指纹定位方法研究.docVIP

指纹定位方法研究 　　传统的绝对功率指纹定位方法需要补偿功率差，实现复杂度高，故提出了一种基于相对功率的指纹定位算法，采用信号强度的功率差计算终端的位置，该方法不需要补偿功率差，实现简单。首先分析了场强指纹定位的原理，然后给出了具体的相对功率场强指纹定位的方法，包含指纹库的选择方法、信号强度相对功率的计算以及终端位置的估计方法。仿真结果表明基于相对功率的指纹定位方法具有良好的定位精度。 　　指纹定位 相对功率 RSSI 　　1 引言 　　目前，移动通信网络中终端的定位技术越来越引起人们的注意，基于位置服务的应用蓬勃发展，渗入到社会生活的方方面面，如导航服务、位置推送及关联搜索、大数据行为等，在数据时代，由位置信息衍生开来的各类信息服务将大放光彩，进一步凸显了定位技术的重要性。 　　定位技术从方法上可分成3类：基于三角关系的定位技术、基于场景分析的定位技术、基于临近关系的定位技术。场强指纹法作为临近关系定位技术的一种，在室内定位应用中由于其定位精度高而被广泛使用。 　　基于场强指纹法的定位技术，其基本原理为：通过测量参考节点到待定位终端的接收功率，或测量待定位终端到参考节点的接收功率，而后与指纹库做绝对功率匹配，寻找最小欧氏距离的若干参考坐标，对参考坐标做加权运算获得精确定位结果。由于指纹库建立过程中的发射功率是一个确定的值，而在实际应用中，实际发射功率可能与该值不相同，这就意味着在绝对功率匹配定位时，需要补偿发射功率与指纹库建立时所采用发射功率的差值才能准确实现匹配。对于多小区协同定位的应用，由于待定位终端测量的是小区的广播信道，而每个小区广播信道的功率是固定的，因此功率差补偿以小区为单位即可，实现较为简单；而对于小区内定位的应用，由于下行功率采用小区覆盖区域内广播发射，无法辨识待定位终端所接收小区内各参考节点的功率差异，因此，只能通过上行接收功率来获得各个参考节点的接收功率强度，以此实现场强指纹法定位。正是由于功率发射端为终端，而终端的发射功率是不固定的，因此需要以终端为单位，实时跟踪各个终端当前时刻的绝对发射功率，以便获得其与指纹建立时所采用发射功率的差值，实现功率补偿，从而实现准确的指纹匹配。实际上，由于小区所服务的终端数量多，每个终端的发射功率还受很多其他因素影响，且功率控制粒度为毫秒级，因此，实时跟踪各个终端当前时刻的绝对发射功率的实现难度非常大。 　　在业界现有技术方案中，场强指纹法皆需要补偿功率差，实现过程复杂，鉴于此，提出一种无需补偿定位过程发射功率与指纹库建立时所采用发射功率间差值的场强指纹法，则是业界有待解决的问题。 　　2 场强指纹定位原理 　　场强指纹定位算法将待定位终端周围AP的信号特征与指纹库中各参考点信号特征对比，并通过匹配算法计算出待定位终端的位置。场强指纹定位一般由两个阶段组成：离线阶段和在线阶段。 　　离线阶段：对每个参考点周围AP的RSSI信息进行多次采样，并将样本数据的均值、对应的MAC地址及位置信息存入指纹库，设某个参考点为（x， y， z），则其存入指纹库的指纹数据记为：（x， y， z， RSSI1， RSSI2， …， RSSIp， MAC1， MAC2， …， MACp）。其中，RSSIp表示第p个AP对应的RSSI值，MACp表示第p个AP的MAC地址。当所有点的数据采集完后，可以得到一个完整的指纹数据库。 　　在线阶段：假设终端实时采集到的RSSI数据为（RSSI1， RSSI2， …， RSSIp），则将实时采集到的数据与指纹库中的数据进行匹配，估计用户的位置。最近邻算法是最为简单的一种匹配算法，它通过计算实时RSSI数据与指纹库中各个参考点信号强度的距离d（具体计算公式如式（1）所示），然后选择距离最小的参考点作为最终的估计位置。 　　其中，p是AP的个数。 　　常用的匹配算法还有加权K近邻法，这是最近邻法的一种改进，它不再是简单地使用信号空间中距离最近的点作为位置估计，而是采用距离最近的K个采样点的坐标加权平均来估计用户的位置。 　　3 基于相对功率的场强指纹定位 　　3.1 指纹库选择 　　实时定位时，需要将采集到的RSSI向量与指纹库中各采集点对应的指纹向量进行距离的计算。然而，当指纹库较大时，计算量过大。因此，可以考虑在距离计算之前，先选择出有可能成为定位位置处的位置指纹的集合，减小计算量。同时，由于去除了无关的采样点位置，也能够在一定程度上提高定位准确度。 　　选择接收功率最大的AP覆盖范围内的指纹集合作为位置指纹数据库或根据服务基站ID判断终端所在小区范围，选择该区域内的指纹集合作为位置指纹数据库。例如：若定位阶段UE1实测的信号强度为RSSI=（RSSI1， RSSI2， …， RSSIp），则选择其中信号强度最大