英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
基于加权环境Wi-Fi信号的接收信号强度指纹和占用空间提高室内定位精度
Jenq-Shiou Leulowast;, Min-Chieh Yu, Hung-Jie Tzeng
Department of Electronic and Computer Engineering, National Taiwan University of Science and Technology, Taipei, Taiwan
摘要
定位是基于位置的服务（LBS）中最重要的过程。由于GPS信号强度被墙堵塞，室内用户无法在全球定位卫星的帮助下获得其位置。大多数室内定位系统都依赖于室内无线发射设备（如Wi-Fi接入点（AP））的接收信号强度（RSS）。将室内位置信息集成到现代手持设备的应用中可以增加室内环境中的应用多样性和质量。在本文中，我们提出了一种新的RSS指纹和足迹辅助的室内定位方案。智能手机用户可以根据来自周围Wi-Fi接入点的RSS获取他们的室内位置。通过不仅从固有接入点，而且从外部接入点收集环境Wi-Fi RSS，通过方向/方向对RSS进行滤波以及减轻信号波动，我们提出的方案可以克服室内环境中严重的信号不稳定问题并提高定位精度。为了减少室内定位过程的时间复杂度，我们设计了一个关闭指定位置集（CDLS）算法，该算法仅使用具有当前用户位置的相似足迹的指定位置来确定用户的位置。所提出的RSS指纹和足迹匹配机制可以加速定位过程。同时，为了减少外部AP的可能的负面影响，加权投票定位（WVP）算法将为来自固有AP的信号分配更高的参考权重，并根据其失败概率调整来自外部AP的信号的权重。评估结果表明，我们提出的方案可以在室内环境中达到一定的准确度，并且胜过其他解决方案。
- 简介
基于位置的服务（LBS）可以帮助人们访问一个不熟悉的地方。 例如，当背包客到达一个陌生的地方，他们可以很容易地从LBS获得当地信息。 LBS也可以用于商业推广。 例如，当人们在购物中心漫步时，他们附近商店可以向他们发送电子优惠券以实现有效的广告。 然而，LBS最重要的问题是如何准确地获得访客的位置， 确定更准确的位置，可以提供更精确的信息，从而提高LBS的质量。
在全球定位系统（GPS）的辅助下，户外人员可以以一定的精度轻松获得他们的位置。然而，对于室内定位的改进却少得多。绝大多数的关注于室内定位的作品都直接使用无线电发射器，比如Wi-Fi接入点或ZigBee传感器节点作为固定参考点。然后，根据这些点通常是无记号笔记本电脑的目标的位置的RSS来估计。如今，许多Wi-Fi AP由一些网络拥有者或某些个人建立。Wi-Fi信号几乎无处不在。因此，估计位置的准确性可以通过参考来自自身构建的固有Wi-Fi接入点和非自建的外部信号Wi-Fi接入点的环境信号而提高，由于存在非自建的外部信号Wi-Fi接入点，因此相应的接入信号可能不稳定或不可靠。同时，随着移动通信技术的最新发展，对于大多数人来说，智能手机已经成为比笔记本电脑不可缺少的设备。通过添加室内定位功能来增强智能手机的定位功能，可以实现无处不在的LBS概念，从室外到室内几乎任何地方。
基于上述，我们提出了一个实用的室内定位设计哲学。 所提出的定位方案基于来自Wi-Fi AP的无线电强度，并且主要由两个阶段组成。 在第一阶段，称为“收集阶段”，定位系统收集某些指定位置的环境信号强度，以构建RSS指纹。 环境信号不仅来自固有接入点，还来自外部接入点。 为了防止突发噪声信号影响RSS指纹的正确性，需要滤除这些突发信号。 另外，为了使第二阶段的参考基准更精确，RSS指纹在方向和方向上进行了限制。 同时，为了提高定位精度，还注意到了RSS脚印中固有AP的相关优势。
第二阶段，称为在线阶段，基于Wi-Fi的智能手机可以根据第一阶段收集的信息定位。 智能手机周围AP的环境信号强度首先由手机收集，然后智能手机将收集的信号转发给定位系统。 为了减少室内定位过程的时间复杂度，我们设计了一个关闭指定位置集（CDLS）算法，该算法仅选择具有当前用户位置的相似覆盖区的指定位置来确定用户的位置。 之后，通过比较定位系统中的RSS指纹和足迹数据库，使用加权投票定位（WVP）算法，根据收集到的信号确定最终位置。
提议工作阶段的主要贡献是使用外部AP的想法。由于外部接入点的放置不能由业务所有者控制，外部接入点可能在训练阶段后消失或移动，因此外部接入点可能无法像内部接入点一样稳定运行。因此，如何在定位过程中为外部AP提供合适的权重对于所提出的系统是重要的。为了减少外部AP的可能的负面影响，WVP算法将为来自固有AP的信号分配更高的参考权重，并通过其失败概率调整来自外部AP的信号的权重。因此，外在接入点仍然可以通过评估结果方便地提高定位系统的准确性。本文重点介绍如何制定建议的室内定位系统。同时，我们的综合评估验证了该方案在室内环境中的有效性。本文的其余部分安排如下。第2节说明了一些有关定位的相关工作。第3节描述了系统架构和提议的方案。第4节，我们从理论上和实践上评估了所提议系统的性能，并与其他定位方案进行了性能比较。第5节给出了一个简短的结论。
- 相关作品
最近研究者们关注的焦点从户外定位转向室内定位。 室内定位使用用户周围的接收信号强度是最直观的方式。 文献[1]中的作者利用从固定参考节点和置于已知位置的参考标签辐射的无线电信号的接收信号强度指数（RSSI）来定位用户，其信号只来自自建的无线电辐射器。 然而，若将其他环境信号作为参考将可能有助于提高定位精度， 其他参考信息可以用于识别用户位置，例如使用关于室内环境布局的先前知识的基于视觉的机制[2]。 但是，与字符序列匹配相比，定位系统可能需要较大的空间来存储图像序列，并且图像序列匹配会导致更多的时间消耗。
在许多基于RSS的室内定位技术中，最常见的无线信号是Wi-Fi，因为IEEE 802.11接入点现在通常部署为无线局域网（WLAN）。在Wi-Fi技术开始流行之前，已经提出基于射频（RF）的雷达系统[3]。基于经验测量，通过记录和处理来自多个基站的信号强度信息来确定用户位置。同时，提出了一些混合室内定位估计方法，如使用2D标记来补充Wi-Fi强度[4]或使用涉及蜂窝GSM，DVB，FM和WLAN的不同无线技术来定位用户[5]。然而，具有较高无线电覆盖范围的网络接入点（例如GSM，FM基站）可能对室内定位贡献较小，这通常需要更精细的比例。一些研究人员试图与其他低功耗技术（如RFID [6]和ZigBee [7]）一起构建室内定位系统。但是，这些技术需要大量的低功耗设备来支持定位过程。邓等人 [8]指出，多源数据组合定位技术可以提高定位精度，但系统成本也会显着增加。因此，我们不会在建议的室内定位系统中使用不同的无线信号。
接入点的布局会影响位置估计的精确度。 [9]中定义的新SNR用于部署AP以减少定位误差，试图让信号最大化并将噪声同时最小化。 但是，AP可能会无意中移位。不同的影响权重应该被分配给不同的受影响人群，并且在影响位置估计方面贡献相同[10]。利用接收到的Wi-Fi信号在室内环境中进行估计的主要挑战是多径效应和信号波动。 被提出来的基于机器学习的手写打印系统可以克服多径效应引起的时间变化的影响[11,12]。 此外，还介绍了一种基于遗传算法的室内定位系统[13]，无需预先部署过程。 但是，机器学习或基于遗传算法的计划可能会导致高昂的计算成本。
另一方面，随着移动无线技术的革新，无处不在的通信的个人设备已经从笔记本电脑发展到手持式智能手机。智能手机用户成为一个很好的RSS收集器，可以帮助定位服务器建立一个无线电地图，例如SmartSLAM [14]和SurroundSense [15]可以使用智能手机为建筑物构建室内地图和无线电指纹图。然后，移动用户可以通过参考服务器中预先建立的指纹数据库来跟踪他们的位置，测量来自周围的接入点的RSS [16]。Serendipity [17]还利用接入点和智能手机之间收集的无线电扫描的不相似性来估计相应的位置。同时，智能手机中捆绑的陀螺仪可以帮助确定手机的方向和方向。杨等人提出了一种具有RSS指纹和智能手机惯性传感器的室内定位系统。此外，他们声称使用回溯算法计算室内位置的另一种可能方法可能会导致非常高的准确性，但该算法的细节未在文中暴露[18]。 李等人使用Wi-Fi和惯性传感器来实现他们的室内导航系统[19]。通过定向和方向信息滤除RSS信息可以方便地消除噪声参考信息，从而提高定位精度[20]。一些先前的室内定位系统也使用类似于[21]的RSS指纹的概念，作者仅使用测量的RSS作为指纹来计算室内定位。以前只有重要的或可靠的固有AP用于室内定位。而如今，不同服务提供商几乎在任何地方都构建AP，以向Wi-Fi用户提供Wi-Fi接入服务。如果定位过程可以参考更多信息，则可以提高定位的准确性。这就是为什么我们的系统不仅指从内部AP提取的RSS信息，还指从外部AP接收的RSS信息。
智能手机上收集的RSS指纹和足迹数据是来自所有接入点的RSS数据的组合，包括固有接入点和外部接入点。 我们在所提出的系统中引入了CDLS过程和WVP算法，以减少外部AP的可能负面影响。 评估结果显示，即使这些AP不属于定位服务提供商，外部AP确实可以有助于提高室内定位过程的准确性。
- 系统架构和提议的方案
三角测量，场景分析和邻近度是常用的位置估计方案[22]。 我们提出的定位方案是基于指定地点接收到的信号强度与用户当前位置的接近程度。 本节阐述了提议的室内定位系统中的概念处理流程和主要应用模块。 该系统主要包含图1所示的两个阶段，包括在收集阶段和在线阶段。
在第一阶段，使用Wi-Fi的智能手机收集RSS指纹数据，该数据包含所有扫描的接入点及其相应RSS的媒体访问控制（MAC）信息，包括位置和位置智能手机在所有指定地点的方向。接下来，还根据从固有接入点接收到的相关信号强度建立在所有指定位置基于其相应接收信号强度对固有接入点进行排序的RSS覆盖区。每个指定位置的RSS指纹和占用空间都存储在系统中，以供第二阶段参考。在在线阶段，当需要定位新用户时，移动用户将使用智能手机扫描周围的信号，然后将当前信息（包括所有RSS和智能手机的方向）发送回系统。定位系统将通过噪声滤波器去除不太可能的RSS，然后将经过滤波的RSS的平均值作为所有扫描的AP的当前RSS。根据目前智能手机的方向，系统将在预先建立的指纹和足迹数据库的协助下计算用户的位置。在步骤阶段，除非环境发生变化，否则一旦建立数据库就不需要更新数据库。但是，一旦环境发生变化，根据对在线阶段的定位精度的需求，可以适应性地改变在第二阶段构建的数据库的更新频率。换句话说，如果预计在线阶段的定位精度很高，则在阶段中更新数据库的频率应该很高，从而导致高计算成本。处理阶段以及相关的流程和模型如下所示。
图1提出的室内定位系统的概念流程。
3.1构建RSS指纹数据库
图2.通过RSS智能手机收集器的方向过滤RSS。
当定位用户位置时，RSS指纹数据用作参考。 为了收集任何扫描的AP的RSS指纹数据，无论它是内部的还是外部的，使用Wi-Fi智能手机都可以在几个指定位置收集RSS信息。 每个位置收集的RSS信息越多，指纹数据可以保证的准确度就越高。 如果系统可以在收集时建立RSS指纹信息和方向信息，则可以更详细地描述RSS信息，以便通过将运行时间扫描的RSS与收集的RSS进行比较来更精确地帮助定位用户。 换句话说，收集的指纹信息越具体，系统进行的定位越准确。
根据包括方向和方向的方向信息对采集到的RSS数据进行滤波可以实现更高的定位精度。 在收集图2所示的RSS数据时，我们使用智能手机上的陀螺仪根据方位角（gamma;），磁北方向与y轴方向之间的夹角来获得方位（如（1）所示） 围绕z轴。
另外，方向（由（2）表示）可以基于在节距（theta;）上，围绕x轴的旋转角度（-180°〜180°），当z轴移动到正值时为正值。
所有收集到的每个指定位置的RSS将按数据库中的降序排列。为了通过滤除突发RSS来减轻信号波动，我们只考虑每个AP的强度排序RSS集中的中间n个RSS值，通过去除极高或低的RSS。如果n很小，则所引用的RSS的范围是集中的，这样计算每个AP的平均RSS可能需要较少的计算时间，但结果可能会更加明确。另一方面，如果n很大，那么所引用的RSS的范围很宽，以致每个AP的平均RSS结果可能更平均，但是计算可能消耗更多的计算时间。设置n是获得更准确的RSS平均值和花费更多计算时间之间的折衷问题。然后，我们将所有AP的RSS平均值作为每个指定位置的RSS指纹。另外，我们计算所考虑的RSS的标准偏差并将其设置为定位的参考权重。标准差越小，所考虑的RSS越少。图3包含一个关于信号分布和RSS的例子计算信号波动之前/之后的计算。
图3.突发信号滤波之前/之后的信号分布。
所有指定地点的所有RSS指纹数据将会被收集来构建RSS指纹数据库。该指纹集合在逻辑上被建模为（3）。
bull;Loc表示包含所有指定的位置集,系统学习来自所有AP的环境信号强度的位置; 属于Loc的元素L是二维坐标（x，y）。
bull;Dir表示方向集; 属于Dir的成员D是一个二进制元组（o，r），其中oisin;Ori = N，E，S，W，risin;Rrot = H，R，V，基于（1） 和（2）中的定义.
bull;S1 ..，S | Macin |，..，S | Mac | 表示所有AP的扫描信号信息，并
全文共15413字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[13567]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
