基于WLAN Probe Request帧的跨平台室内感知定位方法.docx

基于WLANProbeRequest帧的跨平台室内感知定位方法
基于WLANProbeRequest帧的跨平台室内感知定位方法
摘要：室内定位作为无线网络技术的重要应用之一，对于提供个性化服务和提升用户体验具有重要意义。本文提出一种基于WLANProbeRequest帧的跨平台室内感知定位方法。通过感知用户设备扫描周围Wi-Fi网络的ProbeRequest帧，结合室内地理信息系统和机器学习算法，实现了精确定位和用户行为识别。该方法能够在不依赖额外硬件设备和地图数据的情况下，较高准确性地实现室内用户定位。
关键词：WLANProbeRequest帧，室内感知，定位，机器学习
1.引言
随着智能终端设备的普及和无线网络技术的快速发展，室内定位技术受到了广泛关注。与传统的GPS定位技术相比，室内定位面临着更大的挑战，因为GPS信号在室内环境下容易受到衰减和多径效应的影响。因此，研究者们提出了许多基于无线网络的室内定位方法，如基于Wi-Fi信号强度指纹的定位方法、基于RFID标签的定位方法等。然而，这些方法都需要额外的硬件设备或复杂的环境建模，增加了系统的复杂性和成本。
2.相关工作
在已有的室内定位方法中，基于WLANProbeRequest帧的方法具有较高的定位准确性和便利性。WLANProbeRequest帧是指手机或其他Wi-Fi设备在连接Wi-Fi网络时发送的请求帧，其中包含了设备的唯一标识符和其他一些信息。研究人员发现，这些ProbeRequest帧在不同位置和时间的统计特征具有一定的规律性，可以通过分析这些特征进行室内定位。
3.定位方法
本文提出的跨平台室内感知定位方法主要分为三个步骤：ProbeRequest帧采集、特征提取和定位。
3.1ProbeRequest帧采集
首先，需要在室内环境中部署一定数量的Wi-Fi接入点，这些接入点用于感知用户设备发送的ProbeRequest帧。由于ProbeRequest帧具有较短的范围，因此需要保证接入点的密度足够高，能够覆盖整个室内区域。可以通过现有的Wi-Fi网络设备，如路由器、AP等来实现。
3.2特征提取
针对采集到的ProbeRequest帧，需要从中提取出有用的特征信息。常用的特征包括设备的MAC地址、信号强度、频率等。同时，还可以结合时间和位置信息，构建更加丰富的特征向量。
3.3定位
利用采集到的ProbeRequest帧的特征信息，可以通过机器学习算法进行定位。常用的机器学习算法包括KNN、SVM等。通过训练集和测试集的数据，可以建立定位模型，并利用该模型对新的ProbeRequest帧进行定位预测。
4.实验与结果
为验证所提出的跨平台室内感知定位方法的有效性，进行了一系列实验。在实验中利用了一定数量的Wi-Fi接入点，并采集了大量的ProbeRequest帧。通过提取特征和利用机器学习算法，得出了较为准确的室内定位结果。与传统的Wi-Fi信号强度指纹定位方法相比，本文方法具有更高的定位准确性和更低的成本。
5.结论与展望
本文提出了一种基于WLANProbeRequest帧的跨平台室内感知定位方法，通过分析ProbeRequest帧的统计特征，实现了室内用户定位功能。与传统的室内定位方法相比，该方法具有较高的定位准确性和便利性。然而，由于Wi-Fi网络的复杂性和使用习惯的变化，仍然存在一些局限性。未来的研究可以进一步探索如何结合其他感知技术和算法，提高室内定位的精确性和稳定性。
参考文献：
[1]ZengB,LiX,ZhouL,etal.Exploitingtheopportunitiesandovercomingthechallengesofindoorlocalisationinalargevenue.ArtificialIntelligenceReview,2019,51(1):179-206.
[2]LiuY,WuY,LiuJ,etal.Aprobe-request-basedindoorpositioningmethodusingWi-Fidevices.Sensors,2017,17(9):2045.
[3]YoussefMA,AgrawalaA.TheHorusWLANlocationdeterminationsystem.Proc.3rdInternationalConferenceonMobileSystems,Applications,andServices,2005:205-218.