室内定位与导航技术在智能楼宇中的应用研究

张子尧

（山东省邮电规划设计院有限公司，山东 济南 250101）

0 引 言

现代社会中，智能楼宇的兴起和发展已经成为重要趋势。智能楼宇集成各种先进的技术和系统，旨在提供更高效、舒适且可持续的建筑环境。然而，室内定位和导航在智能楼宇中仍是一个具有挑战性的问题。传统的全球定位系统（Global Positioning System，GPS）在室内环境下的定位效果有限，因此需要研究和开发室内定位与导航的解决方案[1]。

智能楼宇中的室内定位与导航技术具有广阔的应用前景，可在复杂的室内环境中提供准确的定位和导航服务，从而极大地提高人们生活的便利性和工作效率。此外，基于智能楼宇的室内定位与导航技术可为建筑管理者提供实时数据，优化资源利用、安全管理和维护工作[2]。

1 室内定位导航技术选择

利用Wi-Fi 信号进行室内定位与导航具有5 点优势。

第一，基础设施广泛。Wi-Fi 网络已经在许多建筑物中得到广泛部署，包括商场、医院等。利用Wi-Fi 信号进行室内定位与导航无须额外的基础设施建设，可以直接利用现有的Wi-Fi 网络。

第二，覆盖范围广泛。Wi-Fi 信号具有较大的覆盖范围。1 个Wi-Fi 接入点可以覆盖一个相对较大的区域，只需少量的Wi-Fi 接入点即可覆盖整个建筑物，从而实现对室内空间的定位与导航。

第三，成本相对较低。相比其他室内定位技术（蓝牙、红外线等），利用Wi-Fi 信号进行定位和导航的成本相对较低。Wi-Fi 基础设施已经普及，无须额外的硬件设备，只需利用现有的Wi-Fi 接入点和移动设备即可实现。

第四，较高的定位精度。通过采集Wi-Fi 信号强度数据，并与预先建立的指纹数据库进行匹配，可以实现相对较高的定位精度。多个Wi-Fi 接入点的组合可以提供更准确的定位结果。

第五，适用于室内环境。Wi-Fi 信号在室内环境中的传播特性使其在室内定位与导航方面表现良好。相较于GPS 等定位系统，Wi-Fi 信号在室内的强度变化较为显著，因此可以更精确地为用户提供定位和导航服务。

2 基于Wi-Fi 信号的室内定位导航技术实现

2.1 Wi-Fi 信号数据收集与预处理

为实现室内定位导航，需要先收集建筑物内各个位置的Wi-Fi 信号数据，可以通过在建筑物内部部署Wi-Fi 接入点（Access Point，AP）来完成[3]。在收集数据时，需要在建筑物内的不同位置放置一定数量的AP，以覆盖整个区域。利用Wi-Fi 信号强度来反映设备与AP 之间的距离关系。收集到Wi-Fi 信号数据后，需要对数据进行预处理，以提取有用的特征信息。预处理步骤如下。

第一步，信号采样。在一定时间间隔内，对Wi-Fi 信号进行采样，得到一系列信号强度。假设采样N个时间点的信号强度，可以表示为

式中：si表示第i个采样时刻的信号强度值，i=1,2,…,N。

第二步，信号滤波。为减小信号中噪声的影响，可以使用滤波器对信号进行平滑处理。文章选用的滤波方法是移动平均滤波。假设使用窗口大小为M的移动平均滤波器，滤波后的信号可以表示为

式中：smi表示第i个滤波后的信号值，i=1,2,…,N-M+1。

移动平均滤波的计算公式为

第三步，特征提取。从滤波后的信号中提取有用的特征，包括信号强度、信号波形、信号的频谱特征等。

使用信号的方差统计量来描述信号波形特征。方差是描述信号波形离散程度的统计量，用来表示信号的变化幅度。信号序列的方差通过计算每个样本值与均值之差的平方的平均得到，即

对于信号频谱特征，使用快速傅里叶变换（Fast Fourier Transform，FFT）来进行频域转换。假设有一个经过滤波的信号序列sm，使用FFT 算法将其转换为频域表示，得到复数形式的频谱序列Fk=FFT(sm)，其中0 ≤k≤N-M。

从频谱序列Fk中提取频谱特征，包括主导频率和频谱能量。主导频率是频谱中具有最大幅值的频率，用于表示信号中最突出的频率成分。在频谱序列中找到具有最大幅值的频率索引kmax，将其转换为实际频率值fdom。kmax的表达式为

式中：|Fk|表示频谱序列中频率索引为k的幅值。

实际频率值fdom为

式中：fs表示信号的采样频率。

频谱能量表示信号在不同频率成分上的能量分布情况。通过计算频谱序列中各频率成分的幅值的平方和来得到频谱能量，即

通过提取主导频率和频谱能量，获得关于信号频谱特征的信息。主导频率表示信号中最显著的频率成分，频谱能量描述了信号在不同频率上的能量分布情况。这些特征可用于信号分析、频域处理和特征提取。

第四步，数据标定。在进行定位前，需要将已知位置的Wi-Fi 信号数据与其对应的位置进行匹配，建立位置与Wi-Fi 信号特征之间的映射模型。假设已经收集到M个已知位置的Wi-Fi 信号数据及其对应的位置信息，表示为

式中：Xi表示第i个已知位置的坐标，i=1,2,…,M；Si表示第i个已知位置处的Wi-Fi 信号特征。

建立映射模型的目标是找到一个函数f(X)，即Wi-Fi 信号特征映射位置坐标，使f(S')≈Xi对于所有已知位置成立。在定位时，通过测量的Wi-Fi 信号特征S'，使用映射模型f(S')得到估计的位置坐标X'。

2.2 建立Wi-Fi 信号指纹库

建立Wi-Fi 信号指纹库是一种常见的室内定位技术，用于将Wi-Fi 信号强度与特定位置关联起来，以支持后续的定位和导航过程。建立Wi-Fi 信号指纹库的步骤如下。

第一，位置选择。在建筑物内选择一系列特定位置，应覆盖整个区域并代表建筑物的不同区域、房间或走廊。确保选择的位置具有代表性和多样性，以便获得更全面的指纹库。

第二，信号采集处理。在每个选定的位置，使用Wi-Fi 设备（智能手机、扫描工具）收集Wi-Fi 信号强度数据。在每个位置进行连续的信号采样，以获取一系列的信号强度值。

第三，数据存储。将每个位置的特征向量与其对应的位置信息相关联，并将其存储在数据库。数据库可以采用适合存储和检索大量数据的结构，如关系型数据库或分布式数据库。

在建立Wi-Fi 信号指纹库时，关键是选择代表性的位置、准确采集和处理信号数据，有效存储数据，以供后续使用。通过匹配采集的Wi-Fi 信号数据与指纹库中的数据，实现室内定位和导航。

2.3 室内定位

根据当前位置的Wi-Fi 信号强度数据，与预先建立的Wi-Fi 信号指纹库进行匹配和定位。常用的算法包括最近邻算法、加权最近邻算法、贝叶斯定位算法等[4]。本设计选择最近邻算法作为定位算法。计算采集的Wi-Fi 信号强度数据与指纹库中数据的相似度，选择与之最接近的y个邻居位置。根据y个邻居位置的权重（可统一或根据距离进行加权），实现位置估计。

2.4 路径规划与导航

路径规划与导航是基于定位结果、建筑物地图数据和路径规划算法来确定最优路径，并生成导航指引，以帮助用户从起点到达终点。获取建筑物的地图数据，包括建筑物的拓扑结构、房间、走廊以及出入口等信息。基于地图数据和定位结果，采用适当的路径规划算法来确定从起点到终点的最优路径[5]。常见的路径规划算法包括最短路径算法和最小成本路径算法。本设计选用最短路径算法，实现步骤如图1所示。

图1 路径规划算法步骤

首先，初始化起点到所有节点的距离为无穷大，起点到自身的距离为0。对于每个节点v（v∈V），如果v是起点节点，则将距离dv初始化为0；否则，将起点到该节点的距离dv初始化为无穷大。选择起点作为当前节点，并更新与其相邻节点的距离。将起点设为当前节点，对于当前节点的每个相邻节点，计算从起点到当前节点再到相邻节点的距离ddist。如果ddist小于相邻节点的当前距离，则更新当前距离为ddist。其次，从未访问节点中选择距离起点最近的节点，将其设为当前节点，并更新与其相邻节点的距离，直到找到终点或所有节点都被访问。再次，根据更新后的距离信息回溯路径，得到从起点到终点的最短路径。从终点节点开始，倒序追踪每个节点的最短路径。最后，获得最短路径路径列表，其中包含从起点到终点最短路径的节点顺序。

通过执行以上算法步骤，可以得到从起点到终点的最短路径，即导航指引。

3 结 论

室内定位与导航技术在智能楼宇中的应用研究表明，该技术对于楼宇管理的优化、用户体验的增强和安全性的提升具有重要意义。随着技术的进一步发展和应用的推广，室内定位与导航技术将在智能楼宇领域发挥更大的作用，为人们提供更智能、高效、安全的楼宇环境。