一种用于地下空间的无线定位方法和系统与流程

本发明属于无线通信技术领域，更具体地，涉及一种用于地下空间的无线定位方法和系统。

背景技术：

众所周知，我国经济的快速发展，城市地下空间建设和维护成为保障城市和谐稳定的关键要素。诸如地铁建设、综合管廊建设、海底隧道修建等等，都需要人员定期的维护，这类区域属于敏感危险区域，并且不覆盖地面上普遍存在的通信基础设施，确定区域内目标人员的位置与状态信息，有利于保护维护人员，实现全面实时的检测与调度，保障区域安全。

当前的无线定位技术主要有基于蓝牙、zigbee、uwb(ultrawideband，超宽带)、rfid(radiofrequencyidentification，射频识别)、wlan(wirelesslocalareanetworks，无线局域网)的技术等。其中，近年来无线局域网凭借其长距离、高频谱利用率、抗干扰等优势获得了大幅发展，相关智能设备数量也在迅速增长，因此基于无线局域网的定位与人员检测技术也获得了广泛的应用空间。

一般基于无线局域网的定位中使用的rssi指纹定位算法，由于设备的限制，距离无线接入点较远的区域的rssi不会随着距离增大出现明显的变化，因而存在在狭窄封闭、距离较长的地下空间内定位精度比较低的缺点。现有地下空间定位系统多通过部署密集的信号节点，或者采用定制设备来保障定位精度，然而这些过大的节点数目或者对定制设备的需求将带来较高的成本投入。

在人员检测方面，现有的常用方法主要包括微波阻挡探测、超声波探测、红外探测、加速度运动探测、摄像头实时分析等，它们需要额外引入微波探测模块、超声波探测模块、红外热释模块或加速度传感器模块等专用设备来实现，成本较高。

由此可见，现有地下空间无线定位方法存在成本高、定位精度低的问题。

技术实现要素：

针对现有技术的缺陷，本发明的目的在于提供一种用于地下空间的无线定位方法和系统，旨在解决现有地下空间无线定位方法存在定位精度低的问题。

为实现上述目的，本发明一方面提供了一种用于地下空间的无线定位方法，包括以下步骤：

(1)在地下空间内布置无线接入点并构建指纹库；

(2)获取目标对象所在位置的rssi信息并与指纹库进行匹配，得到目标对象所在位置的预测值，获取惯性数据并进行航迹推算，得到目标对象所在位置的测量值；

(3)采用卡尔曼滤波将所述预测值和测量值进行融合，得到目标人员所在位置；

(4)当地下空间内没有目标对象时，对无线接入点发送的csi数据进行处理，实时检测是否有非法入侵。

进一步地，所述步骤(1)中所述无线接入点之间距离设置为100米以内。

进一步地，所述步骤(1)中所述构建指纹库，具体包括：

在无线接入点之间进行等间距的区域划分，选取划分后区域的中心点作为指纹点；

获取无线接入点在所述指纹点处的rssi信息，并上传至服务器，构建指纹库。

进一步地，所述步骤(3)中所述融合的方法具体为：

将所述预测值和测量值代入状态方程和更新方程进行卡尔曼滤波：

xn＝xn-1+k(zn-xn-1)

k＝p/(p+r)

p＝p-kq+q

其中，xn为状态向量，表示系统当前状态，即经过融合之后得到的目标位置，xn-1为系统上一个时刻的位置，k为滤波增益，zn为rssi指纹定位结果，即所述预测值，p为系统误差的方差，初始值为1，r为行人航迹推算的方差，q为系统噪声的方差。

在接收到rssi指纹定位结果之前，xn的初始值为行人航迹推算结果，即测量值，系统将上一时刻位置与当前rssi指纹定位结果融合，得到新的目标位置。

进一步地，所述系统噪声q根据目标对象所在位置自动调整大小，以弥补rssi指纹定位与行人航迹推算各自的缺陷，得到准确的融合定位结果；所述系统噪声q根据目标对象所在位置自动调整大小的方法具体为：

目标对象走向无线接入点时，q值减小，融合结果接近rssi指纹定位结果；目标对象远离无线接入点时，q值增大，融合结果接近行人航迹推算定位结果。

通过以上方法进一步地，所述步骤(4)中所述对无线接入点发送的csi数据进行处理，具体包括：

(41)求取并保存t时段内无线接入点之间n个数据流上csi信息的幅值；其中，n是无线接入点天线数量的乘积；

(42)采用皮尔逊相关系数对上述分别幅值进行处理，并对得到的n个皮尔逊相关系数进行求和；

(43)在设定的反应时间内，将获取的全部皮尔逊相关系数之和保存为向量{ptpt+1…pt+k}，其中，k为反应时间内获取的皮尔逊系数之和的个数；

(44)计算中位数绝对差mad；

(45)将中位数绝对差与阈值比较，当所述中位数绝对差mad大于等于阈值threshold时，则有人侵入；当所述中位数绝对差小于阈值threshold时，则无人侵入。

进一步地，所述步骤(44)中所述中位数绝对差mad的计算方法为：

计算向量{ptpt+1…pt+k}中所有皮尔逊系数之和的中位数；

计算每个皮尔逊系数之和与所述中位数之间的偏差；

求取所有偏差绝对值的中位数mad。

优选地，所述步骤(45)中所述阈值threshold取值范围为0.08-0.25。

进一步地，所述目标对象为携带智能设备的合法人员，所述智能设备能够与所述无线接入点通信，并能获取并发送rssi信息和惯性测量数据。

优选地，所述智能设备为智能手机。

本发明另一方面提供了一种用于地下空间的无线定位系统，包括：

数据采集模块，用于获取目标对象所在位置的rssi信息和惯性测量数据；

数据处理模块，用于将所述rssi信息与指纹库进行匹配，得到目标对象所在位置的预测值，并利用所述惯性测量数据进行航迹推算，得到目标对象所在位置的测量值；

融合定位模块，用于利用卡尔曼滤波将所述预测值和测量值进行融合，得到目标人员所在位置；

入侵检测模块，用于对无线接入点获取的csi数据求取皮尔逊相关系数，并设定合适的中位数绝对差阈值，进而实时检测是否有非法入侵。

通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：

(1)本发明通过部署少量的无线接入点结合应用广泛的智能手机，即可实现合法人员的位置检测，成本较低且操作简单。

(2)本发明通过卡尔曼滤波将rssi指纹定位与pdr定位进行融合，弥补了rssi指纹定位与pdr定位各自的缺陷，能够实现在狭窄封闭、距离较长的地下空间内的准确定位。

(3)本发明利用皮尔逊相关系数对无线接入发送的csi信息幅值进行处理，通过设定阈值比较，即可简便且准确的检测地下空间是否有人员侵入，有较好的安防效果。

附图说明

图1是本发明实施例提供的一种地下空间无线定位方法流程示意图；

图2是本发明实施例提供的在地下空间内布置无线接入点的方法示意图；

图3是本发明实施例提供的采用卡尔曼滤波进行融合定位的示意图；

图4是本发明实施例提供的一种在无人与有人侵入状态下皮尔逊相关系数的中位数绝对差(mad)示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例一方面提供了一种用于地下空间的无线定位方法，参考图1，该方法流程包括以下步骤：

步骤1：在地下空间内布置无线接入点并构建指纹库；

如图2所示，在地下空间内布置相距80米的无线接入点1和无线接入点2，在两个无线接入点之间进行等间距的区域划分，选取分块区域中心点作为指纹采集点label，采用智能设备如智能手机，获取两个无线接入点在指纹点处的rssi信息，并上传至服务器端，构建指纹库。实际操作中，可以将获取到的rssi信息存储为指纹库矩阵l，指纹库矩阵第i行的内容为其中分别表示无线接入点1与无线接入点2在指纹点处的rssi信息。

步骤2：获取目标对象所在位置的rssi信息并与指纹库进行匹配，得到目标对象所在位置的预测值，获取惯性数据并进行行人航迹推算，得到目标对象所在位置的测量值；

具体地，rssi信息可由智能手机获取并发送，惯性测量数据由包括陀螺仪和加速器的惯性测量单元测量得到，为方便携带与操作，惯性测量单元也可设置在智能手机上，由智能手机获取并发送；利用k近邻算法对rssi信息进行指纹匹配，得到目标人员的预测位置；利用惯性测量数据完成行人航迹推算，得到目标对象所在位置的测量值。

步骤3：采用卡尔曼滤波将所述预测值和测量值进行融合，得到目标人员所在位置；

具体地，一方面由于距离无线接入点较远区域的rssi信息不会随着距离增大出现明显变化，因而在这些区域内不能定位；一方面由于行人航迹推算得到的结果是一个相对值，无法直接转化为距离，且存在积累误差。为解决上述问题，如图3所示，本发明采用卡尔曼滤波将步骤2得到的结果进行融合，卡尔曼滤波的主要优点在于能够结合预测值(rssi信息)和观测值(行人航迹推算)以得到最优估计值，适合在连续变化的系统中使用，且占用内存小、运算速度快。

本发明采用的一维卡尔曼滤波的状态方程和更新方程如下：

xn＝xn-1+k(zn-xn-1)

k＝p/(p+r)

p＝p-kq+q

其中，xn为状态向量，表示系统当前状态，即经过融合之后得到的目标位置，xn-1为系统上一个时刻的位置，k为滤波增益，zn为rssi指纹定位结果，即卡尔曼滤波预测值，p为系统误差的方差，初始值为1，r为行人航迹推算的方差，q为系统噪声的方差。

在接收到rssi指纹定位结果之前，xn的初始值为行人航迹推算结果，即卡尔曼滤波测量值，系统将上一时刻位置与当前的指纹定位结果加以融合，得到新的目标位置。

在传统的卡尔曼滤波理论中q值恒定，但是由于q值的变动能够显著影响融合结果，q值越大表示越信任行人航迹推算结果，q值越接近0表示越信任rssi定位结果，恒定的q值无法起到消除固定误差的目的，造成卡尔曼滤波融合的效果不理想。本发明中系统噪声q根据目标对象所在位置自动调整大小，以弥补rssi指纹定位与行人航迹推算定位(pdr，pedestriandeadreckoning)各自的缺陷，得到准确的融合定位结果。系统噪声q自动调整大小的方法具体为：

通过分析卡尔曼滤波融合的结果，如果人员走向距离无线接入点较近的区域，即rssi定位准确区域，q值将随之自动减小；当人员向距离无线接入点较远的区域移动时，q值将自动增大。

步骤4：当待测空间内没有人时，对无线接入点发送的csi数据进行处理，实时检测是否有非法入侵。

具体地，有研究表明，当待测空间内没有人而进入封闭状态时，如果存在入侵人员，来自无线接入点之间的信道状态信息(channelstateinformation，csi)数据将与无人状态相比发生较大波动，本发明基于此对csi信息进行处理，具体包括以下步骤：

求取并保存t时段内无线接入点之间n个数据流上csi信息的幅值；其中，n是两个无线接入点天线数量的乘积；

采用皮尔逊相关系数对上述分别幅值进行处理，并对得到的n个皮尔逊相关系数进行求和；

整体过程如下式：

其中，pt是皮尔逊相关系数之和，xi、xj分别是第i个和第j个数据流上的csi信息幅值，分别为第i个和第j个数据流上的csi信息幅值的标准差，cov(xi,xj)为xi、xj的协方差。

在设定的反应时间内，将获取的全部皮尔逊相关系数之和保存为向量{ptpt+1…pt+k}，其中，k为反应时间内获取的皮尔逊系数之和的个数。

利用中位数绝对差与阈值比较，判断空间是否有人员侵入。

所述中位数绝对差计算过程为：计算上述向量中所有皮尔逊系数之和的中位数；计算每个皮尔逊系数之和与中位数之间的偏差；求取所有偏差绝对值的中位数。如图4所示，封闭空间中无人时，mad较小；在有人入侵时，mad较大。为了在设定的反应时间内准确的判断有无人员入侵，将mad与合适的阈值threshold作比较，当mad大于等于阈值threshold，则有人侵入；当mad小于阈值threshold，则无人侵入。阈值threshold的取值范围为：0.08-0.25。

本发明实施例另一方面提供了一种用于地下空间的无线定位系统，包括：

数据采集模块，用于获取目标对象所在位置的rssi信息和惯性测量数据；

数据处理模块，用于将所述rssi信息与指纹库进行匹配，得到目标对象所在位置的预测值，并利用所述惯性测量数据进行航迹推算，得到目标对象所在位置的测量值；

融合定位模块，用于利用卡尔曼滤波将所述预测值和测量值进行融合，得到目标人员所在位置；

入侵检测模块，用于对无线接入点获取的csi数据求取皮尔逊相关系数，并设定合适的中位数绝对差阈值，进而实时检测是否有非法入侵。

在本发明实施例中，各模块具体实现方式可以参考上述对应方法实施例中的描述，本发明实施例将不再复述。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。