CN105652239A - 一种自适应的高精度室内定位方法和系统 - Google Patents

Abstract

本发明的技术方案包括一种自适应的高精度室内定位方法和系统，该方法包括步骤：采集各测量单元和待测点之间的原始RSSI值；对所述各RSSI值做自循环卡尔曼滤波以获取漂移移除后的RSSI_DR；获取经验阈值γ，根据RSSI_DR和γ的大小，将原始RSSI值分别代入对应的距离转换函数，从而求出所述测量单元和待测点的距离；根据所述距离利用双边测量法计算所述待测点的坐标。该系统包括RSSI采集模块；漂移移除模块；经验阈值获取模块；距离获取模块；定位模块。本发明技术方案基于RF等无线通信技术，利用本方案定位待测点，可减少运算量，减少时间开销，并且安全性更高，误差更小。

Description

一种自适应的高精度室内定位方法和系统

技术领域

本发明涉及一种自适应的高精度室内定位方法和系统，属于无线室内定位领域。

背景技术

无论是在室内还是在室外环境下，快速而准确地获得终端的位置信息以及位置服务的需求变得日益迫切。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。目前室内定位系统采用的技术主要有射频识别(RFID)、ZigBee、超声波、视频、超宽带等；定位算法按照是否对距离进行测定分为基于测距和非测距两类。前者主要有T0A(TimeofArrive1)、A0A(AngleofArrive)、TDOA(TimeDifferenceofArive)等方法，后者主要有基于接收信号强度(ReceivedSignalStrengthIndicator，以下简称为RSSI)的定位算法等。由于室内无线信号存在多径传播，以及参考时钟的不精确性，这些因素都将使距离估计的准确性大打折扣。另外，室内情况下设备之间的距离较短，存在严重的反射、衍射和绕射等非直线传播的情况，信号在各条多径分量上的时间相当接近，现有设备的分辨率不足以区分时间上如此接近的各路信号，所以几乎无法实现精确地TOA估计和TDOA估计。

而基于RSSI技术则具有检测设备硬件成本低、测量信号稳定可靠、定位算法简单等优点被广泛应用。室内定位系统较多采用的一种技术方案是采用RFID技术，由于其非基础和非视距等优点成为优选的定位技术。目前基于RSSI测距的方案通常采用三边定位法，其成本较低，较容易实现。一般情况是4个阅读器中采用3个阅读器联立3个二元二次方程去求出一组待定位的坐标，在4个阅读器中选择3个阅读器对标签进行定位坐标估计，可以得到C43＝4组待定位标签的坐标，存在运行的时间长，计算出的坐标误差大，算法鲁棒性不好等缺点。

此外因为一些干扰源，包括温度、空气的运动以及运行在相同频率的其他设备，会使得某些位置的接收信号随着时间发生漂移，造成采集到的数据存在较大的不可靠性和不确定性。

发明内容

针对现有技术因接收信号漂移造成的误差和坐标计算复杂度大的问题，根据本发明技术方案的一个方面，提供了一种自适应的高精度室内定位方法，包括以下步骤

步骤S10：采集各测量单元和待测点之间的原始RSSI值；

步骤S20：判断采集的各所述原始RSSI值是否为零，如果不为零，则对所述各RSSI值做自循环卡尔曼滤波，获得将原始RSSI的漂移移除后的值即RSSI_DR，自循环的次数大于等于3；

步骤S30：根据原始RSSI值获取经验阈值γ，其中采用以下公式计算经验阈值γ：

公式(1)：p(d)＝a·RSSI(d)_raw ²+b·RSSI(d)_raw+c；

公式(2)：d＝10^{(p(d0)-p(d))/10n}；

其中d表示所述测量单元和所述待测点的距离，RSSI(d)_raw表示在距离d采集的所述原始RSSI值；p(d)表示阅读器接收到标签在距离d处发送的经过加工后的信号强度；d0表示近地参考距离，取值为1米；n为路径损耗指数，取值范围为n大于等于1，小于等于4；a，b，c为经验系数，将取值(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40)代入公式(1)，可求得a，b，c的值和经验系数已知的公式(1)；根据经验系数已知的公式(1)和公式(2)联立方程组，求得d的最大值，取d的最大值对应的RSSI_DR值为经验阈值γ；

步骤S40：判断RSSI_DR与经验阈值γ的大小，当RSSI_DR大于经验阈值γ时，根据公式(1)和公式(2)建立方程组，

$\left\{\begin{array}{c}p\left(d\right)=a\·RSSI{{\left(d\right)}_{raw}}^2+b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\left(d0\right)-p\left(d\right)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40))及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离与所述原始RSSI值之间的关系；当RSSI_DR小于于经验阈值γ时，根据公式(1)和公式(2)建立方程组，同时经验系数a取0，

$\left\{\begin{array}{c}p\left(d\right)=b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\right(d0)-p(d\left)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30)及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离；

步骤S40：判断RSSI_DR与经验阈值γ的大小，当RSSI_DR大于经验阈值γ时，将原始RSSI值代入二次方程，从而计算出对应所述测量单元和所述待测点之间的距离；当RSSI_DR小于于经验阈值γ时，将原始RSSI值代入线性方程，从而计算出对应所述测量单元和所述待测点之间的距离；

步骤S50，根据各所述测量单元与待测点之间的距离，利用双边测量法确定待测点的位置。

优选地，所述自循环卡尔曼滤波的次数为3次。

优选地，所述测量单元的数量是4个。

优选地，所述测量单元和所述待测点获取所述RSSI值基于的无线通信技术是RFID、蓝牙或WiFi。

优选地，所述路径损耗指数n为1.8。

优选地，表示近地参考点RSSI值的所述RSSI(d0)_raw的值为157

优选地，各所述测量单元的位置呈位于同一平面上的矩形。

根据本发明技术方案的另一个方面，提供了一种自适应的高精度室内定位系统，包括以下模块：

RSSI采集模块，用于采集各测量单元和待测点之间的原始RSSI值；

漂移移除模块，用于判断采集的各所述原始RSSI值是否为零，如果不为零，则对所述各RSSI值做自循环卡尔曼滤波，获得将原始RSSI的漂移移除后的值即RSSI_DR，自循环的次数大于等于3；

经验阈值获取模块，用于根据原始RSSI值获取经验阈值γ，其中采用以下公式计算经验阈值γ：

公式(1)：p(d)＝a·RSSI(d)_raw ²+b·RSSI(d)_raw+c；

公式(2)：d＝10^{(p(d0)-p(d))/10n}；

其中d表示所述测量单元和所述待测点的距离，RSSI(d)_raw表示在距离d采集的所述原始RSSI值；p(d)表示阅读器接收到标签在距离d处发送的经过加工后的信号强度；d0表示近地参考距离，取值为1米；n为路径损耗指数，取值范围为n大于等于1，小于等于4；a，b，c为经验系数，将取值(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40)代入公式(1)，可求得a，b，c的值和经验系数已知的公式(1)；根据经验系数已知的公式(1)和公式(2)联立方程组，求得d的最大值，取d的最大值对应的RSSI_DR值为经验阈值γ；

距离获取模块，用于判断RSSI_DR与经验阈值γ的大小，当RSSI_DR大于经验阈值γ时，根据公式(1)和公式(2)建立方程组，

$\left\{\begin{array}{c}p\left(d\right)=a\·RSSI{{\left(d\right)}_{raw}}^2+b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\left(d0\right)-p\left(d\right)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40))及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离与所述原始RSSI值之间的关系；当RSSI_DR小于于经验阈值γ时，根据公式(1)和公式(2)建立方程组，同时经验系数a取0，

$\left\{\begin{array}{c}p\left(d\right)=b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\right(d0)-p(d\left)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30)及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离；

定位模块，用于根据各所述测量单元与待测点之间的距离，利用双边测量法确定待测点的位置。

本发明的技术方案具有以下优点：采取3次自循环卡尔曼滤波，能够在控制运算量的基础上较为精确地移除漂移。根据漂移移除的RSSI_DR与经验阈值γ的大小，分别采用不同的转换函数，在提高精度的同时还可以降低运算量。比较采取双边测量法根据各所述测量单元和待测点的距离，定位待测点的位置，可减少运算量，减少时间开销，并且安全性更高，误差更小。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

图1所示为RSSI值经过1到4次自循环卡尔曼滤波后的漂移移除的RSSI值与时间的关系的折线图。

图2所示为根据本发明实施方式的一种自适应的高精度室内定位方法的流程图。

图3所示为根据本发明实施方式的一种自适应的高精度室内定位方法的卡尔曼滤波漂移移除和信号强度到距离转换的流程图。

图4所示为根据本发明实施方式的一种自适应的高精度室内定位方法的测量单元和待测点之间的RSSI值与距离之间转换函数关系的折线图。

图5所示为根据本发明实施方式的一种自适应的高精度室内定位方法的以任意三个阅读器为圆心，以其与待测点的距离为半径作圆，三个圆重合于实心区域的示意图。

图6所示为根据本发明实施方式的一种自适应的高精度室内定位方法的利用双边测量法测待测点位置的定位示意图。

具体实施方式

参考附图2，根据本发明的实施例所涉及的一种自适应的高精度室内定位方法。根据测量多个测量单元与待测点之间的RSSI值实现队待测点的精确定位。其具体实施方式包括以下步骤：

首先，获取各测量单元与待测点之间的原始RSSI值。示例性的，本实施例采取了4个RFID阅读器作为测量单元，4个RFID阅读器相互之间保持一定的预设距离，即位置并不重合，例如所述4个RFID阅读器的位置呈在同一个平面上的矩形排布；根据RF无线通信技术的电子标签作为待测点。利用RF无线通信技术，分别测量各阅读器与电子标签之间的RSSI值作为原始RSSI值。由于选取了4个阅读器作为测量单元，因此测得的对应原始RSSI值的数量也是4个。此外，采取WiFi、蓝牙的发射端和接收端分别作为本发明的待测点和测量单元亦能达到所需的效果。4个阅读器的。

其次，参照图3，对测得的所述各原始RSSI值分别进行多次自循环卡尔曼滤波(即Kalman-filtering)，以便得到漂移移除后的RSSI值，即RSSI_DR。滤波的次数大于等于3，优选为3次。因为一些干扰源，包括温度、空气的运动以及运行在相同频率的其他设备，会使得某些位置的接收信号随着时间发生漂移，造成采集到的数据存在较大的不可靠性和不确定性，因此有必要采用滤波处理滤去RSSI原始输入带来的漂移。而大量实验数据证明，对测得的RSSI值进行循环3次卡尔曼滤波，得到的RSSI值精度是最高的。参照附图1，附图1选取的是经卡尔曼滤波后阅读器和标签相距4m时的RSSI值随时间变化的折线，折线RSSI1表示第1次卡尔曼滤波后的RSSI值随时间变化的函数，折线RSSI2是表示第2次卡尔曼滤波后的函数，折线RSSI3是第3次卡尔曼滤波后的函数，折线RSSI4是第4次卡尔曼滤波后的函数。实验表明对原始的RSSI只进行1次卡尔曼滤波，误差还是比较大，不够精确，第2次卡尔曼滤波比第1次平滑些，但是还是有些不准确的点，第3次卡尔曼滤波后，基本就是比较准确平滑的线，第4次卡尔曼滤波后的附图形基本和第3次的重合，精度的提升非常有限。并且卡尔曼滤波做的次数太多，又会影响实时性，所以经过实验进行3次卡尔曼滤波，得到的RSSI值最为精确。因此对原始测得的数据进行3次及以上的自循环卡尔曼滤波能得到较为精确的结果，3次效费比最佳。示例性的，本实施例中对RSSI值实施了3次卡尔曼滤波，得到RSSI_DR(漂移移除后的RSSI),最后RSSI_DR必须置零，否则就会由于比较差的LQI而导致RSSI输入原始值丢失。卡尔曼滤波本身为公知技术，在此不再赘言。

再次，根据所述各滤波后的漂移移除后RSSI值，计算各阅读器与电子标签之间(即各测量单元与待测点之间)的距离值。经过大量的实验数据和计算得出当RSSI_DR的值大于经验阈值γ及小于经验阈值γ时，信号强度到距离的转换函数不同。计算经验阈值γ，函数转换以后得到距离。具体实施方式为，设阅读器与电子标签的距离为d，单位为米。阅读器接收到电子标签在距离d处的信号强度值为RSSI(d)raw，得出的RSSI(d)raw直接代入公式计算出的距离与实际的距离之间存在较大误差，我们结合实验环境和实验数据，提出了下面的这个公式：

p(d)＝a·RSSI(d)_raw ²+b·RSSI(d)raw+c(1)

其中p(d)为阅读器接收到标签在距离d处发送的经过加工后的信号强度，单位为dBm。a，b，c为经验系数。本公式中的经验系数a，b，c可通过将下面的这三个坐标代入公式(1)得到，(RSSI(d)raw，p(d))＝(0，-90)，(255，-30)，(RSSI(d0)raw，-40)。市面上多数射频识别组件被定义为：RSSI的最小值为0，对应p(d)的最小值-90dBm；RSSI的最大值为255，对应p(d)的最大值，-30dBm；RSSI(d0)raw表示距离1米的未经公式(1)加工的信号强度值，对应p(d)是-40dBm，RSSI(d0)raw优选在实际测量环境中实测得到，也可以采用实验条件下的一个预设值，从而降低运算量和复杂度。经试验测得RSSI(d0)raw等于157时可以适应常见的室内使用环境。由这三个坐标则可以求出a，b，c的值。

实验测得：RSSI(d0)_raw的值是157，即：

(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(157，-40)。

把上面三组值代入此公式(1)即p(d)＝a·RSSI(d)_raw ²+b·RSSI(d)_raw+c；

$\left\{\begin{array}{c}-90=a*0+b*0+c\\ -30=a*{255}^2+b*255+c\\ -40=a*{157}^2+b*157+c\end{array}\right.$

求解后可得：

a＝-0.00085

b＝0.4517

c＝-90

代入公式(1)后得到经验系数已知的公式(1)，即：

p(d)＝-0.00085·RSSI(d)_raw ²+0.4517·RSSI(d)_raw-90。

最后利用经过经验系数已知的公式(1)处理后的RSSI值转化为距离值，进而求出待定位电子标签的距离。

p(d)＝p(d0)-10nlog(d/d₀)+X

p(d)为阅读器接收到标签在距离d处发送的经过加工后的信号强度，单位是dBm；n是路径损耗指数，由周围环境而确定。p(d0)为阅读器接收到标签在距离d0处发送的经过加工后的信号强度，d0表示近地参考距离，通常定为1米。最后一项X是一个取决于衰落分布的随机变量，单位为dBm。根据测试和仿真的结构表明，这个变量可表示为对数正态分布随机变量。它是一个零均值的高斯随机变量，一般认为在对信号进行平均是可以把它消除掉，因此在此可以忽略。所以上式公式可以简化为公式(2)：

d＝10^{(p(d0)-p(d))/10n}(2)，ifd0＝1andX＝0。

经实验和对常见使用场景的建模分析，我们把待测距离的范围约束在1米至5米之间，阅读器和标签相对距离范围在1米至5米之间，则此时测得的对应的未经公式加工的RSSI值范围是130至160之间，当距离为1米时对应p(d)是-40dBm，结合公式(1)当距离为5米时对应p(d)是-50dBm，所以p(d0)-p(d)的最大值是10dBm。当距离d为1米时，p(d)＝p(d0)，则此时p(d0)-p(d)的最小值是0。又由于公式(2)中它对应的n是路径损耗指数，由周围环境而确定的经验值，范围在1到4之间，根据实验测得n优选取为1.8，结合公式(1)，d＝可得d的最小值即dmin＝＝1，d的最大值即dmax＝≈3.59，此时的RSSI_DR为121,即经验阈值γ。又因为公式(1)是二次方程，参照附图4，因此当RSSI_DR值大于121，即距离在[1,3.59]之间时，RSSI到距离的转换函数呈抛物线转换函数，联立公式(1)和公式(2)方程组，即第一种转换函数：

$\left\{\begin{array}{c}p\left(d\right)=a\·RSSI{{\left(d\right)}_{raw}}^2+b\·RSSI{\left(d\right)}_{raw}+c;\\ \end{array}\right.$

$d={10}^{\left(p\right(d0)-p(d\left)\right)/10n}.$

又因为之前已经求得，当RSSI(d0)_raw的值是157时，a＝-0.00085，b＝0.4517，c＝-90，代入上述方程组可得：

$\left\{\begin{array}{c}p\left(d\right)=-0.00085\·RSSI{{\left(d\right)}_{raw}}^2+0.4517\·RSSI{\left(d\right)}_{raw}-90;\\ d={10}^{\left(p\left(d0\right)-p\left(d\right)\right)/10n}.\end{array}\right.$

根据以上方程组，可求出在RSSI_DR值大于经验阈值γ时，较为精确的距离。

因此当RSSI_DR值小于121，即距离在[3.59，5]之间时，RSSI到距离的转换函则呈传统的线性转换函数,即：

p(d)＝b·RSSI(d)_raw+c；

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30)

可得

b＝0.23529

C＝-90

即p(d)＝0.23529·RSSI(d)_raw-90。前式结合公式(2)可得第二种转换函数，

$\left\{\begin{array}{c}p\left(d\right)=0.23529\·RSSI{\left(d\right)}_{raw}-90\\ d={10}^{\left(p\left(d0\right)-p\left(d\right)\right)/10n},\end{array}\right.$

根据以上方程组，可求出在RSSI_DR值小于经验阈值γ时，较为精确的距离。

根据RSSI值与经验阈值γ比较后，代入对应的方程可求得各阅读器与电子标签之间的距离值。由于环境等因素的影响，4个阅读器距离行程的圆，有时不会交于同一点，一般会相交于一个小的区域(参照附图5)，待定位的标签的位置在这个小区域范围内。区域的范围越小，测得的结果越精确。例如附图5中的右边实心区域。

根据上一步测得的各所述测量单元和待测点之间的距离，定位待测点的位置。参照附图6，利用双边测量并结合海伦公式，在4个阅读器中选择2个阅读器，该选择的2个所述阅读器到待定位标签的距离的圆会交于两点，其中一点离红色区域较远把它滤掉，另一个点就在附图5的实心区域上或在实心区域内，再结合海伦公式及几何关系，得出一组标签坐标的估计位置。由海伦公式得在三角形[(x1，y1)(x3，y3)(xT，yT)]：

其中 $p=\frac{1}{2}(b13+r1+r3),$ 面积又会等于

$S=\frac{1}{2}(b13*d13)$

故所以故得到一组待定位标签的坐标(xT，yT)。

在室内边缘上部署的4个阅读器，只用其中2个阅读器去估计待定位的坐标，就可以得到＝6组待定位标签的坐标，然后将这6组标签坐标估计利用阅读器和待定位电子标签的距离值进行加权平均处理，算出待定位标签的坐标。假设用三边定位算的待定位标签坐标是T1(X_T1，Y_T1)，T2(X_T2，Y_T2)，T3(X_T3，Y_T3)，T4（X_T4，Y_T4)，T5(X_T5，Y_T5)，T6(X_T6，Y_T6)。然后将这6组标签坐标估计利用阅读器和待定位电子标签的距离进行加权平均处理，算出待测点T(X_T，Y_T)的坐标。可通过如下公式导出：

$\begin{array}{c}{X}_T=\frac{\frac{X_{T1}}{r_1+r_2}+\frac{X_{T2}}{r_1+r_3}+\frac{X_{T3}}{r_1+r_4}+\frac{X_{T4}}{r_2+r_3}+\frac{X_{T5}}{r_2+r_4}+\frac{X_{T6}}{r_3+r_4}}{\frac{1}{r_1+r_2}+\frac{1}{r_1+r_3}+\frac{1}{r_1+r_4}+\frac{1}{r_2+r_3}+\frac{1}{r_2+r_4}+\frac{1}{r_3+r_4}}\\ Y_T=\frac{\frac{Y_{T1}}{r_1+r_2}+\frac{Y_{T2}}{r_1+r_3}+\frac{Y_{T3}}{r_1+r_4}+\frac{Y_{T4}}{r_2+r_3}+\frac{Y_{T5}}{r_2+r_4}+\frac{Y_{T6}}{r_3+r_4}}{\frac{1}{r_1+r_2}+\frac{1}{r_1+r_3}+\frac{1}{r_1+r_4}+\frac{1}{r_2+r_3}+\frac{1}{r_2+r_4}+\frac{1}{r_3+r_4}}\end{array}$

如果不对这6组进行加权平均的话，如果其中某个点由于被障碍物遮挡而算出错误的坐标，而我们又把它当做我们测得的实际坐标，这样就会产生误差，所以最后用这种加权平均的算法，就是为了避免这样的误差。这种6组的加权平均的处理方法算出的最终坐标，会比用6组中的某一组坐标当最终坐标，更准确。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (8)

1.一种自适应的高精度室内定位方法，其特征在于，该方法包括以下步骤：

步骤S10：采集各测量单元和待测点之间的原始RSSI值；

步骤S20：判断采集的各所述原始RSSI值是否为零，如果不为零，则对所述各RSSI值做自循环卡尔曼滤波，获得将原始RSSI的漂移移除后的值即RSSI_DR，自循环的次数大于等于3；

步骤S30：根据原始RSSI值获取经验阈值γ，其中采用以下公式计算经验阈值γ：

公式(1)：p(d)＝a·RSSI(d)_raw ²+b·RSSI(d)_raw+c；

公式(2)：d＝10^{(p(d0)-p(d))/10n}；

其中d表示所述测量单元和所述待测点的距离，RSSI(d)_raw表示在距离d采集的所述原始RSSI值；p(d)表示阅读器接收到标签在距离d处发送的经过加工后的信号强度；d0表示近地参考距离，取值为1米；n为路径损耗指数，取值范围为n大于等于1，小于等于4；a，b，c为经验系数，将取值(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40)代入公式(1)，可求得a，b，c的值和经验系数已知的公式(1)；根据经验系数已知的公式(1)和公式(2)联立方程组，求得d的最大值，取d的最大值对应的RSSI_DR值为经验阈值γ；

步骤S40：判断RSSI_DR与经验阈值γ的大小，当RSSI_DR大于经验阈值γ时，根据公式(1)和公式(2)建立方程组，

$\left\{\begin{array}{c}p\left(d\right)=a\·RSSI{{\left(d\right)}_{raw}}^2+b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\left(d0\right)-p\left(d\right)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40))及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离与所述原始RSSI值之间的关系；当RSSI_DR小于于经验阈值γ时，根据公式(1)和公式(2)建立方程组，同时经验系数a取0，

$\left\{\begin{array}{c}p\left(d\right)=b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\right(d0)-p(d\left)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30)及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离；

步骤S50，根据各所述测量单元与所述待测点之间的距离，利用双边测量法确定待测点的位置。

2.根据权利要求1所述的一种自适应的高精度室内定位方法，其特征在于所述自循环卡尔曼滤波的次数为3次。

3.根据权利要求1所述的一种自适应的高精度室内定位方法，其特征在于所述测量单元的数量是4个。

4.根据权利要求1所述的一种自适应的高精度室内定位方法，其特征在于所述测量单元和所述待测点获取所述RSSI值基于的无线通信技术是RF、蓝牙或WiFi。

5.根据权利要求1所述的一种自适应的高精度室内定位方法，其特征在于所述路径损耗指数n为1.8。

6.根据权利要求1所述的一种自适应的高精度室内定位方法，其特征在于表示近地参考点的RSSI值的所述RSSI(d0)_raw的值为157。

7.根据权利要求3所述的一种自适应的高精度室内定位方法，其特征在于各所述测量单元的位置呈位于同一平面上的矩形。

8.一种自适应的高精度室内定位系统，其特征在于包括以下模块：

RSSI采集模块，用于采集各测量单元和待测点之间的原始RSSI值；

漂移移除模块，用于判断采集的各所述原始RSSI值是否为零，如果不为零，则对所述各RSSI值做自循环卡尔曼滤波，获得将原始RSSI的漂移移除后的值即RSSI_DR，自循环的次数大于等于3；

经验阈值获取模块，用于根据原始RSSI值获取经验阈值γ，其中采用以下公式计算经验阈值γ：

公式(1)：p(d)＝a·RSSI(d)_raw ²+b·RSSI(d)_raw+c；

公式(2)：d＝10^{(p(d0)-p(d))/10n}；

其中d表示所述测量单元和所述待测点的距离，RSSI(d)_raw表示在距离d采集的所述原始RSSI值；p(d)表示阅读器接收到标签在距离d处发送的经过加工后的信号强度；d0表示近地参考距离，取值为1米；n为路径损耗指数，取值范围为n大于等于1，小于等于4；a，b，c为经验系数，将取值(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40)代入公式(1)，可求得a，b，c的值和经验系数已知的公式(1)；根据经验系数已知的公式(1)和公式(2)联立方程组，求得d的最大值，取d的最大值对应的RSSI_DR值为经验阈值γ；

距离获取模块，用于判断RSSI_DR与经验阈值γ的大小，当RSSI_DR大于经验阈值γ时，根据公式(1)和公式(2)建立方程组，

$\left\{\begin{array}{c}p\left(d\right)=a\·RSSI{{\left(d\right)}_{raw}}^2+b\·RSSI{\left(d\right)}_{raw}+c\\ d={10}^{\left(p\left(d0\right)-p\left(d\right)\right)/10n}\end{array}\right.$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30),(RSSI(d0)_raw，-40))及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离与所述原始RSSI值之间的关系；当RSSI_DR小于于经验阈值γ时，根据公式(1)和公式(2)建立方程组，同时经验系数a取0，

$\left\{\begin{array}{c}p\left(d\right)=b\·RSSI{\left(d\right)}_{raw}+c\\ \end{array}\right.$

$d={10}^{\left(p\right(d0)-p(d\left)\right)/10n}$

代入(RSSI(d)_raw,p(d))＝(0,-90),(255,-30)及所述原始RSSI值，从而计算出对应各所述测量单元和所述待测点之间的距离；

定位模块，用于根据各所述测量单元与待测点之间的距离，利用双边测量法确定待测点的位置。