论文推荐|吴东金：面向室内WLAN定位的动态自适应模型

     提出了一种面向无线局域网(wireless local area network，WLAN)位置指纹匹配定位的动态自适应模型，借助多个基站的实时数据为稳健室内定位提供更新的匹配数据库——radio map。基于基站与radio map采样点之间的空间关联性，将基站数据和radio map分别作为多层神经网络的输入和输出，动态更新radio map;利用多元数据异常探测技术检验基站数据捕获环境的时空变化;根据探测结果采用顾及室内布局的数值内插和再训练的方式更新模型，从而使其适应环境的时空变化。在室内动态环境中进行了多次验证试验。试验结果显示，在时变因素作用下，相比较传统方法，采用所提模型的定位方法的平均误差至少下降10%;在空间变化因素(以信标移动为例)作用下，其他方法平均定位误差大幅增加了至少165%，而采用所提模型方法的平均定位误差只增加了10%~20%，定位精度维持在3 m左右(即原始精度)。结果证明采用了所提模型的定位系统能够自适应环境的时空变化而保持原有定位表现。不过，与传统位置指纹匹配定位方法相比，该模型带来了更多的计算负荷。

卫星导航定位系统，诸如GPS和北斗系统受制于微弱的地面到达信号，在城市峡谷和室内区域定位表现不佳。红外^[]、超声波^[]、压力传感器^[]、数字电视信号^[]、蜂窝通信网络^[]、无线传感网(wireless sensor network,WSN)^[]、无线局域网(wireless local area networks，WLAN)^{[, , , , , ]}、射频标识(radio frequency identification，RFID)^[]等定位技术被看作是卫星导航定位系统的补充，辅助其提供无缝定位服务^[]。其中WLAN是最具潜力的技术之一。但是作为WLAN定位的常用算法，传统位置指纹匹配(location fingerprinting)^[]在室内外动态环境中难以保持定位精度。原因在于，参与计算的必要数据除了实时观测量还有当前区域的先验数据(即radio map)。如果两者之间欠缺关联性，定位精度便得不到保证。而先验radio map不能够适应人员活动、环境温湿度等时变因素以及无线接入点(access point，AP)移动、环境结构改变等空间变化因素。因此，传统位置指纹匹配在动态环境下的定位表现通常不理想。

针对动态环境下位置指纹匹配定位面临的问题，近些年国内外学者提出了多种自适应方法^{[, , , , , ]}。其中文献^[,]提出利用足够多的参考设备(基站)实时输出的接收信号强度(received signal strength,RSS)样本内插或直接组成radio map。这类方法可以适应动态环境变化，但是radio map的实时生成给定位系统带来了较重的运行负荷，且传统内插方法不适用于复杂的室内环境。而文献[11—14]借助radio map采样点及参考设备(基站)之间的静态映射关系，然后根据参考设备实时采集的RSS样本更新radio map。这类方法实现了radio map自适应时变动态环境的目的。但是，其中的静态映射关系并不适用于环境空间变化的情形。因为环境空间变化改变了RSS的空间分布，也改变了参考设备与采样点之间的映射关系。

本文针对当前已有方法的不足提出了兼顾环境时空变化因素的动态自适应模型(dynamic adaptive model，DAM)，实时生成radio map支持稳健室内定位。该模型以多个基站数据为输入，radio map为输出，基于基站与静态radio map(static radio map,SRM)采样点之间的空间关联性，利用具有较强映射能力的反向传播(back propagation,BP)神经网络^{[, , , , ]}建立对应每个AP的基站和采样点RSS之间的静态映射模型(static functional model,SFM)；借助多元异常数据探测技术检验基站数据，捕捉时空环境变化；根据探测结果以顾及室内布局的数值内插和再训练的方式自动更新映射模型，使其适应时空环境变化并能输出更新的radio map进行定位。

在WLAN位置指纹匹配定位中，先验radio map表示接收自所有可扫描到的接入点{AP_k:k∈Γ_AP}(Γ_AP为全部AP集合)的RSS在指定区域的先验空间分布及特性。图 1中AP₁、AP₂、AP₃、AP₄共4个AP在指定区域的瞬时值的叠加便形成了radio map。其通常由终端设备在有限采样点{l_j:j∈Γ_r}(Γ_r为全部采样点集合)采集的离散数据表达。其中的数据点，如图 1中向下投射的网格，称为位置指纹(location fingerprint)，即关于此位置能够接收到的所有AP的RSS样本模式{s_j:j∈Γ_AP}。理论上位置越相近，模式越相似；反之，模式越相似，位置越接近。微软最早提出了基于WLAN位置指纹的模式匹配方法进行室内定位——位置指纹匹配。

 radio map示意图

动态自适应模型

    为了辅助卫星导航定位系统提供无缝定位服务，WLAN等技术被应用到室内和城市峡谷等遮蔽区域的定位之中。但是，在WLAN位置指纹匹配室内定位系统中，匹配数据库——radio map需要更新甚至重建以适应环境的时空变化。利用多个基站的实时数据获取更新的radio map是可行的措施之一。神经网络建模的基站与radio map采样点RSS之间的映射关系有效利用了基站与采样点之间的空间关联性而使得模型自适应环境的时变因素；多维异常数据探测对基站实时采集的RSS样本的检验能够捕获环境空间变化；顾及室内布局数值内插和再训练的方式可以自动更新模型而使得模型适应环境的空间变化因素。利用动态自适应模型获取的radio map使得定位系统能够自适应环境的时空变化而保持原有的定位表现。考虑到模型的实际应用，笔者将在后续研究中开展以下工作：①精化模型，提升系统的定位速度；②讨论基站的分布和数目对于数据内插和系统复杂度的影响。

作者：吴东金^1,2, 夏林元^1,2   

1. 中山大学地理科学与规划学院, 广东 广州 510275;
2. 中山大学广东省城市化与地理环境空间模拟重点实验室, 广东 广州 510275

收稿日期：2013-12-18；修回日期：2015-06-30

基金项目：国家自然科学基金(41071284);广东省重大科技专项(2015B010104003).

第一作者简介：吴东金(1985-),男,博士生,研究方向为无缝定位、室内定位与LBS。

E-mail:[e-mail]

通信作者：夏林元

E-mail:[e-mail]

全文内容请点击下方“阅读原文”

更多精彩内容：

全文内容请点击下方“阅读原文”