[发明专利]一种实时室内定位系统及方法

摘要

本发明涉及一种实时室内定位系统及方法，该方法包括1、在间隔时间段内，读卡器连续采集标签的RSSI数据；2、将RSSI数据存储于缓冲区，构成RSSI数据序列S；3、判断所述RSSI数据序列S是否收敛，是则转步骤6，否则转步骤4；4、预测RSSIi值，预测协方差；5、更新RSSIi值，更新协方差，转步骤3；6、更新缓冲区中的RSSI数据序列；7、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RSSIend；8、用对数‑距离路径损耗模型进行RSSIend距离估计；9、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。该系统及方法定位精度高，稳定性强。

主权项

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RSSIi值，预测协方差，转步骤S5；步骤S5：更新RSSIi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RSSIend；步骤S8：用对数‑距离路径损耗模型进行RSSIend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RSSIi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RSSIi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)FT+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，FT是转置矩阵，Q是系统噪声；在步骤5中，采用下式(3)更新RSSIi值：X(k|k)＝X(k|k‑1)+kg(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：kg(k)＝P(k|K‑1)·HT/(H·P(k|k‑1)·HT+R)   (4)P(k|k)＝(1‑kg(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kg(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MRSSI，然后以此中位值MRSSI为基础计算每一个RSSIi值的权值：Di＝(RSSIi‑MRSSI)2   (6)Ri=11+Di---(7)]]>Wi=RiΣi=0n-1Ri---(8)]]>其中，Di为方差；将序列中每一个信号的RSSIi值与对应的Wi相乘，并进行累加，公式如下：RSSIend=Σi=0n-1Wi×RSSIi---(9)]]>这样，得到的RSSIend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RSSIend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(d)=Loss(d0)+10nlg(dd0)+Xσ---(11)]]>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；Xσ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：RSSIend=A-10nlg(d)d=10A-RSSIend10×n---(12)]]>式(12)中，A表示当距离d0为1m的时候，节点接收到的RSSI，RSSIend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RSSIend值对应为：(a1,b1)，RSSI1；(a2,b2)，RSSI2；(a3,b3)，RSSI3；接着，列出如下式子：(x-a1)2+(y-b1)2=d12(x-a2)2+(y-b2)2=d22(x-a3)2+(y-b3)2=d32---(13)]]>同时，令R2＝x2+y2   (15)将以上转换为：-2a1-2b11-2a2-2b21-2a3-2b31xyR2=r12r22r32---(16)]]>令：Q=-2a1-2b11-2a2-2b21-2a3-2b31,θ=xyR2,b=r12r22r32]]>则有：Q×θ＝b   (17)得最小二乘解：Q=-2a1-2b11-2a2-2b21-2a3-2b31---(18)]]>最终中的(x，y)就是系统所预测的坐标。