中国 http:// 基于WLAN与无线传感器网络室内定位的融合算法

朱诗波，陈远知，邓中亮

北京邮电大学电子工程学院，北京 (100088)

E-mail:

摘 要：针对大型建筑物复杂环境室内定位的特殊性，为了克服移动终端采用WLAN或无线传感器网络单独定位精度不高的局限性，实现移动终端精确定位导航,提出了根据终端位置环境同时搜索WLAN和无线传感器网络，采用改进后的网络融合定位算法，可以为用户提供高精度、高概率和高保密性的定位业务。

关键词：大型建筑物复杂环境；WLAN；无线传感器网络；融合定位算法

1 引言

随着我国经济水平的提升以及近年来举办国际性大型比赛活动(如北京奥运会、上海世博会、广州亚运会)的增加，类似国家大剧院和鸟巢等大型场馆日益增多。大型建筑物具有规模大、结构复杂、人员密集高、内部设备数量大等特点，其监控管理和应急安全处理涉及消防系统、安防系统、电气监测系统等。为了实现大型建筑物复杂环境中的定位导航、监控预警和应急处理等功能，设计一种室内精准定位技术显得相当必要。

另一方面，随着普适计算和分布式通信技术的深入研究，无线通信和无线网络技术进入了飞速发展阶段，无线局域网（Wireless Local Area Network，WLAN）、GSM、Wi-Max 等无线通信网络得到了迅速普及，并展现出低功耗、自组织的发展趋势，如Ad-hoc、无线传感器网络（Wireless Sensor Network，WSN）[1] 等．基于信息感知的分布式网络，其监测的事件与物理位置戚戚相关，没有基于位置服务的信息数据将毫无意义，因此确定信息的位置成为普适计算应用的迫切需求和关键性问题．

结合上述两种趋势，利用已经日益成熟的分布式通信网络(WLAN和WSN等)来研究在大型建筑物复杂环境下的精准定位技术将具有非常积极的现实意义。相比业已成熟的室外定位技术(GPS、A-GPS等)，基于大型建筑物庞大的规模、复杂多变的环境和精准定位导航的需要，经过长时间对室内定位技术的研究，已取得了一定进展。为了克服仅仅利用WLAN或者无线传感器网络定位精度不高、可靠性和稳定性受环境因素影响大的缺陷，本文通过总结基于前述两种网络的室内定位技术的介绍，提出了一种改进后的融合定位算法[]，最后对单独定位算法和融合定位算法进行了比较和总结。

2 WLAN定位和基于无线传感器网络定位算法介绍

目前室内环境的定位方式[]主要包括：(1) 邻近信息 (2)场景分析 (3)利用几何特性分析，下表1所示。第一种方式就是利用信号作用的有限范围用来确定待测点是否在某个参考点的附近，这种方法只能提供大概的区域定位信息。第二种方式主要基于RSSI，通过把接收的信号的强度与事先测量的、存在数据库中的该位置的信号强度值相比较来定位。最后一种主要是采用TOA、TDOA和AOA等方式进行几何运算定位。 下面分别介绍基于第二种方式的WLAN定位方法和基于第三种方式的无线传感器网络定位方法。

表1 现有室内定位概览

精度

信号技术 红外线 定位方法 临近信息

超声波

蓝牙 三边定位 临近信息、三边定位

邻近信息

三边定位 场景分析、邻近信息、三边定位

2.1. 基于定位指纹标识的WLAN定位技术[2]

基于定位指纹标识的WLAN定位只要就是利用场景分析的方法，在实际定位之前需要经过一个训练阶段，在训练阶段需要为室内的定位点收集定位指纹信息。参照Microsoft研究所在现有无线通信网的基础上研制的RADAR系统，把信号强度(RSSI)作为估算射频发射器与接收器间距的依据，根据符合国内大型建筑物特征的参数化信号传播规律出发，针对信号传播特征进行分析，对较大空间采取分割技术，建立射频信号的传输信道模型，确定信号衰减与发射器、接收器间墙壁数量的关系，从而得到给定位置接收器最优的距离估算参数

[3]。

基于诸如RSSI等RF特征的位置指纹用来标识位置的一个基本信息。这是基于下面的一个假设前提：在建筑物内的每一个位置都具有唯一的RSSI特征向量值。通常我们将一个位置和该位置处的唯一的RSSI特征值作为一个整体用来描述建筑物内的某一个位置。例如我们可以使用元组（L,R）来标识一个位置，其中L反映该位置的坐标或这类似信息，R反映该位置的RSSI特征值信息。例如在本文中L就用元组L={(x,y)|x,y∈R}

通常在实际开始定位之前需要建立一个基本的指纹库，我们将该过程称为离线阶段（off-line phase）。首先为室内需要定位的位置在一个合适的时间段内采到所有访问接入点（access point）的一批RSSI样本数据，然后计算出这些访问接入点的平均RSSI值并且将该值作为一个元素保存在定位指纹库中。对于一个N个访问接入点的区域如果采样时间段为T那么该位置的RSS样本数据R就是：

T(β,β2, βN)1R= 2

除了在离线阶段建立的基本指纹库之外，在在线阶段（on-line phase），也是定位阶段所测量的RSS数据对于跟踪移动目标也是至关重要的。首先，必须选择合适的RSS采样次数来反映移动目标的定位指纹信息。其次通常需要对采样样本数据进行一些预处理，通过对样本数据进行预处理不仅可以提高系统的定精度而且还可以提高定位的速度、降低网络内部的通信流量以及降低系统的功率。

定位算法通过发掘定位阶段获得的采样信息与位置指纹数据库之间存在的某种依赖关系，从而从RSSI采样数据信息来判断处目标的位置。目前最常使用的欧式距离算法的基本思想如下：首先关于n个位置的RF指纹信息以数组{R1…

指纹信息相对应的n个位置的位置信息以数组{

个位置的位置指纹信息以数组 Rn}的形式标示，此外和这些RFL1,L2, LN }表示。 在位置指纹库中第iRi=

{β1,β2, βM}表示，其中M表示一共有M个访问接入点。在定位阶段收集到的RSSI信息以数组Si={S1,S2 SM}表示。最简单的指纹模式匹配算法就是在位置指纹库中找出

Rj和采样信息距离最近的那个点，该点就作为移动目标的当前位置。也就是： D (S,)≤D (S,Rk),对于所有的k≠j，D代表信息距离

2.2 基于TDOA的无线传感器网络定位技术

在无线传感器中采用TDOA方法对移动终端(MS)进行定位估计时,一旦取得某个TDOA测量值,就可以得到MS到两个参考节点之间的距离差,多个TDOA测量值就可以构成一组关于MS位置的双曲线方程组,求解该双曲线方程组就可得到MS的估计位置。设( x, y)为MS的待估计位置, (

的距离为Xi , Yi )为第i个节点的已知位置,MS和第i个节点之间TOA测量值对应ri,则有:

ri222(Xi x)+(Yi y)=Ki 2Xi x 2Yi y+x2+y2

=

22rKXY其中, i= i+ i。令i,1表示MS与节点i和节点1 (服务节点)的距离差,则

ri,1= c di,1= ri r1=Xi x2+Yi y2

di,1 X1 x2+Y1 y2 (2) 其中, c为电波传播速度,

化处理。可得: 为TDOA测量值。为求解该非线性方程组可以先进行线性

ri,12+ 2ri,1 r1

= =Ki 2Xi,1 x 2Yi,1 y K1 (3) 式中Xi,1Xi X1, Yi,1= Yi Y1, i = 2, 3, , M。将x, y,r1视为未知数, 则式( 3)成为线性方程组,求解该方程组便可以得到MS的坐标位置[4]。

2.3 室内定位技术分析与比较

WLAN技术采用经验测试和信号传播模型相结合的方式定位，它的传输速率很快，物理层速率最高可达到54Mb/s，由于其传输速率高，因此可与定位服务器在较短时间内交换大量定位数据。该方式可以获得较高的定位精度，但是信号强度很容易受到干扰，因而定位结果的可靠性和稳定性受环境影响较大；WSN(无线传感器网络)的优点是可以任意布设，组网灵活且覆盖范围大，对恶劣环境中易出现的节点意外失效和信号丢失等情况表现出很强的鲁棒性，使得无缝监控与定位成为可能，但其数据传输速率较低只有250kb/s，在有限时间内只能实现对对象的区域定位而难以精确定位，并且由于室内定位距离短、传播环境复杂、难以精确测量TDOA、TOA、AOA，所以用几何定位的方式很难获得精确的结果。 3 改进后的融合定位算法研究

综合上述两种定位方式各自的优缺点，为了减少在大型建筑物复杂室内环境下多径效应以及室内物品搬动、人员走动造成的定位偏差，提出了结合上述两种定位方式的融合定位算法。首先我们要对具体实验的大型建筑物室内环境进行训练，得出每个区域的定位指纹信息，并把它保存在系统端的数据库。融合定位系统基本模型[5][6]，如下图1所示。

中国 http://

图1：融合定位系统基本模型

假设在搭建的室内混合定位系统里面，移动终端一般只能接收到4个AP的信号，并且在每一个室内定位区域内都已经布置好无线传感器网络。最开始由移动终端搜索信息强度较强的WLAN网络，假设采集到的RSSI信息S={S1,S2,

据筛选：

(1) 根据D (S,

息数据L={l1,…S3,S4}，可以采用两种方法进行数Rk)≤ D,对于所有的k={1,2,3,4}， D为我们设定的固定门限值(这个可以根据硬件情况和定位精度来进行确定),来选择和实际接收信号匹配度最近的一组位置信lx}。其中lx={(xi,yi)|xi,yi∈R2}

(2) 根据D (S,Rj)≤D (S,Rk),对于所有的k≠j，迭代运算N次，N由实际情况自由设定。即在位置指纹库中选出和采样信息距离最近的N组数据。

无论采用哪种方法，最后得到包含若干组数据的位置信息，假设为H1组。 同时我们可以根据上述(3)式：ri,12+ 2ri,1 r1 =Ki 2Xi,1 x 2Yi,1 y K1，采集两个传感器定位节点的信息数据，从而可以得到(4)(5)：

r2,12+ 2

2r2,1 r1 =K2 2X2,1 x 2Y2,1 y K1 (4)

(5) r3,1+ 2r3,1 r1 =K3 2X3,1 x 2Y3,1 y K1

其中除了x, y,r1之外都是已经或者通过测量得到的。结合(4)(5)两个线性方程组，我们可以消去未知数r1，从而得到只有x和y的线性方程组，为了简便起见，设为： a x+b y=k，a,b,k为已知参数 (6)

设： =a x+b y k，这时我们把上面包含H1组位置信息的数据代入

2 =a x+b y k，然后选择使 值最小的那组值L={(x,y)|x,y∈R}作为最后的位置信息。

4 总结

本文研究在同时存在WLAN网络和无线传感器网络的混合环境下，假设定位前一切初始定位指纹数据都已经形成，因此没有详细介绍AP如何摆放、参考点的选择以及参考点信

中国

的融合定位算法研究上。 http:// 号强度的获取等问题，对基于两种网络详细的定位方法加以简要叙述，而将重点放在改进后

针对现在大型建筑物定位导航、监控预警、应急处理的应用需要，其内部一般都会铺设若干中不同的分布式网络(如WLAN,WSN，RFID等)，我们不需要为了增加定位精度去额外建设一条网络，仅仅利用已有的WLAN网络和无线传感器网络通过设计的网络融合算法就可以明显的提高定位精度，同时可以去除由于复杂多变的环境造成的信号飞值点。这种算法充分利用了两种网络的定位信息，提高了系统的抗干扰能力和室内定位的精确度。

参考文献

[1] 徐文勇,网络辅助定位的信号处理技术[J],电信快报,2008,11

[2] 苏 娟,金义雄,徐 斌,史建平,赵立东,无线局域网环境下的定位技术研究[J],上海电力学院学报,2008,24(1):1006-4729

[3] 王春东,王秀峰,基于802.11的室内定位算法研究[J],计算机工程, 2007,33(7):1000-3428

[4] 赵军,李鸿斌,王智,无线网络室内定位系统研究[J],信息与控制,2008,37(4): 1002-0411

[5] 邱 爽,吴 巍,无线传感器网络数据融合算法研究[J],武汉理工大学学报,2008,30(7):1671-4431

[6] Krishnamachari B ,Estrin D ,Wicker S. Impact of Data Aggregation in Wireless Sensor Networks[A] . International Workshopof Distributed Event Based Systems (DEBS) [C] . Vienna : [ s. n. ] ,2002. 89292.

One Data Fusion Algorithm Based on WLAN and WSN

Indoor Positioning

Zhu Shibo, Chen Yuanzhi, Deng Zhongliang

School of Electronic Engineering, Beijing University of Posts and Telecommunications, Beijing

(100876)

Abstract

For the specificity of indoor positioning in the complex environments of large buildings, in order to overcome the the limitations that a separate positioning accuracy is not high using WLAN or wireless sensor networks, then achieve accurate positioning and navigation in mobile terminals. This paper proposes that searching WLAN and wireless sensor networks simultaneously according to the terminal position of the environment. With improved localization algorithm, it can provide users with high-precision, high-probability and high-security location services.

Keywords: Large building complex environment;WLAN;WSN;Data fusion algorithm