改进的算法有很多，因此TOA算法系列是在定位中应用比较广泛的类型。图21TOA定位方法原理图Fig21schematicdiagramofTOAlocationalgorithmTOA算法原理如图21所示，以三个基站(BaseStation，BS)定位为例，设第m个移动终端(MobileStation，MS)与第f个基站的距离为西，如(21)所示。4=(tto)C，f-1，2，3，(21)其中，to为基站发送信号的时间，岛为移动终端接收到第z个基站的信号时间，c为光速。设移动终端的坐标为掰执)，第f个基站的坐标为O，f)，以基站为圆心的三个定位圆的半径距离方程式可以如公式(22)所示。砰=(置一)2+(M一心)2=(X2一Xm)2+(y2一Ym)2霹=(屯一xm)2+(儿一虼)2根据到达时间可以判定距离值，在此设&一，、一、一一一一120dBm图2424GHzWiFi频道与带宽划分示意图Fig24allocationdiagramof24GHzWiFifrequencyband通过带无线网卡的计算机设备与软件NetStumbler可以采集获得接收到的无线AP的一系列参数，如表21所示。表21通过软件NetStumbler接收到的WiFi信号参数表Table21ReceivedWiFisignalparametertablethroughsoftwareNetStumbler参数类型举例MAC地址00137F3340DOSSID(服务集标识符)BJTU通道1l速度54Mpbs类型AP或Peer加密类型WEP或WPA信号80噪声100信噪比20首次出现时间9：59：46上次出现时间11：14：3223本章小结本章节对无线定位中应用到的基础知识进行了介绍，并对应用于定位领域的两种算法类型的特点和经典算法进行了概述。通过对基于距离参数的几何定位算法中TOA、TDOA、AOA、RSS进行定位模型建立，并总结了各自算法的优缺点和其应用场合。通过对基于特征匹配的定位算法进行了分析，总结了两种类型的算法，基于模型的匹配定位算法和无需模型的匹配定位算法，并对这两种类型的经典算法给予了介绍。由于本文研究内容是基于WiFi定位的，在本章节也简略的介绍了WiFi相关的基本知识。这些基础知识都为后续章节研究工作的开展奠定了基础。31室内无线信道3参数化室内无线定位方法影响室内定位系统精度的最大因素是复杂的室内无线传播环境所带来的测量参数不准确，建立准确有效的信道模型，提出抑制环境参数带来不利影响的算法，对室内无线定位系统设计、性能提升有着重大的意义。311室内无线信道模型在室内无线传播过程中，由于受到大量的障碍物与遮蔽的影响，无线电波会受到许多影响，包括反射，散射，墙面和地板的吸收，人员走动、房门开闭造成的电波绕射等。在这些因素中，同时包括时不变和时变的参数变量，时不变的参数变量可以通过确定性模型或经验模型的建立获得，对于时变的参数变量，我们通常只能在统计意义上获得，无法通过确定性模型给出度量。目前常见的几种信道统计模型包括冲击响应数学模型、对数路径损耗模型、衰减因子模型等。1)SV冲激响应模型【34】室内无线传播信道是一个时变信道，对于信源和信宿而言，信道就相当于一个随机时变的线性滤波器，信道的等效冲激响应可以表示如下：世h(t，f)=ak(t)8t一靠(f)】P厩u(31)k=l其中，为路径总数，ak(O为时变随机幅度值，讯0为第k条路径的传播时延，钺f)为第k条路径的相位，6()为冲激函数。信道的特征可由以上参数决定，设信源发送信号为x(O，接收信号为灭力，信道复高斯噪声为刀(D，则有公式(32)：少(f)=xIjf)圆办(f)+胛O)=Ix(r)h(t-r)d(r)+疗O)(3-2)Saleh和Valenzuela通过对所在的两层办公楼室内信道进行测量，并结合其他研究者的研究结果，提出了适用于室内无线信道的统计模型，SV模型。Sv模型通过描述多径按簇分布的现象的信道模型，可以适用于NLOS信道环境。设簇和簇内多径分量的到达时间都服从Possion分布，其中瓦为第n簇信号的首径分量到达时间，行为第n簇信号的第k条路径相对于首径到达时间兀的延迟，么为簇到达率，A为簇内多径分量的到达率，通常情况下簇内路径数要远大于簇的数目，因此有胗洲，而且有而=O，功行=O。p(乙I乙一1)=Aexp一A(To一瓦一1)，n=1，2，；(33)p(rkl气-1。)=2exp-见(r咖一-l。)】，k=l，2，；(3-4)设第n簇内第七条路径的幅度为风，相位为氏野，室内信道的冲激响应可表示为：办o)=展，。P砒8(t一瓦一-1)(35)n=Ok=0n在o，2兀)上均匀分布，厥刀服从Rayleigh分布，设尻。为第刀簇内第k条路径的平均功率，厂和)，为簇和簇内路径的时间衰减因子，可得到式(36)废。=p0oexp(一瓦Dexp(-rk，7)(3-6)2(f)整个包络、一ro巧t图3,5平均簇功率和簇内各路径功率的双指数衰减示意图Fig35doubleexponentialdecaydiagramofaverageclusterpowerandeachpathpowerintheclusterJI屈。zl风，llIII屈lI。l死一第。簇一互厂图36SV室内信道冲激响应模型示意图Fig3,6diagramofS-Vindoorchannelimpulseresponsemodel2)对数路径损耗模型对于室内无线定位系统而言，由于多径干扰比较严重，采用基于到达时间(TimeofArrival，TOA)钡t量或基于到达时间差(TimeDifferenceofArrival，TDOA)的定位系统精度会大大降低，因此主流的室内无线定位系统测量的参数为接收信号强度(ReceivedSignalStrength，RSS)。对于接收信号强度而言，在大尺度范围是服从对数路径损耗模型，该模型已被广泛应用于信道建模中。对数路径损耗模型是由自由空间损耗模型推导出来的，对于自由空间损耗模型，可以用著名的Friis公式(37)表示【35】，其中B(力为距离发射机距离d处的接收功率，Pf为发射功率，G，和G，分别为发射机与接收机的天线增益，为无线电波的波长，三为系统损耗参数，通常假设系统硬件没有损耗，即令L=I。删)M=器(3-7)由式(37)可以推导出其对数关系式(式(38)：悱。=-10109。o(器)p8，忽略天线增益，即令G严G手1，式(38)可以表示为式(39)：PLF【dB】=10loglo=20loglo(等)(3-9)由式(39)可以得到室内对数路径损耗(PL，PathLoss)公式(310)：PL(d)dB】=PL(do)dB+10aloglo()+KdB】(310)口O则终端的接收信号强度为：e(d)dB=PL(do)dB一10aloglo(0+kdB(311)“0其中，o【为路径损耗因子，指示了路径损耗随距离变化的增速，这依赖于周围环境和建筑物类型，面为通过近距离测量发射机而得出的中心参考距离，PL)为中心参考距离的功率，d为发送端与接收端之间的距离，是均值为0，标准差为盯的高斯噪声。适用于室内无线定位领域的技术通常位于ISM频段，其中一个比较典型的载波频率为力=24GHz，在此情况下取do=l，则有PL(do)=PLF(do)2-40dB。对于路径损耗因子a而言，不同环境下的路径损耗有所不同。聂辎罂对数路径损耗模型，f芹4GHz距离(m)图37理想对数路径室内损耗模型Fig37ideallog-distanceindoorpathlossmodel实际场景中的对数路径损耗，f24GI-Iz，B23dB图38实际场景中对数路径室内损耗Fig38log-distanceindoorpathlossmodelintherealscenario3)隔墙衰减因子模型在实际场景中的对数路径损耗模型考虑了室内环境中的噪声等干扰因素，但是对于一个标准的同层室内区域(以写字楼为例)，有不同的分隔，如墙壁、软分隔、承重墙等。不同的阻挡物和建筑物类型会带来不同的影响，这一影响不仅体现在噪声、对数路径损耗因子仅和中心参考距离的功率PL(do)，还体现在隔墙衰减因子WAF上，则终端接收信号强度如式(312)所示【36】。，一P(d)【dB】_PL(如)【dB卜10ctlogto呼)一w越【dB】+疋【dB】(312)“O式中的WAF；为基站AP与终端之间相隔的第i堵墙的隔墙衰减，终端最终接收到信号强度经过了路径中对数路径损耗和多堵墙的隔墙损耗。室内环境的不同也会带来信道参数的不同，主要体现在对数路径损耗因子仅和中心参考距离的功率PL(do)上，表31显示的是不同环境下口的取值。表31不同环境下对数路径损耗因子反的取值Table31differentvaluesof