摘 要： 为了满足航空旅客在机场候机大厅的位置服务需要，同时为了降低AP（Access Point）部署的高度对定位的影响，提出了一种基于信号强度和传播模型的三维定位技术。该方法首先采用最小二乘法确定传播模型的参数，再使用最小均方差实现定位。实验结果表明，该算法的误差在3 m内，准确率达83.36%，能够满足旅客在机场候机厅内位置服务的需要。
关键词： 机场候机大厅；传播模型；三维定位；最小二乘法；最小均方差
随着无线技术的快速发展以及智能终端的迅速普及，在机场航站楼内航空旅客对位置服务的需求日益增加，而位置服务的关键是精确的室内定位。目前，针对室内定位的研究主要集中在如何充分利用室内布置良好的无线局域网。其中，基于信号强度的定位技术由于具有不需要添加额外硬件设施的优点而受到广泛的关注。基于信号强度的定位技术主要有位置指纹和传播模型两种[1-5]。位置指纹法需要到待定位区域大量采样并提取各个采样点的信号特征，在定位时根据收到的信号特征与各个采样点的信号特征进行逐一对比实现。这种方法的缺点是采样工作量大，当室内布局发生改变时需要重新采样，但精度和准确度高。传播模型根据无线信号强度随距离衰减规律，将信号强度的衰减转换为距离，再根据三角测量原理等实现定位，其优点是不需要采样，但精度相对低。
第一机场候机大厅的面积大，采样费时费力；第二机场候机大厅的AP部署在顶部，高度一般在7 m～9 m左右，旅客在定位时信号在传播路径上的干扰较少。综合以上考虑，本文选择基于传播模型的室内定位算法。目前基于传播模型的定位技术多采用二维平面方式，忽略了AP部署高度对定位的影响。而候机大厅的AP部署距离地面很高，已成为影响定位精度的重要因素，传统的二维传播模型[6-10]不适合这一特殊场景，因此，本文提出一种基于传播模型的三维定位技术。该方法首先采用最小二乘法[7]计算传播模型的参数，再使用MMSE算法[7]实现三维定位。实验结果表明，本文定位算法相对二维平面定位算法能够显著提高定位准确率，降低定位误差，能满足航空旅客在机场大厅的位置服务的需要。
1 定位算法
本文定位算法主要分两步完成：（1）通过最小二乘法确定传播模型的参数；（2）通过MMSE算法得到用户位置。
1.1 确定参数
由于参数的精度将直接影响定位的精度，因此，本文选择多个位置多次收集AP的信号强度，再计算每个位置的各个AP的信号强度均值，最后通过最小二乘法计算出参数。
2 实验环境
实验软件平台采用C/S结构，Android智能手机作为客户端，用于收集AP的信号强度，并将其发送给服务器，最后根据服务器返回的计算结果显示用户位置；台式计算机作为服务器，根据客户端收集到的信号强度数据，结合本文算法得出用户位置，再将定位结果发送给客户端。
为了最大程度模拟航站楼的实际环境，本文选择一个相对空旷的教室，整个区域大小为14 m×7.8 m，共3个AP分别部署离地板2.74 m、2.61 m、2.94 m处，如图1所示。手持Android智能手机高度为1.30 m，在确定参数阶段，随机选择3个位置收集20次信号强度值，用于计算传播模型的参数。在实施定位阶段，随机选择10个位置收集5～6次信号强度值，并用于实施定位，并将定位结果与二维平面定位技术进行比较。
由图2可以看出，在同一个位置，3个AP信号强度变化幅度很小，最大幅度为-11 dBm。这是由于AP部署位置距离地面高，信号在传播路径上的干扰相对较少。
为了验证本文定位算法，本文对50～60次的定位结果进行了统计分析，并与参考文献[7]的二维定位算法进行了对比，其结果如图3所示。
由图4可以看出，随着迭代次数的增加，两种定位算法定位误差依次降低。在第6次迭代两种定位算法的定位误差已小于1 m，三维定位算法相对二维定位算法误差减小26 cm。实验结果同样验证了AP的高度对定位精度的影响。由图3和图4可以看出，AP部署的高度是影响定位的因素，同时证明了本文提出的三维定位技术的有效性。
实验结果表明，本文算法相对二维平面定位技术提高了准确率，降低了误差。在实验环境中移动终端与AP高度差小，最大不到2 m；而在候机大厅的实际环境中AP部署高度一般在7 m～9 m，手持移动终端高度在1 m～ 2 m，高度差将达到5 m～8 m。因此，在机场候机大厅中，与传统的二维传播模型相比本文算法将显示出更大的优势。
为了满足航空旅客在机场候机大厅的位置服务需要，提出一种基于信号强度和传播模型的三维定位技术。该方法首先采用最小二乘法确定传播模型的参数，再用最小均方差实现三维定位。由于机场候机大厅的AP部署距离地面很高，是影响定位效果的关键因素。与传统二维定位技术相比，该方法能降低AP部署高度对定位的影响，更适合这一特殊场景。实验结果表明，该算法能够提高定位的精度和准确度，在误差3 m内的定位准确率达到83.36%，因此能够满足旅客在机场候机大厅的位置服务需要。今后将本文算法应用到候机厅的实际环境中，并深入研究不同区域的不同楼层的定位问题。
参考文献
[1] 张明华，张申生，曹健.无线局域网中基于信号强度的室内定位[J].计算机科学，2007，34（6）：68-72.
[2] 梁韵基，周兴社，於志文，等.普适环境室内定位系统研究[J].计算机科学，2010，37（3）：112-124.
[3] CHEN F， WAIN S A A， SHAHROKH V， et al. Received-signal-strength-based indoor positioning using compressive sensing[J]. IEEE Transactions on Mobile Computing， 2012，11（12）：1983-1993.
[4] ANINDYA S P， ERIC A W. RSSI-based indoor localization and tracking using sigma-point kalman smoother[J]. IEEE Journal of Selected Topics in Signal Processing， 2009，3（5）：860-872.
[5] GRACIOLI G， FROHLICH A A， PIRES R P， et al. Evaluation of an rssi-based location algorithm for wireless sensor networks[J]. IEEE Latin America Transactions，2011，9（1）：96-101.
[6] 董梅，杨曾，张健，等.基于信号强度的无线局域网定位技术[J].计算机应用，2004，24（12）：49-53.
[7] CHENG Y Y， LIN Y Y. A new received signal strength based location estimation scheme for wireless sensor network[J]. IEEE Transactions on Consumer Electronics，2009， 55（3）：1295-1299.
[8] CHO S Y. Localization of the arbitrary deployed APs for indoor wireless location-based applications[J]. IEEE Transactions on Consumer Electronics， 2010，56（2）：532-539.
[9] ABBAS M， NENG C K. An indoor 3D location tracking system using RSSI[C]. 2010 Sixth International Conference on Signal-Image Technology and Internet Based Systems，2010.
[10] 邓琛，王永琦.基于模糊控制的无线传感器网络室内定位算法[J].计算机应用，2011，31（8）：2062-2064.
[11] 李晓维.无线传感器网络技术[M].北京：北京理工大学出版社，2007.