英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
Original paper：Miao H, Wang Z, Wang J, et al. A Novel Access Point Selection Strategy for Indoor Location with Wi-Fi[C]. Chinese Control and Decision Conference. 2014:5260-5265.
一种新的Wi-Fi室内接入点选择策略
Haoxuan Miao，Zhanbin Wang，Jingcheng Wang，Langwen Zhang，Zhengfeng Liu
上海交通大学，自动化学院，系统控制和信息处理重点实验室，中国上海教育部 200240
*：通讯作者；E-mail：jcwang@sjtu.edu.cn
摘要：室内定位服务需求的增长引起了对于研究室内定位算法的广泛关注。接入点（Access Point， AP）的选择对于增加室内定位的计算准确度是至关重要的。在这篇论文中，研究了影响室内定位系统的关键因素。基于分析结果，我们展示了一个针对于室内定位的AP选择策略，提出了一个新的对于测试节点AP选择指标。使用实验数据，采用K最邻近室内定位算法（K-Nearest Neighbor, KNN）和加权KNN室内定位算法（Weighted-KNN， WKNN）说明了此AP选择策略的性能。我们通过与详尽AP选择策略、费舍尔AP选择策略和最大RSSI强度AP选择策略作比较，检验此AP选择策略的性能。实验结果显示提出的AP选择策略能够提升依靠Wi-Fi室内定位的准确度。
关键词：室内定位；接入点选择策略；Wi-Fi；定位准确度
1 引言
定位技术的发展对于许多现存的定位服务系统来说已经成为了一个重要的附加产物。GPS技术已经承担了绝大多数室外定位任务。然而，在室内环境它没能在复制在室外定位中的成功[1]。当下，移动设备与无线网络技术相连，而且无线网络技术拥有提供用户位置信息和环境线索给使用它们的服务器的潜力。无线传感器网络（Wireless Sensor Network， WSN）如同ZigBee，射频识别（Radio Frequency Identification， RFID）和Wi-Fi能够用于定位。位置服务能够用于确定物体位置，跟踪物体轨迹，或在一个关注健康应用上描绘人类外出或行走轨迹[2]。近年来，科研人员已经研究了各式各样的室内定位技术。
在文献[3]中，作者研究了一种叫做应用了指纹定位技术的室内定位系统，其使用了无线局域网（Wireless Local Area Network， WLAN）接口的接收信号强度指示（Received Signal Strength Indication, RSSI）。在现存的室内定位技术中，将 Wi-Fi技术用于室内定位的方法作为一个可实现的有用的工具得到了广泛的认同。在文献[4]中，作者展示了一个双曲线形状的指纹定位法，方法将绝对信号强度替换，使用成对的基站中信号强度比作为指纹。在文献[7]中，作者展示了一种运用RFID技术的位置传感系统，定位建筑物内的物体。其主要的优势是运用参考标签的概念，全面提升了定位物体的准确度。在这篇论文中，将位置指纹用于研究接入点的选择策略。
传统AP选择方法是依靠源自作为候选者的AP的接受信号强度（Received Signal Strength， RSS）测量结果。采用联合AP的方法会形成一个更好的信道条件，使得站点更可靠并且可能因为其更高的数据速率支持更多事务[6]。但是，系统的负载通常是不均匀地分配到可使用的无线局域网[8]。AP通常采用分散控制的方式并且被各式各样的居民和商业企业管理[9]。
AP选择是由物理层决定的。目前，选择策略通常如下：扫描AP然后选择一个有最高信号强度的AP。此策略普遍应用于操作系统自动选择AP的过程中[10]。在文献[11]中，一个对于无线局域网而言，分散接入点的选择结构被提出。除此之外，尽管在选择一个AP用来连接的算法中，还有许多针对完成一些任务，可能被视为最佳的策略，但是当下我们仍然使用前文提到的直截了当的选择信号强度最强的AP用来连接。这些算法可能在它们可用选择信息和应用目标选择上不同，以达到最大化或者最小化[11]。论文[12]研究对接受信号强度指示数据进行了分析。
这篇文章试图分析在影响室内定位系统准确度的最重要的因素。首先，我们研究了在AP数量不同的环境下的定位准确度；然后，我们研究了选择不同AP为定位准确度带来的影响。最后，基于实验数据分析结果，通过在线和离线两个阶段，展示了一个利用Wi-Fi技术的新的室内定位AP选择策略。我们将本论文提出的AP选择策略与详尽的AP选择策略，费舍尔的AP选择策略和最大RSSI强度的AP选择策略做了比较，以此来说明我们的AP选择策略的性能。
论文后面的组织结构如下：在第二部分我们将介绍室内定位方法。第三部分我们将介绍本论文的实验环境。对于关键因素的分析和提出新的AP选择策略将在第四部分展示。仿真结果在第五部分给出。第六部分总结论文。
2 室内定位方法
KNN是最基础和最简单的分类方法之一，而且在只有少许或者没有距离的先验信息数据的情况下，对于室内定位来说应该是首要的选择方法。对于KNN方法，测试点的信号强度将被接收采集。然后，找到K个最近的相邻的参考点。取K个参考点的平均值作为测试协作。
假设有n个AP，m个安排在室内环境参考点。m个位置采集指纹并将其收集在指纹数据库中，将其记为R = [ RSS 1，RSS 2，hellip;，RSS n ]。每一个位置指纹都将保存来自所有AP的RSSI，被记为RSS i = [ RSS iAP1，RSS iAP2，hellip;，RSS iAPj，hellip;，RSS iAPm ]，，表示第i个参考点得到的第j个AP的RSSI。这个方法首先计算在线RSSI测量向量距离数据库中的AP的欧氏距离，可以将其描述如下式[14]：
其中，是第i个AP的平均RSSI向量。距离按照升序保存并且通过前K个具有最小距离AP进行位置估计b表达式如下式：
为了增加定位准确度，WKNN在上面的基础上做出了进一步的研究。计算的距离可以被当为权重进行位置估计，此方法被称为WKNN。这一位置估计的方法可以通过下面的公式计算：
在本实验中，采用公式（2）表述的KNN方法与公式（3）表述的WKNN方法，研究在不同AP数量的情况下定位准确度， AP选择的方法与定位准确度之间的关系，AP选择策略的有效性。下面将逐一介绍上述内容。
3 实验环境
图1 室内环境示意图
室内环境示意图如图1所示。我们选取了室内环境进行本次实验。实验环境中安放了9个AP组成无线Wi-Fi网络。实验使用24个参考点，采集RSSI样本值并且构成指纹数据库。实验使用18个测试点，检验定位准确度。为了更好监测实际实验环境，我们使用了TP-Link的路由器，产生AP信号。使用一个连接在无线网络中的ThinkPad笔记本，采集RSSI。
图2 RSS数据检测获取界面
我们使用了C 开发的检测平台，该平台用于检测RSSI。RSSI数据检测获取界面如图2所示，其中不同的SSID代表着不同AP信息；irssi代表相应的AP强度。针对每一个参考点，PC机每秒采集所有AP的RSSI。
4 新的AP选择策略
在这部分，我们首先研究了在不同AP数量情况下的定位准确度。随后，提出了一种新的AP选择策略。
4.1 在不同AP数量情况下的位置准确度
在理想的室内环境，位置准确度会随着用于定位的AP数量的增加而提高。但是，位置准确度可能在实际复杂的环境中下降[9]。同时，用于定位的AP越多，需要运算的负担也会越大。在这一小节，我们利用第三部分采集的数据，研究了在不同AP数量情况下的位置准确度。
我们测试了AP数量从1个到9个的室内位置准确度。使用KNN和WKNN算法，进行测试点位置的估计。AP数量与室内定位准确度的关系图如图3所示。
图3 AP数量与室内位置准确度关系图
结果显示，实验中室内定位准确度在有6个AP时达到最佳，采用KNN算法时定位准确度达到了1.971米，采用WKNN算法时定位准确度达到了1.951米。然而，当我们采用4个AP用来定位时，采用KNN算法的定位准确度已经达到了2.018米，采用WKNN算法时定位准确度也达到了1.951米。当AP数量多于4个时，我们可以发现定位准确度基本稳定，就不会增长了。原因是对某些测试点有一些不准确的AP。这些AP将会降低定位准确度。我们能够得到以下结论：当AP数量为4个时，会得到令人满意的定位准确度。同时，这会减小室内定位所需的计算负担。
4.2 AP选择策略
AP选择策略的目的是选择一部分能使室内定位展现更好性能的AP。如果采用一些行之有效的AP选择策略，那么所需要的计算负担将会减少并且定位准确度也会增加。
现存的AP选择方法是或者在采样阶段或者在定位阶段选择AP[8，13]。基于AP选择策略的费舍尔标准常常用于室内定位[15]。该方法是，在采样阶段，由RSSI计算出一个相关指数以便选择用于定位阶段的AP。在现存的无线局域网中，每一个测试点选择拥有最大RSS的AP连接，因为可以想到这会获得高传输速率。但是，因为在实际情况中可能许多测试点的地理位置上距离某些特殊AP较近，这些AP极有可能为许多测试点提供了最大RSS，导致多个测试点集中于一小部分的AP。这样一来，将会明显地使其吞吐量下降。
在定位阶段，AP是基于的接收的RSSI从每个AP中选择。因此，如果我们在定位阶段和采样阶段都选择AP，那么定位准确度将会增加。这篇论文中，我们基于取样的RSS阐明了每个AP区分度
其中代表第j个AP的区别度；m代表参考点的数目。代表被第j个AP采样的RSSI的平均值；代表被第j个AP采样的RSSI的标准差。对于第j个AP，区分度能够反映辨别RSSI的能力。
n个AP的辨别度可以表示如下：
在定位阶段，RSSI描述如下：
其中，代表第j个AP采样的RSSI。
这篇论文中，（4）式的AP区分度与（6）式的AP强度都用于室内定位。区别度用于相对应的RSSI的权重。AP选择度W如下计算：
其中，，是RSS归一化的值。
计算出的AP选择索引W从大到小排序。然后，选择前l个AP用于室内定位。
图4 基于AP选择的室内定位结构
图4展示了基于AP选择策略的室内定位结构。室内定位的过程包括在线和离线两个阶段。我们的AP选择策略利用了在线和离线两个阶段。在RSS取样阶段，计算了n个AP的区别度，在定位阶段，计算了AP选择索引W。
5 实验结果
在这部分，我们研究了选择AP与定位准确度之间的关系，以此来展示了AP选择的重要性。我们使用一个实验验证我们的AP选择策略。在第三部分描述了实验环境。
在详细说明定位准确度之前，我们选择了不同数量的AP实验环境，研究了定位准确度。由4.1小节的实验结果可知，四个AP是最适合室内定位的AP数量，此时计算负担更小并且拥有高的定位准确度。这样，我们从九个AP中选择四个AP来测试定位准确度。这里有126组不同的AP。选择AP和定位准确度的关系如图5所示。不同AP组合下的定位准确度详见表1。拥有高定位准确度的AP组合详见表2。
图5 选择AP和定位准确度间关系
表1 不同AP组合下的定位准确度
|
方法 |
KNN方法 |
WKNN方法 |
|
最好定位准确度（米） |
1.805 |
1.786 |
|
最坏定位准确度（米） |
3.225 |
3.278 |
|
平均定位准确度（米） |
2.466 |
2.448 |
|
定位准确度标准差（米） |
0.281 |
0.279 |
表2 拥有高定位准确度的AP组合
lt;
全文共7624字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[144340]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
|
方法 |
KNN方法 |
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
