专利名称：基于rssi的共振梯度法自适应定位方法及系统的制作方法
技术领域：
本发明涉及一种定位领域，特别涉及一种基于RSSI的共振梯度法自适应定位方法及系统。
背景技术：
近年来，随着微机电系统(Micro-Electro-MechanismSystem, MEMS)、片上系统(SOC，System on Chip)、无线通信和低功耗嵌入式技术的飞速发展，孕育出无线传感器网络(Wireless Sensor Networks, WSN),并以其低功耗、低成本、分布式和自组织的特点带来了信息感知的一场变革。节点定位技术作为无线传感网络的关键技术之一，如今已成为一个重要的研究方向和研究课题。根据是否需要获得待定位节点与参考节点间距离或角度信息，无线传感网络中目·前使用的定位算法从原理上主要分为两大类，基于测距技术(Range-based)的定位算法和无需测距技术(Range-free)的定位算法。相对而言，前者定位准确度更高，而后者仅根据网络的连通性等信息确定待定位节点是否存在某个参考节点附近，实现起来简单，但只能提供大概的位置信息。基于测距技术的无线传感器网络定位算法包括基于信号到达时间(Time ofArrival, ToA)、到达时间差(Time Difference of Arrival, TDoA)、到达角度(Angle ofArrival1AoA)及接收信号强度指示(RSSI)方法。ToA和TDoA测距技术利用信号的传播速度和传输时间作为输入来计算距离，要求高精度的时钟实现同步，其优点是定位准确度高；AoA测距技术需要天线阵列等额外硬件设备以测量参考节点和待定位节点间连线与参考线形成的角度；RSSI测距技术是利用理论或经验模型，将信号传播损耗映射为传播距离，从而实现定位。在算法开销、网络构建成本及定位准确度等多重条件制约下，多采用基于RSSI的定位算法。经过对现有技术的文件检索发现，中国专利名称为“基于BP神经网络和改进质心算法的室内定位方法”，申请公布号为CN 102413564，该专利提出采用BP神经网络对实际的接收信号强度RSSI与距离进行训练，从而得到接收信号强度与距离的对应关系，最后利用改进质心算法进行定位。该算法的不足在于如果外界环境变化，则需要重新进行大量的神经网络训练；另外该算法没有良好的自适应定位功能。经过对现有技术的文件检索发现，中国专利名称为“人体跌倒检测与报警装置”，专利号为102136180A，该专利提出利用GPS模块进行定位，利用GSM模块进行数据传输。该系统的不足在于=GPS无法实现室内、地下等场合定位，对于实际应用存在很大限制；采用GSM模块进行信息传输,会产生费用，且依赖于GSM网络。总之，目前的检测定位系统存在着这样或那样的不足，有些方面亟需提高或改善，进一步说(I)没有良好的自适应定位功能，在外接环境变化时，需要重新进行大量的神经网络训练；
(2)不能实现室内、地下等场合的定位，对于实际应用存在很大的限制。
发明内容
本发明提供一种基于RSSI的共振梯度法自适应定位方法，包括以下步骤(I)在待检测区域布置好至少3个参考节点的位置，通过PC机配置各参考节点的位置参数，并与待定位节点自组网形成无线传感网络；(2)测量出各个参考节点之间以及各参考节点与待定位节点之间的RSSI值；(3)对测得的所有RSSI值进行高斯处理，得到若干组准确的RSSI值；(4)分别计算出各个参考节点到待定位节点之间的距离；(5)针对得到的每个参考节点到待定位节点的距离值,结合参考节点自身的坐标，采用共振梯度法，通过不断迭代的方法，寻找待定位节点的最优坐标。·在进行上述步骤的同时定期或触发式检测参考节点之间的RSSI值，如果出现RSSI值变化超过预先设定的域值，则重新进行步骤(2)。本发明提供一种基于RSSI的共振梯度法自适应定位系统，包括至少三个参考节点模块、待定位模块、网关节点模块及PC机；参考节点模块设置在检测区域中，用于提供位置信息；网关节点模块，与待定位模块相连，用于建立网络和传输信息；PC机与网关节点模块相连，用于根据网关节点模块发送来的信息确定待定位模块位置。较佳地，所述待定位节点模块、网关节点模块、参考节点模块均采用基于无线传感网络ZigBee协议的CC2430芯片。较佳地，所述参考节点模块包括无线射频模块、微控制器模块、电源模块。较佳地，所述待定位节点模块包括无线射频模块、微控制器模块、电源模块。较佳地，所述无线射频模块用于进行无线通讯；所述微控制器模块用于控制整个系统；所述电源模块与所述无线射频模块和所述微控制器模块相连，用于提供电力。较佳地，所述网关节点模块包括无线射频模块、微控制器模块、串口转USB模块、电源模块。较佳地，所述无线射频模块用于进行无线通讯；所述微控制器模块用于控制整个系统；所述串口转USB模块分别与所述控制器及所述PC机相连，用于将串口信号转换为USB电平信号；所述电源模块分别与所述无线射频模块、所述控制器及所述串口转USB模块相连，用于提供电力。与现有技术相比，本发明具有以下优点I、具有自适应定位的特点。随着周围环境的变换，系统能够自动识别，并重新进行定位运算。2、利用了参考节点的固定距离及对应的RSSI值。这样便无需进行大量的神经网络训练。3、采用共振梯度法寻找最优未知节点坐标，定位速度更快，定位更准确。当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
图I为本发明基于RSSI的共振梯度法自适应定位系统的一个实施例架构图2为本发明基于无线传感网络协议ZigBee的参考节点、待定位节点结构示意图；图3为本发明基于无线传感网络协议ZigBee的网关节点结构示意图；图4为本发明的理想定位模型图；图5为本发明的实际定位模型图；图6为本发明基于RSSI的共振梯度法自适应定位方法的一个具体实施例流程图。
具体实施例方式如图1，其为本发明基于RSSI的共振梯度法自适应定位系统的一实施例架构图，其包括待定位模块1、4个参考节点模块2、网关节点模块3及PC机4 ;4个参考节点模块2设置在检测区域中，用于提供位置信息；网关节点模块3与待定位模块I相连，用于建立网络和传输信息，PC机4与网关节点模块3相连，用于根据网关节点模块3发送来的信息确定待定位模块I位置。如图2，参考节点模块2及待定位节点模块I都包括无线射频模块7、微控制器模块6、电源模块8 ;无线射频模块7用于进行无线通讯，微控制器模块6用于控制整个系统，电源模块8与无线射频模块7和微控制器模块6相连，用于提供电力。如图3，网关节点模块3包括无线射频模块7、微控制器模块6、串口转USB模块9、电源模块8 ;无线射频模块7用于进行无线通讯，微控制器模块6用于控制整个系统，串口转USB模块9分别与控制器6及PC机4相连，用于将串口信号转换为USB电平信号，电源模块8分别与无线射频模块7、控制器6及串口转USB模块9相连，用于提供电力。图6为本发明基于RSSI的共振梯度法自适应定位方法的一具体实施例，在室内4mX4m范围内放置4个参考节点，各个参考节点位置分布均匀且固定，另在该区域内放置一待定位节点，自组网形成无线传感网络，组网成功后进行以下工作。(I)测出四个参考节点之间的6组RSSI值以及参考节点与待定位节点之间的4组RSSI值，共10组RSSI值。每组测量200次，将测得的RSSI值保存于10个长度为200的数组中。(2)依次将这10组数据进行高斯处理，剔除掉概率低于5 %的小概率事件，也就是严重失真的数据。然后对剩余的数据进行均值处理，这样便得到10个较准确的RSSI值。该高斯处理模型为对于一个固定距离，多次测量RSSI值，令RSSI值XJg从均值为m、方差为O2的高斯分布,其概率密度函数为
权利要求
1.一种基于RSSI的共振梯度法自适应定位方法，其特征在于，包括以下步骤 (1)在待检测区域布置好至少3个不同位置的参考节点，通过PC机配置各参考节点的位置参数，并与待定位节点自组网形成无线传感网络 (2)多次测得各个参考节点之间以及各参考节点与待定位节点之间的RSSI值； (3)对测得的所有RSSI值进行高斯处理，获得若干组准确的RSSI值； (4)分别计算出各个参考节点到待定位节点之间的距离； (5)针对得到的每个参考节点到待定位节点的距离值，结合参考节点自身的坐标，采用共振梯度法，通过不断迭代的方法，寻找待定位节点的最优坐标。
2.如权利要求I所述的方法，其特征在于，还包括一自动检测步骤 定期或触发式检测参考节点之间的RSSI值，如果出现RSSI值变化超过预先设定的域值，则重新进行步骤(2)。
3.如权利要求I所述的基于RSSI的共振梯度法自适应定位方法，其特点在于，对步骤(2)测量出的所有RSSI值进行高斯处理的模型为 令所测出的RSSI值Xi服从均值为m、方差为σ 2的高斯分布，其概率密度函数为
4.如权利要求I所述的基于RSSI的共振梯度法自适应定位方法，其特点在于，计算所述各参考节点到所述待定位节点之间的距离的方法为 将高斯处理过的RSSI值及各参考节点之间固定距离代入无线电路径损耗模型中的对数-常态分布模型，忽略掉高斯分布随机数X。的影响，得到以下计算公式
5.如权利要求I所述的基于RSSI的共振梯度法自适应定位方法，其特点在于，所述待定位节点的最优坐标的计算方法为 通过求解f = (dam2-dam/ 2)2+ (dbm2-dbm' 2)2+(dcm2-dcm/ 2)2+ (dj-d^' 2)2 =( (X-X1)2+(y-yj 2_dam2)2+ ((x-x2)2+ (y-y2) 2_dbm2)2+ ((X-X3)2+ (y_y3) 2_dcm2)2+ ((χ-χ4)2+ (y-y4) 2ddm2)2 (8) 中f的最小值，即可找到该未知节点的最优坐标，这种方法将该问题转换为了一个无约束多定量非线性规划问题；所述的基于RSSI的共振梯度法自适应定位方法采用共振梯度法解决这个非线性规划问题，基本思想是将共振性和最速下降方向结合，利用已知迭代点处的梯度方向构造一组共振方向，并沿此方向进行搜索，求出函数的极小点 首先求取函数f对定量x、y的偏导数，将偏导数的全体作为梯度W,选取(Xl，yi)作为初始点Ii1，取初始搜索方向为S1 = IViOi: 从而便可求取SX方向的最优步长X1'由下式求得h2
6.一种基于RSSI的共振梯度法自适应定位系统，其特征在于，包括至少三个参考节点模块、一待定位模块、一网关节点模块及一 PC机， 所述各参考节点模块设置在检测区域中，用于提供其位置信息； 所述网关节点模块与所述待定位模块相连，用于建立网络和传输信息 所述PC机与所述网关节点模块相连，用于根据所述网关节点模块发送来的信息确定所述待定位模块位置。
7.如权利要求6所述的基于RSSI的共振梯度法自适应定位系统，其特征在于，所述待定位节点模块、网关节点模块和各参考节点模块均采用基于无线传感网络ZigBee协议的CC2430 芯片。
8.如权利要求6所述的基于RSSI的共振梯度法自适应定位系统，其特征在于，所述参考节点模块包括无线射频模块、微控制器模块、电源模块。
9.如权利要求6所述的基于RSSI的共振梯度法自适应定位系统，其特征在于，所述待定位节点模块包括无线射频模块、微控制器模块、电源模块。
10.如权利要求6所述的基于RSSI的共振梯度法自适应定位系统，其特征在于，所述无线射频模块用于进行无线通讯；所述微控制器模块用于控制整个系统；所述电源模块与所述无线射频模块和所述微控制器模块相连，用于提供电力。
11.如权利要求6所述的基于RSSI的共振梯度法自适应定位系统，其特征在于，所述网关节点模块包括无线射频模块、微控制器模块、串口转USB模块、电源模块。
12.如权利要求6所述的基于RSSI的共振梯度法自适应定位系统，其特征在于，所述无线射频模块用于进行无线通讯；所述微控制器模块用于控制整个系统；所述串口转USB模块分别与所述控制器及所述PC机相连，用于将串口信号转换为USB电平信号；所述电源模块分别与所述无线射频模块、所述控制器及所述串口转USB模块相连，用于提供电力。
全文摘要
本发明公开了一种基于RSSI的共振梯度法自适应定位方法，其首先对测得的RSSI值进行高斯处理消除环境因素的影响，再对测得的RSSI值加权处理，最后通过共振梯度法寻找出最优的未知节点坐标，系统会定时自动检测RSSI值使其能够自动调整定位参数并重新定位；该定位系统包括至少三个参考节点模块、一待定位模块、一网关节点模块及一PC机；参考节点模块设置在检测区域中，用于提供位置信息；网关节点模块，与待定位模块相连，用于建立网络和传输信息；PC机与网关节点模块相连，用于根据网关节点模块发送来的信息确定待定位模块位置。
文档编号G01S5/02GK102890263SQ20121034944
公开日2013年1月23日 申请日期2012年9月18日 优先权日2012年9月18日
发明者贾丹 申请人:上海交通大学