CN114363808A - 一种基于rssi测距的室内定位方法 - Google Patents
一种基于rssi测距的室内定位方法 Download PDFInfo
- Publication number
- CN114363808A CN114363808A CN202210015981.1A CN202210015981A CN114363808A CN 114363808 A CN114363808 A CN 114363808A CN 202210015981 A CN202210015981 A CN 202210015981A CN 114363808 A CN114363808 A CN 114363808A
- Authority
- CN
- China
- Prior art keywords
- rssi
- value
- node
- filtering
- formula
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000001914 filtration Methods 0.000 claims abstract description 86
- 238000005457 optimization Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000004807 localization Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于RSSI测距的室内定位方法,具体包括以下具体步骤:1布设蓝牙beacon基站并标定参考节点的位置;2在不同参考节点处分别采集一组信号强度RSSI值,利用加权混合滤波优化RSSI值;3采用最小二乘法对步骤2优化后的RSSI值进行分段拟合,得到分段式测距模型;4采用步骤3建立的分段式拟合测距模型和三边定位法进行室内位置推算;本发明提出的基于RSSI混合滤波和分段式拟合测距模型的室内定位方法,可应用于室内定位、行人导航等场景,可提高室内定位导航的精度;适用范围广,不局限于室内定位,也可用于室外GNSS信号严重缺失的密集城区定位。
Description
技术领域
本发明涉及一种室内定位方法,尤其是一种基于RSSI测距的室内定位方法,属于室内定位技术领域。
背景技术
近年来,随着城市化的发展和智能手机的普及,室内定位技术成为导航领域的热点问题。利用无线传感网络(Wireless Sensor Network,WSN)实现室内定位具有网络规模大,局部节点定位容错高、计算难度适中、动态性网络可靠性强的优势。按照是否需要测量节点间距离的标准,WSN定位技术可分为基于测距的定位技术和基于非测距的定位技术,其中基于测距的定位技术是通过测量发射节点和接收节点间的距离实现定位。
到达角度定位法、到达时间定位法、到达时间差定位法、接收信号强度指示(Received Signal Strength Indication,RSSI)定位法是典型的基于测距的定位方法。到达角度定位法通过安装阵列天线或接收设备测量节点的角度和方向实现定位,测量精度较高但需要大量额外硬件,成本较高。到达时间定位法通过信号传播时间和速度计算距离,方法简便但接收节点和发射节点的时间难以高精度同步,测距误差较大。到达时间差定位法通过不同种类的无线信号传播速度和信号到达时间差来计算距离,相较于到达时间定位法不需要时间高精度同步,但需要额外的多种不同信号发射装置。RSSI定位法根据传播路径上的信号损耗计算发射节点和接收节点之间的距离,此方法不需要大量额外硬件,若使用蓝牙beacon成本低、功耗低、易于实现,适用性最广。
虽然RSSI和传输距离之间变化关系简单,但在实际情况中,多径效应、非视距、反射和折射等复杂环境因素对RSSI影响较大,导致其数据较少、质量较差。并且,RSSI衰减程度变化时,普通测距模型拟合效果不佳。针对上述问题,目前还未有切实可行的方法。
发明内容
本发明的目的在于,为提高室内测距和定位精度,对RSSI的滤波方法和测距模型进行改进,提供了一种基于RSSI混合滤波和分段式拟合测距模型的室内定位方法,用于解决现有的低成本方法在室内测距和定位受非视距和多径效应影响导致精度低的问题。
为了解决背景技术所存在的问题,本发明提出了一种基于RSSI测距的室内定位方法,包括以下步骤:
步骤1:布设蓝牙beacon基站并标定参考节点的位置。作为发射节点,蓝牙beacon沿走廊两侧交叉间隔部署,同侧部署间隔为10m,距地面高度为1.5m,发射功率为-12dBm,发射频率为10Hz。部署时应尽量避开强电磁干扰和障碍物,并记录蓝牙beacon的坐标。从距离发射节点1m处开始每隔0.5m-2m布设一个参考节点,布设密度应结合室内实际情况而定,并记录参考节点的坐标。接收节点为具有蓝牙接收功能的智能设备,位置可移动,用于接收发射节点发送的RSSI值。
步骤2:在不同参考节点处分别采集一组RSSI值,利用加权混合滤波优化RSSI值。RSSI值受环境干扰波动较大,计算前需要滤波预处理。传统滤波方法,如均值滤波、中值滤波和高斯滤波,都具有一定局限性。当RSSI值较少或RSSI值受环境干扰波动较大时,单独采用均值滤波会将异常值加入到滤波中,增大误差,滤波效果可信度降低。此时,单独采用中值滤波只取一个中间值也会造成较大误差。样本数量不多、干扰时间长的问题会导致RSSI值分布情况较大偏离高斯分布,RSSI值的频率分布会出现左偏、右偏甚至多峰的问题,此时单独采用高斯滤波会导致滤波结果较差。本发明提出一种基于均值滤波、中值滤波和高斯滤波的加权混合滤波法来优化RSSI值,优化后的RSSI值的波动较单一滤波变小,RSSI值随距离变化较平滑,RSSI值误差累积分布情况优于单一滤波。
步骤3:采用最小二乘法对步骤2优化后的RSSI值进行分段式拟合,得到分段式测距模型。首先,根据普通测距模型得出符合当前实验环境的路径损耗因子n和常数A,A指接收节点到发射节点距离为1m时接收到的RSSI值,n的大小与室内环境有关。然后,根据阈值设置策略,设置阈值再次拟合测距模型更新模型参数,即建立分段式拟合测距模型。无线信号传播一定距离后,信号衰减程度会下降,传播相同的距离信号衰减值会越来越小,传统方法拟合的测距模型精度低。本发明提出的设置合理阈值,对测距模型进行分段式拟合,可以提高测距模型的精度。
步骤4:采用步骤3建立的分段式拟合测距模型和三边定位法进行室内位置推算。利用分段式测距模型反算接收节点到发射节点的距离,利用最小二乘三边定位法求解未知节点坐标。室内环境较为狭窄,因定位误差而出现偏离走廊或房间的情况,设置坐标阈值,防止坐标定位到墙壁中或建筑物外,最终得到参考节点的坐标。
步骤1中,为确定蓝牙beacon基站的最优布设方式,特通过设置不同的beacon布设密度、发射功率、发射角度实验,分析蓝牙beacon基站的布设方式与RSSI的关系。具体策略如下:布设密度:5m范围内布设1个和多个;发射功率:0dBm和-12dBm;发射角度:0°、45°、90°和角度递减。实验结果表明,5m范围内只布设一个beacon、发射功率-12dBm、发射角度递减可以体现较明显的RSSI衰减趋势。
进一步地,所述的步骤2中,利用加权混合滤波优化RSSI值具体步骤如下:
步骤2.1用均值滤波处理RSSI值:
均值滤波计算公式:
式中,m为采集次数;RSSIi为第i次采集的信号强度。
步骤2.2用中值滤波处理RSSI值:
中值滤波计算公式:
RSSI=Med{RSSI1,RSSI2,…,RSSIm}
式中,RSSIm为第m次采集的信号强度。
步骤2.3用高斯滤波处理RSSI值:
高斯密度概率函数为:
式中,
式中,μ是高斯分布的位置参数,描述高斯分布的集中趋势位置;σ描述高斯分布资料数据分布的离散程度。
根据高斯分布的3σ原则,区间[μ-σ,μ+σ]上取值的概率为0.6826,剔除此区间外数据,最终确定高斯滤波计算公式:
式中,k为区间[μ-σ,μ+σ]内RSSI值的个数。
步骤2.4建立加权混合滤波优化模型,得到优化后的RSSI值。
根据单一滤波方法的Bias定权,Bias为RSSI实际测量值与根据路径损耗模型得到的理论值的差值。根据相应权重建立加权混合滤波优化模型,公式如下:
式中,RSSId表示加权混合滤波后RSSI值;RSSIA表示均值滤波后RSSI值;RSSIM表示中值滤波后RSSI值;RSSIG表示高斯滤波后RSSI值;BiasA表示均值滤波后RSSI测量值与理论值的差值;BiasM表示中值滤波后RSSI测量值与理论值的差值;BiasG表示高斯滤波后RSSI测量值与理论值的差值,PA表示均值滤波的权值,PM表示中值滤波的权值,PG表示高斯滤波的权值。
进一步地,所述的步骤3中,采用最小二乘法对混合滤波优化后的RSSI值进行分段式拟合,得到分段式测距模型具体步骤如下:
步骤3.1在考虑信号传输损耗的实际情况下,RSSI传输损耗符合对数正态模型,可以用修正的路径损耗模型来描述:
式中,PL(d)为接收节点到发射节点距离为d时接收到的信号强度,单位为dBm;PL(d0)为接收节点到发射节点距离为d0时接收到的信号强度,单位为dBm;d为发射节点与参考节点之间的距离;d0为参考距离;n为路径损耗因子,其大小与室内环境有关;Xσ是遮蔽因子,是一个服从(0,σ2)的高斯随机噪声变量,单位为dBm。
步骤3.2在实际应用中,可以忽略遮蔽因子,为便于计算,在应用中参考距离d0取值为1m。因此,RSSI公式可以被简化为:
RSSI=A-10nlg(d)
式中,A为接收节点到发射节点为1m时接收到的信号强度,单位为dBm;RSSI单位为dBm。
步骤3.3设置阈值,对测距模型进行分段式拟合。
步骤3.4阈值设置策略如下:
(1)在实验场S中,按参考节点到发射节点距离从近到远选择参考节点,按顺序依次记作d1,d2,…,dn。
(2)依次在每个参考节点处测量RSSI,记作RSSI1,RSSI2,…,RSSIn。
(3)特别地,定义一个k值,表示单位距离内RSSI的衰减值,在每个参考节点处计算k值,计算公式如下:
式中,ki表示第i个参考节点处单位距离内RSSI的衰减值;RSSIi-1表示第i-1个参考节点处的RSSI值;di-1表示第i-1个参考节点到发射节点的距离。
(4)比较ki与路径损耗因子n,当ki小于n时,令第i-1个参考节点处的RSSI值为阈值。
进一步地,所述的步骤4中,三边定位法具体步骤如下:
步骤4.1在未知节点接收到多个RSSI值,根据测距模型将RSSI值转化为距离,得到至少三个发射节点到未知节点的距离。发射节点的选择原则:按未知节点接收到发射节点的RSSI值大小排序选择前三位。
步骤4.2采用三边定位法解算未知节点坐标,三边定位公式:
式中,(xi,yi)为发射节点的坐标;(x,y)为未知节点的坐标;di表示接收到的RSSI值转换成的距离,即第i个发射节点到未知节点的距离。
步骤4.3将上式方程组中前n-1个方程减去第n个方程后,进行方程线性化:
AX=b
式中,
步骤4.4最小二乘法迭代求解上式得
与现有技术相比,本发明的有益效果是:本发明采用加权混合滤波法优化RSSI,可在多径效应、非视距、反射和折射等复杂环境因素影响下仍能保持良好的RSSI优化效果,其综合优化性能优于单一滤波。本发明采用分段式拟合测距模型,可在RSSI衰减程度变化时,根据阈值设置策略,设置阈值再次拟合测距模型更新模型参数,通过多次拟合测距模型提高测距精度。本发明提出的基于RSSI混合滤波和分段式拟合测距模型的室内定位方法,可应用于室内定位、行人导航等场景,可提高室内定位导航的精度;适用范围广,不仅局限于室内定位,也可用于室外GNSS信号严重缺失的密集城区定位。
附图说明
图1是本发明的工作流程图。
图2是实验场景示意图。
图3是采用本发明方法与其他滤波方法的测距误差累积分布图。
图4是采用本发明方法与普通测距模型测距法的测距误差累积分布图。
图5是采用本发明方法前后的预测路径对比图。
图6是采用本发明方法前后的定位误差累积分布图。
图7是采用本发明方法前后的定位误差对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
本实施例中以实验场S为实验区域。实验场S的实验区域走廊面积约180平方米,发射节点为具有蓝牙5.0技术的蓝牙beacon基站,接收节点为搭载安卓9.0平台的华为Mate 9智能手机。结合具体实地情况,在实验场S布设了10个蓝牙beacon基站,22个参考节点,详情见图2。
步骤1:布设蓝牙beacon基站并标定参考节点的位置。作为发射节点,蓝牙beacon沿走廊两侧交叉间隔部署,同侧部署间隔为10m,距地面高度为1.5m,发射功率为-12dBm,发射频率为10Hz,并记录蓝牙beacon的坐标。参考节点具体布设密度应结合室内实际情况而定,并记录参考节点的坐标。
步骤2:在不同参考节点处分别采集一组RSSI值,利用加权混合滤波优化RSSI值。
在步骤2中,利用加权混合滤波优化RSSI值具体步骤如下:
步骤2.1用均值滤波处理RSSI值:
均值滤波计算公式:
式中,m为采集次数;RSSIi为第i次采集的信号强度。
步骤2.2用中值滤波处理RSSI值:
中值滤波计算公式:
RSSI=Med{RSSI1,RSSI2,…,RSSIm}
式中,RSSIm为第m次采集的信号强度。
步骤2.3用高斯滤波处理RSSI值:
高斯密度概率函数为:
式中,
式中,μ是高斯分布的位置参数,描述高斯分布的集中趋势位置;σ描述高斯分布资料数据分布的离散程度。
根据高斯分布的3σ原则,区间[μ-σ,μ+σ]上取值的概率为0.6826,剔除此区间外数据,最终确定高斯滤波计算公式:
式中,k为区间[μ-σ,μ+σ]内RSSI值的个数。
步骤2.4建立加权混合滤波优化模型,得到优化后的RSSI值。
根据单一滤波方法的Bias定权,Bias为RSSI实际测量值与根据路径损耗模型得到的理论值的差值。根据相应权重建立加权混合滤波优化模型,公式如下:
式中,RSSId表示加权混合滤波后RSSI值;RSSIA表示均值滤波后RSSI值;RSSIM表示中值滤波后RSSI值;RSSIG表示高斯滤波后RSSI值;BiasA表示均值滤波后RSSI测量值与理论值的差值;BiasM表示中值滤波后RSSI测量值与理论值的差值;BiasG表示高斯滤波后RSSI测量值与理论值的差值,PA表示均值滤波的权值,PM表示中值滤波的权值,PG表示高斯滤波的权值。
步骤3:采用最小二乘法对步骤2优化后的RSSI值进行分段式拟合,得到分段式测距模型。首先,根据普通测距模型得出符合当前实验环境的路径损耗因子n和常数A,A指接收节点到发射节点距离为1m时接收到的RSSI值,n的大小与室内环境有关。然后,根据阈值设置策略,设置阈值再次拟合测距模型更新模型参数,即建立分段式拟合测距模型,以提高测距模型的精度。
在步骤3中,采用最小二乘法对混合滤波优化后的RSSI值进行分段式拟合,得到分段式测距模型具体步骤如下:
步骤3.1在考虑信号传输损耗的实际情况下,RSSI传输损耗符合对数正态模型,可以用修正的路径损耗模型来描述:
式中,PL(d)为接收节点到发射节点距离为d时接收到的信号强度,单位为dBm;PL(d0)为接收节点到发射节点距离为d0时接收到的信号强度,单位为dBm;d为发射节点与参考节点之间的距离;d0为参考距离;n为路径损耗因子,其大小与室内环境有关;Xσ是遮蔽因子,是一个服从(0,σ2)的高斯随机噪声变量,单位为dBm。
步骤3.2在实际应用中,可以忽略遮蔽因子,为便于计算,在应用中参考距离d0取值为1m。因此,RSSI公式可以被简化为:
RSSI=A-10nlg(d)
式中,A为接收节点到发射节点距离为1m时接收到的信号强度,单位为dBm;RSSI单位为dBm。
步骤3.3选择设置阈值,对测距模型进行分段式拟合。
步骤3.4阈值设置策略如下:
(1)在实验场S中,按参考节点到发射节点距离从近到远选择参考节点,按顺序依次记作d1,d2,…,dn。
(2)依次在每个参考节点处测量RSSI,记作RSSI1,RSSI2,…,RSSIn。
(3)特别地,定义一个k值,表示单位距离内RSSI的衰减值,在每个参考节点处计算k值,计算公式如下:
式中,ki表示第i个参考节点处单位距离内RSSI的衰减值;RSSIi-1表示第i-1个参考节点处的RSSI值;di-1表示第i-1个参考节点到发射节点的距离。
(4)比较ki与路径损耗因子n,当ki小于n时,令第i-1个参考节点处的RSSI值为阈值。
步骤4:采用步骤3建立的分段式拟合测距模型和三边定位法进行室内位置推算。利用分段式测距模型反算接收节点到发射节点的距离。利用最小二乘三边定位法求解未知节点坐标,最终得到参考节点的坐标。
在步骤4中,三边定位法具体步骤如下:
步骤4.1在未知节点接收到多个RSSI值,根据测距模型将RSSI值转化为距离,得到至少三个发射节点到未知节点的距离。发射节点的选择原则:按未知节点接收到发射节点的RSSI值大小排序选择前三位。
步骤4.2采用三边定位法解算未知节点坐标,三边定位公式:
式中,(xi,yi)为发射节点的坐标;(x,y)为未知节点的坐标;di表示接收到的RSSI值转换成的距离,即第i个发射节点到未知节点的距离。
步骤4.3将上式方程组中前n-1个方程减去第n个方程后,进行方程线性化:
AX=b
式中,
步骤4.4最小二乘法迭代求解上式得
为了验证加权混合滤波的有效性,本发明采用加权混合滤波法、均值滤波、中值滤波和高斯滤波对RSSI值进行预处理。滤波结果的误差累积分布如图3所示。实验结果表明,采用加权混合滤波100%的测距误差在2.5m以内,约80%的测距误差在1m以内,而采用其他三种滤波法100%的测距误差在2.6m-3.1m以内,约80%的测距误差在1.1m-1.7m以内。采用加权混合滤波比单独采用其他三种滤波法的RSSI值优化效果好。
为了验证分段式测距模型的有效性,本发明采用分段式测距模型和普通测距模型拟合优化后的RSSI值。拟合后的测距误差累积分布如图4所示。结果表明,采用分段式测距模型100%的测距误差在2.5m以内,约90%的测距误差在1.5m以内,而采用普通测距模型100%的测距误差在3m以内,约90%的测距误差在2m以内,故采用分段式测距模型比普通测距模型后的测距精度高。
为了验证本发明在室内定位中的性能,采用两种策略进行定位解算:1采用高斯滤波对RSSI值进行预处理,采用普通测距模型拟合优化后的RSSI值,采用三边定位法解算坐标;2采用加权混合滤波对RSSI值进行预处理,采用分段式测距模型拟合优化后的RSSI值,采用三边定位法解算坐标。
为了验证本发明的准确性,对实施例实验区域,采用上述两种策略进行定位测试,路径示意对比如图5所示,定位误差累积分布如图6所示,定位误差对比如图7所示。实验结果表明,采用本发明提出的基于RSSI加权混合滤波和分段式测距模型的室内定位方法,约70%的定位误差在2m以内,而改进前约仅有30%的定位误差在2m内。改进后最大定位误差为3.55m,平均定位误差为1.88m,优于改进前的4.12m和2.22m,定位精度明显提高。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种基于RSSI测距的室内定位方法,其特征在于,包含以下具体步骤:
步骤1:布设蓝牙beacon基站并标定参考节点的位置;作为发射节点,蓝牙beacon沿走廊两侧交叉间隔部署,同侧部署间隔为10m,距地面高度为1.5m,发射功率为-12dBm,发射频率为10Hz,部署时应尽量避开强电磁干扰和障碍物,并记录蓝牙beacon的坐标;从距离发射节点1m处开始每隔0.5m-2m布设一个参考节点,布设密度应结合室内实际情况而定,并记录参考节点的坐标;接收节点为具有蓝牙接收功能的智能设备,位置可移动,用于接收发射节点发送的RSSI值;
步骤2:在不同参考节点处分别采集一组RSSI值,利用加权混合滤波优化RSSI值;
步骤3:采用最小二乘法对步骤2优化后的RSSI值进行分段式拟合,得到分段式测距模型;首先,根据普通测距模型得出符合当前实验环境的路径损耗因子n和常数A,A指接收节点到发射节点距离为1m时接收到的RSSI值,n的大小与室内环境有关;然后,根据阈值设置策略,设置阈值再次拟合测距模型更新模型参数,即建立分段式拟合测距模型;
步骤4:采用步骤3建立的分段式拟合测距模型和三边定位法进行室内位置推算;利用分段式测距模型反算接收节点到发射节点的距离,利用最小二乘三边定位法求解未知节点坐标;室内环境较为狭窄,因定位误差而出现偏离走廊或房间的情况,设置坐标阈值,防止坐标定位到墙壁中或建筑物外,最终得到参考节点的坐标。
2.根据权利要求1所述的一种基于RSSI测距的室内定位方法,其特征在于,所述的步骤2中,利用加权混合滤波优化RSSI值具体步骤如下:
步骤2.1用均值滤波处理RSSI值:
均值滤波计算公式:
式中,m为采集次数;RSSIi为第i次采集的信号强度;
步骤2.2用中值滤波处理RSSI值:
中值滤波计算公式:
RSSI=Med{RSSI1,RSSI2,…,RSSIm}
式中,RSSIm为第m次采集的信号强度;
步骤2.3用高斯滤波处理RSSI值:
高斯密度概率函数为:
式中,
式中,μ是高斯分布的位置参数,描述高斯分布的集中趋势位置;σ描述高斯分布资料数据分布的离散程度;
根据高斯分布的3σ原则,区间[μ-σ,μ+σ]上取值的概率为0.6826,剔除此区间外数据,最终确定高斯滤波计算公式:
式中,k为区间[μ-σ,μ+σ]内RSSI值的个数;
步骤2.4建立加权混合滤波优化模型,得到优化后的RSSI值;
根据单一滤波方法的Bias定权,Bias为RSSI实际测量值与根据路径损耗模型得到的理论值的差值;根据相应权重建立加权混合滤波优化模型,公式如下:
式中,RSSId表示加权混合滤波后RSSI值;RSSIA表示均值滤波后RSSI值;RSSIM表示中值滤波后RSSI值;RSSIG表示高斯滤波后RSSI值;BiasA表示均值滤波后RSSI测量值与理论值的差值;BiasM表示中值滤波后RSSI测量值与理论值的差值;BiasG表示高斯滤波后RSSI测量值与理论值的差值,PA表示均值滤波的权值,PM表示中值滤波的权值,PG表示高斯滤波的权值。
3.根据权利要求1所述的一种基于RSSI测距的室内定位方法,其特征在于,所述的步骤3中,采用最小二乘法对混合滤波优化后的RSSI值进行分段式拟合,得到分段式测距模型具体步骤如下:
步骤3.1在考虑信号传输损耗的实际情况下,RSSI传输损耗符合对数正态模型,可以用修正的路径损耗模型来描述:
式中,PL(d)为接收节点到发射节点距离为d时接收到的信号强度,单位为dBm;PL(d0)为接收节点到发射节点距离为d0时接收到的信号强度,单位为dBm;d为发射节点与参考节点之间的距离;d0为参考距离;n为路径损耗因子,其大小与室内环境有关;Xσ是遮蔽因子,是一个服从(0,σ2)的高斯随机噪声变量,单位为dBm;
步骤3.2在实际应用中,可以忽略遮蔽因子,为便于计算,在应用中参考距离d0取值为1m;因此,RSSI公式可以被简化为:
RSSI=A-10nlg(d)
式中,A为接收节点到发射节点为1m时接收到的信号强度,单位为dBm;RSSI单位为dBm;
步骤3.3设置阈值,对测距模型进行分段式拟合;
步骤3.4阈值设置策略如下:
(1)在实验场S中,按参考节点到发射节点距离从近到远选择参考节点,按顺序依次记作d1,d2,…,dn;
(2)依次在每个参考节点处测量RSSI,记作RSSI1,RSSI2,…,RSSIn;
(3)特别地,定义一个k值,表示单位距离内RSSI的衰减值,在每个参考节点处计算k值,计算公式如下:
式中,ki表示第i个参考节点处单位距离内RSSI的衰减值;RSSIi-1表示第i-1个参考节点处的RSSI值;di-1表示第i-1个参考节点到发射节点的距离;
(4)比较ki与路径损耗因子n,当ki小于n时,令第i-1个参考节点处的RSSI值为阈值。
4.根据权利要求1所述的一种基于RSSI测距的室内定位方法,其特征在于,所述的步骤4中三边定位法具体步骤如下:
步骤4.1在未知节点接收到多个RSSI值,根据测距模型将RSSI值转化为距离,得到至少三个发射节点到未知节点的距离;发射节点的选择原则:按未知节点接收到发射节点的RSSI值大小排序选择前三位;
步骤4.2采用三边定位法解算未知节点坐标,三边定位公式:
式中,(xi,yi)为发射节点的坐标;(x,y)为未知节点的坐标;di表示接收到的RSSI值转换成的距离,即第i个发射节点到未知节点的距离;
步骤4.3将上式方程组中前n-1个方程减去第n个方程后,进行方程线性化:
AX=b
式中,
步骤4.4最小二乘法迭代求解上式得
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210015981.1A CN114363808B (zh) | 2022-01-07 | 2022-01-07 | 一种基于rssi测距的室内定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210015981.1A CN114363808B (zh) | 2022-01-07 | 2022-01-07 | 一种基于rssi测距的室内定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114363808A true CN114363808A (zh) | 2022-04-15 |
CN114363808B CN114363808B (zh) | 2024-03-29 |
Family
ID=81107998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210015981.1A Active CN114363808B (zh) | 2022-01-07 | 2022-01-07 | 一种基于rssi测距的室内定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114363808B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115597583A (zh) * | 2022-10-13 | 2023-01-13 | 连偶(重庆)科技有限公司(Cn) | 多维融合定位方法及存储介质 |
CN117890949A (zh) * | 2024-03-14 | 2024-04-16 | 山东科技大学 | 一种顾及mac地址的gnss和rssi融合定位方法 |
WO2024088225A1 (zh) * | 2022-10-25 | 2024-05-02 | 华为技术有限公司 | 一种蓝牙测距方法、电子设备及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140302869A1 (en) * | 2011-02-24 | 2014-10-09 | Glen Var Rosenbaum | Beacon and associated components for a ranging system |
CN105828435A (zh) * | 2016-05-30 | 2016-08-03 | 天津大学 | 基于接收信号强度优化的距离修正加权质心定位方法 |
CN106102161A (zh) * | 2016-05-30 | 2016-11-09 | 天津大学 | 基于聚类算法分析数据优化的室内定位方法 |
US20180192250A1 (en) * | 2016-12-29 | 2018-07-05 | Nio Co., Ltd. | ON-BOARD TERMINAL DEVICE POSITIONING APPARATUS, METHOD AND ON-BOARD EQUIPMENT CONTROL SYSTEM BASED ON iBEACON |
CN111983592A (zh) * | 2020-08-14 | 2020-11-24 | 西安应用光学研究所 | 一种机载光电系统无源定位拟合测向测速方法 |
-
2022
- 2022-01-07 CN CN202210015981.1A patent/CN114363808B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140302869A1 (en) * | 2011-02-24 | 2014-10-09 | Glen Var Rosenbaum | Beacon and associated components for a ranging system |
CN105828435A (zh) * | 2016-05-30 | 2016-08-03 | 天津大学 | 基于接收信号强度优化的距离修正加权质心定位方法 |
CN106102161A (zh) * | 2016-05-30 | 2016-11-09 | 天津大学 | 基于聚类算法分析数据优化的室内定位方法 |
US20180192250A1 (en) * | 2016-12-29 | 2018-07-05 | Nio Co., Ltd. | ON-BOARD TERMINAL DEVICE POSITIONING APPARATUS, METHOD AND ON-BOARD EQUIPMENT CONTROL SYSTEM BASED ON iBEACON |
CN111983592A (zh) * | 2020-08-14 | 2020-11-24 | 西安应用光学研究所 | 一种机载光电系统无源定位拟合测向测速方法 |
Non-Patent Citations (1)
Title |
---|
朱明辉: ""基于RSSI 的煤矿井下人员定位算法研究"", 《工程科技Ⅰ辑》, pages 3 - 4 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115597583A (zh) * | 2022-10-13 | 2023-01-13 | 连偶(重庆)科技有限公司(Cn) | 多维融合定位方法及存储介质 |
WO2024088225A1 (zh) * | 2022-10-25 | 2024-05-02 | 华为技术有限公司 | 一种蓝牙测距方法、电子设备及系统 |
CN117890949A (zh) * | 2024-03-14 | 2024-04-16 | 山东科技大学 | 一种顾及mac地址的gnss和rssi融合定位方法 |
CN117890949B (zh) * | 2024-03-14 | 2024-05-24 | 山东科技大学 | 一种顾及mac地址的gnss和rssi融合定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114363808B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114363808A (zh) | 一种基于rssi测距的室内定位方法 | |
CN102149192B (zh) | 一种基于移动台合作的蜂窝网络无线定位方法 | |
CN101191832B (zh) | 一种基于测距的无线传感器网络节点定位方法 | |
CN106851570B (zh) | 基于mr对移动终端进行定位的方法及装置 | |
Rautiainen et al. | Verifying path loss and delay spread predictions of a 3D ray tracing propagation model in urban environment | |
CN106125045B (zh) | 一种基于Wi-Fi的自适应混合室内定位方法 | |
CN108375754B (zh) | Wsn中基于移动节点初始状态和移动状态的节点定位方法 | |
CN101715232A (zh) | 基于rssi和lqi加权的无线传感器网络节点定位方法 | |
CN102123495A (zh) | 基于rssi校正的无线传感器网络质心定位算法 | |
CN111294921B (zh) | 一种rssi无线传感器网络三维协作定位方法 | |
KR101709411B1 (ko) | 가중치 삼변측량법에 기반한 위치 측정 방법과 이를 이용한 실내 측위 방법 | |
CN102064895A (zh) | Rssi与模式匹配相结合的无源定位方法 | |
CN110673181B (zh) | 一种基于网格能量遍历搜索的gnss干扰源定位方法 | |
CN107396280A (zh) | 一种基于rssi的室内定位系统和方法 | |
CN110636436A (zh) | 基于改进chan算法的三维uwb室内定位方法 | |
CN109143157B (zh) | 基于信号强度值混合滤波的动态更新参数的测距方法 | |
CN103179659B (zh) | 多基站混合定位方法及装置 | |
CN100433902C (zh) | 基于通讯网络的定位方法 | |
CN106888504A (zh) | 基于fm与dtmb信号的室内位置指纹定位方法 | |
Arai et al. | Color radiomap interpolation for efficient fingerprint wifi-based indoor location estimation | |
Yi et al. | RSSI localization method for mine underground based on RSSI hybrid filtering algorithm | |
CN113573335A (zh) | 一种室内信号跟踪方法 | |
CN111880140A (zh) | 基于rssi的无线传感器网络圆弧三角形定位方法 | |
CN110662167A (zh) | 一种室内异构网络间协同定位方法、系统及可读存储介质 | |
CN114521014B (zh) | 一种在uwb定位过程中提高定位精度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |