便携式室内WIFI定位系统的设计与实现

发布时间：2016-06-29 07:14

第一章  绪论 

1.1  论文研究背景与意义
随着计算机技术的快速发展以及智能移动终端设备的普及，移动用户对位置感知的实时性和就地性的需求与日俱增  [1]，使得位置感知技术得到越来越多的关注。根据定位技术所应用的环境的差异，可以把定位技术分为室内定位和室外定位两种。目前，室外定位系统主要有全球定位系统（GPS,  Global  Positioning System）[2]，蜂窝网定位系统[3]，A-GPS（Assisted Global Positioning System）辅助全球定位系统[4-5]等，在空旷的室外环境，GPS 的定位误差已达到 10m 以内，完全可以满足人们对日常位置信息的需求。然而，现有的室外定位技术并不适用于复杂的室内环境，因为 GPS 在室内无法搜索到足够的卫星数量进行精确定位，蜂窝网定位系统定位精度较低无法满足需求，使得如何实现在复杂的室内环境进行稳定和高精度定位成为定位技术研究的热点[6]。 近年来，人们深入的研究了室内定位技术并提出了多种解决方案[7]。主要有射频标签（RFID）定位系统[8]、蓝牙室内定位系统[9-10]、超宽带室内定位系统(UWB)[11-12]等。然而，这些定位系统都需要额外的专用设备、需要重新部署设备间的网络连接并且应用范围较小，导致它们都未能得到大范围的推广。 自 1990 年无线局域网络标准制定以来，无线局域网获得快速的发展和普及[13]；基于 WLAN 具有成本低，安装简单方便，传输速率快、抗干扰能力强等优点，WLAN 被广泛的应用到社会的不同环境当中，如学校、办公大楼、医院和家庭等。现在 WLAN 几乎已经成为一种基本的基础设施，覆盖了人们活动的绝大多数室内环境。基于 RSS 的 WLAN 的定位不用添加其他装置，仅通过纯软件编码便可以在任何一款内置无线模块的智能移动设备上实现定位，且利用指纹法可以有效的降低多径传播和阴影衰落对定位系统的影响，成为本文研究的出发点[14]。目前，WLAN 指纹室内定位技术仍不成熟，推广前还有许多问题需要解决。例如，离线阶段工作量大、实时性较差、系统的普适性低等。本文围绕如何降低终端差异对 WLAN 指纹定位系统的影响，提高定位系统的定位精度和普适性这一关键问题进行研究和分析，针对这一问题提出加权余弦相似度算法，并在加权余弦相似度算法的基础上开发了便携式室内 WiFi 定位系统，该系统可应用在监护老人、看护病人和室内火灾救助等领域，具有广阔的商业开发前景。 
.....

1.2  国内外研究现状
本节首先分析了几种经典的室内定位系统的定位原理、定位精度和定位系统的优缺点，其次研究了几种典型的 WLAN 指纹定位系统。近年来，红外线(Infrared)在室内定位技术中得到广泛的应用。红外线室内定位系统的工作原理是在室内环境布置密集的传感器，通过事先布置的传感器采集由室内红外线移动标签发射的红外线来进行估算红外线移动标签在待测区域的位置信息。 Active Badge 室内定位系统[15]是由Cambridge大学首次开发的利用红外线进行室内定位的系统，系统有移动标签，传感器和服务器组成；移动标签连续地向周围发射用于唯一标识的红外信号；安装在室内的传感器网络捕捉到移动标签发射的信号并传输到服务器，服务器采用近似法估算出移动标签所在的区域。但是Active Badge 系统仅能实现对移动标签做出区域判别。为了降低红外线定位系统的定位误差，可以在室内部署大量的光感传感器并且与光学照相机进行联合定位。Firefly 系统[16]是一款经典的利用密集型传感器和光学照相机相结合来实现高速实时光学跟踪室内定位系统，系统定位精度可达到3mm。但是，由于系统要用到相机阵列，设备成本较高；要在室内待测区域事先安装密集的红外线接收设备，工作量大；另外，Firefly 系统所覆盖的范围也比较小。 综上所述，虽然利用红外线进行定位能够实现较高的定位精度。但是需要布置大量的传感器，成本较大，并且定位系统只适合在空旷的室内环境，定位系统的定位误差受环境光线的影响较大等原因，导致其无法在大型超市、博物馆、展览厅等公共建筑内应用。 
....

第二章  WLAN 指纹室内定位技术的理论基础 

2.1 WLAN 信号强度的特征 
本次实验选择在人员走动较少的时间段内收集数据，用红米 note 手机在室内某一参考点上对特定的 AP 采集 100 次，参考点距离特定 AP 的距离为 4 米左右，手机平放在桌面上，在采集数据过程中保持手机静止，记录每一次的 RSS，图 2.1 为在室内某一参考点对特定 AP 在不同时间进行采样而形成的直方图。由此可知，同一个参考点在不同的时间，所采集到的 AP 的信号强度是不同的，最大值和最小值相差 8dBm，大部分信号强度集中在 43dBm 和 45dBm 之间。RSS 时变特性的具体原因有以下几点：a、多径效应：一般的室内环境比较小而且环境复杂障碍物较多。使得电磁波在传播过程中发生反射、折射的现象，导致电磁波信号经过多种不同的路径到达某一点，并不是仅通过直线传播到达某一点，这使得在某一点的信号强度会不断发生变化。 b、2.4GHz 电磁波信号的干扰：由于 WLAN 工作的 2.4GHz 频段是免费开放的频段，容易受到在这一频段工作的电磁设备产生的信号的干扰，例如无线打印机、蓝牙信号、ZigBee 信号、微波炉等。
...........

2.2 WLAN 指纹室内定位系统概述
由于电磁波在室内环境传播时受到的干扰较多，导致采用传统的路径损耗法进行定位会产生较大定位误差[38]，而场景分析法有利于减弱电磁波多径传播等对定位精度造成的影响，使得基于场景分析法的 WiFi 室内定位技术成为目前研究的热点。场景分析法并不是把 WiFi 信号强度直接转换为距离，而是利用 WiFi信号在不同的空间位置表现出的独特的、易辨识的特性建立 RSS 与位置的映射关系，并利用该关系对移动用户在待测区域内的位置进行估计。场景分析法定位系统一般由离线阶段和在线阶段完成定位。系统的定位原理框如图 2.4 所示，离线阶段建立有效的指纹库是定位系统的根本，把室内空间均匀地按照适当的间隔划分为不同的区域，形成参考点网格，在每一个参考点处接收周围的 AP 的 RSS并建立样本向量，每个参考点的位置信息与对应的 RSS 样本向量构成位置指纹，然后，将所有参考点的位置指纹信息存储起来构成指纹库。WLAN 信号强度与空间位置的映射特性是 WLAN 定位技术的基础。但是，室内环境的不可预测性严重影响着定位系统的定位精度。另外，终端差异使得在线阶段测量的 RSS 向量与所建立的指纹库不能有效的匹配，降低了定位系统的普适性。 
...........

第三章  降低终端差异性算法研究 ....... 19 
3.1 移动智能终端信号差异概述 ........... 19 
3.2 不同移动定位终端的接收 AP 的 RSS 的差异性 ........... 20 
3.3 指纹差值法 ....... 20 
3.4 加权余弦相似度算法 ....... 21
3.5 算法仿真分析 ........... 26 
3.5.1 实验场景 ........ 26 
3.5.2 指纹库的建立 ........ 26 
3.5.3 算法的定位精度 .... 27 
3.6 本章小结 ........... 29 
第四章  便携式室内定位系统的开发 ........... 30 
4.1 开发平台介绍 ........... 30
4.2 便携式定位系统总体设计 ....... 31
4.3 便携式定位系统实现的过程 ........... 32 
4.4 移动定位终端开发 ........... 33
4.5 服务器开发 ....... 36
4.6 系统性能测试 ........... 40
4.7 本章小结 ........... 43 
第五章  总结与展望 ....... 44 

第四章  便携式室内定位系统的开发 

通过前几章的研究，本文选用加权余弦相似度算法来提高定位系统的精确度，并通过实验仿真验证了算法的有效性，开发了便携式室内 WiFi 定位系统。该系统能够对待测区域内的移动定位终端实现定位，可通过移动监测端实时查看移动定位终端在待测区域内的位置。 以下将从系统的总体设计、移动定位终端开发、服务器开发与系统性能测试四个方面进行介绍。 

4.1 开发平台介绍 

本系统的移动定位终端和移动监测终端选择 Android 系统智能移动设备[50]。Android 操作系统的架构由四层（Linux 内核层、系统运行库层、应用框架层、应用层）组成；另外，Android 操作系统还提供了四大组件、丰富的系统控件、SQLite 数据库、地理位置服务和传感器等丰富的工具，由于 Android 系统的这些特点，使得Android操作系统快速地发展并占领移动设备市场的90%以上的份额，并依然在快速的发展。 因此，移动定位终端和监测终端选择基于 Android 平台开发，使得所开发的便携式室内定位系统获得更广泛的应用。 

...........

结论

近年来，随着人们对室内位置信息的需求越来越强烈，室内定位技术受到越来越多的关注并得到快速的发展。但是，智能移动设备的多样性给定位系统带来了巨大的挑战。目前，室内定位系统仅适用于离线阶段和在线阶段移动终端相同的情况，在存在终端差异时，定位系统的精度较低，，甚至会出现定位失败的可能。本文针对以上问题主要做了如下研究。 
（1）介绍了室内定位系统经典算法和面临的挑战，并通过对比在实际的环境内采集 AP 的信号强度，并对采集的实际数据进行分析，找出了不同因素对RSS 造成的影响。 
（2）研究了终端差异产生的原因，利用不同智能移动设备在实际环境中采集 AP 的信号强度，并对采集的数据进行分析，得出移动定位终端在同一参考点接收 AP 的信号强度的趋势相同的结论。 
（3）针对终端差异的问题，提出了加权余弦相似度算法，对加权相似度算法进行详细的论述，并通过采集实际环境的数据，验证了在存在终端差异的情况下算法的有效性，有效的降低了终端差异对定位系统的影响。 
（4）结合上述研究，本文基于 Android 平台开发了一种利用 WiFi 信号特征的便携式室内定位系统。该系统采用加权余弦相似度算法，提高该系统在存在终端差异情况下的定位精度。该系统可以通过移动监测终端实时的查看移动定位终端的位置信息，具有便于携带和易于查看的优点，在监护老人、孩子和病人等方面具有广阔的商业开发前景。
.........
参考文献(略) 

本文编号：63137