CN102595592A - 一种移动社会网络目标节点的室内定位方法 - Google Patents

Abstract

本发明公开了一种移动社会网络目标节点的室内定位方法，将至少三个接入点AP分别放置在不同位置且已知坐标点处作为锚节点，获得所有锚节点的信号强度和距离的关系模型，使移动智能终端设备获取每个信号的信号强度值，选择信号强度最强的三个锚节点作为需要参与定位的节点，分别代入对应的锚节点的RSSI和距离的关系模型中，计算出移动智能终端设备到相应锚节点的距离；采用角形定位算法计算出移动智能终端设备的位置坐标。本发明不仅能够实现移动社会网络环境下对移动节点的定位，还在一定程度上克服了环境对于定位的影响，提高了定位的精度，基本能够满足移动社会网络环境下的定位需求。

Description

一种移动社会网络目标节点的室内定位方法

技术领域

本发明涉及一种在移动社会网络中对室内的目标节点定位的方法，特别是一种在移动社会网络中利用移动智能终端设备接收到的信号强度实现基于平均测距的精确几何定位方法。

背景技术

近年来，随着互联网应用的飞速发展及相关技术的不断深入，社会网络的概念越来越多地被人们提及。社会网络是指由许多节点构成的一种社会结构。在社交网络中用节点表示个人，用边连接具有接触或者其它相互作用关系的个人。这种网络通过物理对象之间的相互关联来界定。在社会网络的基础上，移动社会网络(Mobile SocialNetwork)的概念被提出，并且成为近几年的研究热点。移动社会网络是社会网络和智能感知技术的结合。它以移动终端为接入媒介，以移动用户群体为依托，以真实的社会关系为基础，通过移动感知设备捕获具有时空特征的人类移动和交互，是架在虚拟社会信息空间和真实物理世界之间的一座桥梁。

移动社会网络环境下，存在着各种兼有通信和计算能力的手持信息设备，如智能手机，PDA(个人数字助理)等。用户能够从任一设备或终端接入网络、获取内容，在互动中共同创造图片、视频、文本等内容。由于移动社会网络是以人为中心的网络，它由许多个人这样的个体组成，由人与人之间的各种关系不断地连接与扩展，加上智能设备丰富的感知能力和便携性使得移动社会网络得以在人类生活的方方面面得到广泛的应用，其中目标节点即人的定位和跟踪就是移动社会网络的重要应用之一。在移动社会网络中把手持移动智能终端设备的人称为移动节点，而定位的目标节点可以是移动节点中的任意一个。

随着IEEE 802.11技术的成熟，WiFi在世界各地普及，其覆盖面越来越广。虽然WiFi的设计初衷并不是为了定位，但是其接入点AP(Access Point)或基站定期发送的信标信号中所含的接收信号强度信息RSSI为定位移动台提供了可能性。RSSI(ReceivedSignal Strength Indicator)是接收信号的强度指示，用来判定信道链接质量，以及是否增大广播发送强度。RSSI的值随着信道链路质量的变化而变化。理想情况下，RSSI的值随着接收端与发射端的距离的增大而衰减，即距离越远，检测到的RSSI的值越小，距离越近，检测到的RSSI的值越大。

现今的智能手机设备上都配备有接收WiFi信号的模块，通过智能手机接收到的WiFi信号的RSSI的强弱测定智能手机与WiFi基站的距离，进而根据获得到的相应数据对智能手机持有者——人进行定位计算，获取人的当前位置信息。

目前已经出现了一些基于信号强度的目标定位方法，如专利号为200810225565.4的发明，其根据传感器节点测量信息预测估计目标位置，建立包含目标预估计位置的学习区域，选取任意数量的位置点利用多项式核函数和E-支持向量回归机得到决策函数，最后根据决策函数得到目标位置的估计值。

但是，上述方法的复杂度高，计算量大，无线传感器网络中的节点计算能力强，能够实现上述方法，但是在移动社会网络中，移动智能终端设备的计算能力和存储空间都比较有限，无法胜任高强度的计算。其次，移动社会网络环境中的节点是移动的，网络拓扑结构变化较快，这就要求定位要迅速，不能耗费太多的时间。

发明内容

为了克服现有技术的不足，本发明提供一种更适用于移动社会网络环境中实现对室内目标节点自动定位的方法。该方法能够兼顾移动智能终端设备计算能力及存储空间有限的缺陷，根据大规模移动社会网络的特殊性，减少定位的计算量和定位所需时间，实现在移动社会网络环境中基于无线信号强度的节点室内定位方法。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤一：将至少三个接入点AP分别放置在不同位置且已知坐标点处作为参考节点，称之为锚节点，记录下锚节点的位置信息和名称信息；

步骤二：在距离锚节点不同距离处进行RSSI测距，分别获取对应的RSSI样本值，并存储距离-RSSI数据对，根据距离-RSSI数据对建立WiFi无线信号强度RSSI和距离的关系模型；对每个锚节点都如此进行实验，获得所有锚节点的信号强度和距离的关系模型；

移动节点与各锚节点间的距离

n为路径损耗指数，A为接收的信号强度，A＝P_t-P_L(d₀)，P_t表示信号的发射功率，P_L(d₀)表示参考距离为d₀时的路径损耗，是多次测量接收到的信号强度RSSI的平均值，对每个锚节点都建立多个二元一次方程组的方法，通过对每个锚节点的二元一次方程组进行求解后取平均值的方式得到相应的参数A和n的值。

步骤三：打开移动智能终端设备的WiFi服务模块，使移动智能终端设备获取每个信号的信号强度值；

步骤四：移动智能终端设备对每个锚节点循环获取RSSI的样本值，采取多次取值求RSSI均值的方式将求得的均值最终作为移动智能终端设备接收到的锚节点的信号强度值，选择信号强度最强的三个锚节点作为需要参与定位的节点，记录下它们的名称信息以及对应的RSSI均值；

步骤五：将参与定位的三个锚节点的RSSI均值分别代入对应的锚节点的RSSI和距离的关系模型中，计算出移动智能终端设备到相应锚节点的距离；

步骤六：根据计算得到的移动智能终端设备到锚节点的距离和锚节点的位置坐标，采用基于测距的三角形定位算法计算出移动智能终端设备的位置坐标，也就是手持该移动智能终端设备的人，即移动节点的当前位置。

本发明的有益效果是：由于同时考虑移动智能终端设备的计算能力和存储空间的有限和定位精度的需求，本发明不仅能够实现移动社会网络环境下对移动节点的定位，还在一定程度上克服了环境对于定位的影响，提高了定位的精度，基本能够满足移动社会网络环境下的定位需求。

附图说明

图1示出了本发明实例中移动社会网络节点结构；

图2示出了本发明所述方法的处理流程简图；

图3示出了本发明所述方法的处理流程详图。

具体实施方式

步骤一：初始化锚节点；

将至少三个接入点AP分别放置在不同位置且已知坐标点处作为参考节点，一般称之为锚节点。锚节点放置好后，记录下锚节点的位置信息和名称信息。

步骤二：采集实验数据；

在距离锚节点不同距离处进行RSSI测距，分别获取对应的RSSI样本值，并存储距离-RSSI数据对，根据数据对建立WiFi无线信号强度RSSI和距离的关系模型；对每个锚节点都如此进行实验，获得所有锚节点的信号强度和距离的关系模型。

RSSI测距一般基于信号传输的理论模型。本发明中采用的是对数距离路径损耗模型，其损耗模型为：

P_L(d)＝P_L(d₀)+10nlg(d/d₀)+X_σ (1)

其中，d为发射节点与接收节点之间的距离，单位为m；n为路径损耗指数，表示路径损失随距离增加而增大的快慢，与周围的环境有关；X_σ是均值为0，标准差σ范围在4～10的高斯分布随机变量，σ越大表示模型的不确定性越大；d₀为参考距离，单位为m，通常取1m；P_L(d₀)表示参考距离为d₀时的路径损耗。

接收节点接收的信号强度为：

RSSI＝P_t-P_L(d)   (2)

其中，P_t表示信号的发射功率，单位为dBm；P_L(d)为经过距离d后的路径损耗。

因此，距离发射节点d₀处的参考点接收的信号强度A为：

A＝P_t-P_L(d₀)     (3)

把(3)代入(1)得到：

P_L(d)＝P_t-A+10nlg(d/d₀)+X_σ  (4)

参考距离设为1m，即d₀＝1，把(4)代入(2)得到：

RSSI＝A-10nlg(d)-X₀    (5)

由干X₀均值为0，因此

$\stackrel{\‾}{\mathrm{RSSI}}=A-10\mathrm{nlgd}---\left(6\right)$

其中

是多次测量接收到的信号强度RSSI的平均值。所以，

$d={10}^{\frac{A-\stackrel{\‾}{\mathrm{RSSI}}}{10n}}---\left(7\right)$

可见，利用(7)能够计算出移动节点与各锚节点间的距离d，进一步利用锚节点的位置信息和定位算法可以估计出移动节点的位置。

由(7)式知，要想得到距离与RSSI的关系模型，就必须知道参数A和n的值。一般的做法是直接根据所测数据构造二元一次方程组求解出这两个参数的值作为整体的参数值。但这种方法求出的参数值精度不高，误差较大。在本方法中，我们采取对每个锚节点都建立多个二元一次方程组的方法，通过对每个锚节点的二元方程组进行求解取平均值的方式得到相应的参数A和n的值，即对锚节点1有A1，n1；对锚节点2有A2，n2；对锚节点3有A3，n3，如此类推。这样就可以建立起每个锚节点对应的距离-RSSI的关系模型，从而最大程度地减少环境对于实验的影响。

步骤三：打开移动智能终端设备的连接WiFi并获取WiFi无线信号强度RSSI的服务；

本发明首先需要打开智能终端设备的WiFi服务模块，使智能终端设备能够自动检测周围的WiFi信号，进而获取每个WiFi信号的信号强度值。

步骤四：采集RSSI样本数据，移动智能终端设备循环获取锚节点的RSSI值，根据多次取值求平均再比较大小的原则来选择三个锚节点参与定位，并存储参与定位的锚节点的名称以及获取到的RSSI均值；

移动智能终端设备在打开WiFi服务后，会处于一个监听状态，不断扫描监听周围锚节点发来的数据包请求。锚节点会周期性地向周围广播带有自身信息的数据包，其中就包括锚节点的名称以及信号强度等相关参数的值，智能终端设备就能够监听并捕获这些数据包，并通过匹配名称来选择要获取信号强度的锚节点。对每个锚节点循环获取RSSI的样本值，采取多次取值求RSSI均值的方式将求得的均值最终作为移动智能终端设备接收到的锚节点的信号强度值。这样对于每个锚节点都有相应的信号强度值，通过比较信号强度值的大小，选择信号强度最强的三个锚节点作为需要参与定位的节点，记录下它们的名称信息以及对应的RSSI均值。

步骤五：分别根据参与定位的三个锚节点的距离-RSSI的模型计算出移动智能终端设备到每个锚节点之间的距离。

将RSSI均值分别代入对应的锚节点的RSSI和距离的关系模型中即可计算出待测节点到相应锚节点的距离。

步骤六：根据移动智能终端设备到每个锚节点的距离以及参与定位的锚节点的位置坐标信息，计算出移动智能终端设备的位置。

根据计算得到的待测节点到锚节点的距离和锚节点的位置坐标，采用基于测距的三角形定位算法计算出待测点即移动智能终端设备的位置坐标，也就是手持该移动智能终端设备的人，即移动节点的当前位置。

下面结合附图和实施例对本发明进一步说明。

以移动社会网络环境下实现对室内手持移动智能终端设备的人定位为例，则该网络就可以表示成图1的形式。由图1可知，移动社会网络是由许多个移动节点组成，记为M1、M2、M3...，这些移动节点的周围分布着大量的无线网络的基站，即AP(接入点)，这些AP的位置坐标都是已知的，可以作为锚节点参与定位。图中的移动节点M1、M2和M3即是需要定位的节点。

本发明所述对移动社会网络环境下实现目标节点的定位方法的处理流程如图2所示。我们以定位节点M1为例，M1的位置坐标未知，记为(x，y)，则详细的定位步骤如下：

步骤201：初始化锚节点。

本发明首先需要在待测区域里放置至少三个以上的AP作为锚节点，每个AP都有固定的名称。在锚节点布置完毕后，记录下每个锚节点的名称和位置信息。如图1所示，记锚节点1的坐标为(x1，y1)，锚节点2的坐标为(x2，y2)，锚节点3的坐标为(x3，y3)，锚节点4的坐标为(x4，y4)。

步骤202：初始化锚节点的参数设置。

本实验在计算移动节点和锚节点之间的距离时采用的是对数距离路径损耗模型，具体的损耗模型为：

P_L(d)＝P_L(d₀)+10nlg(d/d₀)+X_σ  (1)

其中，d为发射节点与接收节点之间的距离，单位为m；n为路径损耗指数，表示路径损失随距离增加而增大的快慢，与周围的环境有关；X_σ是均值为0，标准差σ范围在4～10的高斯分布随机变量，d₀为参考距离，单位为m，通常取1m；P_L(d₀)表示参考距离为d₀时的路径损耗。

接收节点接收的信号强度为：

RSSI＝P_t-P_L(d)   (2)

其中，P_t表示信号的发射功率，单位为dBm；P_L(d)为经过距离d后的路径损耗。因此，距离发射节点d₀处的参考点接收的信号强度A为：

A＝P_t-P_L(d₀)  (3)

参考距离设为1m，即d₀＝1，得到：

RSSI＝A-10nlg(d)-X₀  (4)

由于X_σ均值为0，因此

$\stackrel{\‾}{\mathrm{RSSI}}=A-10\mathrm{nlgd}---\left(5\right)$

其中

是多次测量接收到的信号强度RSSI的平均值。A和n是和环境有关的位置参数。根据这个表达式即可得到每个锚节点对应的参数A和n的值。

步骤203：打开移动智能终端设备的WiFi服务模块，即移动节点M1的手持设备接收WiFi信号的功能。

每个移动智能终端设备都配备有WiFi服务模块，通过系统提供的API接口打开智能设备的WiFi模块，使得移动节点M1的手持设备可以自动扫描周围的锚节点的信号。只要移动节点M1的手持设备在锚节点无线信号的发射范围内，理论上移动节点M1的手持设备都可以扫描到该信号，并获取其信号强度RSSI的值。

步骤204：移动节点M1的手持设备通过匹配锚节点的名称，分别获取每个锚节点的信号强度值。通过比较锚节点信号强度值的大小选择出三个参与定位的锚节点。

在获取每个锚节点的信号强度值时，对于每个锚节点都循环获取1000次信号强度值，最后再对这1000次的获取值求平均值作为相应锚节点的信号强度值。这样就可以获取到锚节点AP1的信号强度值为RSSI1，锚节点AP2的信号强度值为RSSI2，锚节点AP3的信号强度值为RSSI3，锚节点AP4的信号强度值为RSSI4。这四个信号强度值都是循环获取1000次求平均值的结果。

在得到每个锚节点的信号强度值后，将这四个值的大小进行比较，选择获取到的信号强度值最大的三个锚节点作为最后需要参与定位的参考节点。我们假设最终选择出来的三个节点为AP1，AP2和AP3，将这个三个锚节点的名称和信号强度值分别记录成向量的形式，即<AP1，AP2，AP3>，对应的信号强度值为<RSSI1，RSSI2，RSSI3>。

步骤205：根据选择出来的参与定位的三个锚节点的距离和信号强度RSSI的关系模型求出移动节点M1到这三个锚节点的距离。

由于每个锚节点的距离和RSSI的关系模型已知，将移动节点M1获得的锚节点1，2，3的信号强度分别带入对应的关系模型中，求解出移动节点M1到三个锚节点的距离分别为d1，d2和d3。

步骤206：根据移动节点M1到三个参与定位的锚节点的距离，采用三角形算法计算出待测节点M1的位置坐标。

分别以锚节点1，2，3的位置为圆心，以移动节点M1到相应锚节点的距离为半径做三个圆。将这三个圆相交所得的区域的质心作为待测节点M1的位置坐标。

图3为本发明所述方法的处理流程详图，

其中，步骤202，进一步包括步骤301，302和303。

步骤301：采集实验数据，对于每个锚节点，分别在不同距离处测量获取到的RSSI的值，将距离和对应的RSSI测量值存储成数据对的形式。

对图1中的4个锚节点分别测量一组

和d的对应值并存储，则对于锚节点1有((RSSI11，d11)，(RSSI12，d12)，...)，对于锚节点2有((RSSI21，d21)，(RSSI22，d22)，...)，依次类推。

步骤302：根据每个锚节点的距离和RSSI的数据对，构建二元一次方程组，并求解，然后对求解出的结果做平均得到的值作为相应锚节点的参数A和n。

由于

故根据每个锚节点的测量所得的

和d的对应值对，构造每个锚节点的距离和RSSI均值的关系方程组。求解方程组得到锚节点1的参数值为(A1，n1)，锚节点2的参数值为(A2，n2)，锚节点3的参数值为(A3，n3)，锚节点4的参数值为(A4，n4)。

步骤303：根据求出的参数值对所有锚节点分别构建其对应的距离和信号强度RSSI的关系模型。

根据关系式

即可分别得到锚节点1～4的距离和RSSI的关系模型。

Claims (2)

1.一种移动社会网络目标节点的室内定位方法，其特征在于包括下述步骤：

步骤一：将至少三个接入点AP分别放置在不同位置且已知坐标点处作为参考节点，称之为锚节点，记录下锚节点的位置信息和名称信息；

步骤二：在距离锚节点不同距离处进行RSSI测距，分别获取对应的RSSI样本值，并存储距离-RSSI数据对，根据距离-RSSI数据对建立WiFi无线信号强度RSSI和距离的关系模型；对每个锚节点都如此进行实验，获得所有锚节点的信号强度和距离的关系模型；

步骤三：打开移动智能终端设备的WiFi服务模块，使移动智能终端设备获取每个信号的信号强度值；

步骤四：移动智能终端设备对每个锚节点循环获取RSSI的样本值，采取多次取值求RSSI均值的方式将求得的均值最终作为移动智能终端设备接收到的锚节点的信号强度值，选择信号强度最强的三个锚节点作为需要参与定位的节点，记录下它们的名称信息以及对应的RSSI均值；

步骤五：将参与定位的三个锚节点的RSSI均值分别代入对应的锚节点的RSSI和距离的关系模型中，计算出移动智能终端设备到相应锚节点的距离；

步骤六：根据计算得到的移动智能终端设备到锚节点的距离和锚节点的位置坐标，采用基于测距的三角形定位算法计算出移动智能终端设备的位置坐标，也就是手持该移动智能终端设备的人，即移动节点的当前位置。

2.根据权利要求1所述的移动社会网络目标节点的室内定位方法，其特征在于：所述的步骤二中移动节点与各锚节点间的距离n为路径损耗指数，A为接收的信号强度，A＝P_t-P_L(d₀)，P_t表示信号的发射功率，P_L(d₀)表示参考距离为d₀时的路径损耗，

是多次测量接收到的信号强度RSSI的平均值，对每个锚节点都建立多个二元一次方程组的方法，通过对每个锚节点的二元一次方程组进行求解后取平均值的方式得到相应的参数A和n的值。

Images