一种针对复杂环境的室内定位方法与流程

本发明涉及一种定位技术，具体地说是一种针对复杂环境的室内定位方法。

背景技术：

室内定位技术是区别于gps或北斗等室外定位技术，它主要应用于地下、隧道或楼宇内等gps信号无法到达的环境。因为存在多路径折射、电磁干扰、障碍物遮挡等因素，在复杂室内环境内很难实现定位，但随着物联网的多个领域的发展，这一需求变得越来越迫切。室内定位技术一般都是需要待定位目标佩戴一个标签，向已知坐标的信标节点发送信息，通过该信息来进行定位。进行定位的基本物理特征主要有时间、角度与能量。通过时间特征定位需要设备配备高精度时钟源，同时具有较高的数据速率，一般基于ubw技术实现，此种技术能够获取极高的定位精度，但在复杂环境中会受较大影响，而且成本很高。基于角度特征的室内定位技术，其设备铺设复杂度较高，实现起来非常复杂，而且定位精度并不理想。能量特征主要是指rssi(receivedsignalstrengthindication，接收的信号强度指示)，基于此特征的室内定位系统易开发，成本低，但是其精度也最低，在复杂环境中也极易受到影响。在算法层面，室内定位主要有两个方向，一个是“指纹”算法，另一种是几何测量算法。“指纹”算法具有更高的精度，但是其要求较为复杂的先验知识，这使得该算法不能适用于环境经常变化的工业或建筑领域。

技术实现要素：

针对现有技术中室内定位技术实现复杂且精度低等不足，本发明要解决的问题是提供一种实现过程简单且成本较低、定位精准的针对复杂环境的室内定位方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明一种针对复杂环境的室内定位方法，包括以下步骤：

利用正常距离路径损耗模型通过rssi计算标签与信标节点之间的距离；

通过曲线拟合滤波算法与多时间片重叠融合算法将标签与信标节点之间离散的距离点进行平滑处理，并拟合成连续曲线；

使用三边与投影等比例算法依据连续距离曲线计算得到目标轨迹曲线，得到初步定位结果；

通过无损卡尔曼滤波算法将轨迹曲线离散化后进行滤波，得到最终的定位结果。

通过正常距离路径损耗模型计算标签与信标节点之间的距离，过程为：

信标节点获取到标签发送无线信息的rssi后，通过正常距离路径损耗模型计算距离，得到离散的标签与信标节点之间的距离信息。

通过曲线拟合滤波算法与多时间片重叠融合算法将标签与信标节点之间离散的距离点进行平滑处理，并拟合成连续曲线为：

定义一个时间单元长度，对离散的距离点划分时间片，每个时间片包含若干连续的时间单元，在每个时间单元起始时刻开始一个时间片，对每个时间片内的离散的距离点使用曲线拟合算法进行曲线拟合，获取连续的距离曲线。

多时间片重叠融合算法将曲线拟合后的距离曲线，邻近的多时间片的部分时间单元存在重叠区域，将其进行加权融合，处于时间片中间位置的时间单元内的曲线拥有更高的权重。

通过三边与投影等比例算法将连续曲线计算出轨迹曲线为：

信标节点在铺设时尽量按照等距排列，使得相邻四个信标节点之间可以形成一个标准矩形；令标签与各个信标节点之间距离的比等于标签与各个信标节点连线在相应x轴或y轴投影的比，即：

其中(xi,yi)是信标节点i的坐标，di是标签到信标节点i的距离，kc与ec是待定系数，dj为标签距离信标节点j的距离。

当kc与ec都为1时，计算得到m个轨迹坐标，再计算m个轨迹坐标的平均值作为三边与投影等比例算法获取的位置坐标的近似值。

通过无损卡尔曼滤波算法将轨迹曲线离散化后进行滤波为：

将连续曲线计算出轨迹曲线后，将该轨迹曲线以规定时间截取一个坐标来获取一系列的离散标签坐标，再使无损卡尔曼算法进行滤波，将定位结果中因分段曲线拟合导致的锯齿状噪音平滑。

本发明具有以下有益效果及优点：

1.本发明能够适应经常改变的定位环境，尤其能够在存在多路径折射、电磁干扰、障碍物遮挡等因素的复杂环境中实现室内定位，即使标签发送的数据存在偶尔丢包现象，本发明方法依然可以有效工作，实现过程简单，解决了在存在多路径折射、障碍物、电磁干扰等因素的复杂室内环境中的高成本定位问题。

2.本发明包括曲线拟合滤波算法、多时间片重叠融合算法、三边与投影等比例算法、无损卡尔曼滤波算法，要求信标节点铺设时按等距排列，使得相邻四个信标节点之间可以形成一个标准矩形，信标节点感应标签发送信息的信号强度，通过本发明涉及的定位机制可以计算出标签行动轨迹，该轨迹源自连续曲线，所以其离散的定位坐标能够较为密集、圆润。

附图说明

图1为本发明方法中多时间片重叠区域加权融合示意图；

图2为本发明方法中三边与投影等比例示意图。

具体实施方式

下面结合说明书附图对本发明作进一步阐述。

本发明一种针对复杂环境的室内定位方法，包括以下步骤：

利用正常距离路径损耗模型通过rssi计算标签与信标节点之间的距离；

通过曲线拟合滤波算法与多时间片重叠融合算法将标签与信标节点之间离散的距离点进行平滑处理，并拟合成连续曲线；

通过三边与投影等比例算法将连续曲线计算出轨迹曲线，得到初步定位结果；

通过无损卡尔曼滤波算法将轨迹曲线离散化后进行滤波，得到最终的定位结果。

包括正常距离路径损耗模型、曲线拟合滤波算法、多时间片重叠融合算法、三边与投影等比例算法、无损卡尔曼滤波算法。

本发明方法中，正常距离路径损耗模型表示的是rssi与距离之间的关系，如公式1与2，pl(d)是指在距离d处的路径损耗，是指在d0位置处的平均路径损耗，n是路径损耗指数，xσ为均值为0的随机变量，指代噪声，公式2中，d指代距离，r为rssi，a为基准rssi，是经验值。

曲线拟合滤波算法是在一个小的时间片内对离散的标签与信标节点之间的距离点曲线拟合，以二项式为目标函数，使用最小二乘法算法。通过此步骤可以获取到连续的距离曲线。

本发明方法中，通过正常距离路径损耗模型计算标签与信标节点之间的距离为：

信标节点获取到标签发送无线信息的rssi后，通过正常距离路径损耗模型计算距离，得到离散的标签与信标节点之间的距离信息。

本实施例中，信标节点铺设时按等距排列，使得相邻四个信标节点之间可以形成一个标准矩形。

本发明方法中，通过曲线拟合滤波算法与多时间片重叠融合算法将标签与信标节点之间离散的距离点进行平滑处理，并拟合成连续曲线为：

定义一个时间单元长度，对离散的距离点划分时间片，每个时间片包含若干连续的时间单元，在每个时间单元起始时刻开始一个时间片，对每个时间片内的离散的距离点使用曲线拟合算法进行曲线拟合，获取连续的距离曲线。

本实施例中，对于离散的标签与信标节点之间的距离，定义一个时间单元长度，如图1所示，采用多时间片重叠融合算法，在进行曲线拟合前，对离散的距离点划分时间片，每个时间片包含若干时间单元(一般为1秒)，每个时间单元都是一个时间片的起始位置，这使得曲线拟合算法获取的距离曲线段之间存在重叠区域，通过多时间片重叠融合算法将曲线拟合后的距离曲线，在多时间片重叠区域进行加权融合，时间片重叠区域，处于时间片中间位置的曲线拥有更高的权重。

如图2所示，本发明方法中，通过三边与投影等比例算法将连续曲线计算出轨迹曲线为：

信标节点在铺设时尽量按照等距排列，使得相邻四个信标节点之间可以形成一个标准矩形；令标签与各个信标节点之间距离的比等于标签与各个信标节点连线在相应x轴或y轴投影的比，即：

其中(xi,yi)是信标节点i的坐标，di是标签到信标节点i的距离，kc与ec是待定系数，dj为标签距离信标节点j的距离。

当kc与ec都为1时，计算得到m个轨迹坐标，再计算m个轨迹坐标的平均值作为三边与投影等比例算法获取的位置坐标的值。

不同于现有技术追求理论上的精确值，该算法在理论上计算得到的坐标是一个近似值，它可以忽略复杂环境下产生的巨大的干扰，反而能够得到更为准确的位置信息。

本发明方法中，通过无损卡尔曼滤波算法将轨迹曲线离散化后进行滤波为：

将连续曲线计算出轨迹曲线后，将该轨迹曲线以规定时间截取一个坐标来获取一系列的离散标签坐标，再使无损卡尔曼算法进行滤波，将定位结果中因分段曲线拟合导致的锯齿状噪音平滑。

无损卡尔曼滤波算法是一种离散滤波算法，通过以上算法获取到的标签轨迹是一个连续的曲线，将该曲线以每0.1秒截取一个坐标来获取一系列的离散标签坐标，再使无损卡尔曼算法进行滤波，将连续的位置坐标离散化，离散化后的轨迹坐标越密集，则定位结果越平滑，计算时间复杂度越高。无损卡尔曼滤波能够将定位结果中因分段曲线拟合导致的锯齿状噪音平滑。