详解WiFi定位、蓝牙定位、RFID定位原理及对比.docx

WiFi定位、蓝牙定位、RFID定位原理及对比
常见定位方式汇总及其定位原理
一、无线定位原理
无线定位，是通过获取采集移动设备到周围各个AP（AccessPoint）的信号强度RSSI，利用RSSI估算距离进行定位的。其实现方式分为主动采集和被动采集:

主动采集，是依赖于AP主动采集移动设备的信号强度，在实际使用中，由于AP部署稀疏，且相邻的AP处于不同的无线信道，主动采集到的数据量不足，定位的效果普遍不佳。

被动采集，是在移动设备上安装APP应用的方式，由APP在后台主动向AP发送消息，增加被采集到的数据量，能提升定位的效果。但因需要结合APP使用，市场接受程度受到限制。

二、蓝牙定位原理
蓝牙定位也称beacon定位，同样是基于RSSI的。其实现是通过蓝牙信标主动地广播宣告自己的位置来感知所处的位置。但是传送距离短小，决定了蓝牙设备的部署密度非常大。并且由于电源无法长久使用，当设备电量用完后，更换设备的维护成本也是一笔不菲的开销。

三、无线定位和蓝牙定位对比
定位类型定位原理优势劣势定位精度

蓝牙定位采用基于蓝牙的RSSI定位技术，除了使用集成在移动终端上的蓝牙模块外，还需要部署蓝牙基站。1.低功耗
2.定位精度高1.除了使用集成在移动终端上的蓝牙模块，还需要蓝牙基站，但是蓝牙基站不普及，且蓝牙器材和设备价格比较昂贵，目前尚未大规模推广；
2.iBeacon一般通过电池供电，有些可用3-5年，不过这也意味着每3-5年就需要更换电池。维护成本高。2米-3米

无线定位Wi-Fi定位基于现有WLAN网络，采用RSSI定位方式。1.网络已广泛部署，产品成熟，价格低廉。
2.无需额外设备，成本低。
3.使用方便。
1.射频信号易受环境干扰。
2.定位精度和准确度较差，且具有较强的时变特性。
3.指纹识别训练数据采集工作量大。
4.不适于高精度实时跟踪场景。3米-15米

三、基于RSSI定位原理的定位算法
就定位的算法而言，目前基于RSSI定位主要有二个算法：三角定位算法，指纹识别算法。

1、三角定位算法：
如果我们已经知道了这些AP的位置，我们可以利用信号RSSI衰减模型估算出移动设备距离各个AP的距离,然后根据智能机到周围AP距离画圆。在实际使用中，只要知道被搜寻设备与周围三个点的距离，就可以依此画出三个圆圈，而三个圆圈的交会位置，便是设备的位置。定位的过程可分成两个阶段：测距与定位。

①测距阶段：待测点首先接收来自三个不同已知位置WIFI接入点的RSS，然后依照无线信号的传输损耗模型将其转换成待测目标到相应WIFI接入点的距离。无线信号在传输过程中通常会受路径损耗、阴影衰落等的影响，接收信号功率随距离的变化关系可由信号传输损耗模型给出。
②定位阶段：通过三角形算法计算待测点位置，即分别以已知位置的三个WIFI接入点为圆心，以其各自到待测点的距离为半径为范围，所得三个圆形范围的交点即为待测点位置。

三角定位的理论很简单，但其缺点也非常明显，就是定位结果非常不精准。原因很简单，因为AP的位置和移动设备距离AP的长度都是推算出的，误差+误差=更大的误差。

2、指纹识别算法：
指纹识别算法需要提前绘制一幅信号map，相当于对每个一点都采样标记出它的信道强度情况。然后在定位时，在信号map中进行匹配，匹配出的信号最相似位置，即设备的位置。其方法类似于机器学习算法，分为两个阶段:离线训练与在线定位。

①离线训练阶段：其目标在于建立一个位置指纹识别数据库。首先，选择合理的参考点分布，确保能为定位阶段的准确位置估计提供足够的信息。接着依次在各个参考点上测量来自不同AP的RSS值，将相应的MAC地址与参考点的位置信息记录在数据库中，直至遍历关注区域内所有的参考点。由于受环境影响，无线信号强度并不稳定，为了克服RSS不稳定对定位的影响，通常在每个参考点上多次测量取平均。
②在线定位阶段：给定数据库后，依据一定的匹配算法将待测点上接收的APRSS与数据库中的已有数据进行比较，计算位置估计值。常用的匹配算法有最近邻法（NN）、KNN、神经网络等。

相比三角测量基于信号传输模型来估算无线终端与WIFI接入点间的相对距离，指纹识别具有更高的准确度，因为它使用的是真实采集的信号信息而不是根据经验公式来推算。但该法同样存在很大的问题：首先，指纹识别数据库的构建需要耗费大量的人力物力，数据库完备程度会影响到定位的精度。其次，WLAN无线信号时变特性导致预先采集的数据在某种意义上只具有“瞬时”有效性，而且所部署环境的变化都会导致RSS或大或小的变化，使得需要重构指纹识别数据库。因此在实际使用中，每三个月或半年就需要重采一次以保证高精度。而且每次的采集量需要非常大，其收集和更新指纹的成本费用非常高。

四、WiFi+RFID