[发明专利]一种实时室内定位系统及方法

权利要求书

1.一种实时室内定位方法，其特征在于，包括以下步骤：

步骤S1：在间隔时间段Δt内，读卡器连续采集设于移动目标物体上的标签tag的RSSI数据；

步骤S2：将采集到的RSSI数据存储于内存缓冲区，构成RSSI数据序列S＝{RSSI1，RSSI2，...，RSSIn}；

步骤S3：判断所述RSSI数据序列S是否收敛，是则转步骤S6，否则转步骤S4；

步骤S4：预测RSSI_i值，预测协方差，转步骤S5；

步骤S5：更新RSSI_i值，更新协方差，返回步骤S3；

步骤S6：更新内存缓冲区中的RSSI数据序列；

步骤S7：对更新后的RSSI数据序列进行归一化中位加权处理，得到对应的信号数据RSSI_end；

步骤S8：用对数-距离路径损耗模型进行RSSI_end距离估计；

步骤S9：将估计的距离作为质心定位算法的输入来计算质心，质心即是目标节点的坐标；

在步骤S4中，采用下式(1)预测RSSI_i值：

X(k|k-1)＝F·X(k-1|k-1)+B·U(k)(1)

式中，X(k|k-1)是利用上一时刻(k-1)预测的结果计算得到的当前时刻(k-1)的RSSI_i值，X(k-1|k-1)是上一时刻(k-1)的最优预测值，F和B是系统参数；U(k)为现在状态的控制量；

在步骤S4中，采用下式(2)预测协方差：

P(k|k-1)＝F·P(k-1|k-1)F^T+Q (2)

式中P(k|k-1)是X(k|k-1)对应的协方差，P(k-1|k-1)是X(k-1|k-1)对应的协方差，F^T是转置矩阵，Q是系统噪声；

在步骤5中，采用下式(3)更新RSSI_i值：

X(k|k)＝X(k|k-1)+k_g(k)·(Z(k)-H·X(k|k-1)) (3)

式中Z(k)是k时刻的测量值，H是系统参数；

在步骤S5中，采用下式(4)、(5)更新协方差：

k_g(k)＝P(k|K-1)·H^T/(H·P(k|k-1)·H^T+R) (4)

P(k|k)＝(1-k_g(k)·H)·P(k|k-1) (5)

式(4)中R是测量数据的噪声；这样每次P(k|k)和k_g(k)都需要前一时刻的值来更新，递归的估计下去，直到序列收敛；

在步骤S7中，按如下方法对更新后的RSSI数据序列进行归一化中位加权处理：

在RSSI数据序列中，找到中位值M_RSSI，然后以此中位值M_RSSI为基础计算每一个RSSI_i值的权值：

D_i＝(RSSI_i-M_RSSI)² (6)

$R_i=\frac{1}{1+D_i}---\left(7\right)$

$W_i=\frac{R_i}{\underset{i=0}{\overset{n-1}{\Σ}}{R}_i}---\left(8\right)$

其中，D_i为方差；

将序列中每一个信号的RSSI_i值与对应的W_i相乘，并进行累加，公式如下：

${\mathrm{RSSI}}_{end}=\underset{i=0}{\overset{n-1}{\Σ}}{W}_i\×{\mathrm{RSSI}}_i---\left(9\right)$

这样，得到的RSSI_end就作为两节点之间的RSSI值输出；

在步骤S8中，用对数-距离路径损耗模型进行RSSI_end距离估计的方法如下：

自由空间无线电传播路径损耗模型：

Loss＝32.4+10lg(d)+10klg(f) (10)

式(10)中d为距信源的距离，单位为m；f为频率，单位为MHz；k为路径衰减因子；

对数-距离路径损耗模型：

$Loss\left(d\right)=Loss\left(d_0\right)+10nlg\left(\frac{d}{d_0}\right)+X_{\mathrm{\σ}}---\left(11\right)$

式(11)中，Loss(d)表示经过了距离d后的路径损耗，单位为dBm；Loss(d₀)表示经过了距离d₀(通常取1m)后的路径损耗，单位为dBm；X_σ为均值为零且方差为σ²的高斯随机分布函数，n为无线电传播路径损耗系数；

选择对数-距离路径损耗模型；

由式(11)可以推导如下式子：

$\left\{\begin{array}{c}{\mathrm{RSSI}}_{end}=A-10nlg\left(d\right)\\ d={10}^{\frac{A-{\mathrm{RSSI}}_{end}}{10\×n}}\end{array}\right.---\left(12\right)$

式(12)中，A表示当距离d₀为1m的时候，节点接收到的RSSI，RSSI_end为式子(9)得到的信号处理值；

在步骤S9中，质心的计算方法如下：

设目标节点的坐标为(x,y)，三个锚节点的坐标以及接收到的RSSI_end值对应为：

(a₁,b₁)，RSSI₁；(a₂,b₂)，RSSI₂；(a₃,b₃)，RSSI₃；

接着，列出如下式子：

$\left\{\begin{array}{c}{(x-a_1)}^2+{(y-b_1)}^2={d_1}^2\\ {(x-a_2)}^2+{(y-b_2)}^2={d_2}^2\\ {(x-a_3)}^2+{(y-b_3)}^2={d_3}^2\end{array}\right.---\left(13\right)$

同时，令

R²＝x²+y² (15)

将以上转换为：

$\left|\begin{array}{ccc}-2a_1& -2b_1& 1\\ -2a_2& -2b_2& 1\\ -2a_3& -2b_3& 1\end{array}\right|\left|\begin{array}{c}x\\ y\\ R^2\end{array}\right|=\left|\begin{array}{c}{r_1}^2\\ {r_2}^2\\ {r_3}^2\end{array}\right|---\left(16\right)$

令：

$Q=\left|\begin{array}{ccc}-2a_1& -2b_1& 1\\ -2a_2& -2b_2& 1\\ -2a_3& -2b_3& 1\end{array}\right|,\mathrm{\θ}=\left|\begin{array}{c}x\\ y\\ R^2\end{array}\right|,b=\left|\begin{array}{c}{r_1}^2\\ {r_2}^2\\ {r_3}^2\end{array}\right|$

则有：

Q×θ＝b (17)

得最小二乘解：

$Q=\left|\begin{array}{ccc}-2a_1& -2b_1& 1\\ -2a_2& -2b_2& 1\\ -2a_3& -2b_3& 1\end{array}\right|---\left(18\right)$

最终中的(x，y)就是系统所预测的坐标。