CN104898087A - 基于动态环境衰减因子的粒子滤波室内定位方法及系统 - Google Patents
基于动态环境衰减因子的粒子滤波室内定位方法及系统 Download PDFInfo
- Publication number
- CN104898087A CN104898087A CN201510171984.4A CN201510171984A CN104898087A CN 104898087 A CN104898087 A CN 104898087A CN 201510171984 A CN201510171984 A CN 201510171984A CN 104898087 A CN104898087 A CN 104898087A
- Authority
- CN
- China
- Prior art keywords
- particle
- computing unit
- mobile card
- gained
- sampling
- 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.)
- Pending
Links
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及定位领域,尤其是涉及一种基于动态环境衰减因子的粒子滤波室内定位方法及系统。所述基于动态环境衰减因子的粒子滤波室内定位方法包括:由激发器发出激发信号给移动卡片,所述移动卡片发出多个接收信号强度数据,通过三个读卡器获取移动卡片发出的接收信号强度数据并对所述接收信号强度数据进行预处理。由于本发明提供的室内定位方法及系统是应用在嘈杂以及时刻变化的动态环境条件,因此结合动态环境衰减模型来计算移动卡片与三个读卡器之间的距离,并利用三边定位算法计算得移动卡片的准确位置。本发明有益效果:实现能够很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。
Description
技术领域
本发明涉及定位领域,尤其是涉及一种基于动态环境衰减因子的粒子滤波室内定位方法及系统。
背景技术
随着社会的发展,人员和物品的位置信息越来越受到人们的重视。现有定位技术包括GPS定位、Wi-Fi定位技术应用到室内都有一定的局限性,例如,GPS定位信号无法穿透建筑物,造成室内定位精度不高;Wi-Fi定位信号覆盖范围太小且容易受到其他信号的干扰,也导致定位精度不够。无线传感器网络(Wireless Sensor Network,WSN)作为一种全新的信息获取和处理技术,有着广泛的应用领域,其中,传感器节点的定位技术是无线传感器网络中应用最广泛的技术之一。在实际应用中,节点位置信息的准确性直接关系到传感器节点采集到信息的有效性。作为无线通信技术的一种,无线射频识别技术(RadioFrequency Identification,RFID)已被证明在人员和物品定位的应用中具有较强的优势,无论从技术层面还是实际配置层面考量,它都可以弥补GPS定位和Wi-Fi定位在室内应用的不足,因此,RFID具有更广泛的应用。
根据定位过程中是否需要测量源节点和目标节点之间的距离,可以把定位算法分为两大类:基于距离(range-based)的定位算法和距离无关(range-free)的定位算法。基于距离的定位通过测量源节点和目标节点之间的距离或角度,然后利用三边测量或三角测量计算出目标节点的位置坐标。基于距离的定位算法有很多种,主要有比较接收信号强度(Received Signal Strength Indication,RSSI)、比较到达时间(Time Of Arrival,TOA)、时间差(Time Difference of Arrival,TDOA)和到达角度(Angle-of-Arrival,AOA)。其中,以TDOA和RSSI测距定位最为常用。
然而,在实际应用过程中发现,复杂的环境对无线信号有着强烈的干扰作用,导致测得的信号强度值和理论值有较大误差。有效地解决这个挑战性困难问题是获得高精度位置信息的关键,需要对接收到的信号强度值进行一定的预处理。
针对复杂环境这一挑战性困难,国内外已有大量的研究工作。采用不同的模型和不同的预处理方法也会得到不同的定位精度和稳定性。在模型选择方面,Bahl构造了墙壁衰减因子模型(Wall Attenuation Factor,WAF),充分考虑了建筑空间布局对定位性能的影响。林景栋采用简化的无线电波传播模型,该模型可以达到一定的定位精度,但是随着信标节点分布情况的不同,该模型定位精度和稳定性有较大波动。石为人使用了定值环境衰减因子模型,由于其取值为定值,所以对目标节点的环境补偿不能很好地适应位置的变化。在数据处理方面,利用牛顿插值多项式代替线性插值来计算目标节点的RSSI值,该方法虽然提高了定位精度,但却产生很大的时间复杂性。朱宇佳采用支持向量机多分类方法把目标节点的RSSI值归于若干类中的某一类中进行处理,该算法定位精度有一定提高,但由于需要离线采集数据,故其适应环境变化的能力不强。张正华采用优化加权质心定位算法,定位精度在0.5~2.2米;肖如良首先应用卡尔曼滤波平滑了随机误差,然后用中位加权方法抑制了显著误差,其误差在0.81~1米之间。Bekkali结合卡尔曼滤波技术处理接收到的RSSI值,并采用多标签构成一种映射的方式,其误差在0.5~5米之间,但稳定性很差。
以上诸多工作应对这一挑战性困难的解决方案在精度与稳定性方面还有待我们进一步探索,考虑到复杂环境中因距离相同而位置不同带来的环境差异,因此,需要提供一种基于动态环境衰减因子的粒子滤波室内定位方法及系统,能够很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。
发明内容
本发明所要解决的技术问题是:提供一种基于动态环境衰减因子的粒子滤波室内定位方法及系统,能够很好地调和不同位置带来的环境噪声差异,实现较高的定位精度和较好的稳定性。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于动态环境衰减因子的粒子滤波室内定位方法,包括以下步骤:
S100、建立状态空间的二维坐标系,将三个读卡器和激发器设置在所述状态空间内的指定位置,将移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出多个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,从所述状态空间中随机采样多个粒子作为采样粒子;
S200、将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
S300、当预设时刻到达时,将步骤S200所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;计算每个采样粒子的后验概率密度,选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
S400、将步骤S300所得最优状态值计算得动态环境衰减因子,根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
S500、将步骤S400所得三个距离值代入三边定位模型计算得所述移动卡片的二维坐标。
本发明采用的另一技术方案为:
一种基于动态环境衰减因子的粒子滤波室内定位系统,包括激发器、移动卡片、计算机和三个读卡器;建立状态空间的二维坐标系,所述读卡器和激发器设置在所述状态空间内的指定位置,所述移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出多个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,所述读卡器通过无线连接将所述接收信号强度数据发送给所述计算机;所述读卡器从所述状态空间中随机采样多个粒子作为采样粒子发送给所述计算机;
所述计算机包括第一计算单元、第二计算单元、第三计算单元、选取单元、第四计算单元、第五计算单元和第六计算单元;
所述第一计算单元,用于将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
所述第二计算单元,用于当达到预设时刻时,将第一计算单元所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;
所述第三计算单元,用于计算每个采样粒子的后验概率密度;
所述选取单元,用于选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
所述第四计算单元,用于将选取单元所得最优状态值计算得动态环境衰减因子;
所述第五计算单元,用于根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
所述第六计算单元,用于将第五计算单元所得三个距离值代入三边定位模型计算得所述移动卡片的二维坐标。
本发明的有益效果在于:由激发器发出激发信号给移动卡片,所述移动卡片发出多个接收信号强度数据,通过三个读卡器获取移动卡片发出的接收信号强度数据并对所述接收信号强度数据进行预处理。由于本发明提供的室内定位方法及系统是应用在嘈杂以及时刻变化的动态环境条件,因此结合动态环境衰减模型来计算移动卡片与三个读卡器之间的距离,并利用三边定位算法计算得移动卡片的准确位置,本发明的技术方案能够实现很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。
附图说明
图1为本发明具体实施方式实施例2中实验室的环境和读卡器的位置示意图;
图2为本发明具体实施方式实施例2中引入环境衰减因素模型的实验结果示意图;
图3为本发明具体实施方式实施例2中未引入环境衰减因素模型的实验结果示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:通过三个读卡器获取移动卡片发出的接收信号强度数据并对所述接收信号强度数据进行预处理,结合动态环境衰减模型来计算移动卡片与三个读卡器之间的距离,并利用三边定位算法计算得移动卡片的准确位置,能够实现很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。
本发明具体实施方式的基于动态环境衰减因子的粒子滤波室内定位方法,具体如下:
一种基于动态环境衰减因子的粒子滤波室内定位方法,包括以下步骤:
S100、建立状态空间的二维坐标系,将三个读卡器和激发器设置在所述状态空间内的指定位置,将移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出多个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,从所述状态空间中随机采样多个粒子作为采样粒子;
S200、将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
S300、当预设时刻到达时,将步骤S200所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;计算每个采样粒子的后验概率密度,选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
S400、将步骤S300所得最优状态值计算得动态环境衰减因子,根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
S500、将步骤S400所得三个距离值代入三边定位模型计算得所述移动卡片的二维坐标。
从上述描述可知,本发明的有益效果在于:由激发器发出激发信号给移动卡片,所述移动卡片发出多个接收信号强度数据,通过三个读卡器获取移动卡片发出的接收信号强度数据并对所述接收信号强度数据进行预处理。由于本发明提供的室内定位方法是应用在嘈杂以及时刻变化的动态环境条件,因此结合动态环境衰减模型来计算移动卡片与三个读卡器之间的距离,并利用三边定位算法计算得移动卡片的准确位置,能够实现很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。
进一步的,所述步骤S400还包括:将步骤S100所得每个采样粒子代入观测方程得观测值,根据所得观测值计算每一采样粒子的权重,且将所得权重进行归一化处理;根据归一化处理后所得权重计算有效采样粒子个数,若所述有效采样粒子个数小于预设阀值,进行重采样得新的采样粒子,返回至步骤S200。
由上述描述可知,由于标准粒子滤波算法存在权值退化的现象,即迭代一定次数后,采样粒子只有极少数具有较大权值,其余采样粒子的权值可以忽略不计,造成大量计算浪费在计算权值较小的粒子上,故需要重采样来舍弃权值较小的粒子,以权值较大的粒子进行取代。
进一步的,所述重采样采用残差重采样。目前最为常用的重采样算法有分层重采样、系统重采样、多项式重采样和残差重采样四种。其中,除残差重采样外的三种重采样方法的唯一区别是产生均匀分布的随机数的方式不同。不像其他三种重采样算法那样对每一个粒子都不加区分地进行比较和循环,残差重采样开始就抛弃了权值为零的粒子,具有效率高、方便实现的特点。
进一步的,所述步骤S500具体为:将步骤S400所得三个距离值和三个读卡器的坐标代入三边定位模型,并采用最小二乘法计算得所述移动卡片的二维坐标。
由上述描述可知,通过三边定位配合最小二乘法能够有效地提高定位精度,得到移动卡片的精确位置。
进一步的,所述移动卡片为有源的移动卡片。
由上述描述可知,有源的移动卡片可通过激发器后以自发形式发送存储的接收信号强度数据。
本发明具体实施方式的基于动态环境衰减因子的粒子滤波室内定位系统,具体如下:
一种基于动态环境衰减因子的粒子滤波室内定位系统,包括激发器、移动卡片、计算机和三个读卡器;建立状态空间的二维坐标系,所述读卡器和激发器设置在所述状态空间内的指定位置,所述移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出多个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,所述读卡器通过无线连接将所述接收信号强度数据发送给所述计算机;所述读卡器从所述状态空间中随机采样多个粒子作为采样粒子发送给所述计算机;
所述计算机包括第一计算单元、第二计算单元、第三计算单元、选取单元、第四计算单元、第五计算单元和第六计算单元;
所述第一计算单元,用于将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
所述第二计算单元,用于当达到预设时刻时,将第一计算单元所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;
所述第三计算单元,用于计算每个采样粒子的后验概率密度;
所述选取单元,用于选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
所述第四计算单元,用于将选取单元所得最优状态值计算得动态环境衰减因子;
所述第五计算单元,用于根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
所述第六计算单元,用于将第五计算单元所得三个距离值代入三边定位模型计算得所述移动卡片的二维坐标。
从上述描述可知,本发明的有益效果在于:由激发器发出激发信号给移动卡片,所述移动卡片发出多个接收信号强度数据,通过三个读卡器获取移动卡片发出的接收信号强度数据并对所述接收信号强度数据进行预处理。由于本发明提供的室内定位系统是应用在嘈杂以及时刻变化的动态环境条件,因此结合动态环境衰减模型来计算移动卡片与三个读卡器之间的距离,并利用三边定位算法计算得移动卡片的准确位置,能够实现很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。
进一步的,该系统还包括第七计算单元、第八计算单元、归一化单元、第九计算单元、重采样单元和返回单元;
所述第七计算单元,用于将读卡器所得每个采样粒子代入观测方程得观测值;
所述第八计算单元,用于根据第七计算单元所得观测值计算每一采样粒子的权重;
所述归一化单元,用于将所得权重进行归一化处理;
所述第九计算单元,用于根据第八计算单元所得归一化处理后的权重计算有效采样粒子个数;
所述重采样单元,用于若所述有效采样粒子个数小于预设阀值,进行重采样得新的采样粒子;
所述返回单元,用于当进行重采样时,返回至第一计算单元。
由上述描述可知,由于标准粒子滤波算法存在权值退化的现象,即迭代一定次数后,采样粒子只有极少数具有较大权值,其余采样粒子的权值可以忽略不计,造成大量计算浪费在计算权值较小的粒子上,故需要重采样来舍弃权值较小的粒子,以权值较大的粒子进行取代。
进一步的,所述重采样单元采用残差重采样算法进行重采样。
进一步的,所述第六计算单元具体用于将第五计算单元所得三个距离值和三个读卡器的坐标代入三边定位模型,并采用最小二乘法计算得所述移动卡片的二维坐标。
由上述描述可知,通过三边定位配合最小二乘法能够有效地提高定位精度,得到移动卡片的精确位置。
进一步的,所述移动卡片为有源的移动卡片,所述激发器的型号为SYEXS1-LF1,所述激发器的工作频率为125KHz。
实施例1
本发明提供的一种基于动态环境衰减因子的粒子滤波室内定位方法,包括以下步骤:
S100、建立状态空间的二维坐标系,将三个读卡器和激发器设置在所述状态空间内的指定位置,将移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出50个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,从所述状态空间中随机采样500个粒子作为采样粒子;
S200、将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
根据动态系统的状态空间模型描述为:
S300、当预设时刻到达时,将步骤S200所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;计算每个采样粒子的后验概率密度,选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
所述预设时刻为k时刻,当k时刻到达时,根据步骤S200所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值,具体为:
根据公式得k时刻每个采样粒子系统状态的真实值,其中RSSI_Particlelj为系统状态值,w* j为归一化的权重,RSSIk为k时刻系统状态的真实值。
计算k时刻的每个采样粒子的后验概率密度,具体为:
根据公式 得后验概率密度。
S400、将步骤S100所得每个采样粒子代入观测方程得观测值,根据所得观测值计算每一采样粒子的权重,且将所得权重进行归一化处理;根据归一化处理后所得权重计算有效采样粒子个数,若所述有效采样粒子个数小于预设阀值,进行重采样得新的采样粒子,返回至步骤S200;将步骤S300所得最优状态值计算得动态环境衰减因子,根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
根据所述观测值计算每一采样粒子的权重Wj,具体为:
其中,p(xj|Yk)为粒子xj的后验概率密度函数,q(xj|Yk)为粒子xj的重要性概率密度函数。
将所得权重进行归一化处理,具体为:
计算有效采样粒子个数的公式如下:
其中,Neffw为有效粒子个数。
根据所述最优状态值计算k时刻系统状态的动态环境衰减因子,具体为:
DEAF=(3A-RSSI_Last1-RSSI_Last2-RSSI_Last3)/L
其中,DEAF表示为动态环境衰减因子,A表示为移动卡片与读卡器之间的距离为1米时测得的信号强度,RSSI_Last1表示第一台读卡器的最优状态值,RSSI_Last2表示第二台读卡器的最优状态值,RSSI_Last3表示第二台读卡器的最优状态值,L为状态空间对角线长度的一半。
根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值,具体为:
其中d表示为移动卡片到读卡器的距离,A表示为移动卡片与读卡器之间的距离为1米时测得的信号强度,RSSI即为RSSI_Last1、RSSI_Last2或RSSI_Last3,n表示为信号衰减因子;
参数A的得到方式为:
将移动卡片置于距离读卡器的1米处,所述读卡器在预设时长内(例如:1分钟)对移动卡片的信号强度值进行采样并记录信号强度值,从所有记录的信号强度值中选取出最大的一个信号强度值为参数A。
三个读卡器会得到三个最优状态值,将三个最优状态值代入公式,得到三个读卡器与移动卡片之间的三个距离值,分别为d1、d2、d3。
S500、将步骤S400所得三个距离值和三个读卡器的坐标代入三边定位模型,并采用最小二乘法计算得所述移动卡片的二维坐标。
三个读卡器的坐标为已知,分别为p1(x1,y1)、p2(x2,y2)和p3(x3,y3),假设移动卡片的坐标为p(x,y),根据三边定位模型:
令ri 2=di 2-xi 2-yi 2,i=1,2,3;M2=x2+y2;
则上式可以化为:
令
上式可改写为:Qθ=b;
可得最小二乘解:
最终中的(x,y)就是求出的移动卡片的坐标。
通过三边定位配合最小二乘法能够有效地提高定位精度,得到移动卡片的精确位置。
实施例2
与实施例1的技术方案基本一致,除了读卡器与激发器的设置位置,具体为:状态空间一般为长方体,将三个读卡器和一个激发器分别放在四个角落,读卡器接收信号强度范围较为均衡,每个仪器都有各自的ID编码,可通过ID编码相互进行连接。
具体实验过程:
为了证实本发明提供的方法及系统在复杂的室内环境具有良好的精确度和稳定性,选择电脑信号干扰多、人员走动频繁、物品摆设多的软件大楼506-A实验室作为测试场所。
测试硬件包括一个定位激发器(携带多个天线)、一台计算机、3个读卡器(即锚节点)和若干移动卡片(即目标节点)。定位激发器是SYEXS1-LF1,工作频率是125KHZ,数据接口是RS485,激发距离是0.5~10.0m,工作环境是-20~65℃,5~95%RH。计算机是处理器为Inter(R)Core 2Duo E75002.93GHZ,内存为三星DDR3,速度为1067MHZ的lenevo启天M710E。读卡器是频率2.40~2.48GHZ,频道316,信号强度0~255,信号质量0~255,通信速率是2400bps~1152000bps的XT200。实验室的环境和读卡器的位置,如图1所示。
读卡器上读取从移动卡片发出来的信号信息的计算机软件是Xtive_XT200_V7V0109.exe以及对其进行调参的MDNET_Tools_V0184.exe,这两个软件是由Xtive公司为Xtive软件配套工具。
测试的流程是从移动卡片发送信号到读卡器,利用计算机上的Xtive_XT200_V7V0109.exe读取信号信息,关键就是RSSI,因此设定移动卡片每秒发送10个RSSI值,本发明只取前5秒的50个RSSI值进行预处理,同时在10个不同的时间点以及不同的位置获取实验的数据,即进行了10次随机实验进行了对比实验。
二维坐标系设计如下:左上角为原点O(0,0),往右方向是y轴正向,平面中垂直的另一个方向是x轴正向,如图1。三个读卡器坐标分别为(6.68,0)、(0.4,8.33)、(6.3,8.33)。
为了验证该方法及系统的性能,这里进行了一系列的实验。在均采用对数-距离分布模型的基础上,按照均值滤波、中位加权滤波、卡尔曼滤波和粒子滤波四种不同的滤波模型对数据进行预处理,再利用相同的三边定位算法求出移动卡片的坐标。通过计算移动卡片的估计坐标和真实坐标之间的距离,得到定位误差,比较粒子滤波和另外三种滤波模型的性能。
在采集数据时,为了充分体现四中不同滤波模型在不同环境下的性能,按照三种情况采集到三组数据。其中第一组为环境噪声较大的数据(实验误差如图2中的位置1、位置6、位置10),即人员在目标节点周围不停走动,增大干扰;第二组为环境噪声较小的数据(实验误差如图2中的位置2、位置5、位置9),即选择实验环境人员较少和终端启动均较少时测得的数据,减少干扰;第三组为正常实验环境下测得的数据。采用这三组不同数据,可以更直接的验证四种滤波模型的定位精度和稳定性。
图2和图3均为四种滤波方式10次实验的误差分析图。图2是采用引入了环境衰减因素模型的实验结果,图3是未引入环境衰减因素模型的实验结果。
从图2中可以看出:
1)稳定性方面,四种滤波模型在不同噪声下的定位稳定性有很大差异,其中均值滤波和中位加权滤波在不同噪声影响下的定位误差波动较明显;卡尔曼滤波定位稳定性次之;粒子滤波定位稳定性最好。
2)精度方面,在利用添加人为干扰的第一组数据的定位中,粒子滤波表现出了较高的定位精度,10次定位误差均值达到0.68米左右;由于添加了人为噪声,其余三种滤波模型的定位精度则不是很理想,尤其是在位置6,均值滤波和中位加权滤波的定位精度很差。而在利用干扰较小的数据的定位中,从位置2、位置5、位置9可以看出,四种模型的定位精度均较好。这里表明粒子滤波适应不同噪声的能力优于另外三种滤波模型。
结合图2和图3可以发现,无论是从精度还是稳定性上看,动态环境衰减模型的定位性能比一般模型的效果好。由于相同距离不同位置受到的环境噪声有很大差异,添加环境衰减因素能更好的调和不同位置带来的环境噪声差异。如果不添加环境衰减因素或者把环境衰减因素设为定值,从图3可以看出,在某些位置的定位性能较好,移动到其他位置时性能变化很大,也即是不能很好地适应环境的变化。本发明提供的方法引入的环境衰减因素是一个变值,随着目标节点的位置变动而变动,具有很强的灵活性。
实施例3
本发明提供的方法及系统适用于监狱中,将移动卡片制作成手环戴在重刑犯手上,通过计算机可以随时定位重刑犯的所在位置,也可以知道重刑犯的行动轨迹,通过对移动卡片进行ID编码即可区分重刑犯。
综上所述,本发明提供的一种基于动态环境衰减因子的粒子滤波室内定位方法及系统,由激发器发出激发信号给移动卡片,所述移动卡片发出多个接收信号强度数据,通过三个读卡器获取移动卡片发出的接收信号强度数据并对所述接收信号强度数据进行预处理。由于本发明提供的室内定位系统是应用在嘈杂以及时刻变化的动态环境条件,因此结合动态环境衰减模型来计算移动卡片与三个读卡器之间的距离,并利用三边定位算法计算得移动卡片的准确位置,实现能够很好地调和不同位置带来的环境噪声差异,以及在室内定位中有较高的定位精度和较好的稳定性。由于标准粒子滤波算法存在权值退化的现象,即迭代一定次数后,采样粒子只有极少数具有较大权值,其余采样粒子的权值可以忽略不计,造成大量计算浪费在计算权值较小的粒子上,故需要重采样来舍弃权值较小的粒子,以权值较大的粒子进行取代。通过三边定位配合最小二乘法能够有效地提高定位精度,得到移动卡片的精确位置。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于动态环境衰减因子的粒子滤波室内定位方法,其特征在于,包括以下步骤:
S100、建立状态空间的二维坐标系,将三个读卡器和激发器设置在所述状态空间内的指定位置,将移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出多个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,从所述状态空间中随机采样多个粒子作为采样粒子;
S200、将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
S300、当预设时刻到达时,将步骤S200所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;计算每个采样粒子的后验概率密度,选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
S400、将步骤S300所得最优状态值计算得动态环境衰减因子,根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
S500、将步骤S400所得三个距离值代入三边定位模型计算得所述移动卡片的二维坐标。
2.根据权利要求1所述的基于动态环境衰减因子的粒子滤波室内定位方法,其特征在于,所述步骤S400还包括:将步骤S100所得每个采样粒子代入观测方程得观测值,根据所得观测值计算每一采样粒子的权重,且将所得权重进行归一化处理;根据归一化处理后所得权重计算有效采样粒子个数,若所述有效采样粒子个数小于预设阀值,进行重采样得新的采样粒子,返回至步骤S200。
3.根据权利要求2所述的基于动态环境衰减因子的粒子滤波室内定位方法,其特征在于,所述重采样采用残差重采样。
4.根据权利要求1所述的基于动态环境衰减因子的粒子滤波室内定位方法,其特征在于,所述步骤S500具体为:将步骤S400所得三个距离值和三个读卡器的坐标代入三边定位模型,并采用最小二乘法计算得所述移动卡片的二维坐标。
5.根据权利要求1所述的基于动态环境衰减因子的粒子滤波室内定位方法,其特征在于,所述移动卡片为有源的移动卡片。
6.一种基于动态环境衰减因子的粒子滤波室内定位系统,其特征在于,包括激发器、移动卡片、计算机和三个读卡器;建立状态空间的二维坐标系,所述读卡器和激发器设置在所述状态空间内的指定位置,所述移动卡片设置在所述状态空间内的任一位置,所述移动卡片接收到激发器的激发信号后,所述移动卡片发出多个接收信号强度数据,所述读卡器接收移动卡片发出的接收信号强度数据,所述读卡器通过无线连接将所述接收信号强度数据发送给所述计算机;所述读卡器从所述状态空间中随机采样多个粒子作为采样粒子发送给所述计算机;
所述计算机包括第一计算单元、第二计算单元、第三计算单元、选取单元、第四计算单元、第五计算单元和第六计算单元;
所述第一计算单元,用于将每个采样粒子代入状态转移方程得每个采样粒子的系统状态值;
所述第二计算单元,用于当达到预设时刻时,将第一计算单元所得每个采样粒子的系统状态值计算每个采样粒子的系统状态的真实值;
所述第三计算单元,用于计算每个采样粒子的后验概率密度;
所述选取单元,用于选取具有最大的后验概率密度的采样粒子作为第一采样粒子,所述第一采样粒子的系统状态的真实值作为最优状态值;
所述第四计算单元,用于将选取单元所得最优状态值计算得动态环境衰减因子;
所述第五计算单元,用于根据所得动态环境衰减因子计算所述移动卡片分别到三个读卡器的三个距离值;
所述第六计算单元,用于将第五计算单元所得三个距离值代入三边定位模型计算得所述移动卡片的二维坐标。
7.根据权利要求6所述的基于动态环境衰减因子的粒子滤波室内定位系统,其特征在于,该系统还包括第七计算单元、第八计算单元、归一化单元、第九计算单元、重采样单元和返回单元;
所述第七计算单元,用于将读卡器所得每个采样粒子代入观测方程得观测值;
所述第八计算单元,用于根据第七计算单元所得观测值计算每一采样粒子的权重;
所述归一化单元,用于将所得权重进行归一化处理;
所述第九计算单元,用于根据第八计算单元所得归一化处理后的权重计算有效采样粒子个数;
所述重采样单元,用于若所述有效采样粒子个数小于预设阀值,进行重采样得新的采样粒子;
所述返回单元,用于当进行重采样时,返回至第一计算单元。
8.根据权利要求7所述的基于动态环境衰减因子的粒子滤波室内定位系统,其特征在于,所述重采样单元采用残差重采样算法进行重采样。
9.根据权利要求6所述的基于动态环境衰减因子的粒子滤波室内定位系统,其特征在于,所述第六计算单元具体用于将第五计算单元所得三个距离值和三个读卡器的坐标代入三边定位模型,并采用最小二乘法计算得所述移动卡片的二维坐标。
10.根据权利要求6所述的基于动态环境衰减因子的粒子滤波室内定位系统,其特征在于,所述移动卡片为有源的移动卡片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510171984.4A CN104898087A (zh) | 2015-04-13 | 2015-04-13 | 基于动态环境衰减因子的粒子滤波室内定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510171984.4A CN104898087A (zh) | 2015-04-13 | 2015-04-13 | 基于动态环境衰减因子的粒子滤波室内定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104898087A true CN104898087A (zh) | 2015-09-09 |
Family
ID=54030852
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510171984.4A Pending CN104898087A (zh) | 2015-04-13 | 2015-04-13 | 基于动态环境衰减因子的粒子滤波室内定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104898087A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106211072A (zh) * | 2016-07-14 | 2016-12-07 | 广东工业大学 | 一种小型移动主用户的定位方法及装置 |
CN106304334A (zh) * | 2016-09-18 | 2017-01-04 | 中山大学 | 基于改进粒子滤波的WiFi/WSN混合定位方法 |
CN107801242A (zh) * | 2017-12-13 | 2018-03-13 | 上海电机学院 | 一种基于自适应卡尔曼滤波的室内定位方法 |
CN109121080A (zh) * | 2018-08-31 | 2019-01-01 | 北京邮电大学 | 一种室内定位方法、装置、移动终端及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102573057A (zh) * | 2012-01-14 | 2012-07-11 | 福建师范大学 | 一种优化的rfid室内定位方法 |
CN102821463A (zh) * | 2012-08-13 | 2012-12-12 | 西北工业大学 | 一种基于信号强度的室内无线局域网移动用户定位方法 |
CN104469936A (zh) * | 2014-12-09 | 2015-03-25 | 重庆邮电大学 | 基于智能空间的无线信号衰减模型的混合定位方法及系统 |
-
2015
- 2015-04-13 CN CN201510171984.4A patent/CN104898087A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102573057A (zh) * | 2012-01-14 | 2012-07-11 | 福建师范大学 | 一种优化的rfid室内定位方法 |
CN102821463A (zh) * | 2012-08-13 | 2012-12-12 | 西北工业大学 | 一种基于信号强度的室内无线局域网移动用户定位方法 |
CN104469936A (zh) * | 2014-12-09 | 2015-03-25 | 重庆邮电大学 | 基于智能空间的无线信号衰减模型的混合定位方法及系统 |
Non-Patent Citations (3)
Title |
---|
冯驰等: "粒子滤波重采样算法的分析与比较", 《系统仿真学报》 * |
王晓旭等: "基于RSSI测距的室内三维定位算法", 《通信与信息处理》 * |
肖如良等: "基于卡尔曼滤波与中位加权的定位算法", 《计算机应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106211072A (zh) * | 2016-07-14 | 2016-12-07 | 广东工业大学 | 一种小型移动主用户的定位方法及装置 |
CN106304334A (zh) * | 2016-09-18 | 2017-01-04 | 中山大学 | 基于改进粒子滤波的WiFi/WSN混合定位方法 |
CN106304334B (zh) * | 2016-09-18 | 2019-10-29 | 中山大学 | 基于改进粒子滤波的WiFi/WSN混合定位方法 |
CN107801242A (zh) * | 2017-12-13 | 2018-03-13 | 上海电机学院 | 一种基于自适应卡尔曼滤波的室内定位方法 |
CN109121080A (zh) * | 2018-08-31 | 2019-01-01 | 北京邮电大学 | 一种室内定位方法、装置、移动终端及存储介质 |
CN109121080B (zh) * | 2018-08-31 | 2020-04-17 | 北京邮电大学 | 一种室内定位方法、装置、移动终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8279840B2 (en) | Systems and methods for providing location based services (LBS) utilizing WLAN and/or GPS signals for seamless indoor and outdoor tracking | |
Venkatesh et al. | A linear programming approach to NLOS error mitigation in sensor networks | |
CN103379427B (zh) | 一种定位方法、设备及系统 | |
USRE45260E1 (en) | Using a derived table of signal strength data to locate and track a user in a wireless network | |
CN103402258A (zh) | 一种基于Wi-Fi的室内定位系统和方法 | |
CN104066172B (zh) | 一种对无线局域网中的ap进行定位的方法 | |
CN105451330A (zh) | 基于电磁信号的移动终端定位方法及其装置 | |
CN103338516A (zh) | 一种基于总体最小二乘的无线传感器网络两步定位方法 | |
CN104507159A (zh) | 一种基于WiFi接收信号强度的混合室内定位方法 | |
CN104898087A (zh) | 基于动态环境衰减因子的粒子滤波室内定位方法及系统 | |
CN103957503A (zh) | 一种利用传感器计步提高WiFi指纹定位鲁棒性的方法 | |
CN104507097A (zh) | 一种基于WiFi位置指纹的半监督训练方法 | |
CN107071902A (zh) | 一种基于混合滤波和幂指数映射wifi室内定位方法 | |
Vaščák et al. | Radio beacons in indoor navigation | |
Astafiev et al. | The use of butterworth filter to compensate for noise in signals from bluetooth low energy beacons in autonomous navigation systems | |
CN104619017A (zh) | 基于地图辅助的室内定位系统WiFi接入点部署方案 | |
Sergi et al. | A literature review on outdoor localization systems based on the bluetooth technology | |
Ibrahima et al. | IMU-based indoor localization for construction applications | |
Lihan et al. | Orientation-aware indoor localization path loss prediction model for wireless sensor networks | |
García et al. | Wireless sensor network localization using hexagonal intersection | |
Marza | A review of Indoor Positioning Techniques | |
Pazhoohesh et al. | A practical localization system based on principle component analysis | |
Amer et al. | A survey of recent indoor positioning systems using wireless networks | |
Fujii et al. | Accurate indoor positioning using IMES radio | |
Jiang et al. | Toward Efficient Indoor Positioning for Cloud Services in SIoT |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150909 |