设为首页 加入收藏 期刊导航 网站地图
  • 首页
  • 期刊
    • 数学与物理
    • 地球与环境
    • 信息通讯
    • 经济与管理
    • 生命科学
    • 工程技术
    • 医药卫生
    • 人文社科
    • 化学与材料
  • 会议
  • 合作
  • 新闻
  • 我们
  • 招聘
  • 千人智库
  • 我要投搞
  • 办刊

期刊菜单

  • ●领域
  • ●编委
  • ●投稿须知
  • ●最新文章
  • ●检索
  • ●投稿

文章导航

  • ●Abstract
  • ●Full-Text PDF
  • ●Full-Text HTML
  • ●Full-Text ePUB
  • ●Linked References
  • ●How to Cite this Article
Computer Science and Application 计算机科学与应用, 2014, 4, 1-6
http://dx.doi.org/10.12677/csa.2014.41001 Published Online January 2014 (http://www.hanspub.org/journal/csa.html)
Research and Implementation of Indoor Localization
Method Based on Peer-to-Peer Auxiliary
Xiaojun Zhou, Peng Liu
Institute of Computer Application, Hangzhou Dianzi University, Hangzhou
Email: chowxiaojun@126.com, perryliu@hdu.edu.cn
Received: Dec. 16th, 2013; revised: Jan. 10, 2014; accepted: Jan. 16th, 2014
Copyright © 2014 Xiaojun Zhou, Peng Liu. This is an open access article distributed under the Creative Commons Attribution License, which permits
unrestricted use, distribution, an d reproduction in any medium, provided the origin al work is properly cited. In accordance of th e Creative Commons
Attribution License all Copyrig hts © 201 4 are reserved for Hans and the owner o f the intell ectual property Xiaojun Zhou, Peng Liu. All Copyright ©
2014 are guarded by law and by Hans as a guardian.
Abstract: With the rapid development of mobile smart device and mobile Internet, people’s demand for location-based
services is increasing. Compared to the outdoor environment u sing GPS, precise positioning is more difficult in indoor
environment. This paper describes the indoor localization method based on peer-to-peer auxiliary. The method utilizes
GPS of outdoor smart devices to get accurate datum point, and impleme n t s localization by RSSI assisting the indoor
smart devices. This paper analyzes the principle of the indoor localization method, and gives a detailed solution. Expe-
rimental results show that the method is of high feasibility.
Keywords: Smart Device; Indoor Localization ; Peer-to-Peer Auxiliary
基于点对点辅助的室内定位方法研究与实现
周晓军,刘 鹏
杭州电子科技大学应用研究所,杭州
Email: chowxiaojun@126.com, perryliu@hdu.edu.cn
收稿日期:2013 年12 月16 日;修回日期:2014 年1月10 日;录用日期:2014 年1月16 日
摘 要:随着移动终端和移动互联网的发展,人们对于基于位置信息的服务的需求日益增大。相比室外环境可
以采用 GPS 定位方法,在室内环境下,精确定位比较困难。本文描述了一种基于点对点辅助室内定位方法。该
方法利用室外移动智能终端的 GPS 获得精准基准点并通过 RSSI 协助室内移动智能终端实现定位。该文详细地
分析了该室内定位方法的工作原理,并给出了详细的设计方案。实验结果表明,该方法具有较高的可行性。
关键词:移动智能终端;室内定位;点对点辅助
1. 引言
随着移动智能终端的普及化以及移动互联网的
发展,人们对定位与导航的需求日益增长。尤其是在
室内环境下,例如在智能家居中,室内的各种电器设
备根据用户的位置打开或关闭。在大型超市或者商场
中,通过借助室内导航快速找到一些重要或特殊的位
置,例如某个货架、出入口、电梯口等;通过实时定
位跟踪小孩的位置以防止小孩走失;还可根据用户的
位置向用户推送更多关于商品的介绍和广告。在地下
停车场中,如何方便快速地找到自己的停车位等等。
对于室外环境而言,目前已经有卫星或者移动基站定
位,但对于室内环境而言,一方面卫星信号因无法穿
透建筑物而失去作用,另一方面移动基站的定位精度
太低,根本无法满足室内精度的要求,再加上室内环
OPEN ACCESS 1
基于点对点辅助的室内定位方法研究与实现
境复杂多变,因此近年来国内外研究人员对室内定位
进行了大量的研究,目前已出现了多种室内定位方法,
主要有以下两类:
第一类是基于 Wi-Fi 的室内定位方法,此类方法
有很多种,大多数都是通过接收 Wi-Fi 接入点获得无
线信号强度值 RSSI,来分析和计算人们的位置信息。
常用的 Wi-Fi 室内定位方法有基于 RSSI 指纹库的定
位方法[1]、基于信号传播损耗模型的定位方法[2]等。
这类方法的优势是系统成本低,无需开发新的硬件平
台,但它们一般都需要大量的前期调研工作,而且定
位精度的稳定性较差。因此,有研究人员根据这两个
问题提出了很多的解决方案,例如通过结合移动终端
中的惯性传感器和一些盲点位置[3,4],利用室内摄像头
将视觉信号的高精度性与 Wi-Fi 信号的普遍性结合起
来实现定位[5],还有将核心定位算法布置在中心服务
器上[6],即将大量复杂的计算交给服务器。以上这些
解决方案都在一定程度上解决了这两个问题,但是往
往是通过增加整个系统的复杂性为代价的。第二类方
法是通过在定位区域部署一些额外的设施(例如,蓝牙
基站,RFID 标签)来实现定位,虽然可以获得较高的
定位精度,但是这些方法的成本往往很高,例如诺基
亚公司提出的基于HAIP 技术的室内精确定位解决方
案[7],该方案采用基于蓝牙的三角定位算法,除了需
要在待定目标上安装蓝牙模块外,还需要在屋顶固定
位置部署蓝牙基站。
上述这两类室内定位方法都忽视了当前移动智
能终端高度智能化、社交化的特点,因此本文针对以
上这些定位方法的不足,并结合室外移动智能终端
GPS 高精度定位的优势,本文提出了一种基于点对点
辅助的室内定位方法。该定位方法利用人们普遍使用
的移动智能终端,以室外终端设备的高精度 GPS 经纬
度坐标为基准,室内移动设备通过无线通信手段与其
通信获得该坐标并测得 RSSI 值,再结合其他的一些
信息就可完成定位。该定位方法仅仅利用用户手中的
终端设备和现有的成熟技术,具有成本低,且不需要
大量的前期调研工作等优点。
2. 定位模型与过程
基于点对点辅助的室内定位方法的模型由如下
两部分组成:1) 室内用户
{ }
12
, ,,
ii i
in n
UserU UU=
,其
中
i
n
U
表示第 n个位于室内的用户;2) 室外用户
{ }
12
, ,,
oo o
out m
UserU UU=
,其 中
o
m
U
表示第 m个位于室
外的用户。为了方便描述,以下称室内用户为未知节
点,室外用户为参考节点,室内外用户均携带移动智
能终端。所有参考节点的位置坐标也可用一个集合
Position = {(x1, y1), (x2, y2),

, (xn, yn)}来表示,其中(xn,
yn)表示第 n个参考节点的位置坐标。
在定位过程中,参考节点需要通过一定的无线通
信方式将必要的定位信息数据发给未知节点,当未知
节点聚集和处理一定量的数据之后,然后结合具体的
定位算法即可实现定位,例如本文采用的基于 RSSI
的加权质心算法[8],三边测量算法[9],基于 RSSI 的局
部梯度算法[10]等等。在本文中,参考节点和未知节点
采用 Wi-Fi方式进行交互:在定位过程中,未知节点
开启便携式 Wi-Fi 热点功能,并采用开放式热点的方
式,参考节点无需验证即可直接连接到该热点上并向
未知节点发送定位信息数据。由于此时未知节点作为
热点,那么参考节点可测得此时热点的 RSSI 值,可
用集合 RSSI = {rssi1, rssi2,

, rssin}表示,其中rssin
表示第 n个参考节点测到热点的 RSSI值。若参考节
点A向未知节点 B发送上述的定位信息数据,则该数
据主要包含以下几个部分:1) 参考节点 A的坐标位
置;2) 参考节点 A此时测得的 RSSI 值;3) 其他信
息,例如时间戳等。
依据场景的不同,本文提出的定位方法有两种不
同的定位过程:在第一种场景下,在室外确实存在多
个参考节点用于未知节点定位,称为同步定位;在第
二种场景下,在室外可能并不存在那么多的参考节点,
在极端情况下,室外可能只有一个参考节点。在该场
景下为了辅助未知节点完成定位,参考节点可通过不
断的移动模拟同步定位的方式,称为虚拟定位。但是
采用虚拟定位方式完成定位会产生一定的时延。本文
的具体实验将在第二个场景下进行,在第 3节中本文
将详细分析各种影响定位精度的因素和该定位方法
的性能。
3. 基于 RSSI 的加权质心算法及优化
3.1. 基于 RSSI 的加权质心算法
传统质心算法是利用多个参考节点所组成的多
边形的质心作为未知节点的位置坐标。但是这种简单
OPEN ACCESS
2
基于点对点辅助的室内定位方法研究与实现
叠加之后求平均值的算法的定位精度受参考节点的
分布状况及参考节点个数的影响非常大。基于 RSSI
的加权质心算法[8]是根据参考节点与未知节点之间的
RSSI 值,计算每个参考节点坐标所对应的加权值,这
样反映出每个参考节点坐标对质心位置的影响程度。
以下为加权质心算法的计算公式:
1
1
n
ii
i
n
ii
i
xx
yy
ω
ω
=
=
=



=


∑
∑
(1)
上式中,ωi表示第i个参考节点对应的加权权值。通
常,可以直接利用 RSSI 值作为各个参考节点坐标的
加权权值。本文利用公式(2)处理集合 RSSI,
rssi
20
rssip 10
i
g
i ref
P

= ⋅



(2)
上式中,Pref 是参考功率,本文中的取值为 1 mW。通
过该公式,可以将RSSI 值(单位:dBm)转换为功率(单
位:mW)的g次方。其中,g是一个常数,它定义了
最大 RSSI 值与最小RSSI值之间的权重差额的大小。
因此,通过公式(2)处理后得到一个新集合 RSSIP =
{rssip1, rssip2,

, rssipn}。此时,加权权值 ωi可通过
公式(3)计算可得。
1
rssip
rssip
i
in
i
i
ω
=
=
∑
(3)
以上对算法及对加权权值选择进行了较为详细
的描述,下面是该算法的具体步骤:
1) 建立RSSI 值和参考节点坐标的集合及两者的
对应关系,并处理 RSSI 值集合:
①RSSI 值集合:RSSI = {rssi1, rssi2,

, rssin};
②相应的参考节点坐标集合:Position = {(x1, y1),
(x2, y2),

, (xn, yn)};
③按照公式(2)处理 RSSI 集合:RSSIP = {rssip1,
rssip2,

, rssipn}。
2) 参考节点的选择:在上述已经建立的集合中,
通过一些优化,筛选出能使定位精度提高的参考节点,
建立新的 RSSIP 集合和参考节点位置坐标集合,本文
将在 2.2 中详细描述如何去做优化;
3) 按公式(1)计算未知节点的坐标;
4) 计算定位误差:通过计算真实坐标与计算所得
坐标之间距离即可。
3.2. 存在问题及优化
综上所述,基于 RSSI 的加权质心算法简单且容
易实现。然而,在实际应用中利用该算法会遇到两个
问题:1) 常数g的取值问题,即如何取得常数g的最
优值;2) 参考节点的选择,即如何选择合适的参考节
点的坐标参与计算。
对于常数 g的取值问题,由于常数 g间接地定义
参考节点的位置坐标对质心位置的影响程度。因此,
常数 g的选择对定位结果的精度有很大的影响。实验
结果表明,在本文的测试环境中 g取值为 1.3 的时候,
定位的精度最高。
对于参考节点的选择,已在该算法的步骤 2中提
到,在这里将详细分析为什么要选择合适地参考节点,
并提出了一个优化方案。由于质心定位算法原理可知,
未知节点的位置坐标只能位于这些参考节点的范围
内。所以,选择合适的未知节点是非常重要的。最好
的选择就是对于未知节点来说,所选参考节点的分布
是均匀的,而且是分布在未知节点的四周。该文优化
方案为:利用聚类算法对集合Position 进行处理,例
如k-mean 聚类算法[11],将 集 合Position 聚类为四个集
合,然后在这四个集合再选择那些 RSSI值较大的参
考节点,最后将所选的参考节点重新建立参考节点与
RSSI 值两者之间的映射关系。通过上述的优化所得到
的参考节点组合对于未知节点来说是均匀分布在其
周围的,使得定位结果的精度有一定的提高。
4. 实验结果
为了验证本文提出方法的可行性,本文在一个真
实的实验场地进行一系列相关实验。本文选择的实验
场地为某教学科研楼一楼大厅,图 1为实验场地的平
面图。具体实验设置如下:首先,在室外固定10 个
点作为参考点,这 10个点的位置坐标信息可通过 GPS
获得。然后,一个实验人员手持智能手机位于室内的
某个点,另一个实验人员也手持智能手机分别在室外
10 参考点上采集室内未知节点的 RSSI 值。最后,在
室内也取 10 个点作为未知点,用相同的步骤处理。
位于室外的 10 参考点分布在室内各个未知点的周围
且分布比较均匀。对于室内10 个未知点的真实位置
OPEN ACCESS 3
基于点对点辅助的室内定位方法研究与实现
Figure 1. The plan of experimental site
图1. 实验场地平面图
坐标,本文利用室外参考点的位置信息加上皮尺的实
际测量得到,通过与实验得到的位置坐标进行比较,
就可以得到该定位方法的误差。
在基于 RSSI 的加权质心算法中,本文采用 RSSIP
作为权值,因此需要确定该算法中的唯一参数——常
数g。为了得到在实验场地中常数 g的最优值,在实
验中,我们设置 g的取值范围在[0.1 - 5]之间,并以
0.1 作为间隔。以室外10个参考节点都作为基准位置,
计算在实验场地中室内各个未知节点的位置坐标和
误差。实验结果如图2所示,常数 g在实验场地中的
最优值为 1.3。从图中可看出,在较理想的情况下,
该定位方法的平均误差在3 m左右。
除了得到常数g的最优值,还要考虑一个问题:
利用常数 g处理RSSI,是否对定位精度有一定的提升?
所以,本文分别采用RSSIP和RSSI作为权值计算未
知节点的位置坐标,然后比较两者的定位误差,如图
3所示,当采用 RSSIP 作为权值时,各个未知节点的
位置坐标精度较高。
当g取最优值的时候,室内各个未知节点的定位
误差是最小的。但是相同情况下(常数 g为1.3,取室
外10 个参考节点作为基准点),每个未知节点的定位
误差差距非常大,如图4所示。
为什么在相同情况下各个点的误差会出现这么
大差距?其实,对于不同的室内未知节点来说,室外
参考节点的分布情况是不一样的。所以,室外参考节
点的分布情况对定位精度有较大的影响。除此之外,
室外参考节点的个数也是影响定位精度的一个因素。
为了得到定位误差与室外参考节点个数、室外参
考节点分布情况的关系,本文分别选取 10 个参考节
点中的 9个、7个、5个和3个作为基准点,并且每
种情况各取 9种不同的组合,常数 g为1.3。实验结
Figure 2. Relationship between average error and parameter g
图2. 参数 g与平均误差的关系
Figure 3. The error with RSSIP and RSSI
图3. 采用 RSSIP 和RSSI作为权值时,各个点的误差
Figure 4. The error of each point with the same conditions
图4. 在相同情况下,室内各个点的误差
果如图 5所示,随着参考节点个数的增加,平均定位
误差有一定的减小。但是,当参考节点的个数增加到
一定数量以后,平均定位误差的减小的趋势没有那么
明显,从图中可知,已知点为3个的情况与已知点为
9个的情况相比,后者的平均误差明显小于前者,而
已知点为 7个时,与已知点为 9个的情况相比,两者
的平均误差比较相近。该实验结果说明一个结论:参
考节点组合的不同或参考节点的分布情况不同,平均
2.5
3
3.5
4
4.5
5
5.5
6
6.5
0.1 0.6 1.11.6 2.1 2.63.1 3.6 4.1 4.6
平均误差(单位:m)
常数g
0
1
2
3
4
5
6
7
8
9
10
12345678910
误差(单位:m)
各个点
RSSIP
RSSI
0
1
2
3
4
5
6
7
8
12345678910
误差(单位:m)
各个点
OPEN ACCESS
4
基于点对点辅助的室内定位方法研究与实现
定位误差也会有很大的差别。
由上述可知,在定位过程中,若室外存在多个参
考节点时,选择合适的参考节点会对定位精度产生较
大的影响。因此本文在2.2 中,提出了一种优化方案,
即在具体定位之前,先对参考节点进行筛选分类,选
择那些有利于提高定位精度的参考节点进行计算。为
了验证本文提出的优化方案的可行性,我们分别采用
优化方案和随机选择两种处理方式从10个参考节点
选择 6个作为基准点,分别计算各个未知节点的定位
误差。部分实验结果如表1所示,经过优化处理后各
个未知节点的定位精度有了较大的提升。在本实验中,
与随机处理相比,定位精度平均提升了 30%。
为了形象地显示该定位方法的性能,本文以室外
的10 个参考知点作为基准点的情况下,通过实验得
到室内各个点的实验坐标,实验结果如图 6所示。图
6表示实验所得坐标点与真实位置点的相对位置从图
中可以看出,这10 个点的平均定位误差在3 m左右,
Figure 5. Relationship between error and the number of point,
distribution
图5. 已知点个数、分布情况与定位误差的关系
而某些点的误差甚至在1 m左右。与现有的一些室内
定位方法相比,该方法的定位精度具有一定优势,如
表2所示。除此之外,该方法的系统成本较低,而且
不需要大量的前期调研工作。
但是,由于上述实验在第二个场景下进行,因此
需要考虑定位过程中产生的额外的开销——时延(参
考第 1节)。通常,人的正常步行速度在 1.4 m/s ~1.9 m/s
之间,假设相邻两个参考节点之间的平均距离为 5 m,
则虚拟参考节点个数与定位时延的关系如表 3所示。
5. 结束语
本文提出的基于点对点辅助的室内定位方法利
Table 1. The accuracy before and after optimization
表1. 定位算法优化前后的定位精度
未知节点 优化前 优化后 百分比
1 3.03 m 1.09 m 64%
2 4.03 m 1.84 m 54%
3 2.9 m 1.16 m 60%
4 5.25 m 3.15 m 40%
5 4.39 m 3.43 22%
Table 2. Accuracy of representative localization techniques[5]
表2. 现有一些定位方法的定位精度[5]
方法 依赖技术 定位精度
RADAR Wi -Fi 5.9 m
Horus Wi-Fi 2 m
EZ-Loc Wi-Fi 2 m, 7 m
V-Comp ass Wi -Fi 3.2 m
Figure 6. The real and experimental position of each point
图6. 各未知点的真实位置、实验位置
2
4
6
8
10
12
14
123456789
平均误差(单位:m)
参考节点的不同组合
9 个点
7 个点
5 个点
3个点
10
12
14
16
18
20
22
0246810 12 14 16 18
Y坐标(单位:m)
X坐标(单位:m)
真实坐标点
实验所得坐标点
OPEN ACCESS 5
基于点对点辅助的室内定位方法研究与实现
Table 3. Relationship between the number of virtual reference
node and positioning delay
表3. 虚拟参考节点个数与定位时延的关系
个数 3 4 5 6
最大时延(s) 7.14 10.71 14.29 17.86
最小时延(s) 5.26 7.89 10.53 13.16
平均时延(s) 6.20 9.30 12.41 15.51
用室外移动智能终端(参考节点)的高精度 GPS 经纬度
坐标为基准,室内移动智能终端(未知节点)通过无线
通信手段与其通信获得该坐标并测得 RSSI 值,再结
合其他的一些信息实现定位。该定位方法仅仅利用用
户手中的终端设备和现有的成熟技术,具有成本低,
且不需要大量的前期调研工作等优点,但该定位方法
无法实现连续地定位。因此,在未来的工作中可以结
合其它室内方法实现一种连续、成本较低和精度较高
的室内定位系统,例如基于惯性导航的室内定位方法
[12]。
参考文献 (References)
[1] 王赛伟 (2009) 基于位置指纹的 WLAN 室内定位方法研究.
硕士学位论文, 哈尔滨工业大学, 哈尔滨.
[2] 何山 (2011) 基于RSSI的精确室内定位算法.
现代电信科技
,
3, 34-37.
[3] Wu , C., Yang, Z. and Liu, Y. (2012) WILL: Wireless indoor
localization without site survey. 2012 Proceedings IEEE IN-
FOCOM, Orlando, 25-30 March 2012, 64-72.
[4] Wang, H., Sen, S. and Elgohary, A. (2012) No need to war -drive:
Unsupervised indoor localization. Proceedings of the 10th In-
ternational Conference on Mobile Systems, Applications, and
Services, Lake District, June 2012, 197-210.
[5] Zhang, B., Te ng , J. and Zhu, J. (2012) EV-Loc: Integrating elec-
tronic and visual signals for accurate localization. Proceedings
of the Thirteenth ACM International Symposium on Mobile Ad
Hoc Networking and Computing, 11 -14 June 2012, 25-34.
[6] Chintalapudi, K., Padmanabha Iyer, A. and Padmanabhan, V.N.
(2010) Indoor localization without the pain. Proceedings of the
Sixteenth Annual International Conference on Mobile Compu-
ting and Networking, Istanbul, 22-26 August 2012, 173-184.
[7] High accuracy indoor positioning technology solution and busi-
ness implications (2012) http://www.cwins.wpi.edu/
[8] Schuhmann, S., Herrmann, K. and Rothermel, K. (2008) Im-
proved weighted centroid localization in smart ubiquitous envi-
ronments. Ubiquitous Intelligence and Computing. Springer Ber-
lin Heidelberg, 20-34.
[9] Li, B.H., Slter, J., Dempster, A.G. and Rizos, C. (2006) Indoor
positioning techniques based on wireless LAN. The 1st IEEE
International Conference on Wireless Broadband and Ultra Wi-
deband Communications, Sydney, 13-16 March 2006, 13-16.
[10] Han, D.S., Andersen, D.G., Kaminsky, M., et al. (2009) Access
point localization using local signal strength gradient. 10th In-
ternational Conference of Passive and Active Network Mea-
surement, Seoul, 1-3 April 2009, 99-108.
[11] Altintas, B. and Serif, T. (2011) Improving RSS-based indoor
positioning algorithm via K-means clustering. 11th European
Wireless Conference 2011-Sustainable Wireless Technologies
(European Wireless), 27-29 Apri l 201 1, 1-5.
[12] Zhang, R., Bannoura, A. and Hoflinger, F. (2013) Indoor locali-
zation using a smart phone. 2013 IEEE Sensors Applications
Symposium (SAS), Galveston, 19-21 February 2013, 38-42.
OPEN ACCESS
6

版权所有:汉斯出版社 (Hans Publishers) Copyright © 2012 Hans Publishers Inc. All rights reserved.