基于wifi信號的室內定位方法畢業設計-資料下載頁

【導讀】師的指導下進行的研究工作及取得的成果。盡我所知，除文中特別加。而使用過的材料。均已在文中作了明確的說明并表示了謝意。除了文中特別加以標注引用的內容外，本論文。不包含任何其他個人或集體已經發表或撰寫的成果作品。究做出重要貢獻的個人和集體，均已在文中以明確方式標明。全意識到本聲明的法律后果由本人承擔。同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權大學可以將本學位。印或掃描等復制手段保存和匯編本學位論文。涉密論文按學校規定處理。程序清單等），文科類論文正文字數不少于萬字。有圖紙應符合國家技術標準規范。智能手機、平板電腦等的快速發展更是促進了人們對移動位置信息的需求。接入點射頻信號的室內定位技術已經在過去的十年中被提出。“Organic”)的WiFi指紋定位系統方面的研究正引起人們的關注。了先前提出的技術所沒有考慮到的新的挑戰。本文提出了一個有效的定位方法來處理存

　　

【正文】 iFi 芯片和天線設計導致每臺設 備不同的 RSS 記錄，使其很難校準。裝置的異質性是眾包定位的關鍵性問題。本文對該問題進行了討論，并提出了有效的解決方案。 一個位置多個測量值 眾包系統的另一個問題是多個測量人員可以上傳自己的指紋數據，這些數據有著相同的位置標簽，然而它們卻是在不同的測量點得到的。這種情況經常發生，因為大多數的測量人員是未經訓練的普通用戶并且沒有對他們指定 RSS 記錄點。在圖 1 中，用戶 A基于 WiFi信號的室內定位方法 13 和 B 都為“位置 101”提供指紋數據。然而，他們記錄的 RSS 數據的位置是不同的，即使他們兩個都在同一個房間。這個導致了一個位置多個指紋數據 集。一個特定的位置有一個以上的指紋對于無線電地圖建設階段和定位階段不是有效率的。這會需要更多的存儲空間，花費更多的時間來估計當前位置。這個問題，連同設備的多樣性問題，也是定位精度下降的一個主要原因。然而，以往的研究沒有考慮到這個。我們在本文提出的新方法沒有使用任何校準的解決了這個多個測量點的問題。 基于 WiFi信號的室內定位方法 14 4 系統設計 本階段的主要任務是設計軟件的模塊的層次結構，設計模塊的控制流程。在系統分析的基礎上，進一步深化設計方針和方法，將系統分為各個子系統，分別確定其功能、流程及相互關系。 總體設計 總體設計階段詳細的描述了系統的各個功能模塊以及他們彼此之間的結構關系，這樣方便用戶更清晰的了解各功能的使用方法。基于 WiFi 信號的室內定位系統其主要功能是給在室內環境當中使用 Android智能手機的用戶提供位置服務，給予人性化的服務，主要分為以下幾個功能模塊：主界面模塊，信息收集模塊，定位模塊和查看位置信息模塊。模塊結構以及其之間關系如下圖： 圖 模塊結構圖 模塊設計 （ 1） 主界面模塊 主模塊涵蓋了信息收集模塊、定位模塊和查看位置信息模 塊，將它們集成于一起展現在同一個界面上，上面有著各個功能模塊的按鈕，包括用于保存收集的位置信息的 X、Y 和位置標簽的文本輸入框。 （ 2） 信息收集模塊 信息收集模塊主要應用于前期的“離線采集階段”的指紋數據庫的構建，每輸入并信息收集模塊 定位模塊 查看位置信息模塊 WiFi室內定位 主界面模塊 基于 WiFi信號的室內定位方法 15 保存一次 X、 Y 和位置標簽就表示記錄了一次數據并保存于指紋數據庫中，這些采集到的數據重要用于后期用戶定位時進行數據匹配。 （ 3） 定位模塊 定位模塊在用戶請求位置信息時的“在線定位階段”中是主要角色。當用戶點擊定位按鈕請求自己當前的位置信息時，就開始了數據匹配的過程。如果匹配到了數據庫中的值那么說明用戶所在 位置時存在的，并返回給用戶其當前的位置信息；如果沒有匹配成功則說明所在位置不存在。 （ 4） 查看位置信息模塊 本模塊主要用于用戶查看當前的位置信息，即系統返回給用戶的位置標簽。 界面設計 下圖主要顯示了“基于 WiFi 信號的室內定位系統”的整體界面的布局。上方部位依次分別為 X 坐標、 Y 坐標和位置標簽。緊接著下方是該系統的子功能模塊的按鈕分布。 圖 界面總覽圖 基于 WiFi信號的室內定位方法 16 5 系統實現與實驗 指紋值的提取 通過使用不同的手機進行了初步的實驗，目的是為了探討從任意一個 AP 中接收得到的 WiFi 信號的特點。本文 的實證數據對于無線電地圖指紋數據的構建的階段和定位階段可以被用來發展我們的實際性和彈性的方法。本章介紹了在有著對定位精度有影響的因素存在的情況下，通過對 RSS 的觀測值和實驗結果的觀測，如何在一個特定的位置提取單一的指紋值。 AP 響應速率 當從初步的實驗得出的結果分析時，我們發現，在整個 WiFi 掃描期間的某些時間段一些 AP 并沒有被記錄下來。對于不同的 AP，其響應速率是不同的，這意味著對于指紋數據它可以被用來作為獨立的信息。雷德利等人 [18]利用這個響應速率作為指紋信息并與 RSS 組合在一起，因為他 們發現 AP 響應速率和 RSS 之間的相關性是很弱的。然而，我們認為二者的相關性足以得出這樣的結論，反應速率在我們新提出的方法中是冗余的信息。實驗初步結果表明， RSS 值大于 70dBm 的 AP 有著超過 90%的反應速率， RSS 值介于 70dBm 和 85dBm 之間的 AP 有著超過 50%的反應速率。只有 RSS 值小于 90dBm 的 AP顯示出非常小的反應速率。由于我們的定位方法很自然的給較小的 RSS 值以較低的權重值， AP 的響應速率對于指紋信息大打了折扣。 RSS 隨時間的變化 接收到的信號強度由于多徑衰落而隨時間變化 并且波動水平在室內環境中變得更高。這種不穩定性會降低定位的精度。為了克服這個問題，以前的工作為測量 RSS 花費較長時間（即一個多小時甚至于一個月）進行測量并且采取平均值的辦法 [20]。然而，這在我們的系統模型中是不合適的。也有一些采用了眾包模式的研究通過使用概率的方法從少量的測量數據中獲取指紋值 [15,18,21]。基于高斯分布的概率方法在理想的環境下能夠很好的工作。然而，由于真實世界的固有的不穩定性，它常常會產生一個相當大的誤差。 我們找來了兩個例子如圖 5 所示，來說明概率方法提供了不準確的指紋值。頂部的圖解 是一小時持續時間測量得到的的 RSS 柱狀圖。中間和底部的圖解是一分鐘持續時間的測量值。對于一分鐘測量的數據，每次測量間隔為 30 分鐘。 RSS 是記錄在所有情況下的最短時間間隔內記錄的，以能夠在有限的測量時間內獲得盡可能多的 RSS 值。圖 顯示，柱狀圖是左傾斜的，這使得它很難被建模和符合正態分布。左偏態分布的 RSS[22]是一個常見的現象在人們四處走動的現實生活當中。由于無線傳播的復雜性，拉德等人基于 WiFi信號的室內定位方法 17 [23]建議只使用平均值。使用平均值指紋在圖 的情況下能夠工作得很好。對于一小時持續時間測量得到的數據的平均值為 ，對于一分鐘持續時間測量得到的數據的平均值分別為 和 。長的和短的測量時間之間的變化范圍是在 1dBm，這是可以接受的。然而，實驗表明，平均值并不是表示指紋值的最佳方法。圖 給出了一個反例說明了平均值不能很好地工作。平均值是 ， 和 ，分別代表長的和短的測量時間的平均值。 RSS 的變化范圍幾乎是 3dBm，這就很有可能會降低定位的精度。 圖 RSS 變化 基于 WiFi信號的室內定位方法 18 圖 RSS 變化 基于 WiFi信號的室內定位方法 19 提取方 法 無論是正態分布模型還是均值，在基于眾包的定位系統中都不能夠提供準確的 RSS指紋信息。我們試圖找出 RSS 指紋的最佳指標，我們在分析記錄的 RSS 數據集時發現了一個獨特的特點。我們觀察到，大部分記錄的 RSS 在短的持續時間的測量的情況下與大部分記錄的 RSS 在長時間測量的情況下是非常接近的。在圖 5 中，比方說，在所有情況下， RSS 出現的最高的頻率在畫有虛線的很小的范圍內變化。這意味著同樣的 RSS 指紋值可以被得到無論測量時間的長短，只要 RSS 的值是在該范圍內的平均值。 根據觀察，我們提出了一個簡單而有效的方法，對于高 耐受特定 AP 提取單指紋值，通過觀察 RSS 持續短時間測量的變化。方程（ 1）描述了我們的方法。 1 )()(fp 1 1?? ????? ? ?? ?w R Tw L T mR S Sp e a kR S Sp e a knR S Sp e a kV a l u ew L Tnw R Tm （ 1） 其中 fpValue 是一個 AP 的指紋值， RSSpeak 測量過程中的峰值。平均變化范圍的寬度由wLT 和 wRT 表示。 RSS 分布趨于左偏 [22,23]，這意味著，對于指紋更有意義的 RSS 值位于右側的分布當中（即，出現的頻率多的 RSS 值是更重要的）。因此，如果在一個柱狀圖中存在具有相同頻率分布的多 個 RSS 值，那么選擇頻率更大的 RSS 值作為 fpValue。 該方法通過忽略那些遠離最大頻率的 RSS 值分布的 RSS 記錄來提取 RSS 指紋值，并且給那些在 RSS 柱狀圖中具有峰值的 RSS 值以最大權重值。對于每次的測量，如果大部分記錄的 RSS 值落在 wLT 和 wRT 表示的變化范圍內，那么 fpValue 將總是相同的。然而，在現實中，很難調整這兩個寬度值來輸出相同的 fpValue。這是因為由于測量過程中所涉及的環境因素，在每次測量當中，峰值點會或多或少向左或者向右發生偏移。從短期和長期情況下提取得到的 RSS 值之間的差異達 到了 3dBm，這導致平均值的方法沒有了優勢。這種發生在實踐當中的問題引導我們修改成了以下的算法： 12 )()(fp 1 1n? ????? ? ?? ?w nR SS pe akR SS pe aknR SS pe akV al uewnw （ 2） 在（ 2）中，代替于單獨調整 wLT 和 wRT，采用了一個寬度值 w，并把它設置為足夠大。通過最大化 w 的值，我們可以減小每次測量得到的 fpValue 值的不同到最低程度。圖 w值一小時持續時間測量的 fpValue和一分鐘持續時間基于 WiFi信號的室內定位方法 20 測量的 fpValue 之間的歐氏距離。實 驗結果基于 50 次的測量得到的平均值，并且每次測量都有超過 10 個 AP 被記錄。 圖 w 對指紋值提取的影響 100 101 102 103 104 2 1 0 歐 氏 距 離 寬度 w 基于 WiFi信號的室內定位方法 21 定位算法 相對 RSS 比較 現如今廣泛和密集部署的 WiFi AP 使我們新的室內定位技術成為可行的。以前的基于指紋的定位技術建立無線電地圖指紋數據庫并且使用絕對 RSS 值估計位置。他們可能運行良好的前提是基于用戶攜帶了均質的設備并且使用的是來自經過培訓的測量人員收集的指紋數據集的這樣一個系統當中。然而，當將它們應用到一個眾包系統時他們往往是不適合的。不是 試圖通過修改現有的技術，使它們能夠在異構設備的工作環境中運行，我們為我們的目標室內體系使用場景設計了一種新的技術。得益于 WiFi 技術的擴散，建筑物內任何地方的肉眼可見的 AP 的數量通常都超過了 10 個。一些建筑物，例如大學建筑中一些個人的 AP 以及密集的企業設計的無線網絡更是繁多，大約提供了超過 30 個可見的 AP。除了 AP 的數量，我們還可以充分利用分布廣泛的 RSS 值。 RSS 值通常在很強（如 40dBm）和很弱（如 100dBm）的范圍內變化。 室內環境中如此大量的可見的 AP 的存在和廣泛的 RSS 分布，對于一個特定位 置的指紋數據我們可以利用 RSS值之間的關系信息。圖 。讓我們先從基本的情況開始，其中的一個用戶為一個特定的位置上傳指紋數據，而其他用戶則請求他們的位置。假設在位置 101 和 102 有 4 個用戶，其中對于所有用戶，有 6個 AP 是可見的，如圖 所示。在這個例子當中，用戶 A 和用戶 D 是測量者而用戶 B和 C 想知道自己的位置。 首先，用戶 A 和 D 測量 RSS 值大約花費了持續一分鐘的時間并且分別采用位置標簽（即，位置 101 和位置 102）上傳指紋值到無線電地圖服務器。每個 AP 的指紋值如表。然后服 務器基于指紋值間的強度關系為位置 101 和位置 102 創建無線電地圖。 無線電地圖指紋數據庫包括如下數據集： )}, . . . ,1,1,0,0(,{ V A L U E nK E Y nV A L U EK E YV A L U EK E Ylxfp lx ???? 其中 VALUEi? 是一個包括 BSSID 和 ? 的矢量， delta 是核心參數，使得我們的方法對異構設備免去校準也能夠運行良好。本文提出的 KeyValue 機制和 ? 值使得指紋數據對于它們自己而言也變得有意義，而不單單是一套 RSS 值。 基于 WiFi信號的室內定位方法 22 fplx 代表在未知 lx 采集的指紋數據。 Lx 包括位置 x 的信息（如，房間號） KEYi是第 i 個頻率最大的 fpValue 的 BSSID。表 展示了基于用戶指紋值和 ? 值而創建的指紋數據。現在來自用戶 A 和 D