wifi定位中特定点的RSS特征模型(-7页文档资料.doc

如有侵权，请联系网站删除，仅供学习与交流wifi定位中特定点的RSS特征模型(【精品文档】第 7 页罗家兴 刘伟伟 成意（以下部分罗家兴译）WiFi定位中特定位置的RSS签名模型摘要使用接收信号强度（RSS）签名的室内外WiFi定位的一些技术已经发布。很少有已经进行的工作来描绘这些WiFi定位技术使用的RSS签名的特性或评估当前信道模型的精确度来表示签名。由于没有签名的准确描述和模型，因此需要大量的经验数据库来评估WiFi定位技术的性能。本文的目的是描述RSS签名的特性并提出了一种新的墙断点模型用于WiFi定位仿真中消除大量经验数据库的需求。本文给出了从伍斯特理工学院测量的RSS签名的经验数据库，描绘了WiFi定位中使用的RSS签名的特性，评估了当前WiFi信道模型的性能，并提出了一种新颖的墙断点模型，利用特定位置的信息提供一个经验的RSS签名的紧密拟合。从RSS签名的描述中，可以观察到RRS签名的特性依赖于接入点的位置，伴随着应归于阴影衰落的建筑。本文提出的模型通过增加一个动态特定位置的墙断点说明建筑内AP位置并考虑到室外路径损耗环境下固有的仿真来改进更简单的WiFi信道模型。关键词：信道模型，定位，WiFiI.引言使用接收信号强度（RSS）的WiFi定位引起人们的注意，以补充全球定位系统（GPS），市区室内外的GPS不能令人满意1,2。WiFi接入点（APs）和移动WiFi设备的增多催生了许多新的应用程序，使用WiFi用于连通和定位。室内定位中WiFi定位首先有Bahl提出3。Bahl的理论是利用WiFi设备增多和WiFi APs的规模应用的优势。Bahl为Roos的工作奠定了基础，使用概率的方法增加了室内定位的精确度4。基于这些工作，公司提供的定位服务已经成功地使室内WiFi定位商业化2。随着WiFi APS的部署和WiFi 移动设备的普遍存在，适合于室外环境的WiFi定位变得可行。对于室外区域，同室内技术一样收集大量校准数据是不可行的。Place实验室通过使用概率算法克服了这一障碍，只要求稀少的校准数据5。室外定位算法中使用的WiFi定位技术是基于RSS签名5,6。对于一个给定AP的RSS签名包含一系列特定测量路径的信号检测。为了提供定位，将移动设备检测到的AP的RSS签名与使用各种算法位置标记的RSS签名的大型数据库进行比较。RSS指纹数据库是通过高代价的和耗时的沿街扫描收集的7。沿街扫描包括有系统地乘车穿过所有要执行WiFi定位的区域来收集每个检测到的AP位置标记的RSS测量结果。为了测试室外定位应用和算法的性能，需要庞大的经验数据库或仿真中使用的精确的信道模型。收集大量的经验数据的时间和成本密集7。因此，首选精确的信道模型，但是使用一个模型准确地描述信道特性是重要的。精度是重要的，因为已经表明物理层特征的效果影响算法的性能甚至能影响性能评估中算法的排名8。迄今为止，没有完成用于仿真室外WiFi定位的应用与算法的RSS签名的WiFi信道模型的精度的评估。本文的目的是描绘WiFi定位中使用的RSS签名的特性并提出了一种墙断点信道模型。本文的目标是考虑到使用信道模型的WiFi定位的发展和评估并消除大型和高代价的经验数据库的需求。本文的其余部分组织如下。章节II描述了100261位置标记的RSS测量结果的大型经验数据库和使用数据库的RRS签名的特性。章节III描述了提出的新颖的墙断点模型，使用谷歌地球中现成的特定位置的地形数据说明有建筑的AP的位置。章节IV使用二进制假设测试定义一个性能指标评估目前的WiFi信道模型和对经验数据的新型墙断点模型并讨论结果。章节V给出了结论并进行总结。II.校园环境内RSS签名的特性本节详细说明描绘校园环境中WiFi RSS签名特性的成就。为了进行描述，使用马萨诸塞州，伍斯特，伍斯特理工学院（WPI）的测量结果建立了位置标记的RSS测量结果的经验数据库。之所以选择WPI校园，是因为这里以WiFi AP基础设备是已知的。然后在谷歌地球上描绘RSS数据，使生成RSS签名环境中的RSS签名位于一处，用于分析。A.经验数据库描述考虑到RSS签名的特性，需要经验数据的主要基地。为了满足这一需求，建立了一个广泛的RSS测量结果的数据库。该数据库由100261位置标记的RSS测量结果组成，从超过6452米WPI校园内即周边的13栋建筑的48个AP测量得到。使用标准的常用的WiFi网卡用于RSS测量和一个GPS单元用于精确位置信息收集数据。测量是在稳定速度的步行中进行的。选择WPI校园有几个原因：有高度集中的AP，AP的位置已知，适合移动WiFi用户的场景。高度集中的AP是城市地区的代表，这里WiFi定位最有效。对于信道模型知道AP的位置是必须，在章节3描述，要求知道AP到测量点的距离。该校园适合移动WiFi场景是因为这里有可供测量的路径，WiFi使用者常去的接到和人行道，并且有高度集中的周围建筑物内的AP。图1显示了收集数据时的路径和AP位置。图1 数据库 AP位置和测量路径（以下部分刘伟伟译）RSS特征由不同长度的连通部分组成，沿测量路径的相邻样本将连通的部分作为AP点的信号检测。图二展示了7个AP点RSS特0征的连通部分，连通部分是WIFI定位算法中的主要参数。图三描绘了第5个AP的环绕建筑物的RSS特征。 图2中，仅仅展示了放置AP一侧的建筑物RSS特征。在建筑物的另一侧即使是与AP相同距离的测量路径也是没有特征的。特征的缺乏是由建筑物引起的阴影衰落所导致的，这与建筑物内的AP位置直接相关。 为了更好的理解这个关系，RSS特征检测在AP和接收点与AP与建筑物边缘之间进行 数据清晰的显示，建筑物内AP的位置对特定点的信号检测有重要的影响。比如，在24和192抽样点都距离AP有50米远。在24抽样点处，检测到AP点的信号，而在192抽样点处却没有检测到。这是因为在24抽样点处只有16米的建筑物需要穿过，而在192抽样点处却有37米的建筑物需要穿过。基于这些观察，用信道模型来解释室内AP点的位置以准确衡量室内阴影衰落是非常重要的。为了表征RSS特征的连通部分长度的分布，用三种分布函数来匹配RSS特征连通长度的累积分布函数。三种函数分别是指数型、对数型和瑞利型。指数型是用来描述随机事件分布，对数型用来描述RSS测量值大尺度衰落，最后瑞利型分布用来描述测量值的小尺度衰落。表1给出了每种分布的CDF公式。图5展示了三种分布函数匹配RSS特征连通部分长度，其中最匹配的是对数分布。第三部分：RSS特征模型这一部分描述了距离分割路径损耗模型和新型墙体断裂点模型，距离分割路径损耗模型以802.11WiFi标准为基础建立的室内信道，然后新提出的新型墙体断裂点模型将这个模型拓展到室外，使用特定站点的信息是从Google地球获取的。A距离分割路径损耗模型 现在常用的室内WiF传播损耗无线信道模型是距离分割路径损耗模型，距离分隔模型的基础是假设从AP到接收点传播损耗梯度是非一致的，基于这样的假设，将传播路径个结局断点距离参数分两部分,每一部分使用一个距离-能量梯度参数a1和a2来表征各部分的路径损耗，公式（1）给出了距离分割路径损耗模型的公式。是距离d处的路径损耗，d是发送和接收机之间的距离一米处的路径损耗和静态断点前后的距离-能量梯度静态断点的距离 在大多数室内环境中，非均匀路径损耗假设是正确的。当接收器接近AP时，很可能是在同一个房间里，在同一个房间内在路径损耗可以看作是自由空间，当接收器移离了AP,AP和接收器之间就越有可能会有建筑物隔离，这就增加了路径损耗。 B新型墙体断裂点模型 距离分割路径损耗模型是针对室内信道模型的。为了使wifi定位仿真有效，信道模型必须能代表室内AP和室外接收器之间的传输路径损耗。距离分割路径损耗模型由于基本假设不一定正确，所以导致室内-室外场景模型不一定是理想的。如果仅仅是建筑物外墙，假设是成立的，但是有其他的一些障碍像树、灯柱、标志牌和一些其他建筑物的阻隔导致了路径损耗发生了改变。小的障碍物引起了传播的散射，大的障碍物像周边的建筑物引起了信号的反射。这些反射的信号会对接收器引起产生巨大的干扰。 为了满足一个信道模型的需要，以模拟从建筑物内部的一个接收器到建筑物外的接收器的传播路径损耗，提出了一种新的墙断点模型。这种新的模型用来拓展了从外墙到接收器之间的距离分割路径损耗模型。从谷歌地图上可以获取地址位置信息，使得墙断点模型可以确定从AP到建筑物的参数。 墙断点模型拓展了距离分隔路径损耗模型，使得建筑物外面的环境进行正确的路径损耗模型的仿真。对于墙外面的部分增加了一些参数，比如距离-能量梯度aE，和第二动态断点dwbp。公式而给出了路径损耗墙断点模型。是动态AP特征墙断点，是从AP到外墙的距离（m）是外部路径的距离-能量梯度是外墙的路径损耗（dB）动态墙断点是按照AP点到建筑物外墙的距离定义的，动态参数的计算是根据谷歌地球上获取的建筑物信息来进行的。图六展示了一个墙断点模型的概念，以及AP的位置、外墙和i到i+n个抽样点。为了使用墙断点模型来仿真，在谷歌地图上画出了包含AP的建筑物外墙轮廓。外墙轮廓被用来寻找信号路径和建筑物外墙的接触点，以及抽样点。外墙的路径损耗用来解释穿过外墙的穿透损耗，建筑物穿透损耗是一次性的损耗。路径损耗参数取决于仿真中的建筑物类型， 住宅建筑的路径损耗比砖商业建筑少。参考 9 指出，在2.3GHz下一楼的平均路径损耗是12.8db。（2） 中的路径损耗转换为RSS强度为： 其中Pt是发送能量（dBm）。对于WIFI传输能量是20dBm。（以下部分成意译）第四部分 运行测评结果为了评价及优化前文提出的新型墙断点模型，我们提出了一种基于二项假设检验的性能指标来测量模拟样本RSS特征的信道模型的能力。使用样本数据库和设计的性能指标可以找到第三部分和穿墙功率损失的最佳距离-功率梯度。新的模型的性能被拿来与使用经典办公环境参数的距离分割路径损耗模型做对比。最后会比较来自于样本数据的RSS的签名连接段长度和距离分割路径损耗模型及墙断点模型的累积分布函数A 性能指标的定义为了评价信道模型的性能，我们使用二项假设检验来测试模型的正确生成经验RSS特征的能力。为了使用二项假设检验，模型的结果和经验数据被看作是样本空间S中的两个二进制集合D和H。样本空间包含RSS被记录时的定位信息。对于每一个接入点都有一个包含信号被探测到时的位置信息的经验集合H。相似的，对于每一个接入点，信道模型产生一个包含信号被检测到时的定位信息的集合D。在二项假设检验中，经验数据被用来发掘可能会出现的结果的概率大小。这里对于每一个样本有四种可能的结果：模型预测了一个探测点以及经验数据得出了一个探测（D1，H1）模型预测了一个探测点但是经验数据没有得出探测点（D1,H0）模型没有预测出探测点同时经验数据也没有得出探测点（D0,H0）模型没有预测出探测点但是经验数据确实得出了探测点（D0,H1）。得出这四中结果的概率，我们使用贝叶斯概率公式却出可能的正确预测的概率：在公式（5）中，两个相似的正确的模型预测概率进行平均后就是性能指标K。性能指标被用来评价每一个模型与经验RSS特征的匹配程度B墙转折模型性能结果墙断点模型有两个参数指标需要优化：建筑墙外的路径损失Lw和外墙与接收机之间的距离能量梯度E。在墙转折模型被评价之前这两个参数需要优化。参考前一节定义的性能指标，这两个参数可以使用经验数据进行优化。对于剩下的参数，可以使用参考文献10中定义的经典办公环境参数。表2给出了用于模型的最优化值和WPI校园的最优化参数的值使用这些最优化参数值，墙断点模型对于在测量路径中的所有48个接入点的性能的最大，最小以及均值都能被找到，表3比较了使用同样参数的静态距离分割路径损耗模型与墙断点模型之间性能差异从这个比较来看，在某些情况下墙断点模型比静态距离分割路径损耗模型提高25%，平均能高出9%以上。图标7是对于每一个接入点两种模型性能的分布图。它表明动态墙断点模型在对数据库中的每一个接入点的性能上都要优于静态距离分割路径损耗模型进而对于两种模型的平均RSS和覆盖范围两种指标也进行了比较。表4示出了两种模型从经验数据中得出的平均RSS和覆盖范围的差异图表8示出了样本数据的RSS的签名连接段长度和距离分割路径损耗模型及墙断点模型的累积分布函数比较从表中能看出新型的墙断点模型产生的RSS特征连通段与经验函数拟合得更紧密第五部分.总结WiFi定位算法的性能比较评价需要大量的RSS特征信息数据库。通过斗争的驱动来收集这方面的信息是非常昂贵和耗时的，那些已经投入大量资金来收集这些数据库的公司自然不能与他人分享这些信息。因此，对于那些不能接触到实质性的RSS特征信息数据库的研究团体来说，他们需要一个信道模型。为了支持正确模型的发展，我们在校园环境中对RSS进行了特征定位。从这些特征中，我们发现RSS信号由一些服从对数正态分布的连通段组成。我们更进一步发现连通段的表现受到AP与产生阴影衰落的建筑外墙之间位置的影响。在定性RSS特征后，我们评估了现有的IEEE 802.11标准化委员会提出的静态室内无线信道模型并提出了一种新的利用谷歌地图提供建筑边界信息来确定阴影衰落的墙断点信道模型。我们证明，我们提出的墙断点模型可以以比现有的静态的室内无线模型高25%的性能更紧密地表示WiFi定位的动态RSS特征。