室内被动定位项目方案建议书讲述.docx

室内被动定位 一、 市场需求 案例1：系统的基本设想是利用AP检测周围的打开wifi的wifi设备（主要是智能手机）的信号，从而得到这些设备的MAC地址和wifi 信号强度等信息。统计这些信息，并根据信号强度可以计算出粗略的用户位置。这些信息对于线下商场等商务场合统计用户信息，挖掘潜力用户是很有价值的；另一类是马路边统计车流。 案例2： 二、 主流技术手段及已有项目积累 对于室内定位而言，确定性定位算法和概率性定位算法是两个主要的室内定位算法。确定性定位算法一般是基于TOA、TDOA、角度类信息来计算目标位置，这类方法多用于UWB（抗多径能力强）、超声波系统（时间要求精度低）。概率性算法一般基于RSSI构建的指纹库有哪些信誉好的足球投注网站定位或RSSI反推传播距离，这类算法定位精度低，多用于wifi、蓝牙等系统。 三、 解决方案及系统架构 考虑到本项目的应用目的，建议采用基于wifi/蓝牙的指纹定位方法，一方面不需要定制终端，直接利用手机自带的wifi模块或蓝牙模块即可完成定位；另一方面考虑到被动定位的需求，可以不再终端上安装任何软件，只在网络侧完成定位。下面对该定位方案及系统处理流程详述。 6.1 基于地理指纹的室内被动定位 所有的WiFi终端有两种方式可以获取周围的无线网络：一种是被动扫描，移动终端通过监听周围AP发送的Beacon（信标帧），该帧提供了AP及RSS信息；另一种是主动扫描，移动终端主动发送一个探测请求帧（Probe Request帧），通过收到探测响应帧（Probe Response）获取网络信号。本方案利用移动终端主动扫描接入AP时，AP被动接受其RSS来完成被动定位。 研究发现，移动终端发出的探测请求帧里面包含有MAC地址，监听由移动终端发出的探测请求帧（Probe Request帧），提取其中的MAC地址、时间戳、RSS。 基于以上分析，本方案提供一种被动定位数据采集方法，移动终端MT（mobile terminal）具有WiFi模块，利用移动端在WiFi打开时，会发出扫描信号，通过室内部署的AP检测扫描信号，捕获移动终端MT的信号强度RSS，交由服务器在已经体现训练好的指纹数据库中进行匹配有哪些信誉好的足球投注网站，完成室内被动定位。 方案示意图： 本方案提供一种新型的获取RSS技术来监督无线终端。在获取RSS值时，移动终端并未和接入点设备链接，在移动终端仅仅打开WiFi功能，即可实现移动终端的RSS捕获。 6.2 被动定位系统处理流程： 1） 构建地理指纹数据库： 离线阶段在室内各个参考点处，检测移动终端的RSS离散值，每个AP获取的RSS组成一个向量，同时计算在一段时间内每个AP上RSS值对应的先验概率。这些概率值和RSS组成一个矩阵——离线地图（地理指纹数据库）。 预先标定每个参考点位置坐标，建立各AP端捕获移动终端接收信号强度矩阵（表 1），一段时间内，每个AP共获取n个RSS值，并在统计后获得各个RSS值对应的先验概率矩阵（表 2）； 表 1 某参考点RSS矩阵 AP1 AP2 … APm 时间点1 RSS11 RSS21 RSSm1 2 RSS12 RSS22 RSSm2 … n-1 n RSS1n RSSmn 表 2 某参考点RSS先验概率矩阵 RSSj1 RSSj2 … RSSjn AP1 P11 P12 P1n 2 … m-1 m Pmn 注：构建以上两个矩阵时进行向量预处理，将不满足阈值的值剔除 阈值：接收信号强度：；先验概率： 2） 在线定位： 通过“先验概率最近邻”算法与指纹库里每个参考点的RSS值做匹配运算，取出差别最小的前K个参考点，利用选出的参考点的坐标取平均值，得到最终定位结果。 KNN算法：根据移动终端在测试点处RSS值、参考点RSS值和先验概率，计算测试点与参考点的欧氏距离（公式(1)），提取欧氏距离最短的前K个参考点，求其坐标的平均值作为测试点的定位坐标 1() 其中，表示移动终端在测试点处第j个AP接收的信号强度，共m个AP；表示第j个AP的RSS平均值。 四、 定位算法 之前简单起见，以KNN算法为例，介绍了整个定位流程，此处重点介绍P-KNN算法。 RSS统计分布并不是服从高斯分布，大部分是偏左，这是因为室内条件下移动终端与AP间的视距条件，在恶劣情况下，甚至产生严重的2峰值。 P-KNN：将离线阶段每个RSS值得先验概率运用到计算欧氏距离中（如公式(2)） 2() 提取欧氏距离最短的前K个参考点，作为地理指纹数据库中的参考点与测试点差别最小的K个参考点。 五、 被动定位系统建设 6.1 手机与AP建立连接的过程： 移动终端与AP建立连接的过程包括以下几个步骤： 1) 终端在全部13个信道发送探测请求Probe request。 2) AP在收到请求之后做响应应答Probe