rssi室内定位算法原理_一种基于rssi的室内定位方法

一种基于rssi的室内定位方法

【技术领域】

[0001] 本发明设及一种基于RSSI的室内定位方法，尤其设及在噪声环境下利用基于卡 尔曼的滤波优化方法对RSSI测量值进行滤波去噪并改善定位系统累积误差的基于RSSI的 室内定位方法，属于移动计算和信号处理的交叉技术应用领域。

【背景技术】

[0002] 室内定位算法力求通过不同的无线信号技术，利用对应的距离计算方法，在室内 环境中对待定位物体进行快速、高效的精准定位，从而得到精确的物体坐标。

[000引 目前的室内定位算法都是基于无线网络(Wireless Fidelity, Wi-Fi)、 无线传感器网络(Wireless Sensor Network, WSN)、射频识别(Radio Rrequen巧 Identification, RFID)、藍牙炬 luetooth) W 及超宽带化 Itra Wide Band, UWB)等无线 技术。结合信号传输时间(Time of Arrival, TOA)、信号传输时间差(Time Difference of Arrival, TDOA)信号传输角度(Angle of Arrival, AOA) W及信号强度指示化eceived Si即al Strength Indicator, RSSI)该些方法中的一种，再利用S边测量或者S角测量的 方法测算得到待定坐标。

[0004] 室内定位算法的性能指标有定位精度、时间开销、定位实时性、算法复杂度等。其 中，定位精度是室内定位算法的关键指标。一些室内定位算法在理论上可预见较高的定位 精度，但是在实际环境中定位精度却很低，该是由于该些定位算法没有考虑室内环境中的 人及人的活动。对于Wi-Fi信号来说，其通信频率为2. 4GHz，和水的共振频率一样，而人体 的含水比例约为70%，室内环境中的人会对信号的传播产生影响，如果人员众多且活动频 繁，那么该些室内环境中的人将在室内定位过程中产生较大噪声，降低定位精度。

[0005] 可见，单纯地考虑各种无线技术在室内无人环境的定位是不足的，特别是在诸如 博物馆，商业中屯、等大型室内定位场景当中，人员众多且人流量大，要想通过合适的定位算 法得到较高的定位精度，就不得不解决人本身所带来的噪声影响。

【发明内容】

[0006] 本发明所要解决的技术问题在于克服现有技术不足，提供一种基于RSSI的室内 定位方法，通过改进的卡尔曼滤波算法对RSSI测量值进行处理，从而消除人对无线信号传 播所产生的噪声影响，有效改善因为累积误差导致的定位精度的降低，能够在噪声均值变 化幅度较大的室内环境仍能保持较高的定位精度，且能够提高室内定位的稳定性并保持较 低的时间开销。

[0007] 本发明具体采用W下技术方案：

[000引一种基于RSSI的室内定位方法，首先对RSSI测量值进行基于卡尔曼的滤波优化， 然后利用滤波优化后的RSSI值进行室内定位；所述基于卡尔曼的滤波优化，在每一次对增 益矩阵进行求解之前，首先将当前残余奇异值的最大值与一预设阔值进行比较，若残余奇 异值的最大值大于或等于所述阔值，则将增益矩阵置零并进入下一次自循环中，否则，不采 取任何额外操作，进入状态更新阶段。

[0009] 优选地，所述基于RSSI的室内定位方法，具体包括W下步骤：

[0010] 步骤1、获取RSSI测量值并进行定位系统初始化；

[0011] 步骤2、进行时间更新：根据初始数据或上一轮自循环中状态更新得到的数据，计 算RSSI的先验值和先验误差协方差；

[0012] 步骤3、奇异值判定；在进行状态更新开始前，计算残余奇异值的最大值，并将其 与经验阔值P作比较：若计算得到的奇异值最大值不小于经验阔值P，转到步骤4 ;若计 算得到的奇异值最大值小于经验阔值P，则不做其他操作，准备进入状态更新，转到步骤 5 ；

[0013] 步骤4、将增益矩阵置0,跳过本轮循环的状态更新过程，准备进入下一轮的自循 环过程，转到步骤2;

[0014] 步骤5、进行状态更新：根据本轮时间更新得到的数据进行增益Kk的计算，更新 RSSI估计值和RSSI的协方差误差；

[0015] 步骤6、判断迭代是否结束，若结束则转到步骤7 ;若未结束，则进行下一轮的自循 环优化过程，转到步骤2;

[0016] 步骤7、根据得到的RSSI值计算出距离值，并根据距离值得到最终的估计坐标值， 结束算法循环。

[0017] 相比现有技术，本发明具有W下有益效果：

[001引本发明具有W下有益效果：

[0019] (1)本发明方法有效优化了大型室内环境中人在定位过程中产生的噪声，克服了 人员众多的情况下定位精度有所降低的难题，提高了定位精度；

[0020] (2)本发明方法能够有效改善因为累积误差导致的定位精度的降低，进一步提高 了室内定位的精度；

[0021] (3)本发明方法的稳定性能够保证即使在室内噪声值变化很大且不稳定的环境 下，和传统的定位算法相比，依然能够保持较高的定位精度，提高了定位系统的定位稳定 性；

[002引 (4)本发明方法的时间复杂度为0(n)，时间开销小，定位实时性高。

【附图说明】

[0023] 图1为本发明的室内定位方法的流程示意图；

[0024] 图2为本发明适用的定位环境的场景示意图。

【具体实施方式】

[0025] 下面结合附图对本发明的技术方案进行详细说明：

[0026] 本发明针对现有基于RSSI的室内定位算法对于人流较大的场景定位精度较低的 不足，利用基于卡尔曼的滤波优化方法对RSSI测量值进行去噪，根据矩阵论原理，利用简 单的奇异值判定来消除累积误差的影响，从而可有效消除较大人流环境下人体本身对无线 信号所产生的影响，提高定位精度。

[0027] I960年卡尔曼发表了 一篇著名的论文[Kalman R E. A new approach to linear filtering and prediction problems[J].Journal of Fluids Engineering, 1960, 82(1) :35-45.]，在文中他阐述了一种解决离散数据线性滤波问题的递 归方法，并由Stanley Schmi化首次实现了该种递归优化算法，该种优化算法称为卡尔曼滤 波器。卡尔曼滤波器最初只是一种形式一般的简单滤波器，伴随着数字计算机技术的不断 丰富和进步，卡尔曼滤波器算法也得到了不断的扩充与发展，特别是在工程领域中，从自动 化机床的控制到计算机图形图像的处理，从导弹追踪到雷达系统探测，从机器人导航到卫 星轨迹预测等，卡尔曼滤波器在工业、军事和高科技领域均有广泛的应用，有着难W替代的 地位。简单来说，"卡尔曼滤波器是一个最优化自回归数据处理算法"。

[002引正是由于卡尔曼滤波器的最优化自回归特性，在室内定位的进程中，经过卡尔曼 滤波器的时间更新过程和状态更新过程的反复迭代，来得到定位坐标的优化值。实验结果 表明，卡尔曼滤波器确实能够提高定位精度，并且效果明显又稳定。但是伴随着迭代次数的 不断增加，由定位系统产生的累积误差(Accumulative化ror)也将越来越大，特别是在人 员众多、人员活动频繁、室内结构复杂的室内环境之中，所产生的累积误差效应将对室内定 位精度产生很大的影响。因为Wi-Fi的通信频率为2. 4GHz，和水的共振频率一样，而人体的 含水比例大约为70%，因此人体对Wi-Fi信号的影响十分显著，特别是在人员众多且活动 频繁的室内环境当中，人对无线信号的影响W及对室内定位精度的影响尤为明显。

[0029] 本发明所提出的基于卡尔曼的改进型滤波算法利用矩阵论的奇异值原理，结合一 个经验阔值去选择性地处理整个优化方法的循环过程，改善累积误差对定位精度的影响， 从而提升在该频段噪声室内环境中的定位精度。

[0030] 本发明提出的室内定位算法分为时间更新，奇异值判定W及状态更新=个过程， 并通过该=个过程的反复迭代来得到RSSI的优化值，从而便于得到更为精确的定位坐标。 算法的核屯、思想是根据矩阵论中的奇异值理论，在算法优化迭代的自循环过程中设置一个 奇异值判定过程，并结合经验阔值选择性地在第k次自循环中将残余的增益置零，使第k 次的自循环跳空，利用算法自循环的惯性预测特性进行第k+1次RSSI值的估算，减少累积 误差的叠加，减轻定位系统中非线性特性稍强或者噪声特性偏离高斯分布较大所带来的影 响，从而优化RSSI值，W便于得到更为精确的位置坐标。

[0031] 定位算法中的离散过程可由下面的差分方程和观测方程来表示，其中n维状态变 量X G护，m维观测变量y G r。

[0032] 差分方程：

[003引 Xk= AXk-i+B?k-i+e k-i (D

[0034] 观测方程；

[0035] 化,.+巧： (2)

[0036] 在式(1)和式似中，e和中分别表示定位系统的过程激励噪声和观测噪声，都是 期望为0的白噪声