室内被动定位项目方案建议书.docx

室内被动定位市场需求案例1:系统的基本设想是利用AP检测周围的打开wifi的wifi设备(主要是智能手机)的信号,从而得到这些设备的MAC地址和wifi信号强度等信息。统计这些信息,并根据信号强度可以计算出粗略的用户位置。这些信息对于线下商场等商务场合统计用户信息,挖掘潜力用户是很有价值的;另一类是马路边统计车流。案例2:二、 主流技术手段及已有项目积累对于室内定位而言,确定性定位算法和概率性定位算法是两个主要的室内定位算法。确定性定位算法一般是基于TOA、TDOA角度类信息来计算目标位置,这类方法多用于UWB(抗多径能力强)、超声波系统(时间要求精度低)。概率性算法一般基于RSS构建的指纹库搜索定位或RSS反推传播距离,这类算法定位精度低,多用于wifi、蓝牙等系统。三、 解决方案及系统架构考虑到本项目的应用目的,建议采用基于wifi/蓝牙的指纹定位方法,一方面不需要定制终端,直接利用手机自带的wifi模块或蓝牙模块即可完成定位;另一方面考虑到被动定位的需求,可以不再终端上安装任何软件,只在网络侧完成定位。下面对该定位方案及系统处理流程详述。: 一种是被动扫描,移动终端通过监听周围AP发送的Beacon(信标帧),该帧提供了AP及RSS言息;另一种是主动扫描,移动终端主动发送一个探测请求帧( ProbeRequest帧),通过收到探测响应帧(ProbeResponse获取网络信号。本方案利用移动终端主动扫描接入AP时,AP被动接受其RSS来完成被动定位。研究发现,移动终端发出的探测请求帧里面包含有 MAC地址,监听由移动终端发出的探测请求帧(ProbeRequest帧),提取其中的MAC地址、时间戳、RSS基于以上分析,本方案提供一种被动定位数据采集方法,移动终端MT(mobileterminal)具有WiFi模块,利用移动端在WiFi打开时,会发出扫描信号,通过室内部署的AP检测扫描信号,捕获移动终端MT的信号强度RSS交由服务器在已经体现训练好的指纹数据库中进行匹配搜索,完成室内被动定位。方案示意图:本方案提供一种新型的获取RSS技术来监督无线终端。在获取RSSfi时,移动终端并未和接入点设备链接,在移动终端仅仅打开 WiFi功能,即可实现移动终端的RSS甫获。:1)构建地理指纹数据库:离线阶段在室内各个参考点处,检测移动终端的RSS离散值,每个AP获取的RSS&成一个向量,同时计算在一段时间内每个AP上RSSfi对应的先验概率。这些概率值和RSS组成一个矩阵一一离线地图(地理指纹数据库)。预先标定每个参考点位置坐标,建立各AP端捕获移动终端接收信号强度矩阵(表1),一段时间内,每个AP共获取n个RSSfi,并在统计后获得各个RSS值对应的先验概率矩阵(表2);表1某参考点RSS矩阵AP1AP2…APm时间点1RSS1RSSRSS12RSS2RSS2RSS2…n-1nRSSnRSSn表2某参考点RSS先验概率矩阵RSSRSj2…RSSAP1P11P12P1n2…m-1mPmn注:构建以上两个矩阵时进行向量预处理,将不满足阈值的值剔除阈值:接收信号强度:90dBmRSS1dBm;先验概率:3%2)在线定位:通过“先验概率最近邻”算法与指纹库里每个参考点的RSS值做匹配运算,取出差别最小的前K个参考点,利用选出的参考点的坐标取平均值,得到最终定位结果。Ds 2RSqRSSjKNN算法:根据移动终端在测试点处RSS值、参考点RSS值和先验概率,计算测试点与参考点的欧氏距离(公式(1)),提取欧氏距离最短的前K个参考点,求其坐标的平均值作为测试点的定位坐标(1)其中,RSq表示移动终端在测试点处第j个AP接收的信号强度,共m个AP;RSS表示第j个AP的RSS平均值。四、定位算法之前简单起见,以KNN算法为例,介绍了整个定位流程,此处重点介绍P-KNN算法。RSS统计分布并不是服从高斯分布,大部分是偏左,这是因为室内条件下移动终端与AP间的视距条件,在恶劣情况下,甚至产生严重的2峰值。P-KNN将离线阶段每个RSSfi得先验概率运用到计算欧氏距离中(如公式(2))~nDsJ耳RSStRSS;, ⑵提取欧氏距离最短的前K个参考点,作为地理指纹数据库中的参考点与测试点差别最小的K个参考点。五、:移动终端与AP建立连接的过程包括以下几个步骤:1)终端在全部13个信道发送探测请求Proberequest。卑微如蝼蚁、坚强似大象AP在收到请求之后做响应应答Proberesponsa终端通过选择应答数据包中信号最强的AP连接终端发送身份认证信息。AP认可了终端的认证信息并注册,建立连接。w