基于wla的城区室外无缝定位技术研究

基于wla的城区室外无缝定位技术研究

0wlan的系统定位算法由于城市复杂的传播环境，gnss等技术无法满足室外空间的完美覆盖和有效定位。无线局域网(WLAN)则由于其室内外环境下节点数量多、分布广、无需布设网络、简单易用等特点,逐渐成为移动位置服务中的主流定位技术。基于WLAN的定位技术由微软研究院的Bahl等提出,其构建的RADAR定位系统,通过离线训练阶段构建信号强度和距离映射关系的无线信号强度(receivedsignalstrengthindication,RSSI)分布地图(radiomap),在线定位阶段采用指纹匹配(fingerprint)等统计方法进行定位,室内定位精度在5m左右;商用WLAN定位软件(如Ekahau)也采用模式匹配等统计算法。但上述方法需大量前期采样工作和构建庞大的指纹分布地图,且WLAN信号受多种因素的影响,单次采样样本构建的数据库不适合大范围的应用。室外环境下的WLAN定位技术由英特尔和微软的研究人员提出,PlaceLab通过战车驾驶(wardriving)的方式采集WLAN信号,构建采样点粗略GPS坐标和对应室外WLAN基本服务集标识符(basicservicesetidentifier,BSSID)的映射数据库,并在定位阶段根据WLAN接入点(accesspoint,AP)的BSSID进行类似Cell-ID方式的定位。目前Skyhook公司在北美部分大城市,采用室外WarDriving方式采集WLAN信号源,提供精度为20～100m的移动定位服务。由于室外WarDriving方式提供的AP参考节点坐标粗略,仅采用简单的Cell-ID技术,未将室外WLAN的定位性能提升至应有的精度。本文针对现有室内外WLAN定位系统存在的若干问题,探讨一种利用室内外WLAN信号进行定位的简化算法。该算法根据无线信号在实际环境中的路径衰减模型,利用室外电话亭和室内两类WLAN信号,构建一种基于实际环境建模的简化型路径衰减模型。在室外利用电话亭WLAN信号,并采用两步法,在室内环境下采用交会法对移动端进行定位。实验表明,该算法有效减少了采样和前期建库的工作,可为城区室内外空间提供引文格式:田辉,夏林元,莫志明,等.基于无线局域网信号的城区室内外无缝定位技术[J].桂林理工大学学报,2013,33(2):302-306.可靠的无缝定位服务。1路径损耗模型无线信号在建筑物室内的传播信道受建筑物的布局、材料等影响,而且室内环境变动大、空间覆盖范围小,还受到各种因素的影响,如建筑物内部房门的开合状态、收发端之间是否存在物体和人员遮挡等。室内环境下的路径损耗模型一般为PL=PL(d0)+10γlog10(d/d0),(1)其中:γ为路径损耗指数,表征路径损耗随距离变化的速率,取决于周围环境和建筑物类型;d是发射端和接收端之间的距离;d0为参考距离,在短距离无线通信网络中使用较小的参考距离,如WLAN一般取1m;PL(d0)是距离参考点d0处的信号强度衰减值。室外无线信道与室内无线信道存在差异,但也可采用上述模型,只需根据实际环境取不同的模型参数。2电话亭比bssid的定位查询对于室外电话亭WLAN信号,先根据接收到的信号强度及对应的BSSID信息,按RSSI大小排序,选取信号强度靠前的几组数据,根据对应的BSSID在已有的定位数据库中进行搜索查询,当查询到相应的电话亭对应的BSSID时,即可大致地确定出当前用户在以此电话亭为中心的圆形区域内;然后选取此区域和接收到的数据集所含临近电话亭的BSSID信息,由此确定目标电话亭作为参考基站,根据数据库中已有的电话亭位置坐标信息,将扫描得到的RSSI转换为距离信息,然后对移动端进行交会,最终得到精确的位置坐标。2.1wlan信号强度模型根据式(1),可构建室外电话亭WLAN信号强度观测值与距离(RSSI-Range)的关系模型RSSI=RSSI0-10×n×log10(d/d0),(2)即可通过WLAN信号强度观测值求距离di=10(RSSI0-RSSIi)/(10×n),(3)其中:RSSI0是在参考距离d0处开放空间环境下所观测到的信号强度值。2.2电话亭内有n个ssid的情形电话亭WLAN数据库通常由事先采集的信号构建,其存储的数据集可表示为P={p1PCCWΡCCW1,…,pmPCCWΡCCWm}。对于每个不同的电话亭,其数据子集表示为pi={PCCW,Xi,Yi},i=1→m。(4)如电话亭内有n个SSID可供使用:PCCW={BSSIDi,SSIDi}(i=1→n),将观测值数据定义为O={o1,…,or},其中单一的观测值数据集为oi={BSSIDi,SSIDi,RSSIi}(i=1→r)。定位阶段,通过查询电话亭WLAN数据库的BSSID信息,列出所有电话亭WLANAP扫描观测值,然后按RSSI值的大小进行排序,选取最大的RSSI观测值,通过RSSI-Range模型计算其到对应电话亭的距离R,那么用户的位置可表示为:{XiPCCWΡCCWi,YiPCCWΡCCWi,R},其中{XiPCCWΡCCWi,YiPCCWΡCCWi}为最近电话亭的精确位置坐标,用户位置则在以电话亭位置坐标为圆心、以R为半径的圆形区域内。2.3两侧步行道交道在Cell-ID排序算法的基础上,可采用临近的多个电话亭WLAN的观测值进行交会。因电话亭分布在狭长的街道两侧,且用户多位于两侧步行道,故仅采用两个参考节点在一个狭长的类线性区域进行交会是可行的。用户的位置可通过下式求解:x=X1+(X2-X1)×R1/(R1+R2),(5)y=Y1+(Y2-Y1)×R1/(R1+R2),(6)其中:(XiPCCWΡCCWi,YiPCCWΡCCWi)为第i个电话亭的坐标,Ri为移动端到第i个电话亭的距离。3距离等权方法不同于反映信号强度和距离映射关系指纹分布地图的方法,本文出于海量数据处理和实际应用的需要,根据信号强度和距离的关系,构建一个室内WLAN信号传播衰减简化模型,然后利用实际环境下采集的数据拟合得到模型参数,最终采用交会法计算移动端的位置。采用如下的传播模型形式:di=10(RSSI0-RSSIi)/N。(7)设第i个AP在平面坐标中的位置为(xi,yi)T,移动端的位置为(X,Y)T,移动端至参考节点的距离di可以写为di=(xi−X)2+(yi−Y)2−−−−−−−−−−−−−−−−−√di=(xi-X)2+(yi-Y)2,(8)则误差方程为Vi=-lidx-midy+Li。(9)其中:i为AP的个数,(li,mi)为近似位置(X0,Y0)至第i个AP方向上的方向余弦。方程线性化后采用间接平差进行求解,按最小二乘原理可解得x∧=(BTPB)−1BTPlx∧=(BΤΡB)-1BΤΡl,(10)其中,系数阵B=(-li,-mi)T,P为权矩阵。将求出的x∧x∧代入误差方程,即可以求得改正数V,从而得到定位解。为提高交会定位计算结果的精度,可采用相同的模型系数计算移动端到各AP的距离,然后根据求得的距离值的大小进行定权。采用的3种定权方法包括:①等权法,权矩阵对角线上所有元素均取1,其他元素取0;②距离倒数定权法,权矩阵对角线上元素均取对应距离的倒数,其他元素取0;③距离平方倒数定权法,权矩阵对角线上元素均取对应距离平方的倒数,其他元素取0。4监控系统的配置选取香港尖东麽地道和某机房作为室内外WLAN定位实验区。数据采集阶段,采用配置IntelPRO/WirelessLAN21003BMiniPCI无线模块的ThinkPadT40计算机,在WindowsXP平台下采用C/C++开发采集软件,利用NDIS协议对无线网卡进行信号强度提取。4.1室外电话亭wlan定位4.1.1城市室外wlan的定位模型图1是室外电话亭WLANAP到移动端的信号强度随距离变化的曲线关系图,包括所有采集到的电话亭WLANAP的信号强度观测值和对应的距离,通过对全部采样数据的建模统计分析,本文选取平均路径衰减指数n=2.5,作为城市室外WLAN定位模型的参数,且室外电话亭WLAN的信号强度有效定位距离在120m以内。通常情况下,距电话亭1m处的信号强度在-20dBm左右,故本文采用的两个实验参数为:RSSI0=-20dBm,d0=1m。由此室外电话亭WLAN的RSSI-Range模型可以表示为d=10(-20-RSSI)/25。(11)4.1.2采样点定位结果定位阶段的数据采集自麽地道一侧行人道,共计13个坐标已知的采样点数据用于定位精度评估。相邻采样点的间距为12～15m,每个采样点上的采样时间为120s,WLAN信号扫描频率为1Hz,定位结果如图2所示。对于Cell-ID排序法,除中间的第7号采样点外,其他采样点的定位精度均优于40m,第7号采样点因为距离两个电话亭的距离均超过了120m,即本文所使用的电话亭WLANRSSI-Range模型对于这类超出有效距离的观测值,其定位精度有待改善;对于RSSI-Range交会算法而言,4个点(第10、11、12、13号采样点)临近的电话亭WLAN个数较多,且距离电话亭均小于40m,交会的精度优于10m,所有采样点的整体定位精度优于25m。4.2定位阶段结果分析在室内环境下布设的WLAN网络,则采用建模和距离交会法对移动端进行定位,总计12点的数据。图3是室内环境下4个WLANAP到移动端的信号强度随距离变化的曲线图,室内WLANAP的信号强度有效定位距离为45m。定位阶段选用的参数由实际环境下测量拟合得到,见表1,这4组拟合函数参数组合包括:①采用单个AP信号强度的峰值单独拟合;②采用所有AP信号强度的峰值综合拟合;③采用单个AP4个方向平均值中的最大值单独拟合;④采用所有AP4个方向平均值中的最大值综合拟合。通过采用距离平方倒数定权法,对采集的峰值数据分别按上述4组系数进行解算。计算得到的点位误差列于表2,其中第12号点的定位精度为0.8m,所有采样点的定位精度优于4.2m。结果表明采用组合②得到的定位误差要好于其他3种组合。另外建模阶段采用综合方式进行处理并采用峰值数据,在定位阶段也要采用峰值数据,即峰值数据可真实反映短时段内测量的信号强度信息。5wla网络覆盖度的确定利用城市室外公众电话亭WLAN和室内WLAN信号,