一种基于指纹数据的无线传感器网络的室内定位方法
【专利摘要】本发明公开了一种基于指纹数据的无线传感器网络的室内定位方法。该方法在二维室内平面图的每个房间中部署M个锚节点，锚节点具有优先识别范围，盲节点位于任意定位区域内，所有节点自组织形成一个无线传感器网络；盲节点发起定位过程，首先根据各个房间内锚节点采集的盲节点信号强度值确定所在的房间号，实现房间级别的定位，然后接收所在房间内锚节点信息，记录所在位置的信号强度指纹数据，利用指纹数据计算盲节点的坐标值，并进行修正，实现坐标级别的定位。本发明采用的信号强度指纹数据具有实时性和环境适应性，可实现房间级别和坐标级别的定位应用，相比传统的指纹数据库技术更简单，操作容易，定位准确性高，能满足室内定位的需求。
【专利说明】一种基于指纹数据的无线传感器网络的室内定位方法
【技术领域】
[0001]本发明涉及无线传感器网络的通信技术和室内定位技术，特别是涉及一种基于指纹数据的无线传感器网络的室内定位方法。
【背景技术】
[0002]无线传感器网络(Wireless sensor networks, WSN)是一种由大量传感器节点以无线通信方式形成的多跳自组织网络。WSN具有规模大、自组织、动态性、可靠性及以数据为中心等网络特征，传感器节点具有体型小、硬件配置要求低、成本低、功耗低等特点，在军事、环境监测和预报、智能家居、建筑物状态监控、城市交通等各种领域有广泛的应用。
[0003]随着科技水平和生活水平的提高，人们对于室内定位和导航的需求日益强烈，希望能获得像室外GPS定位一样方便的信息，如在医院里跟踪医护人员和病人的位置，在工业现场监测设备运行情况，在矿井下提供工人的位置和活动信息，在大型建筑物内跟踪人员的位置和查询位置等等。但是，在室内，由于墙壁、杂物、人员等造成的信号干扰使得GPS定位效果很不理想，难以满足人们的需求，因此迫切需要一种适合室内定位导航的新技术。目前为止，研究人员提出了多种室内定位技术，包括超声波定位、红外线定位、RFID定位、蓝牙定位、ZigBee定位、wifi定位以及超宽带定位等等,但是很少有能在成本和精度上都满足实际需求的定位技术推出，室内定位技术仍然是当前研究热点之一。
[0004]室内定位方法大体可以分为两类:基于距离的定位方法(Range-based)和无需距离的定位方法(Range-free)，前者需要对距离或角度直接测量，主要包括信号到达时间法(Τ0Α)、信号到达时间差法(TDOA)、信号到达角度法(AOA)和信号接收强度法(RSSI)等；后者利用网络连通性来定位，主要包括质心算法、DV-Hop算法、Amorphous算法、APIT算法、凸规划算法和MDS-MAP等。这两类方法都给出节点的坐标位置，致力于节点的精确定位。室内环境复杂，多径效应显著，并且考虑到系统成本、功耗、体积等问题，通信节点无法精确测量距离或角度，导致基于距离的定位效果很不好；无需距离的定位方法，本身是一种位置估算法，定位精度不高，而且往往需要部署大量节点才能工作良好，由于建筑面积通常是小规模的，没有必要部署大量传感器节点，因此用于室内定位效果不好。指纹数据库技术在定位中得到了应用，从早期的RADAR系统到目前广为研究的wifi指纹定位，似乎是现阶段比较好的一种定位解决方案，但指纹数据库技术需要大量的数据采集工作，而且易受环境变化的影响；Wifi指纹定位，充分利用了建筑物内AP节点，并且研究者提出了自动指纹数据采集和路径约束等方法，但wifi指纹定位依赖AP分布，自动指纹数据采集也只是一种粗略估计方法，难以提高精度，有待进一步改善。
[0005]目前WSN的室内定位技术仍有许多困难，定位效果不是很理想，在选择WSN的室内定位方法时，一定要根据应用场合和定位精度要求，采用合适的定位方法。
【发明内容】
[0006]本发明的主要目的是为了实现无线传感器网络在室内的定位应用，充分利用无线传感器网络的特性，提供了一种简单可行和粗略定位与精确定位并行的解决室内节点定位问题的方法。
[0007]本发明是通过如下技术方案实现的:
[0008]一种基于指纹数据的无线传感器网络的室内定位方法，包括如下步骤:
[0009]步骤(I)在二维建筑平面图的每个房间中，布置M个已知房间号和坐标的锚节点，每个锚节点的通信范围都能覆盖所在房间区域，M个锚节点分为I个主锚节点和M-1个辅助锚节点，主锚节点位于房间中间，辅助锚节点位于房间四周，M个锚节点都具有优先识别范围，通过设定一个信号强度的优先定位阈值RS来实现，所有房间的锚节点相互连通，形成一个WSN网络，未知房间号和坐标的盲节点，位于房间的任意定位区域内，其中M为整数，且M至少为5 ；
[0010]步骤(2)盲节点发起定位请求过程，多次广播房间定位信息，处于盲节点一跳通信范围内的锚节点采集每次发送的房间定位信息的接收信号强度RSSI，计算多次采集的房间定位信息RSSI的平均值并发送给盲节点，盲节点估算所在的房间号，实现房间级别的定位；
[0011]步骤(3)盲节点在确定所在房间号以后，只接收该房间内锚节点发送的信息，锚节点周期性的发送坐标定位信息，盲节点和锚节点都收集所在房间内各个锚节点发送的坐标定位信息的RSSI，这些RSSI构成了所在位置处的信号强度指纹数据，盲节点根据观察到的信号强度指纹数据和房间内锚节点观察到的信号强度指纹数据，利用加权质心算法计算坐标值，实现坐标级别的定位。
[0012]上述方法中，步骤(I)中建筑物内所有锚节点的发射功率P —致，所有锚节点离地面同一高度，锚节点优先识别范围的判定方法为:当锚节点接收另一节点发送信号的RSSI值大于优先定位阈值RS时，该节点位于锚节点的优先识别范围内，当锚节点接收另一节点发送信号的RSSI值小于优先定位阈值RS时，该节点位于锚节点的优先识别范围外，不同大小房间内锚节点的优先定位阈值RS不同。
[0013]步骤(2)中所述的方法中，盲节点接收锚节点返回的房间定位信息RSSI平均值，根据主锚节点是否发挥功能，盲节点判断房间号的规则如下:
[0014]a、当主锚节点返回的房间定位信息RSSI平均值大于或等于该主锚节点优先定位阈值RS时，采用主锚节点优先定位策略:认为盲节点离该主锚节点很近，盲节点房间号与主锚节点所在的房间号相同，房间级别定位结束；
[0015]b、当主锚节点返回的房间定位信息RSSI值小于该主锚节点优先定位阈值RS时，采用辅助锚节点定位策略:主锚节点失去优先定位功能，功能与辅助锚节点相同，计算各个房间内锚节点返回的房间定位信息RSSI平均值的统计平均AS，选择所述AS值最大的房间号作为盲节点房间号，房间级别定位结束。
[0016]步骤(3)所述的坐标级别定位方法通过如下步骤实现:
[0017]a、盲节点记录的信号强度指纹数据只需要包含所在房间内各个锚节点发送坐标定位信息的RSSI值，可以通过WSN的组播技术实现，每个房间内的锚节点构成一个组，盲节点在确定房间号以后加入到这个组，之后就能收发组内信息，盲节点和锚节点在记录信号强度指纹数据时采用反馈滤波的方法，以较少的采样值更新一次数值，同时减小数据的偶然波动带来的影响，计算表达式(I)如下:[0018]RSSIn= aRSSr n+(1-a )RSSIlri (I)
[0019]其中RSSI' n为第n次实际测量的RSSI值，RSSIlri为第n_l次通过上式计算得到RSSI值，RSSIn为最后计算得到的第η次的信号强度值；a为本次测量值的权重值，显然a越大对本次测量值的影响越大，计算结果更接近于本次值，更新也越快，一般取值为0.5或者以上,小于I。
[0020]b、利用信号强度指纹数据，分别计算盲节点与M-1个辅助锚节点的信号强度欧氏距离，将信号强度欧氏距离的大小转换为对应辅助锚节点的坐标权重影响因子，根据M-1个辅助锚节点的坐标，采用加权质心算法计算，得到盲节点初始坐标:
[0021]辅助锚节点编号记为I到M-1，主锚节点编号记为M，对于盲节点，假设记录的指纹数据以矢量形式表示为Crssi1, rssi2,…，rssiM, xx, yy),其中rssii是盲节点采集的编号为i的锚节点发送坐标定位信息的接收信号强度，xx和11为盲节点所在位置的坐标值，是待计算值。对于编号为k的锚节点，记录的指纹数据以矢量形式表示为(RssIdRssi2^-，RSSIm, Xk, Yk)，其中RSSIi是该锚节点采集的编号为i的锚节点发送坐标定位信息的接收信号强度，Xk和Yk为该锚节点的自身坐标。盲节点与编号为k的锚节点的信号强度欧式距离DSTk 为
[0022]
【权利要求】
1.一种基于指纹数据的无线传感器网络的室内定位方法，其特征在于包括如下步骤: 步骤(1)在二维建筑平面图的每个房间中，布置M个已知房间号和坐标的锚节点，每个锚节点的通信范围都能覆盖所在房间区域，M个锚节点分为I个主锚节点和M-1个辅助锚节点，主锚节点位于房间中间，辅助锚节点位于房间四周，M个锚节点都具有优先识别范围，通过设定一个信号强度的优先定位阈值RS来实现，所有房间的锚节点相互连通，形成一个WSN网络，未知房间号和坐标的盲节点，位于房间的任意定位区域内，其中M为整数，且M至少为5 ； 步骤(2)盲节点发起定位请求过程，多次广播房间定位信息，处于盲节点一跳通信范围内的锚节点采集每次发送的房间定位信息的接收信号强度RSSI，计算多次采集的房间定位信息RSSI的平均值并发送给盲节点，盲节点估算所在的房间号，实现房间级别的定位； 步骤(3)盲节点在确定所在房间号以后，只接收该房间内锚节点发送的信息，锚节点周期性的发送坐标定位信息，盲节点和锚节点都收集所在房间内各个锚节点发送的坐标定位信息的RSSI，这些RSSI构成了所在位置处的信号强度指纹数据，盲节点根据观察到的信号强度指纹数据和房间内锚节点观察到的信号强度指纹数据，利用加权质心算法计算坐标值，实现坐标级别的定位。
2.根据权利要求1所述的基于指纹数据的无线传感器网络的室内定位方法，其特征在于步骤(1)中建筑物内所有锚节点的发射功率P—致，所有锚节点离地面同一高度，锚节点优先识别范围的判定方法为:当锚节点接收另一节点发送信号的RSSI值大于优先定位阈值RS时，该节点位于锚节点的优先识别范围内，当锚节点接收另一节点发送信号的RSSI值小于优先定位阈值RS时，该节点位于锚节点的优先识别范围外，不同大小房间内锚节点的优先定位阈值RS不同。
3.根据权利要求1所述的基于指纹数据的无线传感器网络的室内定位方法，其特征在于步骤(2)中，盲节点接收锚节点返回的房间定位信息RSSI平均值，根据主锚节点是否发挥功能，盲节点判断房间号的规则如下: a、当主锚节点返回的房间定位信息RSSI平均值大于或等于该主锚节点优先定位阈值RS时，采用主锚节点优先定位策略:认为盲节点离该主锚节点很近，盲节点房间号与主锚节点所在的房间号相同，房间级别定位结束； b、当主锚节点返回的房间定位信息RSSI值小于该主锚节点优先定位阈值RS时，采用辅助锚节点定位策略:主锚节点失去优先定位功能，功能与辅助锚节点相同，计算各个房间内锚节点返回的房间定位信息RSSI平均值的统计平均AS，选择所述AS值最大的房间号作为盲节点房间号，房间级别定位结束。
4.根据权利要求1所述的基于指纹数据的无线传感器网络的室内定位方法，其特征在于步骤(3)中，坐标级别定位方法通过如下步骤实现: a、盲节点记录的信号强度指纹数据只需要包含所在房间内各个锚节点发送坐标定位信息的RSSI值，锚节点周期性的发送坐标定位信息，盲节点和其他锚节点实时地更新信号强度指纹数据，信号强度指纹数据中各锚节点发送的坐标定位信息RSSI值更新的方法如下:
RSSIn = a RSSI; η+(1-a ) RSSIlri 其中RSSI' η为第η次实际测量的RSSI值，RSSIlri为第η_1次通过上式计算得到RSSI值，RSSIn为最后计算得到的第η次的信号强度值，α为本次测量值的权重值，一般取值为.0.5或者以上，小于1。 b、利用信号强度指纹数据，分别计算盲节点与M-1个辅助锚节点的信号强度欧氏距离，将信号强度欧氏距离的大小转换为对应辅助锚节点的坐标权重影响因子，根据M-1个辅助锚节点的坐标，采用加权质心算法计算，得到盲节点初始坐标； C、对盲节点信号强度指纹数据中各个锚节点发送的坐标定位信息RSSI值进行排序，获得所述RSSI值最大的 锚节点编号，将所述最大RSSI值与该锚节点的优先定位阈值RS进行比较，如果大于或等于优先定位阈值RS，说明盲节点在该锚节点的优先识别范围内，用该锚节点坐标对盲节点初始坐标进行修正，该锚节点坐标权重较大；如果小于优先定位阈值RS，说明盲节点在该锚节点优先识别范围外，但相比其他锚节点，盲节点离该锚节点最近，利用该锚节点坐标对盲节点初始坐标进行修正，此时锚节点坐标权重较小。
【文档编号】H04W4/04GK103905992SQ201410077209
【公开日】2014年7月2日 申请日期:2014年3月4日 优先权日:2014年3月4日
【发明者】胡斌杰, 颜俊杰, 黄才炎 申请人:华南理工大学