一种用于跟踪低速移动车辆的RSSI拟合方法技术

本发明专利技术公开一种用于跟踪低速移动车辆的RSSI拟合方法，包括：在同一平面的道路两侧布置WIFI嗅探设备，建立跟踪定位系统的相对坐标系；对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理，确定衰减模型中信号衰减指数λ值，获得符合实际道路环境的信号衰减模型；对RSSI值进行判断筛选，将判断筛选后的数据，进行Kalman滤波处理，获得有效RSSI信号。本发明专利技术运用Gaussian滤波获得符合实际道路环境的无线信号衰减模型，并考虑低速移动车辆场景下RSSI值的变化规律，引入最大误差距离准则进行筛选，最后进行Kalman滤波处理。本发明专利技术能有效地降低RSSI信号波动，输出平滑的信号波形。

A RSSI Fitting Method for Tracking Low Speed Mobile Vehicles

The invention discloses an RSSI fitting method for tracking low-speed mobile vehicles, which includes: arranging WIFI sniffer equipment on both sides of the same plane road, establishing the relative coordinate system of tracking and positioning system; processing RSSI signals received by WIFI sniffer equipment with Gaussian filtering, determining the signal attenuation index of attenuation model, and obtaining the signal attenuation mode conforming to the actual road environment. The RSSI values are judged and filtered. The filtered data are judged and processed by Kalman filter to obtain effective RSSI signals. The method uses the Gaussian filter to obtain the wireless signal attenuation model in accordance with the actual road environment, and considers the variation rule of RSSI value in the low-speed mobile vehicle scene, introduces the maximum error distance criterion for filtering, and finally carries out Kalman filter processing. The invention can effectively reduce RSSI signal fluctuation and output smooth signal waveform.

【技术实现步骤摘要】
一种用于跟踪低速移动车辆的RSSI拟合方法
本专利技术涉及RSSI定位与车辆移动定位
，尤其涉及一种用于跟踪低速移动车辆的RSSI拟合方法。
技术介绍
随着智慧城市的快速建设，将会在城市道路两侧布置大量的无线传感器网络，基于无线信号的车辆定位技术已成为重要的交通信息实时采集、状态监测方法。该定位技术是以驾驶员或者乘客随身携带的智能手机、平板电脑以及笔记本(能够连接WIFI网络的设备)作为移动终端MT(Mobileterminal)，通过WIFI嗅探设备监听由移动终端(MT)发出的探测请求帧(ProbeRequest)，提取其中的MAC地址、时间戳(Time)、信号强度(RSSI)。结合WIFI嗅探设备自身的经纬度信息，可以推算出低速移动车辆的位置数据。现阶段，基于信号强度(RSSI)的定位技术具有成本低、功耗低、适用于多遮挡环境等特点，在室内定位领域应用较广。基于固定终端的RSSI信号传播模型和滤波算法研究有很多，这也为实现低速移动车辆的跟踪提供了理论基础。但在实际应用中，车辆的移动会造成RSSI信号不可避免的小尺度衰落，在加上未考虑实际测量过程中噪音干扰和障碍遮挡的影响，RSSI数据的有效性低，存在很大的信号波动问题，严重影响到对移动车辆的定位推算。显然，基于固定终端的RSSI拟合方法并不适用于移动车辆场景，急需提出一种用于跟踪低速移动车辆的RSSI拟合方法。
技术实现思路
为了克服上述背景中提出的技术问题，本专利技术旨在提供一种用于跟踪低速移动车辆的RSSI拟合方法，能克服现有技术RSSI获取误差大、信号波动强等难题。本专利技术所提供的技术方案为一种用于跟踪低速移动车辆的RSSI拟合方法，包含以下步骤：步骤S1：在同一平面的道路两侧布置WIFI嗅探设备，确定其经纬度位置，并建立跟踪定位系统的相对坐标系；步骤S2：对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理，确定衰减模型中信号衰减指数λ值，获得符合实际道路环境的无线信号衰减模型；步骤S3：基于道路环境下车辆直线移动的约束特点，采用最大误差距离准则对RSSI值进行判断筛选，设定门限概率值F；步骤S4：将判断筛选后的数据，进行Kalman滤波处理，获得降噪后的有效RSSI信号。步骤S5：运用推导得到的实际道路环境无线信号衰减模型，解算出RSSI值对应的距离，从而确定低速移动车辆距离WIFI嗅探设备的相对距离，达到跟踪效果。本专利技术提出一种用于跟踪低速移动车辆的RSSI拟合方法，能克服移动环境影响所带来的RSSI值波动范围大的问题。首先对终端固定时采集到的RSSI信号进行Gaussian滤波处理，然后运用最大误差距离准则判断进行筛选，再对筛选后的RSSI信号进行Kalman滤波处理，获得去噪后的有效RSSI信号。整个过程中，运用Gaussian滤波处理，获得符合实际道路环境的无线信号衰减模型，并考虑低速移动车辆场景中RSSI值的变化规律，引入最大误差距离准则进行筛选，经过Kalman滤波处理后，能有效降低RSSI误差，提高跟踪精度。附图说明图1是本专利技术一种用于跟踪低速移动车辆的RSSI拟合方法原理示意图；图2是本专利技术实施例中道路环境下的RSSI信号分布图。具体实施方式本专利技术中的RSSI拟合方法应用于跟踪低速移动车辆环境中，最关键的构思在于：利用Gaussian滤波处理，获得符合实际道路环境的无线信号衰减模型，并考虑低速移动车辆场景中RSSI值的变化规律，引入最大误差距离准则进行数据筛选，最后进行Kalman滤波处理，克服噪声的影响，输出平滑的波形。本专利技术实施例提供了一种用于跟踪低速移动车辆的RSSI拟合方法，能够筛选出车辆移动场景中有效的RSSI信号，从而降低测量实验的误差值，达到提高RSSI拟合效果的目的。为了实现上述技术目的，以下将结合附图，对本专利技术的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本专利技术，而不是为了限制本专利技术的保护范围。如图1所示，一种用于跟踪低速移动车辆的RSSI拟合方法，包括以下步骤：步骤S1：在同一平面的道路两侧布置WIFI嗅探设备，确定其经纬度位置，并建立跟踪定位系统的相对坐标系。步骤包括：(1)在某一平面的道路两侧区域，布置已知位置的WIFI嗅探设备一部、移动终端I台，将移动终端标记作i,i＝1～I。设WIFI嗅探设备的坐标为(xr,yr)，移动终端的坐标为(xr+1,yr+1),…,(xr+i,yr+i),…,(xr+I,yr+I)；布置终端时，应依次分别选取等间隔距离的位置，即终端坐标应满足条件：式中，d1,…,di,…,dI分别为第i部终端到WIFI嗅探设备之间的距离。(2)通过电脑端MYSQL数据库连接WIFI嗅探设备，获得从移动终端嗅探到的RSSI数据信息，分为I个通道储存。设每台移动终端被采样J次，每次采样得到一个RSSI值，则从第i台移动终端采样获得的数据可表示为Ri,J＝(rssii,1,…,rssii,j,…,rssii,J)，其中j＝1～J，I台移动终端在测试时间内获得的RSSI数据可表示R＝{R1,J,…,Ri,J,…,RI,J}；其中，rssii,j为第i台移动终端第j次采样获得的RSSI值，Ri,J为第i台移动终端在测试时间内采样J次获得的RSSI集合。步骤S2：对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理，确定衰减模型中信号衰减指数λ值，获得符合实际道路环境的信号衰减模型。步骤包括：(1)在理想自由空间中，无线电传播损耗通常采用对数—常态分布模型，模型如下：式中，ad1、ad2分别为移动终端在两次测试时刻与WIFI嗅探设备之间的距离(m)，RSSIad1、RSSIad2分别为移动终端在ad1、ad2处测得的RSSI(单位为dB)，λ信号衰减因子(在不同的测试环境中取不同值)。对于集合Ri,J＝(rssii,1,…,rssii,j,…,rssii,J)，由于J个RSSI值是随机离散的变量，可知RSSI值关于x的密度分布函数如下式所示。(2)通过对Gaussian滤波的阈值进行设置，保留满足预设概率阈值ρ的RSSI信号，同时舍弃小于概率阈值ρ的RSSI信号，概率阈值ρ一般设置为0.6，具体表达式如下：式中，σ为方差，μ为均值。选取范围[0.15σ+μ≤x≤3.09σ+μ]内的RSSI值，设共有N个，第i台移动终端新的RSSI值集合标记作Ri,N＝(rssii,1,…,rssii,n,…,rssii,N)，rssii,n为Gaussian滤波后第i台移动终端第n个时间序列的RSSI值。对集合Ri,N进行算术平均，得到距离一定时RSSI值的平均值；(3)求出RSSI值与距离d的关系，从而确定符合实际道路环境的无线信号衰减模型。RSSI＝-(10λlog10d+A)(式7)无线信号衰减模型中，参数A取Gaussian滤波后，d＝1m时的RSSI值平均值；步骤S3：基于道路环境下车辆“直线”移动的约束特点，采用最大误差距离准则对RSSI值进行判断筛选，设定门限概率值F。步骤包括：(1)原始数据采集：取当前时刻之前某时间区间T内RSSI信号值M个，将时间戳记为集合Tm,Tm＝(t1,…,tm,…,tM)，将对应的RSSI值记为集合Rssim,Rssim＝(本文档来自技高网...

【技术保护点】
1.一种用于跟踪低速移动车辆的RSSI拟合方法，其特征在于，包括如下步骤：步骤S1、在同一平面的道路两侧布置WIFI嗅探设备，确定其经纬度位置，并建立跟踪定位系统的相对坐标系；步骤S2、对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理，确定衰减模型中信号衰减指数λ值，获得符合实际道路环境的无线信号衰减模型。步骤S3、基于道路环境下车辆直线移动的约束特点，采用最大误差距离准则对RSSI值进行判断筛选，设定门限概率值F；步骤S4、将判断筛选后的数据，进行Kalman滤波处理，获得降噪后的有效RSSI信号。

【技术特征摘要】
1.一种用于跟踪低速移动车辆的RSSI拟合方法，其特征在于，包括如下步骤：步骤S1、在同一平面的道路两侧布置WIFI嗅探设备，确定其经纬度位置，并建立跟踪定位系统的相对坐标系；步骤S2、对WIFI嗅探设备接收到的RSSI信号进行Gaussian滤波处理，确定衰减模型中信号衰减指数λ值，获得符合实际道路环境的无线信号衰减模型。步骤S3、基于道路环境下车辆直线移动的约束特点，采用最大误差距离准则对RSSI值进行判断筛选，设定门限概率值F；步骤S4、将判断筛选后的数据，进行Kalman滤波处理，获得降噪后的有效RSSI信号。2.根据权利要求1所述的一种用于跟踪低速移动车辆的RSSI拟合方法，其特征在于，步骤S1包括：(1)在一平面的道路两侧区域，布置已知位置的WIFI嗅探设备一部、移动终端I台，将移动终端标记作i,i＝1～I；在相对坐标系中，设WIFI嗅探设备的坐标为(xr,yr)，移动终端的坐标为(xr+1,yr+1),…,(xr+i,yr+i),…,(xr+I,yr+I)；(2)通过电脑端MYSQL数据库连接WIFI嗅探设备，获得从移动终端嗅探到的RSSI数据信息，分为I个通道储存；设每台移动终端被采样J次，每次采样得到一个RSSI值，则从第i台移动终端采样获得的数据可表示为Ri,J＝(rssii,1,…,rssii,j,…,rssii,J)，其中j＝1～J，I台移动终端在测试时间内获得的RSSI数据可表示R＝{R1,J,…,Ri,J,…,RI,J}；其中，rssii,j为第i台移动终端第j次采样获得的RSSI值，Ri,J为第i台移动终端在测试时间内采样J次获得的RSSI集合。3.根据权利要求1所述的一种用于跟踪低速移动车辆的RSSI拟合方法，其特征在于，步骤S2包括：(1)通过对Gaussian滤波的阈值进行设置，保留满足预设概率阈值ρ的RSSI信号，同时舍弃小于概率阈值ρ的RSSI信号，概率阈值ρ设置为0.6，具体表达式如下：式中，σ为方差，μ为均值；取范围[0.15σ+μ≤x≤3.09σ+μ]内的RSSI值，设共有N个，第i台移动终端新的RSSI值集合标记作Ri,N＝(rssii,1,…,rssii,n,…,rssii,N)，rssii,n为Gaussian滤波后第i台移动终端第n个时间序列的RSSI值，其中n＝1～N，对集合Ri,N进行算术平均，得到距离一定时RSSI值的平均值；(2)求出RSSI值与距离d的关系，从而确定符合实际道路环境的无线信号衰减模型，RSSI＝-(10λlog10d+A)无线信号衰减模型中，参数A取Gaussian滤波后，d＝...

【专利技术属性】
技术研发人员：林永杰，黄紫林，许伦辉，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44