《传感器网络》课程大作业--传感器网络技术与云计算相结合的定位系统.doc

无线网络技术与云计算相结合的定位系统传感器网络课程大作业 题目 传感器网络技术与云计算相结合的定位系统 学号 201192334 姓名 吕卿 时间 2014年 10 月 20 日 小组成员：吕卿 网络1101班 201192334 小组成员：王喜聪 网络1102班 201192263 成绩 目录一、摘要3二、简介3三、定位算法43.1 三角测量法53.1.1最小二乘法技术53.1.2测角技术83.2 位置指纹法83.2.1 数据收集93.2.2最邻近算法93.3大规模传感器范围自由定位算法103.3.1原理103.3.2算法实现12四、研究方法144.1测试平台144.2数据采集154.3数据处理154.4算法及实验分析16五、对各种无线定位系统的分析175.1红外定位系统175.2超声定位系统185.3无线电频率（RF）定位系统185.4在线个人追踪（OPT）系统20六、总结20七、参考文献21八、工作分配21一、摘要随着数据业务和多媒体业务的快速增加，人们对定位与导航的需求日益增大，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端或其持有者、设施与物品在室内的位置信息。室内定位是定位技术的一种，与室外定位技术相比有一定的共性，但由于室内环境的复杂性和对定位精度和安全性的特殊要求，使得室内无线定位技术有着不同于普通定位系统的鲜明特点，而且这些特点是室外定位技术所不具备的。室内定位范围相对较小，因此对定位的精度要求相对而言较室外定位要求较高。室内信号微弱，且反射现象严重，故要求定位算法对各种误差的鲁棒性要强。室内定位的应用场合通常决定了定位设备简单、功耗小、计算量和通信开销也不能太大，在特殊场合还需要考虑不对室内其它设备造成干扰。无线室内定位系统在最近几年变得越来越流行。这些系统已经成功地被用在了很多应用中，例如资产跟踪，库存管理。我研究的是一个关于现有的各种无线室内定位解决方法的概述并试图将各种技术和系统分类。三种典型的定位有三角测量，景物分析和距离分析。一个以射频（RF）为基础的，为室内用户定位追踪而产生的系统也有很大的市场。RADAR通过记录并处理信号强度信息来运作，这些信息由多个基站产生的覆盖评定去来提供。这个系统将实际测量和信号传播模型结合起来，用这些信息决定用户的位置，因此可以提供用户定位感知服务和应用。我们展示了我们的实验结果，这些结果可以说明RADAR以高精度估计用户位置的能力。其中，室内定位系统（IPSs）被设计来为个人和设备提供位置信息。私人网络（PNs）被设计来满足用户的需求并且使用户的装备了不同交流软件且在不同地点的设备进行交流并组建一个网络。PNs中的位置可获取服务需要被发展来提供流畅且可获得的私人服务并且提高生活的质量。在无线传感器网络中人们已经提出了大量的基于测距定位的方案，但由于节点硬件成本的限制阻止了这些方案的使用。故而为了解决此问题，一种新的定位算法名为APIT诞生。若考虑到不规则的无线电传播模式，随机的节点分布，以及较低的通信开销这些因素，该方案能起到很好的效果。当做了一系列的实验准备验证后，结果显示是当误差小于节点无线通信半径的0.4倍时，路由的性能以及跟踪的精度都不会受到太大的影响。二、简介准确可靠且实时的室内定位和基于定位的协议和服务在未来通信网络中是不可或缺的。定位系统使得设备的位置信息对于导航，跟踪，监控之类的服务是可获得的。一些基于定位的室内追踪系统已经被应用于医院中的贵重设备上，以免设备被偷盗。 在迅速发展的综合网络和PNs的服务中极为强调用户的需求。人们很多的注意力被放在个人使用的智能情境感知服务上，这使得人们的行为举止更为方便简单。动态和室内环境的不断变化带来的不确定性被定位信息的实用性减小。GPS是应用最为广泛的卫星定位系统。然而GPS不能在室内使用。相较于室外，室内环境更为复杂，室内有着各种干扰因素。例如气压，噪声，其他的的无线网络信号. IR，RFID，WLAN，UWB基于这些基本技术，很多公司，大学发展出了很多新的技术。在这篇论文中，我们介绍了很多实用的和科研的IPSs。这些系统提供一种新的叫做自动对象位置侦测的自动化操作层。现实应用中有很多依赖这种自动化操作。商店存储物品的位置侦测，医院的人员和医用设备的位置侦测，着火的大楼中消防员的位置侦测，侦测被用来寻找爆炸品的警犬定位，找到分散在植物上维修工具和设备的标记。室内定位传感系统主要的进步是在这最近十年来发展的。因此，在这个方面的科研和商业产品都是新的，并且在学院和工业中的许多人在这些系统上的研究和发展都是刚刚渗入。所以对于我们学生在这方面还有很多空间去研究并发现一些新的定位系统。不同的应用可能需要不用类型的定位信息。主要的类型有：物理位置，符号位置，绝对位置和相对位置。物理位置是用坐标形式表达，在2-D/3-D地图上确定一个点。符号位置是用一种自然语言表达。绝对位置是用对所有对象使用一种分享参考网格。相对位置依靠它自身的参考系。一个室内无线定位系统至少包含两种单独的硬件组件：一个信号发射器和一个测量单元。测量单元是智能系统的主要部分。定位系统中有四种不同的拓扑结构。第一种是远程定位：它的信号发送器是移动的和几种固定测量单元来接收发送器的信号。结果是从所有测量单元收集的，和发射器的位置是由主控制台计算出来的。第二种是自定位：它的测量单元是移动的。这个单元接收已知位置的发射器的信号，并有能力根据测量信号计算出他打的位置。第三种是间接远程定位：它提供一个无线数据连接，并能从自定位测量单元得到的结果发送到远程端。第四种是间接自定位：通过无线数据连接从一个远程定位端将测量结果发送到一个移动单元。虽然已经有许多针对发展定位感知系统的服务研究，但是却很少有人关注基础而又有挑战性的定位追踪移动用户的问题，尤其是在室内环境。为数不多的可以解决这个问题的努力，也通常是在红外范围（IR）内构建无线网络。红外网络的范围有很大的限制，虽然有利于用户，但是在提供大面积覆盖时，确实一个不小的障碍。此外，红外网络的布设通常只是为了单一的目的定位人，它没有提供传统的数据网络服务。为了避免这些限制，我们在研究过程中将注意力集中在射频无线网络上（RF wireless networks）。我们的目标是补足RF无线局域网的数据联网能力，以及准确用户定位和跟踪能力，从而提高这个网络的价值。三、定位算法3.1 三角测量法三角测量是使用几何学中三角形的性能来估计目标的位置。它有两个派生：最小二乘法和测角。最小二乘法是通过测量目标到多个参考点的距离从而估算它的位置。所以他也被称为测距技术。通常使用讯号强度法（RSS），到达时间法（TOA）或者到达时间差法（TDOA）这几种方法来代替直接测量距离法，并且这个距离通过计算射出信号强度的衰减或增加无线信号的速度和传播时间来导出。在一些系统中，往返飞行时间（RTOF）也被用在范围估算中。测角方法通过计算多个参考点的角度关系来定位。3.1.1最小二乘法技术：3.1.1.1 TOA: 从移动目标到测量单元的距离与传播时间成正比。为了能在2-D地图上定位，TOA测量必须由至少3个参考点的信号组成。对于基于TOA的系统，单向传播时间是被测量的，测量单元和信号发射器之间的距离是被计算出来的。一般来说，直接从TOA得到的结果有两个问题。第一，系统中的发射器和接收器必须精确的同步。第二，在发射的信号中必须有一个时间戳的标签为了让测量单元识别这个信号已经传播的距离。一个简单的方法使用几何学方法来计算TOA的各个圆的交叉点。这目标的位置也可以通过将一个非线性成本函数的平方和减少到最小（最小平方算法）来计算。它假定移动终端位于（x0,y0），在t0时刻发送一个信号，N 个基站位于（x1,y1），（x2,y2），（xN,yN）在t1，t2，tN时刻接受信号。这个成本函数可以表示为：其中是反映测量单元i接收信号的可靠性，从而来减小误差，fi（x）的表达式：C代表光速，x=（x,y,t）T，c*(ti-t)是通过测量获得基站与移动台的距离测量值，是二者的真实距离。即移动台必定在以（xi,yi）为圆心，c*(ti-t)为半径的圆上。这样就可用通过三个基站来确定这个移动台的位置（三个圆的交叉点）。这个函数可以取适当的x,y,t的值来使函数值为零。位置估算是将F（x）的函数值取最小值来决定的。这种算法是距离几何算法。它利用基站与移动台之间的距离几何关系，构造距离误差优化约束函数（残差函数：fi(x)，残差平方和函数F(x)），对距离测量值进行合理的修正来提高定位精度。3.1.1.2 TDOA：TDOA的思想是通过检查信号到达多个测量单元的不同时间来确定移动发射器的相对位置而不是像TOA一样测量绝对到达时间。这种方法可以降低时间同步的要求。对于每个TDOA测量器，发射器必须位于一个双曲面与两个测量单元之间的恒定距离差中。双曲面的方程式是：(xi,yi,zi)和(xj,yj,zj)代表固定的接收器i,j；(x,y,z)代表目标的坐标。在一个2-D图中，可以从两个或多个测量器形成的两个个交叉点中估算出目标的位置。如图Fig.2所示，测量单元A,B,C形成的两个双曲线提供了一个交叉点P，这个交叉点就目标的位置（两个双曲线有两个交叉点，但是可以根据距离来推算出那个交叉点是目标的真实位置）。TDOA可以从一对测量单元接收的信号的相关性来估算出。因为信号s(t)传播中会受到噪音而衰减ni(t)以及其他的情况而产生延迟di，所以实际的信号是xi(t)=s(t-di)+ ni(t)。它的减小误差的函数是：这个函数没有看明白是怎么将误差减小的，故在此不做解释。等以后查阅相关资料在做分析。3.1.1.3 RSS-Based: 上面介绍的较少的两种方法TOA,TDOA有一些缺点。在室内环境中，在信号发射器和接收器之间是很难发现LOS信道的。无线传播在这样的环境中会受到多种因素的影响。到达信号的时间和角度也会受到这些因素的影响。所以估算位置的准确性就会降低。一个可以选择的方法来估算移动单元和测量单元之间的距离就是将信号加强。RSS-Based方法是试图计算出因为传播而产生的信号路径亏损。但是路径损耗模型并不一定在各种环境中都适用，所以在特定的场合有特定的参数。3.1.1.4 RTOF: 测量信号在发射器和测量单元之间来回的传播的飞行时间。RTOF相对于TOA，有一个更加温和的相对时钟同步需求。测量器与TOA相同。它的测量单元可以认为是一个普通的雷达。目标异频雷达收发机回答雷达信号的询问，完整的往返传播时间通过测量单元测量。但是对于测量单元来说因为响应器要知道确切的延迟/处理时间是有困难的。不过在长范围或中等范围的系统中相对于传播时间来说，这个延迟还是可以忽略的。对于短范围系统则不可以，但是可以用调制反射的概念来解决，这个调制反射的概念只适合短范围系统。TOA的路径算法可以直接应用在RTOF上。在实际应用环境中，由于多径、绕射、障碍物等因素，RSS采样数据不稳定，由于环境的干扰，采样数据还有可能出现错误的结果，故采用高斯分析模型用于处理采样数据，排除小概率、大干扰的错误数据对系统性能的影响。在实际测量过程中RSS值有一个随机分量x，即实际测量的数值在一个稳定值附近变动，是一个取决于平均值的对数正态分布随机变量，服从高斯分布，即其密度函数为： （1） （2） （3）其中，Xi为第i个信号强度值，n为号数。在测量前通过采样获得信号强度值，使用公式(2)与公式(3)计算出和m；高斯分析的数据处理原理是测量到的多个RSS值中必然存在一些小概率、高干扰的数据，通过选择一定的临界点常数排除这些数据对整体的影响可以提高采集数据的准确性，公式如下： （4）其中Cp为选择的临界常数；实际测量时，根据公式（4）判断采集的RSS值是否否符合条件，不符合条件的RSS则丢弃。但是高斯模型仅仅只能消除小概率事件的干扰，对于室内多径等原因引起的长时间干扰的问题并不能很好的解决，在下面的路径优先策略中我们再讨论长时间干扰的问题。3.1.2测角技术AOA估计： 在AOA中，这个想要得到的目标的位置可以通过由基站和移动目标构成的圆的半径形成的几对角方向线的交点来发现。如图Fig.5，AOA方法需要是用至少两个已知的参考点（A,B），和两个测量角1，2来得到目标P在2-D图中的位置。AOA的估算通常参考直接发现并由一个直接的天线或是一组天线来完成。AOA的优点是没有时间同步的要求。缺点是要依靠相对大和复杂的硬件，而且需要移动目标和测量单元之间的距离要圆这样才能精确的得出角度。3.2 位置指纹法位置指纹法完全在实验的基础上进行,分为离线勘测和在线定位两个阶段。离线勘测是在待定位区域里按照一定的间隔距离确定若干采样点,形成一个采样点的网格,并将每个点测得的信号强度连同其位置信息一同保存到数据库里,这些信息被称为位置指纹(Location Fingerprint s) 或射电天图 (Radio Map) 。在线定位时,将实时测量的信号强度信息与数据库中的信息比较,取信号强度最接近的点的位置作为估计的位置。换个角度,位置指纹法也可以被看作是让计算机先学习信号强度与位置间的内在规律,然后再推理的过程,因此神经网络、机器学习、统计学习理论也被越来越多地应用进来。根据位置指纹在数据库中的保存形式,又可以分为确定性方法和概率分布法。确定性方法保存一定采样时间内接收信号强度的平均值;概率分布法保存的是一定时间内信号强度的概率分布,如直方图。相应地,在匹配时确定性方法多采用欧式距离衡量两个信号强度之间的相似性;概率分布法多使用贝叶斯公式来判断。确定性方法比概率分布法更简单实现更方便;而概率分布法对信号中噪声的抗干扰性较好,因此准确度较高。目前位置指纹法研究得较多,传播模型法的瓶颈在于研究信号传播模型。还有的研究将传播模型法和位置指纹法结合起来。3.2.1 数据收集基于位置指纹的无线局域网室内定位大致分为两个阶段：离线采样阶段和在线定位阶段(或者实时定位阶段)。离线采样阶段的目标是构建一个关于信号强度与采样点位置问关系的数据库，也就是位置指纹的数据库或无线电地图（radio map）。为了生成该数据库，操作人员需要在被定位环境里确定若干采样点，然后遍历所有采样点，记录下在每个采样点测量的无线信号特征，即来自所有接入点的信号强度，最后将它们以某种方式保存在数据库中。在第二阶段，当用户移动到某一位置时，根据其实时收到的信号强度信息，利用定位算法将其与位置指纹数据库中的信息匹配、比较，计算出该用户的位置。3.2.2最邻近算法通过比较移动设备和数据库中的各个指纹对于每个基站的接受信号强度，求出该移动设备对每个指纹的偏差程度，具有最小偏差值的则是所需要的定位指纹。3.2.3 K邻近算法与最临建算法相似。不同点在于该算法找出偏差值中的k个最小值。（通常k=2 或者3 ）然后对这k个指纹的地理位置取平均值得到定位位置。具体如下：在利用K邻近定位法之前，首先要计算测量得到的RSS 均值矩阵s1,s2,sn和散据库中的Rss均值矩阵S1，S2,Sn之间的距离设RadioMap 中共有m个参考点共有N个AP，Sij为RadioMap 中第i个参考点处的第j个AP的RSs均值， sj为在线定位阶段测量得到的第j个AP的RSS均值，i=1,2,m,j=1,2,n.向量之间的距离定义为（1）其中，q=1时称为曼哈顿距离，q=2时称为欧几里得距离。KNN算法就是在上面的L中从小到大选择K个参考点，然后利用公式： （2）计算其平均坐标作为测试点的估计位置。其中（xi,yi）表示K 个参考点中的第I 个所对应的物理坐标；(x,y)为测试点的估计坐标。当时，算法退化成最邻近算法。3.2.4加权k邻近算法与k邻近算法不同的是不单单的对k个值取平均值，而是分别对于每个位置设定一个权，权的大小取决于它在最后定位中的比重。具体如下：算法是给每个数据库矢量对应的坐标乘上了一个加权系数后在求和，加权的方法有很多种。例如采用如下式子中的加权方法来估算MS的位置坐标。（3）其中，Lqi的定义和（1）中的含义相同。（xi,yi）和（x,y）的含义和（2）中相同。3.3大规模传感器范围自由定位算法3.3.1原理它的基本算法是从待定位节点周围的锚节点中任意选取三个，组成一个三角形，判断该点是否位于该三角形内。如果在三角形内，则将其标记，依次对待定位节点周围的锚节点进行各种不同组合并检测，最终找出所有满足要求的三角形重叠区域，求其质心位置以替代待定位节点在网络中的具体位置坐标。算法原理见图1 用于判定一个节点是否在目标区域内的方法叫做PIT(point-In-Triangulation）。该算法的理论基础有两个假设：假设1：将节点M向任意一个方向移动，如果节点M至少与锚节点A，B，C当中的任何一个之间远离或接近，则表明节点处于该三角形内。见图2(1)假设2：存在一个方向，使得节点M沿该方向移动时，将同时远离或接近三个锚节点A，B，C，则表明节点M处于该三角形外。见图2(2) 按上述命题判断节点M是否处于三个锚节点包围的三角形之内，条件足够，但由于实际无线传感器网络中撒布的节点规模庞大，而且大部分实际网络中，节点处于静止或移动非常缓慢的状况，因此上述判断方法不能用于待定位节点的测试。在实际网络操作中采用近似PIT原理测试。 近似PIT原理(APIT原理)：如果在待定位节点M的邻居节点中，没有同时远离或接近三个锚节点A、B、C的点，则表明节点M位于该ABC内，否则节点M位于ABC外(见图3)。 Figure 3: Approximate P.I.T Test3.3.2算法实现在实际无线传感器网络中实现APIT算法可简要分为四个步骤：(1)各节点获取在其无线射程之内所有锚节点的信息，包括位置坐标、信号度等信息。(2)根据PIT原理进行测试。(3)聚集所有满足条件的三角形，找出其交集。(4)计算交集的重心，以其估计待定节点位置。根据实现APIT算法的四个步骤，可以写出其伪代码： Receive location beacons (Xi， Yi) from N anchors；/取得N个锚节点的位置坐标InsideSet =；/对设定用来存放包含待定节点区域的变量InsideSet初始化for(each triangle Ti triangles) /穷尽锚节点组成的所有三角形if (Point-In-Triangle-Test (Ti) = TRUE) /判断如果待定位节点位于该三角形内InsideSet = InsideSetTi；/则将其区域标记，并调用网络扫描算法if (accuracy(InsideSet)enough) break；/如果定位精度已达要求可提前结束循环Estimated Position=Center Of Gravity(TiInsideSet)；/计算包含待定位节点的公共区域的重心，以其代替待定/位节点的位置3.3.3系统参数Node Density (ND):在一个无线电通信区域的平均节点数Anchors Heard (AH):每个节点平均能侦听到的锚节点数Anchor to Node Range Ratio (ANR):锚节点与常规节点的信号传播半径之比，该值越大则AH值越小Anchor Percentage (AP):锚节点占所有节点的百分比，AP=AH/(AH+ND*ANR2).Degree of Irregularity (DOI):是对无线电传播模式不规则的一个度量GPS Error:通过GPS测得的锚节点的位置与其实际位置的偏差Placement:节点有两种分布方式，一种是随机分布，一种是均匀分布评估总结从上面的分析比较可知没有那种算法总是一直处于性能最好的，他们都各有各得使用场合。当无线传播模式不规则，节点随即分布，所需通信开销较少是APIT优于其他的算法，但也不得不承认APIT对ANR和锚节点的个数有较高的要求。四、研究方法4.1测试平台我们的测试平台坐落在一个三层建筑中的二层，布局如图1。这个区域长43.5米，宽22.5米，总占地980平方米，包含了超过50间房间。每一个基站和移动主机都装备了一个数码RoamAboutTM网络接口卡（NIC），基于朗讯（Lucent）流行的WaveLanTM射频局域网技术。网络工作在2.4GHz的ISM免费执照频段下。它有2Mbps的原始数据率和单向1-2ms的延迟。网络的范围有200米，50米，25米，分别对应的功能为开放式，半开放式和封闭办公环境。这种分类基于类型和发射器在障碍物和接收器之间的密度。图一4.2数据采集在我们的研究方法中，一个关键步骤便是数据采集阶段。我们记录无线信号信息来组成一个用户定位函数。在下一章中您将看到，在脱机阶段（off-line），我们使用信号信息来构建和证明信号传播模型。在实时阶段（real-time）推算用户的位置。这两个阶段将贯穿始终。4.3数据处理数据处理大体对象为两个，即信号强度信息、建筑楼层布局信息。信号强度信息：使用同步的时间戳，我们将所有在脱机阶段采集到的跟踪数据合并为一个统一的表，表中包含的元组有（x，y，d，ssi，snri），i1,2,3，i是相应的基站编号。对每一个（x，y，d）元组，我们计算平均值、标准差，以及每一个基站相应的信号强度的平均值。对于我们大多数的分析采用的是处理数据集合，而不是原始数据集合。建筑层分布信息：我们获得了我们楼层的布局信息，详细规定了每一个房间的坐标。我们同时也获得了三个基站（BS）的坐标。用这些数据以及Cohen-Sutherland line-clipping算法，我们可以计算出在两个基站直线之间妨碍信号传播的墙的数量，以及我们收集到实际的信号强度数据的位置。我们使用这些信息来构建一个精确的信号传播模型。4.4算法及实验分析我们工作的前提是信号强度（SS）信息提供了一种推算用户位置的方法。为了说明这是一个合理的前提，我们在图二中展示了当用户在走廊逆时针放行行走时，在三个基站所测量到的信号强度（SS）的数据。用户从西北角（离BS1最近）出发，并最终回到这里。当用户一圈一圈地沿着这个路线走时，在三个基站的信号强度记录中，便形成了一个确定的趋势。不出所料，当用户靠近一个基站时，这个基站的信号强度最强，反之最弱。这个明显的趋势便说明了用信号强度（SS）信息来推测用户位置是十分可行的。图二我们的基本方法为三角测量，从每一个基站给出的一系列信号强度测量措施中，我们找出了最匹配观测到的信号强度数据。在这之后，我们便开始“猜想”用户的位置。基于下面的几种选择，产生了许多这种基本思想的变形：l 总结在基站测量到的信号强度的方法l 决定最佳匹配的依据l 决定最佳匹配的度量我们将依次讨论着三种选择。首先，我们用从一个基站采集到的信号强度样本的平均值来总结。在一个用户的位置和方向是固定的（用户定位问题）情况下，信号强度测量值清晰地被包含在相应的样本集合中。在一个移动用户的情况下（用户追踪问题），样本集合中的数据就不会那么清晰。在第二种情况中，我们定义了一个样本集合来代表所有的在同一个滑动时间窗口的样本。对于第二种情况，为了决定最佳匹配给定的信号强度测量值的位置和方向，我们首先需要决定哪些信号强度会在特定的用户位置和方向中出现。我们想到了一对可供选择的办法。第一种是经验法（empirical method），使用在脱机阶段（off-line phase）采集到的定位和信号强度信息。第二种是信号传播模型（signal propagation modeling）。我们已经发明了一个模型，可以用来解释自由空间的丢失，以及由于在每一个相应的提供用户位置基站计算信号强度所产生的障碍造成的丢失。最后一种情况，我们需要一个度量和一个搜索方法来比较多个位置，并从中选取出一个最匹配观察的信号强度的节点。我们将这个技术叫做nearest neighbors in signal space（NNSS ）。这个想法用来计算观察信号强度测量集合（ss1,ss2,ss3）与记录信号强度集合（ss1,ss2,ss3）之间的距离，在一个固定的定位集合，然后挑选最小距离的定位。在我们的分析中，我们使用欧几里得距离（the Euclidean distance）来测量，即ss1-ss1ss2-ss2ss3-ss3。使用其他距离度量也是可以的，比如，每个基站的绝对值之和或者每个基站的信号强度级别的加权度量值。我们主要尝试了这几种选择，在这里由于篇幅原因就不展示结果了。在我们所有的分析中，我们将会描述我们使用错误的距离（用户的实际位置与估计位置之间的欧几里得距离）来估计用户的位置的精髓。五、对各种无线定位系统的分析这一节我们将介绍一系列不同的室内定位系统。IPS中的定位技术和技巧将被特别强调。5.1红外定位系统 红外定位系统是现在最常用的定位系统，因为红外技术在不同的无线设备上应用广泛。一个红外定位系统能够提供绝对位置估计。这需要在信号发射方接收方间有视线交流并且没有强光源干扰。 电子识别卡：电子识别卡系统采用发散红外技术来刺激位置传感器。通过估计人身上携带的电子识别卡来估计认得位置信息。在侦测区域内，卑职一个或多个传感器来侦测这种红外信号。 尽管电子识别卡和红外传感器很便宜，但是点来连接传感器提高了电子识别系统的价格。而且红外信号的作用范围只有几米，在一个区域中往往要布置大量的传感器，且红外信号易受到光线影响，因此点子识别系统已经被关闭。 萤火虫系统：萤火虫系统通过定位安装在物体上的发射红外线的小标签来定位他的位置。3-D的位置信息可以用来跟踪移动的物体。 关于红外定位系统的总结：红外系统进行定位估算非常准确。红外发射器也非常轻便小巧。然而，红外定位系统在设计上存在安全和隐私问题。同时，红外信号极易受到干扰。如果改用电子滤波器来抵挡干扰光源将会提高成本。5.2超声定位系统 超声波信号是另一个位置测量方法。这一节，我们将介绍几个超声波定位系统。Active Bat：Active Bat定位系统采用超声波技术和三角测量定位技术来测量携带跟踪标记的人。标记周期性的广播一个超声波短脉冲。这个超声波短脉冲被接收端接收。标记和接受者之间的距离可以通过超声波计算。在测试该系统时，720个接收器布置在天花板上，75个标记可以被追踪并且准确度为3cm准确率为95%。在维护阶段，每个标记的电量由中央控制器监控。然而这一技术的效果受到标记和接收器之间的障碍的影响。5.3无线电频率（RF）定位系统无线电技术应用到IPSs有如下优点。无线电波可以更容易穿透强和人体。这样定位系统能够覆盖更大的范围并且需要更少的硬件。三角定位和指纹技术广泛用于无线电频率定位系统。5.3.1 射频识别（RFID）：RFID是一种通过电磁传输来进行数据存储和检索的方法。RFID作为无线技术使得个人和设备的识别变得更加便宜和流畅。有两种射频识别技术，被动RFID和主动RFID。被动RFID中，跟踪标记是接收器，但是标记的覆盖范围很小。主动RFID标记时发射器，它们主动发射它们的识别信息，但价格很贵。 WhereNet：WhereNet 定位系统支持室内室外实时定位。WhereNet IPS使用了RFID技术来识别不同的定位单元。WhereNet IPS使用DTOA算法来计算这些标记的位置。WhereNet IPS 绝对的位置信息。 WhereNet Real Time Locating System(RTLS) 包含下列部分：标记，天线位置，定位处理器，服务器，Where Port固定在不同的位置发送低频电子信号给标记。RFID技术不仅用于室内定位应用，也为用户需求提供潜在服务。RFID定位系统的优点是轻便小巧。然而，距离和绝对定位技术需要多种底层架构安装。 5.3.2 WLAN： WLAN技术是目前流行的并且已经被应用到公共区。以现存的WLAN下层架构为基础的基于WLAN的定位系统是低花费的。基于WLAN信号强度的位置估算准确性受到室内环境影响。 RADAR：RADAR使用了WLAN技术。它使用了信号强度和信噪比结合三角测量技术。在实验过程中，3个PC作为APs并且一个笔记本电脑作为追踪目标。在一层楼上做测试。这三个APs测量从目标发出的RF信号强度。这些测量结果用来计算目标的2-D位置。RADAR系统的主要优点是利用现有的WLAN底层架构，他不需要很多的基站来进行位置信息感应。缺点是这一技术不适合轻重量电量有限的设备。 Ekahau：这一定位系统使用现有WLAN架构持续监控WiFi设备和标记的动作。在不同的APs上收到的RF信号用来据顶目标的方位。Ekahau系统包含三部分：现场勘测，Wifi位置标记，定位引擎。APs接收到的数据经由WLAN传到定位引擎，结合信号强度，现场勘测 由定位引擎计算出WIfi位置标记在地图上的额位置。如果有三个火更多的APs的话，定位精度可以到1m。 5.3.3 蓝牙：是IEEE802.15.1标准。他的作用范围是100m。蓝牙具有低费用的优点。目前蓝牙技术已经被植入到很多设备中，例如手机，笔记本电脑.各种各样的蓝牙集群组成了定位系统的底层构造。蓝牙移动设备的位置可以通过同一个蓝牙集群中的其他移动终端来确定。Topaz：Topaz定位系统使用蓝牙技术来进行室内定位。通过使用蓝牙技术，该定位系统能够提供一个误差范围2m的2-D定位信息，这是不足以在一个多障碍环境下提供房间级精度的定位信息。Topaz定位系统结合了蓝牙基础定位系统和红外定位技术。在这一系统中，标记被多个固定在不同地点的蓝牙和红外接入点定位。蓝牙服务器收到信号强度并将数据传到定位服务器，蓝牙服务器和定位服务器以及客户机通过局域网相连。通过蓝牙技术和红外技术的结合，目标设备能够被定位到正确的房间。然而使用电池的标记需要定期充电。并且计算位置的延迟比较高。蓝牙定位技术的总结：蓝牙定位技术可以依托于已经广泛使用的蓝牙技术。这使得该定位技术低功耗，低花销。然而缺点是定位精度比较差并且延迟比较高。 5.3.4 传感器网络：传感器是暴露在物理环境中感应周围环境（如声，光，压力.）的设备。传感器一般分为两种：主动传感器和被动传感器。主动传感器和环境联系像radars。被动传感器仅仅接收外部环境中的信息。5.4在线个人追踪（OPT）系统OPT是通过在室内环境中布置大量的传感器（T-mote）建立