基于改进粒子滤波的WiFi/WSN混合定位方法技术

本发明专利技术提供了一种基于改进粒子滤波的WiFiWSN混合定位方法，其包括以下步骤：(1)采集无线信号，初始化，根据目标状态先验分布随机采样建立粒子集；(2)粒子迁移，根据状态迁移模型得到新的粒子集；(3)计算粒子权重；(4)估计目标状态；(5)粒子筛选；(6)重采样。本发明专利技术的方法定位精度高、可靠性强。

【技术实现步骤摘要】

本专利技术涉及无线传感定位技术，具体涉及一种基于改进粒子滤波的WiFi/WSN混合定位方法。
技术介绍
在信息时代、大数据时代，位置信息帮助我们从多个角度认识事物。BDS(BeiDouNavigationSatelliteSystem，北斗卫星导航系统)/GPS(GlobalPositioningSystem，全球定位系统)接收机或者手机提供或记录了我们生活中大部分位置信息，这些信息或者来自卫星定位系统，或者来自移动通信网络，亦或来自WiFi(WirelessFidelity，无线保真技术)网络。但是人们的社会活动更多集中在室内等信号遮蔽区域，卫星导航定位受到极大的限制、而基于网络的AGPS(AssistedGlobalPositioningSystem，辅助全球定位系统)定位精度不够高，这给许多依赖高精度位置的服务与应用带来了不便。以WiFi为代表的无线电室内外导航定位技术受到青睐，并且得到了商业化的发展，比如Skyhook作为室外无线电定位服务商，拥有北美、欧洲等地移动通信基站、WiFi接入点数据库，会根据用户请求提供定位服务。而因为只涉及提供技术方案和设备，所以基于无线电的室内定位服务商更加数不胜数，比如Ekahau、PinPoint、Zebra等。总的来说，其中采用的定位方法可以分为两大类：位置指纹匹配(Locationfingerprinting)和测边交会(Intersection)。两类方法各有优缺点，位置指纹匹配需要建立和维护庞大的数据库，而测边交会虽然需要维护的数据库较小，但是测距易受环境影响而导致定位精度不佳。混合定位结合单一技术和方法的优点，能够提供更高精度、更可靠的定位信息。“基于UWB和DGPS的混合定位方法研究”一文基于粒子滤波模型提出了结合UWB(UltraWideBand，超宽带)室内定位和DGPS(DifferentialGlobalPositioningSystem，差分全球定位系统)室外定位的室内外混合定位方法。针对只有一种观测量和两种观测量的情况进行讨论，分别对UWB观测量、DGPS观测量以及两种集成观测量建模。“基于多运营商基站信号和Wi-Fi信号的混合定位技术探讨”一文利用采集的CDMA2000(CodeDivisionMultipleAccess2000，码分多址2000移动通信标准)、GSM(GlobalSystemforMobilecommunication，全球移动通信系统)、WCDMA(WidebandCodeDivisionMultipleAccess，宽带码分多址移动通信标准)和Wi-Fi多模信号位置指纹实现混合定位。同等对待多模信号建立位置指纹，增加了定位可用性和可靠性。但是该技术没有根据信号的特点采取不同的处理方式，没有充分发挥多种信号混合的优势。
技术实现思路
本专利技术的目的在于现有技术中存在的问题，克服其缺点和不足，提供一种信号相对稳定、定位精度高、可靠性强的室内定位方法。为了实现以上目的，本专利技术提供了一种基于改进粒子滤波的WiFi/WSN混合定位方法，其包括以下步骤：(1)采集无线信号，初始化，根据目标状态先验分布随机采样建立粒子集其中，Ns表示粒子的数量，以及相应的正则化权重(2)粒子迁移，根据状态迁移模型Xk＝fk-1(Xk-1)+ωk-1，其中，ωk表示模型噪声，得到新的粒子集；(3)计算粒子权重，在计算粒子权重时利用k时刻的观测向量Zk与WiFi位置指纹库中观测值向量之间欧式距离的倒数近似地表达即wki=Σj=1N(RSSj-RSSj0)2,]]>其中，N为观测向量的维度，RSSj为WiFi观测向量信号强度值，而是WiFi位置指纹信号强度值；(4)估计目标状态，可以不断地利用粒子群及相应权重估算，其计算式如下：X^k=Σi=1NSXkiwki;]]>(5)粒子筛选，利用抗干扰性更好的WSN信号辅助粒子筛选，确定以WSN信号源为中心、R为半径的高概率粒子分布区，然后通过欧式距离选取处于分布区内的粒子位置分布Ψk，Di=(Locxi-Locx0)2+(Locyi-Locy0)2,ΓD={Di<R本文档来自技高网...

【技术保护点】
一种基于改进粒子滤波的WiFi/WSN混合定位方法，包括以下步骤：(1)采集无线信号，初始化，根据目标状态先验分布随机采样建立粒子集其中，Ns表示粒子的数量，以及相应的正则化权重(2)粒子迁移，根据状态迁移模型Xk＝fk‑1(Xk‑1)+ωk‑1，其中，ωk表示模型噪声，得到新的粒子集；(3)计算粒子权重，在计算粒子权重时利用k时刻的观测向量Zk与WiFi位置指纹库中观测值向量之间欧式距离的倒数近似地表达即wki=Σj=1N(RSSj-RSSj0)2,]]>其中，N为观测向量的维度，RSSj为WiFi观测向量信号强度值，而是WiFi位置指纹信号强度值；(4)估计目标状态，可以不断地利用粒子群及相应权重估算，其计算式如下：X^k=Σi=1NSXkiwki;]]>(5)粒子筛选，利用抗干扰性更好的WSN信号辅助粒子筛选，确定以WSN信号源为中心、R为半径的高概率粒子分布区，然后通过欧式距离选取处于分布区内的粒子位置分布Ψk，Di=(Locxi-Locx0)2+(Locyi-Locy0)2,ΓD={Di<R},i=1,...,Ns]]>Ψk={Locj=(Locxj,Locyj):Dj∈ΓD,j=1,...,Nk}]]>其中Nk为分布区内粒子数目；(6)重采样：根据p(xk|z1:k)近似离散形式采样Ns次得到新的粒子集并且将权重全部重置为1/Ns，转到所述步骤(2)。...

【技术特征摘要】
1.一种基于改进粒子滤波的WiFi/WSN混合定位方法，包括以下步骤：(1)采集无线信号，初始化，根据目标状态先验分布随机采样建立粒子集其中，Ns表示粒子的数量，以及相应的正则化权重(2)粒子迁移，根据状态迁移模型Xk＝fk-1(Xk-1)+ωk-1，其中，ωk表示模型噪声，得到新的粒子集；(3)计算粒子权重，在计算粒子权重时利用k时刻的观测向量Zk与WiFi位置指纹库中观测值向量之间欧式距离的倒数近似地表达即wki=Σj=1N(RSSj-RSSj0)2,]]>...

【专利技术属性】
技术研发人员：夏林元，吴东金，程静，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44