CN110333479A - 复杂室内环境下一种基于改进粒子滤波的无线定位方法 - Google Patents

Abstract

本发明公开了一种复杂室内环境下基于改进粒子滤波的无线定位方法，其特征在于，手持移动终端作为移动节点，对其所探测到的来自各个无线接入节点的接收信号强度指标值进行定时采集，并周期上报；后台在接到任意时刻上报的RSSI值后，将其与数据库中事先采集的各个位置上的无线指纹库进行匹配，从而估算其当前位置；若移动节点同时集成三轴加速度计、三轴陀螺仪以及三轴磁力计的九轴惯性导航模块等，则可以进一步用于行人航位的推算。本发明方法将改进粒子滤波算法结合到无线指纹定位系统中，在非高斯非线性的复杂室内环境下能够对手持移动目标的定位精度有较高的增益。

Description

复杂室内环境下一种基于改进粒子滤波的无线定位方法

技术领域

本发明涉及一种复杂室内环境下一种基于改进粒子滤波的无线定位方法。

背景技术

现有的基于接收信号强度指标(Received Signal Strength Indication，RSSI)的室内定位解决方案有基于信道模型和基于指纹图谱两类。第一类方案通过信道损耗模型，根据测量的RSSI值估计接收器和发射器之间的距离，然后根据估计算法估计出接收者的位置。但是，由于传播模型固有的误差因素，以及在室内的多径等影响下，这种方法得出的精度非常低；第二种方案是通过构建室内各个位置指纹图谱，然后将移动目标的无线环境测量的RSSI值与各个位置的无线指纹图谱进行比对，从而找到相对于移动目标的RSSI值与之相近的位置，从而估算出移动目标相对精确的位置。

在手持终端在复杂室内移动的过程中，单纯地使用无线指纹无法获得理想的定位精度。为了提高定位精度，通常与滤波结合起来。卡尔曼滤波在非线性系统的环境中滤波效果有限。而粒子滤波在非线性系统当中则有着非常好的效果。

发明内容

本发明所要解决的技术问题是：提供复杂室内环境下一种基于改进粒子滤波的无线定位方法。

为解决上述技术问题，本发明提供了一种复杂室内环境下一种基于改进粒子滤波的无线定位方法，其特征在于，包括如下步骤：

步骤1)：采用手持终端移动节点、粒子节点以及AP节点，其中，移动节点负责周期性收集其当前位置接收到的各个无线节点的RSSI值并进行上报到系统后台，后台将其与事先采集的室内各个位置上无线指纹库进行比对，估算出移动终端的位置；

若移动终端包含三轴加速度计、三轴陀螺仪和三轴磁力计的九轴惯性导航模块，则可推算移动终端的航位；另一方面，通过改进的粒子滤波算法，可以根据先前对于移动节点的估计数据，对移动节点及粒子节点的速度和加速度进行预测。

步骤2)：基于指纹定位理论模型的指纹定位：在t时刻，采集当前移动节点的接收信号强度并与每一个粒子节点所处位置的接收信号强度进行一一对比，每一个位置的接收信号强度信息都存储在事先采集好的后台指纹数据库中。从而对于每一个粒子节点i，根据与移动节点对比的结果，可以得到它们之间相似度度量值S_i，其表达式如下：

其中，P_i,j代表在t时刻粒子节点i所在位置接收到来自AP节点j的RSSI；R_j代表在t时刻移动节点接收到来自AP节点j的RSSI；a_j表示针对AP节点j的权重，若其为移动节点终端的服务节点，则其权重就较大，反之则较小；根据经验值，一般取服务节点的权重为5，其他的则为1。

对于每一个粒子节点i，S_i值越小，代表此粒子节点i与移动节点所接收到的信号强度越相似，进而可以认为当前无线环境越相似，即，所处的地理位置越接近。

步骤3)：根据式(1)计算S_i的值；t时刻每一个粒子节点i对移动节点的权重值W_i ^t为：

其中，i＝1,2,3,...,N；α为一极小值作为分母保护；

步骤4)：假设在复杂室内环境中布置有N个粒子节点，并且每一个粒子节点i在t时刻的坐标为则根据式(2)所计算出的权重，即可计算出t时刻的移动节点的坐标如下：

步骤5)：利用当前位置通过方法一或方法二计算速度以估计下一刻的位置：

方法一：惯性导航方法：利用移动节点的九轴惯性导航模块采集数据，具体步骤如下：

步骤a)：采用步长与步数的乘积获得移动节点的位置：

其中，x_t、y_t为t时刻移动节点在X和Y坐标系下的坐标，x_t+1、y_t+1为t+1时刻移动节点在X和Y坐标系下的坐标，SL_t为t时刻的步长，θ_t为t时刻移动节点的航向角；

步骤b)：步数检测：采用峰值检测的方式进行步数检测，通常检测的步数大于实际步数，因此定义一个步数检测峰值参数Δ_Tn，Δ_Tn为峰值之间的时间间隔，如果在Δ_Tn内出现多于两个峰值，则将第一个峰值作为行人的一步并作为后续步长估计的加速度值，而忽略其他峰值；

步骤c)：步长估计：步长采用如下经验公式进行估计：

SL_t＝0.25K×(A_max-A_min) 式(5)；

其中，A_max和A_min是在单步中的最大和最小垂直加速度，K是常数并通过步行训练得到；

步骤d)：行人航向角通过九轴惯性导航模块的三轴磁力计获得；

方法二：基于先验估计位置、加速度及时间戳方法：

其中，Δ_t是t时刻与t-1时刻的时间间隔，其由时间戳信息得到；

步骤7)：根据该次估计出来的速度，首先更新t+1时刻各个粒子的位置，其位置的更新信息如下：

其中，i＝1,2,3,...,N；

然后，根据粒子移动的新的位置在指纹库中寻找到其所在位置的无线信号接收情况；在t+1时刻重复步骤2)即可，从而计算任意位置的移动节点的室内平面坐标；

在初始时刻采用指纹定位方法确定移动节点的位置，然后通过随机法产生粒子，从而得到各个粒子的初始位置及速度。

优选地，所述步骤5)的方法中，若数据的时间戳信息的可知，则可通过此来确定移动节点的时间间隔Δ_T；若缺少时间戳信息或时间间隔Δ_T明显偏大，粒子滤波方法会出现严重失真。因此，对于在时间戳信息显示的Δ_Tn大于阈值或者时间戳信息不明确的情况，采用基于无线指纹的定位方法并根据其结果重新调整位置，以避免定位结果的发散。另外，当一个长的固定时间周期结束，也会使用指纹定位以进行相应的调整。

优选地，所述步骤5)与步骤7)之间还包括步骤6)：由于室内手持终端移动速度相对平缓，对于每一时刻所计算出来的速度信息v_t，通过平滑滤波器以保证其符合实际情况，其平滑滤波的公式为：

优选地，在每一次进行所述步骤2)计算之前，采用重要性重采样的方式来使得粒子进行更新，以防止无用的粒子占用过多权重；最终使得权重过低的无用粒子被淘汰，而权重高的粒子得以保留，且对其中一些粒子的位置信息加入随机量，抑制粒子陷入局部最优。

本发明采用粒子滤波模式与指纹图谱相结合的模式，通过不断估计移动目标的位置，从而估计移动目标的速度、加速度等信息，并且根据信息推测各个粒子之间的位置。并根据新的粒子节点位置上的无线指纹信息与新收到的无线信号强度进行比对从而确定各个粒子之间的权重，并根据权重对新的时刻上的移动目标的位置进行计算。该方法将粒子滤波与无线指纹定位的优点相结合，以提高复杂室内环境下的定位精度。

本发明包含移动节点、参考节点、无线节点以及事先采集的指纹图谱。其中，行人所持移动终端作为移动节点，负责定时收集其所收到的来自各个无线节点的RSSI值并进行周期上报。后台在接到周期上报的RSSI值后，将其与先前采集的指纹定位库进行比较处理，从而得到估计位置。移动节点可以包含三轴加速度计、三轴陀螺仪以及三轴磁力计的九轴惯性导航模块。用于做行人航位的推算算法。在改进的粒子滤波算法当中也可依照先验模型对于移动节点的速度信息进行预测。本方法使用改进的粒子滤波模型结合指纹定位模型，能够在非高斯非线性的室内环境下对于移动目标的定位精度有比较好的增益。

附图说明

图1为本发明的流程图。

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。

实施例

本发明提供了一种复杂室内环境下一种基于改进粒子滤波的无线定位方法，其流程如图1所示，包括如下步骤：

步骤1)：采用手持终端移动节点、粒子节点以及AP节点，其中，移动节点负责周期性收集其当前位置接收到的各个无线节点的RSSI值并进行上报到系统后台，后台将其与事先采集的室内各个位置上无线指纹库进行比对，估算出移动终端的位置；

若移动终端包含三轴加速度计、三轴陀螺仪和三轴磁力计的九轴惯性导航模块，则可推算移动终端的航位；另一方面，通过改进的粒子滤波算法，可以根据先前对于移动节点的估计数据，对移动节点及粒子节点的速度和加速度进行预测。

步骤2)：基于指纹定位理论模型的指纹定位：在t时刻，采集当前移动节点的接收信号强度并与每一个粒子节点所处位置的接收信号强度进行一一对比，每一个位置的接收信号强度信息都存储在事先采集好的后台指纹数据库中。从而对于每一个粒子节点i，根据与移动节点对比的结果，可以得到它们之间相似度度量值S_i，其表达式如下：

其中，P_i,j代表在t时刻粒子节点i所在位置接收到来自AP节点j的RSSI；R_j代表在t时刻移动节点接收到来自AP节点j的RSSI；a_j表示针对AP节点j的权重，若其为移动节点终端的服务节点，则其权重就较大，反之则较小；根据经验值，一般取服务节点的权重为5，其他的则为1。

对于每一个粒子节点i，S_i值越小，代表此粒子节点i与移动节点所接收到的信号强度越相似，进而可以认为当前无线环境越相似，即，所处的地理位置越接近。

步骤3)：根据式(1)计算S_i的值；t时刻每一个粒子节点i对移动节点的权重值W_i ^t为：

其中，i＝1,2,3,...,N；α为一极小值作为分母保护；

步骤4)：假设在复杂室内环境中布置有N个粒子节点，并且每一个粒子节点i在t时刻的坐标为则根据式(2)所计算出的权重，即可计算出t时刻的移动节点的坐标如下：

步骤5)：利用当前位置通过方法一或方法二计算速度以估计下一刻的位置：

方法一：惯性导航方法：利用移动节点的九轴惯性导航模块采集数据，具体步骤如下：

步骤a)：采用步长与步数的乘积获得移动节点的位置：

其中，x_t、y_t为t时刻移动节点在X和Y坐标系下的坐标，x_t+1、y_t+1为t+1时刻移动节点在X和Y坐标系下的坐标，SL_t为t时刻的步长，θ_t为t时刻移动节点的航向角；

步骤b)：步数检测：采用峰值检测的方式进行步数检测，通常检测的步数大于实际步数，因此定义一个步数检测峰值参数Δ_Tn，Δ_Tn为峰值之间的时间间隔，如果在Δ_Tn内出现多于两个峰值，则将第一个峰值作为行人的一步并作为后续步长估计的加速度值，而忽略其他峰值；

步骤c)：步长估计：步长采用如下经验公式进行估计：

SL_t＝0.25K×(A_max-A_min) 式(5)；

其中，A_max和A_min是在单步中的最大和最小垂直加速度，K是常数并通过步行训练得到；

步骤d)：行人航向角通过九轴惯性导航模块的三轴磁力计获得；

方法二：基于先验估计位置、加速度及时间戳方法：

其中，Δ_t是t时刻与t-1时刻的时间间隔，其由时间戳信息得到；

步骤6)：由于室内手持终端移动速度相对平缓，对于每一时刻所计算出来的速度信息v_t，通过平滑滤波器以保证其符合实际情况，其平滑滤波的公式为：

步骤7)：根据该次估计出来的速度，首先更新t+1时刻各个粒子的位置，其位置的更新信息如下：

其中，i＝1,2,3,...,N；

然后，根据粒子移动的新的位置在指纹库中寻找到其所在位置的无线信号接收情况；在t+1时刻重复步骤2)即可，从而计算任意位置的移动节点的室内平面坐标；

在初始时刻采用指纹定位方法确定移动节点的位置，然后通过随机法产生粒子，从而得到各个粒子的初始位置及速度。

所述步骤5)的方法中，若数据的时间戳信息的可知，则可通过此来确定移动节点的时间间隔Δ_T；若缺少时间戳信息或时间间隔Δ_T明显偏大，粒子滤波方法会出现严重失真。因此，对于在时间戳信息显示的Δ_Tn大于阈值或者时间戳信息不明确的情况，采用基于无线指纹的定位方法并根据其结果重新调整位置，以避免定位结果的发散。另外，当一个长的固定时间周期结束，也会使用指纹定位以进行相应的调整。

在每一次进行步骤2)计算之前，采用重要性重采样的方式来使得粒子进行更新，以防止无用的粒子占用过多权重；最终使得权重过低的无用粒子被淘汰，而权重高的粒子得以保留，且对其中一些粒子的位置信息加入随机量，抑制粒子陷入局部最优。

Claims (4)

1.一种复杂室内环境下一种基于改进粒子滤波的无线定位方法，其特征在于，包括如下步骤：

步骤1)：采用手持终端移动节点、粒子节点以及AP节点，其中，移动节点负责周期性收集其当前位置接收到的各个无线节点的RSSI值并进行上报到系统后台，后台将其与事先采集的室内各个位置上无线指纹库进行比对，估算出移动终端的位置；

若移动终端包含三轴加速度计、三轴陀螺仪和三轴磁力计的九轴惯性导航模块，则可推算移动终端的航位；

步骤2)：基于指纹定位理论模型的指纹定位：在t时刻，采集当前移动节点的接收信号强度并与每一个粒子节点所处位置的接收信号强度进行一一对比，每一个位置的接收信号强度信息都存储在事先采集好的后台指纹数据库中。从而对于每一个粒子节点i，根据与移动节点对比的结果，可以得到它们之间相似度度量值S_i，其表达式如下：

其中，P_i,j代表在t时刻粒子节点i所在位置接收到来自AP节点j的RSSI；R_j代表在t时刻移动节点接收到来自AP节点j的RSSI；a_j表示针对AP节点j的权重，若其为移动节点终端的服务节点，则其权重就较大，反之则较小；

步骤3)：根据式(1)计算S_i的值；t时刻每一个粒子节点i对移动节点的权重值W_i ^t为：

其中，i＝1,2,3,...,N；α为一极小值作为分母保护；

步骤4)：假设在复杂室内环境中布置有N个粒子节点，并且每一个粒子节点i在t时刻的坐标为则根据式(2)所计算出的权重，即可计算出t时刻的移动节点的坐标如下：

步骤5)：利用当前位置通过方法一或方法二计算速度以估计下一刻的位置：

方法一：惯性导航方法：利用移动节点的九轴惯性导航模块采集数据，具体步骤如下：

步骤a)：采用步长与步数的乘积获得移动节点的位置：

其中，x_t、y_t为t时刻移动节点在X和Y坐标系下的坐标，x_t+1、y_t+1为t+1时刻移动节点在X和Y坐标系下的坐标，SL_t为t时刻的步长，θ_t为t时刻移动节点的航向角；

步骤b)：步数检测：采用峰值检测的方式进行步数检测，通常检测的步数大于实际步数，因此定义一个步数检测峰值参数Δ_Tn，Δ_Tn为峰值之间的时间间隔，如果在Δ_Tn内出现多于两个峰值，则将第一个峰值作为行人的一步并作为后续步长估计的加速度值，而忽略其他峰值；

步骤c)：步长估计：步长采用如下经验公式进行估计：

SL_t＝0.25K×(A_max-A_min) 式(5)；

其中，A_max和A_min是在单步中的最大和最小垂直加速度，K是常数并通过步行训练得到；

步骤d)：行人航向角通过九轴惯性导航模块的三轴磁力计获得；

方法二：基于先验估计位置、加速度及时间戳方法：

其中，Δ_t是t时刻与t-1时刻的时间间隔，其由时间戳信息得到；

步骤7)：根据该次估计出来的速度，首先更新t+1时刻各个粒子的位置，其位置的更新信息如下：

其中，i＝1,2,3,...,N；

然后，根据粒子移动的新的位置在指纹库中寻找到其所在位置的无线信号接收情况；在t+1时刻重复步骤2)即可，从而计算任意位置的移动节点的室内平面坐标。

2.如权利要求1所述的复杂室内环境下基于改进粒子滤波的无线定位方法，其特征在于，所述步骤5)的方法中，若数据的时间戳信息的可知，则可通过此来确定移动节点的时间间隔Δ_T；对于在时间戳信息显示的Δ_Tn大于阈值或者时间戳信息不明确的情况，采用基于无线指纹的定位方法并根据其结果重新调整位置，以避免定位结果的发散。

3.如权利要求1所述的复杂室内环境下基于改进粒子滤波的无线定位方法，其特征在于，所述步骤5)与步骤7)之间还包括步骤6)：由于室内手持终端移动速度相对平缓，对于每一时刻所计算出来的速度信息v_t，通过平滑滤波器以保证其符合实际情况，其平滑滤波的公式为：

4.如权利要求1-3任意一项所述的复杂室内环境下基于改进粒子滤波的无线定位方法，其特征在于，在每一次进行所述步骤2)计算之前，采用重要性重采样的方式来使得粒子进行更新，以防止无用的粒子占用过多权重；最终使得权重过低的无用粒子被淘汰，而权重高的粒子得以保留，且对其中一些粒子的位置信息加入随机量，抑制粒子陷入局部最优。