指纹定位原理：
无线信号的信号强度在空间传播过程中,会随着传播距离的增加而减弱,接收端设备与信号源距离越近,信号源的信号强度就越强接收端离发送方越远,接收到的信号强度就越弱。根据终端设备接收到的信号强度和已知的无线信号赓牙落模型, WIFI指纹定位可以估算出接收方和发送方之间的距离,根据估算接收方与多个发送方之间的距离, 就可以计算出接收方的位置。但是由于无线信号并不是直线衰弱,所以采用合适的衰落模型至关重要。
目前基本的无线信号传输模型主要有确定性模型和经验模型。确定性模型又称射线光学或者射线跟踪模型,将高频无线信号看作向不同方向发出的光线, 再依靠室内环境信息的详细建模,对每一根射线进行跟踪来建立无线信号传播模型。这种方式在小范围内精度还可以保证, 但是在远距离情况下及复杂室内环境情况下效果一般, 通过不同路径到达接收天线的电磁波产生的多路径效应会对主信号产生严重的干扰。经验模型基于某特定环境下的实际测量结果, 在实际中信号源和接收端置于不同距离和位置, 测量其功率损耗, 通过采集大量数据导出功率损耗曲线及其函数。根据大量实测结果, 经验模型更适合室内定位系统的建模。1.我们使用式对无线信号的路径损耗平均值进行预测:
其中, 为环境决定的路径损耗指数, 对同一楼层的不同区域根据测量采用不同值为实验室测定的墙壁衰减因子为发射天线周围等效为自由空间的距离, 通常为米。氏为参考点距离。
WIFI指纹定位进行定位时, 移动终端将收集到的各个不同信号源在该点的信号强度数据发送给定位服务器, 定位服务器根据信号强度的高斯分布的平均值和标准差,根据当前点实时测得的对应信号源的信号强度,去计算覆盖当前点的所有信号源的联合高斯分布概率。这个概率值越大,表示移动终端当前位置越靠近定位服务器已经保存的点。
由于空间是连续的, 要想获得空间每一点信号强度的高斯分布是不可能的。所以我们无法获取理想状态下空间的信号强度, 为了解决这个问题, 可以在特定空间中按一定密度选择一些特征点, 这些特征点可以作为系统的训练点。通过训练点将空间网格化。同时,特征点也作为定位终端的基准点来使用。所有的定位结果都以特征点作为参考点产生的。
对于不同环境的无线局域网, 首先构建无线信号强度分布图, 及构建信号强度经验值数据库, 也叫wifi指纹库。环境平面图、AP位置、AP发射功率均已确定, 在移动终端可能出现的概率较大的地方分不同方向, 多次采集信号强度。
