摘 要: 為了滿足航空旅客在機場候機大廳的位置服務需要,同時為了降低AP(Access Point)部署的高度對定位的影響,提出了一種基于信號強度和傳播模型的三維定位技術。該方法首先采用最小二乘法確定傳播模型的參數,再使用最小均方差實現定位。實驗結果表明,該算法的誤差在3 m內,準確率達83.36%,能夠滿足旅客在機場候機廳內位置服務的需要。
關鍵詞: 機場候機大廳;傳播模型;三維定位;最小二乘法;最小均方差
隨著無線技術的快速發展以及智能終端的迅速普及,在機場航站樓內航空旅客對位置服務的需求日益增加,而位置服務的關鍵是精確的室內定位。目前,針對室內定位的研究主要集中在如何充分利用室內布置良好的無線局域網。其中,基于信號強度的定位技術由于具有不需要添加額外硬件設施的優點而受到廣泛的關注。基于信號強度的定位技術主要有位置指紋和傳播模型兩種[1-5]。位置指紋法需要到待定位區域大量采樣并提取各個采樣點的信號特征,在定位時根據收到的信號特征與各個采樣點的信號特征進行逐一對比實現。這種方法的缺點是采樣工作量大,當室內布局發生改變時需要重新采樣,但精度和準確度高。傳播模型根據無線信號強度隨距離衰減規律,將信號強度的衰減轉換為距離,再根據三角測量原理等實現定位,其優點是不需要采樣,但精度相對低。
第一機場候機大廳的面積大,采樣費時費力;第二機場候機大廳的AP部署在頂部,高度一般在7 m~9 m左右,旅客在定位時信號在傳播路徑上的干擾較少。綜合以上考慮,本文選擇基于傳播模型的室內定位算法。目前基于傳播模型的定位技術多采用二維平面方式,忽略了AP部署高度對定位的影響。而候機大廳的AP部署距離地面很高,已成為影響定位精度的重要因素,傳統的二維傳播模型[6-10]不適合這一特殊場景,因此,本文提出一種基于傳播模型的三維定位技術。該方法首先采用最小二乘法[7]計算傳播模型的參數,再使用MMSE算法[7]實現三維定位。實驗結果表明,本文定位算法相對二維平面定位算法能夠顯著提高定位準確率,降低定位誤差,能滿足航空旅客在機場大廳的位置服務的需要。
1 定位算法
本文定位算法主要分兩步完成:(1)通過最小二乘法確定傳播模型的參數;(2)通過MMSE算法得到用戶位置。
1.1 確定參數
由于參數的精度將直接影響定位的精度,因此,本文選擇多個位置多次收集AP的信號強度,再計算每個位置的各個AP的信號強度均值,最后通過最小二乘法計算出參數。
2 實驗環境
實驗軟件平臺采用C/S結構,Android智能手機作為客戶端,用于收集AP的信號強度,并將其發送給服務器,最后根據服務器返回的計算結果顯示用戶位置;臺式計算機作為服務器,根據客戶端收集到的信號強度數據,結合本文算法得出用戶位置,再將定位結果發送給客戶端。
為了最大程度模擬航站樓的實際環境,本文選擇一個相對空曠的教室,整個區域大小為14 m×7.8 m,共3個AP分別部署離地板2.74 m、2.61 m、2.94 m處,如圖1所示。手持Android智能手機高度為1.30 m,在確定參數階段,隨機選擇3個位置收集20次信號強度值,用于計算傳播模型的參數。在實施定位階段,隨機選擇10個位置收集5~6次信號強度值,并用于實施定位,并將定位結果與二維平面定位技術進行比較。
由圖2可以看出,在同一個位置,3個AP信號強度變化幅度很小,最大幅度為-11 dBm。這是由于AP部署位置距離地面高,信號在傳播路徑上的干擾相對較少。
為了驗證本文定位算法,本文對50~60次的定位結果進行了統計分析,并與參考文獻[7]的二維定位算法進行了對比,其結果如圖3所示。
由圖4可以看出,隨著迭代次數的增加,兩種定位算法定位誤差依次降低。在第6次迭代兩種定位算法的定位誤差已小于1 m,三維定位算法相對二維定位算法誤差減小26 cm。實驗結果同樣驗證了AP的高度對定位精度的影響。由圖3和圖4可以看出,AP部署的高度是影響定位的因素,同時證明了本文提出的三維定位技術的有效性。
實驗結果表明,本文算法相對二維平面定位技術提高了準確率,降低了誤差。在實驗環境中移動終端與AP高度差小,最大不到2 m;而在候機大廳的實際環境中AP部署高度一般在7 m~9 m,手持移動終端高度在1 m~ 2 m,高度差將達到5 m~8 m。因此,在機場候機大廳中,與傳統的二維傳播模型相比本文算法將顯示出更大的優勢。
為了滿足航空旅客在機場候機大廳的位置服務需要,提出一種基于信號強度和傳播模型的三維定位技術。該方法首先采用最小二乘法確定傳播模型的參數,再用最小均方差實現三維定位。由于機場候機大廳的AP部署距離地面很高,是影響定位效果的關鍵因素。與傳統二維定位技術相比,該方法能降低AP部署高度對定位的影響,更適合這一特殊場景。實驗結果表明,該算法能夠提高定位的精度和準確度,在誤差3 m內的定位準確率達到83.36%,因此能夠滿足旅客在機場候機大廳的位置服務需要。今后將本文算法應用到候機廳的實際環境中,并深入研究不同區域的不同樓層的定位問題。
參考文獻
[1] 張明華,張申生,曹健.無線局域網中基于信號強度的室內定位[J].計算機科學,2007,34(6):68-72.
[2] 梁韻基,周興社,於志文,等.普適環境室內定位系統研究[J].計算機科學,2010,37(3):112-124.
[3] CHEN F, WAIN S A A, SHAHROKH V, et al. Received-signal-strength-based indoor positioning using compressive sensing[J]. IEEE Transactions on Mobile Computing, 2012,11(12):1983-1993.
[4] ANINDYA S P, ERIC A W. RSSI-based indoor localization and tracking using sigma-point kalman smoother[J]. IEEE Journal of Selected Topics in Signal Processing, 2009,3(5):860-872.
[5] GRACIOLI G, FROHLICH A A, PIRES R P, et al. Evaluation of an rssi-based location algorithm for wireless sensor networks[J]. IEEE Latin America Transactions,2011,9(1):96-101.
[6] 董梅,楊曾,張健,等.基于信號強度的無線局域網定位技術[J].計算機應用,2004,24(12):49-53.
[7] CHENG Y Y, LIN Y Y. A new received signal strength based location estimation scheme for wireless sensor network[J]. IEEE Transactions on Consumer Electronics,2009, 55(3):1295-1299.
[8] CHO S Y. Localization of the arbitrary deployed APs for indoor wireless location-based applications[J]. IEEE Transactions on Consumer Electronics, 2010,56(2):532-539.
[9] ABBAS M, NENG C K. An indoor 3D location tracking system using RSSI[C]. 2010 Sixth International Conference on Signal-Image Technology and Internet Based Systems,2010.
[10] 鄧琛,王永琦.基于模糊控制的無線傳感器網絡室內定位算法[J].計算機應用,2011,31(8):2062-2064.
[11] 李曉維.無線傳感器網絡技術[M].北京:北京理工大學出版社,2007.