一种基于蓝牙和RFID融合定位的室内定位方法与流程

本发明涉及室内定位技术领域，具体涉及一种基于蓝牙和rfid融合定位的室内定位方法。

背景技术：

随着无线网络和移动通信技术的飞速发展，现代人们生活对定位的需求越发明显。当前社会的定位越发趋向于对室内定位的需求，相对于室外定位发展成熟，室内定位无疑还在起步阶段。人们生活休闲的场所越来越趋向于大规模的大型休闲娱乐购物中心；大型的地下停车场已经开始流行；伴随人口的增长，综合性的大型医疗中心也日益增多。在这些大规模的室内环境迅猛发展的情况下，室内定位更加突显其重要性。通过室内定位，一方面可以获知或赋予特定主体位置信息；另一方面可以监控或实时跟踪特定主体的位置信息。当灾难来临时，室内定位同样会发挥举足轻重的作用，如在火灾发生的情况下，室内定位可以为消防人员提供火势下复杂的室内空间格局，避免不必要的人员伤亡。室内定位的应用涉及众多领域，这都催生这室内定位发展的快速前进。

当前常用的室内定位技术主要有超声波技术、红外线技术、超快带(uwb)、射频识别(rfid)、zigbee、、蓝牙定位、地磁定位等。

超声波定位精度可以达到厘米级，但是超声波衰减明显，影响定位有效范围。红外线定位精度可达5-10m。但红外线在传输过程中易受物体或墙体阻隔且传输距离较短，定位系统复杂度较高，有效性和实用性较其他技术仍有差距。uwb定位定位精度通常情况下不超过15cm，但uwb系统占用的带宽很高，可能会干扰现有其他无线通信。zigbee定位精度可达米级，由于受室内复杂的环境影响，建立准确的传播模型非常困难，因此zigbee技术的定位精度受较大的限制。地磁定位的定位精度优于30m。磁传感器是决定地磁导航定位的关键因素，精确的环境磁场基准图、可靠的磁信息匹配算法也是十分重要的。高精度地磁传感器过高的成本阻碍了地磁定位的普及发展。

蓝牙定位技术适用于测量短距离，功耗较低。蓝牙设备体积小，易于集成在pda、pc及手机中，因此很容易推广普及。对于持有集成了蓝牙功能移动终端设备的客户，只要设备的蓝牙功能开启，蓝牙室内定位系统就能够对其进行位置判断。采用该技术作室内短距离定位时容易发现设备且信号传输不受视距的影响。rfid室内定位无需同通信，数据率高，安全性高，在非直达条件下的可读能力和可压缩性、成本低。

中国发明cn104105063a公开了一种基于rfid和蓝牙网络的监控定位系统和方法，采用rfid技术并采用基于rssi模型的回声状态网络定位方法，克服传统rssi定位方法存在较大测量误差，实时响应慢的缺点，还解决了现有监控探头缺乏专有的定位系统、定位误差大、实时定位困难等问题。该方法通过设置蓝牙节点作为参考点，将rfid标签移入蓝牙网络初始状态，通过权值计算对rfid进行实时定位，没有分别利用蓝牙定位和rfid定位各自的优势，定位精度没有较大的提升。

中国发明cn105527605a公开了一种多模混合室内定位方法，包括步骤：对多模混合信号的统一识别和转码，得到粗粒度信号，并由信号接收端接收；对rssi粗略值进行初期校下；采用基于堆栈式集合的均值信号二次校正方法；采用三角质心算法建模进行计算，得出接收端位置。该方法融合了wifi、蓝牙及rfid定位，对多模信号进行统一识别，其次进行初期校准和二次校准，硬件集成大，定位成本高，计算量大，系统复杂。

技术实现要素：

针对现有技术的不足，本发明所解决的技术问题是提供一种测量精度更高且系统复杂度低，计算量小，系统容错能力高的定位方法。

为解决上述技术问题，本发明采用的技术方案是一种基于蓝牙和rfid融合定位的室内定位方法，包括如下步骤：

(1)搭建蓝牙定位环境

将待定位区域均匀划分网格状，均匀布置蓝牙基站，布置m个发射蓝牙信号的蓝牙节点，其位置分别记为(x1,y1)，(x2,y2)，...,(xm,ym)；

无论在室内或室外，接收端接受到的信号强度值和接收端和发送端的距离成一定对数变化；对于任意的接收端与发射端之间的距离，路径损耗为：

根据路径损耗推导出信号强度与测距信号源距离的关系：

可得：

其中，pl(d0)为参考距离d0处的路径损耗，r为路径传播损耗指数，d为接收端与发射端的实际距离，d0为参考距离，pr(d)为接收端距发射端d处的信号强度，pr(d0)为接收端距发射端d0处的信号强度；

(2)通过改进加权质心算法实现蓝牙定位

对于m个采集点(x1,y1)，(x2,y2)，...,(xm,ym),用户手持配置beacon装备在位置对m个位置测得的信号强度为s1,s2,...sm，假设：

则权值为：

可得改进加权质心定位结果为：

其中为用户通过蓝牙定位得到的定位坐标；

(3)搭建rfid定位环境

在待定位区域搭建n个阅读器，有m个参考定位标签的个数和u个待定位标签，阅读器以连续工作的模式进行操作；s表示待定位标签与相对应的阅读器之间的信号强度矢量，θ表示参考定位标签与其对应的阅读器之间的信号强度矢量，其中：

s＝(s1,s2,...,sn)

si表示第i个阅读器对应的待定位标签的信号强度值，其中i∈(1,n)；

θ＝(θ1,θ2,...,θn)

θi表示第i个阅读器对应的参考标签的信号强度值，其中i∈(1,n)；

(4)通过landmarc算法实现rfid定位

设ej为第j个参考标签与定位区域中的各个待定位标签p的欧式距离，表示定位系统中参考标签和待定位标签之间相对强度值；

分别计算定位区域待定位标签与定位区域内的m个参考标签与的欧式距离，记为：

e＝(e1,e2,...,em)

通过k近邻算法，选取e中最小的k个值，通过改进加权质心算法得出待定位标签坐标；

其中，为权重；

(5)通过联合卡尔曼滤波方法，实现蓝牙和rfid融合定位

假设融合系统子滤波器的状态方程和量测方程分别表示为：

xi(k+1)＝φ(k)xi(k)+w(k)

zi(k)＝hi(k)xi(k)+v(k)，

其中，φ(k)和hi(k)分别表示子滤波器的状态转移矩阵和量测转移矩阵；w(k)和v(k)分别表示对应的过程噪声和测量噪声，其服从均值为零方差的q(k)和r(k)的高斯分布，且互不相关；

联合卡尔曼滤波的计算流程如下：

①信息分配

信息分配就是将系统整体估计值根据一定的信息分配规则分配至各个自滤波器和主滤波器之中，分配原则如下：

xi＝xg

上式中，βi代表系统的分配因子，满足的分配原则，pi,pg表示对应的系统估计误差的协方差，qi，qg表示对应高斯白噪声，xi，xg表示对应的状态向量；

②时间更新

分别利用相同的滤波算法在各个子滤波器和主滤波器中进行时间更新：

pi(kk-1)＝φpi(k-1)φ^t+qi

其中表示k-1时刻对k时刻的先验状态估计，表示k-1的后延状态估计，p表示相应的系统估计误差的协方差，φ是状态转移矩阵,qi表示高斯白噪声；

③子滤波器的量测更新

在主滤波器中没有量测量所以不用进行量测更新，在各个自滤波器中进行量测更新的算法如下所示：

设其中，是量测转移矩阵的转置，p表示相应的系统估计误差的协方差，ri为高斯白噪声；

pi(k)＝(i-ki(k)hi(k))pi(kk-1)

其中表示k-1时刻对k时刻的先验状态估计，hi(k)是量测转移矩阵，p表示相应的系统估计误差的协方差，zi(k)为观测方程；

④全局最优融合

主滤波器将各个自滤波器输出的按照一定的方式进行融合，其融合算法如下所示：

其中融合定位系统的状态向量为设为x＝[sx,vx,sy,vy]^t，观测向量为z[sx,sy]^t

其中sx，sy为待定位物体通过蓝牙定位和rfid定位产生的x轴运动距离和y轴运动距离，vx，vy为待定位物体在x轴和y轴的运动速度；

系统的第一个子传感器是蓝牙定位传感器，系统的第二个传感器是rfid定位传感器，设也为0，主滤波器不参与全局信息的分配；滤波器只对各个自滤波器进行信息融合；

子滤波器的数据融合算法如下：

其中，系统全局估计值和pg是主滤波器将从子滤波器中输出的状态估计和协方差估计pi进行融合得到的，过程噪声协方差阵的逆来表示状态方程的信息量；

在融合定位设计中，分别以蓝牙定位和rfid定位产生的位置数据作为子滤波器的输入，其分别在子滤波器中进行滤波，产生局部最优估计值，并将其作为输入在主滤波器进行全局信息的最优融合；其中，在子滤波器中采用卡尔曼滤波算法，通过预测、校正方法对当前的位置信息进行迭代更新与校正，减小误差；然后，主滤波器将最优融合值以信息分配因子β1分配给蓝牙定位子系统作为其下一次滤波的初始值，以信息分配因子β2分配给rfid定位子系统为其下一次滤波的初始值，从而使局部滤波和全局滤波的精度得到提高，实现蓝牙和rfid的最优融合。

与现有技术相比，本发明的有益效果：

通过利用对数衰减模型的加权质心定位算法进行蓝牙定位，降低了环境对定位结果的影响，提高了蓝牙定位精度。landmarc把一些有源的标签配置为参考标签，因为其可以提供检测距离方位内的标签信号强度信息，减少了阅读器的数量。利用landmarc算法降低了定位成本，提高rfid定位精度。利用联合卡尔曼滤波融合蓝牙和rfid定位，降低了系统的计算复杂度，提高了系统整体的容错能力，同时提高了定位精度。本发明具有定位精度高、软件运算量低、抗噪能力强的特点，在保证定位精度的前提下实现实时要求。

附图说明

图1为本发明的方法流程图；

图2为蓝牙和rfid融合定位系统结构图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的说明，但不是对本发明的限定。

图1示出了一种基于蓝牙和rfid融合定位的室内定位方法，包括如下步骤：

(1)搭建蓝牙定位环境

将待定位区域均匀划分网格状，均匀布置蓝牙基站，布置m个发射蓝牙信号的蓝牙节点，其位置分别记为(x1,y1)，(x2,y2)，...,(xm,ym)；

无论在室内或室外，接收端接受到的信号强度值和接收端和发送端的距离成一定对数变化；对于任意的接收端与发射端之间的距离，路径损耗为：

根据路径损耗推导出信号强度与测距信号源距离的关系：

可得：

其中，pl(d0)为参考距离d0处的路径损耗，r为路径传播损耗指数，d为接收端与发射端的实际距离，d0为参考距离，pr(d)为接收端距发射端d处的信号强度，pr(d0)为接收端距发射端d0处的信号强度；

(2)通过改进加权质心算法实现蓝牙定位

对于m个采集点(x1,y1)，(x2,y2)，...,(xm,ym),用户手持配置beacon装备在位置对m个位置测得的信号强度为s1,s2,...sm，假设：

则权值为：

可得改进加权质心定位结果为：

其中为用户通过蓝牙定位得到的定位坐标；

(3)搭建rfid定位环境

在待定位区域搭建n个阅读器，有m个参考定位标签的个数和u个待定位标签，阅读器以连续工作的模式进行操作；s表示待定位标签与相对应的阅读器之间的信号强度矢量，θ表示参考定位标签与其对应的阅读器之间的信号强度矢量，其中：

s＝(s1,s2,...,sn)

si表示第i个阅读器对应的待定位标签的信号强度值，其中i∈(1,n),

θ＝(θ1,θ2,...,θn)

θi表示第i个阅读器对应的参考标签的信号强度值，其中i∈(1,n)；

(4)通过landmarc算法实现rfid定位

设ej为第j个参考标签与定位区域中的各个待定位标签p的欧式距离，表示定位系统中参考标签和待定位标签之间相对强度值；

分别计算定位区域待定位标签与定位区域内的m个参考标签与的欧式距离，记为：

e＝(e1,e2,...,em)

通过k近邻算法，选取e中最小的k个值，通过改进加权质心算法得出待定位标签坐标；

其中，为权重；

(5)通过联合卡尔曼滤波方法，实现蓝牙和rfid融合定位

假设融合系统子滤波器的状态方程和量测方程分别表示为：

xi(k+1)＝φ(k)xi(k)+w(k)

zi(k)＝hi(k)xi(k)+v(k)，

其中，φ(k)和hi(k)分别表示子滤波器的状态转移矩阵和量测转移矩阵；w(k)和v(k)分别表示对应的过程噪声和测量噪声，其服从均值为零方差的q(k)和r(k)的高斯分布，且互不相关；

联合卡尔曼滤波的计算流程如下：

①信息分配

信息分配就是将系统整体估计值根据一定的信息分配规则分配至各个自滤波器和主滤波器之中，分配原则如下：

xi＝xg

上式中，βi代表系统的分配因子，满足的分配原则，pi,pg表示对应的系统估计误差的协方差，qi，qg表示对应高斯白噪声，xi，xg表示对应的状态向量；

②时间更新

分别利用相同的滤波算法在各个子滤波器和主滤波器中进行时间更新：

pi(kk-1)＝φpi(k-1)φ^t+qi

其中表示k-1时刻对k时刻的先验状态估计，表示k-1的后延状态估计，p表示相应的系统估计误差的协方差，φ是状态转移矩阵,qi表示高斯白噪声；

③子滤波器的量测更新

在主滤波器中没有量测量所以不用进行量测更新，在各个自滤波器中进行量测更新的算法如下所示：

设其中，是量测转移矩阵的转置，p表示相应的系统估计误差的协方差，ri为高斯白噪声；

pi(k)＝(i-ki(k)hi(k))pi(kk-1)

其中表示k-1时刻对k时刻的先验状态估计，hi(k)是量测转移矩阵，p表示相应的系统估计误差的协方差，zi(k)为观测方程；

④全局最优融合

主滤波器将各个自滤波器输出的按照一定的方式进行融合，其融合算法如下所示：

其中融合定位系统的状态向量为设为x＝[sx,vx,sy,vy]^t，观测向量为z[sx,sy]^t

其中sx，sy为待定位物体通过蓝牙定位和rfid定位产生的x轴运动距离和y轴运动距离，vx，vy为待定位物体在x轴和y轴的运动速度；

系统的第一个子传感器是蓝牙定位传感器，系统的第二个传感器是rfid定位传感器，设βm＝0，也为0，主滤波器不参与全局信息的分配；滤波器只对各个自滤波器进行信息融合；

子滤波器的数据融合算法如下：

其中，系统全局估计值和pg是主滤波器将从子滤波器中输出的状态估计和协方差估计pi进行融合得到的，过程噪声协方差阵的逆来表示状态方程的信息量；

图2示出了蓝牙和rfid融合定位系统结构，在融合定位设计中，分别以蓝牙定位和rfid定位产生的位置数据作为子滤波器的输入，其分别在子滤波器中进行滤波，产生局部最优估计值，并将其作为输入在主滤波器进行全局信息的最优融合。其中，在子滤波器中采用卡尔曼滤波算法，通过预测、校正方法对当前的位置信息进行迭代更新与校正，减小误差。然后，主滤波器将最优融合值将信息分配因子分配给蓝牙定位子系统作为其下一次滤波的初始值，将信息分配因子分配给rfid定位子系统为其下一次滤波的初始值，从而使局部滤波和全局滤波的精度得到提高，实现蓝牙和rfid的最优融合。

与现有技术相比，本发明的有益效果：

通过利用对数衰减模型的加权质心定位算法进行蓝牙定位，降低了环境对定位结果的影响，提高了蓝牙定位精度。landmarc把一些有源的标签配置为参考标签，因为其可以提供检测距离方位内的标签信号强度信息，减少了阅读器的数量。利用landmarc算法降低了定位成本，提高rfid定位精度。利用联合卡尔曼滤波融合蓝牙和rfid定位，降低了系统的计算复杂度，提高了系统整体的容错能力，同时提高了定位精度。本发明具有定位精度高、软件运算量低、抗噪能力强的特点，在保证定位精度的前提下实现实时要求。

以上结合附图对本发明的实施方式做出了详细说明，但本发明不局限于所描述的实施方式。对于本领域技术人员而言，在不脱离本发明的原理和精神的情况下，对这些实施方式进行各种变化、修改、替换和变型仍落入本发明的保护范围内。