CN108226912B - 基于稀疏网络的非接触物体感知定位的方法及系统 - Google Patents

Abstract

本发明适用于定位技术领域，提供了基于稀疏网络的非接触物体感知定位的方法，包括：发射器按照预置时间间隔发送数据包；接收器接收数据包，根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将数据包接收率和接收信号强度的平均值发送给节点基站；节点基站将数据包接收率和接收信号强度的平均值合并成特征向量，将所述特征向量和每一个训练向量的进行匹配，若匹配成功，则根据匹配成功的训练向量确定定位点，以定位点的定位坐标作为定位目标的定位坐标。本发明实施例不需要额外的硬件支持和开销，节约设备成本，利用数据包接收率来辅助接收信号强度进行对无穿戴物体的定位，不受环境影响，能够实现精准定位。

Description

基于稀疏网络的非接触物体感知定位的方法及系统

技术领域

本发明属于定位技术领域，尤其涉及一种利用数据包接收率对稀疏无线网络中无穿戴物体的非接触物体感知定位的方法及系统。

背景技术

近年来，位置相关的服务和相关的技术研究正向室内发展，以求有一天能为人们提供无所不在的基于位置的相关服务。而且，室内定位服务还能带来巨大的商业潜能。室内定位可以支持很多的应用场景，比如可以在大型的购物商城帮助顾客寻找某种商品，比如在地下商场为用户提供导航到某个商店，比如在飞机场或者火车站找到自己所购的票所对应的登机口或入站口，等等。

室内定位的迅猛发展，使得许多基于不同设备的定位系统进入人们视线。目前比较常见的有基于WiFi的定位，但基于同样的硬件使用不同方法所得到的结果会有较大的差异，基于计算机视觉的室内定位，则适用于增强现实的应用之中，弱现实系统足够细致，则可以做到几乎没有误差。基于磁场强度的定位系统，精度也能达到1-2m，但其覆盖范围由于距离限制而比较低。

虽然室内定位技术发展迅速，但今天仍然面临着许多挑战，大致可以分为精度、覆盖范围、可靠性、成本、功耗、可扩展性、响应时间等；不同的应用对精度的要求差别很大，而在基于各种设备的室内定位系统之中，无穿戴定位技术是目前最受研究者青睐的一种。无穿戴定位即不需要携带任何设备就能够准确获取目标物体位置的定位方法的统称。

传统无穿戴定位技术在室内定位中通常利用目标物体对信号产生的影响，通过信号的变化特征来判断物体位置或者存在状态。而接收信号强度RSS(Received SignalStrength)和信道状态信息CSI(Channel State Information)是室内定位研究中最常用的两个特征。在目前基于WiFi实现的室内定位系统中，通过CSI的差异反馈能够定位到不携带设备的目标，在整个无穿戴定位过程中，只需要两个信号收发器实现定位功能。然而，CSI本身是物理层的信息，由于物理层信息大多都有特定的协议封装，并不容易直接获取，所以就会造成在实际定位中获取困难的问题，而且会增大延迟度，同时，并不是所有的设备都支持物理层信息的提取，这便限制了CSI在大多数的通用设备上的可用性。

基于RSS的无穿戴室内定位系统在近年来为最常用的室内定位方法之一，由于接收信号强度会直接受到目标物体的影响，所以能够适用于许多较为复杂的室内环境，但基于RSS的定位方法有许多缺点，比如RSS信号很容易被环境的轻微变化所影响，这将造成难以区分目标物体影响还是只是环境干扰，还有因为在不同的环境中难以获得比较准确的路径衰减指数而使得定位不够精确，所以，大部分基于RSS的定位方法都需要布署很稠密的参考节点，定位设备成本高，同时系统本身对密集部署的需求也大大限制了它在现实生活总的可用性。

发明内容

本发明所要解决的技术问题在于提供一种基于稀疏网络的非接触物体感知定位的方法及系统，旨在解决现有对无穿戴目标进行定位时存在容易被环境的轻微变化所影响、定位不够精确和定位设备成本高的问题。

本发明是这样实现的，一种基于稀疏网络的非接触物体感知定位的方法，定位系统包括发生器、接收器和节点基站，所述定位系统的定位方法包括：

在定位区域内，所述发射器按照预置时间间隔发送数据包；

所述接收器接收所述数据包，根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将所述数据包接收率和所述接收信号强度的平均值发送给节点基站；

所述节点基站将所述数据包接收率和所述接收信号强度的平均值合并成特征向量，将所述特征向量和每一个训练向量的进行匹配，所述训练向量包括所述定位区域内每一定位点的数据包接收率和所述接收信号强度的平均值；

若所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标。

进一步地，所述训练向量的获取步骤包括：

将训练目标按照训练顺序安排在所述定位区域的每一定位点；

所述发射器按照预置时间间隔发送数据包；

所述接收器接收所述数据包，并在每个预置统计时间△H内统计所述数据包的数量，根据所述数据包的数量计算数据包接收率PRR，并计算预置统计时间△H内接收信号强度RSS的平均值，将所述数据包接收率PRR和所述接收信号强度RSS的平均值发送给节点基站；

所述节点基站在接收到预置个数的PRR和RSS的平均值后，将预置个数的PRR和RSS的平均值合并成一组训练向量；

所述节点基站根据所述训练向量建立地图数组，所述地图数组中包含按照位置顺序存储的每一所述定位点对应的PRR和RSS的平均值。

进一步地，设定位区域内有M对发射器和接收器，在每个预置统计时间△H内，以r表示每一接收器接收的数据包的数量；

所述接收器以每s个数据包计算一次PRR和RSS的平均值，得到q个PRR和RSS的平均值，其中，q＝r/s，1＜s≤r；

所述节点基站将U个PRR和RSS的平均值存储为一组训练向量，U＝2q；

对每一对发射器和接收器重复训练向量的获取步骤，得到K＝M×U个PRR和RSS的平均值，以

表示得到的K＝M×U个PRR和RSS的平均值，其中，n表示第n组训练向量。

进一步地，所述特征向量以P^K表示，所述训练向量以

表示，所述特征向量和每一个训练向量的进行匹配的步骤包括：

将初始值T_i ^K定义为：

其中，i表示第i个训练向量，1≤i≤n，j表示第j个数组元素，P^j表示所述特征向量P^K中的第j个值，T_i ^K表示第i个训练向量，k表示所述训练向量中的第k个值；

当j大于1或k大于1时，通过公式

计算特征向量P^K与训练向量T_i ^K之间的距离，得到特征向量P^K与训练向量T_i ^K的距离值D(P^K,T_i ^K)；

将定位区域内的每一定位点到特征向量P^K的距离值保存至距离向量Dist中，Dist_i＝D(P^K,T_i ^K)，1≤i≤n，i表示定位区域内n个定位点中的第i个；

将所述距离值按照从小到大进行排序，将排序结果保存至排序数组中，判断所述排序数组中是否有满足预设阈值的距离值；

则若所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标包括：

若所述排序数组中有满足预设阈值的距离值，确定每一满足预设阈值的距离值对应的训练向量，并获取所有确定的训练向量对应的定位点的定位坐标；

计算所有确定的训练向量对应的定位点的定位坐标的平均值，以所述平均值作为定位目标的定位坐标。

进一步地，所述特征向量和所述训练向量的维度均为6。

进一步地，所述接收器在预置统计时间△H内每接收到60个数据包计算一个数据包接收率，所述发射器和所述接收器的功率均为3W。

本发明实施例还提供了一种基于稀疏网络的非接触物体感知定位的系统，包括：

发射器，用于在定位区域内，按照预置时间间隔发送数据包；

接收器，用于接收所述数据包，根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将所述数据包接收率和所述接收信号强度的平均值发送给节点基站；

节点基站，用于将所述数据包接收率和所述接收信号强度的平均值合并成特征向量，将所述特征向量和每一个训练向量的进行匹配，所述训练向量包括所述定位区域内每一定位点的数据包接收率和所述接收信号强度的平均值，若所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标。

进一步地，所述定位系统获得训练向量的步骤包括：

将训练目标按照训练顺序安排在所述定位区域的每一定位点；

所述发射器按照预置时间间隔发送数据包；

所述接收器接收所述数据包，并在每个预置统计时间△H内统计所述数据包的数量，根据所述数据包的数量计算数据包接收率PRR，并计算预置统计时间△H内接收信号强度RSS的平均值，将所述数据包接收率PRR和所述接收信号强度RSS的平均值发送给节点基站；

所述节点基站在接收到预置个数的PRR和RSS的平均值后，将预置个数的PRR和RSS的平均值合并成一组训练向量；

所述节点基站根据所述训练向量建立地图数组，所述地图数组中包含按照位置顺序存储的每一所述定位点对应的PRR和RSS的平均值。

进一步地，设定位区域内有M对发射器和接收器，在每个预置统计时间△H内，以r表示每一接收器接收的数据包的数量；

所述接收器以每s个数据包计算一次PRR和RSS的平均值，得到q个PRR和RSS的平均值，其中，q＝r/s，1＜s≤r；

所述节点基站将U个PRR和RSS的平均值存储为一组训练向量，U＝2q；

对每一对发射器和接收器重复训练向量的获取步骤，得到K＝M×U个PRR和RSS的平均值，以

表示得到的K＝M×U个PRR和RSS的平均值，其中，n表示第n组训练向量；

所述特征向量以P^K表示，所述训练向量以

表示，所述节点基站还用于：

将初始值T_i ^K定义为：

其中，i表示第i个训练向量，1≤i≤n，j表示第j个数组元素，P^j表示所述特征向量P^K中的第j个值，T_i ^K表示第i个训练向量，k表示所述训练向量中的第k个值；

当j大于1或k大于1时，通过公式

计算特征向量P^K与训练向量T_i ^K之间的距离，得到特征向量P^K与训练向量T_i ^K的距离值D(P^K,T_i ^K)；

将定位区域内的每一定位点到特征向量P^K的距离值保存至距离向量Dist中，Dist_i＝D(P^K,T_i ^K)，1≤i≤n，i表示定位区域内n个定位点中的第i个；

将所述距离值按照从小到大进行排序，将排序结果保存至排序数组中，判断所述排序数组中是否有满足预设阈值的距离值；

若所述排序数组中有满足预设阈值的距离值，确定每一满足预设阈值的距离值对应的训练向量，并获取所有确定的训练向量对应的定位点的定位坐标；

计算所有确定的训练向量对应的定位点的定位坐标的平均值，以所述平均值作为定位目标的定位坐标。

进一步地，所述特征向量和所述训练向量的维度均为6，所述接收器在预置统计时间△H内每接收到60个数据包计算一个数据包接收率，所述发射器和所述接收器的功率均为3W。

本发明与现有技术相比，有益效果在于：本发明实施例实现定位方法的定位系统包括发射器、接收器和节点基站，发射器在定位区域内按照预置时间间隔发送数据包，接收器根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将计算得到的数据包接收率和接收信号强度的平均值发送给节点基站，节点基站根据数据包接收率和接收信号强度的平均值计算特征向量，将该特征向量与训练向量相匹配，若匹配成功，则根据匹配成功的训练向量确定定位点。本发明实施例中的发射器和接收器可以利用现有的定位系统中相应设备，不需要额外的硬件支持和开销，节约设备成本，同时本发明实施例利用数据包接收率来辅助接收信号强度进行对无穿戴物体的定位，因为数据包接收率不受环境的影响，即便在接收信号强度很弱的情况下，也能够实现精准定位，解决现有技术容易被环境的轻微变化所影响，定位不够精确的问题。

附图说明

图1a是现有技术提供的在静态环境中PRR和RSS的信号对比图；

图1b是现有技术提供的存在物体的情况下PRR和RSS的信号对比图；

图2是本发明实施例提供的一种基于稀疏网络的非接触物体感知定位的方法的流程图；

图3是本发明实施例提供的一种基于稀疏网络的非接触物体感知定位的系统的结构示意图；

图4是本发明实施例提供的动态时间规整定位算法的伪代码；

图5是本发明实施例提供的q值变化对定位结果影响的示意图；

图6是本发明实施例提供的s值变化对定位结果影响的示意图；

图7是本发明实施例提供的以一个发射器和接收器组成的无线传感节点在功率为2W的时候，PRR的影响示意图；

图8是本发明实施例提供的以一个发射器和接收器组成的无线传感节点在功率为3W的时候，PRR的影响示意图；

图9是本发明实施例提供的对所有定位点进行定位时的误差分析图；

图10是本发明实施例提供的对定位区域的非边界区域进行定位时的误差分析图；

图11是本发明实施例提供的定位结果分析图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

传统的基于RSS的室内无穿戴定位方法在实现时，通常会在定位区域预先部署许多个无线传感节点Telosb，每一Telosb由一个发射器和一个接收器组成，然后利用待定位目标处在定位区域中时，对Telosb所接收到的RSS值的影响，来计算待定位目标的位置。然而，发明人发现除了RSS会受到待定位目标存在的影响之外，一些无线链路的PRR也将受到待定位目标的影响，尤其是在Telosb稀疏部署或者Telosb之间没有视距LOS(Line ofSight))路径的情况下，这种现象更加突出。

为了验证PRR特征值用于定位的可行性，发明人在以室内环境作为定位区域中部署两个无线节点，一个节点是发射器，另一个节点是接收器。发送信号的时间间隔设置为15ms。将它们部署在非视距NLOS(not line of sight)的环境之中，两个节点由一堵约为20cm的混凝土墙壁隔开，依此确定发射器和接收器之间不存在视距LOS路径。发明人发现，在没有物体出现的静态环境中，RSS和PRR的值都是相对稳定的，如图1a所示。

而当有物体出现在定位区域的时候，理论上PRR和RSS都会随着物体存在或移动发生相应的变化，但相对来说，由于处在信号较弱的情形中，所以，RSS变化幅度会相应较小，而PRR在这种情况下则会随着物体在定位区域中的移动，产生比较明显的起伏变化。其中，图1a、图1b每个时间窗口代表一段时间(这里是0.75s)，在每一个时间窗口中发送器会持续以一个固定时间间隔发送数据包，而接收器会以一个时间窗口为单位，对接收到的数据包进行统计，并计算得到PRR，每一个PRR即是以0.75s里的50个数据包作为基准数量得到的数据包接收率。可以清楚地看到，当待定位目标出现在定位区域时，PRR和RSS都会发生变化，但不同的是，如图1b所示，PRR变化很明显时，RSS只有很微小的变化。显而易见，在这种情况里，PRR相对于RSS对于定位目标更为敏感。

基于上述原理，本发明实施例提供了一种基于稀疏网络的非接触物体感知定位的方法及其定位系统，定位系统包括发生器、接收器和节点基站，所述定位系统的定位方法如图1所示，包括：

S101，在定位区域内，所述发射器按照预置时间间隔发送数据包；

S102，所述接收器接收所述数据包，根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将所述数据包接收率和所述接收信号强度的平均值发送给节点基站；

S103，所述节点基站将所述数据包接收率和所述接收信号强度的平均值合并成特征向量，将所述特征向量和每一个训练向量的进行匹配，所述训练向量包括所述定位区域内每一定位点的数据包接收率和所述接收信号强度的平均值；

S104，若所述节点基站判断所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标。

在步骤S103中，节点基站使用动态时间规整DTW(Dynamic Time Warping)定位算法进行特征向量和训练向量之间的距离，并根据计算得到的距离值判断是否匹配。

DTW定位算法是在上世纪60年代由日本的相关研究学者提出，算法的基本思想是把未知量伸长或缩短(压扩)，直到参考模板长度一致，是特征向量与标准模式相对应，然后在最优时间规整的情况下计算两个向量之间的距离，距离越短，向量之间的相似度越大。由于PRR特征中带有时间信息，本发明时实施例需要求出定位时产生的PRR和RSS特征向量与线下训练得到的特征向量的相似性，因此本发明实施例通过DTW算法求出特征向量和训练向量之间的DTW距离，距离越小，则表示两个向量越相似，而通过这些相似的向量，能够判断出待定位目标与定位区域中的哪个点更为接近。

首先，在本实施例中，需要对定位区域进行位置标记，以0.5m为单位，将定位区域划分为网格区域，将网格区域中的线线交点作为定位点。将位置空间L定义为地面上包含n个定位点的定位区域，则L可表示为：

L＝{l₁＝(x₁,y₁),…,l_n＝(x_n,y_n)} (1)；

其中每个定位点均有定位坐标(x_i,y_i),1≤i≤n，i表示定位区域内的第i个位定位点，将所有这些定位点为训练位置，采集相应的PRR和RSS数据，在实际定位是，以这些定位点作为参照点计算待定位目标的实际位置。

本发明实施例在对待定位目标进行定位时，需要预先进行定位区域内的各定位点进行训练，得到训练向量，其中训练向量的获取步骤包括：

在线下训练阶段，安排一个实验助手作为无穿戴定位对象站立在L中点映射到地面上的位置，控制发射器不断发射数据包，接收器每隔ΔH统计一次收到的数据包的数量，并计算出PRR，同时，接收器计算ΔH时间内采集到的RSS的平均值，得到一个PRR值和一个RSS的平均值，接收器将该PRR值和RSS的平均值发送到节点基站。该节点基站中的处理模块将接收器发送的数据进行存储，当分别接收到s个PRR值和RSS的平均值，节点基站将s个PRR值和RSS值合并成为一组包含PRR和RSS信息的训练向量，L中有n个向量，因此能够得到n组包含PRR和RSS信息的训练向量，根据得到的训练向量以此建立一个地图数组，将每一个点位置所对应的RSS和PRR特征向量值按照位置顺序存储起来，该地图数组为将训练向量与实际位置的匹配，能够根据计算得到一组数据匹配在定位区域中的某定位点。

在每个固定的统计时间ΔH内，以r表示接收器接收到的数据包的数量，训练时以每s个数据包来计算一次PRR值和RSS的平均值，1<s<＝r。因此，得到q＝r/s个RSS的平均值和相同数量的PRR值，训练完毕后，将得到U＝2q个PRR和RSS的平均值存储为一个训练向量，其中，2q分别是q个PRR值和q个RSS的平均值，在本实施例中，只用动态时间规整定位算法计算一次，训练向量需包含PRR和RSS的平均值，以相互辅助提高定位的准确性，相对于单独只用PRR或者单独只用RSS的算法提高了定位的准确性。

假设在定位区域中有M对发射器和接收器，称为无线链路，定义一对对称的发射器和接收器称为一条链路，每一对发射器和接收器都会重复上面的步骤，得到K＝M×U个PRR值和RSS的平均值，以向量

来定义K，即M×U个PRR值和RSS的平均值，n表示第n组训练向量，即在地图数组中对应实际位置点n。

在实际对定位区域中的无穿戴待定位目标进行定位时，发射器以固定的时间间隔不断发射数据包，接收器接收数据包，每隔ΔH统计一次收到的数据包数量，根据接收到数据包数量计算PRR和RSS的平均值，将该PRR和RSS的平均值发送给节点基站进行处理，对于每一个确定的时间间隔ΔH，计算得到一个由RSS和PRR合并成的特征向量P^K。在定位区域没有物体时，计算得到的PRR和RSS的平均值为相对稳定的数值，得到的特征向量P^K会与静态环境下训练得到的训练向量相似，而定位区域存在有待定位目标时，计算得到的特征向量P^K将于该定位点存在训练目标时得到的训练向量很相近，通过动态时间规整(DTW)定位算法计算特征向量P^K和每一个训练向量T_i ^K的距离，1≤i≤n，动态时间规整(DTW)定位算法的伪代码如图4所示。其具体计算方法如下：

首先，每一个的初始值T_i ^K定义为：

定位区域中有n个定位点，每个定位点会有一个训练向量，在上述公式中，i表示n个训练向量里的第i个，也是指第i个定位点，j和k意义相同，表示两个需要比较的数组中的具体数值。P^j表示特征向量P^K中的第j个值，即此处P^K是特征向量，也就是一个数组，算法运算中，需要把数组中的每一个值拿出来进行运算，j可以理解为数组下标。因为位置点与训练向量一致，可以理解为每一个位置点，都有一个对应的训练向量，所以，此处可以说，i表示的是同一个值。训练向量T_i ^K中的i表示的是第i个训练向量，每一个训练向量就是一个数组，该数组包含K个数值，同时，总共有n个位置点，所以总共有n个训练向量，每一个训练向量对应一个位置点，第i个训练向量对应于第i个位置点)

本实施例通过下面的公式计算特征向量P^K和训练向量组T_i ^K之间的相似度，当j大于1或则k大于1的时候，有：

对于定位区域上的n个定位点，定义一个向量Dist来存储n个定位点分别到P^K的距离，即：

Dist_i＝D(P^K,T_i ^K),1≤i≤n；

由计算所得到的距离所组成的数组，与上面的地图数组相匹配，可以知道每个定位点得到的特征向量与训练时候时的训练向量的距离，特征向量和训练向量之间距离越小，越相似。

最后，将Dist_i中的距离值按照从小到大的排序，并将排序结果存放到排序数组L中，然后从L中选出前面α个距离值，根据该α个距离值确定α个定位点，在地图数组中确定该α个定位点的定位值(x_c1,y_c1),…,(x_cα,y_cα)。

通过对上一步中的α个定位值的位置坐标求平均值，得到待定位目标所处的定位点的坐标(X_t,Y_t)，其中：

下面，通过具体实验数据对本发明实施例进行进一步地阐述：

实验场景：

本实验在室内环境中进行，具体场景如图3所示，作为定位区域的实验区域的面积为5m×7m。在实验开始前，将两个通用Telosb传感器节点分别部署在两间屋子里，中间有一堵大约20cm厚的混凝土墙壁隔开，墙壁的一端有一扇门保持打开状态。两个节点中，一个节点作为发射器，另一个作为接收器。部署时放置在大约高为70cm的平台边缘，方向根据通信状况调整，以恰好接收器能够收到发射器发送的数据包为基准。两个节点无法视距通信，因此可以有理由推测在两个节点之间必然存在一条或多条非视距通信路径。设置发射器的发送功率设置-25dBm，即在Telosb中设置为3，发送频率是2.4GHz。通信信道设置为5，发射器发送每个数据包的时间间隔为15ms。

实验步骤：

在训练阶段，让实验对象分别站立在L中坐标点所对应的实际位置，该实际位置作为定位点，接收器收集数据包，每个接收器将在接收到s个数据包之后计算PRR的值，同时以s个接收到的RSS值进行求平均值，在实验中该值默认设置为s＝50。然后设置发送器将PRR和RSS的平均值发送节点基站。基站节点在接收到q(在实验中设置为6)个PRR值和RSS值之后，便将该点的PRR和RSS的平均值存放到二维数组中下标对应坐标点顺序的空间中，从而构建地图数组，即训练向量

T^K _n。

在实际定位阶段，每个接收器也将接收到一稳定频率不间断发送数据包，并直接处理，当发射器每发送s个数据包，接收器便统计在该时间窗口总共收到多少个数据包，从而进行计算得到的PRR值，同时计算s个RSS的平均值，将PRR值与RSS的平均值一起发送回节点基站进行处理。在获得q个PRR和q个RSS的平均值值之后，合并成一个长度为U的特征向量，将的到的特征向量P^K与T_i ^K通过DTW定位算法计算相似性，从而找到最相似的几个点，对这些点的横坐标和纵坐标分别求平均值，即可得到待定位的无穿戴物体的位置坐标。当重复上述定位步骤时，可以实现对待定位的无穿戴物体的追踪。

参数的选择：

本发明实施例在定位中有部分参数会对实验结果产生比较明显的差异，而某些参数则决定了定位系统的可行性。具体参数包括：

l_i＝(x_i,y_i)表示定位目标在地面上的位置坐标，r表示接收到数据包的总数，s表示计算一个PRR值接收到数据包的数量，q表示计算一次目标位置需要的PRR数量，M表示实验中用到的发射器和接收器的组数，K表示PRR和RSS组成的训练向量或特征向量的长度，T_i ^k表示第i个位置所对应的特征向量中第K个数据值，其在训练时已经存储到数组中，P^k表示实际定位时第k个定位点所收到的PRR和RSS的平均值合并所得的特征向量，(x_t,y_t)表示计算得到待定位的无穿戴物体所在定位点的坐标值，D(P^j,T_i ^k)表示存储P^K和每一个T_i ^K的DTW距离的数组。

在上述参数中，各参数的影响包括：

A、训练向量和特征向量维度的影响：

参数q是定位系统性能的关键参数之一，决定了训练向量和特征向量的维度，它的值取决于计算待定位的无穿戴物体的位置时需要用到多少组PRR和RSS的平均值。如果q设置过大，则收集数据包所需要的时间就会过长，相反，如果q设置的过小，定位的精度就会受到影响。

为了测试q的值对定位精度的影响情况，实验时将q依次设置为从4到10，而其他参数s为随机选择，如图5所示。实验发现，在其他参数不变的情况下，将q值设置为6时，计算得到的定位误差最小，而q的值大于或小于6时，定位误差都会比较大。原因归结于以下几点：如果q值低于6，由于时间关系，时间越短，获得的PRR值越少，使得定位时候的特征差异就会相对不明显；而如果q的值比6大，由于时间太长，很可能因为受信号噪声的影响而降低精度。因此，在实验中，统一将q的值设置为6。

B、时间窗大小的影响：

本发明实施例中，时间窗大小用s表示，s值表示得到一个PRR值所需的数据包数量，是决定定位精度和系统性能的重要参数之一。如果s值设置过大，则接收所有的数据包的时间会过长，从而导致系统延迟。如果该s值设置的太小，PRR的可能无法很好的表示链路的通信状况。

为了测试s值对定位精度的影响，实验中将s分别设置为40、50、60、70，如图6所示，当s的值设置为50或60的时候，定位误差最小，定位精度可以达到0.9m。当s的值设置为小于50的时候，定位的误差会逐渐变大，其原因为：当s值设置的太小的时候，由于接收包时间太短，数据包基数不够大，所计算得到的PRR不能灵敏地体现出通信链路的状态。而当s值比较大的时候，由于能够以数量较多的数据包来计算PRR的值，则会在一定程度上增大引入更多噪声信息的可能性，因为基于RF的定位系统，环境噪声是一个比较明显的误差原因，定位的误差也会比较大，此外，当s值设置较大时，定位系统的延迟也会变大。

因此，在最终的实验过程中，虽然将s值设置为60的时候比s值设置为50得到的结果更精确，但考虑到s值选取60时相对于选取50时的定位精度提升并不是很显著，却多出0.15秒的系统延迟，所以，为了在定位精度和系统延迟之间取得平衡，达到最佳的定位效果，在实验中选择s值为50。但在实际应用中，s值可以由用户根据相关应用对精度和延迟度的实际需求情况来决定。

C、Telosb功率的选取：

在进行定位的实验过程中，为了选取在Telosb节点上的合适功率，依次对Telosb节点的不同功率值进行了通信效果实验。

通信效果实验结果表明，当功率设置为1时，一对Telosb节点的只能在视距情形下通信，并且通信距离被限制在0.5m以内，只有当无穿戴物体站在两个节点之间的连线位置时，才能影响到节点通信的PRR值，这种情况下并不适合利用PRR进行定位。当功率设置为2时，一组Telosb节点仍然只能在视距情形下才能通信，通信距离也仍然较小，大约为0.7m长，与功率为1时稍有区别，如图7所示，只有当无穿戴物体位于两个节点之间的连线上大约0.45m宽的椭圆形区域，或者在发射器周围非常靠近近发射器的位置，才能对通信链路的PRR产生影响，而且，这种影响是非此即彼的，也就是要么PRR值接近于100％，要么接近于0％，所以，功率为2的情况依然不适合用来进行定位。

而当功率设置为3时，是Telosb节点通信状况的一个转折点，相对于功率设置为1和2的情况，不管通信距离还是适用环境都会有一个明显的改变，不仅能在一定条件中的非视距情形下进行通信，而且在视距通信时，通信距离能达到15m左右，但由于其在视距情形下受物体的影响区域较小，即只有当物体位于发射器和接收器连线的两端处，各有大约两米的距离区域会对PRR值产生影响，如图8所示。显而易见，这远远不足以用来对物体进行定位，在非视距情形下时，使两节点部署位置属于恰好能够通信的位置，此时，通信链路处于临界状态，物体在接收器与发射器之间的平面区域的不同位置时，将会对PRR产生明显的影响。而在Telosb功率设置为4的时候，节点之间的链路较为稳定，不论是视距情形还是非视距情形下，物体对链路的PRR影响都不显著，所以，在本定位系统中设置Telosb节点的发送功率为3。

实验结果：

如图11所示，在实验中总共在定位区域里设置了38个定位点，其中，有14个定位点属于边界位置，是否考虑边界位置的情况有明显的区别。

a、将边界样本位置包含入定位结果：

实验结果如图9所示。该图是基于所有样本位置的计算结果，对于包括边界区域点在内的情况，本发明实施例提供的定位系统PRRRSS的定位精度可以达到1.18m左右，基于纯RSS的定位精度仅为1.26m。要注意的是，样本目标位置的定位结果如图9所示。圆圈表示实际位置，而星星表示计算得出的位置。

b、不包含边界位置样本的定位结果：

图10示出了基于非边界样本位置的计算结果。在不将边界样本位置计算在内的情况下，定位精度可以达到0.9m左右，而同样情况下基于存RSS的定位精度只有1.05m。样本目标位置的定位结果如图10所示。圆圈表示实际位置，而星星表示计算得出的位置。

c、是否包含边界情况对比分析：

在本发明实施例提供的定位系统中，因为在实验环境中传感器节点采取稀疏部署的方式，只在墙壁两边各布置一个，而两个节点之间并不存在视距LOS信号路径，同时，功率设置为3的情况下，信号比较弱，而在边界区域的信号会更弱，所以，测试边界区域时，其PRR会很难作为定位的有效值，所以在本定位系统中，对非边界区域目标的定位准确性会更好。

总之，实验结果表明，无论测试样本是否包含边界区域的位置，本发明实施例提供的定位系统总是优于单纯使用RSS的定位系统。

本发明实施例提出了一个利用PRR来辅助RSS对无穿戴物体的定位方法及系统。PRR可以直接在一般的无线电装置中直接得到，不需要额外的硬件开销。而且，它能够被广泛应用于稀疏无线网络中，对基于PRR的定位实现进行辅助，值得一提的是，在复杂的室内环境中，比如参考节点的无线信号并不能通过视距路径传播的情况，定位效果更明显，极大的降低了室内定位对于环境的要求和限制。借助DTW算法求得的两个向量的相似性，本发明实施例提供的定位系统能够精确地计算出无穿戴物体的坐标位置。实验表明，本发明实施例提供的定位方法在室内环境中只需要两个无线传感器节点即可以实现，定位精度能够比单纯使用RSS得到的定位结果提升14.3％。另外，本发明实施例提供的定位方法并非只能用于对RSS的辅助，同时还能提高对于使用常用硬件的所有基于无线电频率的定位系统的定位精确度。

本发明实施例基于Telosb的传感器节点，通过收集PRR值和RSS的平均值进行向量匹配，具有定位精度高、所需设备少、以及对复杂环境适应性较强的特点。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于稀疏网络的非接触物体感知定位的方法，其特征在于，定位系统包括发射器、接收器和节点基站，所述定位系统的定位方法包括：

在定位区域内，发射器按照预置时间间隔发送数据包；

所述接收器接收所述数据包，根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将所述数据包接收率和所述接收信号强度的平均值发送给节点基站；

所述节点基站将所述数据包接收率和所述接收信号强度的平均值合并成特征向量，将所述特征向量和每一个训练向量进行匹配，所述训练向量包括所述定位区域内每一定位点的数据包接收率和所述接收信号强度的平均值；

若所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标。

2.如权利要求1所述的方法，其特征在于，所述训练向量的获取步骤包括：

将训练目标按照训练顺序安排在所述定位区域的每一定位点；

所述发射器按照预置时间间隔发送数据包；

所述接收器接收所述数据包，并在每个预置统计时间△H内统计所述数据包的数量，根据所述数据包的数量计算数据包接收率PRR，并计算预置统计时间△H内接收信号强度RSS的平均值，将所述数据包接收率PRR和所述接收信号强度RSS的平均值发送给节点基站；

所述节点基站在接收到预置个数的PRR和RSS的平均值后，将预置个数的PRR和RSS的平均值合并成一组训练向量；

所述节点基站根据所述训练向量建立地图数组，所述地图数组中包含按照位置顺序存储的每一所述定位点对应的PRR和RSS的平均值。

3.如权利要求2所述的方法，其特征在于，设定位区域内有M对发射器和接收器，在每个预置统计时间△H内，以r表示每一接收器接收的数据包的数量；

所述接收器以每s个数据包计算一次PRR和RSS的平均值，得到q个PRR和RSS的平均值，其中，q＝r/s，1＜s≤r；

所述节点基站将U个PRR和RSS的平均值存储为一组训练向量，U＝2q；

对每一对发射器和接收器重复训练向量的获取步骤，得到K＝M×U个PRR和RSS的平均值，以

表示得到的n个训练向量，每个训练向量的长度是K，其中，n表示总共有n个训练向量，分别对应n个位置点。

4.如权利要求3所述的方法，其特征在于，所述特征向量以P^K表示，所述训练向量以

表示，所述特征向量和每一个训练向量的进行匹配的步骤包括：

将初始值D(P^j,T_i ^k)定义为：

其中，i表示第i个训练向量，1≤i≤n，j表示第j个数组元素，P^j表示所述特征向量P^K中的第j个值，T_i ^k表示第i个训练向量，k表示所述训练向量中的第k个值；

当j大于1或k大于1时，通过公式

计算特征向量P^K与训练向量T_i ^K之间的距离，得到特征向量P^K与训练向量T_i ^K的距离值D(P^K,T_i ^K)；

将定位区域内的每一定位点到特征向量P^K的距离值保存至距离向量Dist中，Dist_i＝D(P^K,T_i ^K)，1≤i≤n，i表示定位区域内n个定位点中的第i个；

将所述距离值按照从小到大进行排序，将排序结果保存至排序数组中，判断所述排序数组中是否有满足预设阈值的距离值；

则若所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标包括：

若所述排序数组中有满足预设阈值的距离值，确定每一满足预设阈值的距离值对应的训练向量，并获取所有确定的训练向量对应的定位点的定位坐标；

计算所有确定的训练向量对应的定位点的定位坐标的平均值，以所述平均值作为定位目标的定位坐标。

5.如权利要求1至4任意一项所述的方法，其特征在于，所述特征向量和所述训练向量的维度均为6。

6.如权利要求1至4任意一项所述的方法，其特征在于，所述接收器在预置统计时间△H内每接收到60个数据包计算一个数据包接收率，所述发射器和所述接收器的功率均为3W。

7.一种基于稀疏网络的非接触物体感知定位的系统，其特征在于，包括：

发射器，用于在定位区域内，按照预置时间间隔发送数据包；

接收器，用于接收所述数据包，根据预置统计时间内接收的数据包的数量计算数据包接收率，并计算接收信号强度的平均值，将所述数据包接收率和所述接收信号强度的平均值发送给节点基站；

节点基站，用于将所述数据包接收率和所述接收信号强度的平均值合并成特征向量，将所述特征向量和每一个训练向量进行匹配，所述训练向量包括所述定位区域内每一定位点的数据包接收率和所述接收信号强度的平均值，若所述特征向量与所述训练向量匹配成功，则根据匹配成功的训练向量确定定位点，以所述定位点的定位坐标作为定位目标的定位坐标。

8.如权利要求7所述的系统，其特征在于，所述定位系统获得训练向量的步骤包括：

将训练目标按照训练顺序安排在所述定位区域的每一定位点；

所述发射器按照预置时间间隔发送数据包；

所述接收器接收所述数据包，并在每个预置统计时间△H内统计所述数据包的数量，根据所述数据包的数量计算数据包接收率PRR，并计算预置统计时间△H内接收信号强度RSS的平均值，将所述数据包接收率PRR和所述接收信号强度RSS的平均值发送给节点基站；

所述节点基站在接收到预置个数的PRR和RSS的平均值后，将预置个数的PRR和RSS的平均值合并成一组训练向量；

所述节点基站根据所述训练向量建立地图数组，所述地图数组中包含按照位置顺序存储的每一所述定位点对应的PRR和RSS的平均值。

9.如权利要求8所述的系统，其特征在于，设定位区域内有M对发射器和接收器，在每个预置统计时间△H内，以r表示每一接收器接收的数据包的数量；

所述接收器以每s个数据包计算一次PRR和RSS的平均值，得到q个PRR和RSS的平均值，其中，q＝r/s，1＜s≤r；

所述节点基站将U个PRR和RSS的平均值存储为一组训练向量，U＝2q；

对每一对发射器和接收器重复训练向量的获取步骤，得到K＝M×U个PRR和RSS的平均值，以

表示得到的K＝M×U个PRR和RSS的平均值，其中，n表示第n组训练向量；

所述特征向量以P^K表示，所述训练向量以

表示，所述节点基站还用于：

将初始值D(P^j，T_i ^k)定义为：

其中，i表示第i个训练向量，1≤i≤n，j表示第j个数组元素，P^j表示所述特征向量P^K中的第j个值，T_i ^K表示第i个训练向量，k表示所述训练向量中的第k个值；

当j大于1或k大于1时，通过公式

计算特征向量P^K与训练向量T_i ^K之间的距离，得到特征向量P^K与训练向量T_i ^K的距离值D(P^K,T_i ^K)；

将定位区域内的每一定位点到特征向量P^K的距离值保存至距离向量Dist中，Dist_i＝D(P^K,T_i ^K)，1≤i≤n，i表示定位区域内n个定位点中的第i个；

将所述距离值按照从小到大进行排序，将排序结果保存至排序数组中，判断所述排序数组中是否有满足预设阈值的距离值；

若所述排序数组中有满足预设阈值的距离值，确定每一满足预设阈值的距离值对应的训练向量，并获取所有确定的训练向量对应的定位点的定位坐标；

计算所有确定的训练向量对应的定位点的定位坐标的平均值，以所述平均值作为定位目标的定位坐标。

10.如权利要求7至9任意一项所述的系统，其特征在于，所述特征向量和所述训练向量的维度均为6，所述接收器在预置统计时间△H内每接收到60个数据包计算一个数据包接收率，所述发射器和所述接收器的功率均为3W。

Images