CN104502891A

CN104502891A - 基于rssi技术的医院病人定位方法

Info

Publication number: CN104502891A
Application number: CN201410843912.5A
Authority: CN
Inventors: 史秀兰; 何熊熊; 董缘缘; 郑境易; 耿继朴; 伍益明
Original assignee: Zhejiang University of Technology ZJUT
Current assignee: Zhejiang University of Technology ZJUT
Priority date: 2014-12-30
Filing date: 2014-12-30
Publication date: 2015-04-08

Abstract

基于RSSI技术的医院病人定位方法。首先采用理论中的对数-常态分布模型做为测距模型，布置一定的定位节点和未知节点，测量得到N个(PL(d_i),d_i)，使用最小二乘法拟合曲线确定式中的路径损失指数η和环境因子建立RSSI与距离之间的关系；其次选取距离未知节点最近的三个节点组成定位单元，由三点定位法确定未知节点坐标，并确定相应的重心权重和距离权重，结合定位单元的重心权值和距离权值得到最终的权值W_j为最后循环进行M次定位，将M个坐标和其对应的权值进行加权融合，计算得到标签的最终坐标：与普通三边测量算法相比具有的定位精度高，稳定性强等优点，具有重要的应用价值。

Description

基于RSSI技术的医院病人定位方法

技术领域

本发明涉及一种用于医院病人定位的RSSI节点定位方法。

背景技术

随着经济的发展、人民生活水平的提高以及医疗卫生条件的改善,医院还以传统的方式对病人进行监护治疗显然不能满足人们的要求。目前在国内外的一些大中型医院中,对病人的监护一般是采用中央监护系统,通过一台或多台中央监护站连接各病床的床旁监护仪,这种床头监护仪只有监护而没有定位的功能,一旦病人不在病房发生意外的情况就很难解决了,因此医院必将迎来一次影响深远的信息技术革命，医院将成为以病人为中心、以诊断、检查、护理等医疗流程为主轴、以药房、后勤、行政为支撑的新型高效运行系统，即医院将向集无线定位监控、药物验证、患者身份感知、检验结果实时传输、无线电子病历等功能的智能化方向发展，成为智能医院。智能医院的发展不仅在技术上缓解乃至解决日趋紧张的医患矛盾，有效的解决了医院住院人数直线上升、独生子女家庭老龄化、特殊人群护理等困境下的护理困难等重大问题，也同时提升了医生、护士的工作效率、给病人安全带来保障，为医院具有更高效的患者承载力和竞争力提供了技术保障。

进入21世纪以来,无线传感器网络技术作为通信技术，以其廉价、便携、通用的特点成为未来发展的重点,无线传感器网络作为一个新兴的网络，改变了人与自然界之间的交互方式，被称为是IT领域的“第四次产业革命”。随着无线通信技术的不断发展，无线实时定位技术越来越得到人们的关注，无线定位服务是指通过无线终端和无线网络的配合,确定移动用户的实际位置信息,从而提供用户所需的与位置和方向相关的服务。GPS(Global PositioningSystem)定位技术无疑是目前应用最为广泛的定位技术，每台汽车以及大部分的手机都有GPS定位功能，然而在许多环境下，如高山、城市楼群及室内，遮挡使GPS的信号减弱，定位精度大大下降，同时GPS由于其精确的导航和定位，不能满足低功耗、低成本、低数据传输速率的要求，不能满足如煤矿内人员定位、监狱内人员监控、医院内病人位置、特殊人群看护等特殊场合的使用，因此如何在复杂的室内环境中实现精确定位将是定位技术亟待解决的问题。

常用的室内节点定位算法分为基于测距的定位算法和无需测距的定位算法。无需测距的定位算法仅根据网络的连通度来实现对未知节点的定位，主要方法有：质心定位算法、DV-Hop(distance vector-hop)定位算法、APIT(approximate point-in-triangulation test)定位算法、凸规划定位算法等。基于测距的定位算法主要有测距、节点定位和坐标修正三个阶段组成。其中测距常用的技术有：基于到达角度(Angle of Arrival，AOA)的定位，基于到达时间(Timeof Arrival，TOA)的定位，基于到达时间差(Time Difference of Arrival，TDOA)的定位和基于接收信号强度指示(Receive Signal Strength Indication，RSSI)的定位四种；节点定位的传统方法有：三角测量法、三边测量法、极大似然估计法和极小极大估计法。TOA在无线传感器网络定位中要求传感器节点间保持精确的时间同步，对硬件的要求很高；TDOA技术测距误差小，有较高的精度，但其对硬件的要求很高，成本和能耗也较高，这对于低能耗的传感器网络系统是一种挑战；AOA定位需要提供节点的方位信息，因此需要额外的硬件设备，增加了硬件成本，并且AOA测距易受外界环境的影响，不适用大规模的传感器网络；RSSI测距比较简单，实际应用比较多，其定位机制是已知发射节点的发射信号强度，接收节点根据接收的信号强度计算出信号的传输损耗，利用理论模型或经验模型将信号传输损耗转化为距离，再通过已有的定位算法计算节点的位置坐标，由于传感器节点本身具有无线通信能力，因此RSSI定位技术对传感器节点的硬件要求较低，但是无线信号的传播易受环境的影响，定位精度相对较低。

发明内容

本发明要克服传统医院监护系统的缺点以及上述定位方法的缺陷，提出了一种改进的RSSI技术的医院病人定位方法以提高病人定位精度。

无线传感器网络，是由布置在被监控区域内的大量微型传感器节点构成，通常包括三类节点：传感器节点、汇聚节点和任务管理节点(终端节点)。从网络功能上看，传感器节点完成信息感知和数据处理、并对其他节点传送的信息进行管理、存储和融合等处理；汇聚节点负责连接传感器网络与互联网和卫星等外部网络，实现不同协议栈之间的通信协议的转换，同时告知传感器节点管理节点的监测任务，并将传感器节点收集的信息转发到外部网络；管理节点对整个网络进行管理、监测，它通常是具有网络管理软件的计算机或者手持终端设备，使用户获得所需的监测信息。这三种节点在无线网络中相互协作(收发数据信息)，共同构成了无线传感器网络的物理层支持平台,它们通过相互通信共同完成传感器网络的定位和监测任务。

无线传感器网络的定位过程中有两类节点：信标节点(beacon)和未知节点(unknown node)。信标节点是指其位置坐标已知的节点，也称锚节点(anchor)或参考节点，其通过人工布置或自带的GPS定位设备获取自身的精确位置，在无线传感器网络中所占比例较少。未知节点是指位置坐标未知的节点，其在无线传感器网络中，通过与信标节点的通信计算确定自身位置坐标。

经典的三边定位法是根据已知三个节点的坐标，以及节点与待测标签之间的距离，计算标签坐标的一种几何算法。如附图1所示，d₁,d₂,d₃是三个节点与标签之间的距离，以节点为圆心，距离为半径，计算三个圆的交点坐标，即所求标签的坐标。假设三个信标节点坐标分别为(x₁,y₁),(x₂,y₂),(x₃,y₃)，未知标签节点坐标为(x,y)，根据几何知识可知，未知节点P的坐标为：

[\begin{matrix} x \\ y \end{matrix}] = {[\begin{matrix} 2 (x_{1} - x_{3}) & 2 (y_{1} - y_{3}) \\ 2 (x_{2} - x_{3}) & 2 (y_{2} - y_{3}) \end{matrix}]}^{- 1} [\begin{matrix} x_{1}^{2} - x_{3}^{2} + y_{1}^{2} - y_{3}^{2} + d_{3}^{2} - d_{1}^{2} \\ x_{2}^{2} - x_{3}^{2} + y_{2}^{2} - y_{3}^{2} + d_{3}^{2} - d_{2}^{2} \end{matrix}]

但是在实际测量中，由于信号传播过程中碰到障碍物、多径传播、温湿度等因素的影响，造成测距的不准确，而且由于各干扰使信号衰减量增大，所测得的距离将比真实值大，所以三个圆未必可以相交与一点，影响三边定位算法的质量。

针对RSSI定位算法受环境因素的影响，存在测距误差的情况下，本专利提出了一种改进的RSSI定位算法。我们知道在定位区域内，标签与节点的距离越近，由RSSI值的偏差产生的距离偏差就越小，因此通过较大的RSSI值进行计算得到的坐标所占权值应较大；标签离定位单元重心越近，定位准确度越高，即定位单元质量、待定位节点与信标节点的距离影响定位精度。因此在计算坐标的权值时，应综合考虑这两方面因素，以得到最优加权融合。其流程图见附图2。本发明所述的基于RSSI技术的医院病人定位方法，其工作步骤是：

1.测距模型有理论模型和经验模型两种，本发明中的测距模型采用理论模型中的对数-常态分布模型其中d是节点与标签间的距离；PL(d)为经过距离d后收到的信号强度，单位为dB；PL(d₀)是射频参数，表示的是距发射端1米处接收到的信号强度绝对值；η是路径损失指数；表示环境因子，根据测得的N个(PL(d_i),d_i)，使用最小二乘法拟合曲线确定式中参数η和建立RSSI与距离之间的关系；

2.设N个待检测标签的坐标为：(x_j,y_j),j＝1…N。假设能接收到标签P信号的定位节点有n个，RSSI值的集合定义为R，并且RSSI₁≥RSSI₂≥…≥RSSI_n。由RSSI值对应的距离D＝{d₁,d₂,…d_n},d₁≤d₂≤…d_n。在计算过程中，首先从最小值d₁开始选择比其大的两个距离，形成一个定位单元，重复上述步骤，可得到个定位单元；

3.假设第j个定位单元为d_i表示节点i与标签的距离，一个定位单元可粗略确定一个标签位置，由于标签离定位单元重心越近，定位准确度越高，定义该定位单元关于重心的权重为其中D_j为标签与定位单元重心之间的距离，表达式为：

D_{j} = \sqrt{{(x_{j} - \frac{x_{j 1} + x_{j 2} + x_{j 3}}{3})}^{2} + {(y_{j} - \frac{y_{j 1} + y_{j 2} + y_{j 3}}{3})}^{2}};

4.因为标签与节点的距离越近RSSI值越大，由RSSI值的偏差产生的距离偏差就越小。定义该定位单元关于距离的权重为

5.结合定位单元的重心权值和距离权值得到最终的权值其中μ+η＝1，可根据具体情形取值。循环进行M次定位，将M个坐标和其对应的权值进行加权融合，可计算得到标签的最终坐标为：

本发明的优点是：

本发明在经典的三点定位的基础上加以改进，考虑了在三点定位过程中节点距离标签远近所产生的RSSI值信号偏差，以及质心算法中标签离定位单元重心越近，定位准确度越高的因素，提出了融合两种权重的定位算法，本算法在提高定位精度的同时，通过增加或减少节点来提高定位精度或减少计算时间，灵活度大；对硬件要求低，没有增加硬件成本且具有一定的抗干扰能力，适合于像医院、矿井等的区域定位。

附图说明

图1为三边定位法的示意图。

图2为本发明的流程图。

图3为17个信标节点下普通三边测量算法的效果图。

图4为17个信标节点下本发明方法的效果图。

具体实施方式

参照附图2：

布置17个定位节点，其坐标如下：{0,0}，{6,0}，{12,0}，{22,0}，{28,0}，{0,6}，{0,12}，{0,18}，{30,3}，{30,9}，{30,15}，{30,20}，{3,20}，{9,20}，{15,20}，{21,20}，{27,20}，节点间距为6米。5个未知节点坐标为：{5,4}，{8,16}，{15,10}，{21,5}，{25,15}。实验中选取加权系数定位单元选取N＝3，N＝4，N＝5，N＝6，N＝7，分别进行20次定位计算，定位误差统计表如下：

分析表中数据，对比可以发现普通三边定位算法，平均误差较大，最大误差达到5米以上，出现定位错误的情况，定位结果很不稳定；加权融合定位算法，定位单元个数不同，定位误差也不同。定位单元个数N＝6时误差最小，平均误差在0.59米左右，虽然最大误差达到了1.5米，但其最小误差已非常接近真实值，当定位单元过大或过小时，平均误差增大，失去融合的效果。结合附图3,4的实验效果图，可以发现，普通三边测量算法的定位结果，标签分布波动较大，定位结果不稳定，而且定位误差较大，效果不理想；发明算法标签分布比较集中，定位误差保持在2.0米以内。通过以上实验结果可知，改进三边测量算法后定位准确性与稳定性都得到显著提高。

具体实施步骤如下：

1.由布置的定位节点及未知节点(信标节点)进行20次测量计算，采用理论模型中的对数-常态分布模型，将所测得的数据使用最小二乘法拟合曲线确定式中的路径损失指数η和环境因子ζ，建立RSSI与距离之间的关系；

D_{j} = \sqrt{{(x_{j} - \frac{x_{j 1} + x_{j 2} + x_{j 3}}{3})}^{2} + {(y_{j} - \frac{y_{j 1} + y_{j 2} + y_{j 3}}{3})}^{2}};

5.结合定位单元的重心权值和距离权值得到最终的权值W_j为其中μ+η＝1，可根据具体情形取值。循环进行M次定位，将M个坐标和其对应的权值进行加权融合，可计算得到标签的最终坐标为：

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims

1.基于RSSI技术的医院病人定位方法，其工作步骤是：

步骤1.测距模型采用理论模型中的对数-常态分布模型其中d是节点与标签间的距离；PL(d)为经过距离d后收到的信号强度，单位为dB；PL(d₀)是射频参数，表示距发射端1米处接收到的信号强度绝对值；η是路径损失指数；表示环境因子，根据测得的N个(PL(d_i),d_i)，使用最小二乘法拟合曲线确定式中的η和建立RSSI与距离之间的关系；

步骤2.设N个待检测标签的坐标为：(x_j,y_j),j＝1…N；假设能接收到标签P信号的定位节点有n个，RSSI值的集合定义为R，并且RSSI₁≥RSSI₂≥…≥RSSI_n；由RSSI值对应的距离D＝{d₁,d₂,…d_n},d₁≤d₂≤…d_n；在计算过程中，首先从最小值d₁开始选择比其大的两个距离，形成一个定位单元，重复上述步骤，可得到个定位单元；

步骤3.假设第j个定位单元为由于标签离定位单元重心越近，定位准确度越高，定义该定位单元关于重心的权重为其中D_j为标签与定位单元重心之间的距离，表达式为：

D_{j} = \sqrt{{(x_{j} - \frac{x_{j 1} + x_{j 2} + x_{j 3}}{3})}^{2} + {(y_{j} - \frac{y_{j 1} + y_{j 2} + y_{j 3}}{3})}^{2}};

步骤4.因为标签与节点的距离越近RSSI值越大，由RSSI值的偏差产生的距离偏差就越小；定义该定位单元关于距离的权重为

步骤5.结合定位单元的重心权值和距离权值得到最终的权值W_j为其中μ+η＝1，可根据具体情形取值；循环进行M次定位，将M个坐标和其对应的权值进行加权融合，可计算得到标签的最终坐标为：

x = Σ_{j = 1}^{M} W_{j} \cdot x_{j}, y = Σ_{j = 1}^{M} W_{j} \cdot y_{j} .