CN110430522A - 基于多边定位和指纹定位相结合的室内定位方法 - Google Patents

Abstract

本发明公开了一种基于多边定位和指纹定位相结合的室内定位方法，以多边定位法和指纹定位法为基础，以定位精度和降低计算量为目标，以图论的相关知识为研究工具，结合无线通信的相关原理优化定位的可靠性；在多边定位法的第一次定位阶段，利用RSSI和TOA两种测距手段，优化了定位参数的准确度，从而提高了首次定位的精度；而在二次定位阶段，基于前次的定位结果和最大误差，在误差范围内进一步寻找精确的位置信息，从而既可以降低最终定位结果的误差，又可以降低指纹定位法的巨大的计算量。本发明搜索范围小，降低了计算开销，同时本发明可以在目标物体处于动态的情况下实施等时间间隔的连续定位，从而得到物体运动的轨迹。

Description

基于多边定位和指纹定位相结合的室内定位方法

技术领域

本发明涉及一种基于多边定位法和指纹识别定位法两套思路，搭建基于短距离无线通信的室内定位系统，属于无线通信定位技术领域。

背景技术

多边定位法，就是指待定位的目标节点像四个基站发送广播，基站通过信号的接信号强度(RSSI)，到达时间(TOA)，到达时间差(TDOA)等采集到的关于各个广播节点的特征信息用于计算。这是由于在二维平面内，空间中的三个基站就可以通过求解三元二次的方程组来确定定位目标的位置，如果考虑到定位目标的高度情况，则在三维平面内至少布置四个基站。但是，传统的定位方法每次计算都是使用当前时刻来自基站的一组特征信息，由于空间中的多径效应，用于计算的特征信息在同一位置都是不断变化的，所以无法提供较高的定位精度。

指纹识别，是解决室内定位问题的重要方法。所谓指纹(指纹信息)，就是指将传统的定位算法中的RSSI，TOA，AOA等定位基站采集到的关于各个广播节点的特征信息组成的特征集合。所以在本发明中，常用“指纹”来表示采集到的特征，即将这些来自各个基站的特征信息组合成一个向量，即为训练集或测试集，进行计算。

基于指纹的室内定位方法则将多组特征组成的特征向量用于表示某一具体位置的属性，通过机器学习的方法训练建立指纹信息和对应位置的关联性的模型，在定位阶段通过测试集，即测试指纹的信息结合之前训练的模型，判断目标的位置信息的方式。在一个室内定位系统中，各个基站会不断采集到来自定位目标的特征信息，并且会组成特征向量，也就是训练集，投入机器学习的分类算法中，以定位目标的位置作为目标进行训练。如果选取的指纹向量的元素的数目较低，则难以反映位置信息，定位精度较低。因此选取的元素数目是需要很多的，而空间中虚拟点的分布的密度也是很大的，每次进行定位时分类算法的计算量需求会十分大。所以根据更容易操作的第一次多边定位法的定位结果来降低第二次定位难度的方法是有极大的优势的。

随着室内定位业务需求的增加，使用单一定位手段难以确保定位的精度很可行性，所以利用多种定位的手段，使用图论的方式将其综合在一起，可以使得室内定位同时做到高精度与低难度。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于多边定位和指纹定位相结合的室内定位方法，本方法基于多边定位法和指纹定位法的理论与思想，解决了在室内定位时指纹定位计算量庞大导致的时延和计算难度问题，实现在定位过程中同时兼顾定位的准确性，又能保持较低的计算量。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于多边定位和指纹定位相结合的室内定位方法，以多边定位法和指纹定位法为基础，以定位精度和降低计算量为目标，以图论的相关知识为研究工具，结合无线通信的相关原理优化定位的可靠性；由于定位结果的输出值是具体的坐标，所以该定位系统最后反馈的是三维空间建立的一个虚拟坐标系下的坐标值。

本发明中，短距离无线定位系统的评价指标分成定位精度和计算效率。定位精度是指定位目标所采集的指纹信息通过在神经网络中计算之后和实际位置的误差。计算效率是指在有限的时间范围内反馈的位置信息的数目，由于指纹的维数会影响计算的时常，所以在构建神经网络时要选取合适的指纹向量的元素个数，同时由于物体的运动性，在定位过程中的坐标数目是没有预先设定的，所以神经网络在构建过程中不能简单的认为是一个多分类问题，而是应该构建一个具备回归功能的网络结构。

在第一次多边定位阶段，利用RSSI和TOA两种测距手段，优化了定位参数的准确度，从而提高了首次定位的精度；而在二次定位阶段，基于前次的定位结果和最大误差，在误差范围内进一步寻找精确的位置信息，从而既可以降低最终定位结果的误差，又可以降低指纹定位法的巨大的计算量。当然，指纹定位的实现离不开预先通过对室内各个虚拟点进行训练得到的模型，当定位目标地道虚拟点附近时就会被检测到。但是，二次定位是基于前次定位的，其搜索范围被极大的缩小，因而降低了计算开销。

本发明在短距离无线通信室内定位环境中，利用两种定位手段综合分析，实现了在较低的运算容量的情况下实现精确的定位方案，具体包括以下步骤：

步骤1，在室内设定至少四个以上的基站和一个待定位的目标，建立虚拟空间坐标系和基站与目标的无线通信环境；

步骤2，在室内环境中布置大量的虚拟点，让目标处于不同的虚拟点，基站采集此时的各项用于定位的参数信息，即为训练集，并与目标的实际坐标对应；

步骤3，基站同时通过多种途径对目标进行测距；

在建立了三维空间的虚拟坐标系后，确定基站的位置，即为参考节点；随后将目标放置在空间中的任意一点，开始基站与目标物体之间的通信；采用TOA测距模型和RSSI测距模型； TOA测距模型和RSSI测距模型根据目标达到基站的距离与切换阈值判断进行切换，若目标达到基站的距离小于等于切换阈值，在近端，则采取TOA测距模型，若目标达到基站的距离大于切换阈值，在远端，则采取RSSI测距模型；

当采用TOA测距模型时，根据信号传播的波速为c，发送时刻的时间戳为T₁，第一次接收端接收时刻的时间戳为T₂，转发的时间戳为T₃，发射机接受转发的时间戳为T₄，则用下式推导出传输的距离d：

当采用RSSI测距模型时，基站与待定位的目标往往会通过无线电的方式进行通信，在不考虑小尺度衰落的情况下，根据下式可知，在发送功率确定的情况下，传输的距离和接收信号的功率成反比：

其中，等式左侧为距离为d时的接受信号强度P_r(d)，右侧为d₀处的接收信号强度减去路径损耗，n为无线信道的环境因子，d₀为单位距离1，在此时功率维持不变，P_r(d₀)则等于发射功率，通过对于上式进行反解，计算得到距离d为：

其中，P_t为发送功率，P_r为接受功率，n为环境因子；当然，小尺度衰落依旧是不可避免的情况，在加上其导致的误差d_e，就是测量距离的模型了，即下式：

通过RSSI的方式，测量出一对正在通信的两端之间的距离值；

步骤4，利用多边定位模型，计算得到目标初步的位置信息；

多边定位模型

其中，(X₁,Y₁,Y₁)，(X₂,Y₂,Y₂)L(X_m,Y_m,Y_m)表示基站坐标，m表示基站的数目， d₁,d₂Ld_m表示目标到各个基站的距离，(X_t,Y_t,Y_t)表示目标坐标；通过求解上式得到的一个点即为目标的坐标；

步骤5，基于步骤3得到的位置信息和多边定位的误差，确定在其误差范围内的虚拟点的信息；

步骤6，将当前采集到的定位参数组成测试集，与步骤5中范围内的虚拟点的训练集进行比对；

步骤7，根据分类算法，得到测试集最贴近的一个训练集，从而确定目标的位置信息；

步骤8，重复步骤6和7，进行反复测试，完成定位系统的搭建。

优选的：切换阈值为6-8m。

优选的：所述基站的个数为4个。

本发明相比现有技术，具有以下有益效果：

本发明基于两种定位理论的视角，通过对定位工程中的多边定位法的误差进行训练，得到多边定位的误差范围，并将其定位的结果用于第二次指纹识别法的定位过程，使得指纹定位的范围只需要约束在多边定位的误差范围内，从而既提高定位的精度，又降低定位的计算要求。

附图说明

图1是基于TOA的测距系统。

图2是TOA和RSSI测距相对误差导致的切换判断阈值。

图3训练集和测试集的矩阵内容。

图4指纹定位算法流程

图5是室内环境下通过多边定位法和指纹定位法进行二次定位的实施流程。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

一种基于多边定位和指纹定位相结合的室内定位方法，以多边定位法和指纹定位法为基础，以定位精度和降低计算量为目标，以图论的相关知识为研究工具，结合无线通信的相关原理优化定位的可靠性；由于定位结果的输出值是具体的坐标，所以该定位系统最后反馈的是三维空间建立的一个虚拟坐标系下的坐标值。

如图5所示，具体包括以下步骤：

步骤1，在室内设定至少四个以上的基站和一个待定位的目标，建立虚拟空间坐标系和基站与目标的无线通信环境；

步骤2，在室内环境中布置大量的虚拟点，让目标处于不同的虚拟点，基站采集此时的各项用于定位的参数信息，即为训练集，并与目标的实际坐标对应；

指纹定位法需要在实施定位前在空间中布置大量的虚拟点，并大量采集目标处于这些虚拟点时四个基站所采集到的RSSI、TOA、AOA等值，组成各个点对应的训练集，利用机器学习的相关算法提取它们的特征值。在定位过程中目标处于任意未知位置，四个基站同时采集大量的这些数据，组成测试集，随后与训练集的训练结果进行对比判断其与哪个虚拟点的训练集相近，从而将其定位到那个虚拟点上。这种方法只要虚拟点的分布足够密集，就可以保证精度够高。但是同时在对比的环节也就带来大量的计算量。在本方法中，测试集采集完成后，仅部分虚拟点进行比对。这部分虚拟点是第一次多边定位结果为中心，多边定位误差为半斤的球体范围内所有的虚拟点。这样就极大的降低了计算需求。

步骤3，基站同时通过多种途径对目标进行测距；

首先在建立了三维空间的虚拟坐标系后，确定四个基站的位置，即为参考节点。随后将目标放置在空间中的任意一点，开始基站与目标物体之间的通信。采用TOA测距模型和RSSI 测距模型进行测距，这一测距的过程将在无线通信的过程中进行。在对于近端测距的时候，使用TOA的测距方案；而对于远端测距的时候，使用RSSI的测距方案。TOA测距模型和RSSI 测距模型根据目标达到基站的距离与切换阈值判断进行切换，若目标达到基站的距离小于等于切换阈值，在近端，则采取TOA测距模型，若目标达到基站的距离大于切换阈值，在远端，则采取RSSI测距模型；

当采用TOA测距模型时，根据图1，假设知道了信号传播的波速为c，发送时刻的时间戳为T₁，第一次接收端接收时刻的时间戳为T₂，转发的时间戳为T₃，发射机接受转发的时间戳为T₄，则用下式推导出传输的距离d：

当采用RSSI测距模型时，基基站与待定位的物体往往会通过无线电的方式进行通信，无线通信的信道是具有不可避免的损耗的，这其中主要是大尺度衰落。因此接收端的信号功率很大程度上取决于信号传播的距离。在不考虑小尺度衰落的情况下，根据下式可知，在发送功率确定的情况下，传输的距离和接收信号的功率成反比：

其中，等式左侧为距离为d时的接受信号强度P_r(d)，右侧为d₀处的接收信号强度减去路径损耗，n为无线信道的环境因子，d₀为单位距离1，在此时功率维持不变，P_r(d₀)则等于发射功率，通过对于上式进行反解，计算得到距离d为：

其中，P_t为发送功率，P_r为接受功率，n为环境因子；当然，小尺度衰落依旧是不可避免的情况，尤其是在本文的室内中，环境的多变化，障碍物多的特性导致小尺度衰落带来的误差是不能忽略的，因此在加上其导致的误差d_e，就是测量距离的模型了，即式2.6。其中d_e是产生的误差，即下式：

通过RSSI的方式，可以测量出一对正在通信的两端之间的距离值，这是利用信号在传输过程中的衰落实现的；

至于其切换的阈值，或近端远端的判定条件需要基于基站的实际情况进行确定。在这里，需要测量基站分别利用TOA和RSSI进行测距的相对误差，进行对比，选择误差较低的方案。图2给出了一种我们测量的相对误差对比的曲线。由此就可以通过大致的距离切换测距的方案了。

步骤4，利用多边定位模型，计算得到目标初步的位置信息；

测距完成后，结合多边测距的模型，在确定了四个基站分别为A(X_a,Y_a,Z_a),B(X_b，Y_b,Z_b), C(X_c，Y_c，Z_c)和D(X_d，Y_d，Z_d)，假设待定位的目标节点的坐标为T(X_t，Y_t，Z_t)，已知从基站与待测目标的距离分别为d_a，d_b，d_c和d_d，则可以列出下面的方程组:

这里，显然这是四个球面方程，即，四个球在同一点相交，即，目标节点。误差导致这四个球面未必交于一个点，而可能是三个球交于两个点，也就是四组八个点,其中的四个临近未定位的物体的坐标。获取这四个节点的坐标后,取平均即可得到结果。

上述过程完成了一次多边定位。

步骤5，基于步骤3得到的位置信息和多边定位的误差，确定在其误差范围内的虚拟点的信息；

步骤6，将当前采集到的定位参数组成测试集，与步骤5中范围内的虚拟点的训练集进行比对；

步骤7，根据分类算法，得到测试集最贴近的一个训练集，从而确定目标的位置信息；

步骤8，重复步骤6和7，进行反复测试，完成定位系统的搭建。

优选的：切换阈值为6-8m。

在利用多边定位法进行定位之前，需要测量基站到目标物体的距离。这一测距的过程将在无线通信的过程中进行。在对于近端测距的时候，使用TOA的测距方案；而对于远端测距的时候，使用RSSI的测距方案。两种测距方案会根据目标达到基站的大致距离进行切换，若在近端，则采取TOA测距的方案，若在远端，则采取RSSI测距的方法。

至于其切换的阈值，或近端远端的判定条件需要基于基站的实际情况进行确定。在这里，需要测量基站分别利用TOA和RSSI进行测距的相对误差，进行对比，选择误差较低的方案。

第一次多边定位的结果可以用于辅助第二次指纹定位以减少运算量的需求。

在训练过程，将定位结果和实际坐标进行对比，求取误差的值，经过多次训练，获得误差范围。用于第二次的指纹识别定位。“指纹”定位的方法首先要在待定位目标所在的空间里布置多个虚拟点，然后采集目标物体处于这些虚拟点时四个基站接收到的各项参数的大量数据，将他们组成一个N×3×4的空间矩阵。在数据中心对其进行处理，利用机器学习的算法训练这些数据集，使得机器能够提取每个虚拟点下的矩阵的特征向量。然后，在做完训练过程后，进行测试的环节，将目标放置在空间中任意位置，同样用四个基站采集同类型的数据，然后与之前的训练集进行比对，判断出最相近的一个虚拟点，也就是定位的结果了。这个过程的整体思路可见图4。这里指纹算法所带来的是空间中大量虚拟点进行对比导致的计算量。为了使得定位过程中尽可能快速的完成计算，从而降低系统的时延。减少运算量是必不可少的。

因此，基于第一次定位的结果，在进行指纹定位的时候，搜索的虚拟点仅仅需要设置在多边定位结果为中心，定位误差为半斤的球体范围内。在这个远比室内全部环境小的范围内利用指纹识别的方法寻找精确的解。

这时候用于虚拟点布置的密度固定式，计算量的缩减就可以通过所搜的体积来计算。假设初定为的误差为e_i，网格化后虚拟点的密度为d_p。结合系统的工作范围可知，空间中的虚拟点有50×50×5×d_p个，而初定位后误差范围内的虚拟点有4πe_i ³d_p/3个。个数也就意味着比较计算的次数，将其进行相除，可知当前的计算量为原来的也就是下式：其中K_s就是计算了基于多边定位的第二次指纹识别定位的计算量为原来的倍数

可以看出，这样的方式极大的降低了计算量的需求，某些时候可以达到3000多倍。既然解决了计算量的问题，也就可以一定程度的解决系统时延的问题。

本发明以多边定位法和指纹定位法为基础，以定位精度和降低计算量为目标，以图论的相关知识为研究工具，结合无线通信的相关原理优化定位的可靠性；在利用多边定位法的第一次定位阶段，利用RSSI和TOA两种测距手段，优化了定位参数的准确度，从而提高了首次定位的精度；而在二次定位阶段，基于前次的定位结果和最大误差，在误差范围内进一步寻找精确的位置信息，从而既可以降低最终定位结果的误差，又可以降低指纹定位法的巨大的计算量。当然，指纹定位的实现离不开预先通过对室内各个虚拟点进行训练得到的模型，当定位目标地道虚拟点附近时就会被检测到。但是，二次定位是基于前次定位的，其搜索范围被极大的缩小，因而降低了计算开销。同时可以在目标物体处于动态的情况下实施等时间间隔的连续定位，从而得到物体运动的轨迹。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (3)

1.一种基于多边定位和指纹定位相结合的室内定位方法，其特征在于，包括以下步骤：

步骤1，在室内设定至少四个以上的基站和一个待定位的目标，建立虚拟空间坐标系和基站与目标的无线通信环境；

步骤2，在室内环境中布置大量的虚拟点，让目标处于不同的虚拟点，基站采集此时的各项用于定位的参数信息，即为训练集，并与目标的实际坐标对应；

步骤3，基站同时通过多种途径对目标进行测距；

在建立了三维空间的虚拟坐标系后，确定基站的位置，即为参考节点；随后将目标放置在空间中的任意一点，开始基站与目标物体之间的通信；采用TOA测距模型和RSSI测距模型；TOA测距模型和RSSI测距模型根据目标达到基站的距离与切换阈值判断进行切换，若目标达到基站的距离小于等于切换阈值，在近端，则采取TOA测距模型，若目标达到基站的距离大于切换阈值，在远端，则采取RSSI测距模型；

当采用TOA测距模型时，根据信号传播的波速为c，发送时刻的时间戳为T₁，第一次接收端接收时刻的时间戳为T₂，转发的时间戳为T₃，发射机接受转发的时间戳为T₄，则用下式推导出传输的距离d：

当采用RSSI测距模型时，基站与待定位的目标往往会通过无线电的方式进行通信，在不考虑小尺度衰落的情况下，根据下式可知，在发送功率确定的情况下，传输的距离和接收信号的功率成反比：

其中，等式左侧为距离为d时的接受信号强度P_r(d)，右侧为d₀处的接收信号强度减去路径损耗，n为无线信道的环境因子，d₀为单位距离1，在此时功率维持不变，P_r(d₀)则等于发射功率，通过对于上式进行反解，计算得到距离d为：

其中，P_t为发送功率，P_r为接受功率，n为环境因子；当然，小尺度衰落依旧是不可避免的情况，在加上其导致的误差d_e，就是测量距离的模型了，即下式：

通过RSSI的方式，测量出一对正在通信的两端之间的距离值；

步骤4，利用多边定位模型，计算得到目标初步的位置信息；

多边定位模型

其中，(X₁,Y₁,Y₁)，(X₂,Y₂,Y₂)…(X_m,Y_m,Y_m)表示基站坐标，m表示基站的数目，d₁,d₂…d_m表示目标到各个基站的距离，(X_t,Y_t,Y_t)表示目标坐标；通过求解上式得到的一个点即为目标的坐标；

步骤5，基于步骤3得到的位置信息和多边定位的误差，确定在其误差范围内的虚拟点的信息；

步骤6，将当前采集到的定位参数组成测试集，与步骤5中范围内的虚拟点的训练集进行比对；

步骤7，根据分类算法，得到测试集最贴近的一个训练集，从而确定目标的位置信息；

步骤8，重复步骤6和7，进行反复测试，完成定位系统的搭建。

2.根据权利要求1所述基于多边定位和指纹定位相结合的室内定位方法，其特征在于：切换阈值为6-8m。

3.根据权利要求1所述基于多边定位和指纹定位相结合的室内定位方法，其特征在于：所述基站的个数为4个。