一种基于RSSI概率分布的加权定位方法技术

本发明专利技术涉及一种基于RSSI概率分布的加权定位方法，该方法包括以下步骤：将定位空间简化为多个离散空间，获取待定位终端采集的RSSI数据；基于离线获取的距离与RSSI概率分布之间的映射关系以及定位空间中RSSI概率分布，采用贝叶斯公式估计各个离散空间的权重，以权重最大的离散空间的位置作为定位结果。与现有技术相比，本发明专利技术具有定位精度高、鲁棒性佳等优点。鲁棒性佳等优点。鲁棒性佳等优点。

【技术实现步骤摘要】
一种基于RSSI概率分布的加权定位方法


[0001]本专利技术涉及位置服务
，尤其是涉及一种基于RSSI概率分布的加权定位方法。

技术介绍

[0002]随着大数据时代的到来，多种多样的数据在生产、生活中起着越来越重要的作用，各个领域对位置服务(location based services,LBS)的需求日益增加。全球卫星导航定位系统(global navigation satellite system,GNSS)在室外能够提供精确的定位导航服务，广泛应用于工业、农业、军工业及商业等各大领域。但是在室内环境下，GNSS信号被因筑物遮挡造成定位设备接收的信号质量差或无法接收到信号而不能进行定位，使得室内定位技术逐渐成为学术界与工业界的研究热点。目前基于无线信号的室内定位技术可以分为UWB定位技术、蓝牙定位技术、ZigBee定位技术、RFID定位技术、Wi
‑
Fi定位技术等。其中Wi
‑
Fi定位技术具有部署方便、成本较低、定位精度较高等优点，同时移动终端内置Wi
‑
Fi接收芯片，使得该技术便于推广。常用的室内定位方法包括基于到达时间差(TDOA)、到达时间(TOA)、到达方向(DOA)和RSSI(Received Signal Strength Indication，接收信号强度指示)等。其中基于RSSI的Wi
‑
Fi信号的室内定位技术不要求特殊的硬件设备、具有良好的适用性、有较高的定位精度而得到了研究者的广泛关注。该技术主要可以归纳为基于RSSI位置指纹的Wi
‑
Fi定位和基于RSSI测距的Wi
‑
Fi定位技术。
[0003]如图1所示，基于指纹的定位(fingerprinting
‑
based localization)方法依靠RSSI在不同位置上的差异性，建立RSSI到空间位置的唯一映射关系，通过匹配算法进行定位。建立指纹库时需要采集大量RSSI数据且后期需要对指纹库不断更新，工作量巨大。由于指纹库与环境结合非常紧密，导致采集工作获取的信息很难迁移到类似的环境，造成大量重复作业。
[0004]基于RSSI测距的定位方法依据RSSI随距离衰减的特性测量待定位终端到无线接入点(Access Point,AP)的距离进行定位，有实用性较强、可伸缩性强、部署和维护简单等优点。目前的RSSI测距定位技术主要以路径损耗模型为基础。以AP作为信号源，其发射的Wi
‑
Fi信号的强度会随着接收距离的增加而减弱。依据这种衰减特性，可以从RSSI计算出待定位终端与AP之间的距离。目前大多基于测距的Wi
‑
Fi定位方法建立在对数路径损耗模型的基础之上，依据RSSI与终端到AP距离之间的对数关系实现定位。但是Wi
‑
Fi信号易受噪声等外界不确定因素的干扰以及多径效应，使得移动终端接收到的信号强度指示存在波动性，从而影响现有以路径损耗模型为基础的RSSI测距定位技术的准确性。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种定位精度高、鲁棒性佳的基于RSSI概率分布的加权定位方法。
[0006]虽然基于Wi
‑
Fi的室内定位方法存在定位精度受RSSI噪声影响的问题，但是专利技术
人发现总体上空间中一点的RSSI服从高斯分布且是时间平稳的。由此，本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于RSSI概率分布的加权定位方法，该方法包括以下步骤：
[0008]将定位空间简化为多个离散空间，获取待定位终端采集的RSSI数据；
[0009]基于离线获取的距离与RSSI概率分布之间的映射关系以及定位空间中RSSI概率分布，采用贝叶斯公式估计各个离散空间的权重，以权重最大的离散空间的位置作为定位结果。
[0010]将所述定位空间简化为边长等于Δd多个离散空间。
[0011]进一步地，所述距离与RSSI概率分布之间的映射关系的离线获取过程包括：
[0012]在定位空间中布置多个AP；
[0013]计算每个离散空间到各AP的距离L，以每个离散空间作为一个数据采集点收集RSSI数量，建立距离与RSSI概率分布之间的映射关系L～P(RSSI∣L)，其中，P(RSSI∣L)表示与AP的距离L时的RSSI概率分布，由高斯拟合获得。
[0014]进一步地，在每个所述数据采集点收集数量相同的RSSI数量。
[0015]进一步地，对收集的所有RSSI数量进行统计分析获得所述定位空间中RSSI概率分布。
[0016]进一步地，所述每个离散空间到各AP的距离L表示为
[0017][0018]其中，x、y为离散空间中心点的横纵坐标，xc、yc表示AP的横纵坐标。
[0019]进一步地，所述采用贝叶斯公式估计各个离散空间的权重具体表示为：
[0020][0021]其中，W(x,y)为离散空间的最终权重，N为该离散空间接收到RSSI的AP个数，P(L
i
∣RSSI
i
)表示基于贝叶斯公式求解获得的概率，P(L∣RSSI)表示已知RSSI时定位终端与AP的距离为L的概率，P(RSSI∣L)表示与AP的距离L时的RSSI概率分布，P(L)为距离分布，P(RSSI)表示定位空间中RSSI概率分布。
[0022]进一步地，所述距离分布为均等分布。
[0023]进一步地，采用粒子群算法求解获得权重最大的离散空间的位置。
[0024]进一步地，获取距离与RSSI概率分布之间的映射关系时，对无法直接获得的映射采用三次样条插值法得到。
[0025]与现有技术相比，本专利技术具有以下有益效果：
[0026]1、本专利技术在研究RSSI的平稳性、分布特性的基础上，通过将先验的RSSI概率分布引入权重的计算，给异常值较低的权重，降低了环境噪声和外界不确定因素对定位精度的影响，有效提高定位精度。
[0027]2、本专利技术基于RSSI概率分布的加权定位方法利用概率统计得到距离AP不同位置处的RSSI分布，并进一步近似为高斯分布，通过使用各个离散空间的高斯分布特性计算对应的权重，通过粒子群算法得到权重最大的位置并作为定位结果。定位效果在优于传统方
法的同时也具有较好的鲁棒性。
附图说明
[0028]图1为现有指纹定位的流程图；
[0029]图2为本专利技术方法的流程图；
[0030]图3为本专利技术中RSSI到空间位置的映射关系示意图；
[0031]图4为本专利技术中权重分布示意图。
具体实施方式
[0032]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0033]参考图2所示，本实施例提供一种基于RS本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RSSI概率分布的加权定位方法，其特征在于，该方法包括以下步骤：将定位空间简化为多个离散空间，获取待定位终端采集的RSSI数据；基于离线获取的距离与RSSI概率分布之间的映射关系以及定位空间中RSSI概率分布，采用贝叶斯公式估计各个离散空间的权重，以权重最大的离散空间的位置作为定位结果。2.根据权利要求1所述的基于RSSI概率分布的加权定位方法，其特征在于，将所述定位空间简化为边长等于Δd多个离散空间。3.根据权利要求1所述的基于RSSI概率分布的加权定位方法，其特征在于，所述距离与RSSI概率分布之间的映射关系的离线获取过程包括：在定位空间中布置多个AP；计算每个离散空间到各AP的距离L，以每个离散空间作为一个数据采集点收集RSSI数量，建立距离与RSSI概率分布之间的映射关系L～P(RSSI∣L)，其中，P(RSSI∣L)表示与AP的距离L时的RSSI概率分布，由高斯拟合获得。4.根据权利要求3所述的基于RSSI概率分布的加权定位方法，其特征在于，在每个所述数据采集点收集数量相同的RSSI数量。5.根据权利要求3所述的基于RSSI概率分布的加权定位方法，其特征在于，对收集的所有RSSI数量进行统计分析获得所述定位空间中RSSI概率分布。6.根...

【专利技术属性】
技术研发人员：聂大惟，朱海，吴飞，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：