CN106707232B - 一种基于群智感知的wlan传播模型定位方法 - Google Patents

一种基于群智感知的wlan传播模型定位方法 Download PDF

Info

Publication number
CN106707232B
CN106707232B CN201611181972.0A CN201611181972A CN106707232B CN 106707232 B CN106707232 B CN 106707232B CN 201611181972 A CN201611181972 A CN 201611181972A CN 106707232 B CN106707232 B CN 106707232B
Authority
CN
China
Prior art keywords
gunz
point
distance
propagation model
data
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.)
Active
Application number
CN201611181972.0A
Other languages
English (en)
Other versions
CN106707232A (zh
Inventor
孙永亮
何宇
杨洋
朱晓梅
李义丰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201611181972.0A priority Critical patent/CN106707232B/zh
Publication of CN106707232A publication Critical patent/CN106707232A/zh
Application granted granted Critical
Publication of CN106707232B publication Critical patent/CN106707232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination

Abstract

本发明公开了一种基于群智感知的WLAN传播模型定位方法，该方法根据预先在群智点采集数据建立由优化的传播模型参数和位置信息组成的数据表，用户通过扫描群智点处的标签可获得数据表中优化的传播模型参数，进行三边定位。同时，群智数据还用于估计用户与群智点之间的距离，该距离可作为限制条件修正三边定位的结果，大幅度提高定位精度。本发明与现有技术相比，仅利用从少数群智点处采集的数据，即可实现较高精度的定位。

Description

一种基于群智感知的WLAN传播模型定位方法
技术领域
本发明属于室内定位技术领域，特别涉及了一种基于群智感知的WLAN传播模型定位方法。
背景技术
随着移动设备的不断发展和普及，人们对基于位置的服务的需求增长迅速。由于卫星定位和蜂窝网络定位在室内环境下性能受限，因此人们利用无线局域网(WirelessLocal Area Network,WLAN)、红外线、超声波等技术开发出了不同的室内定位系统。其中基于WLAN的定位系统因为WLAN已经广泛布置在室内环境和其终端设备广泛普及而备受青睐。目前，人们已经提出多种利用WLAN定位方法，如位置指纹、传播模型(Propagation Model,PM)、到达时间(Time of Arrival,TOA)、到达时间差(Time Difference of Arrival,TDOA)、到达角(Angle of Arrival,AOA)等。
与TOA、TDOA和AOA相比，位置指纹法由于其不需要额外的硬件设备和在非视距环境性能好等特点成为人们研究的热点。但是位置指纹法的缺点是需要采集接收信号强度(Received Signal Strength,RSS)样本和其位置信息建立一个叫射频地图的数据库。在线定位时，终端设备实时测量的RSS样本与射频地图中的RSS样本匹配计算定位坐标，或利用离线训练的非线性函数计算定位坐标。一般由专业人员在离线阶段完成射频地图的建立，该过程通常耗时费力，因此该缺点也限制了位置指纹法的广泛应用。另一种传播模型法虽然不需要建立射频地图，但该方法需要利用传播模型估计用户与WLAN接入点之间的距离，因此其性能通常很难令人满意。
近年来，人们提出了基于群智感知的射频地图建立方法。群智感知是利用普通用户也叫群智参与者的移动设备作为感知单元，通过移动互联网进行有意识或无意识的协作，实现感知任务分发与感知数据的收集处理，以完成大规模的、复杂的感知任务。因此，与传统的射频地图建立方法相比，以群智感知的方式建立射频地图的优势在于利用大量群智用户共同协作完成专业人员需要较长时间才能完成的、庞大的RSS数据采集任务。但是，这种方法的问题是，仍然需要采集大量的RSS样本。
发明内容
为了解决上述背景技术提出的技术问题，本发明旨在提供一种基于群智感知的WLAN传播模型定位方法，仅利用从少数群智点处采集的数据，即可实现较高精度的定位。
为了实现上述技术目的，本发明的技术方案为：
一种基于群智感知的WLAN传播模型定位方法，包括以下步骤：
(1)选择WLAN传播模型，并确定模型中的优化参数；
(2)在室内待定位区域建立位置坐标系，在该区域内选择若干群智点，在各群智点处设置携带该群智点位置坐标的标签；
(3)在各群智点处利用终端设备来测量来自多个接入点的RSS数据，将各群智点处测量到的RSS数据与群智点的位置坐标上传给定位服务器；
(4)定位服务器根据接收到的群智数据来优化WLAN传播模型参数，将各群智点对应的模型优化参数的平均值以及各群智点的位置坐标生成数据表，存储于定位服务器中；
(5)用户走到某群智点j处时，扫描标签获取该群智点的位置坐标，并在定位服务器中查询步骤(4)生成的数据表，获取该群智点对应的模型优化参数的平均值；
(6)当用户离开群智点j，并在到达下一个群智点之前，根据群智点j对应的模型优化参数的平均值估计用户当前位置与3个信号最强的接入点之间的距离，再采用三边定位算法对用户当前位置进行定位；
(7)根据群智点j处的群智数据、用户在当前位置实际测量的RSS数据以及群智点j对应的模型优化参数的平均值估计用户当前位置与群智点j之间的距离，并根据该距离修正步骤(6)中三边定位算法的结果。
进一步地，在步骤(1)中，选择的WLAN传播模型如下：
PTr (k)-PRe (k,j)＝20lgf+N(k,j)lgd(k,j)-X(k,j)
上式中，PTr (k)为接入点k的发射功率，从接入点的配置中获得，PRe (k,j)为用户在群智点j的接收功率，从测量的RSS数据中获得；N(k,j)和X(k,j)分别是该模型的优化参数；d(k,j)是接入点k与群智点j之间的距离；f是传播频率；
进一步地，在步骤(4)中，计算WLAN传播模型参数的平均值的过程如下：
(a)根据步骤(1)选择的WLAN传播模型，通过优化参数N(k,j)和X(k,j)估计接入点k与群智点j之间的距离d(k,j)：
(b)根据接入点k的位置坐标和群智点j的位置坐标得到接入点k与群智点j之间的水平距离
(c)根据下式优化参数N(k,j)和X(k,j)：
上式中，是优化后的参数值，为接入点k与群智点j之间的真实距离，Δh为接入点与终端设备之间的高度差；
(d)根据步骤(a)-(c)，得到不同接入点与群智点j对应的模型优化参数值，将这些优化参数值取平均，得到群智点j对应的模型优化参数的平均值和
进一步地，步骤(7)的具体过程如下：
(A)计算用户在当前位置i测量到的来自接入点l的功率
(B)根据群智点j的群智数据计算群智点l测量到的来自接入点l的功率
则，与的差值：
(C)根据三角形两边之差小于第三边，则群智点j和用户当前位置i之间的距离满足：
(D)根据用户当前位置i、群智点j测量到的来自所有接入点的功率，可得：
上式中，L为接入点总数。
(E)若步骤(6)的三边定位结果与群智点j之间的距离大于则需要对三边定位结果进行修正。
进一步地，当需要对三边定位结果进行修正时，将三边定位结果修正到以群智点j为圆心，以为半径的圆周上，保持角度与相同，则修正后的定位坐标
上式中，为三边定位结果与群智点j之间的距离。
采用上述技术方案带来的有益效果：
本发明将群智感知应用于传播模型定位法，该方法仅需要从少数坐标已知的群智点处采集的RSS样本和位置坐标数据来进行较高精度的定位，能够在短时间内快速完成。同时，该方法无需额外的硬件，仅利用现有WLAN和终端设备，节省系统的建造时间和成本。
附图说明
图1是本发明的流程图。
图2是本发明中估计用户与群智点之间距离的示意图。
图3是实施例中的实验环境平面图。
图4是实施例中本发明与传统传播模型定位方法的误差累积概率对比图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
如图1所示，一种基于群智感知的WLAN传播模型定位方法，包括以下步骤：
步骤1：选择WLAN传播模型，并确定模型中的优化参数。
本发明选择的传播模型如下式所示：
PLoss＝20lgf+Nlgd+Pf(n)-28
其中，PLoss是传播损耗，单位是dB；f是传播频率，单位是MHz；d是接入点与终端设备之间的距离，单位是米；Pf是楼层衰减因子，单位是dB；n是终端设备和接入点之间相隔的楼层数；N是衰减系数，在2.4GHz办公室环境下等于30。
由于通常使用在同一楼层的接入点，因此参数Pf(n)可以除去，令PTr和PRe分别为接入点k的发射功率和用户在群智点j的接收功率，则上述模型可写为：
PTr (k)-PRe (k,j)＝20lgf+N(k,j)lgd(k,j)-X(k,j)
其中，N(k,j)和X(k,j)分别是需要优化的参数；PTr (k)和PRe (k,j)可以从接入点的配置和测量的RSS数据中获得。
步骤2：在室内待定位区域建立位置坐标系，在该区域内选择若干群智点，在各群智点处设置携带该群智点位置坐标的标签(例如二维码标签)。
步骤3：在各群智点处利用终端设备来测量来自多个接入点的RSS数据，将各群智点处测量到的RSS数据与群智点的位置坐标上传给定位服务器。
步骤4：定位服务器根据接收到的群智数据来优化WLAN传播模型参数，将各群智点对应的模型优化参数的平均值以及各群智点的位置坐标生成数据表，存储于定位服务器中。
根据步骤1选择的WLAN传播模型，通过优化参数N(k,j)和X(k,j)估计接入点k与群智点j之间的距离d(k,j)：
根据接入点k的位置坐标和群智点j的位置坐标得到接入点k与群智点j之间的水平距离
根据下式优化参数N(k,j)和X(k,j)：
上式中，是优化后的参数值，为接入点k与群智点j之间的真实距离，Δh为接入点与终端设备之间的高度差；
得到不同接入点与群智点j对应的模型优化参数值，将这些优化参数值取平均，得到群智点j对应的模型优化参数的平均值和
步骤5：用户走到某群智点j处时，扫描标签获取该群智点的位置坐标，并在定位服务器中查询步骤4生成的数据表，获取该群智点对应的模型优化参数的平均值。
步骤6：当用户离开群智点j，并在到达下一个群智点之前，根据群智点j对应的模型优化参数的平均值估计用户当前位置与3个信号最强的接入点之间的距离，再采用三边定位算法对用户当前位置进行定位。
步骤7：根据群智点j处的群智数据、用户在当前位置实际测量的RSS数据以及群智点j对应的模型优化参数的平均值估计用户当前位置与群智点j之间的距离，并根据该距离修正步骤6中三边定位算法的结果。
计算用户在当前位置i测量到的来自接入点l的功率
根据群智点j的群智数据计算群智点l测量到的来自接入点l的功率
则，与的差值：
如图2所示，根据几何原理“三角形两边之差小于第三边”，则群智点j和用户当前位置i之间的距离满足：
根据用户当前位置i、群智点j测量到的来自所有接入点的功率，可得：
上式中，L为接入点总数。
若步骤6的三边定位结果与群智点j之间的距离大于则需要对三边定位结果进行修正。当需要对三边定位结果进行修正时，将三边定位结果修正到以群智点j为圆心，以为半径的圆周上，保持角度与相同，则修正后的定位坐标
上式中，为三边定位结果与群智点j之间的距离。
下文通过一个实例对本发明进行分析。如图3所示，实验楼层的面积为51.6m×20.4m，高度为2.7m。在楼层内共布置有7个TP-LINK TL-WR845N的WLAN的接入点，高度为2.2米。在楼层内选择10群智点，并用印有二维码的贴纸贴在地面上。采用魅族魅蓝2手机采集RSS样本，采样速率为每秒1个RSS样本。魅族魅蓝2手机放在高度为1.2米的三脚架上。在每个群智点上采集1分钟共60个RSS样本作为群智数据，在实验区域的走廊和房间620内共采集5400个RSS样本作为测试数据。
实验结果如表1和图4所示，基于群智感知的传播模型定位方法可在基本的传播模型方法的基础上大幅度提高定位精度，利用本发明提出的方法平均定位误差可降低至5.79米。本发明提出的方法不仅无需耗时费力的数据采集过程，而且与基本的传播模型定位方法相比大幅度提高定位精度。具有较高的理论价值和实际意义。
表1
类型 传统的传播模型方法 基于群智感知的传播模型定位方法
平均误差(m) 20.85m 5.79m
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种基于群智感知的WLAN传播模型定位方法，其特征在于，包括以下步骤：
(1)选择WLAN传播模型，并确定模型中的优化参数；
(2)在室内待定位区域建立位置坐标系，在该区域内选择若干群智点，在各群智点处设置携带该群智点位置坐标的标签；
(3)在各群智点处利用终端设备来测量来自多个接入点的RSS数据，将各群智点处测量到的RSS数据与群智点的位置坐标上传给定位服务器；
(4)定位服务器根据接收到的群智数据来优化WLAN传播模型参数，将各群智点对应的模型优化参数的平均值以及各群智点的位置坐标生成数据表，存储于定位服务器中；
(5)用户走到某群智点j处时，扫描标签获取该群智点的位置坐标，并在定位服务器中查询步骤(4)生成的数据表，获取该群智点对应的模型优化参数的平均值；
(6)当用户离开群智点j，并在到达下一个群智点之前，根据群智点j对应的模型优化参数的平均值估计用户当前位置与3个信号最强的接入点之间的距离，再采用三边定位算法对用户当前位置进行定位；
(7)根据群智点j处的群智数据、用户在当前位置实际测量的RSS数据以及群智点j对应的模型优化参数的平均值估计用户当前位置与群智点j之间的距离，并根据该距离修正步骤(6)中三边定位算法的结果。
2.根据权利要求1所述基于群智感知的WLAN传播模型定位方法，其特征在于：在步骤(1)中，选择的WLAN传播模型如下：
PTr (k)-PRe (k,j)＝20lg f+N(k,j)lgd(k,j)-X(k,j)
上式中，PTr (k)为接入点k的发射功率，从接入点的配置中获得，PRe (k,j)为用户在群智点j的接收功率，从测量的RSS数据中获得；N(k,j)和X(k,j)分别是该模型的优化参数；d(k,j)是接入点k与群智点j之间的距离；f是传播频率。
3.根据权利要求2所述基于群智感知的WLAN传播模型定位方法，其特征在于：在步骤(4)中，计算WLAN传播模型参数的平均值的过程如下：
(a)根据步骤(1)选择的WLAN传播模型，通过优化参数N(k,j)和X(k,j)估计接入点k与群智点j之间的距离d(k,j)：
(b)根据接入点k的位置坐标和群智点j的位置坐标得到接入点k与群智点j之间的水平距离
(c)根据下式优化参数N(k,j)和X(k,j)：
上式中，是优化后的参数值，为接入点k与群智点j之间的真实距离，Δh为接入点与终端设备之间的高度差；
(d)根据步骤(a)-(c)，得到不同接入点与群智点j对应的模型优化参数值，将这些优化参数值取平均，得到群智点j对应的模型优化参数的平均值和
4.根据权利要求3所述基于群智感知的WLAN传播模型定位方法，其特征在于：步骤(7)的具体过程如下：
(A)计算用户在当前位置i测量到的来自接入点l的功率
(B)根据群智点j的群智数据，计算群智点j测量到的来自接入点l的功率
则，与的差值：
(C)根据三角形两边之差小于第三边，则群智点j和用户当前位置i之间的距离满足：
(D)根据用户当前位置i、群智点j测量到的来自所有接入点的功率，可得：
上式中，L为接入点总数；
(E)若步骤(6)的三边定位结果与群智点j之间的距离大于则需要对三边定位结果进行修正。
5.根据权利要求4所述基于群智感知的WLAN传播模型定位方法，其特征在于：当需要对三边定位结果进行修正时，将三边定位结果修正到以群智点j为圆心，以为半径的圆周上，保持角度与相同，则修正后的定位坐标
上式中，为三边定位结果与群智点j之间的距离。
CN201611181972.0A 2016-12-20 2016-12-20 一种基于群智感知的wlan传播模型定位方法 Active CN106707232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611181972.0A CN106707232B (zh) 2016-12-20 2016-12-20 一种基于群智感知的wlan传播模型定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611181972.0A CN106707232B (zh) 2016-12-20 2016-12-20 一种基于群智感知的wlan传播模型定位方法

Publications (2)

Publication Number Publication Date
CN106707232A CN106707232A (zh) 2017-05-24
CN106707232B true CN106707232B (zh) 2019-02-15

Family

ID=58938362

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611181972.0A Active CN106707232B (zh) 2016-12-20 2016-12-20 一种基于群智感知的wlan传播模型定位方法

Country Status (1)

Country Link
CN (1) CN106707232B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109031263B (zh) * 2018-07-05 2022-04-12 西南科技大学 一种基于移动群智感知数据的室内指纹地图构建方法
CN109282816B (zh) * 2018-09-25 2022-03-08 电子科技大学 一种利用三角形约束的测距定位误差抑制方法
CN109239656B (zh) * 2018-10-19 2021-02-09 南京工业大学 一种位置指纹定位中的射频地图建立方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010059934A2 (en) * 2008-11-21 2010-05-27 Qualcomm Incorporated Wireless position determination using adjusted round trip time measurements
CN103402258A (zh) * 2013-08-08 2013-11-20 北京建飞科联科技有限公司 一种基于Wi-Fi的室内定位系统和方法
KR101625757B1 (ko) * 2014-11-25 2016-05-31 한국과학기술원 무선랜 라디오맵 자동 구축 방법 및 시스템
CN105792353A (zh) * 2016-03-14 2016-07-20 中国人民解放军国防科学技术大学 群智感知式WiFi信号指纹辅助的图像匹配室内定位方法
CN105979580A (zh) * 2016-06-22 2016-09-28 广东工业大学 基于群智感知网络的小区路径地图形成系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010059934A2 (en) * 2008-11-21 2010-05-27 Qualcomm Incorporated Wireless position determination using adjusted round trip time measurements
CN103402258A (zh) * 2013-08-08 2013-11-20 北京建飞科联科技有限公司 一种基于Wi-Fi的室内定位系统和方法
KR101625757B1 (ko) * 2014-11-25 2016-05-31 한국과학기술원 무선랜 라디오맵 자동 구축 방법 및 시스템
CN105792353A (zh) * 2016-03-14 2016-07-20 中国人民解放军国防科学技术大学 群智感知式WiFi信号指纹辅助的图像匹配室内定位方法
CN105979580A (zh) * 2016-06-22 2016-09-28 广东工业大学 基于群智感知网络的小区路径地图形成系统和方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于群智感知的无线室内定位;吴陈沭;《中国博士学位论文全文数据库 信息科技辑》;20160715(第7期);正文第1-92页 *

Also Published As

Publication number Publication date
CN106707232A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN104469676B (zh) 一种移动终端的定位方法及系统
CN105137390B (zh) 一种基于可调发射功率ap的室内定位方法
CN106125045B (zh) 一种基于Wi-Fi的自适应混合室内定位方法
JP3820177B2 (ja) 移動通信端末機の位置推定装置及びその方法
CN102480678B (zh) 一种指纹定位方法和系统
CN103096464B (zh) 单基站用户终端定位方法及系统
CN100562182C (zh) 一种基于信息融合的无线定位多算法增强方法
CN105898692B (zh) 一种室内定位方法及装置
Kodippili et al. Integration of fingerprinting and trilateration techniques for improved indoor localization
CN106814345A (zh) 易于数据采集和高精度的室内定位方法
CN106707232B (zh) 一种基于群智感知的wlan传播模型定位方法
CN102209382A (zh) 一种基于rssi的无线传感器网络节点定位方法
CN103905992A (zh) 一种基于指纹数据的无线传感器网络的室内定位方法
CN106125043B (zh) 一种基于定位位置残差加权的定位方法
CN102209379B (zh) 基于rssi的无线传感器网络节点定位方法
CN104053129A (zh) 一种基于稀疏射频指纹插值的无线传感器网络室内定位方法和装置
CN106714298A (zh) 一种基于天线阵列的无线定位方法
CN109640262B (zh) 一种基于混合指纹的定位方法及系统、设备、存储介质
CN103581831A (zh) 基于WiFi以及移动终端的室内定位算法
CN106535322A (zh) 一种基于wifi定向天线的室内移动定位方法
Benaissa et al. Phone application for indoor localization based on Ble signal fingerprint
CN109738863A (zh) 一种融合置信度的WiFi指纹室内定位算法及系统
Wang et al. Adaptive rfid positioning system using signal level matrix
CN108737952A (zh) 基于rssi测距改进的多边形加权质心定位方法
CN108769910A (zh) 一种WiFi定位的方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 210009, 5 new model street, Gulou District, Jiangsu, Nanjing

Applicant after: Nanjing University of Technology

Address before: 211800 Puzhu South Road, Pukou District, Nanjing, Jiangsu 30

Applicant before: Nanjing University of Technology

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant