摘要：本文設(shè)計及實現(xiàn)了一個基于WiFi 射頻信號強(qiáng)度指紋匹配的移動終端定位系統(tǒng)，并設(shè)計實現(xiàn)了一種基于權(quán)重值選擇的定位算法。該算法為每個掃描到的AP 的RSSI 設(shè)定了選擇區(qū)間，指紋庫中落在此區(qū)間的所有位置點設(shè)平均權(quán)值，最后選取權(quán)重值最大者為待定位點的位置估計，如有相同權(quán)重值，則比較信號強(qiáng)度距離，取最小者，這種算法在一定程度上克服了RSSI 信號隨機(jī)抖動對定位的影響，提高了定位的穩(wěn)定性和精度。經(jīng)實驗測試，此系統(tǒng)在4 米范圍內(nèi)具有良好的定位效果�？刹渴鹪谡桂^、校園、公園等公共場所，為客戶提供定位導(dǎo)航服務(wù)。定位算法運行于服務(wù)端，客戶端為配備WiFi 模塊的Android 手機(jī)。借助該定位系統(tǒng)，基于Android 系統(tǒng)的移動終端可方便地查詢自身位置，并獲取各種基于位置服務(wù)。
1. 引言
位置信息在人們的日常生活中扮演著重要的作用。在郊外、展覽館、公園等陌生環(huán)境中，使用定位導(dǎo)航信息可為觀眾游覽提供更便捷的服務(wù)；在倉儲物流過程中，對物品進(jìn)行實時定位跟蹤將大大提高工作效率；在監(jiān)獄環(huán)境中，及時準(zhǔn)確地掌握相關(guān)人員的位置信息，有助于提高安全管理水平，簡化監(jiān)獄管理工作。
目前全球定位系統(tǒng)（ GPS , GlobalPositioning System）是獲取室外環(huán)境位置信息的最常用方式。近年來，隨著無線移動通信技術(shù)的快速發(fā)展，GPS 和蜂窩網(wǎng)絡(luò)相結(jié)合的A-GPS（Assisted Global Positioning System）定位方式在緊急救援和各種基于位置服務(wù)（LBS,Location-Based Services）中逐漸得到了應(yīng)用。但由于衛(wèi)星信號容易受到各種障礙物遮擋，GPS/APGS 等衛(wèi)星定位技術(shù)并不適用于室內(nèi)或高樓林立的場合，目前無線室內(nèi)定位技術(shù)迅速發(fā)展，已成為GPS 的有力補充。
一般來講，使用無線信號強(qiáng)度獲取目標(biāo)位置信息的過程，就是建立無線信號強(qiáng)度和位置信息穩(wěn)定映射關(guān)系的過程。現(xiàn)有室內(nèi)無線定位系統(tǒng)主要采用紅外、超聲波、藍(lán)牙、WiFi（Wireless Fidelity）、RFID（Radio FrequencyIdentification）等短距離無線技術(shù)。其中基于WiFi 網(wǎng)絡(luò)的無線定位技術(shù)由于部署廣泛且低成本較低，因此備受關(guān)注。其中由微軟開發(fā)的RADAR 系統(tǒng)是最早的基于WiFi 網(wǎng)絡(luò)的定位系統(tǒng)。它采用射頻指紋匹配方法，從指紋庫中查找最接近的K 個鄰居，取它們坐標(biāo)的平均作為坐標(biāo)估計。而文獻(xiàn)[5]介紹的室內(nèi)定位系統(tǒng)則基于RSSI 信號的統(tǒng)計特性，采用貝葉斯公式，通過計算目標(biāo)位置的后驗概率分布，來進(jìn)行定位。
本文同樣基于WiFi 網(wǎng)絡(luò)，設(shè)計和實現(xiàn)了一種無線室內(nèi)定位系統(tǒng)，但與上述定位方法不同，本文采用了基于權(quán)值選擇的定位算法，在一定程度上減少了RSS.信號隨機(jī)變化引起的定位誤差，實驗結(jié)果表明，該系統(tǒng)可獲得較好的定位精度（4 米）。
2. 系統(tǒng)設(shè)計
本系統(tǒng)可為移動終端客戶在展館、商場、校園等應(yīng)用場景提供定位服務(wù)。鑒于移動終端受到計算能力、存儲容量和電池電量等諸多限制，所以僅完成簡單的信號采集工作，定位計算由定位服務(wù)端完成。
定位系統(tǒng)的架構(gòu)體系如圖1 所示。服務(wù)端主要負(fù)責(zé)定位計算和響應(yīng)終端的定位請求�；谪�(fù)載均衡考慮，響應(yīng)位置請求的Web 服務(wù)器和運行定位計算的定位服務(wù)器分離，數(shù)據(jù)交換方式采用客戶端和Web 服務(wù)器相同的數(shù)據(jù)交換方式。客戶端依附于具體對象，主要負(fù)責(zé)采集周邊AP 的無線信號強(qiáng)度，并向服務(wù)端提交信號特征，服務(wù)器使用客戶端采集的信號特征進(jìn)行定位計算，獲得移動終端的位置估計。
客戶端和服務(wù)端通信采用標(biāo)準(zhǔn)的HTTP協(xié)議，編程方便，可擴(kuò)展性好，客戶端程序功能可根據(jù)需要進(jìn)行擴(kuò)充。
圖1 定位系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)
圖2 為本定位系統(tǒng)的信息交互流程圖。移動終端向Web 服務(wù)器提交GET 請求，GET 請求中包含了信號強(qiáng)度特征向量，Web 服務(wù)器收到請求后，以同樣的方式傳達(dá)給定位服務(wù)器，定位服務(wù)器查詢數(shù)據(jù)庫，并進(jìn)行相關(guān)的定位運算操作，從而得到移動終端的位置估計。
圖2 移動終端與服務(wù)器間的信息交互3. 系統(tǒng)實現(xiàn)
3.1. 客戶端設(shè)計
本系統(tǒng)客戶端采用Android 系統(tǒng)手機(jī)。
Android 系統(tǒng)是Google 在2007 年發(fā)布的基于Linux 平臺的開源手機(jī)操作系統(tǒng)。近年來，基于此平臺的手機(jī)市場占有率不斷提高，加上其良好的開放性和豐富的API 接口，可以很方便地開發(fā)各種應(yīng)用程序。
3.1.1. Android 系統(tǒng)架構(gòu)簡介
Android 系統(tǒng)架構(gòu)見圖3,它建立于Linux內(nèi)核之上，包含了各種設(shè)備驅(qū)動和管理模塊，囊括了非常齊全的類庫和框架，包括輕量級數(shù)據(jù)庫SQLite、瀏覽器Webkit 等。整個系統(tǒng)建立在Dalvik 虛擬機(jī)上，應(yīng)用程序使用Java 語言編寫。Android 系統(tǒng)提供了豐富的框架（活動管理、位置管理等）來管理系統(tǒng)的軟、硬件資源，整合了常用的應(yīng)用程序（聯(lián)系人、電話本等），并開放了很全面的API 供用戶使用，整個平臺具有良好的開放性和擴(kuò)展性。
圖3 Android 系統(tǒng)架構(gòu)圖
3.1.2. Activity 生命周期
Android 系統(tǒng)上運行的應(yīng)用程序一般包含一個或多個Activity,主要由活動管理器進(jìn)行管理，Activity 是Android 系統(tǒng)分配和管理資源的基本單位。每個Activity 都有其對應(yīng)的生命周期（圖4）。
圖4 Activity 生命周期
onCreate（）方法在活動開始時調(diào)用，并依次調(diào)用onStart（）方法和onResume（）方法，Activity 處于運行狀態(tài)，如有新活動啟動，則調(diào)用onPause（），活動轉(zhuǎn)入后臺；如內(nèi)存不足，活動進(jìn)程則被關(guān)閉。退出程序則會依次調(diào)用onStop（）和onDestroy（）。
活動管理器對Activity 的管理體現(xiàn)在不同生命周期對以上幾個方法的調(diào)用上，用戶可根據(jù)自己的需要重載這幾個方法。一般來講，主程序類繼承Activity 類，用戶的功能代碼在重載這些方法中實現(xiàn)。
3.1.3. 獲取周邊AP 信號強(qiáng)度
本文采用基于射頻指紋的定位方法，移動終端需要獲得周圍AP 的RSSI 指紋特征，Android 系統(tǒng)提供的接口可以很方便地實現(xiàn)這一功能。
參見圖5 示例代碼片段。首先建立包含響應(yīng)掃描結(jié)果的接收器（reciever） 并重載onReceive（）方法，此方法即為收到WiFi 信號的回調(diào)函數(shù)，用戶自定義功能在此實現(xiàn)；再通過registerReceiver（）方法將receiver 向Android 系統(tǒng)進(jìn)行注冊，getSystemService（）方法用于獲得操作WiFi 設(shè)備的句柄；最后用startScan（）方法啟動掃描，當(dāng)獲得掃描結(jié)果后，系統(tǒng)會觸發(fā)注冊的回調(diào)函數(shù)，完成用戶代碼功能。
圖5 掃描示例代碼
實驗結(jié)果表明，從給出掃描指令，至接收到掃描結(jié)果，耗時約400-500ms,考慮到后臺服務(wù)器算法運算及網(wǎng)絡(luò)通信開銷，定位過程耗時將超過500ms.
3.1.4. 程序流程
從程序的功能來看，客戶端需完成3 個功能：定期掃描并獲得周圍AP 的信號強(qiáng)度指紋特征，向服務(wù)器提交指紋特征信息，得到定位結(jié)果后更新界面顯示。程序流程如圖6 所示。
首先程序初始化并建立更新回調(diào)函數(shù)，獲得WiFi 服務(wù)句柄后注冊此回調(diào)函數(shù)，最后啟動掃描進(jìn)程周期掃描，直至系統(tǒng)結(jié)束程序。
其中，回調(diào)函數(shù)首先獲取掃描結(jié)果，并格式化為字符串，然后通過GET 請求提交給服務(wù)端，獲得定位結(jié)果后再更新顯示界面。
圖6 程序流程圖
3.2. 服務(wù)端軟件設(shè)計
3.2.1. Web 服務(wù)器
Web 服務(wù)器用于對外通信，接收外界的請求，并返回相應(yīng)的位置信息。
Web 服務(wù)器運行Apache Tomcat 6.0.20,響應(yīng)網(wǎng)絡(luò)的定位請求，相應(yīng)的軟件設(shè)置參數(shù)為：在%TOMCAT_HOME%webapps 目錄下建立目錄：ExServletWEB-INF,建立web.xml描述文件和classes 文件夾，web.xml 文件是描述文件，classes 存放后臺處理的類文件。
web.xml 中定義了外部引用此服務(wù)的名字和對應(yīng)的類文件，內(nèi)容片段見圖7。
圖7 web 服務(wù)器web.xml 代碼片段
3.2.2. 定位服務(wù)器
定位服務(wù)器用于運行算法，硬件配置參數(shù)為，CPU:Intel Core2 Duo E7500 2.93GHz,內(nèi)存：2G,網(wǎng)卡：Marvell Yukon 88E8057 PCI-EGigabit Ethernet Controller.軟件配置參數(shù)為，操作系統(tǒng)：Windows XP Professional SP3,Web服務(wù)器：Apache Tomcat 6.0.20.相應(yīng)的軟件配置參數(shù)與web 服務(wù)器類似，web.xml 中代碼片段見圖8.
圖8 定位服務(wù)器web.xml 代碼片段
3.3. 客戶端與服務(wù)端通信
客戶端與服務(wù)端都接入Internet,通過標(biāo)準(zhǔn)的HTTP 協(xié)議通信，簡化設(shè)計的同時，也為以后Web 方式的應(yīng)用留下了設(shè)計空間。
服務(wù)端Servlet 用于響應(yīng)客戶端的請求，客戶端只需在GET 請求中提交指紋信息即可獲得定位結(jié)果。圖9 列出了客戶端從定位服務(wù)器中獲取位置信息的Java 示例代碼。其中url包含了服務(wù)器的IP 地址和RSSI 指紋信息，getConnection（）方法是向服務(wù)器發(fā)出GET 請求，服務(wù)器將返回位置信息，獲得輸入流后讀出位置信息，并更新界面顯示即完成整個通信過程。由于使用HTTP 協(xié)議，實現(xiàn)方法簡單，適用于多種編程語言。
圖9 客戶端獲取位置信息的通信示例代碼
4. 定位算法
由于室內(nèi)環(huán)境復(fù)雜，WiFi 無線信號具有較強(qiáng)的時變特性圖10.無線信號傳播衰減模型難以很好的表征距離與信號強(qiáng)度間的映射關(guān)系，本文采用基于射頻指紋匹配定位方法，它具有較好的定位魯棒性。
圖10 信號強(qiáng)度的時變特性
指紋匹配方式定位算法建立在實驗數(shù)據(jù)基礎(chǔ)上，它主要包括離線訓(xùn)練和在線定位兩個階段，其中離線訓(xùn)練階段的任務(wù)是建立射頻信號強(qiáng)度向量和客戶端位置間的一一對應(yīng)關(guān)系，形成一個指紋庫（radio map），定位階段則使用實時采集的信號強(qiáng)度向量去匹配訓(xùn)練階段構(gòu)建的指紋庫，從而獲得目標(biāo)的位置估計。
現(xiàn)有的基于射頻指紋匹配定位方法主要包括確定型和概率型兩種。其中確定型定位算法一般在指紋庫中選擇與實時采集的射頻指紋距離最小的幾個點的質(zhì)心作為目標(biāo)的位置估計。確定型定位算法的計算效率較高，但精度較低。概率型定位算法一般采用貝葉斯估計理論，通過不同的似然函數(shù)，如基于核函數(shù)的似然函數(shù)，計算目標(biāo)位置的后驗概率，并取后驗概率最大的位置點作為目標(biāo)的最終位置估計。概率型定位算法具有較高的定位精度和定位魯棒性，但計算量相對較大。
本文采用快速選擇的定位算法，訓(xùn)練階段指紋特征采用RSSI 均值，定位階段采用逐次累加的RSSI 均值與指紋庫匹配的方法，從而大大降低了運算的復(fù)雜度。
4.1. 算法描述
指紋特征采用每個AP 的RSSI 均值，即：
也就是，訓(xùn)練階段對同一位置點采集的每個AP 的多次數(shù)據(jù)取平均，定位階段也是如此，區(qū)別在于訓(xùn)練階段采集數(shù)據(jù)多，以便得到盡量多的信息，定位階段采集的數(shù)據(jù)少，減少定位延時，一定程度上提高了實時性。
指紋匹配采用快速選擇的方式。偽碼如下：
對每個掃描到的AP 的RSSI 值，設(shè)定一個選擇區(qū)間[RSSI-σ，RSSI+σ],σ為多次實驗的經(jīng)驗值，在指紋庫中查找滿足此區(qū)間范圍的位置點，若有n 個位置點落在此區(qū)間范圍，則這些位置點分別取權(quán)值為1/n,其他的位置點則取權(quán)值為0;對所有AP 做如上處理后，選出權(quán)值最大的位置點為估計位置。如有多個位置點權(quán)值一樣，則比較信號強(qiáng)度距離，取最小者。
4.2. 算法分析
本文的算法是建立在RSSI 統(tǒng)計特性相對穩(wěn)定的基礎(chǔ)上，從圖11 中可以看出，RSSI 值的直方圖分布與正態(tài)分布曲線近似，因此均值在一定程度上代表了RSSI 特征。這也避免了單次掃描的信號強(qiáng)度中某個AP 的RSSI 不穩(wěn)定造成的定位結(jié)果偏差。
圖11 RSSI 的統(tǒng)計特性
時間復(fù)雜度分析：一次掃描有m 個AP,前期訓(xùn)練階段有n 個位置點，則要進(jìn)行m 次選擇，每次選擇遍歷n 個位置點，時間復(fù)雜度為O（m*n），遇到權(quán)值一致的情況，要進(jìn)行二次選擇，最壞情況再比較n 次，時間復(fù)雜度為O（n），所以總的時間復(fù)雜度為O（m*n）。
5. 實驗
5.1. 實驗過程
實驗在計算所6 層進(jìn)行，見圖12,在南北兩側(cè)走廊總共采集了24 個位置點，距離約4米，加上在645 房間，總共25 個位置點的數(shù)據(jù)。掃描周期1s,掃描次數(shù)120 次。采集數(shù)據(jù)耗時約1 小時。
圖12 實驗環(huán)境
本實驗主要為驗證定位準(zhǔn)確性，所以定位時采用多次掃描的均值作為信號特征。共選取了6 個位置點作為實驗的位置點。測試次數(shù)約為50 次，掃描周期為2s,運行界面見圖13.
圖13 手機(jī)終端顯示
5.2. 實驗結(jié)果
各實驗位置點的結(jié)果見圖14.各個隨機(jī)測試位置點的定位準(zhǔn)確率都較高。
圖14 各實驗位置點定位結(jié)果
6. 總結(jié)
本文基于Android 智能手機(jī)平臺，設(shè)計并實現(xiàn)了一種基于WiFi 信號的移動終端定位系統(tǒng)，并提出了一種基于權(quán)值選擇的定位算法，一定程度上克服RSSI 信號隨機(jī)擾動帶來的定位誤差，經(jīng)過實際環(huán)境的測試，多次定位實驗的精度在4 米左右，適當(dāng)調(diào)整AP 的布置可以進(jìn)一步定位精度。本系統(tǒng)可方便地部署到展館、校園等實際場景中。
