Page 204 - 《武汉大学学报（信息科学版）》2025年第10期

第 50 卷第 10 期 杨 帆等：基于移动采集指纹的手机自适应压缩感知室内定位方法 2139

与式（8）所示的绝对泛在无线信号接收信号 空 间 位 置 相 关 性 ，还 可 以 降 低 匹 配 的 搜 索 计
强度测量值相比，接收信号强度差不包含 G d 的设 算量。
备相关参数，因此理论上不会受设备不同效应的
影响。然而，先前的研究 ［32］ 发现，无线信号测量 3 手机自适应压缩感知室内定位实验
噪声对 SSD 指纹有更大的影响。图 5 展示了不 与分析
同型号的手机在同一位置、相同时间段内接收到
3.1 实验设置
不 同 AP 的 RSSI 数 据 ，可 以 看 出 不 同 手 机 对 于
本文测试的室内环境选定为武汉大学地面
RSSI 最大值的接收差异更小。因此，本文方法是
对泛在无线信号 RSSI 测量值序列进行排序，并 站实验大楼，该建筑物包含 5 层。如图 6 所示，以 3
楼为例，该层平面图的边界范围长 84 m、宽 21 m，
选择一个相同的基准值（例如序列中 RSSI 最大
室内场景主要包括长走廊（A 点区域）、半开放空
值）计算排序后的相对 RSSI 测量值。
间（B 点区域）和封闭室内空间（C 点区域），每层楼
包含一定数量坐标未知的 Wi-Fi AP 基站，实验指
纹采集区域是房间区域和走廊区域。

图 5 不同型号的手机在同一位置、相同时间段内接收到
不同 AP 的 RSSI 数据
Fig. 5 Different Mobile Phones Receive RSSI Data from
Different AP in the Same Location and in the Same Period

为了便于比较，本文提出的基于接收信号强
度差序列的移动采集指纹的硬件自适应方法用
CSSD（coincident signal strength difference）表示。
根据式（6），利用 CSSD 方法可将手机定位时接收
图 6 测试区域示意图
的泛在无线信号 RSSI 测量值矩阵 ψ ͂ 表示为： Fig. 6 Diagram of Test Areas
m
ψ ̌ = Λ m ψ ͂ m （10）
m
实 验 硬 件 设 备 为 三 星 S8、谷 歌 Pixel4、三 星
式中， ψ ̌ 是 m×1 移动采集指纹的硬件自适应稀
m
S10 和小米 10 4 款智能移动手机，其中三星 S8 采
疏性矩阵； Λ m 是 m×m 手机硬件自适应变换矩阵，
用 Android 8 系统，其余 3 部均采用 Android 10 系
可表示为：
统。指纹采集阶段使用三星 S8 作为指纹采集设
æ 0 0 0 0 ⋯ 0 ö
ç ç -1 1 0 0 ⋯ 0 ÷ ÷ 备。定位阶段则使用 4 部手机在同样的路线上采
ç ÷ ÷ 集 Wi-Fi RSSI 数据进行定位匹配测试。特别地，
Λ m = ç ç -1 0 1 0 ⋯ 0 ÷ （11）
ç
÷
ç ç ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ÷ ÷ Wi-Fi 信号的扫描过程包括两个步骤：应用程序
ç ç -1 0 0 ⋯ 1 0 ÷ ÷ 将“startScan”接 口 命 令 发 送 到 Wi-Fi 模 块 ，该 模
è -1 0 0 ⋯ 0 1 ø 块在一个周期扫描完成后，将 Wi-Fi 扫描结果存
在定位过程中，手机自适应压缩感知匹配定 储在缓存中；系统通知应用程序扫描已完成，应
位算法的主要步骤为：首先，根据最强 AP 筛选预 用程序在回调函数中执行“getScanResults”接口
匹配序列；然后，以每个预匹配序列的最大值为 命令，获取缓存中的 Wi-Fi 扫描结果。在此过程
基准值逐个构建最佳硬件自适应序列，确定硬件 中，采集的 Wi-Fi 信号数据可能会过时，这将破坏
自适应稀疏向量待选集；最终基于压缩感知算法 Wi-Fi RSSI 指纹和位置坐标的一致性，即信号数
在待选集中获取最优匹配结果作为手机定位结 据与空间位置产生偏移，尤其是在使用移动采集
果输出。该过程既能保证 CSSD 方法预匹配序列 方法时。这个问题可以利用 Android 4.2 以上版