基于室內定位技術的算法研究

王春 林新

（安徽理工大學電氣與信息工程學院，安徽 淮南232001）

基于室內定位技術的算法研究

王春 林新

（安徽理工大學電氣與信息工程學院，安徽 淮南232001）

室內定位技術因為其復雜的環境，導致定位精度一直不及人們的要求。為了提高室內定位的精度，提出對室內區域進行劃分，對每個區域環境參數進行擬合，并通過結合DV-HOP算法和RSSI算法對RSSI值進行修正。實驗結果表明：改進后的定位精度在之前的基礎上提高很多，適用于多半數的室內定位。

室內定位；DV-Hop算法；RSSI算法

0 引言

由于無線傳感器網絡快速成長，基于無線傳感器網絡的室內應用也應運而生并不斷增多。例如在智能家居、醫療和健康護理、工業生產等領域。但這些應用的使用都必需明確了解目標的位置，所以室內定位結果的精度引起了很多人注意。室內定位技術分為兩種：與距離有關的定位技術和與距離無關的定位技術。第一種定位技術必需知道參考節點和盲節點之間的距離或者角度，并結合相應的定位方法才可以計算出盲節點的坐標，第一種定位技術包含TOA、TDOA、AOA和RSSI等。第二種定位技術只需要知道網絡連通性并結合相應的方法就可以計算出盲節點的坐標，第二種定位技術包含DV-Hop、質心算法和凸規劃等。RSSI因為其操作簡單、不用添加額外的硬件設備和不需要時間同步，受到很多人的喜愛。

1 RSSI定位原理

盲節點通過網絡發送信號給參考節點，參考節點接收信號的同時并測出該信號在傳播過程中的消耗，再把這個消耗程度代入到經驗模型中，使其轉換成參考節點與盲節點的距離。

現在最常采用的經驗模型是對數-常數分布模型，其數學表達式如下：

其中d為盲節點到參考節點之間的距離，d0為單位距離，一般取1m；PL（d）為信號經過距離d后的消耗，PL（d0）為信號經過單位距離后的消耗；X0為均值為0的高斯隨機數，n為信號衰減因子。

從公式（5）中可以看出，環境參數A和n影響RSSI數值的精確度，但是以往獲得環境參數的方法都是通過經驗值或者對環境參數擬合而得的。這兩種方法在獲取環境參數過程中，都沒有考慮到室內的復雜環境，而在整個室內，可能某一區域的環境參數高，而另一區域的環境參數低。所以通過前兩種方法獲取的環境參數并不能正確的體現事實情況，使得最終的定位精度不夠高。

2 環境參數擬合

經驗值或是對整體環境擬合來獲取環境參數不能滿足室內環境后，為了獲得更精確的環境參數，把整個室內環境劃分為不同的區域，分別求得每一個分塊所對應的環境參數。在室內區域分割之前，要對測距誤差和實際之間的距離關系進行分析。實驗采用ZigBee模塊的CC2430和CC2431，并在一個16m*12m的室內環境中進行。CC2430作為盲節點，用來發送信號；CC2431作為參考節點，用來接收信號。實驗中把CC2430和CC2431放在室內的同一條直線上，并讓兩者之間進行一對一的通信。CC2431首先放在距離CC2430為1m處的直線距離上，測得在該點的RSSI值，多次測量后求平均值為該點的RSSI值。以下的實驗是在原來的基礎上增加1m進行測量。

由實驗結果可得，RSSI值在10m以內的變化由波動很大到趨于穩定，最終得到的測量結果誤差不是很大。10m以外的RSSI值變化不大，所得到的測量結果誤差很大。所以采用10m距離作為劃分依據，對室內區域進行劃分，把室內環境劃分為4個8m*6m的子區域，每個區域內的最大通信距離為10m。

圖中E0為盲節點，剩下的節點均為參考節點。圖中所對應的4個區域中的參考節點分別進行數據擬合獲得所對應的環境參數，并將這些數據與參考節點所對應的ID建立成一張表格傳送給上位機。在以下的定位過程中，上位機可以通過上表格迅速找到每個參考節點所對應的環境參數。對于公共點所對應的環境參數，我們采用對其所在的幾個區域內的環境參數求平均值來獲取該公共點所對應的環境參數。

3 改進的RSSI算法

對室內空間進行劃分而獲得的每個區域的環境參數，對最終的測距誤差有所降低。但因為室內錯綜復雜的環境、多徑效應和人員走動遮擋等原因，對所測得的RSSI值得準確度有所影響。為了減少對RSSI值的影響，采用將DV-hop算法與RSSI算法相結合，把DV-hop算法對參考節點的位置、ID號和跳數信息廣播到網絡的原理和RSSI算法原理相結合，防止受干擾的RSSI值影響定位的精度。

改進RSSI算法原理：參考節點將自身的位置、ID號和跳數信息廣播到網絡中，盲節點傳送信號給參考節點，并獲得相應的RSSI值。

盲節點獲得兩張表-跳數表和RSSI值表。跳數表用來表示兩個節點之間的距離，其中數值越小，表示兩點之間的距離越近。跳數表示穩定的，而RSSI值表是不穩定的。所以我們主要依據跳數表對兩個表格進行排序，跳數表從小到大進行排序，RSSI值表從大到小進行排序。當RSSI值排名落后跳數排名兩個名次及其以上時，則認為該RSSI值是不準確的，將其放在最后。這樣重復下去，直到結束。最后計算采用RSSI值名次在前的值代入。

如室內擁有盲節點的個數為n個，參考節點的個數為m個。盲節點擁有兩張表格：跳數表Hop（i，j）和RSSI值表RSSI（i，j），分別表示第i個盲節點到第j個參考節點之間的所對應的表格。Max（RSSI）表示RSSI表排名最大的數值，兩個表格的比較過程如下所示：

if Hop（i，j）名次 -RSSI（i，j）名次＞=2

then RSSI（i，j）=Max（RSSI）+1

4 結論

基于RSSI算法易受環境的干擾以至于室內定位精度不能滿足人們的要求，本文提出對室內區域進行劃分，每個區域采用相應的環境參數，而不是采用統一采用經驗值或對整體環境進行擬合獲得的環境值。并通過DV-hop算法與RSSI算法相結合對所獲得的RSSI數值進行修正，最終算法采用RSSI值靠前的值進行計算盲節點的位置。實驗是在ZigBee模塊上進行的，實驗結果證明了該改進方法的可行性。與傳統的定位算法相比，該方法所造成的定位誤差有明顯降低，在室內定位中是比較適用的。

［1］于海濱,梁煒,曾鵬.智能無線傳感器網絡系統[M].科技出版社,2013.

［2］周艷,李海成.基于RSSI無線傳感器網絡空間定位算法[J].通信學報，2009（6）：75-79.

［3］萬群,郭賢生,陳章鑫.室內定位理論、方法和應用[M].北京：電子工業出版社，2012:14-24,32.

［4］詹杰,吳伶錫,唐志軍.無線傳感器網絡RSSI測距方法和精度分析[J].電訊科技，2010,50（4）:83-87.

［責任編輯：李書培］

王春（1993—），女，漢族，安徽淮南人，碩士研究生，研究方向為室內定位。