英语原文共 29 页，剩余内容已隐藏，支付完成后下载完整资料
现代无线局域网指纹室内定位方法及其部署挑战
Ali Khalajmehrabadi，Nikolaos Gatsis，and David Akopian
摘要
无线局域网（WLAN）作为唯一存在和已建立的基础设施，已成为室内定位的有前途的选择，可以在室内对移动和固定用户进行定位。但是，由于WLAN最初是为无线网络而不是定位而设计的，所以基于WLAN信号的定位任务面临许多挑战。在WLAN定位方法中，由于其有希望的性能，WLAN指纹定位近来受到了广泛的关注。尽管如此，WLAN指纹识别技术仍面临一些挑战，因此，在本文中，我们的目标是概述这些挑战以及相应的最新解决方案。本文由三个主要部分组成：（1）常规定位方案；（2）常规定位方案。（2）最先进的方法；（3）实际的部署挑战。由于WLAN文献中所有提议的方法均已在不同的环境下进行和测试，因此报告的结果不易比较。因此，我们在单个真实环境中比较了一些代表性的定位方案，并评估了它们的定位精度，定位误差统计信息和复杂性。我们的结果描述了文献中方法的说明性评估，并为未来的改进机会提供了指南。
关键词：室内定位，WLAN指纹识别，实时处理，群集，稀疏恢复，离群值检测。
- 引言
基于位置的服务（LBS）已成为未来应用程序的主要利基市场，并大力推动定位技术的发展。尤其是，室内LBS将显着改善网络管理和安全性，紧急人员导航，医疗保健监视，个性化信息传递，情境感知和启用其他应用程序。尽管美国全球定位系统（GPS）和其他类似的全球导航卫星系统（GNSS）为室外定位提供了良好的质量，但稳健的室内定位仍然是一个未解决的问题。GPS和类似的定位网络无法在室内工作，因为它们需要卫星和用户之间的直接（LOS）。
各种技术已经被用于室内定位。从信令的角度来看，这些方法可以分为两类：（1）基于无线电的定位，例如射频（RF）接近传感器，也称为射频识别（RFID），超宽带（UWB）方法，基于蓝牙方法，基于ZigBee的方法，调频（FM）方法和IEEE 802.11无线局域网（WLAN）方法；（2）利用红外（IR），超声和声音技术，可见光，惯性的非基于无线电的定位方法系统和地磁场。包括RFID在内的许多提议的技术都采用了大规模的收发器和基础设施，并招致了高昂的维护成本。但是，IEEE 802.11 WLAN广泛部署以提供无处不在的连续无线网络覆盖，这些覆盖也可以用于定位的目的。这些网络在两个非许可频段中运行，例如5-GHz（IEEE 802.11a）和2.4-GHz（IEEE 802.11b / g）。由于这些频段是未经许可的，因此多个网络可能会同时传输并共存一些干扰。
- 初步
A.室内定位方法
从历史上看，从基于无线电的信令系统的位置计算的角度来看，用于WLAN定位的已知方法主要分为三类：（1）角度到达（AOA）和相关的到达方向（DOA）方法；（2）到达时间（TOA）和相关的到达时间差（TDOA）技术；（3）RSS开发方法（指纹）。这些方法如图1所示，接下来将进行回顾。
图1.WLAN定位方案.
在AOA中，从至少两个访问点（AP）测量入射波与参考方向之间的夹角，即定向。AP配备有能够确定接收信号角度的天线阵列。两条虚拟线在角度方向上的交点定义了用户位置。
TOA技术利用波从发射器到接收器的传播时间，并将其转换为测距距离。至少三个AP从移动设备测量TOA。三边测量用于这种定位技术。在三边测量中，AP坐标是已知的。以AP为轨迹，范围距离定义了一定半径的圆。这些与几个位点相关的圆的交点允许估计用户的位置。但是，由于噪声测量的缘故，圆极不可能在某个点精确地相交，并且以有限的精度估算位置。基于TOA的定位如图2所示。
图2.基于TOA的定位.
要找到用户的位置，应解决以下非线性方程组：
其中是从TOA计算得出的距离，是真实距离，i是相应的噪声，是要估计的用户位置，是第i个AP位置。如图2所示，由于距离测量噪声的原因，无法精确计算用户的位置，并且应用了最小化均方误差（MSE）（例如最小二乘方（LS））的更复杂的算法。
TDOA是TOA的一种变体，其中选择了源信号，并相对于源信号测量了几个空间分布的AP之间的到达时间差。由于信号是从几个AP接收到的，因此用户的位置是通过双曲面的交点来定义的，其半径是AP与用户之间的距离。
此外，还应知道AP的位置。这些通常不可用，并且可能为了提供最大的网络覆盖范围并进行更改。
最近，使用接收信号强度（RSS）即来自WLAN AP的接收信号的功率的WLAN指纹识别方法引起了很多关注。原因有两个：（1）WLAN广泛部署在办公室，商业大楼，购物中心，机场，家庭环境等中，并提供无处不在的区域覆盖。（2）移动和无线接收器都包含用于提供RSS测量的网络接口卡。因此，不需要安装任何额外的硬件，从而减少了基础设施的安装以及设备和人工成本。NIC通常能够以每秒0.5或1个样本的速率捕获不同的RSS幅度。
通常，RSS开发方法分为两大类：基于模型的方法（路径损耗）和无模型的方法（无线电图）。
基于模型的方法使用收集的RSS指纹来训练预定义传播模型的参数。这些技术假设室内传播的路径损耗模型，该模型是距AP的距离的对数衰减函数:
其中PL是以dB为单位的路径损耗，d是路径长度，是参考距离，gamma;是路径损耗系数。使用收集的RSS和路径损耗模型，计算AP与用户之间的距离d。然后，使用三边测量法估计用户的位置。为了提供更准确的建模并减少RSS测量值与模型之间的差异，添加了一个随机分量以补偿RSS变化。但是，室内环境的不对称结构要求在不同方向上具有不同的路径损耗系数。基于无线电地图的技术（也称为指纹技术）在室内区域使用密集的AP部署。一组RSS或其他度量用作指纹，每个位置或多或少应该具有唯一性。在大多数情况下，WLAN指纹识别包括脱机和联机阶段。典型的WLAN指纹定位示意图如图3所示。
图3.室内WLAN指纹定位系统的典型示意图.
首先，选择了一组预定义点，称为参考点（RP），也称为地标，网格或测量点。这些术语是在本文中可以互换使用。在离线阶段，进行调查，并在整个时间间隔内，从每个可用AP读取每个RP的RSS测量的多个副本。所有RP的指纹数据库构成了整个区域的无线电地图。然后，在在线阶段，用户可以在自己的位置观察RSS测量，并通过查找相似的指纹并使用关联的RP位置估算用户的位置，应用算法将这些测量与无线电地图条目相关联。还已经引入了TOA和指纹识别的组合。对于用户从AP接收到的信号电平，它形成一个轮廓，该轮廓由该AP具有相同信号电平的所有RP组成。遵循三边测量的精神，将用户的位置估计为所有轮廓的交点。指纹识别是一种简单而合理的选择，可以提供准确性和普遍性。通常，无线电地图方法不需要已知的AP位置，不需要LOS，并且可以提供出色的定位精度，使它比其他方法更出色。
B.指纹方法的高级分类
图4提供了指纹分类方法的摘要。WLAN指纹方法的计算要求不同。由于高级室内定位系统的计算复杂度很高，因此某些实现将计算和数据保存任务委托给远程高性能服务器。从实现的角度来看，这称为基于服务器的定位。服务器还可以保留大型无线电地图和导航地图数据库。在基于客户端的实现中，位置计算和导航任务是在资源受限的手持无线设备上执行的。设备还应存储大型无线电地图数据。尽管从自主操作的角度来看，基于客户端的方法很有吸引力，并且不依赖服务器支持，但是它们需要最小化定位过程的计算复杂性并具有扩展的内存。
图4.指纹定位方法分类的不同标准
C.指纹地位的挑战
WLAN指纹定位方案面临若干挑战。由于墙壁，门，家具，物体和人的存在，RSS测量会因阴影和NLOS传播而失真。图6显示了典型的办公环境和无线路由器信号，它们通过不同路径到达无线设备。因此，传播的信号会受到严重的频率选择性多径波动的影响，因此不能被认为是广义的平稳（非WSS）。此外，WLAN在无许可的2.4GHz和5GHz频率上运行，这些频率对无绳电话和微波开放，并且包括水的共振频率。这些频带特性会导致对此类设备的干扰和人体对信号的吸收。这些现象使RSS密度变为非高斯分布，并且随时间变化，并使RSS密度估计变得复杂。例如，使用多峰分布的均值和方差可能会忽略有助于区分不同位置的重要信息。另外，在典型区域中存在各种WLAN，它们之间相互之间增加了额外的干扰。同样，由于AP故障，无线网络的覆盖范围可能会降低。
- 常规方法的不足
传统的WLAN指纹定位方法面临一些挑战，这些挑战降低了定位精度并引入了偏差估计。接下来列出了激励本文的这些挑战，并在图5中也进行了显示：
（1）RP的数量随区域大小而增加，这增加了存储调查数据和计算资源所需的内存。
（2）AP不一定提供独立的信息，并且指纹可以关联。
（3）受影响人的覆盖范围有限，可能并非调查区域中的所有移民都可以访问。在用户位置使用信号较弱的远距离AP会降低定位精度。
（4）可能的错误RSS测量可能会引起位置估计偏差。
（5）RSS指纹的分布是非高斯，偏斜，多峰和时变的。
（6）在存在异常值的情况下，大多数常规方法都无法保证较低的精度。
（7）无线电地图的建造工作量大且费时。
（8）测量设备和用户设备之间不同的硬件规格会导致指纹读取的异质性，这会给定位带来很大的误差。
图5.指纹识别和现代解决方案的挑战
实用的定位方案解决了这些问题。图5描绘了具有相应解决方案的挑战。请注意，一种解决方案可能同时解决多个挑战。
为了应对挑战1，已经提出了离线RP群集和在线粗略定位。在RP群集中，基于相似性度量标准将RP分为几组（集群）。然后，定位粗略估计RP子集中的用户位置，然后在该子集中估计用户的精细位置。RP聚类减少了计算负担，并指导了精细的定位步骤。
挑战2和3通过AP选择得以解决，其中评估指标将分数分配给AP。通常，分数定义了考虑到用户在线测量结果的每个AP对定位的适用性。然后，在定位中使用提供可区分信息的最佳AP集。AP选择将丢弃不提供独立信息的AP，以及由于距离较远的AP而导致的位置估计偏差。
应对挑战4，5和6进行精确测量，以测量指纹和在线测量之间的距离。在最近的概率方法中，RSS指纹分布是通过考虑到分布的多模态的更复杂的方案来估计的。同样，在（12）中引入了先进的技术来进行权重估计。此外，Wi-Fi指纹可以与其他环境功能设备传感器（惯性）集成在一起，以及设备之间的协作以使用所有可用信息并提供更准确的位置估计。此外，最近的方法已经通过稀疏恢复方法引入了针对WLAN指纹识别问题新的解决方案。最重要的是，使用离群值检测方法来处理在线测量中的过度读数。
图6.最先进的定位方法
为了应对挑战7，最近的技术提出了在用户的帮助下或在较粗的网格上记录无线电地图，并随后在较细的网格之间即RP之间进行插值。挑战8使用与设备无关的归一化方法进行处理，该方法将在线测量结果与离线指纹进行匹配。在第X节中讨论了这些方法。图6对最新解决方案（第二部分）进行了分类，这些解决方案是对常规方法的改进和增强。阴影框表示典型的现代定位系统执行的三个任务。基于稀疏的定位和辅助定位也可以与这些任务结合使用，以提高定位精度。
- 实验评估与比较
在本节中，我们将在前面的部分中介绍实际室内环境中某些代表性方法的定位性能。由于在单个环境中比较了所有定位方法，因此结果提供了有益的见解。
结果基于在德克萨斯大学圣安东尼奥分校的应用工程与技术（AET）大楼二楼收集的数据，该大楼的面积为576英尺35英尺。该区域代表典型的办公环境，因为它包括几个研究实验室，办公室，图书馆，研究区域和休息室。
定位方法已通过其定位精度进行了评估。令为测试点的数量（在不同位置进行的在线测量）。平均绝对误差（MAE）是对定位精度的度量，定义为：
其中和分别是真实位置和估计位置。为了定义定位误差的扩散，还对定位误差的累积分布函数（CDF）进行了评估。通过对所有测试点进行在线位置估计的平均运行时间来评估所实现方法的计算效率。报告了在具有3.2 GHz CPU的英特尔（R）核心（i）i5上进行MATLAB实施的运行时间。首先，我们评估没有聚类和粗略定位的定位方法的性能。然后与第三节的粗略定位技术一起评估定位方法的性能。已选择的定位方法如下：KNN，KDE，CS，LASSO，GLMNET，GS和基于轮廓的定位。
- 未来工作的关键摘要和建议
由于低成本部署，现有基础架构以及易于实施，WLAN室内定位已经引起了极大的关注。WLAN指纹识别方法由于在实际环境中已证明的性能而变得非常流行。由于室内传播是一种非常复杂的现象，会因多径和信号阻塞而失真，因此传
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[259165]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
