论文部分内容阅读
摘 要：近年来，室内定位的需求日益增加，实现室内精确定位成为了学者追求的目标。多个Wi-Fi源发出的信号叠加在某位置点时，会呈现出诸如指纹般的唯一识别特性，這种特性使得使用Wi-Fi指纹对特定对象进行室内定位成为可能。文章首先研究了Wi-Fi指纹信号序列的最佳组成形式，选用适当的筛选算法对指纹信号数据进行筛选。将结果数据的不等长序列归一化成等长序列录入数据库。然后和位置索引库中的数据进行比对，从而得出定位对象在投影地图中的坐标。
关键词：Wi-Fi位置指纹;贝叶斯概率法;RSSI三边定位算法;室内定位系统
中图分类号：TN92 文献标识码：A 文章编号：2096-4706（2021）05-0040-04
Research on Indoor Positioning Technology Based on Random Discrete Wi-Fi Fingerprint
WANG Yuhao1，CAI Wenkai1，GAO Min1，ZENG Mengjia1，2
（1.School of Information Engineering，Huzhou University，Huzhou 313000，China;
2.School of Science and Engineering，Huzhou College，Huzhou 313000，China）
Abstract：In recent years，the demand for indoor positioning has increased with each passing day. To achieve indoor accurate positioning has become the goal pursued by scholars. When signals from multiple Wi-Fi sources are superimposed on a certain positioning，they will show unique identification characteristics such as fingerprints. This kind of characteristics makes it possible to use Wi-Fi fingerprints to make indoor position on specific objects. First，the optimal composition form of Wi-Fi fingerprint signal sequence is studied，and an appropriate screening algorithm is selected to screen the fingerprint signal data. Normalize the unequal-length sequence of the result data into an equal-length sequence and enter it into the database. Then compare with the data in the location index library to get the coordinates of the positioning object in the projection map.
Keywords：Wi-Fi location fingerprint;Bayesian probability method;RSSI trilateral positioning algorithm;indoor positioning system
0 引 言
位置服务LBS又称定位服务，是一种和位置相关的服务。随着社会生活水平的快速提高，人们不再满足于基于二维坐标的粗糙定位，对位置服务的定位精度和用户体验等要求越来越高[1]。室外环境下，GPS卫星定位技术已非常成熟，车载导航、手机地图应用等已经广泛运用[2]。由于人们在室内的活动更为频繁，对室内精确定位的需求更加迫切。然而，室内环境复杂多变，GPS信号微弱、精度不高，不适合在室内定位中使用。因此，高精度的室内定位技术的应用不仅是广大人民群众的迫切需要，也是学界和产业界的关注热点。
目前，室内定位技术主要通过各种通信技术辅助进行室内定位，包括不限于超宽带定位技术、RFID技术、蓝牙技术等[3]。超宽带定位技术物理设备条件限制苛刻，需要部署大量基站设备，其成本过高[4]。RFID射频识别（Radio Frequency Identification）技术在读取时条件较苛刻，需要目标与读写器距离较近时才可工作[5]。蓝牙技术不仅需要满足设备间的近距离要求，且连接时需要配对密钥，因而会增加设备与程序的负担。Wi-Fi技术由于其价格低廉、网络布设相对简单、信号较易采集等特点，已经得到普通大众的广泛认可和接受[6]。而Wi-Fi源在生活场景中的广泛布设，为采集信号实现室内定位提供了有力支撑。
因此，相较于上述的其他辅助定位技术而言，文献[6]中的Wi-Fi技术更适合室内定位场景。Wi-Fi技术的定位范围可达到几百米，覆盖范围较广，定位精度根据需求最高可达厘米级，能满足绝大多数室内定位需求。此外，Wi-Fi设备造价低廉，性价比高，施工难度小，连接速度也十分快。用户使用的移动端智能设备几乎都带有Wi-Fi模块，均可接收Wi-Fi信号，新一代移动端智能设备甚至能够支持Wi-Fi 6（即第六代无线网络技术），方便了后续的推广应用[6]。 国内外的科研人员在应用Wi-Fi技术实现室内定位方面进行了深入研究，他们基于信源分布情况将室内定位技术分成了两类，一类为依托于外置信源所实现的室内定位技术，主要包括Wi-Fi技術、蓝牙技术、超宽带技术等，第二类则是依托于天然信源所实现的室内定位技术，主要包括惯性导航、地磁导航等。在城市复杂地段采用前者更容易排除环境对信号的影响[6]。而使用Wi-Fi技术实现室内定位的主要方法有测距交汇法和指纹匹配法[7]。前者是通过信号强度衰减来判断距离进行测算距离，该方法虽然定位精度高但易受室内环境影响。而后者指纹匹配法是通过信号的特征进行测距，在复杂的环境中更加稳定[7]。
目前，基于Wi-Fi的室内定位技术在一些领域中已经得到了运用。比如基于Wi-Fi指纹的员工打卡，采集员工移动端信号以验证员工确实在公司内，唯一的信号指纹也能防止员工签到作弊[8]，从而实现员工智能考勤管理[8]。在大规模地下车库中[9]，车主停车离开返回后，查找车辆的具体位置也是主要应用场景。可将用户车牌与移动设备绑定，通过移动设备接收的Wi-Fi信号指纹，对车辆位置进行定位，进一步的可对用户提供导航服务，免去车主寻找车辆的难处[10]。
基于上述分析，本文将Wi-Fi技术和室内定位技术相结合，设计了一种基于随机离散Wi-Fi指纹的室内定位技术，希望能给相关人士提供一些参考和思路。
1 室内定位技术设计
文献[6]指出，指纹是Wi-Fi信号的叠加呈现出的唯一识别特性的编码特性信号，Wi-Fi指纹信号可以是多种类型的，但是它的特征都能被用来作为一个位置指纹。例如：某一位置上进行通信时，接受发送信号的往返时间或者其时延大小;某一位置上检测到的来自基站信号的接收信号强度（Received Signal Strength Indication，RSSI），该信号一般和距离成反比，上述特征都可以被用来作为Wi-Fi指纹信号，当来自不同基站的这些特征组合起来时，就可以被作为Wi-Fi指纹信号序列。
1.1 基本流程
利用指纹的唯一性和特殊性，本文先设计Wi-Fi指纹信号序列的最佳组合形式，为降低计算复杂度，选用适当算法对数据进行筛选，方便后期计算。在部分信号缺失情况下，也需要对指纹进行完整性判定，这就需要用到指纹相似性计算，再将不等长的序列结果归一化成等长序列，方便数据库录入。同时，建立位置索引数据库，对采集的定位数据与库中位置数据进行比对，选择最相近序列作为定位数据的返回结果，并进行定位精度测算，将其作为室内定位的基准，完成室内精确定位。整个过程如图1所示。
1.2 Wi-Fi指纹信号序列的最佳组合形式及其筛选算法
这里，Wi-Fi指纹信号序列的最佳组成形式通过最近邻法得出[11]。该算法基本原理分为两个阶段：离线阶段和在线阶段。离线阶段时，首先使用手机中检测Wi-Fi信号源的应用，把待定位区域按一定比例分成若干网格块，检测每个块内的Wi-Fi信号特征数据，在进行尺度变换等归一化预处理后，将数据录入数据库。同时，用户在定位位置的Wi-Fi信号也被录入数据库中。在在线阶段，将移动端与指纹数据之间的距离按升序排列，选取距离最近、信号返回用时最短的几个AP信号，将其组合起来作为Wi-Fi指纹信号的最佳组合序列。
由于真实环境下，信号密集、复杂，除了会采集到基准Wi-Fi源发出的信号，也可能采集到其他的Wi-Fi热点信号或手机的热点信号，这些信号并不稳定，混杂在Wi-Fi信号序列中会导致下一步计算出错。因此，在通过最近邻法得到了Wi-Fi指纹信号序列的最佳组合后，在计算定位前，需要采用合适的筛选算法进行事先筛选，排除干扰信号。这里，筛选算法选用贝叶斯概率法和基于高斯滤波的一维向量滤波算法[12]。
贝叶斯概率法，也称后验概率法，其基本原理为将各个地方采集到的AP热点信号强度值进行推算，如式（1）所示，其概率为，利用式（2）通过贝叶斯概率算法得到某一位置采集到的Wi-Fi指纹信号序列中，取前N个信号最强的序列作为待匹配序列，算出最有可能出现的计算复杂度较低的Wi-Fi指纹信号序列[13]。
（1）
（2）
S1，S2，…，Sm构成一个完备事件，Wi和Wj表示某一个事件，m为事件的数量。在满足足够的计算样本的情况下，留下计算复杂度较低的Wi-Fi指纹信号序列，将其作为待匹配序列，进行下一步的指纹相似性计算。
1.3 指纹相似性计算
在筛选采集Wi-Fi指纹信号时，相近的点所获得的Wi-Fi指纹信号序列会极为相似，为实现更精准的室内定位，可使用相匹配的指纹相似性计算方法。利用上述相匹配的滤波算法可以获得算法复杂度较低的Wi-Fi指纹信号序列，然后采用式（3）欧氏距离算法[14]计算该序列向量。计算结果中若距离小，那么相似度大;若距离大，则相似度小。最后的结果便是Wi-Fi指纹信号的不等长序列。式（3）为：
（3）
1.4 归一化计算及位置索引数据库建立
通过指纹相似性计算后得到的不等长序列过于复杂，难以解析和处理，可先将数据进行归一化处理，使其变成等长序列，以方便后续数据使用。
数据的归一化处理，是将数据统一映射到[0，1]区间中。在此之前，先将数据按比例缩放使之落入一个小的特定区间，即数据的标准化，再将标准化后的数据进行归一化计算，得到等长序列的数据。
在获得了一些等长序列的数据后，选定一些合适的Wi-Fi设备作为AP信号节点，通过采集到的指纹的特征，建立相关联的位置索引数据库[15]，数据库中数据包括但不限于其Wi-Fi设备的坐标、编码、信号强度、距离远近等。以减少定位精度测算中所花费的时间。 1.5 定位精度测算
在建立位置索引数据库后，将新采集到的指纹信号序列通过与位置索引数据库进行比对。利用基于RSSI的三边定位算法进行定位[16]，其优势在于简单可靠易行，不需要购置昂贵的设备器材进行采集发射，且无须知道信号到达时间、角度等信息，只需通过对数距离损耗模型的计算便可得到距离值。再将其与位置索引数据库中的数据对比，便可得到定位目标的位置坐标，从而实现室内定位。
RSSI的三边定位算法是求解未知点坐标的一种算法，如图2所示。其基本原理是先找出3个已知点，通过式（4）所示的和未知点的RSSI信号，算出未知点到三个已知点的距离di，再采用式（5）将距离di作为当前已知点的半径进行画圆，得到的3个圆后，未知点坐标即为圆与圆之间交点的坐标。
2 系统设计
如图3所示，基于随机离散Wi-Fi热点的室内定位技术分为两个阶段：离线阶段和在线阶段。离线阶段主要的步骤是先采集黑点的位置信息经过处理，再初步建立位置索引数据库。在线阶段主要完成的是先处理用户移动端数据，再定位，最后更新数据库位置数据以便用户通过移动终端进入定位系统时，对移动终端的位置进行更为精确的定位。
2.1 离线阶段
离线阶段主要的步骤是先采集位置信息再建立位置索引数据库。其中信息采集包括了采集测试点的Mac地址（接入点的物理地址）、测试点的信号强度以及测试点分布的位置坐标信息等。
此阶段的位置信息采集方案是先确立一个测试地点（即事先布置好的设备），通过网格法将测试地点划分为许多个小方格，再在小方格的四个角上分别设立测试点，对测试点进行采样测试，将采样测试到的数据作为样本进行一系列处理，包括对样本数据进行归一化计算处理。经过采样测试后的样本数据中包含了每个测试点的RSSI信号序列，再通过相应的RSSI信号序列提取方法，便可以得到每个测试点的信号指纹信息。最后录入该数据初步建立位置索引数据库。
在日后需要定期对系统设备进行检测和对数据库的位置信息进行更新。
2.2 在线阶段
在线阶段主要目的是用户定位。用户在操作移动端进入系统后，移动端启动系统进行发送和接收信号，系统在收到周围Wi-Fi设备发送的數据后得到一系列的Wi-Fi指纹信号序列，通过事先筛选算法得到其最佳组成形式，在通过指纹相似性计算后将得到相似度比较大的指纹序列，然后利用归一化计算方法使不等长序列变为等长序列，随后与位置数据库中的数据通过匹配算法进行比对，经过定位精度测算操作后确定用户的大概位置并将位置信息通过实时更新的方式呈现给用户。
3 实验验证与分析
3.1 实验环境
本文选择了教学楼中的某个实验室为本次的实验区域，实验室的简约示意图如图4所示。面积大概是80 ㎡。实验室中有一个书柜和10个办公桌，以实验室的平面为基础建立一个坐标系。图中黑色的圆点表示运动的起点，箭头表示终点，线表示运动的轨迹。
3.2 RSSI的分析
通过贝叶斯概率计算选出复杂度最低的Wi-Fi指纹信号序列，然后对选出的Wi-Fi指纹信号序列中不等长序列进行归一化处理，使得数据处理更加容易，表1RSSI列表数据就是经过归一化处理之后的RSSI数据，然后根据RSSI三边定位算法进行精准的定位。
从表1中RSSI列表数据的值计算出每个位置的RSSI均值，从表2中可知，不同位置的RSSI均值都是不一样的，RSSI均值可以表现为该位置Wi-Fi信号的状态。如果RSSI均值在该位置越大，则AP离该区域就越近，反之则越远;最后通过RSSI三边定位算法计算出位置坐标，从而就能够通过Wi-Fi指纹信号得到室内的准确位置。
本文提出的方法能够通过Wi-Fi指纹信号来进行室内的定位，由于RSSI的大小受AP位置和区域的影响，不同AP的RSSI均值没有呈现出规律性的变化;同时也受实验室环境的影响，同样表现出很大的变化。这些都可以作为Wi-Fi指纹信号数据预处理的依据，从而进行更加准确的室内定位。
4 结 论
本文主要从Wi-Fi指纹信号特征入手，选定了设备廉价、操作性强、覆盖范围广、定位足够精确的Wi-Fi技术来进行室内定位。通过上述一系列研究过程，最终实现了进一步的室内精确定位。但依然存在着定位算法不够准确，有时会产生误差和定位失败的情况。在今后，本文所研究的室内定位技术若是和现有的GPS技术相结合，在未来便可以实现高精度的、高效率的、大范围的、包含室内和室外的定位导航功能。
现阶段，随着国家信息化、现代化建设口号的提出，室内定位技术已经无处不在，通过各界学者的共同努力，室内定位技术也将不断前进更新发展，社会人民也将享受到更优质的生活，室内定位技术必将在这个城市化高速发展的时代大放光彩。
参考文献：
[1] 谢泽亮.基于WiFi室内定位系统的研究 [D].长春：长春工业大学，2018.
[2] 张金焕，雷琳.GPS定位监控系统的研究与应用 [J].化工管理，2017（2）：39.
[3] 张漪，张珊，昝丽霞，等.基于Android移动端的应用程序与蓝牙模块间数据通信研究 [J].现代信息科技，2019，3（8）：56-58+61.
[4] 张子明，王从庆.基于超宽带技术的室内定位系统应用开发 [J].单片机与嵌入式系统应用，2021，21（4）：76-80.
[5] 陈龙鹏.基于RFID技术的室内定位方法研究 [D].南京：南京邮电大学，2020.
[6] 张俊龙，刘畅，胡杨，等.基于RSSI的WiFi室内定位技术研究 [J].无线互联科技，2018，15（14）：16-18. [7] OUAMEUR M A，CAZA-SZOKA M，MASSICOTTE D. Machine Learning Enabled Tools and Methods for Indoor Localization Using Low Power Wireless Network [J/OL].Internet of Things，2020，12（11）：[2020-12-23].https：//www.sciencedirect.com/science/article/abs/pii/S2542660520301323.
[8] 王克会.基于WLAN位置指纹的室内定位算法研究与应用 [D].杭州：杭州电子科技大学，2018.
[9] PUCKDEEVONGS A，TRIPATHI N K，WITAYANGKURN A，et al. Classroom Attendance Systems Based on Bluetooth Low Energy Indoor Positioning Technology for Smart Campus [J].Information，2020，11（6）：329.
[10] 李飛，孙永全，邓国华.基于轨道交通的室内定位系统 [J].铁路通信信号工程技术，2020，17（9）：78-82.
[11] NING F S，CHEN Y C. Combining a Modified Particle Filter Method and Indoor Magnetic Fingerprint Map to Assist Pedestrian Dead Reckoning for Indoor Positioning and Navigation [J].Sensors，2019，20（1）：185.
[12] 彭军民.基于WiFi终端的室内定位系统及其应用 [J].通信电源技术，2018，35（9）：141-145.
[13] 郑自兴，姚金杰.基于信号强度的指纹定位匹配算法研究 [J].国外电子测量技术，2020，39（9）：31-35.
[14] 靳赛州，陈国良，张超，等.一种基于区域优选的自适应蓝牙指纹定位算法 [J].测绘科学，2020，45（8）：51-56.
[15] 罗旭，陈超.一种基于Wi-Fi信号的位置指纹定位方法 [J].信息通信，2019（4）：37-40.
[16] 王亚涛.基于位置指纹的WIFI室内定位研究 [D].南京：南京邮电大学，2018.
作者简介：王钰浩（1997—），男，汉族，湖南株洲人，硕士研究生在读，研究方向：图像处理及其在物联网中的应用;通讯作者：曾孟佳（1980—），女，汉族，湖北荆州人，硕士生导师，副教授，硕士研究生，研究方向：物联网技术及其应用。
关键词：Wi-Fi位置指纹;贝叶斯概率法;RSSI三边定位算法;室内定位系统
中图分类号：TN92 文献标识码：A 文章编号：2096-4706（2021）05-0040-04
Research on Indoor Positioning Technology Based on Random Discrete Wi-Fi Fingerprint
WANG Yuhao1，CAI Wenkai1，GAO Min1，ZENG Mengjia1，2
（1.School of Information Engineering，Huzhou University，Huzhou 313000，China;
2.School of Science and Engineering，Huzhou College，Huzhou 313000，China）
Abstract：In recent years，the demand for indoor positioning has increased with each passing day. To achieve indoor accurate positioning has become the goal pursued by scholars. When signals from multiple Wi-Fi sources are superimposed on a certain positioning，they will show unique identification characteristics such as fingerprints. This kind of characteristics makes it possible to use Wi-Fi fingerprints to make indoor position on specific objects. First，the optimal composition form of Wi-Fi fingerprint signal sequence is studied，and an appropriate screening algorithm is selected to screen the fingerprint signal data. Normalize the unequal-length sequence of the result data into an equal-length sequence and enter it into the database. Then compare with the data in the location index library to get the coordinates of the positioning object in the projection map.
Keywords：Wi-Fi location fingerprint;Bayesian probability method;RSSI trilateral positioning algorithm;indoor positioning system
0 引 言
位置服务LBS又称定位服务，是一种和位置相关的服务。随着社会生活水平的快速提高，人们不再满足于基于二维坐标的粗糙定位，对位置服务的定位精度和用户体验等要求越来越高[1]。室外环境下，GPS卫星定位技术已非常成熟，车载导航、手机地图应用等已经广泛运用[2]。由于人们在室内的活动更为频繁，对室内精确定位的需求更加迫切。然而，室内环境复杂多变，GPS信号微弱、精度不高，不适合在室内定位中使用。因此，高精度的室内定位技术的应用不仅是广大人民群众的迫切需要，也是学界和产业界的关注热点。
目前，室内定位技术主要通过各种通信技术辅助进行室内定位，包括不限于超宽带定位技术、RFID技术、蓝牙技术等[3]。超宽带定位技术物理设备条件限制苛刻，需要部署大量基站设备，其成本过高[4]。RFID射频识别（Radio Frequency Identification）技术在读取时条件较苛刻，需要目标与读写器距离较近时才可工作[5]。蓝牙技术不仅需要满足设备间的近距离要求，且连接时需要配对密钥，因而会增加设备与程序的负担。Wi-Fi技术由于其价格低廉、网络布设相对简单、信号较易采集等特点，已经得到普通大众的广泛认可和接受[6]。而Wi-Fi源在生活场景中的广泛布设，为采集信号实现室内定位提供了有力支撑。
因此，相较于上述的其他辅助定位技术而言，文献[6]中的Wi-Fi技术更适合室内定位场景。Wi-Fi技术的定位范围可达到几百米，覆盖范围较广，定位精度根据需求最高可达厘米级，能满足绝大多数室内定位需求。此外，Wi-Fi设备造价低廉，性价比高，施工难度小，连接速度也十分快。用户使用的移动端智能设备几乎都带有Wi-Fi模块，均可接收Wi-Fi信号，新一代移动端智能设备甚至能够支持Wi-Fi 6（即第六代无线网络技术），方便了后续的推广应用[6]。 国内外的科研人员在应用Wi-Fi技术实现室内定位方面进行了深入研究，他们基于信源分布情况将室内定位技术分成了两类，一类为依托于外置信源所实现的室内定位技术，主要包括Wi-Fi技術、蓝牙技术、超宽带技术等，第二类则是依托于天然信源所实现的室内定位技术，主要包括惯性导航、地磁导航等。在城市复杂地段采用前者更容易排除环境对信号的影响[6]。而使用Wi-Fi技术实现室内定位的主要方法有测距交汇法和指纹匹配法[7]。前者是通过信号强度衰减来判断距离进行测算距离，该方法虽然定位精度高但易受室内环境影响。而后者指纹匹配法是通过信号的特征进行测距，在复杂的环境中更加稳定[7]。
目前，基于Wi-Fi的室内定位技术在一些领域中已经得到了运用。比如基于Wi-Fi指纹的员工打卡，采集员工移动端信号以验证员工确实在公司内，唯一的信号指纹也能防止员工签到作弊[8]，从而实现员工智能考勤管理[8]。在大规模地下车库中[9]，车主停车离开返回后，查找车辆的具体位置也是主要应用场景。可将用户车牌与移动设备绑定，通过移动设备接收的Wi-Fi信号指纹，对车辆位置进行定位，进一步的可对用户提供导航服务，免去车主寻找车辆的难处[10]。
基于上述分析，本文将Wi-Fi技术和室内定位技术相结合，设计了一种基于随机离散Wi-Fi指纹的室内定位技术，希望能给相关人士提供一些参考和思路。
1 室内定位技术设计
文献[6]指出，指纹是Wi-Fi信号的叠加呈现出的唯一识别特性的编码特性信号，Wi-Fi指纹信号可以是多种类型的，但是它的特征都能被用来作为一个位置指纹。例如：某一位置上进行通信时，接受发送信号的往返时间或者其时延大小;某一位置上检测到的来自基站信号的接收信号强度（Received Signal Strength Indication，RSSI），该信号一般和距离成反比，上述特征都可以被用来作为Wi-Fi指纹信号，当来自不同基站的这些特征组合起来时，就可以被作为Wi-Fi指纹信号序列。
1.1 基本流程
利用指纹的唯一性和特殊性，本文先设计Wi-Fi指纹信号序列的最佳组合形式，为降低计算复杂度，选用适当算法对数据进行筛选，方便后期计算。在部分信号缺失情况下，也需要对指纹进行完整性判定，这就需要用到指纹相似性计算，再将不等长的序列结果归一化成等长序列，方便数据库录入。同时，建立位置索引数据库，对采集的定位数据与库中位置数据进行比对，选择最相近序列作为定位数据的返回结果，并进行定位精度测算，将其作为室内定位的基准，完成室内精确定位。整个过程如图1所示。
1.2 Wi-Fi指纹信号序列的最佳组合形式及其筛选算法
这里，Wi-Fi指纹信号序列的最佳组成形式通过最近邻法得出[11]。该算法基本原理分为两个阶段：离线阶段和在线阶段。离线阶段时，首先使用手机中检测Wi-Fi信号源的应用，把待定位区域按一定比例分成若干网格块，检测每个块内的Wi-Fi信号特征数据，在进行尺度变换等归一化预处理后，将数据录入数据库。同时，用户在定位位置的Wi-Fi信号也被录入数据库中。在在线阶段，将移动端与指纹数据之间的距离按升序排列，选取距离最近、信号返回用时最短的几个AP信号，将其组合起来作为Wi-Fi指纹信号的最佳组合序列。
由于真实环境下，信号密集、复杂，除了会采集到基准Wi-Fi源发出的信号，也可能采集到其他的Wi-Fi热点信号或手机的热点信号，这些信号并不稳定，混杂在Wi-Fi信号序列中会导致下一步计算出错。因此，在通过最近邻法得到了Wi-Fi指纹信号序列的最佳组合后，在计算定位前，需要采用合适的筛选算法进行事先筛选，排除干扰信号。这里，筛选算法选用贝叶斯概率法和基于高斯滤波的一维向量滤波算法[12]。
贝叶斯概率法，也称后验概率法，其基本原理为将各个地方采集到的AP热点信号强度值进行推算，如式（1）所示，其概率为，利用式（2）通过贝叶斯概率算法得到某一位置采集到的Wi-Fi指纹信号序列中，取前N个信号最强的序列作为待匹配序列，算出最有可能出现的计算复杂度较低的Wi-Fi指纹信号序列[13]。
（1）
（2）
S1，S2，…，Sm构成一个完备事件，Wi和Wj表示某一个事件，m为事件的数量。在满足足够的计算样本的情况下，留下计算复杂度较低的Wi-Fi指纹信号序列，将其作为待匹配序列，进行下一步的指纹相似性计算。
1.3 指纹相似性计算
在筛选采集Wi-Fi指纹信号时，相近的点所获得的Wi-Fi指纹信号序列会极为相似，为实现更精准的室内定位，可使用相匹配的指纹相似性计算方法。利用上述相匹配的滤波算法可以获得算法复杂度较低的Wi-Fi指纹信号序列，然后采用式（3）欧氏距离算法[14]计算该序列向量。计算结果中若距离小，那么相似度大;若距离大，则相似度小。最后的结果便是Wi-Fi指纹信号的不等长序列。式（3）为：
（3）
1.4 归一化计算及位置索引数据库建立
通过指纹相似性计算后得到的不等长序列过于复杂，难以解析和处理，可先将数据进行归一化处理，使其变成等长序列，以方便后续数据使用。
数据的归一化处理，是将数据统一映射到[0，1]区间中。在此之前，先将数据按比例缩放使之落入一个小的特定区间，即数据的标准化，再将标准化后的数据进行归一化计算，得到等长序列的数据。
在获得了一些等长序列的数据后，选定一些合适的Wi-Fi设备作为AP信号节点，通过采集到的指纹的特征，建立相关联的位置索引数据库[15]，数据库中数据包括但不限于其Wi-Fi设备的坐标、编码、信号强度、距离远近等。以减少定位精度测算中所花费的时间。 1.5 定位精度测算
在建立位置索引数据库后，将新采集到的指纹信号序列通过与位置索引数据库进行比对。利用基于RSSI的三边定位算法进行定位[16]，其优势在于简单可靠易行，不需要购置昂贵的设备器材进行采集发射，且无须知道信号到达时间、角度等信息，只需通过对数距离损耗模型的计算便可得到距离值。再将其与位置索引数据库中的数据对比，便可得到定位目标的位置坐标，从而实现室内定位。
RSSI的三边定位算法是求解未知点坐标的一种算法，如图2所示。其基本原理是先找出3个已知点，通过式（4）所示的和未知点的RSSI信号，算出未知点到三个已知点的距离di，再采用式（5）将距离di作为当前已知点的半径进行画圆，得到的3个圆后，未知点坐标即为圆与圆之间交点的坐标。
2 系统设计
如图3所示，基于随机离散Wi-Fi热点的室内定位技术分为两个阶段：离线阶段和在线阶段。离线阶段主要的步骤是先采集黑点的位置信息经过处理，再初步建立位置索引数据库。在线阶段主要完成的是先处理用户移动端数据，再定位，最后更新数据库位置数据以便用户通过移动终端进入定位系统时，对移动终端的位置进行更为精确的定位。
2.1 离线阶段
离线阶段主要的步骤是先采集位置信息再建立位置索引数据库。其中信息采集包括了采集测试点的Mac地址（接入点的物理地址）、测试点的信号强度以及测试点分布的位置坐标信息等。
此阶段的位置信息采集方案是先确立一个测试地点（即事先布置好的设备），通过网格法将测试地点划分为许多个小方格，再在小方格的四个角上分别设立测试点，对测试点进行采样测试，将采样测试到的数据作为样本进行一系列处理，包括对样本数据进行归一化计算处理。经过采样测试后的样本数据中包含了每个测试点的RSSI信号序列，再通过相应的RSSI信号序列提取方法，便可以得到每个测试点的信号指纹信息。最后录入该数据初步建立位置索引数据库。
在日后需要定期对系统设备进行检测和对数据库的位置信息进行更新。
2.2 在线阶段
在线阶段主要目的是用户定位。用户在操作移动端进入系统后，移动端启动系统进行发送和接收信号，系统在收到周围Wi-Fi设备发送的數据后得到一系列的Wi-Fi指纹信号序列，通过事先筛选算法得到其最佳组成形式，在通过指纹相似性计算后将得到相似度比较大的指纹序列，然后利用归一化计算方法使不等长序列变为等长序列，随后与位置数据库中的数据通过匹配算法进行比对，经过定位精度测算操作后确定用户的大概位置并将位置信息通过实时更新的方式呈现给用户。
3 实验验证与分析
3.1 实验环境
本文选择了教学楼中的某个实验室为本次的实验区域，实验室的简约示意图如图4所示。面积大概是80 ㎡。实验室中有一个书柜和10个办公桌，以实验室的平面为基础建立一个坐标系。图中黑色的圆点表示运动的起点，箭头表示终点，线表示运动的轨迹。
3.2 RSSI的分析
通过贝叶斯概率计算选出复杂度最低的Wi-Fi指纹信号序列，然后对选出的Wi-Fi指纹信号序列中不等长序列进行归一化处理，使得数据处理更加容易，表1RSSI列表数据就是经过归一化处理之后的RSSI数据，然后根据RSSI三边定位算法进行精准的定位。
从表1中RSSI列表数据的值计算出每个位置的RSSI均值，从表2中可知，不同位置的RSSI均值都是不一样的，RSSI均值可以表现为该位置Wi-Fi信号的状态。如果RSSI均值在该位置越大，则AP离该区域就越近，反之则越远;最后通过RSSI三边定位算法计算出位置坐标，从而就能够通过Wi-Fi指纹信号得到室内的准确位置。
本文提出的方法能够通过Wi-Fi指纹信号来进行室内的定位，由于RSSI的大小受AP位置和区域的影响，不同AP的RSSI均值没有呈现出规律性的变化;同时也受实验室环境的影响，同样表现出很大的变化。这些都可以作为Wi-Fi指纹信号数据预处理的依据，从而进行更加准确的室内定位。
4 结 论
本文主要从Wi-Fi指纹信号特征入手，选定了设备廉价、操作性强、覆盖范围广、定位足够精确的Wi-Fi技术来进行室内定位。通过上述一系列研究过程，最终实现了进一步的室内精确定位。但依然存在着定位算法不够准确，有时会产生误差和定位失败的情况。在今后，本文所研究的室内定位技术若是和现有的GPS技术相结合，在未来便可以实现高精度的、高效率的、大范围的、包含室内和室外的定位导航功能。
现阶段，随着国家信息化、现代化建设口号的提出，室内定位技术已经无处不在，通过各界学者的共同努力，室内定位技术也将不断前进更新发展，社会人民也将享受到更优质的生活，室内定位技术必将在这个城市化高速发展的时代大放光彩。
参考文献：
[1] 谢泽亮.基于WiFi室内定位系统的研究 [D].长春：长春工业大学，2018.
[2] 张金焕，雷琳.GPS定位监控系统的研究与应用 [J].化工管理，2017（2）：39.
[3] 张漪，张珊，昝丽霞，等.基于Android移动端的应用程序与蓝牙模块间数据通信研究 [J].现代信息科技，2019，3（8）：56-58+61.
[4] 张子明，王从庆.基于超宽带技术的室内定位系统应用开发 [J].单片机与嵌入式系统应用，2021，21（4）：76-80.
[5] 陈龙鹏.基于RFID技术的室内定位方法研究 [D].南京：南京邮电大学，2020.
[6] 张俊龙，刘畅，胡杨，等.基于RSSI的WiFi室内定位技术研究 [J].无线互联科技，2018，15（14）：16-18. [7] OUAMEUR M A，CAZA-SZOKA M，MASSICOTTE D. Machine Learning Enabled Tools and Methods for Indoor Localization Using Low Power Wireless Network [J/OL].Internet of Things，2020，12（11）：[2020-12-23].https：//www.sciencedirect.com/science/article/abs/pii/S2542660520301323.
[8] 王克会.基于WLAN位置指纹的室内定位算法研究与应用 [D].杭州：杭州电子科技大学，2018.
[9] PUCKDEEVONGS A，TRIPATHI N K，WITAYANGKURN A，et al. Classroom Attendance Systems Based on Bluetooth Low Energy Indoor Positioning Technology for Smart Campus [J].Information，2020，11（6）：329.
[10] 李飛，孙永全，邓国华.基于轨道交通的室内定位系统 [J].铁路通信信号工程技术，2020，17（9）：78-82.
[11] NING F S，CHEN Y C. Combining a Modified Particle Filter Method and Indoor Magnetic Fingerprint Map to Assist Pedestrian Dead Reckoning for Indoor Positioning and Navigation [J].Sensors，2019，20（1）：185.
[12] 彭军民.基于WiFi终端的室内定位系统及其应用 [J].通信电源技术，2018，35（9）：141-145.
[13] 郑自兴，姚金杰.基于信号强度的指纹定位匹配算法研究 [J].国外电子测量技术，2020，39（9）：31-35.
[14] 靳赛州，陈国良，张超，等.一种基于区域优选的自适应蓝牙指纹定位算法 [J].测绘科学，2020，45（8）：51-56.
[15] 罗旭，陈超.一种基于Wi-Fi信号的位置指纹定位方法 [J].信息通信，2019（4）：37-40.
[16] 王亚涛.基于位置指纹的WIFI室内定位研究 [D].南京：南京邮电大学，2018.
作者简介：王钰浩（1997—），男，汉族，湖南株洲人，硕士研究生在读，研究方向：图像处理及其在物联网中的应用;通讯作者：曾孟佳（1980—），女，汉族，湖北荆州人，硕士生导师，副教授，硕士研究生，研究方向：物联网技术及其应用。