基于手机WIFI校园定位

东南大学课程综合设计报告课程名称计算机网络基础专业自动化班级学生姓名学号基于手机WIFI校园定位1. 引言位置信息在我们的日常生活中扮演着重要的作用,传统的GPS等定位技术在室外已经能够实现米级的精确定位，但由于GPS卫星定位服务具有需要在相对空旷、高层建筑不密集的地方才能比较精确的定位，而且在户内无法使用，耗电量较高的特点，因此利用广泛存在的WiFi网络，对处于类似于校园这样楼群密集的建筑群区域或者室内目标进行定位成为最佳技术选择。

通过WiFi网络进行定位，可以弥补GPS的应用限制，扩大定位服务的应用行业和范围，提高定位精度，降低部署成本，提高设备利用率，增强应对校园突发事件的救援能力，同时也具有重要的社会意义。

学习了WiFi技术的基本原理和底层通信协议等知识，本文介绍了基于网络的无线定位技术的种类，着重分析了能够在WiFi网络实施定位技术的实现方法和定位策略。

2.基于网络的无线定位技术随着IEEE 802．11无线局域网和移动通信技术的广泛应用，移动接入的应用范围不断扩大，人们对无线定位技术的需求日益增长。

目前，基于网络的无线定位技术主要有以下几种：基于电波传播时间(ToA)、基于电波传播时间差(TDOA)、基于信号强度(Rssi)、基于电波入射角(AOA)、基于蜂窝小区标示(CELL—ID)。

3.在WiFi网络实施定位技术的实现方法及定位策略在室内环境下，AP的信号覆盖范围一般在100米的范围以内，无线电波传播的速度接近光速，在这样短的距离内传播时间非常短，几乎可以忽略不计，因此，以传播时间和传播时间差为基础的TOA，TDOA定位技术，并不适合用来作为室内环境的定位技术。

另一方面，从室内建筑的结构和用途分析可以发现，室内环境中的墙体，室内大型装饰物，室内人员的走动，都会成为影响信号传播的障碍物。

无线信号在遇到障碍物时会形成反射和散射的现象，在信号到达信号接收端时，相位，入射角和幅度都产生了失真，因此以电波入射角为基础的AOA定位技术同样无法应用在室内环境下进行定位。

室内环境下无线信号的信号强度在短距离范围内与传播距离存在衰减模型关系，通过信号强度可以计算传播距离，因此，我们采用以信号强度(RSSI)为基础的定位技术。

图1 定位系统拓扑结构无线信号在传输过程中，接收信号的功率强度与传输距离存在着某种变化关系，找出特定环境中的变化关系，就可以应用于定位技术。

目前基本的无线信号传播模型主要有两种：确定性模型和经验模型。

确定性模型又称射线光学或射线跟踪模型，即将高频无线信号看作向不同方向发出光线，再依靠对室内环境信息的详细建模，对每一根射线进行跟踪来建立无线信号传播模型。

当无线信号在自由空间传播时，其路径可认为是连接收发信机的一条射线，可用Ferris 公式计算自由空问的电波传播损耗：式中Pr 是接收功率，Pt 是发射功率，Gt 和Gr 分别是发射和接收天线的增益，R 是收发信机之间的距离，功率损耗与收发信机之间的距离R 的平方成反比。

PL=一Gr —Gt+20log(4Ⅱr ／入)=Gr+Gt+22+20log(r ／入) (3．1) 式中Gr 和Gt 分别代表接收天线和发射天线增益(dB)，R 是收发信机之间的距离，入是波长。

当入=12．3cm 时(f=2．44GHz)可得出： PL2．44=一Gr —Gt+40．2+20109(R) (3．2) R 的单位为米。

图2表示了信号频率2．44GHz ，天线的增益为OdBi 时的自由空间的损耗曲线。

当收发信机之间的距离很近时，自由空间的传播模型同实际传播相近似。

例如在室外环境中天线间的距离远小于它们距地面的高度时，反射波不会对其构成干扰。

经验模型是基于某一特定环境下的实际测量结果。

在实际中发射机和接收机在特定环境中置于不同的距离和位置，测量其功率损耗，通过收集大量的数据导出功率损耗曲线及其函数。

平均值结果显示其功率衰落要远大于自由空间的传播公式所得出的结果。

在自由空间模型中，功率衰落同收发信机的距离的平方成反比。

室内传播经验公式显示在室内环境中的功率衰落同距离的3或4次方成反比。

这是因为通过不同路径到达接收天线的电磁波产生的多径效应对主信号产生严重干扰的结果。

图2 大尺度路径衰减模型图3 RF 实验室中的实验结果图3显示了以色列RF实验室中的实验结果。

实验室内墙由石膏板构成，发射和接收天线放置在室内不同的位置(天线高度均为1米)，当工作频率为2．4GHz，时测量其功率损耗的结果是收发信机间距离R的对数的函数(3．3)。

用最小均差法算出传播损耗的近似值。

PLindoor一2．49hz=40+3l 109(R)+8 (3．3) 式中R是收发信机之间的距离，单位米。

根据对自由空间公式3．2的讨论，当动态范围已知时，从式3．3可计算出R，即为系统在室内环境中传播的最大距离。

从图1中可看出，在第一米的功率损耗为40dB(同自由空间中结果一样)，这是因为天线的高度为1米而天线间的距离也为1米，所以适用于自由空间的公式，当距离增加到10米时功率损耗增加了31dB，比自由空间要多11dB(自由空间10米时功率损耗为60dB)。

假设系统的动态范围为80dB，由式3.3可解出R为19.5米，而在自由空间公式3.1导出的距离为80米。

由此可见式3.3中的系数31指示随距离增加功率损耗比自由空间中要快的多(自由空间的系数为2)。

在不同环境中，不同条件下可作相同实验得出不同的系数值。

从室内无线信号传播的特点分析，经验模型更适合室内定位系统的建模。

我们采用如式(1) 所示模型对无线信号的路径损耗平均值进行预测：其中，NA为由环境决定的路径损耗指数，对同一楼层的不同区域根据实际测量采用不同值；WAF为需由实验测定的墙壁衰减因子，需对不同墙体进行实际测量；df为发射天线周围可等效为自由空间的范围，通常为2米；dO=lm为参考点距离，此时PL(dO)≈40dB。

定位环境中由于空气的流动，温度的变化，人员走动等原因，空间中每一个点测得的信号强度会随时发生变化，同时收发天线的方向也能够影响该点的信号强度，移动终端测得的信号强度值的随机性比较大，对移动终端的信号强度采用的不同处理方法会影响定位误差。

为了达到减小定位误差增加定位精确度的目的，我们采用概率模型的方法。

在定位系统中建立概率模型。

首先，实验表明实际无线通信中同一个信号源，在同一空间的同一位置的无线信号强度被认为是服从高斯分布的口3。

无线信号在空间传播的理想情况是，空间位置距离信号源越近，则该点的信号强度就越强；空间位置离信号源越远，则该点的信号强度就越弱，并且信号强度与空间传播距离存在函数关系。

但是由于实际环境中存在反射和散射等现象，造成了多径衰落，其他使用该频段的设备相互干扰等，使得相同信号源的无线信号在同一空间的同一位置上，其信号强度会随着时间变化发生变化并不是一个确定值，具有～定的随机性，但是服从高斯分布。

其次，使用基于信号强度的定位方法，定位服务器必须保存定位环境中不同信号源在不同点的信号强度的分布情况，想要保存每一个点的信号强度的分布情况是不可能的，而定位环境中信号源在各个点的信号强度是服从高斯分布的，可以通过保存信号强度的高斯分布平均值与标准差，来想保存信号源在每个点信号强度的高斯分布的特征并且尽可能的减少要保存的数据量。

为获得高斯分布的平均值与标准差就要对该点存在的信号强度进行多次测量，然后根据概率与统计相关公式进行计算和存储。

再次，不同信号源的无线信号在空间同一位置的信号强度独立存在，即一个信号源的无线信号存在与否和信号强弱均不会影响其它信号源的无线信号在该点的信号强度。

这样各个信号源的信号强度在空间同一位置的强弱被认为是概率学中的独立事件，不同信号源之间的无线信号强度不会相互影响。

由于不同的信号源的无线信号在空间分布相互独立，并且信号源在空间给定位置的信号强度服从高斯分布，则可以使用联合概率分布来描述多个接入点在空间无线信号的分布情况。

最后，进行实时定位时，移动终端需要将收集到的各个不同信号源在该点的信号强度等定位数据，发送给定位服务器，定位服务器利用已经保存的定位环境中特定点的信号强度的高斯分布的平均值和标准差，根据在当前点实时测得的对应信号源的信号强度，去计算覆盖当前点的所有信号源的联合高斯分布概率。

这个概率值越大，表示移动终端当前位置越靠近定位服务器已经保存的点。

由于定位空间的连续性和定位服务器存储空间的有限性，将定位环境内所有点的信号强度的高斯分布特征保存下束是不可能的。

所以在定位环境中根据环境的特点选取一些特定的称为训练点，并将这些训练点的信号强度的高斯分布特征保存下来，使这些点成为定位移动终端的基准点，所有的定位结果都是以训练点作为参考点来产生的。

对于每一个室内环境的无线局域网，首先构建无线信号强度分布图，即构建信号强度经验值数据库。

室内平面图，AP 位置，AP 发射功率等均已确定，在移动终端可能出现的概率较大的地方分不同方向(天线具有一定的方向性)，多次采集信号强度，以此作为构建经验值数据库的数据。

采集的数据格式如下： (position —x ，position —Y ，RSSI ，MAC) (2) 其中，position —X ，posi tion —Y 是当前位置坐标，RSSI 是当前位置所收到的信号强度，MAC 是该AP 点的MAC 地址，用来区分不同的AP 点。

完成采集以后，对采集的值数据进行预处理，目标数据格式如下： (position —X ，position —Y ，RSSI —AVG ，RSSI —DEV ，MAC) (3) 其中，position —X ，position_},是当前位置坐标，RSSI_AVG 是该AP 的RSSI 均值，RSSI_DEV 是该AP 的RSSI 的标准偏差，MAC 是该AP 点的MAC 地址。

为了保存训练点的信号强度高斯分前i 的特征，同时考虑到对这些数据的修改与更新的方便，使用数据库来保存这些数据。

由于实时定位时定位服务器需要接入点 MAC 地址等信息，所以保存训练点信号强度的数据库的表的结构定义为如下：表1 保存训练点信息的数据库表的结构图4 定位过程示意图。