基于相位差欧氏距离测距的加权最小二乘室内定位算法的制作方法

本发明涉及一种室内定位问题。

背景技术：

定位技术为人们的生活带来了极大的便利，近年来随着物联网的迅猛发展，人们对定位的需求越来越高，室内定位技术的应用也更加广泛。基于卫星的定位技术和基于移动蜂窝网的定位技术受建筑物的影响很大，在学校、仓库、商场等建筑物相对集中的场景中定位精度将会大大降低，无法满足高精度的定位需求。

在室内定位中，电磁波在传输过程中遇到地面、天花板、墙壁、障碍物等会发生反射而产生多径效应，多径效应导致接收机接收到的信号的能量、相位、时间等信息发生改变，从而对定位结果产生严重的干扰。

在当前的定位技术中，主要有红外线定位技术、超声波室内定位技术、蓝牙室内定位技术、WIFI室内定位技术、ZigBee室内定位技术、计算机视觉定位技术、超宽带室内定位技术、UHF RFID室内定位技术等。其中，基于RFID的定位技术具有成本低、精度高、实时性强的优点，并且不需要预先建立指纹库，后期维护的工作量比较小。

技术实现要素：

本发明的目的在于提供一种维护工作量比较小，精度较高的室内定位算法。技术方案如下：

一种基于相位差欧氏距离测距的加权最小二乘室内定位算法，包括下列步骤：

1)布置定位场景：在所需定位的场景的不同位置布置至少三个RFID阅读器，并铺设参考标签；

2)阅读器与待定位标签距离估计：利用阅读器接收到的相位差估计阅读器与标签之间的距离，把多径效应、高斯白噪声引起的测距误差等效为高斯分布，参考标签与各个阅读器之间的估计距离与实际距离之间偏差的均值和方差构成高斯分布参量的位置参数和尺度参数；

3)参考标签与待定位标签距离估计：构造标签的相位差矩阵，对参考标签之间的实际距离与相位差欧式距离进行拟合，求解出d_ij＝a·E_ij+b的待定系数a和b，其中，d_ij为第i个参考标签与第j个参考标签之间的实际距离，E_ij为第i个参考标签与第j个参考标签之间的相位差欧式距离；把多径效应、相位差欧氏距离拟合以及高斯白噪声引起的测距误差等效为高斯分布，任意一个参考标签与其他参考标签之间通过线性拟合的估计距离与实际距离之间的偏差的均值和方差构成高斯分布参量的位置参数和尺度参数；

4)以待定位标签与阅读器、参考标签之间距离估计误差的方差的倒数作为加权因子，运用加权最小二乘算法求解定位问题。

本发明可以缓解室内定位中多径效应和高斯白噪声对定位结果的影响，不需要建立指纹库，也不需要预先了解环境的具体情况，参考标签与待定位标签之间的距离估计利用相位差欧氏距离拟合，将多径效应、高斯白噪声、相位差欧氏距离拟合引起的距离估计误差等效为高斯分布，然后运用加权最小二乘求解定位问题，提高定位的精度。

附图说明

图1示出了本发明定位场景示意图。

图2示出了阅读器距离估计误差曲线。

图3示出了参考标签距离估计误差曲线。

图4示出了定位性能对比图。

具体实施方式

为验证所提算法的有效性，本发明在matlab中进行了实验仿真。其中，多径信道模型采用统计型信道模型，阅读器接收到的信号的最大多径数目从3到10依次改变，定位在10×10m²的带定位区域进行，在本实施实例具体应用如下：

1.布置定位场景。在待定位区域的四个角落安置四个阅读器，地面上等距铺设9个参考标签，如图1所示。

2.阅读器与待定位标签距离估计。利用阅读器接收到的相位差估计阅读器与标签之间的距离，把多径效应、高斯白噪声引起的测距误差等效为高斯分布，参考标签与各个阅读器之间的估计距离与实际距离之间偏差的均值和方差构成高斯分布参量的位置参数和尺度参数。

3.参考标签与待定位标签距离估计。构造标签的相位差矩阵，标签i与标签j之间的相位差欧氏距离为对参考标签之间的实际距离与相位差欧式距离进行拟合，求解出d_ij＝a·E_ij+b的待定系数a和b。把多径效应、相位差欧氏距离拟合、高斯白噪声引起的测距误差等效为高斯分布，任意一个参考标签与其他参考标签之间通过线性拟合的估计距离与实际距离之间的偏差的均值和方差构成高斯分布参量的位置参数和尺度参数。

4.验证将距离估计误差等效为高斯分布的可行性。当最大多径数目为7时，与阅读器、参考标签之间距离估计误差的概率密度曲线与利用参考标签的位置信息和相位差信息计算的高斯分布曲线接近，如图2和图3所示，将距离估计误差等效为高斯分布是可行的。

5.将阅读器和参考标签看作参考节点，共有N个参考节点，通过步骤2和步骤3可以计算出与参考节点之间距离估计高斯分布参量的位置参数λ_i和尺度参数σ_i，与参考节点之间距离估计为d_i，i＝1,…,N。则有

公式推导可以得到下式：

WAθ＝Wb

其中，

计算上式即可求得待定位标签的坐标θ＝(A^TWA)^-1A^TWb。