《室内Radio-map建立方法与性能分析.doc》由会员分享，可在线阅读，更多相关《室内Radio-map建立方法与性能分析.doc（69页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、摘 要近年来在无线通信领域，室内无线网络成为了一个研究的热点。用户在现有的室内高速无线网络环境下，可以使用移动设备随时随地接入互联网，这给室内WLAN环境下的定位提供了广泛的发展前景。而在室内WLAN定位系统中，位置指纹定位算法以普适性和高效性得到了广泛的应用。位置指纹定位算法主要有两个步骤：离线测量阶段和在线定位阶段，在离线测量阶段中，主要的工作是建立Radio-map。到了在线定位阶段，定位系统使用Radio-map和当前接收到的信号值，通过定位算法计算出位置信息。在现阶段学术界对室内WLAN定位系统的研究中，绝大部分研究机构都把定位算法作为研究的重点，但是本文认为，Radio-map作为
2、整个定位系统的基石，不应忽视建立Radio-map时可能对定位系统造成的影响。为了证明这一观点，为了在保持定位精度的同时，减少Radio-map建立的工作量，本文提出了基于奇异点过滤的网格插值Radio-map生成算法。首先，本文对位置指纹定位算法的基本原理进行了研究，引入了经典KNN算法做为本文中检验定位性能的算法。然后对实测的参考点数据稳定性进行了分析，为基于奇异点过滤的网格插值Radio-map生成算法奠定了基础。其次，为了消除在建立Radio-map时采样数据的异常抖动，本文提出了奇异点过滤算法，然后对单一参考点处的RSS数据总体建立了数学模型，并进行了正态性验证。在此基础上，根据不同
3、的奇异点过滤门限值对原始数据进行了去奇异化处理。在现有的文献中，建立Radio-map时，采用的信号主值多为采取方差，均值，最小值，最大值等经验值，本文对这一经验选择主值的方法提出质疑，并提出了分组采取主值算法对其进行改进。在改进的过程中，本文着重分析了结合奇异点过滤与分组采取主值算法时的Radio-map性能。最后，为了快速的搭建定位系统，本文提出了基于网格插值的Radio-map建立方法并进行了性能分析。由于插值点的信号值包含的位置信息比原始值会有一定程度的损失，随着插值点的增加，定位精度呈现恶化的趋势。在此，本文提出了基于奇异点过滤的网格插值Radio-map生成算法，实验结果表明，此R
4、adio-map生成算法可以在减少工作量一半的前提下，有效的保持定位精度，为高效，可靠的搭建室内WLAN定位系统提供了一定的理论和技术支持。关键词：WLAN；Radio-map；室内定位；网格插值AbstractNowadays in the indoor wireless communication field the wireless local area network (WLAN) became a hotspot. The broad deployment and high speed of WLAN guarantees the WLAN based localization a
5、broad prospect. In the widely used WLAN fingerprinting localization system, reliable, efficient RSS information is needed to make the system work. There are mainly two phases in the fingerprint algorithm: the off-line phase and the on-line phase. In the off-line phase, Radio-map is established and i
6、n the on-line phase, the localization system obtains the current RSS value and using the Radio-map to compute the estimated position.While most researchers in the world focus on the localization algorithm part of the system, this paper hold the view that as the basic of the system, the construction
7、of Radio-map should not be ignored. To prove this point this paper presents a time-saving and accuracy-keeping Radio-map construction algorithm.First, the basic principles of the location fingerprint-based algorithm are introduced and the KNN algorithm is used to check the performance of different R
8、adio-map. Then the stabilization of measured reference points data is analyzed.In order to reduce the localization error by constructing a reliable Radio-map, an odd data filtering algorithm is proposed to remove the abnormal sample from RSS data. In this algorithm, all the RSS samples in the same r
9、eference point are considered as a whole and the distribution model of them is built to establish filtered Radio-map. The performance of original Radio-map and filtered Radio-map is verified by KNN. At the mean time, to fix the principal value of measured RSS samples, a grouping algorithm is propose
10、d.Finally, to make the Radio-map establishing less time consuming, a grid interpolate Radio-map construction algorithm is proposed. Due to the loss of position information between the interpolated data and the measured data, the localization error increases. So to maintain the localization accuracy
11、while using the interpolated Radio-map, an odd data filtering based grid interpolate Radio-map construction algorithm is proposed. Experimental results prove that this algorithm could completely satisfy application requirements and provide theoretical and technical supports to the establishment of W
12、LAN indoor location systems.Keywords: WLAN, Radio-map, Location, grid interpolating目录目 录摘 要IAbstractII第1章 绪 论11.1 课题背景及研究的目的和意义11.2 Radio-map建立方法研究现状21.2.1 传播模型预测法31.2.2 逐点采集法31.3 主要研究工作与本文结构4第2章 WLAN室内定位系统分析62.1 多径信道模型参数统计62.2 空间信号传播模型参数估计72.3 基于信号强度的定位算法分析82.3.1 位置指纹定位方法研究92.3.2 经典位置指纹定位算法102.4 参考
13、点的稳定性分析112.5 本章小结13第3章 Radio-map建立方法研究143.1 实验的硬件及软件环境143.2 定位精度提高类型的Radio-map建立方法研究163.2.1 奇异点过滤Radio-map建立法163.2.2 初始样本点总体分布173.2.3 基于信号样本值分布的奇异点过滤173.2.4 分组采取样本点主值Radio-map建立法193.3 工作量减少类型的Radio-map建立方法的研究203.3.1 网格插值Radio-map建立法203.3.2 样条插值算法快速解法构建213.3.3 边界条件研究243.4 本章小结24第4章 Radio-map性能分析254.1
14、 定位精度提高类型的Radio-map性能分析254.1.1 对单个AP样本值总体的正态性检验254.1.2 奇异点过滤型Radio-map的性能分析与比较274.1.3 参考点分组下的Radio-map性能分析284.1.4 测试点分组下的Radio-map性能分析304.1.5 结合奇异点过滤和分组采样点的Radio-map性能分析324.2 工作量减少类型的Radio-map性能分析344.2.1 各种边界下样条插值性能分析344.2.2 网格插值后Radio-map数据分析364.2.3 网格插值后Radio-map性能分析与比较374.3 基于奇异点过滤与网格插值的Radio-map
15、生成算法374.4 本章小结39结 论40参考文献41附 录45攻读硕士学位期间发表的论文及其它成果62哈尔滨工业大学项士学位论文原创性声明63哈尔滨工业大学硕士学位论文使用授权书63致 谢64哈尔滨工业大学工学硕士学位论文第1章 绪 论1.1 课题背景及研究的目的和意义随着WLAN应用的兴起，环境敏感的应用需求不断增加1，这些需求的实现依赖于其所处环境的信息，典型的信息包括位置、人的活动和设备的状态等。其中位置敏感是环境敏感计算的关键能力，在位置敏感内容分发、定向探索、资产跟踪、应急通知/救援等领域有着广泛的应用。在产业化进程中，AeroScout、Cisco、Ekahua、InfoLogi
16、x等公司已经提供了带WLAN实时室内定位的PDA产品，这些产品使用基于IEEE 802.11标准的室内环境的WLAN，通过测量来自接入点AP(Access Point)的信号强度RSS(Received Signal Strength)或信噪比SNR(Signal Noise Ratio），或者通过测量来自MS(Mobile Station)的RSS或SNR，来得到位置信息进而提供定位和导航的综合功能23。另一方面，基于802.11b/g协议的无线局域网(WLAN)已广泛分布在校园、办公大楼和家庭,PDA、笔记本等移动设备中也都内置了无线网卡。基于接收信号强度的WLAN 定位是根据接收信号强度
17、随距离变化而变化的规律进行定位，与基于信号到达时间(TOA)和信号到达角度(AOA)的WLAN定位相比，它不需要添加额外的硬件设备来进行精确的时间同步和角度测量，能充分利用现有的无线网设施，将定位系统的应用范围扩大到楼群和室内，降低成本，因此成为室内定位技术的研究热点4。WLAN定位过程中分为两步：离线阶段和在线阶段5。前者根据接收到的信号强度RSS来建立Radio-map。后者根据建立的Radio-map，采用K近邻等定位算法或利用智能人工神经网络等技术在在线阶段进行定位67。所以，在室内定位系统的研究中，对室内无线信号的RSS值采集，对Radio-map的建立及维护，在参考点不足时的预测方
18、法的研究以及用户界面的开发就成为整个系统研究中基础而又重点的部分。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(项目编号：2008AA12Z305)。此项目通过组建一套IEEE802.11的试验网，完成基于模糊逻辑的定位系统原理性实验装置，将模糊逻辑理论应用到位置指纹定位方法，提出一种先进的室内精确定位技术。本论文的研究，是作为WLAN室内定位系统的基础研究部分而设立的，分别从提高定位精度角度以及减少工作量角度研究Radio-map的建立方法对WLAN室内定位系统造成的影响。1.2 Radio-map建立方法研究现状2000年以前，在大部分关于室内定位的文献研究中，都是以射
19、频技术、传感器技术8、蓝牙技术等其他技术作为定位算法的平台8。在2000年，微软研究院的P.Bahl等人提出了RADAR室内定位系统，使用了WLAN作为定位的平台，并提出了Radio-map这一概念10。自此，WLAN技术以易于配置，一网多用等优点逐渐成为室内定位技术的主流平台。2004年，美国匹兹堡大学发表的文献中进行了信号统计特性的分析11，对采集到的RSS值总体的分布、稳定性、标准差和自相关等特性进行了研究，提出了可以通过删除Radio-map中不必要的参考点，降低系统的存储开销和计算复杂度。在文献中提出了使用RSS预测模型建立Radio-map的方法，本文将其归类为传播模型预测法。在2
20、005年，对于WLAN室内定位系统的研究进入了高速发展时期，在北美，欧洲等发达国家的著名高校已经有多篇关于WLAN室内定位系统的文献发表12。其中，美国马里兰大学计算机系的Youssef等人提出了著名的Horus室内WLAN定位系统13，他们研究了建立Radio-map时时间参数变化对信号自相关特性的影响，采样点数对信号强度的影响。在Horus系统中提出的Radio-map建立模块为离散空间估计模块（Discrete Space Estimator module）：形成每个AP的RSS值在该点上的直方分布图，并将直方分布数据存储在Radio-map中。他们的实验环境为两个室内办公环境，100个
21、参考点，面积分别为68.2m25.9m和11.8m35.9m，各放置6个和4个AP，参考点点间隔分别为1.52m和2.13m。同一年，加拿大多伦多大学进行的研究表明14，在建立Radio-map时使用卡尔曼滤波技术可以将采样值在3内的概率提高至98.9%，从而有效的提高定位精度，但是这一方法会较大的增加定位系统的时间和空间复杂度。在这一年，澳大利亚新南威尔士大学B. Li等人的研究表明15，在逐点采集的基础上使用kriging方法（克里金法，一种在地理测量中经常使用的逐点内插值算法）建立Radio-map，可以得到较好的定位结果。在新南威尔士大学的研究中，使用采样值的均值作为RSS的主值建立R
22、adio-map。2006年，美国诺基亚无线研究中心的Peter Wang等人进行了基于WLAN室内系统的移动定位测试16。在文献中，他们在50mx50m的场景中使用了138个参考点，在每个参考点处进行300个采样值，然后使用这300个采样值的平均值作为RSS主值来建立Radio-map。在2007年及之后，新的定位算法层出不穷17,18，北美、亚欧等地的众多高校和研究机构发表了大量的文献。但是在绝大部分文献中，仍然对Radio-map的建立研究较少，并使用RSS的均值19、方差20、最大最小值21、最大概率值22等人为规定的经验值作为RSS主值建立Radio-map。目前，国内有13所高校从
23、事WLAN室内定位研究。然而，可能是由于由于国内从事基于WLAN室内定位的科研院所并没有取得较为实质性的研究结果，尚处于算法研究阶段，从对Radio-map建立的角度来看，国内的研究相对较少，国防科技大学计算机学院的唐文胜等人于2008年发表的文献23利用RSSI的空间相关特性，提出了通过对传神经网络空间插值建立定位指纹数据库的方法。该方法对精度并没有明确说明，只是表明了在工作量上的减少。在国内学术界尚未出现系统的对室内Radio-map的建立与性能进行研究的文献。综合以上的国内外研究现状，建立Radio-map的方法可以分为如下的两类：传播模型预测法24和逐点采集法25。1.2.1 传播模型
24、预测法在对定位系统的精度要求不高时采用传播模型预测法，它可以在短时间内生成一个符合当前信号传播环境的Radio-map，得到定位的结果，如图1-1。图1-1 传播模型预测法1.2.2 逐点采集法在一般的定位系统中，多采取信号样本值的均值，直方分布最大值（概率最大值）等特征信号。在训练阶段设置更多的RP，则在定位阶段能够获得更高的定位精度。RP的选择一般为矩形网格的节点，要求在定位的区域内能够分布均匀。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，RP的选择往往需要根据建筑结构适当选择。在RP近似一致分布的条件下，相邻RP之间的空间决定了能够获取的定位精度，随着RP的增
25、多，定位精度越高26，如图1-2所示。图1-2 逐点采集Radio-map建立方法1.3 主要研究工作与本文结构本文研究了适用于利用RSS值进行定位的室内WLAN定位系统的Radio-map建立方法。在分析了经典Radio-map建立方法的基础上，从两个研究角度提出了有不同侧重点的Radio-map建立方法，并将其与经典的Radio-map进行了性能比较。定位精度提高类型的Radio-map建立方法可以有效滤除采样点中那些离真实值较远、导致定位精度变差的样本值，以此来提高定位精度。工作量减少类型的Radio-map建立方法可以在定位精度不大幅恶化的前提下，有效的减少工作量。接下来，本文提出了一
26、种能在保持定位精度的同时，减少工作量的Radio-map建立算法。按照上述的主要研究内容，本文的篇章结构如下：第2章对WLAN室内定位系统进行了分析。在定位系统中，重点是在于定位的精度，所以研究不同的Radio-map建立方法，归根结底在于要使Radio-map适用于当前主流的定位系统，并使定位算法最大的发挥出性能。因此，在本章中，首先研究了位置指纹定位算法的基本原理，并对已有较常用的Radio-map建立方法进行了分析的基础上对参考点的稳定性进行了分析，接着对进行实验的环境下常用的多径信道模型参数进行了分析，为进一步研究Radio-map的建立方法奠定了基础。第3章首先提出了两种提高定位精度
27、类型的Radio-map建立方法。通过上一章的分析可以看出，如果能找到一种方法来避免Radio-map建立时信号的多径传播引起的信号跳动，即更好的采取信号主值，使其逼近真实情况，就可以得到更高的定位精度，为了达到这一目的，本文提出了一种基于分析观测值分布的Radio-map建立方法以及一种基于选择性采取主值的Radio-map建立方法。因为在正态分布总体中，基于固定门限值的奇异点去除法无论在实时性以及难易程度上，都是较优的选择，而正态分布总体又是小样本理论分析法中分析误差最常用的，因此详细的分析了在正态分布总体下，样本值的奇异点去除会对定位精度带来怎样的影响。接下来，本文提出了一种基于网格插值
28、建立Radio-map的方法，用于解决使用逐点采集法建立Radio-map时耗费的大量人力、时间等资源的问题。目的是在保持定位精度的同时有效的减少工作量。在插值之前，建立了当前空间环境下的信号传播模型，并分析了四种插值的边界条件，为找出适用于对信号传播模型插值的边界条件提供了理论依据。第4章详细分析了各种Radio-map的性能。在本章的研究中，首先结合了第二章的实验环境及数据分析和第三章的理论进行了仿真实验，实验结果证明，两种精度提高类型的Radio-map都在同样的测试点数据下，比起原先的Radio-map起到了提高定位精度的效果；通过对精度提高类型Radio-map建立方法的详细分析，确
29、定了对于同一场景，最好只使用一种精度提高方法建立Radio-map。但是，当时间比较充足以及有额外的存储空间时，可以考虑同时采用两种精度提高方法，以期得到更好的稳定性；在对工作量减少类型Radio-map建立方法的分析中，首先，在四种边界条件下对空间信号传播模型以及实测数据分别进行了插值，发现零斜率插值算法是精度较高的一种边界条件；然后，在不同的插值生成点比率下使用KNN定位算法进行了仿真，包括对整个场景的分析，各个子区域的分析；最后，在以上分析的基础上，提出了基于奇异点过滤与网格插值的Radio-map建立算法，并对算法性能进行了分析。实验结果证明，本算法达到了在提高定位精度的同时，减少工作
30、量的目的。最后给出了本文的结论。第2章 WLAN室内定位系统分析目前定位服务主要有蜂窝无线定位和GPS(全球定位系统)两种，这两种定位技术无法满足室内用户的定位需求，而基于信号强度的室内无线局域网定位技术逐渐成为主流27，该技术不需要在现有无线局域网设施中添加定位测量专用硬件，而是通过读取接收信号强度，结合信号强度数据库求解，确定移动用户的位置，平均定位误差在3米之内。而为了满足这一要求，选择可靠、高效的Radio-map建立方法是必不可少的。2.1 多径信道模型参数统计无线通信传播环境中，一般存在视距和非视距路径28。随着周围环境的变化，视距能量与非视距能量之比随之变化，多径幅度、相位和到达
31、时间的统计特性也随之变化29。多径环境中的幅度衰落可以服从不同的分布，幅度的分布主要依赖于测量时的覆盖面积、起主导作用的强信号的存在与否等条件。常用的主要分布如下:（1）瑞利分布对实测数据进行分析，可以观察到室内多径传播大多数服从瑞利分布。瑞利分布主要用于描述到达接收端的多径信号中没有视距路径到达的情况。在工厂坏境中采集的宽带数据的分析表明在很混乱的情况下，多径分量的幅度服从瑞利分布30。瑞利分布的概率密度函数为(21)式中为多径参数，均值和偏差分别为。（2）莱斯分布当多径信号中存在主要的静态分量时，如存在视距传输路径，小尺度的包络服从莱斯分布。莱斯分布的概率密度函数为(22)式中，为零阶修正
32、贝赛尔函数，是强多径组成的幅度包络，与其他的瑞利散射功率成正比例。直射功率和散射功率之比为。在比较空旷室外空间，多径幅度分布一般服从莱斯分布31。（3）Nakagami分布该分布也称为m分布，它的特例情况包含许多其他的分布，但是其他分布通常己经被忽略。Nakagami分布的概率密度函数为(23)为gamma函数，且常数。Nakagami分布随着值的改变，可以转化成不同的分布，如时，它可以降为单边高斯分布，时，可以转化为瑞利分布。大量的测试数据表明，Nakagami分布与其他分布相比，可以与测试数据更好的拟合。2.2 空间信号传播模型参数估计建筑物内传播模型包括了建筑物类型影响以及阻挡物引起的变
33、化32。这一模型灵活性很强，预测路径损耗与测量值的标准偏差为4dB，而对数距离模型的偏差达13dB33。衰减因子模型公式为：(24)其中，表示同层测试的指数值。如果对同层存在很好估计值，则不同层路径损耗可通过附加楼层衰减因子值获得。也可以用多楼层影响指数 来代替。(25)式中，表示基于测试的多楼层路径损耗指数。等于自由空间损耗加上附加损耗因子，并且随着距离成指数增长。对于多层建筑物有34,35：(26)式中，为信道衰减常数，单位为dB/m。因此，无线信号空间传播模型可以用如下公式表示(27)其中是发射功率，是相对参考点的传输损耗，是目标点到参考点之间的欧式距离，是传输损耗指数（一般范围在24，
34、与发射接收的状态、环境相关），是背景噪声，满足条件，高斯分布的随机变量。传输损耗指数由实际环境测得，在做了大量的测试工作后，认为在科技园2A栋12楼的室内环境下，取2-3之间为宜。作为发射功率，归一化为100。取1米。这样，式3-9可以简化为(28)在室内办公环境中，取为37，为2，得室内2.4GHz路径损耗曲线图如图2-1所示：图2-1 2.4GHz2A栋12楼室内路径损耗图由图2-1可见，RSSI值有很强的空间相关性，尤其是在观测点与参考点距离在06米之间呈现明显的连续迅速变化趋势。2.3 基于信号强度的定位算法分析在基于信号强度的室内定位方法中，较为典型，成熟的方法基本可以分为传播模型法
35、和位置指纹法两类36。传播模型法利用信号在室内的传播衰减变化规律，将信号强度转换成信号传播的距离，根据已知的AP位置和三角测量原理计算出用户的位置。这类方法简单，计算效率高，但它的定位准确性主要依赖于传播衰减模型是否正确，是否能够适合定位区域复杂的建筑和平面布局环境。根据传播衰减模型的来源又分为物理模型法和实验模型法，即一种由信号传播衰减的物理特性得到，另一种由大量实验数据拟合出来。实验模型法得到的传播模型更适合待定位环境，但它普遍性不好，使这类定位系统难以推广37,38。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独立阶段39。离线勘测是在待定位区域里按照一定的间隔距离确定若
36、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 Fingerprints)或射电图(Radio-Map)40。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41。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42。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
37、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，且应用较广泛；在本文中，主要研究的是确定性方法中Radio-map的建立。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。2.3.1 位置指纹定位方法研究在采用位置指纹定位方法时，经典的定位实验流程图如图2-2所示43：图2-2 WLAN定位系统流程示意图其中，代表第1到第个参考点(Reference Points, RP)，代表着在第个参考点处测量到的第个A
38、P的信号值。代表第1到第个参考点。在定位阶段中，无线局域网络定位系统以Radio-map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。计算过程主要是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，RP的选择往往需要根据建筑结构适当选择。在RP近似满足均匀分布的条件下，相邻RP的间距影响了定位精度，且随着RP的增多，定位精度越高44。以上是目前基于位置指纹的定位技术主流研究方向的一个基
39、本思路，被大多数研究机构所采用。综合来说，以上研究中的基于WLAN的定位系统由两个关键部分组成：其一是Radio-map的建立，其二是信号空间的搜索/匹配模型。Radio-map的建立的目的是建立起一个尽可能接近实际无线网络覆盖的空间-信号值对应映射，记录WLAN在定位服务区域的整体分布情况。一旦模型确定，则意味着指定环境下Radio-Map的建立方法得以确定。信号空间的搜索/匹配模型是指输入未知位置信息的无线信号采集样本，在已知信号空间模型中利用特定的搜索和模型匹配方法，完成样本在信号空间中的位置计算，并进一步演算推导出实际物理位置的定位模型。2.3.2 经典位置指纹定位算法K近邻法(K N
40、earest Neighborhood，简称KNN)是最近邻法的改进型算法45,46，与NN算法的区别在于不是选取最小距离对应的一个数据库矢量，而是从最小距离开始选取个最接近的数据库矢量，再计算它们的平均坐标作为待测目标的位置输出。设与数据之间的距离为(29)从结果中从小到大选取个样值，以下式计算它们位置坐标的均值作为结果输出。和2时分别是曼哈顿(Manhattan)和欧几里德(Euclidian)距离。(210)式中是第个被选取的样值所对应的坐标。2.4 参考点的稳定性分析因为在实验环境的长走廊参考数据较全面，为了分析的方便，使用SVM分类方法47，将走廊划分为7个区域，如图2-3所示。再使
41、用KNN计算7个区域内的定位误差，可以得到平均误差在14m之间；第三个区域内的定位结果最差，平均定位误差为3.3m。图2-3 使用SVM分块后得出的结果以第三块区域为例，研究Radio-map的建立会对定位精度产生怎样的影响，以下的仿真均基于第三块区域的数据：一共28个参考点，呈两行排列。每个参考点处采集了300个样本值，每一个样本值包含了9个AP的RSS值。参考点的值一共采集了两批，作为对比，称之为新/旧参考点。测试点的数据只采集了一批。在第三块区域内有11个测试点，呈三行排列，每个测试点处采集了100个样本值，如图2-4所示。图2-4 第三个区域内的参考点以及测试点分布示意图将新旧Radi
42、o-map相减，差值的绝对值的和可以反映在某个参考点位置，不同时间段采集信号的数据稳定性。稳定性强的点，在不同时间段采集的数据抖动应该小于稳定性差的点，如图2-5。图2-5 在128号参考点所有AP误差的累积值由图2-5可见，第114个参考点的稳定性要明显强于1528个参考点。由于采集参考点建立Radio-map与进行定位活动或者采集测试点肯定是在不同的时间段完成的，所以这些点的稳定性也代表了定位的离线和在线阶段的情况。如果采用旧的Radio-map和新的测试点数据进行定位，由于点的不稳定造成的误差会直接对定位的结果造成影响。接下来，对单个AP的稳定性进行分析。在128号参考点，每个参考点处有
43、300个采样值，按采集时间排序一共有8400个样本值。做出单个AP的新旧数据差值，如图2-6，图2-7：图2-6 7号与9号AP的不同时间段采样误差值图2-7 6号与8号AP的不同时段采样误差值由图2-6，图2-7可见，总体来说在第4200个样本点处（每个参考点300个样本值，第14200个样本点对应114个参考点）以前的误差要小于42008400样本点处的误差，以9号AP的情况为最明显。而6号AP的数据浮动要小于8号AP的，9号AP的数据浮动要小于7号AP的。所以，在这里可以得出结论：不同的参考点，由于其所在位置的电波环境不同，其稳定性也不同。而对于同一个参考点来说，不同的AP发出的信号，在
44、此参考点的稳定性也不尽相同。即一个参考点处的样本值总体是一个值得分析的对象，单纯的以均值或者最大概率值并不能最好的反映出这个总体的特征。2.5 本章小结本章首先研究了位置指纹定位算法的基本原理，接着对WLAN室内定位系统进行了分析与研究。接下来，本章分析了参考点的稳定性，为基于奇异点过滤的网格插值Radio-map生成算法奠定了基础。最后，给出了采用定位精度较高的位置指纹定位方法时的定位系统工作流程，在此基础上对将要使用的KNN定位算法进行了分析。之后，对进行实验的环境下常用的多径信道模型参数进行了分析，为进一步研究Radio-map建立方法奠定了理论基础。第3章 Radio-map建立方法研
45、究在常规的室内定位系统中，通常采用取RSS样本平均值、方差等人为选择的经验值作为RSS主值建立Radio-map。但是，这些值未必能够最好的表征出参考点的位置信息。本章首先通过分析Radio-map的建立过程及原始数据，提出了两种提高定位精度类型的Radio-map建立方法，为证明在使用同一种定位算法时，通过建立Radio-map的角度可以提高定位精度提供了理论依据。接下来，为了减少搭建定位系统时的工作量，提出了使用网格插值这一方法建立Radio-map。3.1 实验的硬件及软件环境在实验中采用的AP为CISCO公司的Linksys-WAP54G系列无线路由器，此AP使用802.11g协议。A
46、P实物及工作示意图如图3-1，图3-2所示。图3-1 LINKSYS-WAP54G图3-2 无线网络结构示意图考虑到移动终端的普适性和便携性，选择搭载Intel PRO/Wireless 3945ABG Network Connection无线网卡的华硕A8笔记本作为本实验的移动终端，用于接收来自不同AP的信号。此终端同时作为实验采集数据以及软件开发后的验证平台。这款网卡采用的是微带天线，具有小型化、易集成、方向性好等优点。在笔记本电脑中，无线网卡处于左侧上端的位置，这使得采集数据时笔记本电脑的方向也成为一个需要考虑的因素。在本论文所有的数据采集以及实验中，笔记本电脑的屏幕为统一对齐东边的朝向
47、。终端及网卡实物图如图3-3，图3-4所示。图3-3 实验使用的终端图3-4 无线网卡3945ABG15在实际的信号值采取及定位实验方面，首先要编写软件使用无线网卡采取信号值，再进行定位。本论文采用Microsoft Visual Studio 2005+XP SP2作为开发环境，因为Visual Studio 2005对于网络适配器驱动开发库（NDIS）有着较好的支持与扩展性。在此平台上，首先开发出了信号值采集软件，并使用此软件以及移动终端建立了2A栋12楼左侧的Radio-map。在菜单中点击保存，可以将运行软件的开始时刻到此时的扫描到的所有无线信号历史值保存在TXT文件中。数据采集软件的
48、界面如下，且在实时采集的同时可以将历史数据以TXT文档格式保存下来，如图3-5，图3-6所示。图3-5 数据采集软件界面图3-6 历史数据保存格式可以看到，采集的精度及速率基本可以达到实时定位的要求。在完成了实验数据采集软件开发的基础上，将具体室内环境的CAD图引入软件的显示模块中，并建立了含有参考点信号值和参考点坐标的数据库。这样，利用实时采集到的数据，便可以使用定位算法得出实时定位的结果。目前的定位软件界面如图3-7：图3-7 定位软件界面图3-7中的地图为哈工大科技园2A栋12楼。在打开笔记本上的无线网卡后，运行此软件，可在列表框中显示实时信号值，并进行实时的定位，默认的扫描间隔为500ms