位置指纹定位技术_李昊

1 位置指纹( LF) 定位技术
信号的多径传播对环境具有依赖性 , 呈现出非常 强的特 殊性 , 对于每个位置而 言 , 该 位置上 信道的 多径结 构是 惟一 的 , 终端发射的无线电 波经过 反射和 折射 , 产生与 周围 环境 密切相关的特定模式的多径信号 , 这样的多径特征可 以认为 是该位置的“ 指纹” 。 基站 天线阵列 检测信 号的幅 度和 相位 等特性 , 提取多径干扰 特征参 数 , 将 该参数 与预先 存储 在数 据库中的指 纹数 据进 行匹 配 , 找出 最相 似的 结 果来 进 行定 收稿日期 : 2007 -03 -20 作者 李昊 男 27 岁 硕士研究生
2 数据库的生成
第 5 期 李昊 : 位置指纹定位技术
2. 1 普通的数据库生成法 依次接收并测量 每个 RP 的 RSS , 与 RP 的位 置一 一对 应后记录入 数据库 。 当 RP 按 区域 的大 小和 形状 整齐 排列 成网状时定位效果较好 。 RP 的 排列接 近均 匀分布 时 , 其间 距可以指征定位精度 。 RP 增加时很有可能( 但不一定) 改善 精度 , 若间距小于某一阈值后 就几乎没 有效果 了 。 当 RP 均 匀分布时 , 其节点间距 : g= S/ N ( 1) 式中 : S 是区域总面积 , N 是 RP 的个数 。 2. 2 利用空间相关建立数据库 如果需要建立数据库的区域很大 , 采用普通方法 不仅费 时费力 , 而且数据库 庞大 , 维护起 来比较 麻烦 。 要 是能 用较 少的 RP 数据以插值的 方法生成数据库 , 就可 以减轻这 方面 的负担 。 文献[ 3] 中介 绍了两 种插值 的方法 : 加权 距离 反转 法( WD I , Weig hted Distance Inverse ) 和克里金法( kriging)。 WDI 是比较简单的插值方法 , 是以周围位置 Z(xi) 估计 的未抽样位置 x 0 的变量 Z 的值 , 即 ( ∑ di
N
3 定位算法及其比较
[ 3] 3. 1 最近邻法( NN , N earest N eighborhood)
最近邻法是最基本的算法 , 该方法首先计算测量 所得的 RSS 矢量与数据库中各矢量之间的距离 , 选取最小距 离对应 的数据库矢量 , 以其所代表的位置坐标作为结 果输出 。 定义 广义距离为 Lq =
当 P(ω 和 P( s) 都不 变时 , 判定准 则由 后验概 率准 则 i) 变为似然准则 : P( s ω s ω i )>P( j) i , j =1 , 2 , … , n , j ≠ i ( 9) 设似然函数为高斯 分布 , 可以算 出其 均值 和方差 , 再 设 各基站是独立的 , 则 总位置 参数 为 m 个基 站似 然函 数的 乘 积: P( s ω = P(S 1 ω S2 ω Sm ω i) i )×P( i )×… ×P( i)
[ 3]
0 引言
作为移动通信和个人通信服务的一部分 , 位置服 务变得 越来越重要了 。 要 提供 位置 服务 , 首先 必须 获 得目 标 的位 置 。 利用 G PS 定位在 室外 能提供 令人 满 意的 精度 , 但 是在 室内并不适 用 , 因为其 功率电 平太低 , 在环 境噪声 或是 多径 干扰的影响下几乎不能工作 ; 而专门使用室内定位系 统又存 在人员 、频谱和资金方 面的问 题 , 所 以最好 利用现 有的 系统 和设施 。 现有的定位系统主要 有三种定位方法 : 1) 三角测 量法 : 使用 TOA/ T DOA 技 术 , 至少 需要 3 个不 同的 固定基 站 ; 2) 角度测量法 : 使 用 AOA 技术 , 至 少 需要 2 个 不 同的 固 定基 站; 3) 信号强度测量法 : 使用基于 RSS 的传输损耗或位置指 纹技术 , 可以只用 1 个 基站 。 由 于室内 严重 的多径 环境 , 无 论测量时间还是测量角度都会引起较大的误差 , 要想 减少这 种误差需要显著提高算法 复杂度 或是增 加相当 规模的 额外 设备 。 与此不同 的是 , 基 于测 量 RSS 的 技术 着眼 于利 用而 不是消除多径带来的影响 。 基于 RSS 的 技术 主要 有两 种 : 传 输损 耗(RF PL , Radio F requency P ropagation Loss) 定位法和位置指纹( LF , Loca tio n F ingerprint) 定位法 。 前者将信 号传输 模型 和建筑 的地 理信 息转换成距 离测量值 , 这样做 很简单 , 但是 受很多 方面 的影 响 , 比如距离 、信号穿透墙 壁时的损 耗 、多径 传输等 , 所 以难 以建立正确 的数学模型 。 后者则 可以应 付 N LOS 和多 径传 输的状况 , 但是建立和维护数据库比较麻烦 [ 3] 。
1
Z(x 0) =
i= 1
× Z(x i) ) 1 di
i wenku.baidu.com1
∑
式中 d i 是位置 x 0 到位置 xi 之间的距离 。 kriging 以变化图为基本工具 来验证观测值的空间关系 。 它是最佳线性无偏估计( BL UE , Best Linear U nbiased Estima tio n) , 有两个特点 : 一 是根据无偏准则和最小偏差准则 , 该估 计是带权重计算的关于数据的线性函数 ; 二是由描述 函数族 结构的变化图唯一决定一个线性方程组的系数 , 该线 性方程 组的解就是权重 。 kriging 法的一 个主要 好处是比 其它 插值 法更灵活 , 因为它是基 于空间 上函数 的变化 , 而不 是基 于只 适用于某些情况的人为制定的准则 ; 另一个好处是它 能提供 估计误差量级的手段 。
Nm 1
其中 s 是测 量所得的 RSS 矢量 , S i 是数据 库中的矢 量 。 q = 1 和 2 时分别 是曼 哈顿 ( M anhattan) 和 欧 几里 德( Euclidian) 距离 , 实验表明 q 增大并不一定能增加精度 。
[ 3 , 4] 3. 2 K 近邻法( K NN , K Nearest N eighborhood)
i =1
(x i , yi) ∑
K
( 5)
式中(xi , y i) 是第 i 个被选 取的样值所对应的坐标 。 3. 3 K 加权 近邻法 ( KW NN , K Weighted N earest Neighbor[ 3] hood)
该方法与 K 近邻法的不同之处在选取了 K( K ≥2) 个数 据库矢量后 , 不是计算它们的平均坐标作为待测目标的位 置 输出 , 而是给每个数据库矢量对应的坐标乘上了一个加权 系 数 , 最后的位置输出 p =
n n
85
个基站的一个观测值 , i =1 , 2 , … , m , j =1 , 2 , … , n , m 是 基 站个数 , n 是样值数据的数目 。 S i 与数据 S ij 之间的距离 dj = (S i - S ij) j ∑
2
i= 1 ∞
=1 , 2 , …, n
( 4)
从结果中从小到大选取 K 个 样值 , 以式( 5) 计 算它们 位 置坐标的均值作为结果输出 。 (x , y)= 1 K
n
( 10)
最后以后验概率为权重 , 可以估算出比较精确的位置估值 : (x , y)= ( P(ω xω, yω ) ) i |S )·( ∑
i i
( 11)
i= 1
i= 1
∑|s - S i |
q
1/ q
( 3)
式中(x ω , yω ) 是第 ω i 个 位置的坐标 。 i i 3. 5 神经网法 这是非线性输入 — 输 出映 射最 有效的 方法 。 整 个神 经 网络由一系列感知单元组成的输入层 、一个或多个隐蔽的 计 算单元以及一个输出层组成 。 它采用指导学习算 法 , 信号 在 层间前向传递 , 第 m 层的第 i 个单元的输出为 :
这是最近邻法的改进型算法 , 其区别在于不是选 取最小 距离对应的那一个数据库矢量 , 而是从最小距 离开始选取 K ( K ≥2) 个最 接近 的数据 库矢 量 , 再计算 它们 的平 均坐 标作 为待测目标的位置输出 。 设 S ij 是第 i 个基站中的第 j 个样 值 , S i 是 在线阶 段第 i
i= 1 K
∑
1 × pi Lqi +ε
( 6)
其中 L qi 是测量所得的 RSS 矢量 与第 i 个 数据库 矢量之 间 的距离 , ε是很小的正常数以防除数为 0 , 是第 i 个数据库 矢 ( 2) 量对应的坐标 。 3. 4 概率算法[ 3] 设有 n 个位置 ω 1, ω 2 , …, ω n , 在离线阶段 这 n 个位置上 的设备会测量 附近基 站的 RSS 。 设 s 是在 线阶 段测 量得 到 得 RSS , 则根据公式( 7) 选取后验概率最大的 ω i: P( ω i s)>P(ω j s) i , j =1 , 2 , … , n , j ≠ i 由贝叶斯公式可得 : P(ω i s)= P( s ω ·P( ω i) i) P( s) ( 8) ( 7)
山西电子技术 综 述 2007 年第 5 期
位置指纹定位技术
李 昊
( 桂林电子科技大学信息与通信学院 , 广西 桂林 541004)
摘 要 : 在室内利用 无线 网 络对 移动 目 标定 位 , 可 用的 技术 有 基于 波 达时 间(TOA/ T DOA)、基于 波达 角 度 ( AOA)、以及基于接 收信号强度( RSS) 的技术等 。 比较而言 , 基于接收信号强度( RSS) 的位置指纹( L F) 技术更适 合 于复杂的室内环境 。 对该技术目前的研究情况进行比较全面和详细的介绍 。 关键词 : 室内 ; 定位 ; 位置指纹 中图分类号 : T N 92 文献标识码 : A 位。 1. 1 位置指纹定位的两个阶段 位置指纹定位的实施一般可以分为两个阶段 : 第一阶 段 为训练/ 离线阶段 , 主要工 作是采 集所需 定位 区域各 参考 节 点( RP , Reference Point) 位 置的 信号特 征参 数 , 例如 信号 场 强 、多径相角分 量功率等 , 将一 组指纹 信息对 应一个 特定 的 位置形成位置指纹 数据库 。 第 二阶 段为 定位/ 在 线阶 段 , 利 用接收机测定接收信号的参数 , 采用匹配算法来确定与数 据 库中哪一组数据相匹配 , 从而得出用户的实际位置 。 1. 2 位置指纹定位的特点 指纹定位的优点是一个基站即可实现定位 , 定位精度 比 较高 ; 可以充分 利用现有的 设施 , 不需 要改变 移动设 备的 硬 件 , 系统无需或 仅增加极少 的额外 设备 ; 升级 和维护 对用 户 影响小 。 其缺点是前期工作量大 , 以及不适合环境变化太 快 的区域 。 指纹定位的定位精度取决于数据库的大 小 , 要提 高 测量精度 , 需要 先对定位区 域做详 细的测 量 , 建立庞 大的 数 据库 , 且数据库 必须定期或 不定期 进行更 新 , 因为没 有数 据 的区域将无法提供定位服务 。 1. 3 隐私权问题 如果由基站或网络发起定位 , 则用户的隐私权可能受 到 侵犯 , 因为有时用户并不想让基站或网络测量其位置 。 这 可 以改为由用户发起定 位 , 不 但改善 了隐私 权的 问题 , 也降 低 了网络的持续计算量 [ 1] 。 1. 4 最小间隔 将需定位区域划分为若干网格 , 网格的大小影响到定 位 的精度 。 间距太小会使数据库增大许多 , 但是对提高精度 贡 献不大 , 因为各 种参数变化 都很小 ; 而 间距太 大则精 度大 幅 度下降 。 性能与时延的折衷程度较好的一种划分 方案是 : 较 空旷的区域( 如走廊) 用 10 英尺 ＊10 英尺的 网格 , 房间内 用 5 英尺 ＊5 英尺的网格[ 1] 。