CN104640076A - 一种基于无线信号数据融合的室内定位方法 - Google Patents

Abstract

本发明公开了一种基于无线信号数据融合的室内定位方法，通过Wi-Fi信号和RFID信号融合的方式，结合卡尔曼滤波器对接收信号进行噪声优化处理，并将得到的优化了的RSSI值进行三边测量计算，从而得到移动节点的定位坐标。本发明利用卡尔曼滤波器的降噪处理能够有效降低室内噪声对无线信号的干扰，提高室内定位精度。通过Wi-Fi技术和RFID技术的融合定位进一步提高室内定位精度，并且这两种定位技术的有机协同互补大大提高了定位方法的鲁棒性。在Wi-Fi信号和RFID信号的融合定位下不仅取得了室内定位精度和设备成本开销的平衡点，并在得到待定位物体具体坐标的同时还能了解到关于待定位物体周围环境的描述信息。

Description

一种基于无线信号数据融合的室内定位方法

技术领域

本发明涉及室内定位方法，属于移动计算和信号处理交叉技术应用领域，尤其涉及一种基于无线信号数据融合的室内定位方法。

背景技术

大规模室内环境的定位方法力求通过不同的无线信号技术，利用相应的距离计算方法，在大规模室内环境中，对待定位节点进行快速、高效的精准定位，从而得到精确的物体坐标。

目前的室内定位算法都是基于无线网络(Wireless Fidelity,Wi-Fi)、无线传感器网络(Wireless SensorNetwork,WSN)、射频识别(Radio Frequency Identification,RFID)、蓝牙(Bluetooth)以及超宽带(Ultra WideBand,UWB)等无线技术中的一种。利用一些典型的定位算法，诸如SPA(self-positioning algorithm)相对定位算法，凸规划定位算法，DV-Hop定位算法、DV-distance定位算法，MDS-MAP定位算法等。再根据算法要求，利用三边测量，三角测量等坐标测算方法计算得到待定坐标。

室内定位算法的性能指标有定位精度、时间开销、定位实时性、算法复杂度等。其中，定位精度是室内定位算法的关键指标。一些利用单一无线技术进行室内定位的方法在理论上可预见较高的定位精度，但这些算法大多都有使用前提条件：有的要求待定位节点必须与已知节点直接相邻，使得已知节点密度过高；有的过度依赖于网络部署条件，例如DV-Hop定位算法和DV-distance定位算法仅适用于密集部署的各向同性网络。同时，这些室内定位方法的定位精度依赖于其应用的定位技术，以Wi-Fi定位技术为例：当所部署的Wi-Fi设备都能够正常运行时，结合优秀的定位方法能够获得较好的定位精度，不过一旦Wi-Fi设备发生异常甚至无法工作时，将严重影响定位方法的定位效果，大大降低室内定位的定位精度，甚至出现无法进行定位的情况，鲁棒性较差。可见，仅仅考虑单一无线技术在室内环境的定位是不足的，特别是在诸如博物馆，机场候机厅，商业中心等环境复杂的大型室内定位场景，其中人员众多，人流量大，在需要较高定位精度的同时还需要提供实时的室内定位服务，这样就不得不解决定位方法的鲁棒性问题。

公开号为103839021A的中国专利公布了“基于RFID和WIFI技术的物品定位系统”，其发明内容为一种基于RFID和WIFI技术的物品定位系统，包括计算机服务器，其特征在于，还包括附有RFID标签的物品，所述RFID通过天线连接有WIFI接收器，所述计算机服务器预先存储有物品及WIFI信息，所述RFID标签对应设有的RFID读卡器与所述WIFI接收器对应设有的WIFI发射器组成无线传输网络，当物品被移动或不在计算机服务器指定的区域时，计算机服务器发出预警信号。但是该专利没有解决室内噪声对定位精度的影响以及消除定位盲区的问题，也无法呈现一个直观的定位位置描述。

公开号为103593686A的中国专利公布了“基于WiFi与射频识别技术的图书定位系统及方法”，其发明内容为“一种基于WiFi与射频识别技术的图书定位系统，其特征在于：所述图书定位系统包括定位仪(1)、主控机(2)，书标签(3)与WiFi读卡器(4)；定位仪(1)无线连接主控机(2)，图书标签(3)通过RFID射频方式连接WiFi读卡器(4)；定位仪(1)通过RFID射频方式连接WiFi读卡器(4)；主控机(2)无线连接WiFi读卡器(4)。但是该专利没有解决室内噪声对定位精度的影响以及消除定位盲区的问题，且该系统有一定的局限性。

现有技术大都没有解决内噪声对定位精度的影响以及定位盲区问题，也不能给出一个直观的关于定位位置周围环境的描述。

发明内容

本发明采用的技术方案如下：

一种基于无线信号数据融合的室内定位方法，将Wi-Fi信号和RFID信号进行数据融合，再针对移动节点进行室内定位，其步骤如下：

步骤一：在室内定位前，将Wi-Fi路由器呈近似正三角的形式分布在室内环境中，将RFID按需部署在室内固定物上；

步骤二：在室内定位过程中，移动节点根据不同的无线信号覆盖情况，可分为只能接收到Wi-Fi信号，只能接收到RFID信号以及Wi-Fi和RFID信号均能接收到这三种不同的定位情况进行定位；

步骤三：根据这三种不同的定位情况，利用卡尔曼滤波器对移动节点接收到的无线信号进行自循环迭代处理，分别得到相应的接收信号强度(Received Signal Strength Indication,RSSI)值；

步骤四：最终，根据得到的RSSI值，结合三边测量的方法得到移动节点的室内定位坐标，其中，当针对Wi-Fi信号得到的数据进行三边测量时，选取能够形成近似正三角形的Wi-Fi路由器组进行三边测量计算。

所述的定位前已知节点的部署情况，将Wi-Fi节点呈近似等边三角形的方式进行部署，而不采用规则的、均匀的网格状节点部署方式，将RFID标签按需部署在室内固定物上，并在室内场景的角落，距离Wi-Fi节点较远的位置，以及人流量较大的地方额外部署RFID标签；

所述的定位情况，即此时移动节点只能接收到Wi-Fi信号；假设一共能接收n个Wi-Fi节点的信号，以3个移动节点能接收到信号的Wi-Fi节点为一组，筛选出所有能组成近似等边三角形的Wi-Fi节点组，共有n'组。对所有Wi-Fi信号的RSSI值用卡尔曼滤波器进行处理，用三边测量的方法，分别根据符合等边三角形分布的n'组Wi-Fi节点和其他组Wi-Fi节点计算出估计坐标(x_i',y_i')和(x_i,y_i)，然后对所有坐标求均值，得到定位坐标(x,y)；

所述的定位情况，即此时移动节点只能接收到RFID信号；不妨设接收到m个RFID信号，则根据卡尔曼滤波器处理过的RSSI值，应用三边测量定位的方法对移动节点进行位置计算，得到坐标值(x_j,y_j)，最后对求得的坐标值取平均值，得到定位坐标(x,y)；

所述的定位情况，即此时移动节点既能接收到Wi-Fi信号又能接收到RFID信号；根据经由卡尔曼滤波器处理的RFID信号的RSSI值，用三边测量定位的方法对移动节点进行位置估算，得到基于RFID信号的位置估算坐标(x″,y″)，再筛选出所有近似正三角形的Wi-Fi节点组，用卡尔曼滤波器处理后的RSSI值进行三边测量计算，得到基于Wi-Fi信号的位置估算坐标(x',y')，然后将上述两个坐标取平均值，得到移动节点的定位坐标(x,y)；

对移动节点接收到的无线信号均要利用卡尔曼滤波器进行处理，将接收到的RSSI初始值代入卡尔曼滤波器的自循环迭代过程，然后根据处理过的RSSI值，利用三边测量方法计算得到移动节点的定位坐标。

对于移动节点的室内定位结果包含了两个部分，一个是具体的坐标值，另一个是具体的位置描述信息。

本发明具有以下有益效果：

1、在利用Wi-Fi和RFID的数据融合进行位置定位前，首先利用滤波优化算法对接收得到的无线信号RSSI值进行降噪处理，再根据三边测量计算方法，采用经降噪处理的RSSI值计算出位置坐标，从而提高室内定位精度。并且，由于无线信号经由滤波优化算法处理，即使Wi-Fi和RFID两种无线技术中的一种因设备原因无法正常工作，另外一种无线技术仍可以提供实时的室内定位服务，鲁棒性较强。

2、Wi-Fi路由器以近似正三角形的方式部署在整个定位环境中，RFID标签按需部署，在有更高的定位精度要求或者室内噪声较高的区域进行RFID标签的密集部署，灵活性高，能够根据定位要求有针对性地快速提高局域定位精度。另外，在室内定位环境的边角处，如墙角、室内拐角、窗口等以及距离Wi-Fi路由器的远端位置也部署RFID标签，避免因Wi-Fi通信距离限制或室内噪声变化所引起的定位盲区的产生，实现定位环境中定位网络的全覆盖。

3、利用RFID标签可存储少量数据的特性，在定位前分别将用于部署在不同物体上的RFID标签中的存储信息录入数据库，将RFID标签的位置信息和相应的被部署物体的基本信息有机结合，进行具象化定位。在进行室内定位时，不但可以得到待定位物体的室内定位坐标，还可以得到直观的室内物品的位置信息，如：待定位者M的定位坐标为(5,21)，M位于在唐三彩展柜旁。

4、本发明的基于无线信号数据融合的室内定位思想可以拓展到其他的有效通信距离相差较大的两个或几个室内定位技术的融合应用中去(如Zigbee和RFID融合定位，Wi-Fi和低功耗蓝牙技术融合定位等)，具有一定的普适性。并且本发明减少了Wi-Fi接入设备的使用，加入了廉价的RFID标签，进而在保持定位精度的同时降低了设备成本。

附图说明

图1为卡尔曼滤波器预测方块图

图2为本发明适用的大型博物馆的定位场景图。

具体实施方式

本发明所要解决的技术问题在于克服单一无线技术在室内定位中的不足。现有的应用单一无线技术进行室内定位的方法，定位系统的正常工作完全依赖于相应的一种无线定位技术，一旦无线设备发生故障无法定位，那么室内定位精度将大受影响，鲁棒性较低，而且易产生定位盲区，往往无法确保对室内区域进行无线信号的全覆盖。本发明提供了一种基于无线信号数据融合的室内定位方法，经由滤波算法对无线信号就行降噪处理，将Wi-Fi和RFID无线信号进行融合定位，在定位过程中两种技术相互补充。由于这两种定位技术均能独自进行室内定位，将两者融合之后进行室内定位既能提高定位精度又使得定位系统的鲁棒性大大提高。因为RFID标签可以按需部署并且价格低廉，可以进一步避免定位盲区的出现，还可以降低整个定位系统的设备成本。

下面结合附图对本发明的技术方案进行详细说明：

本发明提出的室内定位方法将Wi-Fi和RFID两种无线技术进行融合，在室内场景中，将Wi-Fi路由器以近似正三角形的方式部署，再将RFID标签按需分布，部署在室内的固定物体上。进行室内定位时应用卡尔曼滤波器做降噪处理，以融合定位和降噪处理相结合的方式提高室内定位精度和定位鲁棒性。

本发明首先利用卡尔曼滤波器对无线信号的RSSI值进行优化，再利用三边测量算法进行距离测算，最终结合Wi-Fi信号和RFID信号对待定位节点进行综合位置的估算，从而得到一个较为精确的位置坐标。本发明中基于RFID的定位部件既是对基于Wi-Fi的定位部件的优化，又是对Wi-Fi定位的补充。这主要得益于RFID标签可以灵活布置在室内任何位置，能够按需部署，当移动节点接近RFID标签时可以进行Wi-Fi信号和RFID信号的融合定位，从而提高定位精度。室内边角处容易出现定位盲区，RFID标签的布置可避免定位盲区的出现，增强定位系统的鲁棒性。本发明的定位流程为：

步骤一在室内定位前，将Wi-Fi路由器呈近似正三角的形式分布在室内环境中，将RFID标签按需部署在室内固定物上。其中，节点部署情况为：

1、在定位场景中，将Wi-Fi节点以近似正三角形的方式进行部署，而不采用规则的、均匀的网格状节点部署方式。RFID标签按需部署在需要更加精确定位的室内物体上。

2、在对移动节点进行位置定位时，选取周围所有能构成近似正三角形的Wi-Fi节点组进行位置估算；

3、在定位环境的边角位置额外布置RFID标签，以避免出现定位盲区；

4、在人员可能大量聚集和流动的地方密集布置RFID标签，以提高室内定位的定位精度。

步骤二在室内定位过程中，移动节点根据不同的无线信号覆盖情况，可分为只能接收到Wi-Fi信号，只能接收到RFID信号以及Wi-Fi和RFID信号均能接收到这三种不同的定位情况进行定位。

步骤三根据这三种不同的定位情况，利用卡尔曼滤波器对移动节点接收到的无线信号进行自循环迭代降噪处理，分别得到相应的优化后的RSSI值。

当移动节点进入室内环境后，本发明的定位方法会用卡尔曼滤波器对移动节点接收到的信号进行降噪优化处理，卡尔曼滤波器系统如图1所示：

X_k+1＝AX_k+Bω_k+Gu_k                 (1)

z_k＝HX_k+y_k                (2)

式(1)为系统的差分方程，式(2)为系统的观测方程。其中，u和y分别表示过程激励噪声和观测噪声，都是期望为0的白噪声向量；A表示增益方阵，将k时刻的RSSI值和k+1时刻的RSSI值联系起来；B和G为增益矩阵，在实际定位系统中通常取零值；ω_k为控制向量；H表示状态变量X_k对观测变量z_k的增益。

这里定义为已知第k-1步及以前的情况下，对第k步的先验状态估计，即对RSSI的一个先验估计值，为已知观测变量z_k的第k步的后验状态估计值，即经过观测变量z_k修正之后的RSSI的后验估计值，由此可得RSSI值的计算式为：

${\hat{X}}_k={{\hat{X}}_k}^{\′}+K(z_k-H{{\hat{X}}_k}^{\′})---\left(3\right)$

在式(3)中，称为残余，若残余值为零时，则即后验RSSI估计值与先验RSSI估计值一致。K为残余的增益矩阵。根据RSSI值先验状态误差e_k'和后验状态误差e_k，可以分别得到它们的协方差P_k'和P_k，则增益矩阵K的求解公式为：

K_k＝P_k'H^T(HP_k'H^T+R)^-1           (4)

在式(4)中，R为观测噪声y的协方差矩阵，这里设为常数。

最后，根据优化了的RSSI值，利用Shadowing模型进行距离测量：

$d={10}^{\frac{-({\mathrm{RSSI}}_0+\mathrm{RSSI})}{10\mathrm{\α}}}---\left(5\right)$

在式(5)中，α为路径损耗系数，具体取值是一个经验值；d为移动节点和无线接入节点之间的距离，RSSI为移动节点的接收信号强度；RSSI₀为距离无线接入节点1m处的信号强度值。

步骤四根据得到的RSSI值，针对步骤二所述的不同的定位情况，结合三边测量的方法得到移动节点的室内定位坐标。其中，当针对Wi-Fi信号得到的数据进行三边测量时，选取能够形成近似正三角形的Wi-Fi路由器组进行三边测量计算。

根据步骤二所述，当移动节点进入室内无线区域进行室内定位时，会出现以下三种情况：

1、移动节点只能接收到Wi-Fi信号时，假设一共能接收n个Wi-Fi节点的信号，以3个移动节点能接收到信号的Wi-Fi节点为一组，筛选出所有能组成近似等边三角形的Wi-Fi节点组，共有n'组。对所有Wi-Fi信号的RSSI值用卡尔曼滤波器进行优化，用三边测量的方法，分别根据符合等边三角形分布的n'组Wi-Fi节点和其他组Wi-Fi节点计算出估计坐标(x_i',y_i')和(x_i,y_i)，然后对所有坐标求均值，得到定位坐标(x,y)：

$(x,y)=(1/(n^{\′}+1))((1/(C_n^3-n^{\′}))\mathrm{\Σ}(x_i,y_i)+\mathrm{\Σ}({x_i}^{\′},{y_i}^{\′}))---\left(6\right)$

2、移动节点只能接收到m个RFID信号的时，则根据卡尔曼滤波器优化了的RSSI值，应用三边测量定位的方法对移动节点进行位置计算，得到坐标值(x_j,y_j)，最后对求得的坐标值取平均值，得到定位坐标(x,y)：

$(x,y)=(1/C_m^3)\mathrm{\Σ}(x_j,y_j)---\left(7\right)$

3、移动节点既能接收到Wi-Fi信号又能接收到RFID的信号时，根据RFID信号优化了的RSSI值，用三边测量定位的方法对移动节点进行位置估算，得到基于RFID的位置估算坐标(x″,y″)，再筛选出所有近似正三角形的Wi-Fi节点组，用卡尔曼滤波器优化其RSSI值并进行三边测量计算，得到基于Wi-Fi的位置估算坐标(x',y')，然后将上述两个坐标取平均值，得到移动节点的定位坐标(x,y)：

(x,y)＝(1/2)((x',y')+(x″,y″))                 (8)

本发明适用于以下定位场景，如图2所示，是一个200m×250m的大型博物馆，W1～W7为7个Wi-Fi路由器，R1～R4为部署在室内四个角落的RFID标签，R5～R8为固定在桌椅上的RFID标签，R9～R27为部署在展台上的RFID标签。在对游客进行室内定位时，以M2为例，在对M2的室内定位过程中，M2既能接收到Wi-Fi信号又能接收到RFID信号，和上述的定位情况三相吻合，此时分别根据Wi-Fi信号和RFID信号得到M2的定位坐标(x_m2',y_m2')和(x_m2″,y_m2″)，然后将这两个坐标取平均值，得到移动节点的定位坐标(x_m2,y_m2)。本发明将Wi-Fi和RFID两种无线技术将进行融合定位，针对不同的定位情况给出不同的定位方案，最终得到移动节点的定位坐标。

Claims (7)

1.一种基于无线信号数据融合的室内定位方法，将Wi-Fi信号和RFID信号进行数据融合，再针对移动节点进行室内定位，其步骤如下：

步骤一：在室内定位前，将Wi-Fi路由器呈近似正三角的形式分布在室内环境中，将RFID标签按需部署在室内固定物上；

步骤二：在室内定位过程中，移动节点根据不同的无线信号覆盖情况，可分为只能接收到Wi-Fi信号，只能接收到RFID信号以及Wi-Fi和RFID信号均能接收到这三种不同的定位情况进行定位；

步骤三：根据这三种不同的定位情况，利用卡尔曼滤波器对移动节点接收到的无线信号进行自循环迭代处理，分别得到相应的RSSI值；

步骤四：根据得到的RSSI值，结合三边测量的方法得到移动节点的室内定位坐标，其中，当针对Wi-Fi信号得到的数据进行三边测量时，选取能够形成近似正三角形的Wi-Fi路由器组进行三边测量计算。

2.根据权利要求1所述的一种基于无线信号数据融合的室内定位方法，所述步骤一的定位前已知节点的部署情况是将Wi-Fi节点呈近似等边三角形的方式进行部署，而不采用规则的、均匀的网格状节点部署方式，将RFID标签按需部署在室内固定物上，并在室内场景的角落，距离Wi-Fi节点较远的位置，以及人流量较大的地方额外部署RFID标签。

3.根据权利要求1所述的一种基于无线信号数据融合的室内定位方法，所述步骤二的定位情况，即此时移动节点只能接收到Wi-Fi信号；假设一共能接收n个Wi-Fi节点的信号，以3个移动节点能接收到信号的Wi-Fi节点为一组，筛选出所有能组成近似等边三角形的Wi-Fi节点组，共有n'组，对所有Wi-Fi信号的RSSI值用卡尔曼滤波器进行处理，用三边测量的方法，分别根据符合等边三角形分布的n'组Wi-Fi节点和其他组Wi-Fi节点计算出估计坐标(x_i',y_i')和(x_i,y_i)，然后对所有坐标求均值，得到定位坐标(x,y)。

4.根据权利要求1所述的一种基于无线信号数据融合的室内定位方法，所述步骤二的定位情况，即此时移动节点只能接收到RFID信号；不妨设接收到m个RFID信号，则根据卡尔曼滤波器处理过的RSSI值，应用三边测量定位的方法对移动节点进行位置计算，得到坐标值(x_j,y_j)，最后对求得的坐标值取平均值，得到定位坐标(x,y)。

5.根据权利要求1所述的一种基于无线信号数据融合的室内定位方法，所述步骤二的定位情况，即此时移动节点既能接收到Wi-Fi信号又能接收到RFID信号；根据经由卡尔曼滤波器处理的RFID信号的RSSI值，用三边测量定位的方法对移动节点进行位置估算，得到基于RFID信号的位置估算坐标(x″,y″)，再筛选出所有近似正三角形的Wi-Fi节点组，用卡尔曼滤波器处理后的RSSI值进行三边测量计算，得到基于Wi-Fi信号的位置估算坐标(x',y')，然后将上述两个坐标取平均值，得到移动节点的定位坐标(x,y)。

6.根据权利要求1所述的一种基于无线信号数据融合的室内定位方法，对移动节点接收到的无线信号均要利用卡尔曼滤波器进行处理，将接收到的RSSI初始值代入卡尔曼滤波器的自循环迭代过程，然后根据处理过的RSSI值，利用三边测量方法计算得到移动节点的定位坐标。

7.根据权利要求1所述的一种基于无线信号数据融合的室内定位方法，对于移动节点的室内定位结果包含了两个部分，一个是具体的坐标值，另一个是具体的位置描述信息。