基于匹配优化与距离辅助的Wi-Fi定位算法_马星.pdf

第4 3卷 第2期桂 林 电 子 科 技 大 学 学 报V o l.4 3,N o.2 2 0 2 3年4月J o u r n a l o f G u i l i n U n i v e r s i t y o f E l e c t r o n i c T e c h n o l o g yA p r.2 0 2 3收稿日期:2 0 2 1-0 3-2 4基金项目:广西自然科学基金(2 0 1 8 J J A 1 7 0 1 5 4);认知无线电与信息处理省部共建教育部重点实验室主任基金(C R K L 1 9 0 1 0 5);广西科技厅项目(桂科A A 1 7 2 0 2 0 3 3)通信作者:王守华(1 9 7 5-),男,教授,博士,研究方向为信息处理、卫星导航。E-m a i l:w s h g l u e t 1 6 3.c o m引文格式:马星,王守华,尤志奇,等.基于匹配优化与距离辅助的W i-F i定位算法J.桂林电子科技大学学报,2 0 2 3,4 3(2):1 1 4-1 1 9.基于匹配优化与距离辅助的W i-F i定位算法马 星,王守华,尤志奇,吴桐桐,孙希延(桂林电子科技大学 信息与通信学院,广西 桂林 5 4 1 0 0 4)摘 要:针对排序聚类定位算法类匹配精度较低,且用于位置解算的指纹点中存在异常指纹点的问题,提出一种匹配优化与距离辅助的W i-F i定位算法。根据用户前后位置、距离和步长,设计了一种类匹配偏差检测模型,用来判断用户位置异常和匹配偏差;将排序后的接收信号强度向量中相邻元素作差,并与设定阈值相比较,确定待定位点排序特征向量变化位置,进行交换,以达到校正的目的,进而得到校正合并的类匹配结果;根据定位时前m时间段内所确定的用户位置与匹配类中指纹点的距离远近,剔除用于位置解算指纹点中的异常指纹点,实现更为精确的室内定位。仿真实验结果表明,该算法类匹配精度提高了1 7%,平均定位精度提高了2 2%。关键词:排序聚类;匹配优化;检测;类匹配校正;W i-F i定位中图分类号:T N 9 6 6.1 文献标志码:A 文章编号:1 6 7 3-8 0 8 X(2 0 2 3)0 2-0 1 1 4-0 6W i-F i l o c a t i o n a l g o r i t h m b a s e d o n m a t c h i n g o p t i m i z a t i o n a n d d i s t a n c e a s s i s t a n c eMA X i n g,WA N G S h o u h u a,Y O U Z h i q i,WU T o n g t o n g,S U N X i y a n(S c h o o l o f I n f o r m a t i o n a n d C o mm u n i c a t i o n,G u i l i n U n i v e r s i t y o f E l e c t r o n i c T e c h n o l o g y,G u i l i n 5 4 1 0 0 4,C h i n a)A b s t r a c t:A i m i n g a t t h e p r o b l e m t h a t t h e s o r t i n g c l u s t e r i n g p o s i t i o n i n g a l g o r i t h m h a s l o w m a t c h i n g a c c u r a c y,a n d t h e r e a r e a b n o r m a l f i n g e r p r i n t p o i n t s i n t h e f i n g e r p r i n t p o i n t s u s e d f o r p o s i t i o n c a l c u l a t i o n,a W i-F i p o s i t i o n i n g a l g o r i t h m w i t h m a t c-h i n g o p t i m i z a t i o n a n d d i s t a n c e a s s i s t a n c e i s p r o p o s e d.A c c o r d i n g t o t h e u s e r s f r o n t a n d b a c k p o s i t i o n,d i s t a n c e a n d s t e p l e n g t h,a m a t c h i n g d e v i a t i o n d e t e c t i o n m o d e l i s d e s i g n e d t o d e t e r m i n e t h e u s e r s a b n o r m a l p o s i t i o n a n d m a t c h i n g d e v i a t i o n;t h e a d j a c e n t e l e m e n t s i n t h e s o r t e d r e c e i v e d s i g n a l s t r e n g t h v e c t o r a r e c o m p a r e d w i t h t h e s e t t h r e s h o l d t o d e t e r m i n e t h e c h a n g e p o s i t i o n o f t h e s o r t i n g f e a t u r e v e c t o r o f t h e p o i n t t o b e l o c a t e d,a c h i e v e t h e p u r p o s e o f c o r r e c t i o n b y e x c h a n g e,a n d o b t a i n t h e c o r r e c t e d a n d m e r g e d c l a s s m a t c h i n g r e s u l t;a c c o r d i n g t o t h e d i s t a n c e b e t w e e n t h e u s e r s p o s i t i o n d e t e r m i n e d i n t h e t i m e p e r i o d m b e f o r e t h e p o s i t i o n i n g a n d t h e f i n g e r p r i n t p o i n t i n t h e m a t c h i n g c l a s s,t h e a b n o r m a l f i n g e r p r i n t p o i n t s u s e d f o r p o s i t i o n c a l c u l a t i o n a r e e l i m i n a t e d,s o a s t o a c h i e v e m o r e a c c u r a t e i n d o o r p o s i t i o n i n g.T h e s i m u l a t i o n r e s u l t s s h o w t h a t t h e c l a s s m a t c h i n g a c c u r a c y a n d t h e a v e r a g e p o s i t i o n i n g a c c u r a c y o f t h e p r o p o s e d a l g o r i t h m a r e i m p r o v e d r e s p e c t i v e l y b y 1 7%a n d 2 2%.K e y w o r d s:s o r t i n g c l u s t e r i n g;m a t c h i n g o p t i m i z a t i o n;c l a s s m a t c h i n g d e t e c t i o n;c o r r e c t i o n;W i-F i p o s i t i o n i n g 随着科技的发展与时代的进步,人们的生活节奏不断加快,为了能够在更短时间内到达目的地或者更加精准地找到自己所需物品,基于物理位置的服务需求应运而生。在室外,基于全球定位系统(G P S)的室外定位技术已经相当成熟,然而在室内,由于G P S信号极易受墙体的遮挡而无法实现室内定位1-2。在众多的 室 内 定 位 技 术 中,由 于 基 于 无 线 局 域 网(WL A N)的室内定位技术无需额外安装硬件设备,只需借助公共的网络设施,通过各种便携式的移动终端,以纯软件的方式即可实现精准定位,具有成本低、精度高、实时性好等优点,从而成为当前室内导航定位技术的首选技术3-4。DOI:10.16725/45-1351/tn.2023.02.009第2期马 星等:基于匹配优化与距离辅助的W i-F i定位算法基于WL A N的室内定位技术主要分为两类,一类是基于几何的定位算法,另一类是基于位置指纹的定位算法5。相对于基于几何的定位算法,基于位置指纹的定位算法定位精度较高,且无需知道无线接入点(A P)位置,因此更受广大室内定位研究者的喜爱。基于位置指纹的定位算法的工作流程主要分为2个阶段:1)离线指纹采集阶段,在待定位区域内部署若干指纹点,将指纹点采集到A P的接收信号强度(R S S)、媒体访问控制(MA C)地址与对应的物理位置进行映射,构建指纹库;2)在线指纹匹配定位阶段,先利用指纹匹配算法找到距实时接收到R S S所对应的物理位置最近的一个或多个指纹点,再通过相应的位置解算算法实现对当前位置的估计6-7。为了减少指纹匹配工作量,提高定位的实时性,排序聚类定位算法被提出,但是该算法的定位精度在一定程度上受类匹配精度的影响。C o n t r e r a s8利用欧氏距离来度量待定位点排序特征向量与指纹库中指纹点特征排序向量之间的相似性;霍欢等9利用L e v e n s h t e i n距离取代传统的欧氏距离,将2个向量之间最少编辑操作次数作为相似性度量指标;C h a1 0用坎贝拉距离取代传统的欧氏距离来度量待定位点排序特征向量与指纹库中指纹点特征排序向量之间的相似性。这些算法虽然在类匹配方法上做了改进和创新,但却未考虑在类匹配检测与校正方面作进一步改进,以提高类匹配精度。针对上述问题,提出了一种匹配优化与距离辅助的W i-F i定位算法。该算法根据排序特征码类匹配算法进行类匹配,利用类匹配偏差检测模型与校正算法对类匹配结果进行优化,最后根据定位时前m时间段内所确定的用户位置与匹配类中指纹点的距离远近,剔除用于位置解算指纹点中的异常指纹点,实现更为精确的室内定位。1 基于R S S的A P排序聚类算法由于无线信号在室内传播过程中易受室内环境、人员与多径效应的影响,采样得到的R S S值中时常会出现异常值,当采样数据有限时,其均值将会受R S S值中异常数据的影响而不断发生变化,继而使得基于R S S均值得到的排序特征向量并不十分稳定。而众数作为一组数据中出现次数最多的数,则不受异常数据的影响1 1-1 2。因此,在此基础上,利用众数思想提出了一种基于R S S的A P排序聚类算法,其流程如图1所示。算法可描述如下:假定在一个布设了M个A P的待定位区域内设图1 基于R S S的A P排序聚类流程置了N个指纹点,对每个指纹点进行Q次采样,则第i个指纹点