2.3 基于指紋的定位技術(shù)

在室內(nèi)環(huán)境中，路徑損耗模型固有的不準(zhǔn)確性，以及因障礙物造成信號(hào)的反射和衍射而導(dǎo)致的非視距傳輸與多徑傳輸?shù)纫蛩兀紩?huì)在測(cè)量距離時(shí)產(chǎn)生較大的誤差，從而影響定位精度。指紋匹配，也稱為場(chǎng)景分析，是一種日益流行的定位技術(shù)。通過(guò)在已知位置標(biāo)記信號(hào)簽名（指紋），并將這些信號(hào)簽名與相關(guān)的位置信息一起存儲(chǔ)在數(shù)據(jù)庫(kù)中（數(shù)據(jù)庫(kù)中的存儲(chǔ)的數(shù)據(jù)也稱為射頻圖），基于指紋的定位技術(shù)首先通過(guò)模式識(shí)別的方法來(lái)獲取移動(dòng)設(shè)備的指紋，然后通過(guò)指紋與射頻圖之間的最佳匹配來(lái)確定移動(dòng)設(shè)備的位置^[14,16]。

2.3.1 基于指紋的定位技術(shù)概述

在移動(dòng)設(shè)備中，既可以使用不同的內(nèi)置傳感器來(lái)標(biāo)記指紋，也可以使用內(nèi)置傳感器來(lái)檢測(cè)用戶的活動(dòng)模式。例如，用戶可以使用相機(jī)進(jìn)行拍照，并將圖像與帶有地理標(biāo)記的圖像進(jìn)行匹配以識(shí)別位置；也可以通過(guò)麥克風(fēng)檢測(cè)不同地方的聲信號(hào)；甚至還可以通過(guò)檢測(cè)特定射頻信號(hào)的接入點(diǎn)來(lái)判斷用戶是在辦公室中還是在家中。環(huán)境中隱藏了復(fù)雜的線索，基于指紋的定位技術(shù)的目標(biāo)是發(fā)現(xiàn)這些隱藏的線索，并有效地利用這些線索來(lái)估計(jì)移動(dòng)設(shè)備的位置。

由于移動(dòng)設(shè)備上的傳感器越來(lái)越多，可以感知到越來(lái)越多的環(huán)境數(shù)據(jù)，這些環(huán)境數(shù)據(jù)為移動(dòng)設(shè)備的定位提供給了新的機(jī)會(huì)。近年來(lái)，基于指紋的定位技術(shù)使用的指紋類型主要有三種，分別是視覺(jué)指紋、運(yùn)動(dòng)指紋和信號(hào)指紋。另外，通過(guò)融合不同的環(huán)境數(shù)據(jù)，還可以生產(chǎn)混合指紋。

1.視覺(jué)指紋

目前，大部分的移動(dòng)設(shè)備（如智能手機(jī)或平板電腦）都配備了用于處理圖像和視頻部件，這使得視覺(jué)檢索技術(shù)有了更大的用武之地，產(chǎn)生了許多基于內(nèi)容的視覺(jué)檢索技術(shù)，利用顏色、紋理、形狀等視覺(jué)特征可以在圖像數(shù)據(jù)庫(kù)中檢索相關(guān)圖像和視頻。隨著視覺(jué)檢索技術(shù)的發(fā)展，許多基于移動(dòng)圖像的檢索應(yīng)用得到了廣泛應(yīng)用，如Google公司的Goggles和PTC公司的Vuforia Object Scanner。Goggles是一款圖像檢索應(yīng)用，可以識(shí)別移動(dòng)圖像中出現(xiàn)的產(chǎn)品、繪畫(huà)、地標(biāo)等，為用戶提供有用的信息；Vuforia Object Scanner是一個(gè)Android應(yīng)用程序，可利用計(jì)算機(jī)視覺(jué)技術(shù)實(shí)時(shí)識(shí)別和捕捉平面圖像或簡(jiǎn)單的三維物體。

基于視覺(jué)指紋的定位技術(shù)示意圖如圖2-8所示，將捕獲的圖像作為查詢輸入，從帶有地理標(biāo)記的圖像數(shù)據(jù)庫(kù)中查詢相關(guān)的圖像，返回的是最佳匹配的圖像，該圖像可以用來(lái)確定移動(dòng)設(shè)備的位置。

2.運(yùn)動(dòng)指紋

移動(dòng)設(shè)備中的加速度計(jì)、陀螺儀等傳感器，可以實(shí)時(shí)感知用戶的運(yùn)動(dòng)數(shù)據(jù)。相關(guān)研究表明，運(yùn)動(dòng)數(shù)據(jù)不僅可以作為用戶位置的簽名，還可以提高定位的精度。

基于運(yùn)動(dòng)指紋的定位技術(shù)的思路是將加速度計(jì)和陀螺儀感知的運(yùn)動(dòng)數(shù)據(jù)結(jié)合起來(lái)，并將結(jié)合起來(lái)的運(yùn)動(dòng)數(shù)據(jù)與地圖進(jìn)行匹配，從而估計(jì)移動(dòng)設(shè)備的位置。加速度計(jì)感知的運(yùn)動(dòng)數(shù)據(jù)可用于估計(jì)移動(dòng)設(shè)備的移動(dòng)距離，陀螺儀感知的運(yùn)動(dòng)數(shù)據(jù)可用于估計(jì)移動(dòng)設(shè)備的移動(dòng)方向。

3.信號(hào)指紋

移動(dòng)設(shè)備和WSN的普及應(yīng)用使人們對(duì)位置感知系統(tǒng)，以及基于位置的服務(wù)越來(lái)越感興趣。在存在復(fù)雜無(wú)線電信號(hào)的環(huán)境中，與其他室內(nèi)定位技術(shù)相比，基于信號(hào)指紋的定位技術(shù)受多徑傳輸?shù)挠绊戄^小，具有更高的定位精度。基于信號(hào)指紋的定位技術(shù)的思路是通過(guò)比較從多個(gè)錨節(jié)點(diǎn)（如WiFi的AP）接收到的信號(hào)模式和預(yù)先定義的信號(hào)模式數(shù)據(jù)庫(kù)，從而估計(jì)移動(dòng)設(shè)備的位置。

4.混合指紋

在大多數(shù)定位技術(shù)中，都存在定位精度和功耗之間的權(quán)衡。基于混合指紋的定位技術(shù)通過(guò)融合不同的環(huán)境數(shù)據(jù)（混合指紋），可以得到更高的定位精度，其魯棒性更強(qiáng)。例如，將運(yùn)動(dòng)指紋與GPS模塊結(jié)合起來(lái)，通過(guò)對(duì)運(yùn)動(dòng)數(shù)據(jù)進(jìn)行分析，可識(shí)別用戶當(dāng)前的運(yùn)動(dòng)狀態(tài)，如靜止或運(yùn)動(dòng)。通過(guò)運(yùn)動(dòng)狀態(tài)可以給出打開(kāi)或關(guān)閉相關(guān)傳感器或GPS模塊的建議，從而可降低功耗。例如，當(dāng)用戶處于靜止?fàn)顟B(tài)時(shí)，可關(guān)閉GPS模塊，從而降低功耗、節(jié)省能量。

基于指紋的定位系統(tǒng)通常包括兩個(gè)關(guān)鍵模塊：指紋檢測(cè)模塊和指紋匹配模塊。基于指紋的定位系統(tǒng)工作流程如圖2-9所示。

2.3.2 常用基于指紋的定位技術(shù)

雖然基于指紋的定位系統(tǒng)都遵循如圖2-9所示的工作流程，但根據(jù)指紋類型的不同，每種定位技術(shù)在實(shí)現(xiàn)細(xì)節(jié)、定位精度、能效和延時(shí)方面都有所不同。基于指紋的定位技術(shù)分類如圖2-10所示。

1.基于視覺(jué)指紋的定位技術(shù)

基于視覺(jué)指紋的定位技術(shù)的關(guān)鍵是通過(guò)分析圖像的內(nèi)容，提取出圖像的視覺(jué)特征，從而在地理標(biāo)記圖像數(shù)據(jù)庫(kù)中檢索相似圖像的指紋。這種圖像檢索技術(shù)被稱為基于內(nèi)容的圖像檢索（Content-Based Image Retrieval, CBIR）技術(shù)，該技術(shù)是計(jì)算機(jī)視覺(jué)的一個(gè)研究重點(diǎn)。

CBIR技術(shù)的主要挑戰(zhàn)是在大型數(shù)據(jù)庫(kù)中檢索數(shù)字圖像的準(zhǔn)確率和速度。采用k-Means算法后，可以使用詞袋（Bag-of-Words, BoW）模型表示圖像，將每個(gè)圖像看成一個(gè)文檔，將視覺(jué)特征（用于訓(xùn)練圖像）聚類成不同的視覺(jué)詞，用視覺(jué)詞出現(xiàn)頻率的直方圖來(lái)表示圖像。

基于視覺(jué)指紋的定位技術(shù)示意圖如圖2-11所示。

1）視覺(jué)指紋的生成

通過(guò)提取圖形的視覺(jué)特征，可生成視覺(jué)指紋。視覺(jué)特征一般可分為全局特征和局部特征。全局特征是指圖像的整體屬性，如顏色、邊緣和紋理；局部特征是指圖像的內(nèi)容，用于從圖像的顯著區(qū)域或斑塊中提取的興趣點(diǎn)。將全局特征與局部特征結(jié)合起來(lái)可以提高圖形的識(shí)別性能。

興趣點(diǎn)（Points of Interest, PoI）是使用特征描述符來(lái)捕獲的，是圖像的重要特征，對(duì)圖像的理解和分析有著重要的作用。特征描述符是圖像中每個(gè)區(qū)域的高維特征向量，具有唯一的興趣點(diǎn)特征。在光照條件、尺度變化、仿射變換下，可通過(guò)尺度不變特征變換（Scale-Invariant Feature Transform, SIFT）算法來(lái)檢測(cè)興趣點(diǎn)。

通過(guò)k-Means算法可以將特征描述符轉(zhuǎn)換成視覺(jué)詞，用視覺(jué)詞出現(xiàn)頻率的直方圖來(lái)表示圖像，視覺(jué)詞可作為大規(guī)模圖像檢索的指紋。圖像被轉(zhuǎn)換成文本文檔（也稱為反向文件）后，可采用文本檢索方式來(lái)對(duì)圖像進(jìn)行檢索。

2）視覺(jué)指紋的匹配

通過(guò)k-Means算法可以將圖像檢索問(wèn)題轉(zhuǎn)化為文本檢索問(wèn)題，使用反向文件可以有效地查詢圖像與數(shù)據(jù)庫(kù)中的參考圖像之間的相似性。反向文件的大小與參考圖像的數(shù)量成線性關(guān)系，隨著反向文件的增大，視覺(jué)指紋的匹配存在功耗高、延時(shí)長(zhǎng)等問(wèn)題，這是因?yàn)镃BIR技術(shù)必須將待查詢的圖像與整個(gè)地理標(biāo)記圖像數(shù)據(jù)庫(kù)進(jìn)行匹配。

在基于視覺(jué)指紋的定位技術(shù)中，需要將檢索區(qū)域限制在錨節(jié)點(diǎn)鄰近區(qū)域中具有地理標(biāo)記的圖像。錨節(jié)點(diǎn)可以通過(guò)移動(dòng)設(shè)備來(lái)粗略定位，確定錨節(jié)點(diǎn)后可以采用多種方法來(lái)檢索錨節(jié)點(diǎn)的鄰近區(qū)域。

在縮小檢索區(qū)域后，可利用視覺(jué)指紋的匹配技術(shù)從地理標(biāo)記圖像數(shù)據(jù)庫(kù)中找到最匹配的圖像。大多數(shù)采用CBIR技術(shù)的匹配技術(shù)都使用最近鄰檢索（Nearest Neighbor Search, NNS）算法來(lái)計(jì)算兩幅圖像之間的距離，即兩幅圖像的相似度。首先獲取圖像興趣點(diǎn)和特征描述符，然后通過(guò)NNS算法在檢索區(qū)域中選擇候選圖像并將它們分組到不同的特征集合中（一個(gè)候選圖像可以出現(xiàn)在多個(gè)特征集合中），最后將候選圖像合并在一起，并根據(jù)每個(gè)候選圖像在特征集合中出現(xiàn)的次數(shù)進(jìn)行排序。例如，如果某個(gè)候選圖像具有與特征描述符非常相似的顏色和邊緣特征，則該候選圖像可能會(huì)被分組到兩個(gè)特征集合（顏色集合和邊緣集合）中，在最后的合并過(guò)程中，該候選圖像是根據(jù)它在兩個(gè)特征集合中出現(xiàn)的次數(shù)來(lái)排序的。

3）視覺(jué)指紋的填充

地理標(biāo)記技術(shù)是近年來(lái)數(shù)碼相機(jī)中的一種流行功能。通過(guò)地理標(biāo)記技術(shù)和GPS模塊，可以為拍攝的圖像添加地理坐標(biāo)數(shù)據(jù)。目前，在互聯(lián)網(wǎng)中，可以搜索到很多帶有地理標(biāo)記的地標(biāo)性建筑圖像。使用移動(dòng)設(shè)備拍攝周圍環(huán)境后，通過(guò)對(duì)比拍攝的圖像和帶有地理標(biāo)記的圖像，可確定移動(dòng)設(shè)備的位置。

通過(guò)移動(dòng)設(shè)備中的應(yīng)用程序，如Flickr、Pinterest、Instagram、Photobucket和Picasa等，可以從互聯(lián)網(wǎng)搜索帶有地理標(biāo)記的圖像，通過(guò)這些圖像可構(gòu)建視覺(jué)指紋數(shù)據(jù)庫(kù)。

2.基于運(yùn)動(dòng)指紋的定位技術(shù)

基于運(yùn)動(dòng)指紋的定位技術(shù)是通過(guò)用戶的運(yùn)動(dòng)數(shù)據(jù)來(lái)確定其位置的，可通過(guò)加速度計(jì)和陀螺儀等傳感器來(lái)感知運(yùn)動(dòng)數(shù)據(jù)。基于運(yùn)動(dòng)指紋的定位技術(shù)的關(guān)鍵部分是運(yùn)動(dòng)跟蹤和地圖匹配。運(yùn)動(dòng)跟蹤主要采用航跡推算（Dead Reckoning, DR）算法來(lái)跟蹤用戶的運(yùn)動(dòng)速度和運(yùn)動(dòng)方向，該算法可利用移動(dòng)設(shè)備中加速度計(jì)和陀螺儀等傳感器來(lái)周期性地生成運(yùn)動(dòng)指紋。地圖匹配是指通過(guò)對(duì)比地圖和最新的運(yùn)動(dòng)指紋來(lái)估計(jì)用戶當(dāng)前的位置。

基于運(yùn)動(dòng)指紋的定位技術(shù)示意圖如圖2-12所示。

由于加速度計(jì)和陀螺儀等傳感器可能存在噪聲，因此基于運(yùn)動(dòng)指紋的定位技術(shù)的定位精度往往比較低。在地圖匹配過(guò)程中，可以通過(guò)在數(shù)字地圖中調(diào)整估計(jì)位置來(lái)細(xì)化用戶的位置。另外，和其他定位技術(shù)結(jié)合起來(lái)使用，基于運(yùn)動(dòng)指紋的定位技術(shù)可進(jìn)一步提高定位精度。例如，圖2-12中的同步信號(hào)被經(jīng)常當(dāng)成錨節(jié)點(diǎn)，當(dāng)?shù)貓D匹配過(guò)程出現(xiàn)偏差時(shí)，允許移動(dòng)設(shè)備（如智能手機(jī)）重新校準(zhǔn)其位置。同步信號(hào)通常是通過(guò)其他定位技術(shù)生產(chǎn)的，如GPS定位技術(shù)和基于蜂窩網(wǎng)絡(luò)的定位技術(shù)。

1）運(yùn)動(dòng)指紋的生成

DR算法通過(guò)定期記錄來(lái)自加速度計(jì)和陀螺儀感知的運(yùn)動(dòng)數(shù)據(jù)，來(lái)估計(jì)用戶的運(yùn)動(dòng)距離和運(yùn)動(dòng)方向，從而可生成運(yùn)動(dòng)指紋。DR算法需要進(jìn)行兩個(gè)估計(jì)距離估計(jì)和方向估計(jì)。

（1）距離估計(jì)。通過(guò)對(duì)加速度進(jìn)行二重積分可得到距離，但移動(dòng)設(shè)備中的加速度計(jì)的噪聲較大，因此在通過(guò)加速度計(jì)的加速度來(lái)估計(jì)距離時(shí)，需要進(jìn)行修正，特別是在進(jìn)行行人跟蹤時(shí)。利用行人的步長(zhǎng)和步行模式來(lái)進(jìn)行距離估計(jì)是可行的，常用的方法有基于步長(zhǎng)的距離估計(jì)和基于步行模式的距離估計(jì)。

① 基于步長(zhǎng)的距離估計(jì)。通過(guò)計(jì)算步行步數(shù)，然后乘以步長(zhǎng)即可得到距離。

d=n_s×l_s

式中，d為距離；n_s為步行步數(shù)；l_s為步長(zhǎng)。采用基于步長(zhǎng)的距離估計(jì)方法時(shí)，關(guān)鍵在于如何根據(jù)加速度計(jì)的讀數(shù)來(lái)檢測(cè)步長(zhǎng)。通過(guò)步長(zhǎng)檢測(cè)技術(shù)可解決該問(wèn)題，步長(zhǎng)檢測(cè)技術(shù)是使用運(yùn)動(dòng)數(shù)據(jù)來(lái)檢測(cè)步長(zhǎng)的。

當(dāng)用戶在行走時(shí)，步長(zhǎng)檢測(cè)技術(shù)持續(xù)檢測(cè)并分析從加速度計(jì)感知到的運(yùn)動(dòng)數(shù)據(jù)。假設(shè)感知到的加速度為a₁，a₂，…，a_n，可通過(guò)式（2-19）將加速度映射到位置，即：

式中，μ_n是加速度的平均值；σ_n是相應(yīng)的標(biāo)準(zhǔn)差；∧是一個(gè)未定義的狀態(tài)；閾值μ_n+σ_n和μ_n-σ_n分別表示水平向上和水平向下。通過(guò)式（2-19）可以產(chǎn)生一個(gè)包含“1”“0”“∧”的位置序列，將連續(xù)的“1”合并成1個(gè)“1”，將連續(xù)的“0”合并成1個(gè)“0”，將連續(xù)的“∧”合并成1個(gè)“∧”，從而形成一個(gè)包含“10”或“1∧0”的步長(zhǎng)。當(dāng)檢測(cè)到一個(gè)步長(zhǎng)時(shí)，將該步長(zhǎng)報(bào)告給地圖匹配過(guò)程，可提高定位精度。

② 基于步行模式的距離估計(jì)。移動(dòng)設(shè)備（如智能手機(jī)）的不同位置會(huì)影響計(jì)步的準(zhǔn)確性，但無(wú)論如何放置移動(dòng)設(shè)備，加速度數(shù)據(jù)總是存在一些重復(fù)模式。為了方便起見(jiàn)，這里將模式稱為周期。使用下面的公式可估計(jì)距離，即：

d=n_p×l_p

式中，d為距離；n_p為周期數(shù)；l_p為一個(gè)周期內(nèi)的行進(jìn)距離。在步長(zhǎng)檢測(cè)技術(shù)中，一個(gè)周期內(nèi)的行進(jìn)距離稱為一個(gè)步長(zhǎng)。

（2）方向估計(jì)。通過(guò)移動(dòng)設(shè)備中集成的陀螺儀可以進(jìn)行方向估計(jì)。陀螺儀產(chǎn)生的數(shù)據(jù)是相對(duì)于移動(dòng)設(shè)備本身的笛卡兒坐標(biāo)系而言的。笛卡兒坐標(biāo)系是由正交的x、y、z軸表示的，x軸指向移動(dòng)設(shè)備的右側(cè)，y軸指向移動(dòng)設(shè)備的頂部，z軸指向離開(kāi)移動(dòng)設(shè)備屏幕方向。雖然角速度在隨時(shí)間變化，但每個(gè)軸上的角速度都遵循一個(gè)周期，因此對(duì)這三個(gè)軸上的角速度進(jìn)行時(shí)間積分可以減小波動(dòng)。此外，當(dāng)用戶按照直線勻速行走時(shí)，任何軸的平均加速度數(shù)據(jù)均波動(dòng)不大。

陀螺儀通過(guò)檢測(cè)三個(gè)軸上的角位移，可以估計(jì)運(yùn)動(dòng)的方向。在一個(gè)時(shí)間窗口內(nèi)，如果三個(gè)角位移都未超過(guò)預(yù)先設(shè)定的閾值，則認(rèn)為用戶是在沿直線行走的。在用戶沿直線行走的過(guò)程中，計(jì)算每個(gè)方向上的加速度平均值即可。行人在拐彎時(shí)的角位移調(diào)整量為：

式中，α、β、γ分別為第一步時(shí)的角位移；μ_x、μ_y、μ_z分別在每個(gè)方向加速度的平均讀數(shù)。

2）地圖匹配

當(dāng)采用DR算法檢測(cè)到一個(gè)新的步長(zhǎng)或一個(gè)新的轉(zhuǎn)彎時(shí)，可進(jìn)行地圖匹配，并通過(guò)檢測(cè)到的新的信息來(lái)細(xì)化用戶的位置。地圖匹配有助于糾正由DR算法引起的誤差，例如，如果將某輛正在行駛的汽車的位置估計(jì)到了某個(gè)建筑物內(nèi)，則可通過(guò)地圖匹配將這個(gè)估計(jì)的位置調(diào)整到最近的道路上。地圖匹配的工作過(guò)程如圖2-13所示。精確定位通常需要定位數(shù)據(jù)和數(shù)字地圖，由于定位系統(tǒng)的誤差，定位數(shù)據(jù)往往不在數(shù)字地圖上，因此需要進(jìn)行地圖匹配，將定位數(shù)據(jù)放到數(shù)字地圖上。

3）數(shù)字地圖的構(gòu)建

為了提高定位精度，在定位系統(tǒng)中經(jīng)常使用數(shù)字地圖作為用戶位置的約束，可將DR算法返回的定位數(shù)據(jù)和數(shù)字地圖關(guān)聯(lián)在一起來(lái)估計(jì)用戶的位置。數(shù)字地圖是通過(guò)二維平面中的一個(gè)點(diǎn)子集，或者使用一組標(biāo)記了緯度和經(jīng)度的段標(biāo)記來(lái)構(gòu)建的，段標(biāo)記或點(diǎn)子集表示實(shí)際地圖中的道路。

3.基于信號(hào)指紋的定位技術(shù)

1）基于信號(hào)指紋的定位技術(shù)簡(jiǎn)介

基于信號(hào)指紋的定位技術(shù)通常使用接收信號(hào)強(qiáng)度（RSS）來(lái)構(gòu)建信號(hào)指紋，即接收到的無(wú)線局域網(wǎng)（WLAN）接入點(diǎn)（AP）信號(hào)的功率。WLAN廣泛部署在辦公室、商業(yè)大廈、商場(chǎng)、機(jī)場(chǎng)、家庭等環(huán)境中，提供無(wú)所不在的區(qū)域覆蓋，移動(dòng)設(shè)備和無(wú)線接收器均包含了測(cè)量RSS的網(wǎng)卡，網(wǎng)卡通常每秒能夠檢測(cè)0.5個(gè)或1個(gè)信號(hào)的RSS，因此，基于信號(hào)指紋的定位技術(shù)得到了廣泛的應(yīng)用。

在WLAN覆蓋的室內(nèi)環(huán)境中，通常部署了大量的AP，每個(gè)AP發(fā)射的信號(hào)都會(huì)在特定位置留下了一個(gè)唯一的信號(hào)指紋，該信號(hào)指紋可用于定位。將RSS作為信號(hào)指紋的特征值，并與特定的空間位置關(guān)聯(lián)起來(lái)，當(dāng)獲取某一特征值時(shí)，即可得到與該特征值相關(guān)聯(lián)的位置信息，從而可實(shí)現(xiàn)定位。基于信號(hào)指紋的定位技術(shù)通常包括訓(xùn)練階段和匹配階段。訓(xùn)練階段是指在特定位置測(cè)量特征值（如接收到AP信號(hào)的強(qiáng)度，即RSS），以建立射頻圖（RSS地圖）的過(guò)程。匹配階段是指通過(guò)對(duì)比實(shí)時(shí)測(cè)量到的RSS和RSS地圖來(lái)進(jìn)行定位的過(guò)程。

在基于信號(hào)指紋的定位技術(shù)中，訓(xùn)練階段采集特定錨節(jié)點(diǎn)（如AP）的RSS，通常會(huì)在每個(gè)錨節(jié)點(diǎn)進(jìn)行多次測(cè)量，取所有測(cè)量值的平均值作為最終的RSS，利用最終的RSS和錨節(jié)點(diǎn)的名字構(gòu)建一個(gè)向量。這些與每個(gè)位置相關(guān)聯(lián)的向量集合稱為射頻圖。

在匹配階段中，移動(dòng)終端實(shí)時(shí)測(cè)量RSS，將實(shí)時(shí)測(cè)量的RSS與射頻圖進(jìn)行比較，通過(guò)定位算法可得到位置信息。對(duì)定位算法的要求是盡可能簡(jiǎn)單，并具有足夠的準(zhǔn)確性。

由于WiFi網(wǎng)絡(luò)在全球范圍內(nèi)得到了廣泛的應(yīng)用，因此大多數(shù)室內(nèi)定位系統(tǒng)都采用基于WiFi信號(hào)指紋的定位技術(shù)，該技術(shù)具有成本低、定位精度高等優(yōu)點(diǎn)，可用于任何已經(jīng)覆蓋WiFi網(wǎng)絡(luò)的室內(nèi)環(huán)境，無(wú)須安裝額外的硬件設(shè)備。另外，在復(fù)雜的室內(nèi)環(huán)境中，可能會(huì)出現(xiàn)到達(dá)時(shí)間、到達(dá)角度方面的誤差，但WiFi信號(hào)強(qiáng)度相對(duì)比較穩(wěn)定，使得基于WiFi信號(hào)指紋的定位技術(shù)比其他定位技術(shù)的定位精度高。

2）基于信號(hào)指紋的定位技術(shù)的工作流程

基于信號(hào)指紋的定位技術(shù)的工作流程可分為訓(xùn)練階段和匹配階段，如圖2-14所示。

（1）訓(xùn)練階段。當(dāng)移動(dòng)設(shè)備進(jìn)入感興趣的區(qū)域時(shí)，觀測(cè)到的信號(hào)是無(wú)序的，必須將這些信號(hào)組織成信號(hào)指紋的形式。常用的信號(hào)指紋形式為：

式中，F_i（x，y）為移動(dòng)設(shè)備在坐標(biāo)為（x，y）處第i個(gè)位置生成的信號(hào)指紋；RSS_n為移動(dòng)設(shè)備在第i個(gè)位置接收到的第n個(gè)錨節(jié)點(diǎn)（如AP）的信號(hào)強(qiáng)度；N為錨節(jié)點(diǎn)的數(shù)量。在信號(hào)指紋中，除了使用RSS，還可以使用錨節(jié)點(diǎn)（如AP）的MAC地址，形式如下：

式中，F_i（x，y）為移動(dòng)設(shè)備在坐標(biāo)為（x，y）處第i個(gè)位置生成的信號(hào)指紋；RSS_n為移動(dòng)設(shè)備在第i個(gè)位置接收到的第n個(gè)錨節(jié)點(diǎn)（如AP）的信號(hào)強(qiáng)度；N為錨節(jié)點(diǎn)的數(shù)量；MAC_i為第i個(gè)錨節(jié)點(diǎn)（如AP）的MAC地址。

傳統(tǒng)的定位技術(shù)使用移動(dòng)設(shè)備接收到的信號(hào)來(lái)構(gòu)建信號(hào)指紋，在基于信號(hào)子空間的定位技術(shù)中則使用陣列天線接收到的信號(hào)來(lái)生成信號(hào)指紋。陣列天線不僅會(huì)受到障礙物的干擾，還會(huì)接收來(lái)自直接路徑和多條反射路徑的信號(hào)。接收到的信號(hào)x（t）可表示為：

式中，M為直接路徑和反射路徑的總數(shù)；a（θ_i）為一個(gè)導(dǎo)向向量，表示在每個(gè)天線接收到的信號(hào)的相移；A為L×M的導(dǎo)向矩陣。可利用接收到的信號(hào)構(gòu)造的信號(hào)子空間作為信號(hào)指紋來(lái)估計(jì)移動(dòng)設(shè)備的位置。

（2）匹配階段。在匹配階段中，通常采用基于歐氏距離的匹配算法，先比較測(cè)量的信號(hào)指紋與信號(hào)指紋數(shù)據(jù)庫(kù)中每個(gè)錨節(jié)點(diǎn)信號(hào)指紋的歐氏距離，然后通過(guò)最近鄰（NN）算法來(lái)選擇歐氏距離最小的信號(hào)指紋。兩個(gè)信號(hào)指紋之間的歐氏距離定義為：

式中，N為錨節(jié)點(diǎn)（如AP）的數(shù)量；RSS_RL和RSS_ML分別為錨節(jié)點(diǎn)的RSS向量和測(cè)量位置RSS的向量。

隨著訓(xùn)練階段被測(cè)區(qū)域的增多，信號(hào)指紋數(shù)據(jù)庫(kù)會(huì)迅速增大，使得匹配效率急劇下降。為了提高匹配效率，需要對(duì)信號(hào)指紋進(jìn)行濾波，只保留可能影響定位結(jié)果的信號(hào)指紋。在進(jìn)行信號(hào)指紋濾波時(shí)，最簡(jiǎn)單的方法是選擇RSS最大的錨節(jié)點(diǎn)，并找到所有包含該錨節(jié)點(diǎn)的信號(hào)指紋。另外一種方法是，選擇幾個(gè)錨節(jié)點(diǎn)進(jìn)行查詢，找到包含這幾個(gè)錨節(jié)點(diǎn)的所有信號(hào)指紋。

3）基于信號(hào)指紋的定位技術(shù)中的常用定位算法

在基于信號(hào)指紋的定位技術(shù)中，需要先在離線階段收集RSS，然后在匹配階段比較測(cè)量的RSS和信號(hào)指紋。匹配階段常用的定位算法有以下幾種。

（1）概率性算法。假設(shè)位置候選集L={L₁，L₂，L₃，…，L_m}，在檢測(cè)到信號(hào)的RSS向量O后，如果移動(dòng)設(shè)備在某個(gè)位置的概率高于其他位置的概率，即：

則可將移動(dòng)設(shè)備定位在位置L_j。如果P（L_j）=P（L_k），j，k=1，2，3，…，m，則利用貝葉斯定理在不同位置計(jì)算P（O|L_i），i=1，2，3，…，m，可得到檢測(cè)到的信號(hào)RSS向量O的位置似然概率。如果

則可將移動(dòng)設(shè)備定位在位置L_j。對(duì)于獨(dú)立的錨節(jié)點(diǎn)，可以利用所有錨節(jié)點(diǎn)的概率乘積來(lái)計(jì)算位置似然概率。

如上所述，基于信號(hào)指紋的定位技術(shù)是通過(guò)對(duì)比觀測(cè)到的信號(hào)RSS與信號(hào)指紋來(lái)進(jìn)行定位的，信號(hào)指紋可以看成離散網(wǎng)格上的點(diǎn)，因此使用該技術(shù)進(jìn)行的定位是離散定位，而不是連續(xù)定位。從理論上講，減小離散網(wǎng)格上的點(diǎn)之間的距離，即增加網(wǎng)格的密度，就可以實(shí)現(xiàn)連續(xù)定位。但是，相鄰兩個(gè)點(diǎn)對(duì)應(yīng)的信號(hào)指紋RSS差將比實(shí)際RSS的變化小得多，這使得正確地進(jìn)行點(diǎn)估計(jì)是不可能實(shí)現(xiàn)的。因此，需要在信號(hào)指紋的位置粒度與位置估計(jì)成功率之間進(jìn)行權(quán)衡。

（2）確定性算法。常見(jiàn)的確定性算法有NN算法、kNN算法和WkNN算法。WkNN算法與kNN算法類似，但對(duì)不同的RSS向量賦予了不同的權(quán)值。

（3）支持向量機(jī)（SVM）。支持向量機(jī)是一種很有吸引力的數(shù)據(jù)分類和回歸算法，主要用于機(jī)器學(xué)習(xí)（ML）和統(tǒng)計(jì)分析，也可以在基于信號(hào)指紋的定位技術(shù)的訓(xùn)練階段和匹配階段作為定位算法來(lái)使用。

（4）人工神經(jīng)網(wǎng)絡(luò)（ANN）。使用RSS向量和相應(yīng)的坐標(biāo)對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后，就可以將人工神經(jīng)網(wǎng)絡(luò)用于定位。隱層節(jié)點(diǎn)的多層感知器（Multi-Layer Perceptron, MLP）網(wǎng)絡(luò)可用于定位。在基于MLP的定位中，為不同的RSS向量賦予不同的權(quán)重后，將其添加到輸入層偏差中，將得到的結(jié)果代入隱層的傳遞函數(shù)；將傳遞函數(shù)輸出與經(jīng)過(guò)訓(xùn)練的隱層權(quán)值的乘積添加到隱層偏差，可得到估計(jì)的位置。

（5）質(zhì)心定位算法。如果已知錨節(jié)點(diǎn)的位置，則可以通過(guò)質(zhì)心定位算法得到一個(gè)經(jīng)過(guò)信號(hào)指紋校準(zhǔn)的質(zhì)心輻射圖，并使用一個(gè)加權(quán)質(zhì)心來(lái)計(jì)算錨節(jié)點(diǎn)在該輻射圖中的位置。采用質(zhì)心輻射圖的定位精度不如射頻圖高，但比采用射頻圖的定位簡(jiǎn)單，適合對(duì)定位精度要求不高的場(chǎng)合。

4.基于混合指紋的定位技術(shù)

混合指紋中包含了多種類型的指紋，基于混合指紋的定位技術(shù)可以得到更高的定位精度。采用基于混合指紋的定位技術(shù)的定位系統(tǒng)，可以使用多種類型的指紋或不同的定位技術(shù)。另外，周圍的環(huán)境信息對(duì)這種定位系統(tǒng)的影響也比較大，因此在實(shí)際應(yīng)用中，往往會(huì)將環(huán)境信息和不同類型的指紋結(jié)合起來(lái)，以捕獲更加豐富的環(huán)境特征來(lái)進(jìn)行定位。