CN106856594A - 基于rssi的室内定位方法与系统 - Google Patents
基于rssi的室内定位方法与系统 Download PDFInfo
- Publication number
- CN106856594A CN106856594A CN201611149687.0A CN201611149687A CN106856594A CN 106856594 A CN106856594 A CN 106856594A CN 201611149687 A CN201611149687 A CN 201611149687A CN 106856594 A CN106856594 A CN 106856594A
- Authority
- CN
- China
- Prior art keywords
- rssi
- wavelet
- signals
- effective
- positioning
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000012937 correction Methods 0.000 claims abstract description 41
- 230000008569 process Effects 0.000 claims abstract description 23
- 230000009466 transformation Effects 0.000 claims abstract description 20
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 48
- 238000012545 processing Methods 0.000 claims description 42
- 238000000354 decomposition reaction Methods 0.000 claims description 24
- 230000006872 improvement Effects 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 4
- 239000000654 additive Substances 0.000 description 6
- 230000000996 additive effect Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于RSSI的室内定位方法与系统，分别采集至少三个定位基站接收的RSSI信号，对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号，对所述有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号，根据所述去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。整个过程中，高斯拟合和小波变换处理进行数据筛选与去噪，并考虑室内场景中大型设备和人员移动导致测量RSSI值的变化，引入正定矩阵校正估计偏移量的误差，有效提高定位精度。
Description
技术领域
本发明涉及定位技术领域，特别是涉及基于RSSI的室内定位方法与系统。
背景技术
室外主要通过北斗定位系统或全球定位系统(Global Positioning System，GPS)进行人员和车辆定位，目前的民用系统的精度已经达到10米以内，且系统精度与设备数量没有直接的关系，能够满足室外定位的需求。在室内场景中，如何设计和实现适用于室内场景的定位算法和系统，是当前定位技术研究的关键所在。
一般的室内定位技术主要通过搭建室内定位系统，通过多基站完成对目标的测量和定位。其中基于接收信号强度指示(Received Signal Strength Indication，RSSI)测距的泰勒级数算法，由于测量容易且实现简单，应用广泛。基于RSSI测距的泰勒级数算法，来源于三边定位算法，通过在待测场景中放置多个定位基站，测量待测节点与定位基站之间的RSSI值，计算距离信息得出待测节点位置，测量原理如图1所示。由于基于接收信号强度指示RSSI随距离变化，参考节点到待测节点或称盲节点的距离d1、d2、d3，可以通过各参考基站接收信号RSSI的测量值反推得出，上述基于RSSI测距定位法，通过定位基站接收信号，完成待测节点RSSI值的检测和两者之间距离的判断。
虽然理论上基于RSSI定位算法能够基本实现室内定位，但是在实际应用中，由于未考虑实际测量过程中的偶然误差对于测量结果的影响，算法将所有测量数据进行平均后，用于后续定位计算，会影响数据的有效性和定位精度，另外，在测量过程还存在噪音干扰与障碍遮挡，最终造成定位结果不准确。
发明内容
基于此，有必要针对一般室内定位方法定位结果不准确的问题，提供一种定位准确的基于RSSI的室内定位方法与系统。
一种基于RSSI的室内定位方法，包括步骤：
分别采集至少三个定位基站接收的RSSI信号；
对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号；
对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号；
根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。
一种基于RSSI的室内定位系统，包括：
采集模块，用于分别采集至少三个定位基站接收的RSSI信号；
高斯处理模块，用于对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号；
小波变换处理模块，用于对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号；
泰勒校正模块，用于根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。
本发明基于RSSI的室内定位方法与系统，分别采集至少三个定位基站接收的RSSI信号，对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号，对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号，根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。整个过程中，高斯拟合和小波变换处理进行数据筛选与去噪，并考虑室内场景中大型设备和人员移动导致测量RSSI值的变化，引入正定矩阵校正估计偏移量的误差，有效提高定位精度。
附图说明
图1位传统基于RSSI定位的原理示意图；
图2为本发明基于RSSI的室内定位方法第一个实施例的流程示意图；
图3为本发明基于RSSI的室内定位方法第二个实施例的流程示意图；
图4为本发明基于RSSI的室内定位系统第一个实施例的结构示意图；
图5为本发明基于RSSI的室内定位系统第二个实施例的结构示意图；
图6为应用本发明基于RSSI的室内定位方法与系统的定位结果与传统室内定位方法的定位结果对比图。
具体实施方式
为了更进一步详细解释本发明基于RSSI的室内定位方法与系统的技术原理，下面针对常规技术进行更详细的介绍。
在传统的基于RSSI的定位方法中，其测量原理图如图1所示，该场景中用于定位的3个定位基站坐标分别为(x1，y1)、(x2，y2)和(x3，y3)。由于基于接收信号强度指示RSSI随距离变化，参考节点到待测节点或称盲节点(x，y)的距离d1、d2、d3，可以通过各参考基站接收信号RSSI的测量值反推得出，具体如式(1)所示。式中A为距离信号源1米处接收信号强度的平均值，n为路径损耗指数与具体的传播环境密切相关，Xε为随机误差。
RSSI(d)＝-(10nlog10d+A+Xε) 式(1)
不同定位基站坐标(x1，y1)、(x2，y2)和(x3，y3)与盲节点(待测节点)(x，y)位置坐标，以及基于RSSI测量反推得出的距离d1、d2、d3，满足式(2)关系。
通过式(2)可以得出，盲节点位置坐标如式(3)。
上述传统的基于RSSI测距定位法，通过定位基站接收信号，完成待测节点RSSI值的检测和两者之间距离的判断。算法并未考虑实际系统RSSI参数测量的误差与波动，当定位基站数目大于3个时，多定位基站测量可以提升测量精度，此时式(2)变为超定方程，原算法不能够有效求解，此时需要通过泰勒(Taylor)级数算法将超定方程进行泰勒级数展开，保留线性的前两项是基于泰勒级数展开的加权似然估计递归算法，其基本原理是将非线性方程在初始估计值处进行泰勒级数展开，保留前两项，再用加权似然估计算法求解该方程。上述算法应用于室内场景时，需要从以下几个方面进行改进：1)RSSI测距定位的理论基础；2)RSSI信号的测量过程中，受到加性噪声的影响，传统泰勒级数展开定位算法考虑到系统和算法的简单有效性，以及不同系统中定位终端的运算和处理能力的限制，仅仅对多个测量值进行平均，未对测量结果进行深入处理，由于室内定位可以为多基站定位系统，在终端的处理和运算能力足够，并且都具有持续的电量供给的前提下，可以充分利用定位基站的处理和运算能力去除测量中的加性噪声，改善测量结果的可靠性，提高定位精度，例如在蓄能水电站的应用场景；3)在室内(例如厂房内)大型设备的遮挡和人员的运动，会导致不同定位基站接收到的RSSI值差异较大，但此时泰勒级数算法的求解，并未考虑去噪后的接收信号强度指示值RSSI的大小在测距时对于定位误差的影响。
针对上述三方面问题，本发明基于RSSI的室内定位方法与系统主要从三个层面进行改进。1)在数据筛选阶段，考虑实际测量过程中的偶然误差对于测量结果的影响，对定位基站测量的大量RSSI信号进行高斯拟合处理，保留其中满足概率阈值的大概率测量值，提高了测量数据的有效性；2)在数据处理阶段，对筛选出的有效测量信号进行小波变换，去除测量中的加性噪声，降低了测量过程引入的噪声对于定位算法的影响；3)对泰勒级数算法进行了改进，考虑去噪后的RSSI的平均值大小在测距时对于定位误差的影响。此时，RSSI平均值越大，说明测量时待测节点和定位基站之间的信道质量越好，则测量结果越准确，此时RSSI值对于测量结果偏移量的影响越小。所以本发明基于RSSI的室内定位方法与系统通过引入正定校正矩阵，校正了RSSI均值对于定位结果的影响程度。综上，基于RSSI的蓄能水电站室内定位算法，在数据筛选和处理阶段，充分考虑了误差和噪声的影响；在定位算法实现阶段，通过引入正定校正矩阵，优化了计算结果，能够有效提高室内定位算法的可靠性以及定位精度。
如图2所示，一种基于RSSI的室内定位方法，包括步骤：
S200：分别采集至少三个定位基站接收的RSSI信号。
在这里采集最少三个定位基站接收的RSSI信号，若数据处理能力足够，可以采集更多数量的定位基站接收的RSSI信号。非必要的，针对单个定位基站接收的RSSI信号，可以采集一段时间内接收的RSSI信号再求取其平均值作为该定位基站初始接收的RSSI信号。
S400：对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号。
在数据筛选阶段，考虑实际测量过程中的偶然误差对于测量结果的影响，对定位基站接收的大量RSSI信号进行高斯拟合处理，保留其中满足概率阈值的大概率RSSI信号，提高了测量数据的有效性。
具体来说，如图3所示，在其中一个实施例中，步骤S400包括：
S420：计算采集的RSSI信号的高斯分布均值与方差。
在实际定位测量的过程中，定位基站在不同时刻进行定位探测，接收和测量得到大量的RSSI值，由于式(1)中随机误差Xε的影响，同一基站在不同时刻测得的RSSI值理论上服从(μ,σ2)的高斯分布。
S440：根据采集的RSSI信号的高斯分布均值与方差，计算采集的RSSI信号的概率密度值。
其概率密度函数表示为：
其中RSSI高斯分布的均值为方差
S460：将采集的RSSI信号的概率密度值与预设概率阈值比较，丢弃概率密度值小于预设概率阈值对应的RSSI信号，概率密度值大于或等于预设概率阈值对应的RSSI信号，获得有效RSSI信号。
为了避免各种原因的偶然误差，导致的RSSI变化影响定位算法准确性，需要通过RSSI高斯拟合去除误差数据，即通过拟合之后去除由于各种误差引起的概率分布中的小概率事件。确定预设概率阈值TFLT，当0≤f(RSSI)＜TFLT，认为此时的RSSI值，出现概率较小，不满足门限要求，将此接收信号强度指示值去除；当TFLT≤f(RSSI)＜1时，此时的RSSI在拟合的概率密度较大区域，拟合说明接收信号强度指示值也大多分布于此区域，所以数据应予以保留。优选地，TFLT可以根据工程经验设置为0.6，则RSSI满足0.6≤f(RSSI)＜1，即μ+0.15σ≤RSSI≤μ+3.09σ时，当接收的RSSI值属于此区域时，将数据保留，否则，认为是小概率数据，剔除。
S600：对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号。
通过高斯拟合筛选出的有效数据，滤除了可能由于各种误差导致的小概率测量数据，如果直接使用筛选后的各基站测量的多个RSSI的平均值进行后续的定位估计，算法精度会受到测量时叠加的加性噪声的影响。所以，为了去除测量时系统噪声对于测量数据的影响，在这里，使用小波变换对测量信号进行去噪处理，降低测量过程引入的噪声对于定位算法的影响。具体来说，可以通过测量信号RSSI进行多分辨率小波分解从时域变换到小波域，合理选取阈值函数和阈值，将噪声所对应的小波系数按阈值函数进行处理，进行小波重构，将经过去噪处理后的数据从小波域变换回时域，得到去噪后的接收信号强度指示。
更进一步来说，在其中一个实施例中，步骤S600包括：
步骤一：将有效RSSI信号分解到小波域，获得至少两层小波系数以及与各层小波系数对应的尺度系数。
在具体应用实例中，可以选取Sym4小波以及恰当的分解层数，对筛选过的接收信号进行分解和重构，基于Sym4小波的分解滤波器为一个低通滤波器和一个高通滤波器。简单来说，该步骤是将含有噪声的接收信号变换分解到小波域，从而将接收信号和噪声干扰进行分离。由于小波变换是线性变换，对接收信号作离散小波变换后得到的小波系数仍由两部分组成，一部分是信号对应的小波系数，另一部分是噪声对应的小波系数。基于有用信号和噪声在经小波变换后具有不同的统计特性：有用信号的能量对应着幅值较大的小波系数，噪声能量则对应着幅值较小的小波系数，并分散在小波变换后的所有系数中。分析不同分解层中小波系数的特点，可以区分信号中的噪声和有效信号。由小波分解与重构快速算法(Mallet算法)可知，分解滤波的过程如下公式所示：
在式(5)中，dj,k为小波系数，cj,k为尺度系数，h,g为正交镜像滤波器组，h为低通滤波器，g为高通滤波器，j为分层数，N为离散采样点的数目。
步骤二：将至少两层小波系数分别与预设小波分解阈值进行比较，强制归零小于预设小波分解阈值的小波系数，并修正大于或等于预设小波分解阈值的小波系数，获得修正后的小波系数。
基于小波分解阈值去噪效果的好坏取决于小波基的选择、小波分解层数的确定以及阈值函数和阈值估计方法的选取。其中最重要的因素就是如何选择阈值函数以及确定所选择的阈值。优选地，采用分层固定软阈值法，按照式(6)对信号的小波系数进行处理。
对于小于阈值的小波系数，直接强制归零，而对于大于阈值的小波系数，则对其做修正处理。由于噪声是随机的不可预知的信号，在实际去噪过程中采用固定阈值进行估计。令式(6)中的预设小波分解阈值M为信号的长度。
步骤三：对修正后的小波系数与小波系数对应的尺度系数进行小波重构处理，获得去噪后的有效RSSI信号。
小波重构即是对去噪后的尺度系数和小波系数进行重构，从而变换为时域信号。同样得，小波重构过程是通过重构滤波器实现的，重构滤波器同样包括一个低通滤波器和一个高通滤波器。
其中cj,n为尺度系数，dj,n为小波系数，同时相应的hk-2n为重构低通滤波器，gk-2n为重构高通滤波器，j为分层数。可选的，可以使用小波包分析法对多分辨率小波分解没有细分的高频小波系数进一步分解，从而能够反映出更精细的高频信息，具有更为精确的局部分析能力，提高了时频分辨率。通过小波重构，去除了高斯拟合筛选出的有效数据中的加性噪声，去噪后的接收信号强度指示表示为RSSI。
S800：根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。
为了提高室内定位系统的精度，在测量时，采用多基站进行定位估计，当基站数目大于3个时，此时式(2)变为超定方程，通过泰勒(Taylor)级数算法求解盲节点(待测节点)坐标。泰勒级数算法的原理是利用泰勒级数展开，并通过加权最小二估计算法结合递归求解，但此时算法的求解，并未考虑接收信号强度指示值RSSI在测距时对于定位误差的影响，在室内，可能存在室内设备的遮挡和人员的运动，会导致不同定位基站接收到的RSSI值差异较大，其中RSSI信号经过了前面的误差剔除和小波变换去噪处理之后的RSSI平均值越大，说明测量时待测节点和定位基站之间的信道质量越好，则测量结果越准确，此时RSSI均值对于测量结果偏移量Δx和Δy的影响越小。所以在求解过程中加入正定矩阵R进行校正。其步骤主要包括：首先，通过加权似然法得到盲节点初始估计值的坐标(x',y')，将超定方程式(2)在初始估计值处进行泰勒级数展开，并忽略高次项，仅保留前两项，之后使用加权似然估计算法求解该方程。此时可以通过将加权似然法得到的初始坐标作为泰勒级数的初始展开位置，减少了迭代次数，降低了定位误差。
更进一步来说，在其中一个实施例中，步骤S800之前还包括步骤：
步骤一：根据去噪后的有效RSSI信号以及定位基站的位置，通过加权最大似然法，计算待测节点初始估计坐标。
在平面坐标系中，设(x,y)为待测盲节点的真实坐标，(x',y')为待测盲节点的估计坐标，(xi,yi)为第i个定位基站的坐标。参考基站节点到待测节点或称盲节点(x，y)的距离分别为d1,d2,d3,...,dn，可以表示为：
通过加权似然法得到盲节点初始估计值的坐标(x',y')，参考基站节点与该估计坐标值之间的距离表示为d1',d2',d3',...,dn'，满足式(9)。
步骤二：在待测节点初始估计坐标处进行泰勒展开，获得待测节点与各定位基站之间初始测量距离与真实距离的矩阵。
将节点的真实坐标可表示为加权似然得到的坐标与位置偏移量之和x＝x'+Δx，y＝y'+Δy，则将式(8)在盲节点初始估计值的坐标(x',y')处按照泰格级数展开，忽略高次非线性项，可得
将算法测量距离与真实距离的差距值用矩阵B＝(d1-d1' d2-d2' ... di-di' ...dn-dn')T表示，则通过推导可得
B＝AΔ 式(11)
其中，
步骤三：对待测节点与各定位基站之间初始测量距离与真实距离的矩阵中加入正定校正矩阵，获得正定校正矩阵改进后的泰勒算法。
考虑接收信号强度指示值RSSI在测距时对于定位误差的影响，在蓄能水电站电厂内部，厂房内部设备的遮挡和人员的运动，会导致不同定位基站接收到的RSSI值差异较大，其中RSSI信号经过了前面的误差剔除和小波变换去噪处理之后的RSSI平均值越大，说明测量时待测节点和定位基站之间的信道质量越好，则测量结果越准确，此时RSSI值对于测量结果偏移量Δx和Δy的影响越小。所以在求解过程中加入校正矩阵，R为正定对角矩阵，加入R校正后，表示为：
RB＝AΔ，解出Δ＝(ATA)-1ATRB 式(12)
正定校正矩阵表示为：
在本实施例中，步骤S800具体过程如下：
采用正定校正矩阵改进后的泰勒算法进行迭代计算，以进行室内定位，获得最终的定位结果。令重复上述过程，直到|Δx|+|Δy|＜ε，ε为预先设定的阈值，将此时的(x',y')作为盲节点最终的估计位置。
本发明基于RSSI的室内定位方法，分别采集至少三个定位基站接收的RSSI信号，对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号，对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号，根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。整个过程中，高斯拟合和小波变换处理进行数据筛选与去噪，并考虑室内场景中大型设备和人员移动导致测量RSSI值的变化，引入正定矩阵校正估计偏移量的误差，有效提高定位精度。
如图4所示，一种基于RSSI的室内定位系统，包括：
采集模块200，用于分别采集至少三个定位基站接收的RSSI信号。
高斯处理模块400，用于对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号。
小波变换处理模块600，用于对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号。
泰勒校正模块800，用于根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。
本发明基于RSSI的室内定位系统，采集模块200分别采集至少三个定位基站接收的RSSI信号，高斯处理模块400对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号，小波变换处理模块600对有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号，泰勒校正模块800根据去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。整个过程中，高斯拟合和小波变换处理进行数据筛选与去噪，并考虑室内场景中大型设备和人员移动导致测量RSSI值的变化，引入正定矩阵校正估计偏移量的误差，有效提高定位精度
如图5所示，在其中一个实施例中，高斯处理模块400包括：
计算单元420，用于计算采集的RSSI信号的高斯分布均值与方差。
高斯处理单元440，用于根据采集的RSSI信号的高斯分布均值与方差，计算采集的RSSI信号的概率密度值。
筛选单元460，用于将采集的RSSI信号的概率密度值与预设概率阈值比较，丢弃概率密度值小于预设概率阈值对应的RSSI信号，概率密度值大于或等于预设概率阈值对应的RSSI信号，获得有效RSSI信号。
在其中一个实施例中，小波变换处理模块600包括：
分解单元，用于将有效RSSI信号分解到小波域，获得至少两层小波系数以及与各层小波系数对应的尺度系数。
去噪单元，用于将至少两层小波系数分别与预设小波分解阈值进行比较，强制归零小于预设小波分解阈值的小波系数，并修正大于或等于预设小波分解阈值的小波系数，获得修正后的小波系数。
重构单元，用于对修正后的小波系数与小波系数对应的尺度系数进行小波重构处理，获得去噪后的有效RSSI信号。
在其中一个实施例中，本发明基于RSSI的室内定位系统还包括：
初始坐标模块，用于根据去噪后的有效RSSI信号以及定位基站的位置，通过加权最大似然法，计算待测节点初始估计坐标。
距离极端模块，用于在待测节点初始估计坐标处进行泰勒展开，获得待测节点与各定位基站之间初始测量距离与真实距离的矩阵。
校正改进模块，用于对待测节点与各定位基站之间初始测量距离与真实距离的矩阵中加入正定校正矩阵，获得正定校正矩阵改进后的泰勒算法。
在其中一个实施例中，校正改进模块中正定校正矩阵的函数表达式为：
式中，为第i个定位基站采集的RSSI的平均值。
为了更进一步详细解释本发明基于RSSI的室内定位与系统的技术方案以及带来的效果，下面将采用具体应用实例进行说明。
假定在40米*36米的测试房间中放置9个测试基站(房间的四边以及水平、垂直中线上均匀分布，放置3个测量定位基站)，保持房间中原有设备的放置并在测试过程中，加入人员移动的干扰，尽量接近真实的室内衰落和多径环境。定位估计误差表示如式(13)所描述，(x,y)为待测盲节点的真实坐标，(x',y')为待测盲节点的估计坐标。
在待测厂房中，分别进行了10次定位测试，每次测试时定位基站接收500次RSSI信号用于定位计算。图6比较了泰勒级数展开算法，和本发明基于RSSI的室内定位与系统的高斯筛选-小波变换-校正泰勒级数展开算法的定位结果，使用工程上的定位误差来表示定位结果的精确程度。可以看到，由于本发明基于RSSI的室内定位与系统对于测量结果通过高斯拟合筛选，去除了小概率的误差值，并且通过小波变换，去除了系统加性噪声的影响，通过添加校正提高定位算法的性能，所以在定位估计误差方面，本发明基于RSSI的室内定位与系统可以将定位精度控制在1.50米以内，同时，传统室内定位算法由于误差和噪声的影响，总体波动较大，本发明基于RSSI的室内定位与系统改进后的方案通过高斯筛选，小波变换的环节的数据处理，有效降低了误差波动的影响，提高的系统定位的稳定性和精确性。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于RSSI的室内定位方法，其特征在于，包括步骤：
分别采集至少三个定位基站接收的RSSI信号；
对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号；
对所述有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号；
根据所述去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。
2.根据权利要求1所述的基于RSSI的室内定位方法，其特征在于，所述对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号的步骤包括：
计算采集的RSSI信号的高斯分布均值与方差；
根据采集的所述RSSI信号的高斯分布均值与方差，计算采集的RSSI信号的概率密度值；
将采集的RSSI信号的概率密度值与预设概率阈值比较，丢弃概率密度值小于所述预设概率阈值对应的RSSI信号，保留概率密度值大于或等于所述预设概率阈值对应的RSSI信号，获得有效RSSI信号。
3.根据权利要求1所述的基于RSSI的室内定位方法，其特征在于，所述对所述有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号的步骤包括：
将所述有效RSSI信号分解到小波域，获得至少两层小波系数以及与各层小波系数对应的尺度系数；
将所述至少两层小波系数分别与预设小波分解阈值进行比较，强制归零小于所述预设小波分解阈值的小波系数，并修正大于或等于所述预设小波分解阈值的小波系数，获得修正后的小波系数；
对修正后的小波系数与小波系数对应的尺度系数进行小波重构处理，获得去噪后的有效RSSI信号。
4.根据权利要求1所述的基于RSSI的室内定位方法，其特征在于，所述根据所述去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果的步骤之前还包括：
根据所述去噪后的有效RSSI信号以及定位基站的位置，通过加权最大似然法，计算待测节点初始估计坐标；
在待测节点初始估计坐标处进行泰勒展开，获得待测节点与各定位基站之间初始测量距离与真实距离的矩阵；
对所述待测节点与各定位基站之间初始测量距离与真实距离的矩阵中加入正定校正矩阵，获得正定校正矩阵改进后的泰勒算法。
5.根据权利要求4所述的基于RSSI的室内定位方法，其特征在于，所述正定校正矩阵的函数表达式为：
式中，为第i个定位基站采集的RSSI的平均值。
6.一种基于RSSI的室内定位系统，其特征在于，包括：
采集模块，用于分别采集至少三个定位基站接收的RSSI信号；
高斯处理模块，用于对采集的RSSI信号进行高斯拟合处理，保留采集的RSSI信号中满足预设概率阈值的大概率RSSI信号，获得有效RSSI信号；
小波变换处理模块，用于对所述有效RSSI信号进行小波变换，获得去噪后的有效RSSI信号；
泰勒校正模块，用于根据所述去噪后的有效RSSI信号，采用正定校正矩阵改进后的泰勒算法进行室内定位，获得定位结果。
7.根据权利要求6所述的基于RSSI的室内定位系统，其特征在于，所述高斯处理模块包括：
计算单元，用于计算采集的RSSI信号的高斯分布均值与方差；
高斯处理单元，用于根据采集的所述RSSI信号的高斯分布均值与方差，计算采集的RSSI信号的概率密度值；
筛选单元，用于将采集的RSSI信号的概率密度值与预设概率阈值比较，丢弃概率密度值小于所述预设概率阈值对应的RSSI信号，保留概率密度值大于或等于所述预设概率阈值对应的RSSI信号，获得有效RSSI信号。
8.根据权利要求6所述的基于RSSI的室内定位系统，其特征在于，所述小波变换处理模块包括：
分解单元，用于将所述有效RSSI信号分解到小波域，获得至少两层小波系数以及与各层小波系数对应的尺度系数；
去噪单元，用于将所述至少两层小波系数分别与预设小波分解阈值进行比较，强制归零小于所述预设小波分解阈值的小波系数，并修正大于或等于所述预设小波分解阈值的小波系数，获得修正后的小波系数；
重构单元，用于对修正后的小波系数与小波系数对应的尺度系数进行小波重构处理，获得去噪后的有效RSSI信号。
9.根据权利要求6所述的基于RSSI的室内定位系统，其特征在于，还包括：
初始坐标模块，用于根据所述去噪后的有效RSSI信号以及定位基站的位置，通过加权最大似然法，计算待测节点初始估计坐标；
距离极端模块，用于在待测节点初始估计坐标处进行泰勒展开，获得待测节点与各定位基站之间初始测量距离与真实距离的矩阵；
校正改进模块，用于对所述待测节点与各定位基站之间初始测量距离与真实距离的矩阵中加入正定校正矩阵，获得正定校正矩阵改进后的泰勒算法。
10.根据权利要求9所述的基于RSSI的室内定位系统，其特征在于，所述校正改进模块中正定校正矩阵的函数表达式为：
式中，为第i个定位基站采集的RSSI的平均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611149687.0A CN106856594A (zh) | 2016-12-13 | 2016-12-13 | 基于rssi的室内定位方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611149687.0A CN106856594A (zh) | 2016-12-13 | 2016-12-13 | 基于rssi的室内定位方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106856594A true CN106856594A (zh) | 2017-06-16 |
Family
ID=59126783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611149687.0A Pending CN106856594A (zh) | 2016-12-13 | 2016-12-13 | 基于rssi的室内定位方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106856594A (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108710105A (zh) * | 2018-06-27 | 2018-10-26 | 云南电网有限责任公司文山供电局 | 换流站站内定位方法 |
| CN109041082A (zh) * | 2018-07-25 | 2018-12-18 | 朔联科技（上海）有限公司 | 定位信息传输方法 |
| CN109116343A (zh) * | 2018-09-11 | 2019-01-01 | 中北大学 | 一种移动终端接收信号强度的滤波方法 |
| CN109246601A (zh) * | 2018-09-06 | 2019-01-18 | 锐捷网络股份有限公司 | 一种无线网络的定位方法及装置 |
| CN109444812A (zh) * | 2018-09-28 | 2019-03-08 | 西北工业大学 | 一种引入动态阈值的rssi室内定位方法 |
| CN110118555A (zh) * | 2019-05-27 | 2019-08-13 | 深圳市贝贝特科技实业有限公司 | 无人机导航系统及方法 |
| CN110392425A (zh) * | 2019-08-20 | 2019-10-29 | 核芯互联科技(青岛)有限公司 | 一种室内定位方法、装置、系统及存储介质 |
| CN110764510A (zh) * | 2019-11-12 | 2020-02-07 | 西南交通大学 | 一种用于室内移动机器人的超声波定位系统和定位方法 |
| CN111414578A (zh) * | 2020-03-18 | 2020-07-14 | 电子科技大学 | 一种基于泰勒展开的无线传播模型 |
| CN111542115A (zh) * | 2020-05-18 | 2020-08-14 | 南京荣飞科技股份有限公司 | 一种基于125k的模拟参考标签定位系统及其方法 |
| CN112083375A (zh) * | 2020-08-05 | 2020-12-15 | 浙江万胜智能科技股份有限公司 | 一种基于位置指纹和Taylor的协同定位算法 |
| CN112162306A (zh) * | 2020-10-27 | 2021-01-01 | 国网福建省电力有限公司 | 一种基于北斗的室内外协同定位方法 |
| CN115385202A (zh) * | 2022-08-12 | 2022-11-25 | 苏州汇川控制技术有限公司 | 电梯安全检测方法、系统以及计算机可读存储介质 |
| IT202200004673A1 (it) * | 2022-03-11 | 2023-09-11 | Dotdotdot S R L | Metodo di localizzazione |
| CN116761255A (zh) * | 2023-08-17 | 2023-09-15 | 湖北香溢数字科技有限公司 | 一种车辆定位方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101876546A (zh) * | 2009-11-27 | 2010-11-03 | 北京航空航天大学 | 基于小波阈值去噪和far模型的mems陀螺数据处理方法 |
| CN102890263A (zh) * | 2012-09-18 | 2013-01-23 | 上海交通大学 | 基于rssi的共振梯度法自适应定位方法及系统 |
| CN103543437A (zh) * | 2012-07-16 | 2014-01-29 | 金纯� | 一种基于Zigbee技术的井下人员定位系统设计 |
| CN104125538A (zh) * | 2014-08-14 | 2014-10-29 | 中国科学院重庆绿色智能技术研究院 | 基于wifi网络的rssi信号强度的二次定位方法及装置 |
| CN104297724A (zh) * | 2014-10-15 | 2015-01-21 | 深圳市科松电子有限公司 | 定位方法及系统 |
-
2016
- 2016-12-13 CN CN201611149687.0A patent/CN106856594A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101876546A (zh) * | 2009-11-27 | 2010-11-03 | 北京航空航天大学 | 基于小波阈值去噪和far模型的mems陀螺数据处理方法 |
| CN103543437A (zh) * | 2012-07-16 | 2014-01-29 | 金纯� | 一种基于Zigbee技术的井下人员定位系统设计 |
| CN102890263A (zh) * | 2012-09-18 | 2013-01-23 | 上海交通大学 | 基于rssi的共振梯度法自适应定位方法及系统 |
| CN104125538A (zh) * | 2014-08-14 | 2014-10-29 | 中国科学院重庆绿色智能技术研究院 | 基于wifi网络的rssi信号强度的二次定位方法及装置 |
| CN104297724A (zh) * | 2014-10-15 | 2015-01-21 | 深圳市科松电子有限公司 | 定位方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 程俊 等: "基于ＲSSI 滤波的改进型泰勒级数室内定位算法", 《计算机技术与发展》 * |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108710105A (zh) * | 2018-06-27 | 2018-10-26 | 云南电网有限责任公司文山供电局 | 换流站站内定位方法 |
| CN109041082A (zh) * | 2018-07-25 | 2018-12-18 | 朔联科技（上海）有限公司 | 定位信息传输方法 |
| CN109041082B (zh) * | 2018-07-25 | 2022-02-22 | 朔联科技（上海）有限公司 | 定位信息传输方法 |
| CN109246601A (zh) * | 2018-09-06 | 2019-01-18 | 锐捷网络股份有限公司 | 一种无线网络的定位方法及装置 |
| CN109246601B (zh) * | 2018-09-06 | 2020-12-18 | 锐捷网络股份有限公司 | 一种无线网络的定位方法及装置 |
| CN109116343A (zh) * | 2018-09-11 | 2019-01-01 | 中北大学 | 一种移动终端接收信号强度的滤波方法 |
| CN109116343B (zh) * | 2018-09-11 | 2022-06-03 | 中北大学 | 一种移动终端接收信号强度的滤波方法 |
| CN109444812A (zh) * | 2018-09-28 | 2019-03-08 | 西北工业大学 | 一种引入动态阈值的rssi室内定位方法 |
| CN110118555A (zh) * | 2019-05-27 | 2019-08-13 | 深圳市贝贝特科技实业有限公司 | 无人机导航系统及方法 |
| CN110392425A (zh) * | 2019-08-20 | 2019-10-29 | 核芯互联科技(青岛)有限公司 | 一种室内定位方法、装置、系统及存储介质 |
| CN110392425B (zh) * | 2019-08-20 | 2020-03-17 | 核芯互联科技(青岛)有限公司 | 一种室内定位方法、装置、系统及存储介质 |
| CN110764510A (zh) * | 2019-11-12 | 2020-02-07 | 西南交通大学 | 一种用于室内移动机器人的超声波定位系统和定位方法 |
| CN111414578A (zh) * | 2020-03-18 | 2020-07-14 | 电子科技大学 | 一种基于泰勒展开的无线传播模型 |
| CN111542115A (zh) * | 2020-05-18 | 2020-08-14 | 南京荣飞科技股份有限公司 | 一种基于125k的模拟参考标签定位系统及其方法 |
| CN111542115B (zh) * | 2020-05-18 | 2022-03-08 | 南京荣飞科技股份有限公司 | 一种基于125k的模拟参考标签定位系统及其方法 |
| CN112083375A (zh) * | 2020-08-05 | 2020-12-15 | 浙江万胜智能科技股份有限公司 | 一种基于位置指纹和Taylor的协同定位算法 |
| CN112162306A (zh) * | 2020-10-27 | 2021-01-01 | 国网福建省电力有限公司 | 一种基于北斗的室内外协同定位方法 |
| IT202200004673A1 (it) * | 2022-03-11 | 2023-09-11 | Dotdotdot S R L | Metodo di localizzazione |
| EP4242684A1 (en) * | 2022-03-11 | 2023-09-13 | Dotdotdot S.r.l. | Method of localization |
| CN115385202A (zh) * | 2022-08-12 | 2022-11-25 | 苏州汇川控制技术有限公司 | 电梯安全检测方法、系统以及计算机可读存储介质 |
| CN116761255A (zh) * | 2023-08-17 | 2023-09-15 | 湖北香溢数字科技有限公司 | 一种车辆定位方法及装置 |
| CN116761255B (zh) * | 2023-08-17 | 2023-12-15 | 湖北香溢数字科技有限公司 | 一种车辆定位方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106856594A (zh) | 基于rssi的室内定位方法与系统 | |
| CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
| CN111323795B (zh) | 一种北斗变形监测中多路径误差的削弱方法 | |
| CN105898865B (zh) | 非线性非高斯条件下基于ekf和pf的协同定位方法 | |
| CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
| CN108801131B (zh) | 北斗高频变形监测数据的滤波方法及系统 | |
| CN113344291B (zh) | 城市内涝淹没范围的预报方法、装置、介质和设备 | |
| CN105785324B (zh) | 基于mgcstft的线性调频信号参数估计方法 | |
| CN111242404B (zh) | 一种强降雨诱发洪灾事件的极端性评估方法及系统 | |
| CN110933630A (zh) | 基于超宽带通信的室内三维定位方法及装置 | |
| CN105223482A (zh) | 局部放电特高频信号波形的小波分解二值去噪方法 | |
| CN106291607B (zh) | Gnss多径信号模拟生成方法及系统 | |
| CN111611541B (zh) | 基于Copula函数的无资料地区降水数据推求方法及系统 | |
| CN115100376A (zh) | 一种基于改进反距离插值法的电磁频谱地图实现方法 | |
| McNamara et al. | Assimilation procedures for updating ionospheric profiles below the F2 peak | |
| CN113702666A (zh) | 一种光纤陀螺惯性测量单元信号联合降噪方法 | |
| CN114236480A (zh) | 一种机载平台传感器系统误差配准算法 | |
| CN105978832A (zh) | 一种基于信道噪声动态估计的信道补偿和信号检测方法 | |
| Wang et al. | A novel indoor ranging method using weighted altofrequent RSSI measurements | |
| CN104407366A (zh) | 一种对伪距进行平滑处理的方法 | |
| CN114814779B (zh) | 浮标涌浪波高观测数据误差评估方法、系统、设备及介质 | |
| CN113687143B (zh) | 一种电磁波信号幅值衰减与传播距离关系曲线的拟合方法 | |
| CN113810854B (zh) | 终端运动轨迹的确定方法和服务器 | |
| CN116819432A (zh) | 基于特征谱跟踪的单矢量水听器水下多目标高稳定测向方法及系统 | |
| CN108985234B (zh) | 一种适用于非高斯信号的贝叶斯小波包降噪方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200610 Address after: Room 208, No. 100, Dongxing Road, Donghuan street, Panyu District, Guangzhou City, Guangdong Province Applicant after: SOUTHERN POWER GRID PEAK LOAD AND FREQUENCY REGULATION POWER GENERATION Co.,Ltd. Address before: 510635 No. 32 Longkou East Road, Guangzhou, Guangdong, Tianhe District Applicant before: Hong Fu Jin Precision Industry (ShenZhen) Co.,Ltd. Applicant before: GUANGDONG ELECTRIC POWER DESIGN INSTITUTE CO., LTD. OF CHINA ENERGY ENGINEERING Group |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170616 |
|
| RJ01 | Rejection of invention patent application after publication |