CN106353724A - 一种基于无线传感器网络的精确室内定位方法 - Google Patents

Abstract

本发明公开了一种基于无线传感器网络的精确室内定位方法，涉及数据处理领域。该方法通过采用高斯模型法对RSSI进行处理，确保采集数据的可用性，同时采用三维坐标系定位目标位置，数据处理简单，数据处理速度快。采用本发明提供的基于无线传感器网络的精确室内定位方法，进行人员管理，可以对员工上下班进行统计管理；当前位置实时查询，结合室内地图，可以给人更直观的显示；通过轨迹回放功能可以准确的判断员工一天的工作地点及行进路线，有助于对其进行综合评定；可以与安防、监控系统相结合，发生火警、或其它安全事故时可以迅速定位事故地点，准确引导相关人员进行逃离、或补救。应用范围广泛。

Description

一种基于无线传感器网络的精确室内定位方法

技术领域

本发明涉及数据处理领域，尤其涉及一种基于无线传感器网络的精确室内定位方法。

背景技术

随着无线网络、移动通信和计算机技术的不断扩大和深入，基于位置的服务需求越来越大，比如，典型的应用场景有资源查找、会议指南、参观导航、寻找老人儿童、节能控制，设备资产管理等。而在所有的基于位置的服务需求中，对于室内物品和人员的位置确定，则是实现基于位置服务的核心问题。

目前，在众多定位方法中，比较常用的是基于测距的定位方法，但这种定位法，在应用于室内定位时，存在着定位精度不高的问题。

发明内容

本发明的目的在于提供一种基于无线传感器网络的精确室内定位方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于无线传感器网络的精确室内定位方法，包括如下步骤：

S1，在室内设置三个或三个以上的无线传感器网络基站节点；

S2，采集目标节点发送至每个所述基站节点的无线电信号强度RSSI；

S3，根据所述无线电信号强度RSSI计算每个所述基站节点至目标节点的距离；

S4，根据所有的所述距离和每个所述基站节点的坐标，计算所述目标节点的坐标。

优选地，S2和S3之间还包括步骤：

采用高斯模型对RSSI进行筛选，得到高概率的RSSI，并对所述高概率的RSSI取平均值，对所述平均值取反对数，得到RSSI的估计值，为S3使用。

优选地，所述高概率的RSSI，为在[u-1.6σ,u+1.6σ]范围内的采样值，其中，u为样本均值，σ为样本方差。

优选地，S3采用如下公式计算：

$d={10}^{\frac{A-r}{10n}}$

其中，

r为无线电信号强度RSSI，

A为信号传输1米远时接收信号功率，

n为路径损耗系数，表示信号能量随距离增加而衰减的速率，

d为所述基站节点至目标节点的距离。

优选地，参数A、n可以按照如下方法进行确定：

所述目标节点定时发出包含自身坐标的定位广播，让本网络中的基站节点回复收到的RSSI和自己与所述目标节点间的距离；所述目标节点根据所述基站节点回复的距离和RSSI，进行最小二乘法拟和，计算出环境参数A和n。

优选地，S4采用如下方法进行实施：

S401，确定基站节点P1、P2、P3的坐标分别为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)；

S402，设目标节点的坐标为(x,y,z)，

S403，依据基站节点P1、P2、P3与目标节点之间的距离d1、d2、d3，基于空间距离计算公式，建立如下方程：

$\left\{\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2+{(z_1-z)}^2=d_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2+{(z_2-z)}^2=d_2^2\\ {(x_3-x)}^2+{(y_3-y)}^2+{(z_3-z)}^2=d_3^2\end{array}\right.,$

则，目标节点在室内的位置坐标为：

$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]={\left[\begin{array}{ccc}2(x_1-x_2)& 2(y_1-y_2)& 2(z_1-z_2)\\ 2(x_1-x_3)& 2(y_1-y_3)& 2(z_1-z_3)\\ 2(x_2-x_3)& 2(y_2-y_3)& 2(z_2-z_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_2^2+y_1^2-y_2^2+z_1^2-z_2^2+d_2^2-d_1^2\\ x_1^2-x_3^2+y_1^2-y_3^2+z_1^2-z_3^2+d_3^2-d_1^2\\ x_2^2-x_3^2+y_2^2-y_3^2+z_2^2-z_3^2+d_3^2-d_2^2\end{array}\right].$

本发明的有益效果是：本发明针对当前基于无线传感器网络的室内定位算法，室内定位精度不高，数据处理复杂的问题，通过采用高斯模型法对RSSI进行处理，确保采集数据的可用性，同时采用三维坐标系定位目标位置，数据处理简单，数据处理速度快。采用本发明提供的基于无线传感器网络的精确室内定位方法，进行人员管理，可以对员工上下班进行统计管理；当前位置实时查询，结合室内地图，可以给人更直观的显示；通过轨迹回放功能可以准确的判断员工一天的工作地点及行进路线，有助于对其进行综合评定；可以与安防、监控系统相结合，发生火警、或其它安全事故时可以迅速定位事故地点，准确引导相关人员进行逃离、或补救。应用范围广泛。

附图说明

图1是本发明实施例提供的基于无线传感器网络的精确室内定位方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

由于间同步,实现价格也比较低廉，因而得到了广泛的应用。并且，RSSI测距基于接收信号强度(RSSI)测距的算法对于硬件要求较低，不需要时算法经过一定改良也能达到较高的精度要求，尤其对于短距离精确测量，定位误差可以下降到平均0.3m。

如图1所示，本发明针对当前基于无线传感器网络的室内定位算法，室内定位精度不高，数据处理复杂的问题，提供了一种基于无线传感器网络的精确室内定位方法，包括如下步骤：

S1，在室内设置三个或三个以上的无线传感器网络基站节点；

S2，采集目标节点发送至每个所述基站节点的无线电信号强度RSSI；

S3，根据所述无线电信号强度RSSI计算每个所述基站节点至目标节点的距离；

S4，根据所有的所述距离和每个所述基站节点的坐标，计算所述目标节点的坐标。

上述方法数据处理简单，数据处理速度快。采用本发明提供的基于无线传感器网络的精确室内定位方法，进行人员管理，可以对员工上下班进行统计管理；当前位置实时查询，结合室内地图，可以给人更直观的显示；通过轨迹回放功能可以准确的判断员工一天的工作地点及行进路线，有助于对其进行综合评定；可以与安防、监控系统相结合，发生火警、或其它安全事故时可以迅速定位事故地点，准确引导相关人员进行逃离、或补救。应用范围广泛。

在本发明的一个优选实施例中，S2和S3之间还可以包括步骤：

采用高斯模型对RSSI进行筛选，得到高概率的RSSI，并对所述高概率的RSSI取平均值，对所述平均值取反对数，得到RSSI的估计值，为S3使用。

由于RSSI随环境的改变有很高的灵敏度，具有很大的波动性，因此利用RSSI测距时，要尽量避免RSSI的不稳定性，确保RSSI值精确的体现出无线信号的传输距离。将RSSI信号近似看成对数分布，采用高斯模型法，筛选出高概率的RSSI信号，按照下式对筛选出的数据取平均：

$B=\frac{1}{K}\underset{i=1}{\overset{K}{\Σ}}{r}_i$

其中K为筛选出高概率的RSSI信号数量，r_i为筛选出的第i个数据，B为筛选出的数据平均值。

由于RSSI定位算法容易受环境影响，因此，为了提高定位精度,需要对计算出的结果进一步优化。

考虑到无线电波的信号强度服从正态分布且存在理论上的均值，所以，可以采用优化方法对计算结果进行多次迭代优化，使计算结果不断向实际位置收敛以减少随机误差的影响。

对上式中得到的平均值按照下式求取反对数，得出发生概率高的信号值，即为RSSI的估计值，将该估计值用于后续的距离的计算。

r＝e^B

在本发明的一个优选实施例中，所述高概率的RSSI，为在[u-1.6σ,u+1.6σ]范围内的采样值，其中，u为样本均值，σ为样本方差。

其中，S3采用如下公式计算：

$d={10}^{\frac{A-r}{10n}}$

其中，

r为无线电信号强度RSSI，

A为信号传输1米远时接收信号功率，

n为路径损耗系数，表示信号能量随距离增加而衰减的速率，

d为所述基站节点至目标节点的距离。

参数A、n可以按照如下方法进行确定：

所述目标节点定时发出包含自身坐标的定位广播，让本网络中的基站节点回复收到的RSSI和自己与所述目标节点间的距离；所述目标节点根据所述基站节点回复的距离和RSSI，进行最小二乘法拟和，计算出环境参数A和n。

本实施例中，S4可以采用如下方法进行实施：

S401，确定基站节点P1、P2、P3的坐标分别为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)；

S402，设目标节点的坐标为(x,y,z)，

S403，依据基站节点P1、P2、P3与目标节点之间的距离d1、d2、d3，基于空间距离计算公式，建立如下方程：

$\left\{\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2+{(z_1-z)}^2=d_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2+{(z_2-z)}^2=d_2^2\\ {(x_3-x)}^2+{(y_3-y)}^2+{(z_3-z)}^2=d_3^2\end{array}\right..$

则，目标节点在室内的位置坐标为：

$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]={\left[\begin{array}{ccc}2(x_1-x_2)& 2(y_1-y_2)& 2(z_1-z_2)\\ 2(x_1-x_3)& 2(y_1-y_3)& 2(z_1-z_3)\\ 2(x_2-x_3)& 2(y_2-y_3)& 2(z_2-z_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_2^2+y_1^2-y_2^2+z_1^2-z_2^2+d_2^2-d_1^2\\ x_1^2-x_3^2+y_1^2-y_3^2+z_1^2-z_3^2+d_3^2-d_1^2\\ x_2^2-x_3^2+y_2^2-y_3^2+z_2^2-z_3^2+d_3^2-d_2^2\end{array}\right].$

空间目标距离精确测量法基于求解目标在室内位置的思想，采用在室内建立坐标系和获取无线传感器基站坐标位置的搜索方向。因为空间目标距离精确测量技术是规则的线性方程,并且,由上几步计算已经求出了比较接近的值。本方法计算速度较快，通过有限次的迭代计算便可以求得优化的结果了。

本发明提出的针对室内改进的节点布局算法，引入三维目标系定位目标位置并进行结果优化之后，即使被测点靠近墙角，定位误差也会有明显下降，定位精度得到了很大的改善，从而表明本发明方法所提出的算法切实有效。

具体实施例：

本发明实施例提供了一种基于无线传感器网络的精确室内定位算法，包括如下步骤：

步骤一，无线电信号强度(RSSI)的采集和处理

在室内布置多个无线传感器网络基站节点，当目标进入室内时，发出广播数据包，无线传感器网络基站节点侦听目标发出的广播数据包，获取RSSI值，由于RSSI随环境的改变有很高的灵敏度，具有很大的波动性，因此利用RSSI测距时，要尽量避免RSSI的不稳定性，确保RSSI值精确的体现出无线信号的传输距离。将RSSI信号近似看成对数分布，采用高斯模型法，筛选出高概率的RSSI信号，对筛选出的数据取平均，

$B=\frac{1}{K}\underset{i=1}{\overset{K}{\Σ}}{r}_i$

其中K为筛选出高概率的RSSI信号数量，r_i为筛选出的第i个数据，B为筛选出的数据平均值。

求取反对数，得出发生概率高的信号值，即为RSSI的估计值。

r＝e^B

步骤二，建立距离计算模型

在自由空间中，距发射点d处的天线接收到的信号强度为

r＝A-10nlg(d)

其中r为无线传感器基站侦听到的无线电信号强度，A为信号传输1米远时接收信号功率，n为路径损耗系数，表示信号能量随距离增加而衰减的速率。d为无线收发节点之间的距离。

因此根据接收到的信号强度建立的距离计算模型为：

$d={10}^{\frac{A-r}{10n}}$

步骤三，室内定位

在室内建立坐标系，可确定无线传感器基站的坐标位置，基站P1、P2、P3的坐标分别为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)，已知，设目标节点坐标为(x,y,z)，计算出目标点距离P1，P2，P3的距离分别为d1，d2，d3，根据空间距离计算公式，可建立如下方程：

$\left\{\begin{array}{c}{(x_1-x)}^2+{(y_1-y)}^2+{(z_1-z)}^2=d_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2+{(z_2-z)}^2=d_2^2\\ {(x_3-x)}^2+{(y_3-y)}^2+{(z_3-z)}^2=d_3^2\end{array}\right.$

解方程组可得目标节电的坐标值，获得目标在室内位置：

$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]={\left[\begin{array}{ccc}2(x_1-x_2)& 2(y_1-y_2)& 2(z_1-z_2)\\ 2(x_1-x_3)& 2(y_1-y_3)& 2(z_1-z_3)\\ 2(x_2-x_3)& 2(y_2-y_3)& 2(z_2-z_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_2^2+y_1^2-y_2^2+z_1^2-z_2^2+d_2^2-d_1^2\\ x_1^2-x_3^2+y_1^2-y_3^2+z_1^2-z_3^2+d_3^2-d_1^2\\ x_2^2-x_3^2+y_2^2-y_3^2+z_2^2-z_3^2+d_3^2-d_2^2\end{array}\right].$

通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明针对当前基于无线传感器网络的室内定位算法，室内定位精度不高，数据处理复杂的问题，通过采用高斯模型法对RSSI进行处理，确保采集数据的可用性，同时采用三维坐标系定位目标位置，数据处理简单，数据处理速度块。采用本发明提供的基于无线传感器网络的精确室内定位方法，进行人员管理，可以对员工上下班进行统计管理；当前位置实时查询，结合室内地图，可以给人更直观的显示；通过轨迹回放功能可以准确的判断员工一天的工作地点及行进路线，有助于对其进行综合评定；可以与安防、监控系统相结合，发生火警、或其它安全事故时可以迅速定位事故地点，准确引导相关人员进行逃离、或补救。应用范围广泛。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域人员应该理解的是，上述实施例提供的方法步骤的时序可根据实际情况进行适应性调整，也可根据实际情况并发进行。

上述实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备，例如：个人计算机、服务器、网络设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等；所述的存储介质，例如：RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (6)

1.一种基于无线传感器网络的精确室内定位方法，其特征在于，包括如下步骤：

S1，在室内设置三个或三个以上的无线传感器网络基站节点；

S2，采集目标节点发送至每个所述基站节点的无线电信号强度RSSI；

S3，根据所述无线电信号强度RSSI计算每个所述基站节点至目标节点的距离；

S4，根据所有的所述距离和每个所述基站节点的坐标，计算所述目标节点的坐标。

2.根据权利要求1所述的基于无线传感器网络的精确室内定位方法，其特征在于，S2和S3之间还包括步骤：

采用高斯模型对RSSI进行筛选，得到高概率的RSSI，并对所述高概率的RSSI取平均值，对所述平均值取反对数，得到RSSI的估计值，为S3使用。

3.根据权利要求2所述的基于无线传感器网络的精确室内定位方法，其特征在于，所述高概率的RSSI，为在[u-1.6σ,u+1.6σ]范围内的采样值，其中，u为样本均值，σ为样本方差。

4.根据权利要求1所述的基于无线传感器网络的精确室内定位方法，其特征在于，S3采用如下公式计算：

$d={10}^{\frac{A-r}{10n}}$

其中，

r为无线电信号强度RSSI，

A为信号传输1米远时接收信号功率，

n为路径损耗系数，表示信号能量随距离增加而衰减的速率，

d为所述基站节点至目标节点的距离。

5.根据权利要求4所述的基于无线传感器网络的精确室内定位方法，其特征在于，参数A、n可以按照如下方法进行确定：

所述目标节点定时发出包含自身坐标的定位广播，让本网络中的基站节点回复收到的RSSI和自己与所述目标节点间的距离；所述目标节点根据所述基站节点回复的距离和RSSI，进行最小二乘法拟和，计算出环境参数A和n。

6.根据权利要求1所述的基于无线传感器网络的精确室内定位方法，其特征在于，S4采用如下方法进行实施：

S401，确定基站节点P1、P2、P3的坐标分别为(x1,y1,z1)、(x2,y2,z2)、(x3,y3,z3)；

S402，设目标节点的坐标为(x,y,z)，

S403，依据基站节点P1、P2、P3与目标节点之间的距离d1、d2、d3，基于空间距离计算公式，建立如下方程：

$\left\{\begin{array}{c}{\left(x_1-x\right)}^2+{\left(y_1-y\right)}^2+{\left(z_1-z\right)}^2=d_1^2\\ {(x_2-x)}^2+{(y_2-y)}^2+{(z_2-z)}^2=d_2^2\\ {(x_3-x)}^2+{(y_3-y)}^2+{(z_3-z)}^2=d_3^2\end{array}\right.,$

则，目标节点在室内的位置坐标为：

$\left[\begin{array}{c}x\\ y\\ z\end{array}\right]={\left[\begin{array}{ccc}2(x_1-x_2)& 2(y_1-y_2)& 2(z_1-z_2)\\ 2(x_1-x_3)& 2(y_1-y_3)& 2(z_1-z_3)\\ 2(x_2-x_3)& 2(y_2-y_3)& 2(z_2-z_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_2^2+y_1^2-y_2^2+z_1^2-z_2^2+d_2^2-d_1^2\\ x_1^2-x_3^2+y_1^2-y_3^2+z_1^2-z_3^2+d_3^2-d_1^2\\ x_2^2-x_3^2+y_2^2-y_3^2+z_2^2-z_3^2+d_3^2-d_2^2\end{array}\right].$