司明豪,汪云甲,徐生磊,刘 辉
(中国矿业大学 环境与测绘学院,江苏 徐州 221116)
随着基于位置服务需求的增加,国内外研究人员提出了很多基于不同技术的室内定位方法,例如基于UWB[1]、WiFi[2]、蓝牙[3]、计算机视觉[4]、惯导[5]、可见光通信[6,7]、射频信号[8]和地磁[9]。其中,基于WiFi的室内定位技术由于WLAN APs已广泛部设在建筑中,并且所有智能手机都可以连接而备受关注。基于WiFi的室内定位技术可以分为基于指纹库匹配的方法[10]和基于距离反演的方法这2种方法。基于指纹库匹配的方法定位精度在3~5 m,且需要构建并维护指纹库,耗费大量人力。基于距离的定位方法通过对接收信号强度与距离关系进行建模,得到距离的估计值,再通过最小二乘、三边定位等方法计算位置。但由于接收信号强度受设备异构性和非视距(NLOS)误差影响较大,很难构建出误差小且同时适用于视距(LOS)和NLOS两种情况的距离-信号强度模型,且仅通过接收信号强度又无法区分LOS和NLOS,基于距离的WiFi难以广泛使用。
但在2016年IEEE802.11发布了Fine Time Measured (FTM)协议[11],通过测量RTT计算距离,可以提供米级的定位精度,基于WiFi FTM测距的定位方法开始受到很多人的关注,但和很多其他的测距手段一样(例如UWB,GPS),基于WiFi的测距精度也受NLOS误差影响。文献[12]融合PDR,计算通过PDR得到的坐标和WiFi AP的坐标间的距离,依据距离值分别对LOS和NLOS两种情况建立高斯模型,并用二分类来识别结果。但NLOS的信号衰减大小受阻隔物的材质、厚度等多种因素影响,本文方法设置单一的信号衰减来给所有的NLOS情况建模,普适性较差。……