CN111901747A - 一种基于landmarc室内精确定位方法及系统 - Google Patents

Abstract

本发明涉及一种基于LANDMARC室内精确定位方法及系统，首先通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数，再通过该最优的参考标签数量的参考标签计算出目标标签的坐标，最后对定位的结果进行校正。本发明既能够避免引入不良参考标签，又能够提高定位精度。

Description

一种基于LANDMARC室内精确定位方法及系统

技术领域

本发明涉及室内定位技术领域，特别是一种基于LANDMARC室内精确定位方法及系统。

背景技术

目前，室内定位的技术种类繁多，但综合定位精确性不够高，整个定位系统的运行成本较高，基于LANDMARC的室内定位具有显著的优势。LANDMARC室内定位方法是通过引入廉价的标签来代替昂贵的设备并拥有很强抗环境干扰的能力。因此，对基于LANDMARC技术的室内定位进行优化显的尤其重要，现已成为当今国内外研究的热点。

2018公开发表的《RFID LocationAlgorithm Based on Target Search andRepeat Calibration》中介绍了一种对LANDMARC室内定位系统进行优化方法。该方法是通过对计算出的目标标签进行反复校对来减少定位的平均误差，但并未对参考标签的选择进行优化，这样会造成虽然反复校验，但并不能改善参考标签带来误差。

在现有的技术方案中，虽然可以通过k邻近算法对参考标签进行选择，避免引入了较远的参考标签，但是这种方法存在当目标标签位置发生变化时会存在误差过大的情况。同时由于所选取的参考标签之间的距离通常较近，所选择参考标签之间会产生较强的干扰。因此，只通过k邻近算法选择参考标签来对目标标签进行定位，定位的精确度有限。

发明内容

有鉴于此，本发明的目的是提出一种基于LANDMARC室内精确定位方法及系统，既能够避免引入不良参考标签，又能够提高定位精度。

本发明采用以下方案实现：一种基于LANDMARC室内精确定位方法，首先通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数，再通过该最优的参考标签数量的参考标签计算出目标标签的坐标。

进一步地，还包括步骤：对定位的结果进行校正。

进一步地，所述通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数具体包括以下步骤：

步骤S11：设在系统中包括N个读卡器、M个参考标签和P个目标标签；定义目标标签到阅读器的信号强度矢量矩阵S为：

式中，S_pn表示第p个目标标签p发射的射频信号到第n个阅读器n的信号强度，其中p∈(1,P),n∈(1,N)；定义参考标签到阅读器的信号强度矢量矩阵θ为：

式中，θ_mn表示第m个参考标签m的射频信号到第n个阅读器n的信号强度，其中m∈(1,M)，n∈(1,N)；定义所有目标标签和所有参考标签之间的欧式距离矩阵E：

其中，矩阵中的E_p1,E_p2,…,E_pm按从小到大排序，E_pm表示第p个目标标签p与第m个参考标签m之间的欧式距离，计算如下：

步骤S12：通过目标标签与参考标签的欧式距离值来确定目标标签与参考标签的位置关系；对于第p个目标标签p，令与其欧式距离值最小的参考标签作为该目标标签p的虚拟目标标签p’，并设其坐标为

步骤S13：计算出虚拟目标标签p’与它邻近的h个参考标签的欧式距离矢量矩阵：

其中，

按从小到大排序；

步骤S14：按照欧式距离从小到大依次选取2至K个邻近虚拟目标标签p’的参考标签来对虚拟目标标签p’进行定位，并在每次定位时计算虚拟目标p’的坐标

如下：

式中，权重系数

为欧氏距离为

所对应的参考标签坐标，k^*为当前选取的邻近虚拟目标标签的参考标签数量，1＜k^*≤K；并计算每次定位时计算定位误差为：

步骤S15：从K-1次的定位选取定位误差最小时所对应的k^*作为使目标标签p定位最优的参考标签数k；

步骤S16：重复步骤S12至步骤S15，直至遍历所有的目标标签，得到所有目标标签的最优的参考标签数。

进一步地，所述通过该最优的参考标签数量的参考标签计算出目标标签的坐标具体为：

对于第p个目标标签p，通过与其对应的最优的参考标签数k，选取k个与其最邻近的标签对其进行定位，计算目标标签p的坐标(x_p,y_p)为：

式中，(x_i,y_i)为欧式距离为E_pi所对应的参考标签的坐标，该参考标签的权重系数为

重复上述步骤，直至遍历所有的目标标签，得到所有目标标签的坐标。

进一步地，所述对定位的结果进行校正具体包括以下步骤：

步骤S21：针对第p个目标标签p，其对应的虚拟目标标签为p’，对应的最优参考标签数为k^*，将最优的k-1个邻近参考标签和计算出的目标标签p作为一个集合；

步骤S22：将集合中k个标签作为参考标签对虚拟目标标签p’进行定位，虚拟目标标签p’的坐标为

此时计算出的虚拟目标标签p’坐标为

步骤S23：计算误差为：

步骤S24：将计算出的目标标签p的坐标(x_p,y_p)校正为(x′_p，y′_p)，计算如下：

(x′_p，y′_p)＝(x_p-Δx，y_p-Δy)；

步骤S25：判断当前的计算误差是否满足

e_o为预设的误差阈值，若满足，则将当前校正后的坐标(x′_p，y′_p)作为目标标签p的最终定位坐标，并进入步骤S26；否则，将步骤S21中最优的k-1个邻近参考标签和当前校正后的(x′_p，y′_p)作为一个集合，并返回步骤S22；

步骤S26：重复上述步骤，直至遍历所有的目标标签，得到所有目标标签校正后的定位坐标。

本发明还提供了一种基于LANDMARC室内精确定位系统，包括N个读卡器、M个参考标签、P个目标标签、存储器以及处理器，所述存储器中存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如上文所述的方法步骤。

本发明还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如上文所述的方法步骤。

与现有技术相比，本发明有以下有益效果：本发明对参考标签的选择进行优化，使系统能根据目标标签的位置不同选择不同数量的邻近参考标签使定位效果达到最优。既能避免引入不良参考标签，又能提高定位精度。同时，本发明对目标标签的定位结果进行校对，可以降低由于参考标签相互干扰对定位精度的影响及易实现、设备成本低的优点。

附图说明

图1为本发明实施例的方法流程示意图。

图2为本发明实施例的定位结果校正示意图。

图3为本发明实施例系统中标签分布示意图。

图4为本发明实施例的优化前后两种算法定位误差累积分布示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示，本实施例提供了一种基于LANDMARC室内精确定位方法，首先通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数，再通过该最优的参考标签数量的参考标签计算出目标标签的坐标。

在本实施例中，还包括步骤：对定位的结果进行校正。

在本实施例中，所述通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数具体包括以下步骤：

步骤S11：设在系统中包括N个读卡器、M个参考标签和P个目标标签；定义目标标签到阅读器的信号强度矢量矩阵S为：

式中，S_pn表示第p个目标标签p发射的射频信号到第n个阅读器n的信号强度，其中p∈(1,P),n∈(1,N)；定义参考标签到阅读器的信号强度矢量矩阵θ为：

式中，θ_mn表示第m个参考标签m的射频信号到第n个阅读器n的信号强度，其中m∈(1,M)，n∈(1,N)；定义所有目标标签和所有参考标签之间的欧式距离矩阵E：

其中，矩阵中的E_p1,E_p2,…,E_pm按从小到大排序，E_pm表示第p个目标标签p与第m个参考标签m之间的欧式距离，计算如下：

步骤S12：通过目标标签与参考标签的欧式距离值来确定目标标签与参考标签的位置关系；欧式距离越小，目标标签与参考标签的位置越近，反之越远；对于第p个目标标签p，令与其欧式距离值最小的参考标签作为该目标标签p的虚拟目标标签p’，并设其坐标为

若出现和目标标签欧式距离值最小的参考标签有多个，选取其中一个设为虚拟标签。虚拟目标标签p’和目标标签p所处的环境相似，因此它们有相同数量k个最优参考标签。因此，可以通过虚拟目标标签p’求出使目标标签p定位最优的参考标签的标签数k。

步骤S13：计算出虚拟目标标签p’与它邻近的h(本实施例取10)个参考标签的欧式距离矢量矩阵：

其中，

按从小到大排序；这里的

的计算方法与上面的E_pm一样，只是将目标标签的数据替换为虚拟目标标签，而该虚拟目标标签为原来的参考标签之一；

步骤S14：按照欧式距离从小到大依次选取2至K(本实施例选取10)个邻近虚拟目标标签p’的参考标签来对虚拟目标标签p’进行定位，并在每次定位时计算虚拟目标p’的坐标

如下：

式中，权重系数

为欧氏距离为

所对应的参考标签坐标，k^*为当前选取的邻近虚拟目标标签的参考标签数量，1＜k^*≤K；并计算每次定位时计算定位误差为：

步骤S15：从K-1次的定位选取定位误差最小时所对应的k^*作为使目标标签p定位最优的参考标签数k；

步骤S16：重复步骤S12至步骤S15，直至遍历所有的目标标签，得到所有目标标签的最优的参考标签数。

在本实施例中，所述通过该最优的参考标签数量的参考标签计算出目标标签的坐标具体为：

对于第p个目标标签p，通过与其对应的最优的参考标签数k，选取k个与其最邻近的标签对其进行定位，计算目标标签p的坐标(x_p,y_p)为：

式中，(x_i,y_i)为欧式距离为E_pi所对应的参考标签的坐标，该参考标签的权重系数为

重复上述步骤，直至遍历所有的目标标签，得到所有目标标签的坐标。

如图2所示，在本实施例中，所述对定位的结果进行校正具体包括以下步骤：

步骤S21：虚拟目标标签p’和计算出的目标标签p的位置最近，所处的环境相同。因此，针对第p个目标标签p，其对应的虚拟目标标签为p’，对应的最优参考标签数为k^*，将最优的k-1个邻近参考标签和计算出的目标标签p作为一个集合；

步骤S22：将集合中k个标签作为参考标签对虚拟目标标签p’进行定位，虚拟目标标签p’的坐标为

此时计算出的虚拟目标标签p’坐标为

步骤S23：计算误差为：

步骤S24：将计算出的目标标签p的坐标(x_p,y_p)校正为(x′_p，y′_p)，计算如下：

(x′_p，y′_p)＝(x_p-Δx，y_p-Δy)；

步骤S25：判断当前的计算误差是否满足

e_o为预设的误差阈值，若满足，则将当前校正后的坐标(x′_p，y′_p)作为目标标签p的最终定位坐标，并进入步骤S26；否则，将步骤S21中最优的k-1个邻近参考标签和当前校正后的(x′_p，y′_p)作为一个集合，并返回步骤S22；

步骤S26：重复上述步骤，直至遍历所有的目标标签，得到所有目标标签校正后的定位坐标。

如图3所示，本实施例还提供了一种基于LANDMARC室内精确定位系统，包括N个读卡器、M个参考标签、P个目标标签、存储器以及处理器，所述存储器中存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如上文所述的方法步骤。

本实施例还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如上文所述的方法步骤。

图4为本实施例改进的方法与传统的LANDMARC算法的定位误差累积分布示意图，从图4可以看出，本实施例算法的误差显然优于传统算法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (7)

1.一种基于LANDMARC室内精确定位方法，其特征在于，首先通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数，再通过该最优的参考标签数量的参考标签计算出目标标签的坐标。

2.根据权利要求1所述的一种基于LANDMARC室内精确定位方法，其特征在于，还包括步骤：对定位的结果进行校正。

3.根据权利要求1所述的一种基于LANDMARC室内精确定位方法，其特征在于，所述通过与目标标签最相邻的参考标签求出使目标标签定位最优的参考标签数具体包括以下步骤：

步骤S11：设在系统中包括N个读卡器、M个参考标签和P个目标标签；定义目标标签到阅读器的信号强度矢量矩阵S为：

式中，S_pn表示第p个目标标签p发射的射频信号到第n个阅读器n的信号强度，其中p∈(1,P),n∈(1,N)；定义参考标签到阅读器的信号强度矢量矩阵θ为：

式中，θ_mn表示第m个参考标签m的射频信号到第n个阅读器n的信号强度，其中m∈(1,M)，n∈(1,N)；定义所有目标标签和所有参考标签之间的欧式距离矩阵E：

其中，矩阵中的E_p1,E_p2,…,E_pm按从小到大排序，E_pm表示第p个目标标签p与第m个参考标签m之间的欧式距离，计算如下：

步骤S12：通过目标标签与参考标签的欧式距离值来确定目标标签与参考标签的位置关系；对于第p个目标标签p，令与其欧式距离值最小的参考标签作为该目标标签p的虚拟目标标签p’，并设其坐标为

步骤S13：计算出虚拟目标标签p’与它邻近的h个参考标签的欧式距离矢量矩阵：

其中，

按从小到大排序；

步骤S14：按照欧式距离从小到大依次选取2至K个邻近虚拟目标标签p’的参考标签来对虚拟目标标签p’进行定位，并在每次定位时计算虚拟目标p’的坐标

如下：

式中，权重系数

为欧氏距离为

所对应的参考标签坐标，k^*为当前选取的邻近虚拟目标标签的参考标签数量，1＜k^*≤K；并计算每次定位时计算定位误差为：

步骤S15：从K-1次的定位选取定位误差最小时所对应的k^*作为使目标标签p定位最优的参考标签数k；

步骤S16：重复步骤S12至步骤S15，直至遍历所有的目标标签，得到所有目标标签的最优的参考标签数。

4.根据权利要求1所述的一种基于LANDMARC室内精确定位方法，其特征在于，所述通过该最优的参考标签数量的参考标签计算出目标标签的坐标具体为：

对于第p个目标标签p，通过与其对应的最优的参考标签数k，选取k个与其最邻近的标签对其进行定位，计算目标标签p的坐标(x_p,y_p)为：

式中，(x_i,y_i)为欧式距离为E_pi所对应的参考标签的坐标，该参考标签的权重系数为

重复上述步骤，直至遍历所有的目标标签，得到所有目标标签的坐标。

5.根据权利要求2所述的一种基于LANDMARC室内精确定位方法，其特征在于，所述对定位的结果进行校正具体包括以下步骤：

步骤S21：针对第p个目标标签p，其对应的虚拟目标标签为p’，对应的最优参考标签数为k^*，将最优的k-1个邻近参考标签和计算出的目标标签p作为一个集合；

步骤S22：将集合中k个标签作为参考标签对虚拟目标标签p’进行定位，虚拟目标标签p’的坐标为

此时计算出的虚拟目标标签p’坐标为

步骤S23：计算误差为：

步骤S24：将计算出的目标标签p的坐标(x_p,y_p)校正为(x′_p，y′_p)，计算如下：

(x′_p，y′_p)＝(x_p-Δx，y_p-Δy)；

步骤S25：判断当前的计算误差是否满足

e_o为预设的误差阈值，若满足，则将当前校正后的坐标(x′_p，y′_p)作为目标标签p的最终定位坐标，并进入步骤S26；否则，将步骤S21中最优的k-1个邻近参考标签和当前校正后的(x′_p，y′_p)作为一个集合，并返回步骤S22；

步骤S26：重复上述步骤，直至遍历所有的目标标签，得到所有目标标签校正后的定位坐标。

6.一种基于LANDMARC室内精确定位系统，其特征在于，包括N个读卡器、M个参考标签、P个目标标签、存储器以及处理器，所述存储器中存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如权利要求1-5任一项所述的方法步骤。

7.一种计算机可读存储介质，其特征在于，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，实现如权利要求1-5任一项所述的方法步骤。

Images