搜索
1无线定位系统主编：梁久祯2第4章Wi-Fi定位4.1Wi-Fi基础4.2无线信道：传播与衰落4.3位置指纹法4.4定位工具集案例4.5HTML5中的定位功能34.1Wi-Fi基础4.1.1IEEE802.11系列标准概述WLAN(WirelessLAN)的两个典型标准分别是由电气电子工程师协会(TheInstituteofElectricalandElectronicsEngineers，IEEE)802标准化委员会下第11标准工作组制定的IEEE802.11系列标准和欧洲电信标准化协会(EuropeanTelecommunicationsStandardsInstitute，ETSI)下的宽带无线电接入网络(BroadbandRadioAccessNetworks，BRAN)小组制定的HiperLAN系列标准。IEEE802.11系列标准由Wi-Fi联盟(官方网址：)负责推广，本章所有研究仅针对IEEE802.11系列标准，并且用Wi-Fi代指IEEE802.11技术。4•4.1.2IEEE802.11系列标准历史•1997年,IEEE为无线局域网制定了第一个版本标准-IEEE802.11。•1999年加上了两个补充版本：802.11a和802.11b。•之后，802.11工作小组还继续推出了一系列的标准，直到目前为止，802.11工作小组仍然在制定新的标准•其中比较常见的几个标准是：在2003年被批准使用的802.11g，以及2009年被批准使用的802.11n。•在经历一段时间的发展之后，IEEE802.11工作组会对IEEE802.11标准进行一次综合，比如最近的一次是2012年的802.11-2012，在原有标准的基础上，包含了k,n,p,r,s,u,v,w,y,z这10个修正版。54.1.3Wi-Fi网络成员与结构•IEEE802.11主要规定了两种不同类型的基本架构：有基础架构的无线局域网络(InfrastructureWirelessLAN)和无基础架构的无线局域网络(AdHocWirelessLAN)。在Wi-Fi定位中常用的架构是有基础架构，如下图所示：DS分配系统STA4STA1BSS1BSS2ESSSTA3AP接入点AP接入点STA264.1.4Wi-Fi信道•截至目前，802.11工作组划分了三个独立的频段，2.4GHz，3.7GHz以及5GHz。每个频段又划分为若干信道•802.11b和802.11g将2.4GHz的频段区分为14个重复、标记的频道;每个频道的中心频率相差5兆赫兹(MHz)，具体如下图所示：2.4122.4172.4222.4272.4322.4372.4422.4472.4522.4572.4622.4672.4722.4841234567891011121314信道中心频率(GHz)22MHz-80dBm-100dBm-120dBm•对于802.11工作组划分的不同信道频段，每个国家自己制定政策如何使用这些频段。在中国，2.4GHz频段可用信道为1~13信道74.1.5Wi-FiMAC帧格式•首先我们先看一下一般的802.11MAC帧格式FrameControlDuration/IDAddress1Address2Address3SequenceControlAddress4QoSControlHTControlFrameBodyFCS2266626240-79514•其中比较重要的一个字段是FrameControl(帧控制)字段，其各位表示的内容如下所示：0-12-34-789101112131415ProtocolVersionTypeSubtypeToDSFromDSMoreFragRetryPwrMgmtMoreDataProtectedFrameOrder2241111111184.1.6Wi-Fi扫描•使用任何网络之前，首先必须找到网络的存在。在所在区域识别现有的网络过程称为扫描(scanning)。在Wi-Fi网络里面有两种扫描方式：被动扫描和主动扫描。•在被动扫描中，工作站会在信道列表(channellist)所列的各个信道之间不断切换并静候Beacon帧的到来。•在主动扫描(activescanning)中，工作站扮演着比较积极的角色。在每个信道上，工作站都会发出ProbeRequest帧来请求某个特定网络予以回应。9•被动扫描的整个过程：10•主动扫描的整个过程：114.2无线信道：传播与衰落4.2.1概述•在无线通信中，电波传播指的是无线电从发射机到接收机的传播。就像光波一样，电磁波受反射、折射、衍射、吸收、极化(偏振)和散射这些物理现象影响。由于这些物理现象，电磁波的传播是一个很复杂、很难预测的过程。•在无线信道里面有一个现象叫做衰落(fading)，也就是信号的幅度会随时间、频率发生变化。衰落现象大体上可以分为两类：大尺度衰落和小尺度衰落。12衰落信道类型的划分衰落信道大尺度衰落小尺度衰落路径损耗阴影衰落多径衰落时变性频率选择性衰落平坦衰落快衰落慢衰落134.2.2大尺度衰落模型•常用的大尺度衰落情况下的路径损耗模型有三种：自由空间传播模型，对数距离路径损耗模型以及对数正态模型。三个模型的公式如下：144.3位置指纹法4.3.1概述•在室外环境下，无论是Wi-Fi或者是GSM都可以使用一定的传播模型的方法来进行定位。然而在室内环境下，由于电波的传播极其复杂，所以人们就发明了位置指纹法，配合上Wi-FiAP通常都是在室内搭建，智能手机通常又都是在室内接收Wi-Fi信号，这种方法就自然地吸引了很多的研究和应用。15什么是位置指纹？•一个位置指纹通常是指，一个MS（移动站点：手机，笔记本）在某个特定位置，采集不同AP发送过来的信号构成与特定位置相关的信号特征。下图便是某特定位置采集不同位置RSSI（接收信号强度）构成的一个指纹。位置指纹法的工作机制位置指纹法通常都是一个两阶段的工作模式：1.离线阶段：使用移动设备采集各AP发出来的RSSI(接收信号强度)，关联上采集时的位置信息，构建一个位置指纹数据库。2.在线阶段：用用户采集到的各AP的RSSI去搜索位置指纹数据库，然后估算用户位置。•位置指纹•数据库•指纹匹配174.3.2位置指纹数据库位置指纹数据库(LFDB)的构建是在离线阶段完成。位置指纹数据库是由众多数据库元素组成。数据库元素表述如下：18•位置指纹数据库的构建通常可以使用RSSI测量法，电波模型法以及混合法。•RSSI测量法：LFDB可以整个地用RSSI测量法来构建。这通常需要一个MS，一个运行在MS上的收集和处理RSSI测量的软件，在室外环境下我们还需要一个GPS接收器。通过MS或者AP，RSSI被周期性地测量得到。每一组被测得的RSSI集合都和真实的位置进行关联。该真实位置或通过GPS获取，或通过平面图获取。MS的参考坐标和其上测得的RSSI集合就构成了LFDB里面的一个元素。•电波模型法：使用电波模型法构建LFDB，就是使用我们上一节介绍的电波传播模型，代入发射机的发射功率，通常在Wi-Fi网络中发射机的功率是100mW，然后根据环境选择电波模型，比如说室外环境我们就可以使用对数正态模型甚至是自由空间模型。室内环境我们也可以使用对数正态模型，或者加上墙面衰减因素的电波传播模型，然后计算出各个位置的指纹存入LFDB。192021遗传算法:遗传算法GA(GeneticAlgorithms)是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法，由J.H.Holland教授于1975年提出。它简单通用鲁棒性强，适于并行处理，因此在过去的20多年中遗传算法已在很多领域得到了应用受到了人们的广泛关注。将遗传算法用在解RF指纹搜索空间的缩减问题上时，每一个个体就是位置点。每一个位置点有一个用于评估个体适应度的参考RF指纹。于是遗传算法的步骤就是：1.初始化第一代种群，随机地从搜索空间中选择个体。2.估计当前种群中每一个个体的适应度，使用相关函数。3.建立染色体，将个体坐标转换成二进制格式。4.使用基因操作（选择、交叉、突变）建立新的种群。5.将染色体转换成整数格式。6.如果停止准则被满足，将适应度最高的个体对应的坐标返回作为MS位置；否则转到步骤2。22232425神经网络方法:目前应用到Wi-Fi定位的神经网络算法主要为BP神经网络算法。BP神经网络采用的是并行网络结构，包括输入层、隐含层和输出层，输入层的输入经过加权和偏置处理将信号传递给隐含层，在隐含层通过一个转移函数(有时也称为激活函数)将信号向下一个隐含层(网络可以有多个隐含层，也可以只有一个隐含层)或者直接通过输出层产生输出。26Kolmogorov定理己经证明BP神经网络具有强大的非线性映射能力和泛化功能，任一连续函数或映射均可采用三层网络加以实现。一个典型的具有输入、输出和隐含层的BP神经网络如下图所示：第1个AP的指示器第1个AP的norm.RSSI第2个AP的指示器第2个AP的norm.RSSI第Na个AP的指示器第Na个AP的norm.RSSINorm.xNorm.y输入层隐含层输出层27•BP算法可以通过以下具体过程实现：(l)建立网络模型，初始化网络及学习参数；(2)提供训练模式，选实例作为学习训练样本，训练网络，直到满足学习要求；(3)前向传播过程，对给定训练模式输入，计算网络的输出模式，并与期望模式比较，若误差不能满足精度要求，则误差反向传播，否则转到(2)；(4)反向传播过程。28在Wi-Fi定位中我们还可以使用SVM（支持向量机）来作为一种非参数化非线性的估算位置的分类器。SVM方法已经被认为是来自统计学习理论的一种工具，使用SVM方法我们可以通过观察来导出位置的函数依赖关系。这种依赖关系在Wi-Fi定位中就是RF指纹和位置信息之间的关系。SVM方法的基本想法是基于结构风险最小化(SRM，StructuralRiskMinimization)原则来最小化期望风险泛函或者泛化误差的边界。风险泛函被定义为损失函数的期望值。损失函数是近似模式映射和实际模式映射差异的一个度量。总风险函数的边界被经验风险函数和VC(Vapnik-Chervonenkis)置信区间限定。SVM方法：使用SVM方法的分类操作可以简单地总结成以下两步：1.使用一个称为核的函数将RF指纹向量向一个称为特征空间的更高维数空间映射过去。有很多的SVM核函数可以被使用，比如说多项式函数、径向基函数(RBF，radialbasisfunction)、S型函数。2.SVM算法在特征空间里面建立一个最优分割超平面或者说是决策面，然后使用这个超平面来进行分类。分割超平面通常不是唯一的，而当它和最近的训练集点有最大距离的时候，它就是最优化的。而支持向量就是那些用来定义超平面的训练向量。换句话说，支持向量机就是基于支持向量的学习算法。29304.3.5位置估算方法的优化•之前所说的四种方法是位置估算方法比较基本的算法思想。然而在实际使用时，通常我们还会根据实际情况，对算法进行一些优化补充。•基于历史信息的Viterbi-like算法：由于用户在一小段的时间里面位置的变动是不会很大的，所以我们可以连续存储用户一小段时间里面多个邻居的位置记录，然后利用这些历史位置信息清除掉一些位置相差很远的歧义点，以此提高了定位的精度。Viterbi-like算法就是这样的一种算法。ijdij12hk历史估算层次数估计位置31•观察环境变化因素的AP自适应算法:由于Wi-Fi信号会受人员移动，障碍物变化等因素的影响，与环境有很大的相关性。所以我们可以在一个固定区域里面准备多个LFDB，比如办公室忙季一个，办公室闲季一个，然后定位时恰当地选择出合适的LFDB来进行定位，以此来适应环境的变化。这种方法的网络结构如下：AP2AP1AP3AP4移动设备这种定位模式需要在两种设备上运行定位程序，一个是MS，另外一个则是某个AP，由AP4分别使用多个LPDB对自己进行定位，由于AP4位置已知，所以AP4可以判