室内定位系列(一)——WiFi位置指纹(译)

原文:《Advanced Location-Based Technologies and Services》——chapter 2 WiFi Location Fingerprint
作者: Prashant Krishnamurthy


摘要

GPS难以解决室内环境下的一些定位问题,大部分室内环境下都存在WiFi,因此利用WiFi进行定位无需额外部署硬件设备,是一个非常节省成本的方法。然而WiFi并不是专门为定位而设计的,传统的基于时间和角度的定位方法并不适用于WiFi。近十年来,在室内WiFi场景下的定位中,位置指纹法被广泛研究和采用。本文对WiFi位置指纹法进行综述,提出了这个领域面临的挑战,介绍最新的研究,以及提供一些实际的指导。


介绍

室内环境下的定位一直是一个很多问题未被解决的领域。由于信号的严重衰减和多径效应,通用的室外定位设施(比如GPS)并不能在建筑物内有效地工作。定位准确性也是一个问题,GPS也许可以指出移动设备在哪一个建筑物,但是室内场景下,人们希望得到更精确的室内位置,这需要更精密的地图信息和更高的定位精度。

我们可以在室内搭建一套完整的基础设施用来定位,但是这样需要很大的代价,包括定位信号占用的频谱资源、用于感知定位信号的嵌入在移动设备中的额外硬件、安装在固定位置的用来发送定位信号的锚节点。因此,大家倾向于使用那些已有的被广泛部署的无线设备去实现室内定位。

基于无线信号的定位方法首先考虑的是使用WiFi(基于IEEE802.11标准的WLAN)作为基础定位设施。现在,包括智能手机、笔记本电脑在内的大部分移动通信设备都内嵌了WiFi模块。实际上,WiFi已经被广泛地在室外定位与导航中使用(通过智能手机以及被维护的wifi热点位置与其对应的mac地址的数据库进行查找,很多公司有维护这样的数据库,包括Google、Apple、Microsoft,以及Skyhook这样的定位服务提供商等等)。其他还有一些技术,比如用蓝牙、RFID、移动电话基站信号等,也可以用来实现室内定位,但是它们不像WiFi这样到处都有,因此流行程度不如WiFi。移动电话信号并不能在所有的室内场景下都能稳定传播,使用RFID需要额外的安装硬件的花费,此外,基于超声波的定位技术使用在一些实验性的工作中,而实际利用超市波的商用设备很少,因此实际应用并不多。

WiFi广泛使用在家庭、旅馆、咖啡馆、机场、商场等各类大型或小型建筑物内,这样使得WiFi成为定位领域中一个最引人注目的无线技术。通常,一个WiFi系统由一些固定的接入点(AP)组成,它们部署在在室内一些便于安装的位置,系统或网络管理员通常知道这些AP的位置。能连接WiFi的移动设备(比如笔记本电脑、移动电话)相互之间可以直接或间接地(通过AP)通信,因此可以考虑在通信功能外同时实现定位功能。但是WiFi信号并不是为定位而设计的,通常是单天线、带宽小,室内复杂的信号传播环境使得传统的基于到达时间/到达时间差(TOA/TDOA)的测距方法难以实现,基于到达信号角度的方法也同样难以实现,如果在WiFi网络中安装能定向的天线又需要额外的花费。因此,近年来大家详细研究的主要是位置指纹方法。

本文涉及的是在室内环境下的定位,提供一些使用WiFi的接入点和移动设备进行位置指纹法定位的指导。本文包括:WiFi位置指纹法的基本概念,WiFi如何用于定位,使用WiFi的位置指纹算法,存在的挑战和性能方面的问题,以及WiFi位置指纹法中其他的一些事项。


位置指纹法的基本概念

“位置指纹”把实际环境中的位置和某种“指纹”联系起来,一个位置对应一个独特的指纹。这个指

  • 4
    点赞
  • 57
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
室内定位算法,有助于研究者认清研究方向,给定位算法一个准确的描述,是很好的参考教材。the possibility for the user to be notified by visible and Waveformof Distance audible warnings using buzzer and led ar to Very close to al 1903 Tme「 samples Fig 4 Distance measurement using the RSSi signal The system is used to determine the distance between Fig. 2. Tag4M Data Acquisition System tags and 2, 3, 4 or more APs. The tag scans after the aps ⅣV. EXPERIMENTS and sends the rssi values for each ap to the ap which is associated The system presented above can be used for objects or In order to read the corresponding rSsi values of all people localization in an indoor enviro found access points, a""operation is implemented at Let's suppose a building where several objects are Tag4M level. The time to scan is smaller than few distributed all over milliseconds, because the tag doesnt associate with the all For a better understanding of the system, it is showed an APs. These values are sent to a pC where the localization experiment where the objects are placed only at one floor. algorithm is implemented in LabVIFW20 10 (see Fig. 5) Each of these objects has attached a tag. The devices are Table I presents a scan operation result. In this case used to determine the location of the objects in the four APs(which are placed in the floor building)named building and the distance between tags and APs. To Hawk, Helicopter, Tag4M and WitagServer are detected measure the distance, the RSSI is processed. This method The corresponding rSSi values(in dBm) measured by the is not very accurate and is strong depended to the Tag4M are reported for every AP environment, but is very easy to implement with the TABLE 1. A SEQUENCE OF RESULTS FOR THE SCANOPERATION The Fig 3 presents the experiment environment for one EXFCUTED ON THE TAG4M DEVICE oor where the colored circles represents the APs and the rectangles represents the objects intended to be located This floor is divided in six rooms separated by walls
室内定位RSS(Received Signal Strength)位置指纹法是一种常用的室内定位技术,它通过收集已知位置的Wi-Fi信号强度(RSS)数据来建立位置指纹数据库,并根据当前位置附近的Wi-Fi信号强度来进行定位。而KNN(K-Nearest Neighbors)是一种基本的分类算法,可用于室内定位中的位置指纹匹配。 首先,我们需要收集一定数量的RSS位置指纹数据。这些数据包括Wi-Fi信号的MAC地址和对应的RSS值,并记录其所在的物理位置。收集完数据后,我们将其存储在数据库中。 在进行定位时,首先收集当前位置附近的Wi-Fi信号的RSS值,并提取出MAC地址。然后,从之前建立的位置指纹数据库中找出K个最相似的位置指纹数据。这里的相似度一般使用欧氏距离或余弦相似度来计算。 对于这K个最相似的位置指纹数据,我们可以采用加权平均法来进行定位。即根据它们与当前位置指纹数据的相似度,对它们的物理位置进行加权平均。加权平均的权重可以由相似度计算得出。 最后,根据加权平均得到的物理位置,就可以实现室内定位。 需要注意的是,室内定位RSS位置指纹法-KNN在实际应用时也面临一些问题。例如,Wi-Fi信号受到物理环境干扰的影响,如墙壁、家具等会减弱信号强度。此外,Wi-Fi信号的分布和传播并不均匀,也会导致定位的偏差。因此,在实际应用中,我们需要综合考虑这些问题,采用更加复杂的算法和技术来提高室内定位的准确度和稳定性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值