英语原文共 15 页，剩余内容已隐藏，支付完成后下载完整资料
Nuzzer：一种大型的不依赖于设备的无线定位系统
Moustafa Seifeldin，IEEE学生会员，Ahmed Saeed，IEEE学生会员，Ahmed E. Kosba，IEEE学生会员，Amr El-Keyi，IEEE会员和Moustafa Youssef，IEEE高级会员
摘要 - 无线局域网广泛应用和移动设备的大力发展促进了人们对无线定位系统的兴趣。
在基于无线定位系统的背景下,大多数研究都把注意力放在了基于设备的，通过设备连接到跟踪的实体的主动定位系统上。近年来，人们提出了一种不依赖于装置被动定位方法(DFP)。被跟踪实体既不需要自带设备也不需要主动参与本地化进程。之前的研究主要集中在小规模的或受控环境。本文介绍了Nuzzer，一个大规模的，多径的在真实环境中跟踪目标的DFP定位系统的设计、实现和分析。我们首先提出概率论单一实体的DFP本地化技术，并对其在分析和典型办公楼中的性能进行评估。我们首先提出了单一实体的DFP定位概率技术，并对其在分析和典型办公楼中的性能进行了评估。我们的结果表明，nuzzer给出的位置估计中值距离误差小于2米。然后，我们给出了一种算法，用于估计感兴趣区域中的实体数量，并将它们定位到粗粒度区域中，以增强系统的可伸缩性。这表明了Nuzzer对大量应用领域的适用性。
1引言
在我们的日常生活中，随着移动设备和无线网络越来越普及，环境感知应用获得了极大的关注。定位作为一种主要的环境信息，一直是一个活跃的研究领域。因此，人们已经提出了许多定位系统，包括GPS系统[1]、基于超声波的系统[2]、基于红外的系统[3]和基于射频的系统[4]。所有这些系统共性在于都要求将设备连接到跟踪实体的。最近，我们提出了不依赖于装置被动定位（DFP）概念[5]。DFP系统提供跟踪实体的能力，这些实体既不携带任何设备，也不积极参与本地化过程。这在入侵检测、边界保护、低成本监控和智能家居自动化等应用中特别有用。
DFP的概念是基于这样一种观点，即在射频环境中存在一个实体（例如人类）会影响射频信号。这适用于广泛的频率范围[6]、[7]，包括无线数据网络（如WiFi和WiMax）中常见的2.4和5-GHz频段。即使此人没有阻碍发送器和接收器之间的LOS，他/她在无线环境中的存在也会影响接收器的RSS。这是由于他吸收了射频信号以及影响射频波的多径传播。
典型的DFP系统包括：1）信号发送器，如典型WiFi部署中使用的接入点（APs）和工作站；2）监控点（MPs），如标准笔记本电脑和无线桌面，以及3）应用服务器（AS），用于处理和启动所需操作。图1显示了一个DFP系统的示例。
图一 典型办公环境中DFP本地化系统的不同组件示例。
本文介绍了一种具有丰富多径特性的面向真实环境的大型DFP定位系统Nuzzer的设计、实现和分析。
尽管Nuzzer可以在室内和室外环境中运行，但我们关注的是室内环境，在这种环境中，从发射机到接收器的LOS路径通常被墙壁阻挡。此外，室内环境中含有大量的金属和其他反射材料，这些材料以非平凡的方式影响射频信号的传播，导致严重的多径效应。通常，反射、折射、衍射和吸收射频信号会导致多径衰落，这可能会降低或增加监控点。此外，射频信号还受到噪声、来自其他来源（如微波炉）的干扰以及通道间的干扰的影响。这使得室内本地化的问题具有挑战性，尤其是对于DFP案例而言。Nuzzer旨在实现特定的目标：
·高精度。定位系统的精度越高，应用越多。结果表明，在两个典型的办公建筑中，Nuzzer的定位精度与基于射频的定位精度相当，中位距离误差小于1.82米。
·无处不在的覆盖。由于Nuzzer使用标准的无线数据网络，不需要任何特殊的硬件，因此它继承了它所使用的技术的普遍性，如WiFi。
·可扩展性。Nuzzer针对的是面积相对较大的典型办公楼。作为一个基于射频的系统， Nuzzer的覆盖范围比其他系统更广，例如，基于计算机视觉的技术需要清晰的跟踪目标视场，或者基于红外的技术需要发射机和接收机之间的视距。Nuzzer的目标是大规模典型环境下的非视距定位DFP系统。
·在真实环境中操作。Nuzzer解决了典型环境中的DFP本地化问题。在典型的无线环境中，信号功率级表现出明显的时间和空间变异性[8]。时间变异主要由实体运动引起，而空间变异主要由多径衰落引起。图2显示了受控和真实环境中的RSS示例。原始流和柱状图显示，RSS在实际环境中具有更高的可变性。这些多样性使得本地化过程在实际环境中更具挑战性。
·成本低，易于部署。Nuzzer使用为数据网络安装的相同硬件执行DFP本地化。这增强了数据网络的价值并降低了部署成本
图2 受控与真实环境中的RSS行为
1.1方法
为了进行定位，我们需要捕捉当一个人在感兴趣区域的不同位置时信号强度的行为。由于这种行为在室内环境中非常复杂[9]，因此我们使用“被动”无线电地图来实现这一点。无线地图是一种结构，它在感兴趣区域[10]、[11]的不同位置存储信号强度的信息。这通常只在离线阶段构造一次。
在联机阶段，Nuzzer系统使用MPs从APs接收的信号强度样本，并将其与被动无线电地图进行比较，以估计被跟踪实体的位置。
在基于设备的主动定位中使用的基于无线地图的技术可以分为两大类：定位技术和概率技术。定位技术用一个标量值（如平均值）表示某一位置上AP的信号强度。然后，使用非概率方法来估计被跟踪实体的位置。例如，在雷达系统[4]中，最近邻技术用于推断用户位置。另一方面，概率技术，例如[8]，将来自APS的信号强度分布信息存储在无线地图中。然后，利用概率技术估计被跟踪实体的位置。已知基于设备的主动定位系统的概率技术可以提供更好的精度。
在Nuzzer系统中，我们提出了在大规模真实环境中实现DFP定位的概率技术，并展示了它们与基于设备的主动定位技术的区别。我们还提出了估计在同一个建筑中移动的实体数量的技术，并将它们定位到粗粒度区域，以增强系统的可伸缩性。通过在实际试验台上的分析和实现，对系统性能进行了评价。
1.2 论文结构
第2节介绍了Nuzzer系统中跟踪单个实体的不同算法，以及基于设备和无设备的定位之间的区别。第3节对系统进行了分析，讨论了不同参数对系统性能的影响。第4节介绍了大型典型办公环境下的Nuzzer系统的评估以及不同参数对性能的影响。在第5节中，我们提出了一种估算感兴趣区域内实体数量并将其定位到区域的技术。我们将在第6节中讨论Nuzzer系统的不同方面，并为以后的工作提供指导。第7节介绍了Nuzzer和相关工作之间的比较。最后，第8节总结了本文。
2 Nuzzer系统
在本节中，我们将介绍在Nuzzer系统中使用的不同算法。我们首先概述系统，然后描述我们的概率算法。
2.1 概述
Nuzzer系统分两个阶段工作：
1.离线阶段。我们在离线阶段建立被动无线电地图。被动无线地图类似于通常用于基于设备的主动WLAN定位系统的主动无线地图，如[4]、[8]、[12]。但是，在活动的无线地图中，用户将设备放在无线地图位置，并从范围内的所有接入点采集样本。另一方面，对于被动无线电地图的构建，一个人站在无线电地图位置，不携带任何设备，并记录他对MPS接收到的不同数据流的影响。图3显示了主动和被动无线电地图构造之间的区别。在被动式无线地图中，与每个AP的柱状图相比，每个原始数据流都有一个柱状图。此外，在构建被动无线电地图时，人不携带任何设备。
2.在线阶段。我们估计目标区域内的人数及其所在的“区域”（第5节）。然后，我们根据来自每个数据流和被动数据流的RSS跟踪每个区域中的人员位置。
我们为在线阶段定义了两种操作量。离散空间估计量和连续空间估计量。
1.离散空间估计模块返回的无线电地图位置具有最大概率给定的信号强度矢量从不同的流。因此，离散空间估计器的输出必须是被校准的位置之一。
2.连续空间估计器作为离散空间估计器后的后处理步骤，试图返回对连续空间中人的位置的更准确的估计。因此，如果一个人站在两个无线地图位置之间，连续空间估计应该比离散空间估计提供更好的估计。
图3 主动和被动无线电地图构造的区别
我们首先介绍我们的数学模型，然后详细介绍两种操作模式。
2.2数学模型
在不失去一般性的情况下，让XX成为一个二维物理空间。n表示系统中的数据流总数（APs数乘以MPs数）我们将n维信号强度空间表示为。该空间中的每个元素都是一个n维向量，其条目表示来自不同流的信号强度读数，其中每个流表示一对（ap，mp）。我们将此向量称为S。我们还假设来自不同AP的样本是独立的，因此不同流的样本是独立的。站在x 属于x x位置的人会影响在不同MPS处接收的信号，因此会影响等效的N维矢量。
因此，问题就变成了如果给定信号强度向量，我们希望在联机阶段接收到，找到位置x 属于XX，使概率最大化。
2.3离散空间估计量
在下一节中，我们假设一个离散空间xx。我们将在第2.4节中讨论连续空间的情况。
在离线阶段，Nuzzer估计每个流对应于站在每个无线地图位置的人的信号强度直方图。例如，当一个人站在一个特定的无线电地图位置X时，系统会为每个数据流收集信号强度样本（图3b）。使用这些信号强度样本，独立构建每个流i的柱状图，表示概率（见图2）。因此，在每个无线地图位置，我们都有一组柱状图，表示人员站在该位置时从每个流接收到的信号强度。
现在，考虑一下在线阶段。一个人站在一个未知的位置X，导致接收到信号强度矢量为。对于s，我们希望找到最大化概率的位置x属于XX，也就是说，我们希望得到最大的。
使用贝叶斯定理，可以将其写成：
假设所有位置的概率都相同，（1）中的最大化过程可以将分解出来。另外，因为独立于x，所以它也可以分解出来。这将产生：
其中可以使用离线阶段构建的柱状图计算每个无线地图位置x，如下所示：
上面的公式只考虑每个流中的一个样本进行位置估计。通常，可以使用每个流中的若干连续样本m来提高性能。
在这种情况下，可以表示为：
式中，表示第i个流的第j个样本。
图4 使用空间平均技术提高精度的示例。
因此，给定信号强度向量s，离散空间估计量使用（4）返回具有最大概率的位置x。
2.4连续空间估计量
离散空间估计器从被动式无线电地图中的一组位置返回一个位置。一般来说，实体不需要站在其中一个无线地图位置。因此，为了提高系统的精度，Nuzzer使用空间和时间平均技术来获得连续空间中的位置估计。
2.4.1空间平均
这种技术是基于将无线地图中的每个位置作为物理空间中的一个对象来处理的，该物理空间的权重等于离散空间估计器分配的概率，经过归一化使概率之和等于1。然后，我们得到质量最大的K物体的质心，其中K是系统参数，1 le;Kle;||XX||。图4显示了使用空间平均技术的示例。离散空间估计器将返回位置r2，假设它在信号强度空间中最接近实际人的位置。利用空间平均技术，通过计算前四个位置（k=4）的质心，可以得到更好的位置估计。
更正式地说，让P(x)是一个位置x属于XX的概率，即无线电地图，让XX是无线电地图中的位置列表，根据离散空间估计器分配的归一化概率按降序排列。质量中心技术将当前位置x估计为：
需要注意的是，估计的位置X不需要是无线电地图位置之一。
2.4.2时间平均
此技术使用时间平均窗口平滑结果位置估计。该方法通过对离散空间估计量或空间平均估计量得到的最后一个W点位置估计量进行平均，得到位置估计量。
更正式地说，给出了一系列位置估计x1；x2；hellip;hellip;xt，该技术估计时间t的当前位置xt为：
时间平均窗口的长度会影响系统的延迟和准确性，如第4节所述。
3系统分析
在本节中，我们提出了第2节中建议的概率算法的分析模型，并讨论了不同系统参数对性能的影响。
3.1假设
·感兴趣的区域xx由n个流覆盖，包含l个无线地图位置。
站在无线地图中特定位置的人对流的rss的影响可以用高斯随机变量建模，其平均值取决于人所站的特定位置，但其方差独立于人的位置，并且仅取决于流。因此，x属于XX，fx位置的无线电地图是表示为矢量，在哪里分别是表示在X位置存在的第i个数据流的RSS分布的高斯随机变量的真均值和方差。
·所有流的信号强度值相互独立。
3.2正确估计的概率
在这一节中，我们推导了正确估计概率的表达式，即正确估计人的准确位置的概率。基于（3），离散空间估计器在给定测量信号向量s的情况下，计算位于x属于XX位置的实体的概率P(S)。选择概率最高的位置作为估计位置。
考虑两个地点。假设一个实体存在于第一个位置，则算法必须保持以下不等式才能正确估计实体的位置：
图5 数值结果实验的拓扑
让是一个高斯随机变量，平均和方差等于
当仅比较两个位置时，正确估计真实位置的概率可以表示为。对于具有L位置的无线电地图，在给定测量信号向量s的情况下，正确估计位置、的概率可以表示为
其中，是所有无线电地图位置的集合，而不是。因此，正确估计的总概率可以表示为 剩余内容已隐藏，支付完成后下载完整资料
资料编号：[439282]，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。
