专利名称：基于粒子滤波算法的wlan室内跟踪方法
技术领域：
本发明涉及一种WLAN室内跟踪方法。
背景技术：
WLAN网络是计算机网络与无线通信技术相结合的产物。它利用射频传输技术进 行数据的传送，为用户提供无线宽带接入服务。WLAN的发展，解决了有线网络布线困难的 问题，打破了宽带接入的地域限制，满足了用户移动数据通信的需要，实现数据通信的移动 化、漫游化和宽带化。WLAN的产生和不断发展满足了人们对高效率、高质量、高带宽、低成 本无线网络通信的需求。WLAN的产生和不断发展满足了人们对高效率、高质量、高带宽、 低成本无线网络通信的需求。而在实际使用中，用于定位的用户终端可能是静止的，也有 可能是移动的，所以对室内无线跟踪系统的研究在此背景下发展起来。现有的室内跟踪 技术主要有扩展卡尔曼滤波EKF(Extended Kalman Filter)、修正增益的扩展卡尔曼滤波 MGEKF(Modified Gain Extended Kalman Filter)和粒子滤波PF(Particle Filter)等，而 在其中，粒子滤波由于其精度可 以逼近最优估计，而且适用于任何能用状态空间模型表示 的非线性系统，受到高度重视，在近些年来得到快速的发展。粒子滤波算法是利用序列重要性采样的概念近似，用离散的随机样本近似相应的 概率密度函数。在粒子滤波中，概率密度函数被一系列离散的带权重的样本近似。随着样 本粒子数量的增加，粒子滤波接近于贝叶斯最优估计。粒子滤波技术在非线性、非高斯系统 表现出来的优越性，使得其成为在室内定位跟踪领域里人们研究的热点。但是，在实际应用 中，粒子滤波算法中粒子点的传统选取方法会对整个系统造成很大的负担，且环境适应也 较差。
发明内容
本发明是为了解决室内环境下对动态目标的跟踪问题中，非线性模型问题导致跟 踪精度降的问题，从而提供一种基于粒子滤波算法的WLAN室内跟踪方法。基于粒子滤波算法的WLAN室内跟踪方法，它由以下步骤实现步骤一、针对室内环境布置N个接入点AP，确保所述环境中任意一点被一个或一 个以上的接入点AP发出的信号覆盖，并在所述室内环境中均勻设置Nkp个参考点；步骤二、选取一个参考点为坐标原点建立二维直角坐标系，获得Nkp个参考点在该 二维直角坐标系中的坐标位置，在离线阶段中在每个参考点上利用信号接收机采集来自每 一个接入点AP的信号强度RSS值，并利用最大似然法计算每个参考点的信号强度先验概率 分布；步骤三、在第k时刻下，对描述粒子分布的重要性密度函数进行
采样，获得队个粒子点ζ ，计算第i个粒子点坐标与每个参考点坐标之间的欧几里得距离， 并选择欧几里得距离最小值所对应的参考点坐标作为该粒子点的修正坐标；所述i = 1、2……Ns ；步骤四、根据步骤二获得的每个参考点的信号强度先验概率分布和重要性密度函 数以及第k-1时刻粒子点的权值计算第k时刻粒子点所对应的权值ω ；步骤五、根据步骤四 获得的第k时刻的粒子点的权值ω ，采用重采样算法对当前时刻的粒子点进行重新采样得 到新的粒子点作为当前时刻的粒子点，并替代原有的粒子点，并获得最终的位置估计坐标； 所述最终的位置估计坐标即为第k时刻下待跟踪目标的坐标，然后返回执行步骤三，获得 下一时刻的待跟踪目标的坐标；N、Ns, Nep为正整数；k为大于或等于1的整数。步骤二中所述利用最大似然法计算每个参考点的信号强度先验概率分布是通过 公式
RSS值样本采样总数获得的，式中，Sj为第u个参考点处接收第j个AP的信号强度值；Coimt(Sj)表示 在第U个参考点处接收到信号强度为~的信号数量-J1k为第k时刻第U个参考点的位置坐 标； 步骤三中所述对重要性密度函数采样获得粒子点<，计算第i个粒子点坐标与每 个参考点坐标之间的欧几里得距离是通过公式 获得的；其中，(X丨,乂)表示第k时刻第i个粒子的坐标；( Yj)表示第j个参考 点的坐标。步骤三中所述选择欧几里得距离最小值min所对应的参考点坐标作为该粒子点 的修正坐标是通过修真公式 获得的。步骤四中所述根据粒子滤波算法理论，计算第i个粒子点所对应的权值是根据 公式 获得的；式中，为第k时刻第i个粒子所对应的权值；~表示正比于关系； I Xi)和； (Χ 11^1)分别表示粒子点为;^时接收信号样本为Zk时的概率及粒子的转移概率；ω；^为第k-i时刻第i个粒子所对应的权值，由于每一步都利用了重采样算法， 因此第k-l时刻的权值为1/NS ；Sj为第u个参考点接收到的第j个AP的RSS值。步骤五中所述采用重采样算法对每个粒子进行重新采样得到新的粒子集的表达
式为
获得最终的位置估计坐标是通过公式
获得的。
有益效果本发明提出了一种有效确定用户的位置后验信息、抗干扰能力强且环 境适应性好的基于粒子滤波的WLAN室内跟踪方法，该方法首先利用参考点的信号强度值 建立离线阶段的信号强度概率分布，然后确定与粒子点欧氏距离最小的参考点并将其作为 粒子点修正值，进而求出每个粒子点及其对应的权值，在采用重采样算法更新权值后，最终 给出用户的位置估计值，该方法充分利用了空间中位置与RSS值的相关性，有效的解决了 粒子滤波算法中处理粒子时的难题，减少对系统的负担，同时兼顾WLAN室内跟踪系统的有 效性和可靠性，跟踪精度较高。
图1是本发明方法的流程示意图；图2是实施方式一中实施例中所述的实验场景 示意图。图3是实施方式一的实例分析中所述的跟踪区域。图4、图5和图6是实施方式一 的实例分析中粒子滤波算法的收敛性分析的实验结果。图7、图8和图9是实例分析中的速 度为lm/s，粒子数分别为4、16和64情况下的跟踪性能实验结果。图10、图11和图12是 实施方式一的实例分析中速度为2m/s，粒子数分别为4、16和64情况下的跟踪性能实验结^ ο
具体实施例方式具体实施方式
一、结合图1说明本具体实施方式
，基于粒子滤波算法的WLAN室内 跟踪方法，它由以下步骤实现步骤一、针对室内环境布置N个接入点AP，确保所述环境中任意一点被一个或一 个以上的接入点AP发出的信号覆盖，并在所述室内环境中均勻设置Nkp个参考点；步骤二、选取一个参考点为坐标原点建立二维直角坐标系，获得Nkp个参考点在该 二维直角坐标系中的坐标位置，在离线阶段中在每个参考点上利用信号接收机采集来自每 一个接入点AP的信号强度RSS值，并利用最大似然法计算每个参考点的信号强度先验概率 分布；步骤三、在第k时刻下，对描述粒子分布的重要性密度函数
进行
采样，获得Ns个粒子点<，计算第i个粒子点坐标与每个参考点坐标之间的欧几里得距离， 并选择欧几里得距离最小值所对应的参考点坐标作为该粒子点的修正坐标；所述i = 1、 2……Ns;步骤四、根据步骤二获得的每个参考点的信号强度先验概率分布和重要性密度函 数以及第k-l时刻粒子点的权值计算第k时刻粒子点所对应的权值；步骤五、根据步骤四获得的第k时刻的粒子点的权值fi^，采用重采样算法对当前时刻的粒子点进行重新采样得到新的粒子点作为当前时刻的粒子点，并替代原有的粒子 点，并获得最终的位置估计坐标；所述最终的位置估计坐标即为第k时刻下待跟踪目标的 坐标，然后返回执行步骤三，获得下一时刻的待跟踪目标的坐标；N、Ns, Nep为正整数；k为大于或等于1的整数。步骤二中所述利用最大似然法计算每个参考点的信号强度先验概率分布是通过 公式 获得的，式中，Sj为第u个参考点处接收第j个AP的信号强度值；Coimt(Sj)表示 在第u个参考点处接收到信号强度为~的信号数量 ’ rk为第k时刻第u个参考点的位置坐 标；j为整数。步骤三中所述对重要性密度函数采样获得粒子点J^，计算第i个粒子点坐标与每 个参考点坐标之间的欧几里得距离是通过公式 获得的；其中，乂)表示第k时刻第i个粒子的坐标；NS为粒子数目；(Xj，yj)表 示第j个参考点的坐标。步骤三中所述选择欧几里得距离最小值min所对应的参考点坐标作为该粒子点 的修正坐标是通过修真公式 获得的。步骤四中所述根据粒子滤波算法理论，计算第i个粒子点所对应的权值ω 是根据 公式 获得的；式中，< 为第k时刻第i个粒子所对应的权值；~表示正比于关系；
和I 分别表示粒子点为;^时接收信号样本为Zk时的概率及粒子的
转移概率 ’ω“为第k-i时刻第i个粒子所对应的权值，由于每一步都利用了重采样算法， 因此第k-l时刻的权值为1/NS ；Sj为第u个参考点接收到的第j个AP的RSS值。步骤五中所述采用重采样算法对每个粒子进行重新采样得到新的粒子集的表达
式为丨；^丨 ；获得最终的位置估计坐标是通过公式 人获得的。下面举一个实例来进行分析 选择的实验场景如图2所示；实施方式一中实施例中所述的实验场景示意图。该 实验场景尺寸面积为66. 43X24. 9m2，高度3m。且拥有19个实验室，1个会议室和1个乒乓 球室。墙的材料是砖块，铝合金窗户和金属门。AP为Linksys WAP54G，固定在2m高度，支 持 IEEE 802. Ilg 标准，传输速率 54Mbps。接收端采用装有 Intel PRO/ffireless 3945ABG 无线网卡的ASUS A8F笔记本电脑，接收机离地面1. 2m。AP的放置位置及参考点的选取如图3所示，其中标记31为参考点，曲线32为运动 路径。该区域共包括65个参考点，且用RPi (i = 1，…，65)表示参考点i ；箭头指示方向为 实际运动路径方向。该跟踪区域规则，覆盖性能较好，在该区域的任何位置均可接收到来自 AP的信号。使用NetStumbler信号采集软件，在每个参考点处，进行3分钟的WLAN信号采 集，每秒采样两次。图4、图5和图6给出了粒子滤波算法在WLAN室内环境下的跟踪收敛性分析的实 验结果，图4为粒子点与实际运动轨迹点之间的关系图；其中标记41为粒子点，标记42为 实际运动轨迹点；图7、图8和图9给出了粒子滤波算法在移动终端的速度为lm/s时，不同 的粒子数条件下的实验结果；其中标记71为参考点，标记72为实际运动轨迹点，标记73为 粒子滤波跟踪曲线，标记74为粒子点；标记81为参考点，标记82为实际运动轨迹点，标记 83为粒子点，标记84为粒子滤波跟踪曲线；标记91为参考点，标记92为粒子点，标记93为 实际运动曲线，标记94为粒子滤波跟踪曲线；具体的均方根误差及仿真时间比较如表1所 示
表1速度为lm/s时的均方根误差及仿真时间比较 图10、图11和图12给出了粒子滤波算法在移动终端的速度为2m/s时，不同的粒 子数条件下的实验结果，其中，标记101为粒子点，标记102为参考点，标记103为粒子滤波 跟踪曲线，标记104为实际运动曲线；标记111为实际运动曲线，标记112为参考点，标记 113为粒子点，标记114为粒子滤波跟踪曲线；标记121为参考点，标记122为粒子点，标记 123为实际运动曲线，标记124为粒子滤波跟踪曲线。具体的均方根误差及仿真时间比较如 表2所示。表2速度为2m/s时的均方根误差及仿真时间比较 显然，在粒子数选取适当的情况下，基于粒子滤波算法的WLAN室内跟踪方法在跟 踪误差及对系统造成的负担方面都具有极大的优势。
权利要求
基于粒子滤波算法的WLAN室内跟踪方法，其特征是它由以下步骤实现步骤一、针对室内环境布置N个接入点AP，确保所述环境中任意一点被一个或一个以上的接入点AP发出的信号覆盖，并在所述室内环境中均匀设置NRP个参考点；步骤二、选取一个参考点为坐标原点建立二维直角坐标系，获得NRP个参考点在该二维直角坐标系中的坐标位置，在离线阶段中在每个参考点上利用信号接收机采集来自每一个接入点AP的信号强度RSS值，并利用最大似然法计算每个参考点的信号强度先验概率分布；步骤三、在第k时刻下，对描述粒子分布的重要性密度函数进行采样，获得Ns个粒子点，计算第i个粒子点坐标与每个参考点坐标之间的欧几里得距离，并选择欧几里得距离最小值所对应的参考点坐标作为该粒子点的修正坐标；所述i＝1、2……Ns；步骤四、根据步骤二获得的每个参考点的信号强度先验概率分布和重要性密度函数以及第k-1时刻粒子点的权值计算第k时刻粒子点所对应的权值步骤五、根据步骤四获得的第k时刻的粒子点的权值，采用重采样算法对当前时刻的粒子点进行重新采样得到新的粒子点作为当前时刻的粒子点，并替代原有的粒子点，并获得最终的位置估计坐标；所述最终的位置估计坐标即为第k时刻下待跟踪目标的坐标；然后返回执行步骤三，获得下一时刻的待跟踪目标的坐标；N、Ns、NRP为正整数；k为大于或等于1的整数。FSA00000162485300011.tif,FSA00000162485300012.tif,FSA00000162485300013.tif,FSA00000162485300014.tif
2.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤二 中所述利用最大似然法计算每个参考点的信号强度先验概率分布是通过公式/ .χcount值样本釆样总数获得的，式中，Sj为第u个参考点处接收第j个AP的信号强度值；COimt(Sj)表示在第 u个参考点处接收到信号强度为~的信号数量·4为第k时刻第u个参考点的位置坐标； j = 1、2……NKP。
3.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤三 中所述对重要性密度函数采样获得粒子点Ι ，计算第i个粒子点坐标与每个参考点坐标之 间的欧几里得距离是通过公式获得的；其中，(4,乂)表示第k时刻第i个粒子的坐标；(Xj，Yj)表示第j个参考点的 坐标。
4.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤三 中所述选择欧几里得距离最小值min所对应的参考点坐标作为该粒子点的修正坐标是通 过修真公式 获得的。
5.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于 步骤四中所述根据粒子滤波算法理论，计算第i个粒子点所对应的权值是根据公式 获得的；式中，<为第k时刻第i个粒子所对应的权值；~表示正比于关系； 分别表示粒子点为;^时接收信号样本为Zk时的概率及粒子的 转移概率；为第k-1时刻第i个粒子所对应的权值，由于每一步都利用了重采样算法， 因此第k-Ι时刻的权值为1/NS ；Sj为第u个参考点接收到的第j个AP的RSS值。
6.根据权利要求1所述的基于粒子滤波算法的WLAN室内跟踪方法，其特征在于步骤五中所述采用重采样算法对每个粒子进行重新采样得到新的粒子集的表达式为 ；获 得最终的位置估计坐标是通过公式 获得的。
全文摘要
基于粒子滤波算法的WLAN室内跟踪方法，涉及一种WLAN室内跟踪方法。它解决了室内环境下对动态目标的跟踪问题中，非线性模型问题导致跟踪精度降的问题。本方法首先利用参考点的信号强度值建立离线阶段的信号强度概率分布，然后确定与粒子点欧氏距离最小的参考点并将其作为粒子点修正值，进而求出每个粒子点及其对应的权值，在采用重采样算法更新权值后，最终给出用户的位置估计值。本发明适用于WLAN室内跟踪。
文档编号G06F17/00GK101867943SQ20101020700
公开日2010年10月20日 申请日期2010年6月23日 优先权日2010年6月23日
发明者刘宁庆, 刘菁宇, 孟维晓, 徐玉滨, 沙学军, 马琳 申请人:哈尔滨工业大学