基于位置指紋算法的Android平臺(tái)WiFi定位系統(tǒng)

　　3.1位置指紋定位算法

　　位置指紋定位是根據(jù)不同位置接收到的信號(hào)強(qiáng)度向量，建立相應(yīng)的位置指紋數(shù)據(jù)庫(kù)，通過(guò)實(shí)時(shí)采集的信號(hào)強(qiáng)度與數(shù)據(jù)庫(kù)信號(hào)空間中儲(chǔ)存的信號(hào)向量，根據(jù)一定的匹配算法實(shí)現(xiàn)定位。該算法能夠在一定程度上減少多徑效應(yīng)的影響，增強(qiáng)抗干擾能力。目前，基于位置指紋的定位算法主要分為確定型和概率型，前者的計(jì)算效率較高，后者的定位精度較高，但是計(jì)算量較大，為了快速定位，采用確定型的位置指紋定位算法。

　　位置指紋定位過(guò)程一般分兩個(gè)階段實(shí)現(xiàn)：離線采樣階段和在線定位階段。離線采樣階段主要目的是建立位置指紋數(shù)據(jù)庫(kù)，根據(jù)定位環(huán)境設(shè)計(jì)較為合理的采樣分布圖，遍歷待定位區(qū)域內(nèi)的所有采樣點(diǎn)，將相應(yīng)的信號(hào)強(qiáng)度、MAC地址以及位置信息等記錄在指紋數(shù)據(jù)庫(kù)中。數(shù)據(jù)庫(kù)中數(shù)據(jù)的準(zhǔn)確性決定了定位的精確程度，數(shù)據(jù)越精確，定位效果越好。在線定位階段是利用Android手機(jī)在待定位點(diǎn)測(cè)得AP的信號(hào)強(qiáng)度和物理地址，然后通過(guò)相應(yīng)的匹配算法，在數(shù)據(jù)庫(kù)中搜索與測(cè)量點(diǎn)相匹配的數(shù)據(jù)，從而估計(jì)用戶的實(shí)際位置。位置指紋的定位過(guò)程如圖4所示。

　　圖4定位框圖

　　3.2匹配算法

　　通常的匹配算法有K最近鄰匹配算法(KNN)，該算法能夠有效提高定位精度且應(yīng)用成熟。本文采用了該匹配算法，K最近鄰匹配算法的實(shí)質(zhì)是計(jì)算待測(cè)點(diǎn)采集到的RSS向量和數(shù)據(jù)庫(kù)中已記錄的RSS向量之間的距離。假設(shè)待測(cè)區(qū)域有n個(gè)AP，m個(gè)參考點(diǎn)，則距離的表達(dá)式如下：

　　其中，q為正整數(shù)，當(dāng)q=1時(shí)稱為曼哈頓距離，q=2，稱為歐式距離;L代表向量在空間中的距離。本文使用q=2進(jìn)行計(jì)算，當(dāng)取得n個(gè)最小歐式距離的位置點(diǎn)后，求取n個(gè)坐標(biāo)點(diǎn)的質(zhì)心為待測(cè)點(diǎn)位置坐標(biāo)。

　　3.3改進(jìn)的位置指紋定位算法

　　理論研究表明：由于室內(nèi)環(huán)境復(fù)雜，無(wú)線信號(hào)會(huì)因?yàn)闀r(shí)間的變化、人體的隨機(jī)晃動(dòng)及環(huán)境等因素的影響使信號(hào)強(qiáng)度值呈現(xiàn)一定的波動(dòng)。為了保證信號(hào)數(shù)據(jù)本身的穩(wěn)定性，在實(shí)驗(yàn)室環(huán)境下進(jìn)行如下實(shí)驗(yàn)：在同一位置的不同時(shí)間分別采集數(shù)據(jù)，上午和下午兩個(gè)時(shí)間段每隔1 S共采集300次WiFi信號(hào)。發(fā)現(xiàn)無(wú)線信號(hào)隨時(shí)間變化不大，基本存在2 dB左右誤差，對(duì)定位結(jié)果影響較小。

　　但在多次測(cè)試過(guò)程中發(fā)現(xiàn)，無(wú)線信號(hào)強(qiáng)度在某位置下會(huì)出現(xiàn)如圖5所示的波動(dòng)情況，多數(shù)信號(hào)強(qiáng)度值保持在一定范圍內(nèi)，但中間會(huì)存在抖動(dòng)的數(shù)據(jù)，該種現(xiàn)象會(huì)對(duì)離線數(shù)據(jù)的準(zhǔn)確性及在線定位的準(zhǔn)確性產(chǎn)生較大影響。直接求均值的方式并不能表征該位置的信號(hào)特征，應(yīng)該對(duì)采集的無(wú)線信號(hào)強(qiáng)度值進(jìn)行平滑，選取有效點(diǎn)。

　　圖5無(wú)線信號(hào)分布圖