Page 201 - 《武汉大学学报（信息科学版）》2025年第10期

2136 武 汉 大 学 学 报 （信 息 科 学 版） 2025 年 10 月

RSSI fingerprints during mobile walking and build a corresponding mobile collection fingerprint database, and
construct feature vectors according to the characteristics of mobile collection fingerprints. Sparse feature repre‑
sentation of mobile-collected fingerprints is proposed, and a fingerprint matching indoor location model is es‑
tablished based on adaptive compressed sensing algorithm. Results: The experimental results show that the
fingerprint collection efficiency is improved by 90.83%, the average location error is 1.96 m, the root mean
square error is 2.75 m, and the location consistency difference error is improved by 32.67% on average.
Conclusions: The proposed method outperforms the existing algorithms in terms of fingerprint collection ef‑
ficiency, location accuracy and location consistency of different phones.
Key words： indoor positioning； ubiquitous wireless signals； mobile-collected fingerprint database； hardware
heterogeneity； adaptive compressed sensing

智能移动终端数量的增加促进了互联网时 手机存在 RSSI 测量值硬件差异的情况下，实现
［1］
代基于位置服务的全速发展 。在户外场景中， 更精确且一致的定位效果。实验结果表明本文
借助全球导航卫星系统可获得移动终端的实时 方法在指纹采集效率与定位效果一致性方面优
位置。在室内、城市峡谷等场景中，卫星信号被 于传统方法。
遮 挡 ，移 动 终 端 难 以 正 常 获 取 定 位 信 息 ［2-4］ 。 然
而，随着 IEEE 802.11 技术的成熟应用，泛在无线 1 传统 RSSI指纹压缩感知定位模型
信 号 成 为 人 们 日 常 生 活 的 主 要 信 息 传 输 介 质 。 及其存在的问题
无 线 局 域 网 接 入 点（access point，AP）的 广 泛 部
署，更是让城市建筑（如办公楼、医院、地铁站等） 基于指纹的室内定位算法是指通过位置未
知的移动终端接收到的信号特征与预先建立的
室内空间被无线信号覆盖 。因此，基于无线信
［5］
信号指纹库进行匹配来估算移动终端的位置坐
号的室内定位成为移动互联网突破发展的关键
标。理论上，在每个已知位置坐标上信号特征参
技术 ［6-7］ 。现有的室内定位方法大致可分为：（1）基
数是唯一的（即一组信号指纹数据），定位区域的
于测距的室内定位方法 ［8-11］ ，如基于信号到达时
所有指纹数据构成了信号指纹库。因此，基于指
间的室内定位方法、基于信号到达时间差的室内
纹室内定位的工作流程主要分为指纹训练和匹
定位方法等；（2）基于测角的室内定位方法 ［12-13］ ，
配定位两个阶段。指纹训练阶段主要用于建立
如基于信号到达角的室内定位方法、基于信号出
定位区域的信号指纹数据库。匹配定位阶段将
发角的室内定位方法等；（3）基于指纹的室内定
实时接收到的信号特征值与指纹数据库中的信
位算法 ［14-15］ ，如基于接收信号强度指示（received
号指纹特征进行匹配，计算出智能移动终端的位
signal strength indicator，RSSI）指纹、基于信道状 ［18-20］
置坐标 。
态信息指纹等。当前的室内定位研究成果丰富， 1.1 RSSI 指纹库构建模型及采集效率问题
不同方法拥有各自的优缺点与使用场景。其中， 在离线阶段，传统 RSSI 指纹库构建方法需
基于 RSSI 指纹的室内定位方法由于无须安装专 要将定位区域划分为多个网格，对每个网格构建
用的定位设备且不用给手机添加额外的组件，仅
索引标签并获取位置坐标构成参考点（reference
利用 RSSI 的变化信息 ［16-17］ 即可获得满足精度的 point，RP），如图 1 所示。利用手机在每一个参考
定位结果而被普遍使用。 点采集不同 AP 的 RSSI 值构成 RSSI 向量。每个
基于 RSSI 信号的指纹匹配室内定位方法存 RP 的索引及位置信息和 RSSI 向量共同构成该
在两个问题：（1）RSSI 指纹采集效率低；（2）不同 参考点的 RSSI 指纹，表示为：
类型设备硬件差异带来的定位性能不一致。为 ψ m =[ ψ 1,m ψ 2,m ⋯ ψ n,m] T （1）

解决上述问题，本文提出了一种基于 RSSI 信号 1 p
式中 ，ψ n，m = ∑ ψ n，m ( τ ) （n=1，2， …，A；m=1，
移动采集的自适应压缩感知指纹匹配定位方法。 p
τ = 1
该方法通过移动测量方式采集 RSSI 信号建立指 2，…，R）表示在第 m 个 RP 处一个采样周期采集
纹匹配数据库，大幅度降低指纹采集工作量；设 第 n 个 AP 的 RSSI 平均值；A 表示泛在无线信号
计了一种自适应压缩感知定位算法，在不同型号 AP 的总数；R 表示定位区域内 RP 的总数。