CN108064020B - 一种优化的室内定位方法 - Google Patents

Abstract

本发明一种优化的室内定位方法，包含质心定位算法模块、最优信标节点选取模块、待定位区域划分模块模块、连续定位模块。本方法首先利用狄克勋异常检测方法选择周边最优的信标节点，利用高斯滤波方法对信标进行滤波处理；然后利用质心定位法确定目标节点的初步所处区域，对该初步目标位置区域进行划分，缩小目标节点所处区域，确定目标节点离散定位阶段的最终位置；最后基于该最终位置利用粒子滤波算法估计目标节点的下一时刻所处的位置。

Description

一种优化的室内定位方法

技术领域

本发明属于无线通信和嵌入式系统技术领域，具体涉及一种基于低功耗蓝牙的离散定位与连续定位相结合的定位优化方法。

背景技术

近年来，随着物联网关键技术的成熟以及智能导航技术的发展，使得基于位置的服务得到了广泛关注。特别是在大型商场、博物馆、地下停车场等室内场所，用户常常需要知道自身的位置信息。用户广泛的需求极大地促进了无线传感器网络定位技术的发展。而室内定位技术则是无线传感器网络定位技术的一个重要组成部分和典型应用形式之一。

室内环境比较复杂，目前最成熟且最常用的GPS定位技术由于易受到建筑墙壁等障碍物的遮挡无法在室内进行高精度的定位操作。与此同时现有的室内定位算法中还存在很多不足，造成了基于蓝牙RSSI的室内测距定位精度不是很高。

目前常用的质心定位算法和三边定位算法，定位精度较差，实时性不高，而且不能对移动目标进行连续跟踪定位，但实际情况下目标都不是静止不动的，对移动的目标进行质心和三边离散定位势必造成定位精度不高误差不稳定等问题。

发明内容

为解决上述问题，本发明采用离散定位与连续定位相结合的办法，与此同时对离散定位和连续定位的定位过程进行了优化。本方法首先利用狄克勋异常检测方法选择周边最优的信标节点，利用高斯滤波方法对信标进行滤波处理；然后利用质心定位法确定目标节点的初步所处区域，对该初步目标位置区域进行划分，缩小目标节点所处区域，确定目标节点离散定位阶段的最终位置；最后基于该最终位置利用粒子滤波算法估计目标节点的下一时刻所处的位置。

为达到上述目的，本发明采用的技术方案是：一种离散定位与连续定位相融合的办法，包含优化的离散定位模块和优化的连续定位模块。优化的离散模块负责定位目标节点的初步位置，连续模块负责对目标节点下一时刻的位置进行实时预测。

优化的离散定位模块主要包括三个子模块：信标节点信号过滤模块，最优信标节点选取模块和待定位区域划分模块。

优化的连续定位模块主要包括四个子模块：目标位置初始化模块，粒子状态转移模块，粒子评价方法模块和目标下个时刻位置预测模块。

所述信标节点信号过滤模块用以接收各低功耗蓝牙设备的信号强度，对各低功耗蓝牙设备的信号强度进行分析，找出各个信标节点的信号强度都受哪些外界环境因素的影响，最后利用高斯滤波模型进行过滤处理，消除干扰因素；

所述最优信标节点选取模块，使用狄克勋异常检测方法检测各个信标节点的稳定性，对稳定性较差的信标节点进行剔除，消除不稳定的信标节点对定位进度所造成的影响，然后再结合各个信标节点与目标节点之间的距离因素选取最优信标节点，利用最优的信标节点参与定位过程；

所述待定位区域划分模块，使用质心定位法和三边定位算法计算出目标节点的所处的大致区域，然后对目标节点所处区域进行划分，判断目标节点处于各个划分后区域内的概率，最后对概率进行概率求和，进一步缩小待定位区域。

所述目标位置初始化模块利用优化的离散定位模块定位出的位置，然后在该初始位置附近进行高斯采样，在离该初始位置附近进行大量的粒子采样，在离该初始位置较远的区域内进行少量的粒子采样，最终完成目标节点连续定位阶段初始化过程。

所述粒子状态转移模块，由于目标是运动的，因此粒子也应该是时时刻刻动态变化的，这样才能不断地反应出当前目标用户的位置信息，为使每个粒子运动起来，对目标节点的运动规律进行了分析，通常运动方式分为无规律运动和有规律运动，对于行人目标节点由于其速度都是可估计的，因此粒子状态转移模块使用随机噪声加速度模型对每个粒子的状态进行更新。

所述粒子评价模块，在初始化阶段完成后，经过一步状态转移会在目标所处区域附近生成大量新的粒子，此时为了表征每个粒子与真实位置的相似程度需要对每个粒子进行评价，离真实位置越近的粒子权重值越高，相反权重值越低。

所述目标下个时刻位置预测模块利用目标转移方程结合粒子评价结果预测出目标节点下一时刻的位置。

本发明相对于现有技术，具有以下有益效果：

1.为解决接收到的信号强度不够准确的问题，对接收到的多组信号强度进行高斯滤波处理。客户端节点接收到周边多组信标节点发射过来的信号后，获取其信号强度值，然后利用高斯滤波模型对由异常干扰造成的小概率异常信号进行过滤。

2.为快速排除异常的信标节点，客户端终端节点接收每个信标节点发射过来的一组数据，然后通过狄克勋异常检测法对周边各个信标节点的稳定性进行判断，消除信标节点本身因素对定位精度所造成的影响。

3.为了提高离散定位法的定位精度，对离散定位结果所形成的重叠区域进行了划分，划分完成后，会形成多个小区域，分别去计算未知节点处于各个划分后区域内的概率，最后进行概率求和获得目标离散定位的最终结果。

4.为了能够对目标进行连续跟踪定位，利用粒子滤波定位法对离散定位法的定位结果进行了进一步的优化。

5.解决了离散定位法定位不够准确的缺陷，同时解决了不能对移动目标进行持续跟踪高精度定位的问题，优化后的定位方式使得对移动目标定位的精度得到了极大的提高，从而可实施长期的、可靠的连续目标跟踪定位。

附图说明

图1优化的离散定位过程。

图2优化的连续定位过程。

图3粒子评价过程。

具体实施方式

下面结合附图对本发明作进一步描述。

为了能够对移动目标进行持续的跟踪定位，同时解决室内定位精度不高的缺点，提出了离散定位与连续定位相结合的优化设计方案，该方案解决了离散定位定位精度不高、不能对移动目标进行持续跟踪定位等问题，同时该方案给连续定位法提供了最优的初始位置信息，优化了连续定位法的定位结果。此外为了进一步优化连续定位结果，我们采用一种优化的粒子评价方法。该方案能可靠地满足目标持续跟踪的要求。

参见图1，本发明对离散定位法进行了优化，包括：最优信标节点选取模块和待定位区域划分模块。利用最优信标节点选取模块选择最优的信标节点参与定位过程，消除信标节点本身对定位精度所造成的影响。利用离散定位法会形成图1所示的重叠区域，然后对目标最有可能所处的重叠区域进行划分，划分成多个小区域，判断目标节点处于各个划分后区域内的概率，最后进行概率求和获得目标的离散定位位置。具体包括如下步骤：

步骤1：客户端首先对接收到的每个信标节点的每组RSSI数据进行排序，排序后的集合可被表示为：

步骤2：在获得排序后的数据集合后，对R_sort集合内的数据进行Dixon异常检测，Dixon异常检测包括高端异常检测和低端异常检测。

步骤3：在狄克逊检验临界值表中查找，确定异常值的临界值，确定该组数据的稳定性，同时结合距离因素确定每个信标节点最优程度。

步骤4：确定每个信标节点最优程度，进行定位区域划分并与连续定位相融合，确定目标节点下个时刻的预测位置。

参见图2，优化的连续定位过程，用与目标的持续跟踪定位。该过程包括粒子初始化模块，状态转移模块和粒子评价模块。

粒子初始化模块，选取的粒子初始化采样函数越接近实际情况，就会有越多的抽样粒子聚集在真实位置的附近。这样产生的有效粒子数会更多，提高了定位精度的同时也使粒子能够尽快收敛，缩短了算法的计算时间。具体的粒子初始化步骤如下：

步骤1：获取离散定位结果。

步骤2：在离散定位结果位置附近进行高斯采样，在离散位置结果附近多次采样，在偏远位置处进行少量采样，完成粒子初始化过程。该采样方式有别于均匀采样，高斯采样能够很好的反应出目标节点的真实位置状态信息。

状态转移模块，目标状态转移模型规定了客户端移动目标节点的状态以怎样的方式随时间变化的问题。体现在本方法中指的是客户端移动目标节点的位置依据状态转移模型随时间变化的过程。由于目标的移动速度通常是可估计的，因此在该模块中引入了随机噪声加速度模型，加速度选择一满足高斯分布的一个常数，速度选择目标节点的大致移动速度。最后利用该随机噪声加速度模型对每个粒子进行状态更新，更新完成后会生成一个新的粒子集群，该新的粒子集群代表了目标节点经过一步状态转移后新的位置信息。

参见图3，本发明的粒子评价模块，具体包括如下步骤：

步骤1：计算客户端移动目标节点到周边某信标节点的节点距离，该节点距离通过信标的信号强度与信号距离之间的满足关系进行计算获得。

步骤2：同时计算粒子到该信标节点的距离。每个粒子的位置信息已知，通过获取到周边信标的信号强度与id可获得该信标节点的位置信息，计算两者之间的距离。

步骤3：判断粒子到该信标节点的距离与客户端移动目标节点到该信标节点距离之差是否大于阀值，对两者之差大于阀值的粒子说明已经偏离了目标，为减少计算量，对已经偏离了目标的粒子使其权值直接归零，在下一计算阶段对权值为零的粒子进行舍去；对两者之差小于阀值的粒子进行如下步骤进行评价：

步骤1：记录客户端目标节点扫描得到的信标节点个数，当扫描到的信标节点个数大于预设的阀值后，客户端终端节点停止扫描，对扫描获取到的信标节点进行稳定性分析，对每个信标节点的稳定性进行从大到小排序，存入集合内。

步骤2：从信标节点稳定性排序后的集合中取出前n个信标节点，获取与之对应的每个信标节点的位置信息，然后利用质心法和三边定位法获取目标节点所处的重叠区域，最后对该重叠区域进行划分，计算出目标节点的最终离散位置。

步骤3：利用步骤2计算出的目标离散位置，计算每个粒子与此离散位置的偏离程度，得到每个粒子的偏离程度，使用每个粒子的偏离程度对每个粒子进行评价，离真实目标越近的粒子偏离程度越小权值越大，离真实目标越远的粒子偏离程度越大，相应的其权值越小。

Claims (7)

1.一种优化的室内定位方法，其特征在于：该方法为一种离散定位与连续定位相融合的办法，包含优化的离散定位模块和优化的连续定位模块；优化的离散模块负责定位目标节点的初步位置，连续模块负责对目标节点下一时刻的位置进行实时预测；

优化的离散定位模块主要包括三个子模块：信标节点信号过滤模块，最优信标节点选取模块和待定位区域划分模块；

优化的连续定位模块主要包括四个子模块：目标位置初始化模块，粒子状态转移模块，粒子评价方法模块和目标下个时刻位置预测模块；

所述信标节点信号过滤模块用以接收各低功耗蓝牙设备的信号强度，对各低功耗蓝牙设备的信号强度进行分析，找出各个信标节点的信号强度都受哪些外界环境因素的影响，最后利用高斯滤波模型进行过滤处理，消除干扰因素；

所述最优信标节点选取模块，使用狄克勋异常检测方法检测各个信标节点的稳定性，对稳定性较差的信标节点进行剔除，消除不稳定的信标节点对定位进度所造成的影响，然后再结合各个信标节点与目标节点之间的距离因素选取最优信标节点，利用最优的信标节点参与定位过程；

所述待定位区域划分模块，使用质心定位法和三边定位算法计算出目标节点的所处的大致区域，然后对目标节点所处区域进行划分，判断目标节点处于各个划分后区域内的概率，最后对概率进行概率求和，进一步缩小待定位区域；

所述目标位置初始化模块利用优化的离散定位模块定位出的位置，然后在该初始位置附近进行高斯采样，在离该初始位置附近进行大量的粒子采样，在离该初始位置较远的区域内进行少量的粒子采样，最终完成目标节点连续定位阶段初始化过程；

所述粒子状态转移模块，由于目标是运动的，因此粒子也是时时刻刻动态变化的，这样才能不断地反应出当前目标用户的位置信息，为使每个粒子运动起来，对目标节点的运动规律进行了分析，通常运动方式分为无规律运动和有规律运动，对于行人目标节点由于其速度都是可估计的，因此粒子状态转移模块使用随机噪声加速度模型对每个粒子的状态进行更新；

所述粒子评价模块，在初始化阶段完成后，经过一步状态转移会在目标所处区域附近生成大量新的粒子，此时为了表征每个粒子与真实位置的相似程度需要对每个粒子进行评价，离真实位置越近的粒子权重值越高，相反权重值越低；

所述目标下个时刻位置预测模块利用目标转移方程结合粒子评价结果预测出目标节点下一时刻的位置。

2.根据权利要求1所述的一种优化的室内定位方法，其特征在于：对离散定位法进行优化，包括：最优信标节点选取模块和待定位区域划分模块；利用最优信标节点选取模块选择最优的信标节点参与定位过程，消除信标节点本身对定位精度所造成的影响；利用离散定位法会形成重叠区域，然后对目标最有可能所处的重叠区域进行划分，划分成多个小区域，判断目标节点处于各个划分后区域内的概率，最后进行概率求和获得目标的离散定位位置；具体包括如下步骤：

步骤1：客户端首先对接收到的每个信标节点的每组RSSI数据进行排序，排序后的集合可被表示为：

步骤2：在获得排序后的数据集合后，对R_sort集合内的数据进行Dixon异常检测，Dixon异常检测包括高端异常检测和低端异常检测；

步骤3：在狄克逊检验临界值表中查找，确定异常值的临界值，确定该组数据的稳定性，同时结合距离因素确定每个信标节点最优程度；

步骤4：确定每个信标节点最优程度，进行定位区域划分并与连续定位相融合，确定目标节点下个时刻的预测位置。

3.根据权利要求1所述的一种优化的室内定位方法，其特征在于：优化的连续定位过程，用与目标的持续跟踪定位；该过程包括粒子初始化模块，状态转移模块和粒子评价模块。

4.根据权利要求1所述的一种优化的室内定位方法，其特征在于：粒子初始化模块，选取的粒子初始化采样函数越接近实际情况，就会有越多的抽样粒子聚集在真实位置的附近；这样产生的有效粒子数会更多，提高了定位精度的同时也使粒子能够尽快收敛，缩短了算法的计算时间；具体的粒子初始化步骤如下：

步骤1：获取离散定位结果；

步骤2：在离散定位结果位置附近进行高斯采样，在离散位置结果附近多次采样，在偏远位置处进行少量采样，完成粒子初始化过程；该采样方式有别于均匀采样，高斯采样能够很好的反应出目标节点的真实位置状态信息。

5.根据权利要求1所述的一种优化的室内定位方法，其特征在于：状态转移模块，目标状态转移模型规定了客户端移动目标节点的状态以怎样的方式随时间变化的问题；体现在本方法中指的是客户端移动目标节点的位置依据状态转移模型随时间变化的过程；由于目标的移动速度是可估计的，因此在该模块中引入了随机噪声加速度模型，加速度选择一满足高斯分布的一个常数，速度选择目标节点的移动速度；最后利用该随机噪声加速度模型对每个粒子进行状态更新，更新完成后会生成一个新的粒子集群，该新的粒子集群代表了目标节点经过一步状态转移后新的位置信息。

6.根据权利要求1所述的一种优化的室内定位方法，其特征在于：粒子评价模块，具体包括如下步骤：

步骤1：计算客户端移动目标节点到周边某信标节点的节点距离，该节点距离通过信标的信号强度与信号距离之间的满足关系进行计算获得；

步骤2：同时计算粒子到该信标节点的距离；每个粒子的位置信息已知，通过获取到周边信标的信号强度与id可获得该信标节点的位置信息，计算两者之间的距离；

步骤3：判断粒子到该信标节点的距离与客户端移动目标节点到该信标节点距离之差是否大于阀值，对两者之差大于阀值的粒子说明已经偏离了目标，为减少计算量，对已经偏离了目标的粒子使其权值直接归零，在下一计算阶段对权值为零的粒子进行舍去；对两者之差小于阀值的粒子进行如下步骤进行评价。

7.根据权利要求6所述的一种优化的室内定位方法，其特征在于：对两者之差小于阀值的粒子进行如下步骤进行评价，评价过程如下，

步骤1：记录客户端目标节点扫描得到的信标节点个数，当扫描到的信标节点个数大于预设的阀值后，客户端终端节点停止扫描，对扫描获取到的信标节点进行稳定性分析，对每个信标节点的稳定性进行从大到小排序，存入集合内；

步骤2：从信标节点稳定性排序后的集合中取出前n个信标节点，获取与之对应的每个信标节点的位置信息，然后利用质心法和三边定位法获取目标节点所处的重叠区域，最后对该重叠区域进行划分，计算出目标节点的最终离散位置；

步骤3：利用步骤2计算出的目标离散位置，计算每个粒子与此离散位置的偏离程度，得到每个粒子的偏离程度，使用每个粒子的偏离程度对每个粒子进行评价，离真实目标越近的粒子偏离程度越小权值越大，离真实目标越远的粒子偏离程度越大，相应的其权值越小。

Images