王孟妍 崔学荣 张国平 李娟 陈海华 黄庭培

摘 要：目前已有的位置指纹室内定位算法大多都是建立在原始指纹数据库的基础上，指纹数据库的建立精度会直接影响到最后的定位精度，因此在基于WiFi的定位技术中，对接收信号强度（received signal strength indication，RSSI）的稳定性要求比较高。通过对指纹数据的研究，提出了一种基于高斯核函数融合卡尔曼滤波对数据进行预处理的方法。实验证明，该融合算法能有效剔除RSSI指纹数据中的突变数据和噪声波动，实现RSSI值的准确、平滑输出，从而建立准确的指纹数据库，使后期的定位结果更加精确。

关键词：接收信号强度; 高斯核函数; 卡尔曼滤波; 指纹数据库

中图分类号： TN914

文献标志码： A

Abstract：Currently， most of the existing location fingerprint indoor positioning algorithms are based on the original fingerprint database. The accuracy of the fingerprint database will directly affect the final positioning accuracy. Therefore， in the positioning technology of WiFi， the stability of received signal strength indication （RSSI） is high relative. Based on the study of fingerprint data， the novel data processing algorithm that fuses Gaussian kernel function and Kalman filtering is proposed. The experiments verify that this fusion algorithm effectively eliminates the mutation data and noise fluctuation in RSSI data， and implements the precise and smooth output of RSSI. Thus an accurate fingerprint database can be established and it makes the later positioning results more accurate.

Key words：RSSI; Gaussian kernel function; Kalman filter; Fingerprint database

0 引言

近年來，随着科技的高速发展以及人们生活品质的不断提高，定位服务的市场迅速发展，定位服务的需求量也呈现出飞速发展的趋势，基于位置的服务LBS（Location-Bases Services）受到了人们的广泛的关注。对于户外环境下的定位，全球导航卫星系统GNSS（Global Navigation Satellite System）[1]能够提供很精确的定位结果，是一种成熟的定位技术，且应用非常广泛。但是对于一些建筑物比较密集的区域或者室内环境中，卫星信号强度由于受到建筑物或者室内环境的一些遮挡物的影响而大幅度衰减，无法达到较好的定位结果甚至无法定位。医院以及一些商场的位置服务、室内环境下的应急救援、一些特殊人群的监护等领域都需要精确的位置信息，以至于室内精确的位置信息显得尤为重要[2，3]。针对这个问题人们探索了很多技术方案以满足室内定位服务的需求。目前，WiFi被广泛应用于城市的公共接入热点，以及家庭网络和办公网络，所以基于WiFi的室内定位技术能够充分利用目前室内普遍存在的WiFi信号，不需要增加任何额外的硬件设备，大大降低了室内定位的成本，并能保证定位精度和定位服务的覆盖面[4]。

基于WiFi的室内定位技术中应用最多的是信号指纹定位法[5]。该方法主要包括两个阶段[6]：第一阶段是训练阶段（也有被称为离线阶段），此阶段的主要任务就是在定位区域均匀并且合理地设置若干个指纹参考点，然后在这些指纹参考点所在的位置进行信号采集，最后将所取得的位置指纹信息建立指纹数据库;第二阶段是在线定位阶段，该阶段的主要工作是在要进行定位的位置点实时采集各个AP（Access Point）信号值，采用位置指纹定位算法估计出待定位点的准确位置。位置指纹定位的流程如图1所示：

从图中可以看出，本文提出的基于高斯核函数融合卡尔曼滤波方法的误差是最小的。同时，本文提出的算法中59个坐标位置的定位误差总和也是3种算法中最小的，平均误差为2.2 m。实验证明本文提出的于高斯核函数融合卡尔曼滤波方法能使估计坐标更接近真实坐标。

3 总结

室内环境的复杂性使得测得的RSSI样本的总体无法用一种函数准确的估计其分布，因此要想有效的提高定位精度的关键之一就是准确的估计RSSI样本总体的分布。本文的基于高斯核函数和卡尔曼滤波的融合算法既可以有效地剔除采集得到RSSI信号中的奇异值，又可以消除数据的波动，从而使得位置估计更加准确。实验效果显示本文提出的算法比传统的定位算法的定位精度有显著的提高。

参考文献

[1] HAN G， XU H， DUONG T Q， et al. Localization algorithms of Wireless Sensor Networks： a survey [J]. Telecommunication Systems， 2013， 52（4）： 2419-2436.

[2] 张忠娟. 基于UWB的室内定位技术研究 [D]. 天津：天津大学， 2012.

[3] 任小丽. 基于UWB/GIS技术的室内定位系统研究 [D]. 上海：华东师范大学， 2010.

[4] 陈淑敏， 乔晓田， 毛佳， 等. 基于接收信号强度（RSSI）的室内二次定位方法 [J]. 传感技术学报， 2015， 28（4）： 572-577.

[5] FANG S， LIN T. A dynamic system approach for radio location fingerprinting in wireless local area networks [J]. IEEE Transactions on Communications， 2010， 58（4）： 1020-1025.

[6] PEI L， LIU J， CHEN Y， et al. Evaluation of fingerprinting-based WiFi indoor localization coexisted with Bluetooth [J]. The Journal of Global Positioning Systems， 2017， 15（1）： 3.

[7] FANG S， LIN T， LEE K. A Novel Algorithm for Multipath Fingerprinting in Indoor WLAN Environments [J]. IEEE Transactions on Wireless Communications， 2008， 7（9）： 3579-3588.

[8] MAZUELAS S， BAHILLO A， LORENZO R M， et al. Robust Indoor Positioning Provided by Real-Time RSSI Values in Unmodified WLAN Networks [J]. IEEE Journal of Selected Topics in Signal Processing， 2009， 3（5）： 821-831.

[9] 陳霞， 陈晓， 邹胜男. 基于正态检验的室内定位算法 [J]. 激光杂志， 2017， 38（3）： 41-45.

[10] Q L Y， W Z L， Q W， et al. Nonparametric Statistics Methods [M]. Chendu：Southwest Jiaotong University Press. 2010.

[11] HUANG Y， QI B， CHEN S. Modification of advanced boundary discriminative noise detection algorithm[C]// Proceedings of the 10th IEEE International Conference on Control and Automation （ICCA）， Hangzhou， China， 12-14 June 2013： 961-966.

[12] 万群， 郭贤生， 陈章鑫. 室内定位理论、方法和应用 [M]. 北京：电子工业出版社， 2012.

[13] 仲江涛， 秦斌， 吴健春， 等. 基于Kalman滤波的Chan室内定位算法改进[J]. 通信技术， 2017， 50（10）： 2223-2228.

[14] BARSOCCHI P， CRIVELLO A， ROSA D L， et al. A multisource and multivariate dataset for indoor localization methods based on WLAN and geo-magnetic field fingerprinting [C]// Proceedings of the 2016 International Conference on Indoor Positioning and Indoor Navigation （IPIN）， Alcala de Henares， 4-7 Oct. 2016： 1-8.

（收稿日期： 2019.01.24）