室内导航学习笔记---以WIFI为例

室内导航是目前导航领域比较热闹的话题，其背后潜藏着巨大的商业利用价值，而传统的定位导航系统，如GPS、蜂窝网络等技术均无法有效地解决该问题，近年来受到包括谷歌、百度、微软等互联网巨头的关注，这两天看了些相关的内容，记录下相关的技术要点，由于涉及到许多技术和算法，在这里并不对这些技术一一做详细的阐述，只是简单的罗列，整体上掌握室内导航实现的框架，而具体的技术细节，可以在实际工作中用到时再做进一步了解。

用WIFI实现室内导航涉及到两个步骤：测距和定位。总的来说，测距技术又包括以下三个关键步骤：测距方式、信号的滤波以及测距模型的选用。

测距方式包括TOA（Time of Arrival)、TDOA（Time Difference of Arrival)、AOA（Angle of Arrival)以及RSSI（Recieved Signal Strength Index)。TOA是利用接收机接收信号和AP发射信号之间的时间差来确定两者之间的距离，基本原理是在平面上如果能同时接收到三个以上的AP点信号，并且这些AP点位置已知的情况下，就可以利用三角测量的方式，唯一地确定出接收机的位置；类似地，TDOA也是基于三角测量，只不过它是基于接收机到两个AP点的距离差来进行定位，从数学上可以知道，如果接收点到AP1和AP2的距离差已知，那么接收点的平面位置只能是双曲线的一端，如果有AP2和AP3的距离差，那么两条曲线的交点就是接收机实际的位置；虽然TOA和TDOA的定位精度非常高，但是可以看出，这两种方式对于时间同步的要求非常高，由于电磁波的传播速度很快，时间上哪怕是微秒级的误差也会导致测距的几十米左右的误差，并最终影响定位精度，因此对设备的要求也比较高；而RSSI接收的是信号强度，然后再根据一定的模型将信号强度转换成距离，完成测距，常见的是利用WIFI信号来进行RSSI测距.

由于受到周围环境的各种其它因素的干扰，接收机接收的信号中可能含有随机性的误差，因此在进行处理之前，需要先对这些信号进行滤波处理，而滤波的方法有很多，目前主要的方法有均值滤波、高斯滤波、修正加权滤波及卡尔曼滤波，其中对于线性时域随机系统而言，卡尔曼滤波是表现最优秀的滤波器之一，并且它的计算公式较简单，易于计算机实现。另外，在利用RSSI的方式进行测距时，接收机接收的是信号的强度，如何把信号强度转化为实际的距离值，就需要用到相应的模型，目前的测距模型一般可分为经验模型和确定性模型，经验模型主要是根据实测数据来建立模型和参数回归，而确定性模型是根据信号的特性，选用一定的数学模型来拟合，常见的确定性模型包括Ericsson多重断点模型、对数距离路径损耗模型、衰减因子模型和K-M模型。

不管选择哪种测距方式，由于测量不可避免地会存在误差，因此三角测量理论上会集中于接收点，但实际上往往会形成三个圆两两相交成六个点的情况，如何利用这六个点来确定接收机位置的方法就称为定位算法，目前常见的定位算法包括三角质心算法、最小二乘算法和极大似然估计，总的来讲，这些算法相对来讲比较简单成熟，在这里就不多作阐述。

大体上，不管是利用WIFI，还是用红外，还是超声波，或者AGPS，基本的原理都是基于三角测量，而三角测量关键的一步是实现到不同基准点的距离测量，这点和GPS测量其实是一样的，只不过这里假设所有的基准点坐标是已知的，个人觉得在实际的应用中，这可能是个难点。另外，既然说到导航，不可避免地要提到电子地图，对于室内导航来讲，如何高效地获得建筑的室内地图，也是个不可小觑的难题；同时，以上说的这些方法都是在假设接收机不动的情况下才能适用，也就是单点定位，在对实时性要求比较高的应用中，这些方法的实用性还有待商榷。

参考自：《WiFi网络下的三维空间定位技术研究》---董莹莹，硕士论文