一种基于RSS与位置指纹的室内可见光联合定位方法与流程

本发明属于室内定位技术领域，特别涉及一种基于接收信号强度(receivedsignalstrength，rss)与位置指纹的室内可见光联合定位方法。

背景技术：

当今社会，定位技术已经深入每个人的日常生活，更是各个新兴产业得以发展和壮大的基础。同时，随着智慧交通、物联网、车联网等万物互联理念的提出以及医疗、建筑、生态环境等各大行业和领域对室内无线定位技术的需求的不断增加，其无疑已是当今无线通信领域的一项重要的研究焦点。gps无疑是我们最熟知并且最常使用的定位技术，然而由于遮挡和多径等原因，使得gps技术在室内的定位精度严重降低，无法满足人们的日常需求。

作为现如今主流的室内定位技术之一，室内可见光定位技术是一种照明兼顾通信、绿色环保、可拓宽频谱资源的新型无线通信技术。其继承了vlc的各项优点，与现有的多种室内定位技术相比，具有无电磁干扰、安全保密性好、定位精度高等诸多优势，尤其适用于各类大型场所或电磁敏感的室内领域，如医院、矿井、飞机、大型商场等，所以拥有广阔的应用和开发前景。

从技术实现的角度来看，目前可见光定位通常有两种较为成熟的技术方案：传统定位法和位置指纹定位法。两种方法在一定条件下都能实现较高精度的定位，但相比而言，传统定位法通常需要通过各自建立的模型去计算待定位目标终端的位置，虽实现简单、系统成本较低，但易受信号的多径效应、障碍物遮挡等环境因素干扰，定位精度及定位稳定性不高；而位置指纹法的定位实现完全依赖于位置坐标与其特征参数(如rss值)之间的映射关系，定位精度相对较高，在环境复杂且非线性的条件下也能保持良好的抗干扰能力，但其也存在前期指纹采样工作量大，指纹匹配算法效率低等问题。

技术实现要素：

针对现有技术中存在的上述问题，本发明的目的在于提供一种基于接收信号强度(rss)与位置指纹的室内可见光联合定位方法，旨在克服传统rss三边定位易受环境干扰、定位准确度不高的不足以及现有室内可见光指纹定位方案中算法匹配效率较低的缺陷。另外，针对复杂多光源的室内场景，本发明在上述联合定位方法中增加了一种光源优选策略，用以保证定位方案的可靠性，同时也能在一定程度上提升定位精度。

为实现上述发明目的，本发明提供如下技术方案：

一种基于rss与位置指纹的室内可见光联合定位方法，包括以下步骤：

s1：室内定位场景初始化，选出定位所需的三盏led灯作为光源；

s2：指纹库建立阶段，根据现有定位场景以及选定的光源，在定位区域内选取若干采样点，反复多次测量各个采样点处光电探测器接收到的来自三盏led灯的光功率然后取平均值进行高斯滤波，得到稳定的rss值作为位置指纹数据，构建离线指纹数据库，pr为接收光功率符号。i表示各采样点的序号，i＝1,2,...,n，n为采样点个数，j表示三盏led灯的序号，j＝1,2,3，的含义是第i个采样点处光电探测器接收到的第j盏led灯的光功率信号；

s3：初步定位阶段，在定位区域内选取其中一个采样点，测量该采样点通过光电探测器接收到的来自于所述三盏led灯的光功率，结合室内链路特性，利用强度距离估计算法计算得到该采样点与各led灯的距离值，再将该距离值代入三边定位算法，得到该采样点的估计位置坐标；同时，对s2中的各个采样点都进行上述初步定位操作，得出rss三边定位在该室内场景下的最大定位误差，用以作为后续指纹匹配定位时的有效范围，完成初步定位；

s4：指纹匹配阶段，在线实时测量待定位目标终端处的rss值，采用优化的加权k最近邻算法(weightedknearestneighbor，wknn)，在s3得到的有效范围内，与离线指纹数据库对应范围中的位置指纹逐一匹配，计算得到待定位目标终端的位置，实现精确定位。

所述s1中，根据室内环境中现有的led光源模型，结合“满秩原则”和“强锐角三角形结构”制定最优光源选取策略，选出定位所需的三盏led灯。具体地：首先根据满秩原则，排除三盏led灯拓扑共线或近似共线的光源布局类型，然后摒弃发射光功率明显偏小或在定位区域内多处无法以视距链路到达的led灯，最后选取剩余led灯中发射功率最大的三盏，并判断是否满足强锐角三角形结构，即尽可能使选取的三盏led灯的拓扑为近似等边三角形的强锐角结构，完成最优光源的选取。

所述s2中，考虑到不同led灯发射光信号的叠加效应，采用时分复用技术和相应的信号处理模块，在各个采样点处，利用光电探测器分别提取出来自三盏led灯发出的光功率信号和经多次测量并进行高斯滤波后，稳定的rss值分别记为则：

一条可见光位置指纹数据ri表示为：

离线指纹数据库表示为：r＝[[r1，(x1,y1)]^t,…,[ri，(xi,yi)]^t,…,[rn，(xn,yn)]^t]；

其中(xi,yi)为对应第i个采样点的位置坐标。

经高斯滤波后的rss值的取值范围为：[0.15σ+μ,3.09σ+μ]，其中：μ，σ分别表示测量rss值的均值和方差，由下式给出：

其中，t表示在同一个采样点重复进行接收功率测量的次数，rssk为第k次测量的rss值。

所述s3中，采样点的估计位置坐标获取步骤如下：

s301：将选定采样点处接收到的来自于三盏led灯的光功率pr,j分别转化为相应的三个电功率prf,j并记录，prf为电功率符号，pr,j表示选定采样点处接收到的第j盏led灯的光功率，prf,j表示pr,j转化得到的电功率；

s302：利用强度距离估计算法将电功率prf,j转换为初步估计距离值de,j，de,j表示选定采样点与第j盏led灯的初步估计距离值；

s303：对初步估计距离de,j进行归一化补偿，得到修正的估计距离值dc,j，dc,j表示选定采样点与第j盏led灯的修正的估计距离值；

s304：把修正的估计距离值dc,j代入三边定位算法，计算出该采样点的估计坐标位置，从而实现定位。

所述初步估计距离值de,j的计算式为：de,j＝(crf/prf,j)^1/4；修正的估计距离值dci的计算式为：dc,j＝de,j·vj,vj＝(cn/de,j)ⁿ；

其中，crf为射频功率常数，vj表示补偿因子，n为归一化因子，cn为归一化常数，由下式给出：

上式中，α为光电探测器的衰减常数，α＜1，和gi(ψ1)分别表示辐射角为时的辐射增益和入射角为ψ1时的入射增益，和gi(ψ1)的值分别取决于发射端的led透镜和接收端的聚焦透镜，与ψ1为考虑模型边界条件得出的固定角度值，s为led灯间的最长距离，h为房间高度。

所述s4中，优化的加权k最近邻算法流程如下：

(1)待定位目标终端实时测量获取来自于三盏led灯的接收光功率p′r,j，计算其与离线指纹数据库中各个采样点位置指纹的欧氏距离di：

其中，g为离线指纹数据库经s3初步定位后对应范围内的有效指纹个数，表示第i个采样点的位置指纹数据中对应第j盏led的rss值；

(2)离线指纹数据库首先取参数k的初始值为g，计算有效范围内所有欧氏距离di的平均值

丢弃欧氏距离大于d值的采样点，记剩余采样点的个数为m，令m为参数k的新值；

(3)对保留下来的m个采样点进行加权位置估计，权重wi与欧氏距离有关，显然距离越远，权重赋值越小，距离越近，权重赋值越大，由下式给出：

dj与di含义相同，均指欧式距离，此处分母中需要求和，为区分选用与i不同的下标j；

最终可得出待定位目标终端的估计位置坐标为：

与现有技术相比，本发明的有益效果是：

(1)通过设计了一种合理的光源优选策略，使得能在复杂多光源的室内场景下，有效地提高定位系统的定位稳定性与可靠性，同时在定位精度上也有一定程度的提升效果。

(2)结合rss定位与位置指纹定位提出了一种室内可见光联合定位方法，克服了传统rss三边定位易受环境干扰、定位准确度不高的不足以及现有室内可见光指纹定位方案中算法匹配效率较低的缺陷。

(3)在离线指纹数据库的构建阶段，对采样点处的rss值进行了高斯滤波处理，有效地滤除了噪声等环境干扰因素的影响，提升了精度。

(4)在指纹在线匹配阶段，本发明改进了传统的knn匹配算法，引入了优化的wknn算法，距离近的采样点赋高权重，距离远的赋低权重，加权有效地提升了定位精度；同时本发明能根据实际测量情况自适应地调整参数k值，进一步舍去了有效范围内相关性较小的指纹数据，解决了指纹匹配中k参数选取困难的问题，提高了系统的灵活性和定位精度。

附图说明

图1是本发明基于rss与位置指纹的室内可见光联合定位方法的流程图。

图2是本发明实施例的室内定位场景系统模型图。

图3是本发明实施例的最优led光源选取的效果示意图。

图4是本发明离线可见光位置指纹数据库的二维示意图。

图5是本发明一个实施例中经rss初步定位后的定位效果图。

图6是本发明一个实施例的最终联合定位效果图。

具体实施方式

下面结合附图和实施例详细说明本发明的实施方式。

一种基于rss与位置指纹的室内可见光联合定位方法，如图1所示，包括以下步骤：

s1：初始化搭建室内定位场景，布置led光源，如图2所示。整个定位系统限制在一个正方体房间中，尺寸为60cm*60cm*60cm；6盏led灯的坐标分别为：led1(0,0,60)、led3(60,0,60)，led4(0,60,60)，led6(60,60,60)，6盏led的发射光功率pt,j满足以下关系：pt,1＝pt,2＝pt,3＞pt,4＝pt,5＝pt,6，pt为发射光功率符号，j表示6盏led灯的序号，j＝1,2,...,6，pt,j表示第j盏led灯的发射光功率。

具体地，图3为最优led光源选取的效果示意图。根据光源优选策略，实施例中的6盏led灯均能以视距链路到达接收平面的各个采样点，且都符合满秩原则；进一步地，led1、led2、led3与led4、led5、led6均呈等边三角形结构，同时考虑功率最大原则和强锐角三角形判定原则，本实施例最终选取led1、led2、led3作为定位系统的三盏有效led灯，如图3所示。

s2：如图2所示，考虑到本实施例的室内环境，接收端平面均匀地设置了35个采样点，按从左至右从上至下的顺序分别标记为第1～35号，相邻间距统一规定为10cm。首先选取1号采样点，pd接收到光信号并经过信号处理模块后，分别提取出来自led1、2、3发出的光功率信号经多次测量并进行高斯滤波后，得到对应的稳定rss值故1号采样点对应的位置指纹数据可表示为：离线位置指纹数据库可用矩阵形表示为：r＝[[r1，(x1,y1)]^t,…,[ri，(xi,yi)]^t,…,[rn，(xn,yn)]^t],如图4所示。

其中，n为采样点个数(本实施例中n＝35)，i表示各采样点的序号(i＝1,2,...,n)，(xi,yi)为对应第i个采样点的位置坐标。

s3：对于接收平面上的每一个采样点，都测量该位置处接收到的来自于三盏优选led灯的接收光功率对于本实施例来说，同样以1号采样点为例，在该待测节点处pd接收到的来自led1、led2、led3的光功率分别记为

具体地，步骤s3进一步包括：

s301：把光功率转化为电功率并记录；

s302：利用强度距离估计算法将电信号功率转换为初步估计距离值

s303：对初步估计距离进行归一化补偿处理，得到修正的估计距离值

s304：把处理后的修正的估计距离代入三边定位算法，计算出1号采样点的估计坐标位置，从而实现定位。

初步估计距离的计算式为：

修正后的估计距离公式为：

其中，crf为射频功率常数，vj表示补偿因子，n为归一化因子，cn为归一化常数，由下式给出：

上式中，α为光电探测器的衰减常数，α＜1，和gi(ψ1)分别表示辐射角为时的辐射增益和入射角为ψ1时的入射增益，和gi(ψ1)的值分别取决于发射端的led透镜和接收端的聚焦透镜，与ψ1为考虑模型边界条件得出的固定角度值，s为led灯间的最长距离，h为房间高度。

对于剩余的采样点，同理于1号采样点，重复s3中的上述步骤完成所有采样点的初步位置估计，初步定位的定位效果如图5所示。由此可得到在该实施例室内场景下所有采样点经rss三边定位法初步定位后的最大误差，用以作为后续位置指纹匹配定位时的有效范围。

s4：在线实时测量待定位目标终端处的rss值，采用优化的加权k最近邻算法(weightedknearestneighbor，wknn)，在s3步骤中得出的有效范围内与离线指纹数据库对应范围中的位置指纹逐一匹配，计算得到目标的位置，实现精确定位。

具体地，步骤s4进一步包括：

s401：待定位目标终端实时测量获取来自于三盏led灯的接收光功率p′r,j，计算其与离线指纹数据库中各个采样点位置指纹的欧氏距离di：

其中，i表示各采样点的序号，j表示三盏led灯的序号，g为离线指纹数据库经s3初步定位后对应范围内的有效指纹个数，表示第i个采样点的位置指纹数据中对应第j盏led的rss值。

s402：首先取参数k的初始值为g，计算有效范围内所有欧氏距离di的平均值值：

丢弃欧氏距离大于值的采样点，记剩余采样点的个数为m，另m为参数k的新值。

s403：对保留下来的m个采样点进行加权位置估计，权重wi与欧氏距离有关，显然距离越远，权重赋值越小，距离越近，权重赋值越大，由下式给出：

最终可得出待定位目标终端的估计位置为：

在本发明的该实施例中，图6绘制了经上述s4步骤后，各个采样点处的估计坐标位置与其真实坐标位置的定位分布图，展示了本发明最终的定位效果。与s3步骤中采用传统rss三边定位方法的初步定位效果相比，本发明提出的基于rss与位置指纹的室内可见光联合定位方法有效地提升了实施例中所有采样点的平均定位误差，尤其是对本实施例中led1、led2、led3在接收平面的投影区域以外的外部采样点的定位精度起到了显著的改善效果。考虑本实施例中所有的采样点，系统的定位精度提升了近90％。