[发明专利]一种基于WiFi接收信号强度的混合室内定位方法

摘要

一种基于WiFi接收信号强度的混合室内定位方法，它有五大步骤：步骤一：根据位置指纹室内定位技术，在离线阶段，根据选定的室内测试区域，依照对数距离路径损耗模型产生RSSI值，构成离线指纹数据库；步骤二：通过航位推测法在二维坐标下产生目标的运动路径；步骤三：通过模糊k-NN算出定位结果；步骤四:根据卡尔曼滤波方法的状态模型对运动目标的下一个位置进行预测；步骤五：将通过位置指纹技术得到的估计位置坐标加入到卡尔曼滤波方法的量测矩阵中，得到混合量测矩阵，通过混合量测模型对系统状态进行更新，得到滤波后的估计位置坐标；通过步骤四与步骤五不断的迭代更新，得到整个运动路径下的定位结果。

主权项

一种基于WiFi接收信号强度的混合室内定位方法，其特征在于：它包括以下步骤：步骤一：根据位置指纹室内定位技术，在离线阶段，根据选定的室内测试区域，依照对数距离路径损耗模型产生RSSI值，构成离线指纹数据库；其中，由于信号的长距离衰落特性服从对数正态分布，常用对数距离路径损耗模型表示，其中对数距离路径损耗模型的具体表示如下：$P_{\mathrm{rx}}\left(\mathrm{dB}\right)=P_{d_o}\left(\mathrm{dBm}\right)-10l{\log }_{10}\left(\frac{R}{R_o}\right)-\mathrm{wallLoss}$其中，P_rx表示接收强度，是相对距离的接收强度或一米远的初始RSSI值，l是路径损耗指数，它能随传播环境的不同在2～6之间变化；R_o参考距离，R是接收设备与发射设备之间的距离；wallLoss是指由各面墙造成的损耗的和，这个因素决定于建筑布局，建筑材料，大量反射面，基础公共设施和移动物体；步骤二：通过航位推测法在二维坐标下产生目标的运动路径；x_i＝x_i‑1+v_iΔtcos(θ_i)y_i＝y_i‑1+v_iΔtsin(θ_i)其中，x_i，y_i表示当前物体的位置，x_i‑1，y_i‑1是笛卡尔坐标系统中前一个参考位置，v_i和Δt分别表示速度和取样间隔；步骤三：通过模糊k‑NN算出定位结果；其中，离线阶段从各AP采集的接收信号强度RSSI向量为在线阶段，在特定位置采集到的RSSI值为：其中，N为AP的个数，n为测试区域栅格的个数；模糊k‑NN分类器采用一阶最近邻算法，则在位置γ_i的值μ_i(γ)表示为：${\mathrm{\μ}}_i\left(\mathrm{\γ}\right)=\frac{1/{\left|\right|{\mathrm{\γ}}_i-\mathrm{\ξ}\left|\right|}^{2/(m-1)}}{\underset{j=1}{\overset{K}{\mathrm{\Σ}}}(1/{\left|\right|{\mathrm{\γ}}_i-\mathrm{\ξ}\left|\right|}^{2/(m-1)})}$其中，其中K是最近邻的数量，模糊强度参数m用来决定计算各个邻居对函数值的贡献时距离的权重由多大，m的取值范围为(1,+∞)；步骤四:根据卡尔曼滤波方法的状态模型对运动目标的下一个位置进行预测；其中，系统的状态方程是基于航位推测模型的，其中当前位置表示为x＝[p^x p^y v^x v^y]^T，则系统的状态方程的表达式如下：$A_k=\left[\begin{array}{cccc}1& 0& T_k& 0\\ 0& 1& 0& T_k\\ 0& 0& 1& 0\\ 0& 0& 0& 1\end{array}\right]$由于对数路径损耗模型是非线性的，所以采用如下非线性模型进行预测：x_k+1＝f_k(x_k,k)+w_ky_k＝h_k(x_k)+v_k其中，w_k为系统噪声，v_k为量测噪声；系统噪声和量测噪声均为高斯白噪声，系统噪声的协方差矩阵为量测噪声的协方差矩阵为系统参数的线性一阶近似定义为雅可比矩阵${\mathrm{\Φ}}^{\left[1\right]}(\hat{x},k)\≈\frac{\∂f(x,k)}{\∂x}{|}_{x={\hat{x}}_k},H^{\left[1\right]}(\hat{x},k)\≈\frac{\∂h(x,k)}{\∂x}{|}_{x={\hat{x}}_k};$则系统的预测过程如下：${\hat{x}}_{k+1}^{-}=f_k({\hat{x}}_k,k)$$P_{k+1}^{-}={\mathrm{\Φ}}_k{P}_{k+1}^{+}{\mathrm{\Φ}}_k^T+Q_k$步骤五：将通过位置指纹技术得到的估计位置坐标加入到卡尔曼滤波方法的量测矩阵中，得到混合量测矩阵，通过混合量测模型对系统状态进行更新，得到滤波后的估计位置坐标；通过步骤四与步骤五不断的迭代更新，得到整个运动路径下的定位结果；其中，步骤三中通过位置指纹方法得到的定位结果的坐标为则混合量测矩阵的表达式如下所示：$y_k=\left[\begin{array}{c}{P}_{\mathrm{LF}}^x\\ P_{\mathrm{LF}}^y\\ y{P}_{{\mathrm{rx}}_1}\\ .\\ .\\ .\\ y{P}_{{\mathrm{rx}}_1}\end{array}\right]=\left[\begin{array}{c}{P}_{\mathrm{LF}}^x\\ P_{\mathrm{LF}}^y\\ P_{R_o}-10l{\log }_{10}\left(\frac{R_1}{R_o}\right)\\ .\\ .\\ .\\ P_{R_o}-10l{\log }_{10}\left(\frac{R_N}{R_o}\right)\end{array}\right]$通过卡尔曼滤波的量测模型进行更新，更新过程如下：$K_k=P_k^{-}{H}_k^T{(H_k{P}_k^{-}{H}_k^T+R_k)}^{-1}$$I_{k+1}=y_k+H_k{\hat{x}}_{k+1}^{-}$${\hat{x}}_{k+1}={\hat{x}}_{k+1}^{-}+K_{k+1}{I}_{k+1}$$P_{k+1}=P_{k+1}^{-}-K_{k+1}{H}_{k+1}{P}_{k+1}^{-}$其中，K_k为卡尔曼增益，P_k为误差协方差矩阵，I_k+1为真实值与量测值之间的误差，通过不断的迭代更新得到最终的定位结果。