基于人工智能的三维传感网空间定位技术

Focus Technology热门技术基于人工智能的三维传感网空间定位技术3D localization technology for Wireless Sensor Networks basing on Artificial Intelligence作者 / 袁东明 张丽颖 北京邮电大学电子工程学院（100876）摘要：对基于人工智能的定位技术的研究背景和研究现状进行了分析与总结，首先详细介绍了目前基于人工智能的三维传感网室内空间定位技术的技术原理与关键技术，然后提出了我们对于基于人工智能的室内定位的创造性解决方案，最后总结三维传感网室内空间定位技术的现状和发展前景。关键词：位置服务；无线传感网；室内定位；3D定位；人工智能DOI: 10.3969/j.issn.1005-5517.2018.10.008袁东明，讲师，人工智能开放创新平台（chinaopen.ai)联合学者,主要研究方向为无线网络测量及实现技术；张丽颖，硕士生。0 引言空间定位技术的技术原理与关键技术，然后提出了我随着基于用户位置信息的相关技术的应用和发们对于基于人工智能的室内定位的创造性解决方案，展，位置服务（LBS）已经成为人们日常工作、生活最后总结三维传感网室内空间定位技术的现状和发展所必需的一项基本服务需求，尤其在大型复杂的室内前景。环境中，如博物馆、机场、超市、医院、地下矿井等 区域，人们对位置服务有迫切需求。传统的定位方法1 三维传感网空间定位技术定义与技术原如全球定位系统（GPS）只能解决在室外空间中进行理准确定位的问题，然而，在占人类日常生活时间80%在移动互联网迅速发展和位置服务应用需求的推的室内环境中，由于建筑物遮挡和多径效应的影响，动下，当前室内定位技术处于较快的发展阶段，研究室外定位系统则显得无能为力[1]。者们提出了众多室内定位技术的理论与方法。定位技因此，在复杂信道条件下，如何能够准确、可靠术可以分为室外定位技术和室内定位技术两种。在地提供室内的位置服务显得尤为重要和迫切。面向需室外环境求越来越迫切的室内位置服务，基于人工智能的三维下，全球传感网室内空间定位技术发展迅速，是移动互联时代定位系统的研究热点[2]，逐步在各行各业发挥作用，给人们的（GPS）、日常生活带来了一定的影响。本文对基于人工智能的北斗定位系定位技术的研究背景和研究现状进行了分析与总结，统（BDS）首先详细介绍了目前基于人工智能的三维传感网室内等全球导图1 典型的三维传感空间无线定位场景图3036ELECTRONIC ENGINEERING & PRODUCT WORLD 2018.11201811正文.indd 362018/10/26 16:40:20责任编辑：毛烁图2 BP神经网络图3 ACO-BPNN 的室内定位流程航卫星系统（GNSS）为用户提供米级的位置服务，键技术基本解决了在室外空间中进行准确定位的问题，并在2.1 基于信号传输损耗模型的定位方法日常生活中得到了广泛的应用。利用室外无线定位系传统的室内定位方法是主要基于信号的传输损耗统，人们可以实现室外大范围的定位，比如船舶远模型的方法，利用信号传输损耗理论模型的方法，首洋、飞机引航以及汽车导航等。然而，在占人类日常先知道发送节点的发射信号强度值，由接收端测得接生活时间80%的室内环境中，由于建筑物遮挡和多径收信号强度值计算出信号的路径损耗，再利用典型的效应的影响，室外定位系统则显得无能无力[2]。因为理论模型公式得到距离估计值，最后计算出未知节点信号穿透众多的建筑物衰减严重，加之室内环境复的位置信息。杂，信号在室内传播时受障碍物的影响，会引起多径传播模型的理论公式为：效应、阴影遮挡及噪声干扰等，这些都将导致定位精度大大降低，甚至出现大片定位盲区。因此室内环境 （1）下的小范围、高精度定位需要借助于室内无线定位技其中，Pr为接受功率；Pt为发送功率；Gt为发射天术，图 1 给出了典型的室内无线定位场景图。与此同线增益；Gr为接收天线增益；λ为发射信号的波长。时，传统的定位技术多是基于二维空间的定位，只能这个公式只是在自由空间的理想化模型。在实际情况给出经度和纬度信息，而对于精确的高度信息，则很下并不能直接套用，不然会造成距离d的估计值有较难提供。大的偏差。在实际环境下普遍采用的经典理论模型因此，三维传感网室内空间定位技术成为专家学Shadowing模型为：者的研究重点。三维传感网室内空间定位技术指的是 （2）在三维空间内，通过蓝牙、红外线、RFID、WIFI、超宽带、超声波等室内定位技术及应用系统，基于到达公式中，d是接收端与发射端之间的距离(单位为时间（TOA）、基于到达时间差（TDOA）、基于信m)；d0为参考距离(m); 一般设为1 m；PL(d0)为参考号到达角度（AOA）、基于信号相位差以及基于接收距离d0处的功率(dBm)； PL(d)为接收端的接收信号功信号强度（RSSI）等信息，给出精确的位置信息或者率(dBm)；X为均值为0的高斯分布(单位: dBm)，指的判断是否位于某一房间、仓库等区域的定位技术。是当距离为定值时，接收信号功率的波动性; n为衰减因子。通常采用的简化型为:2 基于人工智能的三维传感网空间定位关www.eepw.com.cn 2018.113137201811正文.indd 372018/10/26 16:40:21Focus Technology热门技术向量机（SVM）、聚类方法、神经网络在内的多个方法，均为三维传感空间的定位提供了大量的提升策略和想象空间。2.3 Ｋ近邻算法（KNN）Ｋ近邻算法是在最近邻算法基础上的改进，即须取得距离最小对应的不是一个数据库矢量，而是一个距离最小值开始选图4 K-means指纹定位[7]取k(k>=2)个最接近的数据库矢量集合，最后计算它们的平均坐标作为移动节点的 （3）位置信息输出。2.2 基于人工智能的室内定位方法[4]2.4 Ｋ加权近邻算法由于室内环境受到反射、折射、散射等多径效应在上一算法的基础上，通过对数据库中向量乘以的影响，基于信号传输损耗模型的室内定位往往定位加权系数，使其作为位置信息输出。性能很差。采用RSSI指纹库的定位方法会有更好的定2.5 贝叶斯网络算法位性能。基于指纹匹配的方法又称场景分析法，是基贝叶斯定位算法是一种概率的定位算法，是对指于匹配思想的一种定位方法，在特定场景下实时接收纹进行训练建立概率指纹数据库，定位阶段使用贝叶到的场景信息与指纹数据库中的信息进行匹配，得岀斯的相关技术进行位置估计的一种定位算法。最优估算。室内定位主要影响因素有：室内多径影2.6 BP神经网络法 响、人体对接收信号强度的影响及同频干扰影响，而BP神经网络是目前应用最广泛的神经网络模型之室内定位主要考虑的因素是室内多径现象。但如果室一，神经网络算法主要是模拟人脑运算的基本特征。内环境格局基本保持不变，信源不作变化，在特定位人脑的最基本组成部分是神经元，神经元之间信息的置上形成的无线信号特征（信号数目、强度、相位传递构成了我们对外界的感知。人工神经网络中最基等）就会呈现较高的特殊性。将这一特征同位置的坐本的单元也取名神经元。BP 神经网络由输入层、隐标进行关联，信号特征就可以表征该点的位置，这也含层和输出层组成，输入层中的输入信号经过加权和就是基于位置指纹技术成立的必要条件。文献[5]对基偏置处理传递给隐含层，隐含层中通过一个转移函数于指纹的定位在提高定位精度的优势做了全面分析。将信号相下一个隐含层传递，或者直接进入到输出层具体实施分两步：离线训练阶段（Offline 进行输出。图2是一个典型的具有输入、输出和隐含Stage），在目标区域中的待测点采集训练序列，建层的 BP神经网络。整个神经网络由一系列感知单元组立数学模型库即将位置信息与信号强度关联；在线定成的输入层、一个或多个隐含的计算单元以及一个输位匹配阶段（Online Stage），将移动节点的不同参出层组成，每一个节点单元都可以成为一个神经元。考节点的信号强度与之前的数学模型库进行数学相关ACO-BPNN是BP神经网络在无线网络室内定位计算，通过相关性确定移动节点的位置。理论上，建的一种应用策略（如图3），其室内定位原理为: 首先库时采集待测点的点数越多，定位的精度越高，但这采集室内定位的数据, 然后采用BP神经网络数据进行也会造成前期工作量和计算复杂度的增大。学习, 采用 ABC 算法对神经网络进行优化, 最后建立随着人工智能的发展，越来越多的技术被应用在无线网络室内定位模型。在线定位匹配阶段，包括：KNN、贝叶斯方法、支持2.7 K-means位置指纹空间聚类技术3238ELECTRONIC ENGINEERING & PRODUCT WORLD 2018.11201811正文.indd 382018/10/26 16:40:22责任编辑：毛烁纹定位的在线阶段实现的前提是室内环境格局基本保持不变，信源不作变化，而在现实生活中，由于测量精度不高、环境不稳定以及复杂空间中存在的干扰源信号过多等问题，现有的人工智能定位方法仍难满足定位要求。由此，我们在现有技术的基础上进行了改进和优化。3.1 基于球形天线的信号强度采集传统的基于人工智能的三维传感网空间定位技术采用的信号接收设备多为定向天线或全向天线，对于存在墙壁反射的室内定位，难以有效利用其方向信息。我们通过引入球形天线的结构（如图5），能有效收集和利用空间的折射反射等信息，通过综合球形多个正交平面的收集的信号接收强度信息（RSSI），图5并通过机器学习中的KNN等方法，能够充分利用信号K-means算法是一种基于距离的聚类分析法（如的方向和角度信息。仿真发现，在同等环境下，基于图4），该算法的主要思想是剔除聚类中的离群点。球形天线的指纹定位方法相交于传统的方法对能将定首先根据式(4)得到类｛ｘ1，ｘ2，…，ｘn｝的质心位精度提升30%以上。，然后根据式（5）比较所有样本与质心的距3.2 基于K-means+CNN精准定位技术离，并剔除距离大于指定阈值ｔ的样本，接着重复式以商场定位为例，如何精确地判断用户所在商铺（4）计算新类的质心，直至聚类中所有样本点都能是一个难题。同时，复杂的环境中存在大量的信号发使式（4）条件满足，保留最新质心作为该点的RSSI射源，这在人工智能的处理过程中可能导致特征矩阵值录入指纹数据库。稀疏、难以有效地利用RSSI值进行定位。由此，我们提出了lightGBM+CNN的双层精准定 （4）位设计。在设计的第一层，我们引入了lightGBM构造 （5）多分类候选集，即可能的定位点；在设计的第二层，K-means指纹定位是在原指纹位算法的基础上，我们通过将离线阶段采集样本结果作为正分类样本，先对指纹库进行聚类分析，再通过匹配算法估计待测将候选集中的其他候选结果通过下采样抽取部分作为点位置的一种算法。即离线阶段，构建指纹库后，通负分类样本，对CNN网络的分类结果进行训练，并将过K-means聚类根据特征参数将指纹库划分为k个子训练好的模型用来进行在线阶段的定位。库；匹配阶段，首先比较待测点与各聚类中心的相似具体来说，我们通过借鉴word2vec词向量的方程度，选取距离最短的聚类中心所在的子库，再将其法，对离线阶段采集的信号依据接收信号强度和Mac与待测点匹配估计最终坐标。地址等标签信息构成的稀疏矩阵转化成低维度的词向量矩阵，并通过CNN的方法，将能典型代表其位置信3 优化与提升息的指纹信息通过卷积神经网络抽象出来。尽管指纹定位方法的提出和多种人工智能方法的结果表明：我们提出的方法相较于基础的KNN方引入从一定程度上提升了室内定位精度，但是由于指法，可以将定位精度提升5%。在商铺(下转第29页)www.eepw.com.cn 2018.113339201811正文.indd 392018/10/26 16:40:23责任编辑：毛烁户能扩展在窄带传物联网的世界是“系统的系统”——它需要一个输应用中的联接范系统级的方案来实施。安森美半导体汇聚并开发了用围。于物联网及其生态系统的技术。物联网似乎势不可由于提供联接挡，将对工业和消费领域的几乎每一个领域的流程和的SoC通常是物联“事物”产生积极影响。鉴于其潜在的规模，实现最网设备开发的首佳能效至关重要。 选，这些平台为OEM和开发物联网6 能量采集的未来图3 安森美半导体的物联网开方案的服务提供商开发新的能源采集方案无疑具有很大的吸引力，发套件提供了强有力的支不仅因为上述原因，还因为能量采集器本身主要依靠持。关键的供应来源。能够从运动中采集能量的超高效磁 体的作用就像发电机。太阳能电池获取光子能量，有5 感知时将其储存在锂离子电池中。能量采集智能无源传感器(SPS)和近场通信(NFC) 现在采集器的主要原材料来源受到限制，并受到EEPROM相辅相成以提供创新的高能效感知方案。少数供应商的控制，位于数量非常有限的政府中。鉴此外，位置跟踪、环境光测量和运动检测也是了解机于这些困难，世界范围内的研发界都认为这是个非常器和人类环境的关键。让这些器件工作，以提供现成“热门”的话题。的集成方案或可行的概念验证的原型是个令人兴奋的如果我们希望这个颠覆性的机会实现预测的规挑战。在这里，诸如安森美半导体的物联网开发套件模，人们只能鼓励并且通过电子行业专(IDK)这样的工具可顺畅、加速和简化概念的开发，使家如安森美半导体的技术创新，支持和用户能够快速、轻松地测量、汇总和分析物联网应用推动物联网环保方案的广泛部署。的数据。(上接第33页)定位的场景中，我们通过采集100家商的应用需求。随着人工智能的发展，指纹定位、计算场2017年7-8月的详细数据作为离线数机视觉等方法被引入到定位过程中，有利于抵抗多径据，并通过2017年9月的商场内用户数据来做评测，效应，提升定位准确度。同时，面向室内定位的空间检测算法是否能准确地识别出当时用户所在的店铺。数据管理、可视化表达与分析也将是室内定位技术发结果显示，上述模型最终的定位准确性可达到90%以展的重要组成部分，对于推动室内定位上，通过结合用户行为特征参数，进行特征工程及模技术的实际应用具有重要的价值。型融合最优结果可达到93%以上。参考文献：[1]阮陵,等.室内定位:分类、方法与应用综述. 地理信息世界, 2015(02):8-4 结论14+30[2]周建.基于WLAN的室内无线定位技术研究.西安电子科技大学:81,2014 [3]刘攀.基于RSSI指纹库的室内定位系统的设计与实现.华中师范大学,59,2015 随着室内定位技术的不断发展，广域普适化的室[4]指纹定位方法研究[5]Spherical Antenna-based DoA Estimation and Localization: Advanced Algorithms and 内定位新技术必然会出现，融合室内外空间实现无缝Measurements, in IEEE/CIC International Conference on Communications in China. 2018.[6]K-means指纹定位的优化算法[7]基于智能手机的室内定位技术的发展现状和挑战定位，解决未知环境中的定位问题，形成一系列的室 内定位建设与开发标准与规范，满足各行业不同层次www.eepw.com.cn 2018.112935201811正文.indd 352018/10/26 16:40:20