一種融合的室內定位方法與流程
2023-11-08 05:45:17
本發明屬於室內定位與短距離通信領域。
背景技術：
：室內定位是指在室內環境中實現位置定位，主要採用無線通訊、基站定位、慣導定位等多種技術集成形成一套室內位置定位體系，從而實現人員、物體等在室內空間中的位置監控。除通訊網絡的蜂窩定位技術外，常見的室內無線定位技術還有：Wi-Fi、藍牙、紅外線、超寬帶、RFID、ZigBee和超聲波。室內定位技術發展至今，已經有相當成熟的一些定位方式，如測距式的定位方法，包括基於無線信號空間傳播路損(Pathloss)模型，基於TOA(到達時間)，TDOA(到達時間差)，AOA(到達角)等；同時，非測距式的定位方法，如指紋匹配(RFPM)也具有相當廣泛的影響力和使用範圍。在現有混合定位的方案中，都是以犧牲工程部署難度或者增加成本來追求高精度的定位性能，但實際工程中需要綜合考慮性能與適用性的折中。技術實現要素：本發明提出一種融合的室內定位方法，該方法通過融合低密度的離線採樣和路損模型測距方式，目的能夠大大降低實際工程的安裝部署複雜度，實現了定位性能與工程量開銷的這種，具有廣泛的適用性。為了實現上述目的，本發明的內容包括以下三個部分：一、融合室內定位方法的總流程步驟1：在實際環境中，根據場景部署好定位基站。步驟2：對實際的無線環境進行虛擬柵格化，為降低柵格化和採樣的工程量，僅在錨節點處，以及錨節點附近進行少量參考點的柵格化。步驟3：基於步驟2劃分好的柵格，提取各個柵格的無線信號特徵量信息。步驟4；判斷待測用戶的特徵量對於任意柵格特徵量的歐式距離是否小於閾值。如果是，則執行步驟5；如果否，則跳轉步驟6。步驟5：執行基於KNN的指紋匹配定位算法，跳轉步驟7。步驟6：執行基於無線信號實測修正的路損模型測距的定位算法。步驟7：總流程結束。所述的基於KNN的指紋匹配定位算法和基於無線信號實測修正的路損模型測距定位算法屬於本發明的兩個子算法模塊，分別如第二部分和第三部分所述。二、基於KNN的指紋匹配定位算法步驟1：選擇待測目標的特徵量同指紋資料庫中柵格點的特徵量歐氏距離最短的K個柵格，記為：G1，G2，…GK。步驟2：選擇對待測目標RSSI最強和次強的兩個定位基站，記為AP1，AP2。步驟3：在備選的K個柵格中，刪除同AP1和AP2不相關的柵格。所謂不相關的柵格，即該柵格中不包含AP1和AP2的特徵量。假定刪除不相關的柵格後，還剩下N個備選柵格，N滿足大於等於1。步驟4：對N個備選柵格進行加權平均。假定這N個柵格的坐標(以二維坐標為例)分別為：(x1，y1)，(x2，y2)…(xn，yn)，且這N個柵格與待測目標之間的歐式距離分別為D1，D2，…Dn(歐式距離越小，加權係數越大)。那麼加權平均後的坐標為：三、基於路損模型測距的定位算法步驟1：選擇對待測目標的接收信號強度指示(RSSI)最大的定位基站，記為AP1。步驟2：在AP1的相鄰AP中，選擇具有次強接收信號強度指示(RSSI)的定位基站，記為AP2。AP1和AP2也必須滿足相鄰的位置關係。步驟3：基於擬合的路損模型測距方法，估算出待測目標位於以AP1為圓心，R1為半徑的圓上。步驟4：基於擬合的路損模型測距方法，估算出待測目標位於以AP2為圓心，R2為半徑的圓上。步驟5：判斷兩個圓的位置關係，是否相切？如果是，執行步驟6；如果否，則跳轉步驟7。步驟6：相切交點的位置坐標，即是待測目標的位置坐標。跳轉步驟14。步驟7：判斷兩圓的位置是否是相交？如果是，則執行步驟8；如果否，則跳轉步驟9。步驟8：兩圓相交有兩個交點，連接兩個交點，以及連接兩個圓的圓心，這兩條線段的交點，即為待測目標的位置坐標。步驟9：判斷兩圓的位置關係是否是外離？如果是，則執行步驟10；如果否，則跳轉步驟12。步驟10：兩圓發生外離，則證明兩個定位基站對於待測目標的信號強度相對較弱。對於信號強度強的AP1來講，必然滿足R1＜R2，則以V1*R1為步長對R1進行擴大；對於R2，則以V2*R2為步長對R2進行擴大。直到兩圓發生相交(V1，V2是算法參數，在本發明中可根據實際環境調整)。步驟11：對於擴大半徑後的兩圓交點，連接這兩個交點，以及連接兩個圓的圓心，這兩條線段的交點，即為待測目標的位置坐標。跳轉步驟14。步驟12：此時兩圓的位置關係為內離，表明兩個定位基站對於待測目標的信號強度差異很大。對於R1，半徑不改變；對於R2，以V3*R2為步長對R2進行縮小，直到兩個圓發生相交(V3是算法參數，在本發明中可根據實際環境調整)。步驟13：對於縮小半徑後的兩圓交點，連接這兩個交點，以及連接兩個圓的圓心，這兩條線段的交點，即為待測目標的位置坐標。步驟14：算法結束本發明的有益效果：本發明提出一種混合的室內定位方式，在實際應用和工程上，通過少量的離線採樣和基於路損模型的位置估計，能夠大大降低部署的難度和工程複雜度。本發明不僅考慮了定位精度的優化，同時考慮了工程部署的便捷性和複雜度，以及適用場景的廣泛性，是一種考慮多方面因素的實用定位方法。附圖說明圖1是融合室內定位方法的總流程圖2是基於KNN的指紋匹配算法流程圖3是基於路損模型測距的定位算法流程具體實施方式實施例1：假定系統的定位基站採用的WLAN技術為WIFI，並且每個基站按照60m的站間距進行部署，本發明中的系統關鍵參數配置如下：參數名稱參數值特徵量閾值3dB快速收斂因子：V11％快速收斂因子：V210％快速收斂因子：V310％實施例2：假定系統的定位基站採用的WLAN技術為Zigbee，並且每個基站按照90m的站間距進行部署，本發明中的系統關鍵參數配置如下：參數名稱參數值特徵量閾值4dB快速收斂因子：V12％快速收斂因子：V215％快速收斂因子：V310％當前第1頁1 2 3