CN106842120A - 基于优化算法的rssi室内多径散射定位方法 - Google Patents

Abstract

本发明提供了基于优化算法的RSSI室内多径散射定位方法。该方法包括：确定三个或更多个锚节点位置；针对每个锚节点，从未知节点向该锚节点发送多次RSSI请求指令，并在未知节点测得来自该锚节点的多个接收信号强度值，根据RSSI法获得该锚节点的欠定方程组，该欠定方程组中的未知量包括该锚节点与该未知节点之间的待测距离和m个路径损耗系数，利用优化算法求解该锚节点对应的欠定方程组，以获得该锚节点与该未知节点之间的待测距离；利用三个或更多个锚节点各自与未知节点之间的待测距离以及三个或更多个锚节点的坐标，计算未知节点的坐标。

Description

基于优化算法的RSSI室内多径散射定位方法

技术领域

本发明涉及室内定位技术，尤其涉及一种基于优化算法的RSSI室内多径散射定位方法。

背景技术

在复杂的室内传播环境中，多径、散射、反射等引起的信号的非直达传播是室内信道的主要特征。大量研究表明，在复杂的室内传播环境中，应用典型的参数化定位算法如TOA、TDOA、AOA、RSSI等定位性能往往不太理想，原因是在严重的多径散射情况下，上述参数的估计往往存在较大误差，这些误差在一定程度上影响了上述定位方法在室内定位时的定位性能。

基于RSSI(Received Signal Strength Indication，接收信号的强度指示，简称接收信号强度)的定位算法是已知发射节点的发射信号强度，由接收节点根据收到的信号强度计算出信号的传播损耗，再利用理论和经验模型将传输损耗转换成距离，然后计算出节点的位置。一般情况下，测得的功率与真实值之间存在误差(通常是由遮挡物引起的，也称为遮蔽因子)，这使得简单地通过模型把测量到的功率换算为电磁波传播路径的方法会引入极大误差而不能使用。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于此，本发明提供了一种基于优化算法的RSSI室内多径散射定位方法，以至少现有的基于RSSI的定位方法存在的定位不准确的问题

根据本发明的一个方面，提供了一种基于优化算法的RSSI室内多径散射定位方法，所述RSSI室内多径散射定位方法包括：确定三个或更多个锚节点位置，并获得所述三个或更多个锚节点的坐标；针对所述三个或更多个锚节点中的每一个，从未知节点向该锚节点发送多次RSSI请求指令，并在所述未知节点测得来自该锚节点的多个接收信号强度值，在测得的所述来自该锚节点的多个接收信号强度值选择至少部分接收信号强度值，利用所述至少部分接收信号强度值以及预设的参考距离和参考接收信号强度值，根据RSSI法获得包含m个方程的欠定方程组来作为该锚节点对应的欠定方程组，该欠定方程组中的未知量包括该锚节点与该未知节点之间的待测距离和m个路径损耗系数，其中，所述参考接收信号强度值是在所述未知节点向与所述未知节点距离所述参考距离的参考节点发送RSSI请求指令时、在所述未知节点测得的来自该参考节点的接收信号强度值，m为所述至少部分接收信号强度值中包含的接收信号强度值个数，且m为大于2的正整数，利用优化算法求解该锚节点对应的欠定方程组，以获得该锚节点与该未知节点之间的待测距离；利用所述三个或更多个锚节点各自与未知节点之间的待测距离以及所述三个或更多个锚节点的坐标，计算所述未知节点的坐标。

进一步地，所述在测得的所述来自该锚节点的多个接收信号强度值选择至少部分接收信号强度值的步骤包括：在测得的所述来自该锚节点的多个接收信号强度值之中，去掉最大值和最小值，以将剩余的接收信号强度值作为所述至少部分接收信号强度值。

进一步地，针对所述三个或更多个锚节点中的每一个，通过如下方式获得该锚节点对应的欠定方程组：针对该锚节点对应的所述至少部分接收信号强度值中的每一个，获得由公式一表示的方程，其中公式一为：其中，j＝1,2,…,m，式中，d₀为参考距离，P₀为参考接收信号强度值，d为该锚节点与所述未知节点之间的待测距离，P_j为所述至少部分接收信号强度值中的第j个，n_j为与P_j对应的路径损耗系数；该锚节点对应的欠定方程组由公式二表示，其中公式二为：

进一步地，所述利用优化算法求解该锚节点对应的欠定方程组以获得该锚节点与该未知节点之间的待测距离的步骤包括：构建其中，d_j为所述欠定方程组中第j个方程中的d，将2＜n_j＜4作为约束条件，j＝1,2,…,m，按照如下优化算法求解约束最优化问题B1、设定迭代截止条件ε，使得当时结束迭代；B2、给定一组初始可行的n_j，使其满足约束条件2<n_j<4；B3、从n₁开始按照序号从小到大的顺序，分别对m个路径损耗系数中的每一个进行迭代计算；其中，针对m个路径损耗系数中的n_k，其中k∈{1,2,...,m}，从n_k＝2开始，利用所述公式二对n_k进行迭代计算，步长为0.0005，并当迭代到n_k＝4时结束对n_k的迭代计算；在迭代计算的过程中，每一次迭代计算后判断当前结果是否满足若当前结果满足则结束迭代计算，将当前结果作为最优解；否则，继续迭代直到满足为止。

目前，现有技术大多采用设定一个固定的路径损耗n值，然后求解距离d，显然路径损耗与环境等诸多因素有关，设定固定值显然会增加测量误差。相比于现有技术，本发明基于RSSI室内多径散射定位方法无需事先设定路径损耗n值，通过优化算法，直接获得最优的测量距离d，提高了测量精度。

此外，相比于现有技术，本发明的基于优化算法的RSSI室内多径散射定位方法则能够利用多次测量来自锚节点的发射功率来减小由于固定方向遮挡而产生的定位偏差，从而能够提高定位精度。

通过以下结合附图对本发明的最佳实施例的详细说明，本发明的这些以及其他优点将更加明显。

附图说明

本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中：

图1是示意性地示出本发明的基于优化算法的RSSI室内多径散射定位方法的一个处理示例的流程图；

图2是示出具有临时障碍物的一个室内定位环境的示意图。

本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本发明实施例的理解。

具体实施方式

在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。

在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明关系不大的其他细节。

本发明的实施例提供了一种基于优化算法的RSSI室内多径散射定位方法。

图1是本发明的基于优化算法的RSSI室内多径散射定位方法的一个处理示例的流程图。

如图1所示，在该示例中，上述基于优化算法的RSSI室内多径散射定位方法开始之后，首先执行步骤S110。

在步骤S110中，确定三个或更多个锚节点位置，并获得上述三个或更多个锚节点的坐标。例如，可以确定3个或5个锚节点，在该3个或5个锚节点上分别设置发射/接收设备(即天线)，并在未知节点(即待定位的位置)上设置发射/接收设备，以在未知节点与各个锚节点之间发射/接收信号。

然后，针对上述三个或更多个锚节点中的每一个锚节点，执行如图1所示的步骤S120-S140。

在步骤S120中，从上述未知节点向该锚节点发送多次RSSI请求指令。这样，未知节点每次发送完一个RSSI请求指令，该锚节点收到该RSSI请求指令后，响应于该RSSI请求指令而向上述未知节点发射信号(如通过发射天线)，未知节点接收到从该锚节点发射的信号，并测量该信号对应的RSSI值。如此，可以在未知节点测得来自该锚节点的多个RSSI值。其中，每一个RSSI值例如是通过多次测量所取的平均值。

然后，在步骤S130中，在步骤S120中测得的上述来自该锚节点的多个RSSI值中选择至少部分RSSI值。例如，可以从“在未知节点测得的来自该锚节点的多个RSSI值”之中去除最大值和最小值，将“在未知节点测得的来自该锚节点的多个RSSI值”去除了最大值和最小值后剩余的那些RSSI值作为上述“至少部分RSSI值”。

这样，利用上述至少部分RSSI值以及预设的参考距离和参考RSSI值，根据RSSI法，可以获得包含m个方程的欠定方程组，并将该方程组作为该锚节点对应的欠定方程组。其中，m为所述至少部分RSSI值中包含的RSSI值个数，且m为大于2的正整数。

该欠定方程组中，未知量包括该锚节点与上述未知节点之间的待测距离d和m个路径损耗系数n_j，其中，j＝1,2,…,m，用P_j表示上述至少部分RSSI值(包含m个RSSI值)中的第j个RSSI值，则n_j表示第j个路径损耗系数(对应于P_j)。

根据一种实现方式，针对该锚节点对应的上述至少部分RSSI值中的每一个，可获得如公式一所示的方程：

公式一：

d₀为参考距离(例如d₀＝1米)，P₀为参考RSSI值(即参考接收信号强度值)，d为该锚节点与未知节点之间的待测距离，P_j为上述至少部分RSSI值中的第j个，n_j为与P_j对应的路径损耗系数。

其中，参考RSSI值是在上述未知节点向参考节点发送RSSI请求指令后，在该未知节点测得的来自该参考节点的RSSI值。参考节点与上述未知节点之间的距离为上述参考距离d₀。

也即，该锚节点对应的欠定方程组如公式二所示。

公式二：

其中，公式二所示的为一个欠定方程组。

然后，在步骤S140中，利用优化算法求解该锚节点对应的欠定方程组，以获得该锚节点与上述未知节点之间的待测距离d。

由此，通过对每个锚节点分别执行步骤S120-S140，可以获得上述三个或更多个锚节点各自的欠定方程组。如，当步骤S110中确定的锚节点个数为3时，则通过对每个锚节点执行步骤S120-S140，可获得3个欠定方程组；而当步骤S110中确定的锚节点个数为5时，则通过对每个锚节点执行步骤S120-S140，可获得5个欠定方程组；等等。

然后，在步骤S150中，利用上述三个或更多个锚节点各自与未知节点之间的待测距离以及上述三个或更多个锚节点的坐标，来计算上述未知节点的坐标。

其中，在步骤S140中，例如可以采用下面描述的过程来实现“利用优化算法求解该锚节点对应的欠定方程组”的处理。

可以将公式二的方程组化为求解如下约束最优化问题其中约束条件为线性约束，A为约束系数矩阵，b为约束向量。基本思路是从可行点出发，沿着目标函数值减小的方向搜索求出新的可行点，如此迭代下去。这里，可行点是满足约束条件的点。

公式二所示的方程组的实质是寻找一组n(n₁,，n₂,，…n_m)，使得公式二的方程组中的每个方程求解得到的d值相等。

因此，可以构建这里，

即如果每个方程计算得到d值相同，即则说明此时的d值为最优解，这里路径损耗系数n_j一般取2到4，因此将2＜n_j＜4(j＝1,2,…,m)作为约束条件，这一欠定方程组可归结为在上述约束条件下的最优化问题，即：

其中，d_j为公式二的方程组中第j个方程中的d；而为d₁至d_m的平均值。

然后，按照如下优化方法来计算：

B1、设定迭代截止条件ε，使得当时结束所有迭代计算，说明找到了合适的一组路径损耗系数；

B2、给定一组初始可行的n_j，使其满足约束条件2<n_j<4；

B3、从n₁开始按照序号从小到大的顺序，分别对m个路径损耗系数中的每一个进行迭代计算；其中，针对m个路径损耗系数中的n_k，其中k∈{1,2,...,m}，从n_k＝2开始，利用所述公式二对n_k进行迭代计算，步长为0.0005，并当迭代到n_k＝4时结束对n_k的迭代计算；

在迭代计算的过程中，每一次迭代计算后判断当前结果是否满足若当前结果满足则结束所有迭代计算，将当前结果作为最优解；否则，继续迭代直到满足为止。

例如，针对步骤B3可以按照如下方式执行：

①从n_j＝2开始，根据公式二进行迭代计算，步长为0.0005；

②先对n₁从2到4进行逐步迭代，n₁的迭代结束后，再对n₂从2到4逐步迭代，以此类推；

其中，每迭代计算1次后，判断结果是否满足条件如果当前结果满足则将当前的m个路径损耗系数的值(即n₁、n₂、…、n_m)作为最优解(此时不再进行任何迭代计算了)；否则，继续迭代直到满足以上条件为止。

这里，“每迭代计算1次后”是指每变化一次步长完成一次迭代后。

下面描述基于本发明的RSSI室内多径散射定位方法的一个优选实施例。

首先，建立锚节点坐标库，并对多个锚节点编号。

然后，未知节点不断向每个锚节点发出RSSI请求指令；未知节点收到指令后，收集RSSI值，根据设定采集RSSI值次数，求平均，然后将多次RSSI值和对应的锚节点坐标同时采集，通过串口(或无线)方式上传至计算机，例如采集10次RSSI值，则去掉一个最大值和一个最小值，减小测量误差。最终8个作为测量值，列出8个方程组，然后利用梯度优化算法，求解最终的d。

距离d测量准确后，这样，每个锚节点对应一个d，则再结合三站定位原理，就可以实现定位。

目前，现有技术大多采用设定一个固定的路径损耗n值，然后求解距离d，显然路径损耗与环境等诸多因素有关，设定固定值显然会增加测量误差。而本发明则无需事先设定路径损耗n值，通过优化算法，直接获得最优的测量距离d，提高了测量精度。

此外，现有技术中，在例如图2的环境中，A、B、C和D为4个路由器，其位置分别已知；E为待测点。当在在待测点E和路由器B之间设置一个临时障碍物，则E点接收的来自B的信号将减弱，且其信号强度可能等于在没有障碍物情况下E′点的信号强度，由此会给定位带来误差。

相比于现有技术，本发明的基于优化算法的RSSI室内多径散射定位方法则能够利用多次测量来自锚节点的发射功率来减小由于固定方向遮挡而产生的定位偏差，从而能够提高定位精度。

在一个实例中，采用实验室内承重立柱作为遮挡物，70*70cm，地面由60*60cm地板块铺设，接收端为手机(作为未知节点)，下载了一个wifi信号测量APP——WiFi分析仪，多次测量来自wifi的信号强度，来研究在无遮挡和有遮挡情况下，信号强度衰减的规律差别。此外，当指纹地图中有临时遮挡物(如人走动经过)出现情况下，利用多次测量待测点信号，基于提出的优化算法解决由于遮挡物在某一方向路由器发射信号误差的方法。实验结果如表1-表3所示。

表1

表2

表3

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (4)

1.基于优化算法的RSSI室内多径散射定位方法，其特征在于，所述RSSI室内多径散射定位方法包括：

确定三个或更多个锚节点位置，并获得所述三个或更多个锚节点的坐标；

针对所述三个或更多个锚节点中的每一个，

从未知节点向该锚节点发送多次RSSI请求指令，并在所述未知节点测得来自该锚节点的多个接收信号强度值，

在测得的所述来自该锚节点的多个接收信号强度值选择至少部分接收信号强度值，利用所述至少部分接收信号强度值以及预设的参考距离和参考接收信号强度值，根据RSSI法获得包含m个方程的欠定方程组来作为该锚节点对应的欠定方程组，该欠定方程组中的未知量包括该锚节点与该未知节点之间的待测距离和m个路径损耗系数，其中，所述参考接收信号强度值是在所述未知节点向与所述未知节点距离所述参考距离的参考节点发送RSSI请求指令时、在所述未知节点测得的来自该参考节点的接收信号强度值，m为所述至少部分接收信号强度值中包含的接收信号强度值个数，且m为大于2的正整数，

利用优化算法求解该锚节点对应的欠定方程组，以获得该锚节点与该未知节点之间的待测距离；

利用所述三个或更多个锚节点各自与未知节点之间的待测距离以及所述三个或更多个锚节点的坐标，计算所述未知节点的坐标。

2.根据权利要求1所述的基于优化算法的RSSI室内多径散射定位方法，其特征在于，所述在测得的所述来自该锚节点的多个接收信号强度值选择至少部分接收信号强度值的步骤包括：

在测得的所述来自该锚节点的多个接收信号强度值之中，去掉最大值和最小值，以将剩余的接收信号强度值作为所述至少部分接收信号强度值。

3.根据权利要求1或2所述的基于优化算法的RSSI室内多径散射定位方法，其特征在于，针对所述三个或更多个锚节点中的每一个，通过如下方式获得该锚节点对应的欠定方程组：

针对该锚节点对应的所述至少部分接收信号强度值中的每一个，获得由公式一表示的方程，其中公式一为：其中，j＝1,2,…,m，式中，d₀为参考距离，P₀为参考接收信号强度值，d为该锚节点与所述未知节点之间的待测距离，P_j为所述至少部分接收信号强度值中的第j个，n_j为与P_j对应的路径损耗系数；

该锚节点对应的欠定方程组由公式二表示，其中公式二为：

$\left\{\begin{array}{c}{P}_1=P_0+10n_1\lg \left(\frac{d}{d_0}\right)\\ P_2=P_0+10n_2\lg \left(\frac{d}{d_0}\right)\\ P_3=P_0+10n_3\lg \left(\frac{d}{d_0}\right)\\ ...\\ P_m=P_0+10n_m\lg \left(\frac{d}{d_0}\right)\end{array}\right..$

4.根据权利要求3所述的基于优化算法的RSSI室内多径散射定位方法，其特征在于，所述利用优化算法求解该锚节点对应的欠定方程组以获得该锚节点与该未知节点之间的待测距离的步骤包括：

构建其中，d_j为所述欠定方程组中第j个方程中的d，将2＜n_j＜4作为约束条件，j＝1,2,…,m，按照如下优化算法求解约束最优化问题

B1、设定迭代截止条件ε，使得当时结束迭代；

B2、给定一组初始可行的n_j，使其满足约束条件2<n_j<4；

B3、从n₁开始按照序号从小到大的顺序，分别对m个路径损耗系数中的每一个进行迭代计算；其中，针对m个路径损耗系数中的n_k，其中k∈{1,2,...,m}，从n_k＝2开始，利用所述公式二对n_k进行迭代计算，步长为0.0005，并当迭代到n_k＝4时结束对n_k的迭代计算；

在迭代计算的过程中，每一次迭代计算后判断当前结果是否满足若当前结果满足则结束迭代计算，将当前结果作为最优解；否则，继续迭代直到满足为止。