基于RSSI的室內(nèi)定位關(guān)鍵技術(shù)研究

申曉龍+申曉鳳

摘 要：由于低功耗藍牙技術(shù)具有極低的運行功耗，因此基于低功耗藍牙網(wǎng)絡(luò)的定位技術(shù)得到了廣大學(xué)者的關(guān)注。為了解決基于接收信號強度指示法定位誤差較大的問題，文中對低功耗藍牙定位技術(shù)進行了研究，提出了一種優(yōu)化的基于RSSI測距定位算法。該算法不同于傳統(tǒng)的質(zhì)心定位算法之處是加入了動態(tài)損耗因子校準(zhǔn)模型。該算法首先動態(tài)獲取不同時間段內(nèi)的路徑損耗因子，然后在定位階段通過判斷系統(tǒng)目前所處的時間段來動態(tài)加載不同的路徑損耗因子。通過時間段的不同動態(tài)使用不同的損耗因子參與定位計算更符合實際情況，使測距定位更加準(zhǔn)確。實驗表明，該方案與傳統(tǒng)的RSSI定位方案相比，在定位精度方面得到了明顯提高。

關(guān)鍵詞：損耗因子；低功耗藍牙技術(shù)；質(zhì)心定位算法；RSSI；節(jié)點定位

中圖分類號：TP39；TN911.22 文獻標(biāo)識碼：A 文章編號：2095-1302（2017）08-00-03

0 引 言

近年來，隨著人們對位置服務(wù)需求的增長，物聯(lián)網(wǎng)技術(shù)的成熟以及低功耗藍牙技術(shù)的問世，使得基于低功耗藍牙接收信號強度指示的室內(nèi)定位技術(shù)成為了廣大學(xué)者的研究熱點，應(yīng)用前景十分廣闊[1]。

目前藍牙無線傳感器網(wǎng)絡(luò)主要有兩種定位方式，即基于測距的定位技術(shù)（Range-Base）和距離無關(guān)的定位技術(shù)（Range-Free）[2，3]。其中無需進行測距的定位算法主要有質(zhì)心算法、DV-Hop算法、Amorphous定位算法和APIT算法等[4]。這些定位算法無需進行實時的距離測算，只是用來粗略估算未知節(jié)點的位置，因此定位精度并不高。而基于距離的定位算法主要有三邊定位法、TOA、TDOA和接收信號強度（Received Signal Strength Indicator，RSSI）指示法。其中基于信號傳播時間和時間差法對硬件要求較高[5-7]，而基于RSSI的定位算法對硬件卻沒有太高要求，只需發(fā)射端發(fā)送信號，接收端利用接收到的信號強度值，通過濾波去噪處理后，代入信號傳播模型就可推導(dǎo)出接收端與發(fā)射端的距離，實現(xiàn)較簡單。因此通常使用基于RSSI的指示法進行無線網(wǎng)絡(luò)定位。

但是目前基于RSSI的定位算法在測量誤差和定位精度上還存在很多問題，這主要是由于室內(nèi)環(huán)境復(fù)雜，人員流動，以及各種障礙物的遮擋造成信號在傳播過程中形成的多徑、衍射現(xiàn)象，嚴(yán)重影響了定位精度[8-11]。

針對以上問題，本文對信號傳播模型進行了研究，提出了一種改進的路徑損耗因子計算法，然后結(jié)合三邊測量法和質(zhì)心法對未知節(jié)點進行了定位。

1 定位算法模型

1.1 信號衰減模型

藍牙無線信號在空中傳播時，通常都會隨著傳輸距離的增加而信號強度逐漸減弱[12]。大量實驗表明，藍牙信號強度值大小與距離之間滿足對數(shù)-常態(tài)分布經(jīng)驗?zāi)Ｐ?，表達式如下：

（1）

其中，RSSI（d）代表傳輸距離為d時，接收端接收到的信號強度值；A為一固定值；n為路徑損耗因子，由公式（1）可得：

（2）

在得到距離信號傳播模型后，還不能直接將其用于測距運算。從公式（2）中可以看出，利用該公式進行距離計算時，影響測距的準(zhǔn)確性因素除了依賴于目標(biāo)節(jié)點接收到的信號強度值是否準(zhǔn)確外，還依賴于路徑損耗因子n。對于路徑損耗因子的獲取，一種做法就是通過以往的經(jīng)驗，選取一個經(jīng)驗值。這樣做比較簡單，但通常會帶來很大的誤差。即使在相同環(huán)境下，路徑損耗值也不是固定不變的。

1.2 路徑損耗因子分析

為了研究不同的損耗因子對RSSI-d關(guān)系式的影響，本文首先假設(shè)固定參數(shù)A為45，則由公式（2）可得不同損耗因子的RSSI-d關(guān)系式。路徑損耗因子分析如圖1所示。

從圖1中可以看出，即使損耗因子的變化幅度不大，但還會直接影響RSSI-d關(guān)系圖形。且隨著距離的增加，對接收的信號強度影響會逐漸增大，此時若目標(biāo)節(jié)點接收到某一信號強度值后，可根據(jù)這幾個不同的損耗因子進行距離計算，但得出的距離相差很大，因此應(yīng)該合理選取損耗因子n，以使誤差降到最小。而為了使定位誤差降低，可以多次計算路徑損耗因子，然后求其均值。損耗因子計算方法見式（3）：

（3）

其中，k為高度相似環(huán)境中的未知節(jié)點個數(shù)，i為第i個參考節(jié)點，dij代表第i個參考節(jié)點與第j個未知節(jié)點之間的距離。

1.3 質(zhì)心定位算法

由Nirupama Bulusu 等人提出的質(zhì)心定位算法是一種基于連接性的定位算法，無需距離信息就可進行簡單的定位，實現(xiàn)比較簡單[13]。算法原理：信標(biāo)點周期性的向四周發(fā)射自己的位置信息和可唯一標(biāo)識自身的標(biāo)識符。被定位節(jié)點不斷搜索附近不同的信標(biāo)點，當(dāng)收到不同的信標(biāo)點數(shù)量達到某一閾值K后，就通過K個錨節(jié)點確定自身的位置。假設(shè)未知節(jié)點的坐標(biāo)為 （x， y），這K個錨節(jié)點的坐標(biāo)分別為（x1， y1），（x2， y2），…，（xk， yk），假設(shè)K=3，則利用質(zhì)心算法可得未知節(jié)點的坐標(biāo)為：

（4）

通過公式（4）可知，知道三個已知節(jié)點的坐標(biāo)就可對一個未知節(jié)點進行定位處理。該方法實現(xiàn)簡單，但誤差較大。原因在于這種方法并未考慮未知節(jié)點處周圍區(qū)域的RSSI值真實分布情況[14-16]，實際上每個頂點信息對定位精度帶來的影響未必相同。即未知節(jié)點所發(fā)射的信號在三個已知節(jié)點處形成的信號強度值未必相同，如果只是簡單的對三個已知節(jié)點作平均處理，當(dāng)未知節(jié)點所發(fā)射的信號在各已知節(jié)點處形成的信號強度值方差相差很大時，就會導(dǎo)致較大的定位誤差[17，18]。

2 改進的定位算法模型

2.1 改進的路徑損耗因子處理法

由上述描述可知，損耗因子對測距的影響程度隨著距離的增加其影響程度會越來越大，因此選擇合適的損耗因子至關(guān)重要。而由于實際的室內(nèi)環(huán)境復(fù)雜多變，損耗因子會根據(jù)不同的環(huán)境動態(tài)變化，即使在相同的環(huán)境中，在不同的時間段內(nèi)，也有可能因為人員流動的較大差異，造成損耗因子在不同時間段內(nèi)表現(xiàn)出很大波動性。為了提高基于RSSI的室內(nèi)測距定位精度，損耗因子的選取不能僅憑經(jīng)驗，還需要在同一環(huán)境中對損耗因子-時間關(guān)系進行試驗分析。endprint

具體過程為：首先需要對信標(biāo)節(jié)點進行信號連續(xù)采樣，采樣時間間隔為5 s，采樣距離設(shè)為2 m，采樣器對同一藍牙信標(biāo)節(jié)點在同一地點不斷進行信號采樣分析，每一整天為一次完整的采樣，經(jīng)過多次完整的實驗后，對采樣后的數(shù)據(jù)進行整理，結(jié)果如圖2所示。

由圖2可知，信標(biāo)節(jié)點由于受不同時間段內(nèi)室內(nèi)人員流動差異性的影響，其信號衰減因子并不嚴(yán)格相同，而且隨著時間的變化出現(xiàn)了一定波動。其中在8∶00～10∶00，11∶00～12∶00時間段變化比較明顯，而這也符合該時間段內(nèi)宿舍大廳人員流動性的規(guī)律。此時，若再使用一成不變的損耗因子就會造成一定的誤差。為了解決這一問題，本文提出了動態(tài)變化的實時路徑損耗因子算法。

獲得損耗因子動態(tài)變化曲線圖后，分析其變化趨勢。根據(jù)時間間隔把路徑損耗因子變化圖分成多個小段，再把每個小時間段開始時的損耗因子和該時間段結(jié)束時的損耗因子做均值處理，以該均值代表該時間段內(nèi)的損耗因子并參與計算。

2.2 基于RSSI的質(zhì)心定位算法

針對傳統(tǒng)質(zhì)心定位法的不足，現(xiàn)把RSSI數(shù)據(jù)考慮進去，把基于測距的定位技術(shù)與無需測距的定位技術(shù)相結(jié)合。具體過程為：假設(shè)三個信標(biāo)節(jié)點為O1，O2和O3，未知節(jié)點收到這三個信標(biāo)節(jié)點RSSI值后，通過公式（2）可求得三個已知信標(biāo)節(jié)點到未知節(jié)點的距離。假設(shè)分別為d1，d2，d3，以O(shè)1，O2和O3為圓心，d1，d2和d3為半徑畫圓，交點即為未知節(jié)點的位置，其關(guān)系式見式（5）：

（5）

理想情況下，根據(jù)公式（5）即可求得未知節(jié)點的坐標(biāo)，但實際上，由于環(huán)境的復(fù)雜性和人為因素影響的存在，上式求得的距離d1，d2和d3并不能真實的反映未知節(jié)點與信標(biāo)節(jié)點之間的真實距離。因此通常公式（5）并不會相交于一點，而是三個圓兩兩相交形成一個重疊區(qū)域。三邊測量法如圖3所示。

最后利用公式（4）即可求得未知節(jié)點的坐標(biāo)。

3 算法流程

由上述對改進的質(zhì)心定位算法的描述可知，該算法的基本流程可分為兩部分：首先要確定未知節(jié)點在理想情況下的粗略位置區(qū)域，然后再對該區(qū)域進行二次劃分，實現(xiàn)過程如下所示：

（1）信標(biāo)節(jié)點周期性的向四周發(fā)射位置信息和能唯一標(biāo)示自身的標(biāo)示符信息。

（2）被定位節(jié)點接收并記錄同一信標(biāo)節(jié)點的多個RSSI值，當(dāng)接收到的RSSI值個數(shù)達到某一閾值后，準(zhǔn)備掃描接收下一個信標(biāo)節(jié)點的數(shù)據(jù)，同時對接收到的RSSI數(shù)據(jù)進行平均濾波處理，剔除那些由脈沖干擾造成的極大值和極小值，記錄均值濾波處理后的RSSI值數(shù)據(jù)，然后根據(jù)公式（2）推導(dǎo)出距離 （i為信標(biāo)節(jié)點的個數(shù)）。

（3）被定位節(jié)點不斷掃描周圍的信標(biāo)節(jié)點，當(dāng)收到信標(biāo)節(jié)點的數(shù)量大于3后則停止掃描，利用公式（6）求M，N，K三點的坐標(biāo)。

（4）獲得M，N，K三點的坐標(biāo)后，通過質(zhì)心定位算法，利用公式（4）即可求得未知節(jié)點的最終位置。

4 實驗與仿真

為了驗證本文所提出的定位算法的可行性，本文使用Matlab進行了大量實驗仿真，并以實驗室大廳為實際測試地點，范圍為9.5 m×13.5 m。然后在此區(qū)域內(nèi)均勻部署25個信標(biāo)節(jié)點，讓終端待定位目標(biāo)節(jié)點置于其中，在此區(qū)域的不同位置處來測試系統(tǒng)的定位精度。

為了驗證本文提出的動態(tài)損耗因子模型算法的有效性，本文首先對基于動態(tài)損耗因子的非自由傳播模型和常規(guī)的非自由傳播模型進行測距對比試驗。在每個時間點都對兩者進行對比，在每個時間點采集60次樣本數(shù)據(jù)，然后以這60次實驗的均值誤差代表該時間點的定位誤差。試驗結(jié)果如圖4所示。

從圖4中可以看出，基于動態(tài)損耗因子的對數(shù)-常態(tài)分布經(jīng)驗?zāi)Ｐ涂捎行岣卟蓸拥臏?zhǔn)確性。該動態(tài)模型能夠根據(jù)一天當(dāng)中人員流動的分布情況，動態(tài)加載不同的損耗因子參與計算。而固定損耗因子法則不能體現(xiàn)出這一動態(tài)變化的情況，由于在8∶00～10∶00，11∶00～12∶00時間段內(nèi)人員流動的劇烈干擾，會產(chǎn)生較大的誤差。

本文對結(jié)合了動態(tài)損耗因子法的質(zhì)心算法與傳統(tǒng)質(zhì)心法進行對比，實驗結(jié)果如圖5所示。

從圖5中可以看出，結(jié)合了動態(tài)損耗因子的改進質(zhì)心算法能夠很好地契合真實的實際位置。兩種算法的誤差實驗結(jié)果如圖6所示。

從圖6中可以看出，總體上改進的質(zhì)心定位算法要優(yōu)于傳統(tǒng)的質(zhì)心定位算法。相比傳統(tǒng)的質(zhì)心定位算法，本文提出的改進的質(zhì)心定位算法使定位精度約提高了18%。

5 結(jié) 語

本文提出了一種基于RSSI的室內(nèi)定位技術(shù)，該技術(shù)使用多個信標(biāo)節(jié)點對目標(biāo)節(jié)點進行定位。多個信標(biāo)節(jié)點向四周不間斷的發(fā)射信號，終端設(shè)備首先掃描獲取信號強度值最大的三個信標(biāo)節(jié)點，然后對信號進行濾波處理。最后使用基于動態(tài)損耗因子的質(zhì)心定位算法對目標(biāo)進行定位顯示。實驗表明改進的定位算法模型能夠有效消除環(huán)境內(nèi)因損耗因子的不斷變化對定位造成的影響，更加符合實際情況。因此本系統(tǒng)提出的基于RSSI的動態(tài)損耗因子模型具有廣泛的應(yīng)用場景。

參考文獻

[1]歐陽駿，陳子龍，黃寧淋.藍牙4.0BLE開發(fā)完全手冊：物聯(lián)網(wǎng)開發(fā)技術(shù)實踐[M]北京：化學(xué)工業(yè)出版社， 2013.

[2] Jun Luo. Range error correction in RSSI-based wireless sensor node localization[C].2014 IEEE International Conference on Mechatronics and Automation （ICMA）， 2014.

[3]茍勝難.基于改進的RSSI無線傳感器網(wǎng)絡(luò)節(jié)點定位算法研究[J].計算機應(yīng)用研究， 2012， 29（5）： 1867-1869.

[4] PARK SK， SUH Y S.A zero velocity detection algorithm using inertial sensors for pedestrian navigation systems [J].Sensors 2010，10（10）： 9163-9178.endprint

[5]張科.基于粒子濾波的ZigBee無線定位跟蹤方法[D].武漢：華中科技大學(xué)，2011.

[6]石志京.基于低功耗藍牙的室內(nèi)定位技術(shù)研究[D].寧波：寧波大學(xué)，2015.

[7] Deng Chang， Guan Hongyun. Ranging Compensation Indoor Positioning Based on rssi[J]. Electronic Sci &Tech，2015（7）：108-114.

[8] SUSI M， RENAUDIN V， LACHAPELLE G. Motion mode recognition and step detection algorithms for mobile phone users[J]. Sensors，2013， 13（2）：1539-1562.

[9]張浩，趙千川.藍牙手機室內(nèi)定位系統(tǒng)[J].計算機應(yīng)用， 2011， 31 （11）： 3152-3156.

[10]馬旭攀，惠飛，景首才，等.一種基于藍牙信標(biāo)的室內(nèi)定位系統(tǒng)[J].測控技術(shù)， 2016， 35（4）： 55-58.

[11]王益健.藍牙室內(nèi)定位關(guān)鍵技術(shù)的研究與實現(xiàn)[D].南京：東南大學(xué)， 2015.

[12] ADNAN T， DATTA S， Mac LEAN S. Efficient and accurate sensor network localization [J]. Personal and Ubiquitous Computing， 2014，18（4）： 821-833.

[13] YU C， ZHANG J， DONG Y， et al. Realization on indoor positioning in basis of reference tag[J]. International Journal of Wavelets， Multiresolu- tion and Information Processing，2014， 12（5）： 7-14.

[14]張世哲.基于慣性傳感器和WiFi的定位系統(tǒng)的設(shè)計與實現(xiàn)[D].北京： 北京郵電大學(xué)，2012.

[15]梁元誠.基于無線局域網(wǎng)的室內(nèi)定位技術(shù)研究與實現(xiàn)[D].成都：電子科技大學(xué)， 2009.

[16] NIU X， LI M， CUI X， et al. Wtrack： HMM-based walk pattern recognition and indoor pedestrian tracking using phone inertial sensors[J]. Personal and Ubiquitous Computing， 2014， 18（8）： 1901- 1915.

[17] WANG L， XU L， BI Z， et al.Data cleaning for RFID and WSN integration[J]. IEEE Transac- tions on Industrial Informatics， 2013， 10（1）：408-418.

[18] Nam S H， Shin O S， Lee K B. Transmit power allocation for a modified V-BLAST system[J]. IEEE Trans on Commun， 2004， 52（7）： 1074- 1079.endprint