CN108732534A - 一种基于加权mds的多标签协作定位方法 - Google Patents

Abstract

本发明涉及一种基于加权MDS的多标签协作定位方法，包括：在室内场景中，放置目标标签和阅读器的距离来估计其所在区域范围；建立欧式距离矩阵根据标量积矩阵和欧式距离矩阵之间的关系计算得到标量积矩阵采用加权多维标度算法对目标标签进行定位：首先将单位矩阵I_M+N作为算法的权重，获得的目标标签的位置，并作为下面迭代计算中目标标签初始的估计位置，利用获得目标标签的估计位置，采用残差向量方差作为算法新的权重W，再次获得目标标签新的估计位置，直至定位精度满足要求，输出最终获得目标标签的估计位置

Description

一种基于加权MDS的多标签协作定位方法

技术领域

本发明属于基于测距的室内定位领域，采用后向散射信道模型来估计标签之间的距离，并使用加权MDS算法来实现多标签的位置估计。

背景技术

近年来，随着物联网概念的兴起，无线技术和与之相关的定位技术受到了国内外专家学者的广泛关注。定位技术的应用领域十分广泛，包含工业、农业、商业军事等各个方面，目前世界上主要的定位系统有4个：美国的全球定位系统(GPS)、中国的北斗卫星导航系统(BDS)、俄罗斯的格洛纳斯卫星导航系统(GLONASS)和欧洲的伽利略卫星导航系统(GALILEO)。这些定位系统只在室外环境下拥有良好的定位性能，但是对于室内环境来说，由于卫星信号无法穿透建筑物，再加上室内环境复杂、障碍物多以及人员的走动等，使得室内定位效果很难同时兼备精度和稳健性，满足不了人们在室内环境下的定位需求。

射频识别(RFID)技术已经成为室内定位现在研究的重点，特别是利用标签的超高频(UHF)RFID定位技术由于其阅读范围广、读取速度快、成本低等特点获得了学者的关注，并将其广泛应用到物联网技术中。室内定位技术主要分为测距法和非测距法，常用的测距方法为到达时间(TOA)、到达时间差(TDOA)、接收信号强度(RSS)、到达相位差(PDOA)等。TOA方法通过测量单向传播时间来计算发射机和接收机之间的距离，TDOA方法使用接收机接收到来自不同发射机信号的时间差来获得距离差，RSS方法利用信号传播模型来估计发射机和接收机之间的距离，PDOA方法使用接收机接收到不同发射频率的信号的相位差来获得距离。指纹定位法是常用的非测距方法，其主要分为两个阶段即离线指纹采集阶段和在线实时定位阶段。离线指纹采集阶段通过人工在各个事先确定好的指纹点处测得每个发射源到该指纹点的接收信号强度RSS并构建一个位置与RSS的位置指纹数据库。在线实时定位阶段通过用户接收到的每个发射源的RSS序列并将其与离线阶段所建立的位置指纹数据库进行匹配处理得到当前待定位目标的位置坐标配算法与数据库的指纹信息进行比较来实现位置估计。

与测距和非测距RFID定位算法不同的是，多维标度(MDS)算法能够深入发掘链路节点之间的距离关系信息。当有一个高维的数据集，我们利用MDS来使数据视觉化。主成分分析(PCA)技术是优化保留的方差，而MDS是在减少维度的同时尽可能保留相对距离信息。MDS处理的输入数据是各个对象之间的相异(相似)矩阵，根据原始数据的类型，可以把MDS分为度量和非度量。在度量MDS中，原始数据可以是距离尺度定量也可以是比例尺度；在非度量MDS中，原始数据是次序性尺度。

发明内容

本发明的目的是一种基于加权MDS算法的利用多标签协作定位方法，其利用标签之间的距离信息建立欧氏距离矩阵，使得定位更为准确。具体技术方案如下：

一种基于加权MDS的多标签协作定位方法，包括下列步骤：

1)在室内场景中，放置N个阅读器，N≥4，在这N个阅读器包围的场景中放置M个目标标签x_ti目标标签均可和阅读器进行通信，同时目标标签可以通过与阅读器的距离来估计其所在区域范围，目标标签之间均可以进行互相通信；

2)根据阅读器位置，计算获得阅读器之间的距离；利用RSS信道模型估计目标标签和阅读器之间的距离；利用Tag-to-Tag通信估计标签之间的距离；

3)利用上述距离建立欧式距离矩阵根据标量积矩阵和欧式距离矩阵之间的关系计算得到标量积矩阵

4)采用加权多维标度算法对目标标签进行定位：首先将单位矩阵I_M+N作为算法的权重，获得的目标标签的位置，并作为下面迭代计算中目标标签初始的估计位置，利用获得目标标签的估计位置，采用残差向量方差作为算法新的权重W，再次获得目标标签新的估计位置，直至定位精度满足要求，输出最终获得目标标签的估计位置

附图说明

图1本发明待定位场景图。

图2本发明中标签与阅读器之间的信道模型。

图3本发明中Tag-to-Tag通信的信道模型。

图4使用本发明的定位结果仿真图。

图5使用本发明定位不同个数目标标签的概率密度曲线图。

具体实施方式

下面结合附图对本发明所述的一种基于加权MDS的多标签协作定位方法做进一步的描述。

1，图1示出了本发明所提算法的定位场景图，在10m×10m的室内环境中，4个阅读器的位置坐标分别为R₁(0,0)，R₂(10,0)，R₃(10,10)，R₄(0,10)。在场景中随机散落标签，我们将距离标签近的阅读器作为标签的激励源，在图中标签T₁、T₂和T₃的激励源是R₁。在Tag-to-Tag通信中，将距离激励源近的标签作为发射标签，另一个作为接收标签。在T₁-to-T₂和T₁-to-T₃通信链路中，T₁是发射标签；T₂-to-T₃通信链路中，T₂是发射标签。

2，图2示出了标签与阅读器之间的信道模型，我们通过这个模型估计标签和阅读器之间的距离：

其中，P_T是阅读器的发射功率，G_r、G_t分别是阅读器和标签的天线增益，X_rt是极化匹配系数，M_t是标签的调制指数，Θ是天线在目标上的获得处罚，F₂是单站衰落增益，L₀是距离为1m时的路径衰减，n是路径损失因子，d_rt阅读器和标签之间的距离，B_rt是路径堵塞损失。

图3示出Tag-to-Tag通信的信道模型，可以通过这个模型获得标签之间的距离：

其中，标签1是发射标签，标签2是接收标签。和分别是标签1和标签2的天线增益，和分别是标签1和阅读器、标签1和标签2的极化匹配系数，F_β是双站衰落增益，和分别是阅读器到标签1、标签1到标签2的路径堵塞损失。

3，假设目标标签位置为i＝1,…,M，阅读器位置为j＝1,…,N。在不考虑距离误差情况下建立欧式矩阵D：

以阅读器的中心点为参考节点这样可以获得一个新的位置坐标矩阵：

其中Q＝[-I_M×M,0_M×N]^T，是目标标签的位置坐标矩阵。

建立标量积矩阵其中P_w＝I_M+N-1_M+Nw^T，根据矩阵B_s的秩为2，且具有对称、半正定的性质，可以获得下列等式：

B_sA₁+B_sA₂x₀＝0_(M+N)×M

其中A₁是的前M列元素，剩下的列构成A₂。

考虑到测距误差，构建的标量积矩阵可以表示为：其中ΔB_s是标量积的误差矩阵。利用加权最小二乘法求解上式。首先用单位矩阵I_M+N作为权重获得目标标签初始的估计位置；然后利用残差的方差得到新的权重W＝E[εε^T]^-1，再次计算目标标签的估计位置。经过几次迭代运算就可以获得较好的定位结果，把最后一次的迭代结果输出。图4是在目标标签个数是2的时候与其他算法比较的结果，表明本发明的定位精度高于经典MDS和最小二乘算法。图5是目标标签个数分别为2、3、4、5情况下的定位结果。

Claims (1)

1.一种基于加权MDS的多标签协作定位方法，包括下列步骤：

1)在室内场景中，放置N个阅读器，N≥4，在这N个阅读器包围的场景中放置M个目标标签目标标签均可和阅读器进行通信，同时目标标签可以通过与阅读器的距离来估计其所在区域范围，目标标签之间均可以进行互相通信；

2)根据阅读器位置，计算获得阅读器之间的距离；利用RSS信道模型估计目标标签和阅读器之间的距离；利用Tag-to-Tag通信估计标签之间的距离；

3)利用上述距离建立欧式距离矩阵根据标量积矩阵和欧式距离矩阵之间的关系计算得到标量积矩阵

4)采用加权多维标度算法对目标标签进行定位：首先将单位矩阵I_M+N作为算法的权重，获得的目标标签的位置，并作为下面迭代计算中目标标签初始的估计位置，利用获得目标标签的估计位置，采用残差向量方差作为算法新的权重W，再次获得目标标签新的估计位置，直至定位精度满足要求，输出最终获得目标标签的估计位置