近年來(lái)，隨著城域無(wú)線基礎(chǔ)網(wǎng)絡(luò)的發(fā)展，熱點(diǎn)（AP）的覆蓋率大幅度提高，由于定位服務(wù)需求的增加以及WiFi應(yīng)用領(lǐng)域的擴(kuò)大，WiFi定位成為一種有效的定位方式。GPS衛(wèi)星定位是最主要的定位方式，它需要在相對(duì)空曠、高層建筑不密集的地方獲得較準(zhǔn)確的定位，當(dāng)人們處在室內(nèi)或高樓林立的市區(qū)，定位精度明顯降低甚至不能定位。此時(shí)，利用無(wú)處不在的WiFi網(wǎng)絡(luò)將能夠彌補(bǔ)GPS定位的不足。目前大多數(shù)的WiFi無(wú)線定位算法主要為：基于到達(dá)時(shí)間、到達(dá)角度、到達(dá)時(shí)間差的模型定位及基于接受信號(hào)強(qiáng)度（RSSI）的位置指紋定位算法，由于位置指紋算法的無(wú)線定位方式不需要已知AP的位置信息及準(zhǔn)確的信道模型，該算法在定位性能以及可用性上具有更大的優(yōu)勢(shì)。因此，本文首先設(shè)計(jì)了整體的系統(tǒng)框架，通過(guò)研究分析了該算法目前存在的問(wèn)題，提出了改進(jìn)方案，并在Android平臺(tái)上實(shí)現(xiàn)完整的定位系統(tǒng)。

　　1 系統(tǒng)整體設(shè)計(jì)

　　本系統(tǒng)的設(shè)計(jì)目標(biāo)是在Android智能終端上實(shí)現(xiàn)實(shí)時(shí)WiFi定位系統(tǒng)，該系統(tǒng)包括客戶端、數(shù)據(jù)服務(wù)器以及定位服務(wù)器。為了使定位過(guò)程和服務(wù)器通信過(guò)程相對(duì)獨(dú)立，分別設(shè)置了專(zhuān)門(mén)用于定位的AP熱點(diǎn)和客戶端與服務(wù)器之間的通信AP熱點(diǎn)，可有效降低系統(tǒng)環(huán)境搭建的初期成本。本方案的系統(tǒng)框架如圖1所示。其中的通信AP熱點(diǎn)需要與局域網(wǎng)相連，保證定位區(qū)域內(nèi)WiFi信號(hào)良好，確保數(shù)據(jù)傳輸及處理的及時(shí)性。客戶端和服務(wù)器端通過(guò)TCP連接實(shí)現(xiàn)可靠傳輸。

　　圖1 系統(tǒng)框架圖

　　2 系統(tǒng)實(shí)現(xiàn)

　　2．1 客戶端模塊設(shè)計(jì)

　　本系統(tǒng)采用客戶端/服務(wù)器（c/s）的網(wǎng)絡(luò)架構(gòu)，客戶端的定位過(guò)程主要包括WiFi無(wú)線信號(hào)掃描、數(shù)據(jù)傳輸、界面顯示等，該過(guò)程的流程圖如圖2所示。

　　圖2 客戶端定位模塊流程圖

　　WiFi 信號(hào)掃描是利用Android API提供的WiFiManager類(lèi)實(shí)現(xiàn)。首先，判斷WiFi是否開(kāi)啟；其次取得WiFiManager及WmInf0對(duì)象，通過(guò) startScan（）、getScanResuits（）等方法開(kāi)始掃描并得到掃描結(jié)果mScanResult；最后，將數(shù)據(jù)傳遞給服務(wù)器端進(jìn)行定位計(jì)算。Android平臺(tái)為用戶提供豐富的界面顯示控件，本設(shè)計(jì)使用ListView顯示服務(wù)器返回的定位位置信息。

　　2．2 服務(wù)器端模塊設(shè)計(jì)

　　服務(wù)器端首先需要不斷監(jiān)聽(tīng)指定端口，當(dāng)監(jiān)聽(tīng)到客戶端的請(qǐng)求時(shí)，創(chuàng)建新進(jìn)程，該進(jìn)程負(fù)責(zé)處理客戶端的請(qǐng)求，其處理過(guò)程如圖3所示。監(jiān)聽(tīng)數(shù)據(jù)，如果接收到該數(shù)據(jù)，則進(jìn)行CRC校驗(yàn)并結(jié)束鏈接幀，根據(jù)請(qǐng)求內(nèi)容查詢數(shù)據(jù)庫(kù)并進(jìn)行定位運(yùn)算，最后返回定位結(jié)果，通過(guò)數(shù)據(jù)傳輸反饋給客戶端界面顯示定位信息。

　　圖3 服務(wù)器端流程圖

　　3 定位算法設(shè)計(jì)

　　在室內(nèi)或室外環(huán)境下，由于信號(hào)傳播途中受地形、障礙物的影響和人體的阻擋，將引起無(wú)線信號(hào)的折射、衍射等多徑傳播、多址傳播，以不同的時(shí)間到達(dá)終端，造成傳播信號(hào)在幅度、頻率和相位上的改變。其使得在同一位置，不同時(shí)間采集到的RSS值很不確定，即使在同一時(shí)間相同位置使用不同的定位設(shè)備采集到的RSS大小也會(huì)不同，會(huì)影響定位的精確性，無(wú)線信號(hào)傳播的衰減模型難以良好地表征距離和信號(hào)強(qiáng)度間的映射關(guān)系。因此本文采用基于位置指紋的定位算法，同時(shí)針對(duì)造成定位誤差的主要原因，提出了改進(jìn)的定位算法以提高定位魯棒性。

　　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

　　對(duì)無(wú)線信號(hào)的平滑提出如下改進(jìn)方案：

　?、?每隔1 S采集一次所有的信號(hào)組，假設(shè)其中一組的信號(hào)強(qiáng)度值是level，再連續(xù)間隔采集二次；

　?、谌绻B續(xù)采集三次的信號(hào)強(qiáng)度值均介于［1evel - 1，level+1］時(shí)，將該數(shù)據(jù)插入數(shù)據(jù)庫(kù)，否則舍去前面的所有信號(hào)值，重新返回步驟① ；

　?、?將步驟② 獲取的多組無(wú)線信號(hào)強(qiáng)度值再求均值，存入離線數(shù)據(jù)庫(kù)。

　　利用改進(jìn)的方案將圖5平滑處理后，改進(jìn)前的信號(hào)強(qiáng)度值RSS=1．597 1，而改進(jìn)后的RSSI=-46．I47 1，可見(jiàn)本方案能夠去除一定的抖動(dòng)信號(hào)，得到較為理想的離線數(shù)據(jù)庫(kù)。該方法不僅用于離線數(shù)據(jù)采樣階段，而且應(yīng)用于在線定位階段實(shí)時(shí)采集當(dāng)前無(wú)線信號(hào)強(qiáng)度，可避免單次采集的不確定性。

　　針對(duì)設(shè)備差異對(duì)無(wú)線信號(hào)的影響，首先在同一位置用華為兩款不同型號(hào)手機(jī)對(duì)WiFi信號(hào)采集300 次，無(wú)線信號(hào)分布情況如圖6所示。C8812型號(hào)手機(jī)采集信號(hào)強(qiáng)度保持在一65～66 dB，P6型號(hào)手機(jī)信號(hào)強(qiáng)度保持在一45dB，不同型號(hào)手機(jī)可能造成的誤差達(dá)2O dB，若按此進(jìn)行定位將產(chǎn)生較大定位誤差，因此本文將在實(shí)時(shí)定位之前加上無(wú)線信號(hào)校正階段，能有效提高定位精度。

　　圖6 不同手機(jī)無(wú)線信號(hào)分布圖

　　為解決設(shè)備差異對(duì)WiFi定位造成的影響，Ekahau提出一種自動(dòng)校正的方法。它是通過(guò)分析跟蹤設(shè)備在一些易于檢測(cè)的區(qū)域時(shí)的信號(hào)變化，自動(dòng)學(xué)習(xí)跟蹤建立相應(yīng)的映射關(guān)系，該方法的缺點(diǎn)是設(shè)備不易進(jìn)入易檢測(cè)區(qū)，系統(tǒng)很難獲得充足的數(shù)據(jù)建立映射關(guān)系。Haeberlen的研究顯示，校正設(shè)備與測(cè)試設(shè)備之間的信號(hào)強(qiáng)度之間存在某種線性關(guān)系。本文經(jīng)過(guò)大量實(shí)驗(yàn)，統(tǒng)計(jì)獲得數(shù)據(jù)并通過(guò)函數(shù)擬合的方法，推導(dǎo)出校正設(shè)備及測(cè)試設(shè)備的關(guān)系，可以看作y=ax+b的線性關(guān)系，參數(shù)a、b將由實(shí)際的數(shù)據(jù)獲得。

　　4 實(shí)驗(yàn)結(jié)果與分析

　　實(shí)驗(yàn)區(qū)域?yàn)?0 m×16 m，每隔1．5 m設(shè)定為一個(gè)采樣點(diǎn)，AP分布在該區(qū)域的四周如圖7黑色圓點(diǎn)位置，每個(gè)采樣點(diǎn)分別采集200次經(jīng)過(guò)平滑處理后存入離線數(shù)據(jù)庫(kù)。為比較定位結(jié)果的精確性，選定如下5個(gè)點(diǎn)為測(cè)試點(diǎn)：A位于出口處附近，B位于區(qū)域的中心位置，C、D、E點(diǎn)位于區(qū)域的邊界處。

　　圖7 采樣分布圖

　　改進(jìn)前和改進(jìn)后分別進(jìn)行4O次測(cè)試，實(shí)驗(yàn)結(jié)果分析如表1所列。應(yīng)用改進(jìn)后的算法各測(cè)試點(diǎn)的平均誤差均有所下降，A點(diǎn)位于出口處，可能會(huì)受其他因素影響，定位效果不明顯；B、D點(diǎn)，受外界影響較小，定位效果較好，定位精度提高2 m左右。