CN106804027A - 一种基于ZigBee网络在超市环境中的定位方法 - Google Patents

Abstract

本发明公开了一种基于ZigBee网络在超市环境中的定位方法，包括设置ZigBee无线定位网络、采集离线数据并构建RSSI‑d映射表、获得RSSI‑d分布曲线、在线阶段的匹配定位，采用了基于RSSI‑d路径点匹配的定位方法，在划分的三角形定位子区域中有效的设计离线阶段采集点，在满足实际定位要求的情况下，合理减少离线阶段定位网络的数据量，在线定位阶段通过RSSI‑d分布曲线所构成的分布曲线簇，确定定位子区域，以利用较少的网络资源，减少定位网络的工作量，并利用对差异程度设置阈值对数据进行处理，在此基础上进行的基于差异程度加权的矢量偏移，从而能有效利用路径点的冗余信息，并获得较高的定位精度。

Description

一种基于ZigBee网络在超市环境中的定位方法

技术领域

发明涉及通信技术领域，具体的说是一种基于ZigBee网络在超市环境下的定位方法。

背景技术

目前，在智能设施的普及下，定位的重要性愈发凸显。无线传感器网络的最为重要的一个应用实例便是进行终端节点(即无线传感器)定位。学术上通常采用的方法有：到达时间TOA，到达时间差TDOA，到达角度AOA，接收信号强度指示RSSI。由于工程应用中，考虑到终端节点低功耗的必要需求以及终端节点间难以精确同步。实际多采用RSSI信号强度判断终端节点位置，如“ZigBee技术中基于RSSI测距的定位算法研究”，徐世武等，《单片机与嵌入式系统应用》2012年08期。解决基于ZigBee的无线传感器定位主要参考TI公司由信号传播模型推演的得到的RSSI距离公式：RSSI＝-(10×n×log10d+A)，其中d为信号传播的距离，n、A分别为传播因子与环境参数，均为可变参数。

但在超市环境下，由于障碍物多、电磁干扰强等不确定因素使得可变参数不能通过简单的推算来得到，实际数学模型会变得复杂的多，使得由此衍生出的定位算法(如质心算法)，如“基于ZigBee定位系统的设计与实现”，曹凯，《管理科学》2014年04期，数据不可靠，定位效果差，难以在超市环境下实现定位。

另一种根据各节点的RSSI位置特征建立的位置指纹数据库匹配定位的定位方法，如“基于WiFi的井下指纹模定位算法”，董建平等，《工矿自动化》2014年10期，由于需要大量的采集点保证定位精度，导致离线数据量过大，匹配算法复杂，实际应用也很困难。

发明内容

本发明为克服上述现有技术存在的不足之处，提供一种基于ZigBee网络在超市环境中的定位方法，以期能有效利用超市环境的障碍物也就是货架的特征，提高离线采集阶段的效用值，并利用匹配路径点数据的冗余特征，提高在线定位阶段的定位精度，从而开拓在环境复杂定位要求高的室内运用无线技术定位的可能性。

为达到上述目的，本发明采用如下技术方案实现发明目的：

本发明一种基于ZigBee网络在超市环境中的定位方法，所述超市环境是以货架作为障碍物，其余空间为非障碍物区域，且在所述非障碍物区域中设置有带有ZigBee的购物车作为盲节点；以所述超市环境的外接矩形的任意一点作为原点O，以所述原点O的相邻边分别作为X轴和Y轴，分别建立二维平面坐标系XOY；其特点是，所述定位方法是按如下步骤进行：

步骤1、将所述超市环境分割为N块三角形定位子区域；在每块三角形定位子区域的顶点上分别设置带有ZigBee的参考节点，记为R_i，i＝1,2,3；以第i个参考节点R_i为源点，向所述第i个参考节点R_i的对应边发散M条路径，并在所述第i个参考节点R_i的对应边上相应形成M个路径终点E_m，1≤m≤M；在所述源点与第m个路径终点E_m之间的路径上设置有K_m个采集点；令第k个采集点与源点之间的距离记为d_k，且所述第k个采集点d_k位于所述非障碍物区域上，所述第i个参考节点R_i和所述盲节点的高度相同；

步骤2、离线阶段

步骤2.1、利用盲节点获取第m条路径上所有采集点的无线信号并进行滤波处理，得到K_m个RSSI测量值；

步骤2.2、根据K_m个RSSI测量值和K_m个采集点的距离构建第i个参考节点R_i的第m条路径上的RSSI-d映射表；

步骤2.3、利用最小二乘法对第i个参考节点R_i的第m条路径上的RSSI-d映射表进行拟合，得到第i个参考节点R_i的第m条路径上的RSSI-d分布曲线；从而得到第i个参考节点R_i的M条路径上的RSSI-d分布曲线所构成的分布曲线簇；进而得到每块三角形定位子区域的每个参考节点所对应的分布曲线簇；

步骤3、在线定位阶段

步骤3.1、当所述盲节点处于所述非障碍物区域内的未知位置，则所述盲节点上的ZigBee向周围的参考节点发送无线信号；

步骤3.2、假设有J个参考节点接收到相应的无线信号并进行滤波处理，得到所述盲节点的J个RSSI测量值；将所述盲节点的J个RSSI测量值分别与相应参考节点所对应的分布曲线簇进行匹配，得到所匹配的U个参考节点及其匹配的路径点集合；记第u个参考节点R_u所匹配的路径点集合为C_u；

步骤3.3、在U个参考节点中第u个参考节点R_u向自身的三角形定位子区域内其他参考节点发送无线信号；

步骤3.4、在U个参考节点中，若存在一个参考节点R_s1同时收到其他两个参考节点R_s2和R_s3发送的无线信号，则表示所述盲节点处于由参考节点R_s1、R_s2和R_s3所组成的三角形定位子区域中；

步骤3.5、在由参考节点R_s1、R_s2和R_s3所组成的三角形定位子区域的路径点集合C_s1、C_s2和C_s3中，获取路径点集合C_s1、C_s2和C_s3的中心点C；

步骤3.6、从所述路径点集合C_s1中抽取任意一个路径点c_s1、路径点集合C_s2中抽取任意一个路径点c_s2、路径点集合C_s3中抽取任意一个路径点c_s3进行组合为第f个匹配路径组，从而得到F个匹配路径组；

步骤3.7、利用式(1)计算第f个匹配路径组的差异程度Q_f，从而获得F个匹配路径组的差异程度：

式(1)中，表示路径点c_s1与路径点c_s2之间的距离；表示路径点c_s1与路径点c_s3之间的距离；表示路径点c_s2与路径点c_s3之间的距离；

步骤3.8、设置差异程度阈值为Δ，得到F个匹配路径组的差异程度中小于阈值Δ所对应的V个匹配路径组；

步骤3.9、利用式(2)得到所述盲节点的定位结果E：

式(2)中，Q_v表示第v个匹配路径组的差异程度；1≤v≤V；e_v表示第v个匹配路径组的中心点，表示第v个匹配路径组的中心点e_v对中心点C的矢量偏移。

与现有技术相比，本发明的有益效果是：

1.本发明相对于传统的室内定位算法相比，有效利用超市环境下障碍物区域的特征，改进离线阶段数据采集的手段，以匹配路径组的差异程度作为数据特征对估计位置进行矢量偏移，提高了定位精度，开拓了在环境复杂定位要求高的室内运用无线技术定位的可能性。

2.本发明利用超市环境的障碍物也就是货架的特征，在划分的三角形定位子区域中有效的设计离线阶段采集点，在满足实际定位要求的情况下，与传统的指纹匹配算法相比，可以明显减少离线阶段定位网络的数据量。

3.本发明利用RSSI-d分布曲线所构成的分布曲线簇，确定定位子区域，以利用较少的网络资源，减少了定位网络的工作量，并利用对差异程度设置阈值对数据进行处理，在此基础上进行的基于差异程度加权的矢量偏移，能有效利用路径点的冗余信息，获得较高的定位精度。

附图说明

图1是本发明建立的超市环境模型图；

图2是本发明的一种基本方法流程图；

图3是本发明建立的离线阶段模型图；

图4是本发明在线定位阶段基本流程图；

图5是本发明在线阶段匹配定位示意图。

具体实施方式

本实施例中，一种基于ZigBee网络在超市环境中的定位方法，如图1所示，超市环境是以货架作为障碍物，其余空间为非障碍物区域，且在非障碍物区域中设置有带有ZigBee的购物车作为盲节点；以超市环境的外接矩形的任意一点作为原点O，以原点O的相邻边分别作为X轴和Y轴，分别建立二维平面坐标系XOY；如图2所示，定位方法是按如下步骤进行：

步骤1、将超市环境分割为N块三角形定位子区域；如图3所示，在每块三角形定位子区域的顶点上分别设置带有ZigBee的参考节点，记为R_i，i＝1,2,3；以第i个参考节点R_i为源点，向第i个参考节点R_i的对应边发散M条路径，路径会穿过障碍物区域也就是货架，并在第i个参考节点R_i的对应边上相应形成M个路径终点E_m，1≤m≤M；在源点与第m个路径终点E_m之间的路径上设置有K_m个采集点，采集点的设置需处在无障碍区域，由于各路径的发散角度不同，使得每条路径在无障碍区域的分段长度不同，此时考虑离线采集点设置的合理性要求，需设置阈值β，假设阈值β为2m，当分段长度小于2m时，则在该段中点上设置一个采集点，当分段长度大于2m时，则在该段三分点处设置两个采集点；令第k个采集点与源点之间的距离记为d_k，且第k个采集点d_k位于非障碍物区域上，为了保证采集数据与对应路径上距离的分布关系，第i个参考节点R_i和盲节点的高度相同；

步骤2、离线阶段

步骤2.1、利用盲节点获取第m条路径上所有采集点的无线信号并进行滤波处理，得到K_m个RSSI测量值；

步骤2.2、根据K_m个RSSI测量值和K_m个采集点的距离构建第i个参考节点R_i的第m条路径上的RSSI-d映射表；

步骤2.3、利用最小二乘法对第i个参考节点R_i的第m条路径上的RSSI-d映射表进行拟合，得到第i个参考节点R_i的第m条路径上的RSSI-d分布曲线；从而得到第i个参考节点R_i的M条路径上的RSSI-d分布曲线所构成的分布曲线簇；进而得到每块三角形定位子区域的每个参考节点所对应的分布曲线簇；

步骤3、如图4所示，在线定位阶段由以下步骤构成

步骤3.1、当盲节点处于非障碍物区域内的未知位置，则盲节点上的ZigBee以广播的形式向周围的参考节点发送无线信号；

步骤3.2、假设有J个参考节点接收到相应的无线信号并进行滤波处理，得到盲节点的J个RSSI测量值；将盲节点的J个RSSI测量值分别与相应参考节点所对应的分布曲线簇进行匹配，得到所匹配的U个参考节点及其匹配的路径点集合，此时得到的路径点可以分布在对应参考节点所在的任意一个三角形定位子区域，而产生匹配成功的路径点对应的参考节点，具备产生发散包含盲节点的路径的可能性；记第u个参考节点R_u所匹配的路径点集合为C_u；

步骤3.3、在U个参考节点中第u个参考节点R_u向自身的三角形定位子区域内其他参考节点发送无线信号；

步骤3.4、在U个参考节点中，若存在一个参考节点R_s1同时收到其他两个参考节点R_s2和R_s3发送的无线信号，则表示盲节点处于由参考节点R_s1、R_s2和R_s3所组成的三角形定位子区域中，利用RSSI-d分布曲线所构成的分布曲线簇，确定定位子区域，以利用较少的网络资源，减少了定位网络的工作量；

步骤3.5、在由参考节点R_s1、R_s2和R_s3所组成的三角形定位子区域的路径点集合C_s1、C_s2和C_s3中，获取路径点集合C_s1、C_s2和C_s3的中心点C；

步骤3.6、从路径点集合C_s1中抽取任意一个路径点c_s1、路径点集合C_s2中抽取任意一个路径点c_s2、路径点集合C_s3中抽取任意一个路径点c_s3进行组合为第f个匹配路径组，从而得到F个匹配路径组；

由步骤3.6所得到的F个匹配路径组中可能会有某两组的路径点有一个或两个是分别相同的，这种重合体现了路径点数据的冗余特征；

步骤3.7、利用式(1)计算第f个匹配路径组的差异程度Q_f，从而获得F个匹配路径组的差异程度：

式(1)中，表示路径点c_s1与路径点c_s2之间的距离；表示路径点c_s1与路径点c_s3之间的距离；表示路径点c_s2与路径点c_s3之间的距离；

步骤3.8、设置差异程度阈值为Δ，得到F个匹配路径组的差异程度中小于阈值Δ所对应的V个匹配路径组；

步骤3.9、利用式(2)得到盲节点的定位结果E：

式(2)中，Q_v表示第v个匹配路径组的差异程度；1≤v≤V；e_v表示第v个匹配路径组的中心点，表示第v个匹配路径组的中心点e_v对中心点C的矢量偏移；

如图5所示，假设设置差异程度阈值后得到三个匹配路径组，且路径点分别为 且匹配路径组的中心点分别e₁、e₂、e₃，经过相应的差异程度权值进行矢量偏移得到定位结果E，利用对差异程度设置阈值对数据进行处理，在此基础上进行的基于差异程度加权的矢量偏移，能有效利用路径点的冗余特征，获得较高的定位精度。

Claims (1)

1.一种基于ZigBee网络在超市环境中的定位方法，所述超市环境是以货架作为障碍物，其余空间为非障碍物区域，且在所述非障碍物区域中设置有带有ZigBee的购物车作为盲节点；以所述超市环境的外接矩形的任意一点作为原点O，以所述原点O的相邻边分别作为X轴和Y轴，分别建立二维平面坐标系XOY；其特征是，所述定位方法是按如下步骤进行：

步骤1、将所述超市环境分割为N块三角形定位子区域；在每块三角形定位子区域的顶点上分别设置带有ZigBee的参考节点，记为R_i，i＝1,2,3；以第i个参考节点R_i为源点，向所述第i个参考节点R_i的对应边发散M条路径，并在所述第i个参考节点R_i的对应边上相应形成M个路径终点E_m，1≤m≤M；在所述源点与第m个路径终点E_m之间的路径上设置有K_m个采集点；令第k个采集点与源点之间的距离记为d_k，且所述第k个采集点d_k位于所述非障碍物区域上，所述第i个参考节点R_i和所述盲节点的高度相同；

步骤2、离线阶段

步骤2.1、利用盲节点获取第m条路径上所有采集点的无线信号并进行滤波处理，得到K_m个RSSI测量值；

步骤2.2、根据K_m个RSSI测量值和K_m个采集点的距离构建第i个参考节点R_i的第m条路径上的RSSI-d映射表；

步骤2.3、利用最小二乘法对第i个参考节点R_i的第m条路径上的RSSI-d映射表进行拟合，得到第i个参考节点R_i的第m条路径上的RSSI-d分布曲线；从而得到第i个参考节点R_i的M条路径上的RSSI-d分布曲线所构成的分布曲线簇；进而得到每块三角形定位子区域的每个参考节点所对应的分布曲线簇；

步骤3、在线定位阶段

步骤3.1、当所述盲节点处于所述非障碍物区域内的未知位置，则所述盲节点上的ZigBee向周围的参考节点发送无线信号；

步骤3.2、假设有J个参考节点接收到相应的无线信号并进行滤波处理，得到所述盲节点的J个RSSI测量值；将所述盲节点的J个RSSI测量值分别与相应参考节点所对应的分布曲线簇进行匹配，得到所匹配的U个参考节点及其匹配的路径点集合；记第u个参考节点R_u所匹配的路径点集合为C_u；

步骤3.3、在U个参考节点中第u个参考节点R_u向自身的三角形定位子区域内其他参考节点发送无线信号；

步骤3.4、在U个参考节点中，若存在一个参考节点R_s1同时收到其他两个参考节点R_s2和R_s3发送的无线信号，则表示所述盲节点处于由参考节点R_s1、R_s2和R_s3所组成的三角形定位子区域中；

步骤3.5、在由参考节点R_s1、R_s2和R_s3所组成的三角形定位子区域的路径点集合C_s1、C_s2和C_s3中，获取路径点集合C_s1、C_s2和C_s3的中心点C；

步骤3.6、从所述路径点集合C_s1中抽取任意一个路径点c_s1、路径点集合C_s2中抽取任意一个路径点c_s2、路径点集合C_s3中抽取任意一个路径点c_s3进行组合为第f个匹配路径组，从而得到F个匹配路径组；

步骤3.7、利用式(1)计算第f个匹配路径组的差异程度Q_f，从而获得F个匹配路径组的差异程度：

$Q_f=\sqrt{{d_{s1-s2}^f}^2+{d_{s1-s3}^f}^2+{d_{s2-s3}^f}^2}---\left(1\right)$

式(1)中，表示路径点c_s1与路径点c_s2之间的距离；表示路径点c_s1与路径点c_s3之间的距离；表示路径点c_s2与路径点c_s3之间的距离；

步骤3.8、设置差异程度阈值为Δ，得到F个匹配路径组的差异程度中小于阈值Δ所对应的V个匹配路径组；

步骤3.9、利用式(2)得到所述盲节点的定位结果E：

$E=C+\underset{v=1}{\overset{V}{\mathrm{\Σ}}}(\frac{Q_v}{\underset{v=1}{\overset{V}{\mathrm{\Σ}}}{Q}_v}\·\stackrel{\→}{e_v-C})---\left(2\right)$

式(2)中，Q_v表示第v个匹配路径组的差异程度；1≤v≤V；e_v表示第v个匹配路径组的中心点，表示第v个匹配路径组的中心点e_v对中心点C的矢量偏移。