法律状态公告日
法律状态信息
法律状态
2020-07-14
授权
授权
2017-06-16
实质审查的生效 IPC(主分类):H04W64/00 申请日:20161124
实质审查的生效
2017-05-24
公开
公开
技术领域
本发明涉及一种基于最速下降法的室内定位方法,属于通信技术领域。
背景技术
室内定位技术是指在室内环境中实现位置定位,主要采用无线通讯、基站定位等多种技术集成形成一套室内位置定位体系,从而实现人员、物体等在室内空间中的位置监控。常见的室内无线定位技术有Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee和超声波技术,本发明采用的是无线传感器网络的定位技术。基于无线传感网络的室内定位技术具有传感器节点成本低、低功耗、易于组网数据传输等特性。无线传感网络的实现方式是人类与自然界的交互,改变了以前单一的人与人之间的沟通,即从事范围大大扩充,形成了虚拟信息世界和现实存在事物的结合和统一。该领域在成为军事技术革命努力方向的同时,也将成为新一批信息产业竞争的高峰点。
无线传感器网络是一大型网络,节点是无线传感器网络的核心支撑技术之一。传感器节点应用于各种环境和场合,而位置信息是其必不可少的重要因素之一。对于其常用的军事领域来说,在军事作战侦查环境中要采集到所需信息,必须确切知道所监控对象的具体位置区域;针对各种环境情况下的突发事件,必须知道事件出现的具体现场位置,才可以采取相应措施进行解救处理。
现有的N-Hop Multilateration Primitive算法,其定位不精确,使用具有局限性,并且各个算法随着应用场合的不同对传感器节点的要求也大不相同,后人在现存节点定位算法的基础上,对其分析和比较,采用平均每跳距离与节点间跳数乘积形式表示的定位算法,此算法计算简单,不仅实现节点的准确定位,而且更重要的是略除了节点的其他冗余信息。目前的无线传感器网络定位算法采用质心与RSSI的结合,提取两者的优点,将其融合,降低了RSSI方法的计算复杂度和提高了质心算法的位置精确度,但是如果在复杂的信道模型中,其质心算法的误差相对较大。
发明内容
本发明目的在于针对上述现有技术的不足,提出了一种基于最速下降法的室内定位方法,该方法通过参考节点来确定未知节点的准确定位,融合最优化技术提高定位位置的精度,实现了无线传感器网络的最优化定位的过程。该方法采用无线传感器网络提高了定位位置精度,通过建立对数正态阴影衰落模型,采用多个参考节点和盲节点的结合,从而实现了快速准确地确定盲节点的位置。
本发明解决其技术问题所采取的技术方案是:一种基于最速下降法的室内定位方法,该方法包括如下几个步骤:
步骤1:在室内环境下,利用对数正态阴影模型,对距离为1的时候接收信号强度值A和衰减因子n分别取值,根据室内环境下信号强度随距离衰减的关系,在同一个参考节点采集100个RSSI值并保证测量数据在1~15m内;
步骤2:分析列出来的数据,对同一个参考点处列出来的100个RSSI值采取五点二次曲线拟合平均法进行去噪分析,列出
步骤3:若
步骤4:经过五点二次曲线拟合平均法的滤波之后,采用加权平均法和算术平均法分别求出平均值
步骤5:把步骤4中求得的信号强度值代入对数正态阴影衰落模型中,得到理论距离d1,d2,d3,在实际环境中布置参考节点和盲节点,求出参考节点和盲节点间的实际距离a1,a2,a3,采用最小二乘法对实际距离和理论距离进行修正,得到修正值d1',d'2,d3';
步骤6:利用三边定位算法求出未知节点的坐标(x,y),并令此坐标值为步骤7中的初始值;
步骤7:对所求出的坐标值进行最优估计,采用最优化技术中的最速下降法进行求解,如果||gk||>阈值,执行步骤8;
步骤8:如果||M(xk)/M(xk-1)||>1,则令α=ρα,ρ<1,跳至步骤9;
步骤9:执行xk+1=xk-α*gk,若||gk||≤阈值,则输出最优解xk,否则,继续执行步骤8。
进一步地,本发明上述步骤1包括:在对数正态阴影模型中,可以默认为接收信号的功率P(d0)是在基准距离d0=1的情况下的接收功率,在实际应用中,可以简化为,
从而RSSI的测距公式可以简化为RSSI=-(10nlgd+A),其中A为距离为1的时候接收信号强度值,n为衰减因子。
进一步地,本发明上述步骤2包括:五点二次曲线拟合平均法公式是:
其中,i=3,4,·····98,采用
进一步地,本发明上述步骤4包括:选择RSSI值比较大的前60个数据,对这60个数据求取平均值,根据平均值把这些数据分为两类,再对这两类分别求取平均值,根据这两个平均值把这两类再划分为四类,为RSSIA>RSSIB>RSSIC>RSSID,通过采用加权平均的方法,即通过系数加权使
其中,a,b,c,d分别取0.5,0.3,0.2,0.1,求出平均值;另外,再求出所有RSSI的算术平均值
进一步地,本发明上述步骤5包括:在室内环境中布置好参考节点m1,m2,m3和盲节点m,设参考节点为(xi,yi)和盲节点为(x,y),参考节点和盲节点在室内环境中是已知的,求出盲节点和参考节点的间实际距离a1,a2,a3。根据具体的室内环境相对应的距离损耗模型,即对数正态阴影模型,通过测得的三组不同的信号强度值
进一步地,本发明上述步骤6包括:列出三组方程式为:
分别求出三组解,每一组方程组中求的解舍去离剩下的第三个点最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即,
进一步地,本发明上述步骤7包括:建立目标方程:
可以改写为:
其中
可以化为无条件等式约束为:
对目标函数中的x,y分别求偏导:
根据此公式求二阶偏导:
采用最速下降法的公式
有益效果
1、本发明在室内定位过程中采用了无线传感器网络技术,能够实现对盲节点的定位,在运算过程中提高定位速度。
2、采用RSSI测距技术的无线传感器网络定位技术,它能利用对数正态阴衰落模型,得到接收信号的强度,获得了准确的RSSI值。
3、本发明在无线传感器网络进行室内定位的过程中,考虑到由对数正态阴影衰落模型中计算出的距离会产生误差,所以结合最小二乘法对距离进行修正。
4、本发明采用了最速下降法对定位目标进行优化,可以很好地取得良好的定位效果。
5、本发明与传统的用三边定位算法进行室内定位的方法相比,能够加快运行效率,提高定位位置精度。
附图说明
图1为基于最速下降法的室内定位的网络结构图。
图2为基于最速下降法的室内定位的具体方法的示意图。
图3为本发明的方法流程图。
具体实施方式
下面结合说明书附图对本发明创造作进一步的详细说明。
如图1所示,本发明所涉及的无线传感网室内定位的参考节点选取范围较广,因此在随机产生的随机产生的参考节点个数n(n可以为10、20···)个参考节点中,滤除参考节点以及盲节点距离大于15m的参考节点,选取剩下的其中三个参考节点来进行计算。
如图2所示为本发明的三边定位算法的示意图,分别以三个参考节点为圆心,修正后的距离为半径,三个圆交于一个区域,列出三组方程式:
分别求出三组解,每一组方程组中求的解舍去离剩下的第三个点最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即,
如图3所示为本发明方法的流程图,包括:第一步,根据实际的室内环境,采集RSSI信号强度值,第二步,根据实际环境布置参考节点与盲节点,求出实际参考节点与盲节点间的实际距离,第三步,对采集的RSSI值采用五点二次曲线拟合平均法滤波后,用加权平均法进行去噪分析,第四步,利用对数正态阴影衰落模型,得到理论距离,第五步,采用最小二乘法对实际距离和理论距离修正,得到修正距离,第六步,利用三边定位算法估计出盲节点的坐标,第七步,将三边定位算法估计出的坐标值作为最速下降法的初始值,最后用最速下降法求解出盲节点位置,并且将最速下降法和三边定位法的误差进行比较分析。
本发明方法的实现过程具体包括如下几个步骤:
步骤1:在室内环境下,利用对数正态阴影模型,对距离为1的时候接收信号强度值A和衰减因子n分别取值,根据室内环境下信号强度随距离衰减的关系,在同一个参考节点采集100个RSSI值并保证测量数据在1~15m内;
步骤2:分析列出来的数据,对同一个参考点处列出来的100个RSSI值采取五点二次曲线拟合平均法进行去噪分析,列出
步骤3:若
步骤4:经过五点二次曲线拟合平均法的滤波之后,采用加权平均法和算术平均法分别求出平均值
步骤5:把步骤4中求得的信号强度值代入对数正态阴影衰落模型中,得到理论距离d1,d2,d3,在实际环境中布置参考节点和盲节点,求出参考节点和盲节点间的实际距离a1,a2,a3,采用最小二乘法对实际距离和理论距离进行修正,得到修正值d1',d'2,d3';
步骤6:利用三边定位算法求出未知节点的坐标(x,y),并令此坐标值为步骤7中的初始值;
步骤7:对所求出的坐标值进行最优估计,采用最优化技术中的最速下降法进行求解,如果||gk||>阈值,执行步骤8;
步骤8:如果||M(xk)/M(xk-1)||>1,则令α=ρα,ρ<1,跳至步骤9;
步骤9:执行xk+1=xk-α*gk,若||gk||≤阈值,则输出最优解xk,否则,继续执行步骤8。
本发明上述步骤1包括:在对数正态阴影模型中,可以默认为接收信号的功率P(d0)是在基准距离d0=1的情况下的接收功率,在实际应用中,可以简化为,
从而RSSI的测距公式可以简化为RSSI=-(10nlgd+A),其中A为距离为1的时候接收信号强度值,n为衰减因子。
本发明上述步骤2包括:五点二次曲线拟合平均法公式是:
其中,i=3,4,·····98,采用
本发明上述步骤4包括:选择RSSI值比较大的前60个数据,对这60个数据求取平均值,根据平均值把这些数据分为两类,再对这两类分别求取平均值,根据这两个平均值把这两类再划分为四类,为RSSIA>RSSIB>RSSIC>RSSID,通过采用加权平均的方法,即通过系数加权使
其中,a,b,c,d分别取0.5,0.3,0.2,0.1,求出平均值;另外,再求出所有RSSI的算术平均值
本发明上述步骤5包括:在室内环境中布置好参考节点m1,m2,m3和盲节点m,设参考节点为(xi,yi)和盲节点为(x,y),参考节点和盲节点在室内环境中是已知的,求出盲节点和参考节点的间实际距离a1,a2,a3。根据具体的室内环境相对应的距离损耗模型,即对数正态阴影模型,通过测得的三组不同的信号强度值
本发明上述步骤6包括:列出三组方程式为:
分别求出三组解,每一组方程组中求的解舍去离剩下的第三个点最远的解,三组解分别设为(s1,w1),(s2,w2),(s3,w3),利用三边定位算法估计出(x,y)的坐标,即,
本发明上述步骤7包括:建立目标方程:
可以改写为:
其中
可以化为无条件等式约束为:
对目标函数中的x,y分别求偏导:
根据此公式求二阶偏导:
采用最速下降法的公式
机译: 基于传感器图像的室内定位装置及基于传感器图像的室内定位方法
机译: 基于用户位置信息及其室内定位方法的室内定位系统
机译: 基于用户位置信息的室内定位系统及其室内定位方法