CN104363653B - 一种消除环境噪声的被动式定位方法 - Google Patents
一种消除环境噪声的被动式定位方法 Download PDFInfo
- Publication number
- CN104363653B CN104363653B CN201410538553.2A CN201410538553A CN104363653B CN 104363653 B CN104363653 B CN 104363653B CN 201410538553 A CN201410538553 A CN 201410538553A CN 104363653 B CN104363653 B CN 104363653B
- Authority
- CN
- China
- Prior art keywords
- link
- noise component
- target
- disturbed
- caused
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0257—Hybrid positioning
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种消除环境噪声的被动式定位方法,属于定位领域。发明包括测量第一接收信号强度指示;测量第二接收信号强度指示;确定目标引起的扰动噪声分量;根据目标引起的扰动噪声分量,结合与目标对应的地理坐标,构建射频地图;将目标引起的扰动噪声分量,结合样本数据,通过动态时间规整的方法,确定与扰动噪声分量最接近的序列;根据与扰动噪声分量最接近的序列,结合射频地图,获得扰动噪声分量对应的地理坐标。本发明通过在接收到的接收信号强度指示中剔除由于环境反射引起的噪声分量,得到仅由目标引起的扰动分量,避免了环境反射引起的噪声干扰,提高了对目标定位的准确性。
Description
技术领域
本发明涉及定位领域,特别涉及一种消除环境噪声的被动式定位方法。
背景技术
随着技术的发展,被动式定位由于被检测目标不需要携带任何定位设备又可以主动参与定位过程,因此已经成为研究的热点。
常见的被动式目标定位方法根据待定位目标对无线通信链路射频信号产生的干扰,通过测量受干扰链路的接收信号强度指示(Received Signal Strength Indicator,简称RSSI)值对目标的位置进行计算。此类方法通常分为训练和定位两个阶段。在训练阶段,根据待定位目标在不同位置处测量RSSI值与位置的映射关系形成指纹,构建射频地图(Radio Map)。在定位阶段,通过测量实时的RSSI值并与指纹信息进行匹配,得到目标的位置。
在实现本发明的过程中,发明人发现现有技术至少存在以下问题:
随着时间的推移,环境中其他射频信号的干扰、障碍物的变化、甚至温湿度的变化等,都会使目标处于同一位置时对应在定位阶段得到的RSSI值与Radio Map中的RSSI值产生偏差,换言之,RSSI值固定不变仅仅是真实场景下一种假设,目标周围环境反射造成的噪声会对目标的定位产生干扰,造成了对目标进行定位的准确性。
发明内容
为了解决现有技术的问题,本发明提供了一种消除环境噪声的被动式定位方法,所述方法包括:
测量第一接收信号强度指示RSSI的数值rm,所述第一接收信号强度指示RSSI中包括第一环境噪声分量rns;
测量第二接收信号强度指示RSSI的数值r′m,所述第二接收信号强度指示RSSI中包括第二环境噪声分量r′ns和目标引起的扰动噪声分量rin;
通过对所述第二环境噪声分量r′ns进行精确估计,确定所述目标引起的扰动噪声分量rin;
根据所述目标引起的扰动噪声分量rin,结合与所述目标对应的地理坐标,构建射频地图Radio Map,所述射频地图中包括至少两个样本数据;
将所述目标引起的扰动噪声分量,结合所述样本数据,通过动态时间规整的方法,确定与所述扰动噪声分量最接近的序列;
根据所述与所述扰动噪声分量最接近的序列,结合所述射频地图Radio Map,获得所述扰动噪声分量对应的地理坐标。
可选的,所述通过对所述第二环境噪声分量r′ns进行精确估计,确定所述目标引起的扰动噪声分量rin,包括:
根据所述未受干扰链路对应的状态转移概率Pnea,确定受干扰链路对应的状态转移概率Pdis;
根据所述受干扰链路对应的状态转移概率Pdis,结合所述第一环境噪声分量rns,确定所述第二环境噪声分量r′ns;
根据所述第二接收信号强度指示r′m以及所述第二环境噪声分量r′ns,确定所述目标引起的扰动噪声分量rin。
可选的,所述根据所述未受干扰链路对应的状态转移概率Pnea,确定受干扰链路对应的状态转移概率Pdis,包括:
将所述未受干扰链路对应的状态转移概率Pnea,通过线性迁移,得到所述受干扰链路对应的状态转移概率Pdis,具体的迁移公式为Pdis(Sj|Si)=Pnea(Sj-γ|Si-γ),其中Sj,Si,Sj-γ,Si-γ为RSSI值所处的Markov状态,γ为线性迁移因子,γ的取值范围为-N+1≤γ≤N-1,所述N为整数。
可选的,所述迁移因子γ具体通过:
确定未受干扰链路对应的状态转移概率均值μnea,受干扰链路对应的状态转移概率均值μdis,其中,μdis=μnea+γ;
确定受干扰链路噪声分量序列对应的信号平均功率μ′dis与所述受干扰链路对应的状态转移概率均值μdis;
确定所述线性迁移因子γ的数值。
可选的,所述方法还包括:
未受干扰链路i的信号平均功率μi,,与位置相关的均值链路信号平均功率μi相对于与位置相关的均值的波动λi之间的关系为其中li为链路长度(1≤i≤ξ),可以通过双线地面反射模型得到;
未受干扰链路i与受干扰链路之间的距离为di,l为受干扰链路的长度。在得到与受干扰链路距离最近的ξ条未受干扰链路后,通过插值得到受干扰链路噪声分量序列对应的平均功率波动,
其中i的取值范围为1≤i≤ξ,τi表示未受干扰链路i的单位长度波动值;
所述受干扰链路噪声分量序列相对应的信号平均功率μ′dis=μl+λ,其中l为受干扰链路的长度,μl和λ分别为受干扰链路噪声分量序列对应的信号平均功率与位置相关的均值和波动值,受干扰链路噪声分量序列的均值与链路的信号平均功率相等,即μ′dis=μdis,因此有γ=μ′dis-μnea。
可选的,在根据所述目标引起的扰动噪声分量,结合与每个所述目标引起的扰动噪声分量对应的地理坐标,构建射频地图Radio Map之前,所述方法还包括:
根据所述目标所在区域的地理特征,确定监测点的分布坐标,所述监测点用于接收所在区域的信号强度指示RSSI;
根据所述监测点的分布坐标,在所述区域中布置所述监测点。
可选的,所述射频地图Radio Map包括:
至少一个所述目标引起的扰动噪声分量rin,以及与所述扰动噪声分量对应的坐标信息。
本发明提供的技术方案带来的有益效果是:
通过在接收到的RSSI中剔除由于环境反射引起的噪声分量,得到仅由目标引起的扰动分量,避免了环境反射引起的噪声干扰,提高了对目标定位的准确性。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的一种消除环境噪声的被动式定位的流程图;
图2是本发明提供的本方案的应用场景的示意图;
图3是本发明提供的确定目标引起的扰动噪声分量的详细流程图;
图4是本发明提供的目标对定位区域内链路的影响示意图;
图5是本发明提供的确定迁移因子的详细流程图;
图6是本发明提供的链路长度相等情况(a)下各种方法的比较示意图;
图7是本发明提供的链路长度相等情况(b)下各种方法的比较示意图;
图8是本发明提供的链路长度不相等情况(a)下各种方法的比较示意图;
图9是本发明提供的链路长度不相等情况(b)下各种方法的比较;
图10是本发明提供的链路长度相等平均定位误差随时间的变化示意图;
图11是本发明提供的链路长度不相等平均定位误差随时间的变化示意图。
具体实施方式
为使本发明的结构和优点更加清楚,下面将结合附图对本发明的结构作进一步地描述。
实施例一
本发明提供了一种消除环境噪声的被动式定位,如图1所示,该方法包括:
步骤101、测量第一接收信号强度指示RSSI的数值rm,第一接收信号强度指示RSSI中包括第一环境噪声分量rns。
步骤102、测量第二接收信号强度指示RSSI的数值r′m,第二接收信号强度指示RSSI中包括第二环境噪声分量rns和目标引起的扰动噪声分量rin。
步骤103、通过对第二环境噪声分量r′ns进行精确估计,确定目标引起的扰动噪声分量rin。
步骤104、根据目标引起的扰动噪声分量rin,结合与目标对应的地理坐标,构建射频地图Radio Map,射频地图中包括至少两个样本数据。
步骤105、将目标引起的扰动噪声分量,结合样本数据,通过动态时间规整的方法,确定与扰动噪声分量最接近的序列。
步骤106、根据与扰动噪声分量最接近的序列,结合射频地图Radio Map,获得扰动噪声分量对应的地理坐标。
本实施例通过在接收到的RSSI中剔除由于环境反射引起的噪声分量,得到仅由目标引起的扰动分量,避免了环境反射引起的噪声干扰,提高了对目标定位的准确性。
在下文会对上述方案进行进一步的说明,以便上述方案能更为容易的被众人所理解。
实施例二
本发明实施例提供一种消除环境噪声的被动式定位方法,该方法包括:
在详细描述本方法之前,先对该方案的具体应用场景以及一些参数进行解释:
如图2所示,发射节点向外发送信号,该信号被接收节点所接收,在没有目标进入的时候,由于在场景的环境固定,因此接收节点接收到的信号值即RSSI为一恒定的数值。当目标进入该区域后,由于目标的进入会引起信号传输环境的变化,因此接收节点接收到的信号值会与目标进入前的有所不同,其中的差值除了目标本身引起的扰动值以外,还包含了目标反射的信号经过环境中障碍物的二次反射造成的噪声。
由于经过障碍物反射的噪声和目标引起的扰动值混在一起被接收节点所接收,无法从接收的信号中区分出来,因此根据这样的接收信号值无法对目标进行精确定位,因此需要本方法实现反射噪声与目标引起的扰动值的区分。
步骤101、测量第一接收信号强度指示RSSI的数值rm,第一接收信号强度指示RSSI中包括第一环境噪声分量rns。
在实施中,存在公式
rm=rns (1)。
步骤102、测量第二接收信号强度指示RSSI的数值r′m,第二接收信号强度指示RSSI中包括第二环境噪声分量rns和目标引起的扰动噪声分量rin。
在实施中,存在公式
r′m=r′ns+rin (2)。
在实际场景中,在目标进入区域的前后,环境发生突变的概率非常低,因此噪声分量近似不变,即r′ns≈rns。由于环境中障碍物的变化会引起二次反射信号发生变化,即二次反射信号与环境有关,因此对应的RSSI值为二次噪声分量,用rad表示。则链路受干扰后的噪声分量变为原噪声分量与二次噪声分量的和:
r′ns=rns+rad (3),
公式(2)变为:
r′m=rin+rns+rad (4),
则受干扰链路的RSSI值r′m实际上由三部分组成:目标引起的扰动分量rin,链路受干扰前的噪声分量即第一环境噪声分量rns,目标引起环境变化产生的二次噪声分量rad。链路受到干扰后噪声分量即第二环境噪声分量会发生变化,也就是r′ns=rns+rad,则无法根据链路受干扰前后RSSI值的变化得到rin。因此,为了得到扰动分量rin,需要先对噪声分量r′ns进行估计。则本发明解决的问题变为如何对噪声分量r′ns进行估计,进而得到扰动分量rin。
为了解决上述问题,特有如下步骤:
步骤103、通过对第二环境噪声分量rns进行精确估计,确定目标引起的扰动噪声分量rin。
其中,如图3所示,步骤103具体包括:
201、根据未受干扰链路对应的状态转移概率Pnea,确定受干扰链路对应的状态转移概率Pdis。
具体的为,首先通过FSMC建模得到未受干扰链路对应的状态转移概率Pnea,然后通过线性迁移,得到受干扰链路对应的状态转移概率Pdis,迁移公式为:
Pdis(Sj|Si)=Pnea(Sj-γ|Si-γ) (5),
其中Sj|Si表示由状态i转移为状态j,Sj-γ|Si-γ表示由状态i-γ转变为状态j-γ,γ为线性迁移因子,γ的取值范围为-N+1≤γ≤N-1,N为整数。公式(5)表示环境对相邻链路的影响相同,即状态转移概率相同。
对链路的RSSI值进行FSMC建模,具体操作为将RSSI值等分为N个相邻的子区间,每个区间代表一个Markov状态,落在同一区间内的RSSI值对应同一个状态S。设RSSI值范围为[RSSImin,RSSImax],子区间大小为mdBm,则区间个数:
为下取整。
未受干扰链路的RSSI值仅包括噪声分量,由于短时间内环境发生突变的概率非常低,因此状态之间的转移大都是相邻的。若设ni,j表示从状态Si转移到Sj的测量值个数,ni表示处于状态Si的测量值个数,则从状态Si转移到Sj的转移概率Pi,j为:Pi,j=ni,j/ni,其中i,j∈[1,N]。链路的状态转移概率矩阵P可以表示为:
由于状态之间的转移大都是相邻的,则状态转移概率矩阵P的非零元素大多分布在对角线周围,这为链路之间的线性迁移奠定了理论基础。
设链路的稳态概率为π={πi},πi=ni/ntotal,1≤i≤N,ntotal表示所有状态的测量值个数。经过a次转移之后,链路的转移概率矩阵可以通过Chapman-Kolmogorov定理求解:
若P=[Pi,j],则P(a)=Pa, (7)
P为初始转移概率矩阵,P(a)为经过a次转移后的转移概率矩阵。
在实施中,由于空间位置相近的链路所处环境状况也相似,则环境对相邻链路RSSI值产生的影响具有相似的特性;其次,由于未受干扰链路的状态大都向相邻状态转移,则公式(5)中矩阵P的非零元素集中在对角线附近。基于此,假设相邻受干扰链路和未受干扰链路噪声分量对应的状态转移概率之间呈线性迁移关系。通过对相邻未受干扰链路的状态转移概率Pnea进行迁移,得到受干扰链路噪声分量r′ns对应的转移概率Pdis。
为了实现链路之间的线性迁移,首先需要得到距离受干扰链路最近的相邻未受干扰链路,然后将链路之间的状态转移概率进行迁移。
为了实现状态迁移,还需要解决两个问题,一个是选取相邻未受干扰链路,二是具体的状态转移概率的线性迁移方法。
针对问题一,设节点A、B形成的链路中点坐标(xAB,yAB)表示链路的几何位置,且链路AB是受干扰链路,未受干扰链路i的几何位置为(xi,yi),lAB和li分别表示链路AB和链路i的长度,则链路之间的欧几里德距离为
为了得到离受干扰链路AB空间距离最近的未受干扰链路i,通过下式进行判断:
根据无线信号传播模型,链路的RSSI衰减与链路长度有关,链路长度越长,RSSI衰减越大。因此当链路长度相同时,链路等效为位于几何位置的质点,链路之间的距离即为质点之间的距离。当链路长度不同时,需要考虑链路的长度信息。若未受干扰链路与受干扰链路的长度越接近,且链路之间的几何位置越接近,则它们的RSSI衰减越相似。
针对问题2,为了得到受干扰链路的噪声分量,线性迁移模型应该满足以下两个条件:
条件1:利用模型得到的受干扰链路噪声分量序列,与相邻未受干扰链路噪声分量序列的RSSI值波动应该相似。
条件2:该模型基于空间位置的统计特征必须能够反映环境的影响,即相邻链路之间的统计特征关系必须合理。
由于线性迁移模型假设受干扰链路与相邻未受干扰链路噪声分量对应的状态转移概率之间呈线性迁移关系,因此迁移模型满足第1个条件。
如图4所示,目标进入定位区域后,某些链路会受到干扰(实线所示),而另外一些链路未受到干扰(虚线所示)。对于其中一条受干扰链路(链路)而言,设Pdis表示噪声分量对应的状态转移概率,链路②为距离链路最近的未受干扰链路,Pnea表示链路②噪声分量对应的状态转移概率。则Pdis可以通过Pnea的线性迁移得到:
Pdis(Sj|Si)=Pnea(Sj-γ|Si-γ),
γ为线性迁移因子,γ的取值范围为-N≤γ≤N,N为整数。
进一步的,如图5所示,确定迁移因子γ具体通过:
301、确定未受干扰链路对应的状态转移概率均值μnea,受干扰链路对应的状态转移概率均值μdis,其中,
μdis=μnea+γ (11)。
302、确定受干扰链路噪声分量序列对应的信号平均功率μ′dis与受干扰链路对应的状态转移概率均值μdis。
303、确定线性迁移因子γ的数值。
为了准确的确定线性迁移因子γ的数值,有如下方法:
详细的,未受干扰链路i的信号平均功率μi,与位置相关的均值链路信号平均功率μi相对于与位置相关的均值的波动λi之间的关系为其中li为链路长度(1≤i≤ξ),可以通过双线地面反射模型得到;
未受干扰链路i与受干扰链路之间的距离为di,l为受干扰链路的长度。在得到与受干扰链路距离最近的ξ条未受干扰链路后,通过插值得到受干扰链路噪声分量序列对应的平均功率波动λ,
τi=λi/li, (14)
其中i的取值范围为1≤i≤ξ,τi表示未受干扰链路i的单位长度波动值,τi×l表示未受干扰链路i的平均功率波动λi对受干扰链路平均功率波动λ的影响。未受干扰链路i的平均功率波动λi对受干扰链路平均功率波动λ的权重,且当未受干扰链路i与受干扰链路的距离越近时,权重越大,则表示链路i的贡献越大。
受干扰链路噪声分量序列相对应的信号平均功率μ′dis=μl+λ,其中l为受干扰链路的长度,μl和λ分别为受干扰链路噪声分量序列对应的信号平均功率与位置相关的均值和波动值,受干扰链路噪声分量序列的均值与链路的信号平均功率相等,即μ′dis=μdis,因此有
γ=μ′dis-μnea (15)。
根据上述方法,可以确定线性迁移因子γ的数值,
在确定了线性迁移因子γ的数值后,就可以根据公式(5)得到受干扰链路噪声分量r′ns对应的状态转移概率Pdis,进而得到转移概率矩阵Pdis。
在得到转移概率矩阵Pdis后,有如下步骤:
202、根据受干扰链路对应的状态转移概率Pdis,结合第一环境噪声分量rns,确定第二环境噪声分量r′ns。
具体的通过:
根据公式(16)表述的含义,从状态转移概率中挑选出最大的概率值,并根据该概率值对应的结果,确定受干扰链路下一步转移到的状态。
203、根据第二接收信号强度指示r′m以及第二环境噪声分量r′ns,确定目标引起的扰动噪声分量rin。
在实施中,通过将RSSI序列r′m与噪声分量序列r′ns相减,得到受干扰链路的扰动分量序列rin:
rin=r′m-r′ns (17)。
通过公式(13),就可以得到去除噪声分量r′ns的,仅由目标引起的扰动分量rin。
步骤104、根据目标引起的扰动噪声分量rin,结合与目标对应的地理坐标,构建射频地图Radio Map,射频地图中包括至少两个样本数据。
在实施中,设目标所处位置为o(x,y),对于c条受干扰链路而言,设表示第i条链路的扰动分量序列,1≤i≤c,Rin表示由c条受干扰链路组成的扰动序列向量,ω为序列的元素个数,则:
其中T表示转置,则Radio Map中存储的指纹信息可以表示为:
o(x,y)=f(Rin) (18)。
公式(14)表示的是对于一个受干扰链路组成的扰动序列向量,均存在一个地理位置与之相对应。
经过上述步骤101至104,就可以得到建立好的射频地图Radio Map,该地图中包括:至少一个目标引起的扰动噪声分量rin,以及与扰动噪声分量对应的坐标信息。根据该射频地图,在确定扰动噪声分量rin后,就可以得到与这个噪声分量对应的地理坐标信息。
在制定完射频地图后,接下来就可以进行定位的过程:
步骤105、将目标引起的扰动噪声分量,结合样本数据,通过动态时间规整的方法,确定与扰动噪声分量最接近的序列。
在实施中,得到待定位目标对应受干扰链路的扰动分量后,通过与radio map进行匹配进而得到目标位置。但是,由于扰动分量rin不受环境噪声的影响而无明显的统计特征,因此基于RSSI值统计分布特征的传统匹配定位方法不再适用。其次,实时扰动分量序列rin是利用基于FSMC的线性迁移模型在定位阶段获得,先验指纹序列rrm在训练阶段获得,因此目标处于相同位置时对应的rin与rrm中某些相应元素会产生偏移。为了将实时扰动分量序列rin与先验指纹序列rrm进行精确的匹配并量化匹配结果,本发明利用动态时间规整(Dynamic Time Warping,简称DTW)[17]算法进行目标定位。
DTW的目标是通过比较和规整两个时间序列,将序列1中的每个元素对齐到序列2中的某个或连续多个元素,保证所有元素对的对齐代价和最小。在本文中,给定DTW两个序列:
其中表示在定位阶段得到的链路i的扰动分量序列,表示在训练阶段得到的链路j的指纹序列,i,j∈[1,c]。对两个序列中的任意元素对和α,β∈[1,ω],对齐代价Cα,β为元素间的欧几里德距离:
则序列规整的总代价C可以表示为ω×ω的矩阵:
实验中将某条链路在定位阶段得到的扰动分量序列与指纹序列进行匹配,即i=j,得到的代价矩阵C,C中元素Cα,β表示元素和的对齐代价,设Z表示矩阵C中序列元素对的对齐排列,Z=z1,…,zh,…,zω,且zh=(αh,βh)对应的代价为Cα,β。DTW的目标是寻找使得代价C最小的排列Z,即:
利用标准动态规划求解公式(18)得到使总体代价最小的规整路线,且满足以下条件:
i.边界条件:z1=(0,0),
zω=(ω,ω),
即规整路线起始于序列的第一个元素对,终止于最后一个元素对,且满足如下条件:
ii.单调性条件:αh+1≥αh,
βh+1≥βh,
αh+1+βh+1≥αh+βh,
即规整路线上的元素一定是向右,或者向上,或者向右对角方向(右上方)移动的,进行对齐规整时不能改变序列的元素顺序,但是序列1中的某个元素与序列2中的连续多个元素对齐是允许的,反之亦然。
步骤106、根据与扰动噪声分量最接近的序列,结合射频地图Radio Map,获得扰动噪声分量对应的地理坐标。
在经过步骤105确定了与扰动噪声分量最接近的序列后,在射频地图中确定该最接近序列对应的地理位置,即为该扰动噪声分量的地理位置。
可选的,在根据目标引起的扰动噪声分量,结合与每个目标引起的扰动噪声分量对应的地理坐标,构建射频地图Radio Map之前,方法还包括:
根据目标所在区域的地理特征,确定监测点的分布坐标,监测点用于接收所在区域的信号强度指示RSSI;
根据监测点的分布坐标,在区域中布置监测点。
值得一提的是,在布置监测点时,可以有如下方案:
在实际部署时节点时采用常用的三角形部署,对于对称性没有特殊要求(即,节点部署为等间隔或非等间隔均可)。以下过程假设以等间距部署网络节点。计节点间距为l、节点离地面高度为h。每两个相邻节点间可以无限制进行实时通信,且每个节点只与其相邻的几个节点(通常为六个,边缘区域少于六个)进行无线通信形成相同数量的链路,所有的节点都可以单独将数据及时地发送给远程上位机(主机电脑)。基于以上方案,布置了一些Micaz节点,每两个节点间距4m,节点离地面均为0.9m,在此基础上采集了一段时间各个上的RSSI值(接收信号强度值)。对某一节点上的数据进行统计分析,得到的RSSI分布图,其证实了在同一环境下无线通信链路上的RSS值随这时间的推移会出现不规律的变化。
为了证实此方案的优点,发明人在同样的环境及部署方式下分别作了四个方案的两组实验进行对比。
方案一、Youssef M等人提出的经典被动式目标定位Challenge,利用贝叶斯后验概率估计进行定位的方法(BIP)。
方案二、将定位区域划分为相邻三角形子区域并使用不同通信信道进行定位的方法RASS。
方案三、利用基于判别分析的分类方法进行定位,对RSSI值进行偏差补偿从而消除环境影响的方法(EBC)进行对比。
方案四、发明人所发明的消除环境影响的被动式定位方案(FSMC)。
实验1、精度验证实验
对所有网格点针对以下两种情况进行定位并统计结果:
(a)训练结束之后就进行定位,此时环境噪声变化对RSSI值产生的影响最小,可以比较不同方法的定位精度;
(b)训练与定位的时间间隔为30天,定位结果可以反映环境噪声对不同方法的影响。
当链路长度均相同时,实验1的结果如图6和图7所示。相对于情况(a),当定位与训练的时间间隔为一个月时(情况(b)),对80%的网格点EBC,RASS和BIP的定位误差分别从0.89m,0.95m和1.1m增大为0.92m,1.12m和1.35m,分别下降3.4%,15.8%和22.7%,而本文提出的基于FSMC方法的定位误差基本不变,保持在0.86m左右。因此本文提出的方法在有效消除环境噪声的同时提高了定位精度。
当链路长度不相同时,即三角形链路的边长不全相同时,EBC方法不能有效消除环境噪声的影响,因此定位精度会下降。实验1的结果如图8和图9所示。相比于情况(a),当定位与训练的时间间隔为一个月时,对80%的网格点EBC,RASS和BIP的定位误差分别从1.1m,1.22m和1.36m增大为1.2m,1.48m和1.76m,分别下降9.1%,21%和29%,而基于FSMC的方法定位误差基本不变,从0.87m变为0.9m,下降了3.4%。进一步说明本文提出的方法对环境噪声的鲁棒性高。
实验2、鲁棒性实验
在训练阶段得到Radio Map后,每隔两天随机选取30个网格点进行定位,统计定位误差的平均值,得到不同方法对环境噪声变化的鲁棒性。
当链路长度均相同时,实验2的结果如图10所示,随着时间的推移,由于本文提出的FSMC方法和EBC方法都能有效消除环境噪声的影响,因此平均定位误差保持在0.86m和0.9左右,而RASS与BIP的定位误差分别从0.95m和1.1m开始增大。因此在链路长度相同的部署情况下,本文提出的方法能够有效消除环境噪声对定位精度产生的影响,并且对环境噪声变化的鲁棒性高。
当链路长度不相同时,即三角形链路的边长不全相同时,实验2的结果如图11所示,随着时间的推移,EBC,RASS与BIP的平均定位误差分别从1.1m,1.22m和1.36m开始增大,而基于FSMC的方法其定位误差保持在0.9m左右。因此在链路长度不相同的情况下,本文提出的方法仍能有效消除环境噪声的影响,提高定位精度。
以上实验结果证明本方案的优点在于:
部署简单:等间隔、非等间隔均可,大大减小了节点布置的难度,而且在两种部署方式下精度都高于其他方案;
提高精度:整个过程中降低了环境对定位结果的影响,所以极大程度上的提升了定位的精度。
节省资源:此方案获取的Radio Map是由目标产生的,与环境的变化没有很强的依赖关系,因此可以长时间使用不用更新,如此便省去了更新Radio Map需要消耗的人力物力资源。
本实施例通过在接收到的RSSI中剔除由于环境反射引起的噪声分量,得到仅由目标引起的扰动分量,避免了环境反射引起的噪声干扰,提高了对目标定位的准确性。
需要说明的是:上述实施例提供的一种消除环境噪声的被动式定位方法的实施例,仅作为该方法中在实际应用中的详细说明,还可以根据实际需要而将上述方法在其他应用场景中使用,其具体实现过程类似于上述实施例,这里不再赘述。
以上所述仅为本发明的实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种消除环境噪声的被动式定位方法,其特征在于,所述方法包括:
测量第一接收信号强度指示RSSI的数值rm,所述第一接收信号强度指示RSSI中包括第一环境噪声分量rns;
测量第二接收信号强度指示RSSI的数值r′m,所述第二接收信号强度指示RSSI中包括第二环境噪声分量r′ns和目标引起的扰动噪声分量rin;
通过对所述第二环境噪声分量r′ns进行精确估计,确定所述目标引起的扰动噪声分量rin;
根据所述目标引起的扰动噪声分量rin,结合与所述目标对应的地理坐标,构建射频地图Radio Map,所述射频地图中包括至少两个样本数据;
将所述目标引起的扰动噪声分量rin,结合所述样本数据,通过动态时间规整的方法,确定与所述扰动噪声分量最接近的序列;
根据所述与所述扰动噪声分量最接近的序列,结合所述射频地图RadioMap,获得所述扰动噪声分量对应的地理坐标。
2.根据权利要求1所述的方法,其特征在于,所述通过对所述第二环境噪声分量r′ns进行精确估计,确定所述目标引起的扰动噪声分量rin,包括:
根据未受干扰链路对应的状态转移概率Pnea,确定受干扰链路对应的状态转移概率Pdis;
根据所述受干扰链路对应的状态转移概率Pdis,结合所述第一环境噪声分量rns,确定所述第二环境噪声分量r′ns;
根据所述第二接收信号强度指示r′m以及所述第二环境噪声分量r′ns,确定所述目标引起的扰动噪声分量rin。
3.根据权利要求2所述的方法,其特征在于,所述根据所述未受干扰链路对应的状态转移概率Pnea,确定受干扰链路对应的状态转移概率Pdis,包括:
将未受干扰链路对应的状态转移概率Pnea,通过线性迁移,得到所述受干扰链路对应的状态转移概率Pdis,具体的迁移公式为Pdis(Sj|Si)=Pnea(Sj-γ|Si-γ),其中Sj,Si,Sj-γ,Si-γ为RSSI值所处的Markov状态,γ为线性迁移因子,γ的取值范围为-N+1≤γ≤N-1,所述N为整数。
4.根据权利要求3所述的方法,其特征在于,所述迁移因子γ具体通过:
确定未受干扰链路对应的状态转移概率均值μnea,受干扰链路对应的状态转移概率均值μdis,其中,μdis=μnea+γ;Pi,j为从状态Si转移到Sj的转移概率;πi为链路i的稳态概率;
确定受干扰链路噪声分量序列对应的信号平均功率μd′is与所述受干扰链路对应的状态转移概率均值μdis;
确定所述线性迁移因子γ的数值。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
未受干扰链路i的信号平均功率μi,与位置相关的均值链路信号平均功率μi相对于与位置相关的均值的波动λi之间的关系为其中li为链路长度(1≤i≤ξ),可以通过双线地面反射模型得到;
未受干扰链路i与受干扰链路之间的距离为di,l为受干扰链路的长度;在得到与受干扰链路距离最近的ξ条未受干扰链路后,通过插值得到受干扰链路噪声分量序列对应的平均功率波动,
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&lambda;</mi>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>&xi;</mi>
</munderover>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mi>D</mi>
</mrow>
</mfrac>
<mo>&times;</mo>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>&times;</mo>
<mi>l</mi>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>D</mi>
<mo>=</mo>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>&xi;</mi>
</msubsup>
<mfrac>
<mn>1</mn>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>&tau;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<mo>/</mo>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中i的取值范围为1≤i≤ξ,τi表示未受干扰链路i的单位长度波动值;
所述受干扰链路噪声分量序列相对应的信号平均功率μ′dis=μl+λ,其中l为受干扰链路的长度,μl和λ分别为受干扰链路噪声分量序列对应的信号平均功率与位置相关的均值和波动值,受干扰链路噪声分量序列的均值与链路的信号平均功率相等,即μ′dis=μdis,因此有γ=μ′dis-μnea。
6.根据权利要求1所述的方法,其特征在于,在根据所述目标引起的扰动噪声分量,结合与每个所述目标引起的扰动噪声分量对应的地理坐标,构建射频地图Radio Map之前,所述方法还包括:
根据所述目标所在区域的地理特征,确定监测点的分布坐标,所述监测点用于接收所在区域的信号强度指示RSSI;
根据所述监测点的分布坐标,在所述区域中布置所述监测点。
7.根据权利要求1所述的方法,其特征在于,所述射频地图Radio Map包括:
至少一个所述目标引起的扰动噪声分量rin,以及与所述扰动噪声分量对应的坐标信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410538553.2A CN104363653B (zh) | 2014-10-13 | 2014-10-13 | 一种消除环境噪声的被动式定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410538553.2A CN104363653B (zh) | 2014-10-13 | 2014-10-13 | 一种消除环境噪声的被动式定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104363653A CN104363653A (zh) | 2015-02-18 |
CN104363653B true CN104363653B (zh) | 2017-11-14 |
Family
ID=52530861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410538553.2A Active CN104363653B (zh) | 2014-10-13 | 2014-10-13 | 一种消除环境噪声的被动式定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104363653B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105182322B (zh) * | 2015-08-31 | 2017-12-15 | 西北大学 | 基于反射信号相位差的被动式定位方法 |
KR20180087814A (ko) * | 2017-01-25 | 2018-08-02 | 한국과학기술연구원 | 위치 측정 방법 및 시스템 |
CN107832916B (zh) * | 2017-10-13 | 2022-04-08 | 四川大学 | 基于贝叶斯风险网络的梯级水电站关键风险因素及风险传递关键路径的识别方法 |
CN107945240B (zh) * | 2017-10-13 | 2021-04-13 | 西北大学 | 一种目标成像方法 |
CN108152789B (zh) * | 2018-01-03 | 2019-11-01 | 电子科技大学 | 利用rss信息的无源多站多目标数据关联与定位方法 |
CN109246601B (zh) * | 2018-09-06 | 2020-12-18 | 锐捷网络股份有限公司 | 一种无线网络的定位方法及装置 |
CN111599364A (zh) * | 2020-04-03 | 2020-08-28 | 厦门快商通科技股份有限公司 | 语音识别降噪方法、系统、移动终端及存储介质 |
CN116449081B (zh) * | 2023-06-15 | 2023-08-15 | 深圳市北汉科技有限公司 | 具有自适应调控功能的数据采集系统、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470196A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水下目标被动定位的系统和方法 |
CN103634907A (zh) * | 2013-12-04 | 2014-03-12 | 西北大学 | 一种无线传感器节点随机部署的被动式目标定位方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6762721B2 (en) * | 2002-10-12 | 2004-07-13 | Information Systems Laboratories, Inc. | Urban terrain geolocation system |
-
2014
- 2014-10-13 CN CN201410538553.2A patent/CN104363653B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470196A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院声学研究所 | 一种水下目标被动定位的系统和方法 |
CN103634907A (zh) * | 2013-12-04 | 2014-03-12 | 西北大学 | 一种无线传感器节点随机部署的被动式目标定位方法 |
Non-Patent Citations (1)
Title |
---|
无线传感器网络中基于二次估计的被动式目标定位方法;邢天璋等;《西北大学学报》;20140831;第44卷(第4期);第563页-567页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104363653A (zh) | 2015-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104363653B (zh) | 一种消除环境噪声的被动式定位方法 | |
Jianwu et al. | Research on distance measurement based on RSSI of ZigBee | |
CN105049141B (zh) | 一种基于多维干扰空间模型的信号间干扰关系分析方法 | |
CN104066058B (zh) | 一种基于双套指纹叠加的wlan室内定位方法 | |
CN106842120A (zh) | 基于优化算法的rssi室内多径散射定位方法 | |
CN103596267A (zh) | 一种基于欧氏距离的指纹图匹配方法 | |
CN106162869A (zh) | 移动自组织网络中高效协作定位方法 | |
CN104363649B (zh) | 带有约束条件的ukf的wsn节点定位方法 | |
CN106507476A (zh) | 一种WiFi定位方法及服务器及定位模型构建方法 | |
CN104883737A (zh) | 一种无线传感器网络的混合定位方法 | |
CN104080169B (zh) | 一种水下无线传感器网络动态自适应定位方法 | |
CN106714301A (zh) | 一种无线定位网络中的载波优化方法 | |
CN107968987A (zh) | 基于定积分结合环境参数的rssi加权质心定位方法 | |
CN110493869A (zh) | 一种基于rssi的k近邻差分修正质心定位方法 | |
CN108040368A (zh) | 一种基于块坐标下降的无人机时频资源分配方法 | |
CN107613458B (zh) | 一种tdoa条件下最优联合时间同步与定位的定位方法 | |
CN103592624A (zh) | 一种基于接收信号强度的测距方法 | |
CN105072582B (zh) | 基于rss分布的距离自适应的无线传感网络被动式定位方法 | |
CN107222925A (zh) | 一种基于聚类优化的节点定位方法 | |
CN107071894A (zh) | 一种基于WiFi的室内定位优化算法 | |
CN110881192B (zh) | 结合MDS的DV-Hop无线传感器网络节点定位方法 | |
CN103402255B (zh) | 一种基于校正值误差加权的改进DV-Hop定位方法 | |
CN108322933A (zh) | 一种节点加速梯度下降定位方法 | |
CN116908778A (zh) | 轨道区段定位方法、轨道区段定位装置、电子设备及介质 | |
CN110519685A (zh) | 基于WiFi的室内定位方法、装置及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |