党小超,李彩霞,郝占军*

(1.西北师范大学计算机科学与工程学院,兰州 730070;2.甘肃省物联网工程研究中心,兰州 730070)

随着Wi-Fi技术的逐渐成熟与普及,基于Wi-Fi的室内定位技术已成为研究的热点[1-3],尤其是基于位置指纹的定位方法,该方法因其成本低廉、方法简易的优势逐渐成为室内定位的主流,主要包括两个阶段:离线训练阶段和在线定位阶段[4]。离线阶段,主要收集和预处理目标区域参考点位置的指纹信息,然后建立指纹数据库,由于原始数据中通常含有噪音,所以为了减小定位误差,一般利用最近邻算法[5]、神经网络[6]和支持向量机[7]等机器学习方法来提取和存储Wi-Fi信号的主要特征,将原始数据进行处理得到更加准确的指纹信息,从而可以取得更好的定位效果;在线阶段,在测试点采集指纹信息,通过和指纹库中存储的指纹信息匹配,利用概率估计法或加权平均法来估计目标位置。

由于RSS易于测量,不需要额外硬件支持,成本效益高,并且可与多种技术结合使用,所以经典的基于Wi-Fi指纹的定位系统大多采用RSS作为定位特征[8-9]。Radar是第1个基于RSS的指纹定位系统,它利用k最近邻算法来估计移动用户的位置,采用的是具有确定性的位置估计方法[10]。为了提高定位精度,Horus采用基于RSS值的概率估计方法实现了比Radar更好的定位精度[11]。在传统的基于RSS的室内定位方法中,使用来自不同AP的RSS矢量作为指纹库来估计目标位置,或者采集待测点的RSS与至少3个参考点之间的绝对距离,然后对待测点应用基本的几何法或三角测量法来获得其位置。……