基于RSSI的室内定位算法

2019-06-27 10:45吴锋

信阳农林学院学报 2019年2期

吴锋

(信阳农林学院信息工程学院，河南信阳 464000)

近年来，各种定位技术发展迅速，室内精确定位服务的需求量大增，基于位置的服务LBS(Location-Based Services)也越来越受到人们的关注[1]。对于室外定位，目前主要有美国的GPS(Global Positioning System)全球定位系统、俄罗斯的GLONASS系统和中国的北斗系统。然而，卫星信号强度受环境影响衰减较大，导致建筑物或树木密集区以及室内无法使用其定位。目前，WIFI被广泛使用于城市公共接入热点，很多办公室、家庭都实现了WIFI全覆盖，因此，将WIFI引入室内定位，不但能大大降低部署成本，而且能保证室内定位或复杂环境下定位的进度及覆盖率。

根据定位机制，室内定位分基于测距和非测距两种方式[2]。基于非测距的方式是根据接收端的网络信号完成定位。该定位方式无需额外部署节点，因此成本低、功耗小，但受硬件限制，定位速度慢、定位精度不高。如APIT(Approximate Point In Triangulation)[3]、DV-Hop(Distance Vector Hop)[4]等。基于测距的方法通过测量节点间的角度、相位或者距离完成定位，如TOA()、TDOA()、RSSI、AOA等。该定位方式需要额外部署设备，通过计算得到节点位置，定位精度相对较高[5]。

1 RSSI定位技术

RSSI定位技术属于基于测距的定位方法，该方法中，信标节点按照一定规律部署，然后发送无线信号，未知节点定位时接收该无线信号强度值，利用路径传播模型，将该强度值转换成未知节点和信标节点之间的距离[6]，从而估计未知节点的位置。该方法只需要部署一些未知节点，通过无线信号强度就可以完成定位，实现起来简单方便。缺点是，由于室内环境的复杂性，利用RSSI值计算节点间距离，通过节点间的相对位置定位时，易收到多径反射的影响。文献[7]采用线性回归分析RSSI 传播模型中的两个参数( 距离发射节点1m的 RSSI 值和路径损耗指数) ，信号仍受到环境因素很大的影响。文献[8]针对测距结果引入抗差估计理论，对不同的误差进行剔除和降权处理，提高了定位精度。针对上述相关研究的情况，本文首先采用中值滤波来减少测量误差，充分利用信标节点的位置信息，尽量消除环境对RSSI值的影响，然后利用信标节点对未知节点修正，从而提高定位效率。

2 高斯模型分析RSSI

RSSI值在反向通道基带接收滤波之后产生，在104μs内进行基带I/Q支路功率积分得到RSSI的瞬时值，并在1s内对瞬时值进行平均得到RSSI的平均值,是一种表示当前介质中电磁波能量大小的指标，其随着距离而衰减，目前，一般采用对数-常态分布模型表示信号强度和距离之间的关系。

(1)

其中：PL(d)为距离d处的信号强度；PL(d0)为距离d0处的信号强度，一般d0=1.0m；xσ表示是一个服从N( m，σ2) 的高斯随机变量。

在实际测量时，未知节点在同一位置可以接收到多个RSSI值，由于多径传播、反射等因素的影响，实际的RSSI值和理论RSSI值存在一定的差异，该差异主要体现在xσ上。运用高斯分布函数处理RSSI值：

(2)

(3)

(4)

未知节点接收到n个RSSI值时，必然存在小概率事件，为了提高定位精度，可以先除去小概率事件。经过多次试验，高斯分布函数值小于或等于0.6时，此时的RSSI值可以认为是小概率事件。即：

(5)

3 三边定位算法

3.1 三边测量法

本文采用三边测距法进行定位，通过未知节点得到的三个RSSI值，由式(1)可以得到未知节点到该三个信标节点的距离，p1到p的距离记为d1，p2到p的距离记为d2，p3到p的距离记为d3，则未知节点的位置应该在以p1,p2,p3为圆心，d1,d2,d3为半径的圆相交的部分之内，即图1中A、B、C点范围之内。