基于最大似然估计的室内人员定位方法技术

本发明专利技术涉及无线传感器网络定位领域，尤其涉及基于最大似然估计的室内人员定位方法，包括：(1)将室内人员作为待测节点，事先在环境中布置好参考节点，根据参考节点与待测节点之间的接收信号强度转化为它们之间的距离，建立数学模型；(2)根据正约束条件采用最大似然估计算法建立目标函数模型；(3)引进负约束条件，更新目标函数模型；(4)利用粒子群优化算法搜索出满足约束条件的待测人员的最佳位置。本发明专利技术的有益效果在于：(1)本发明专利技术方法能够解决室内恶劣复杂环境下人员定位问题，定位准确、简单易实现；(2)本发明专利技术引进负约束条件，可以提高定位精度；(3)采用粒子群优化算法，具有很好的稳定性、并且收敛速度快、实时性高。

【技术实现步骤摘要】

本专利技术涉及无线传感器网络定位领域，尤其涉及基于最大似然估计的室内人员定 位方法。
技术介绍
[000引 20世纪90年代W来，人们就开始关注无线传感器网络技术（WSN)，被认为是21世 纪最重要的技术之一。无线传感网络广泛应用于军事、环境、工业等方面。在无线传感网络 技术中，节点定位是无线传感网络的主要支撑技术。定位技术可应用于目标识别、目标跟 踪、移动目标的检测、人员定位等。其中室内人员定位应用受到了广泛的关注。 目前，典型的定位方法主要分为两类；无需测距和基于测距。无需测距方法不需要 测量节点间的距离、角度或者其他信息，而是根据网络的连接度来实现定位，其缺点是定位 精度不高。此类方法主要为质也定位算法，DV-hop算法和AP口算法。基于测距方法主要采 用额外的硬件来测量节点间的距离，从而实现定位。虽然此类方法需要额外成本并且消耗 能量，但能获得比较高的精度。此类方法主要为信号到达角度（A0A)，信号到达时间（T0A)， 信号到达时间差（TD0A)和接收信号强度化SSI)等。在实际应用过程中（尤其是室内环 境），大部分方法都采用节点间信号强度与距离之间的关系来实现测距。W下为典型的定位系统： 微软公司的RADAR系统是基于IE邸802. 11标准的室内定位系统，它事先在测量区 域内大量记录各个位置的RSSI值，在定位时，根据当前的RSSI值来与之前标定好的RSSI 进行匹配从而确定节点位置（定位误差大约在6米）。此系统要求定位前需进行大量测试 各位置的射频信号强度，因此工作量比较大，会花费巨大的布置成本。 麻省理工学院的化icket室内定位系统主要由Beacon节点和Listener节点组 成。Beacon节点同时发射超声波和射频信号，Listener节点侦听到信号后，根据TD0A测距 原理（测距范围大约在0~10m)并用H边定位法对未知节点进行定位。此系统容易受障 碍物影响，非常不适合非视距（化0巧复杂的环境。 浙江大学的INEM0系统根据房间的布置情况把建筑物分成不同的等级。当用户 (已携带节点）靠近附近的房间时，传感器节点可W与之相近的参考节点交换信息，根据信 号接收强度，判断用户所在位置。此系统只适用于办公楼比较规定的室内环境。另一方面， 在定位时，因为信息通信量大，易造成能量消耗过大，使得定位精度也不高。
技术实现思路
本专利技术为克服上述的不足之处，目的在于提出了基于最大似然估计的室内人员定 位方法，该方法简单，易于实现，能够解决非视距误差问题，尤其是室内复杂环境，能用于室 内人员的定位。 本专利技术是通过W下技术方案达到上述目的：基于最大似然估计的室内人员定位方 法，引用正负约束条件对室内人员的位置进行最大似然估计；具体包括W下步骤： l)Ni个参考节点和馬待测节点组成无线传感网络，计算参考节点与待测节点之间 的距离：[001引其中，P。为距离1米时的接收信号强度，P为距离d时的接收信号强度，n为路径 损耗指数，S为零均值标准差为Op的随机变量； 2)比较d与参考节点的有效通信范围大小，根据比较结果选择正约束条件或负约 束条件得到待测节点与参考节点间似然函数Lu狂）； 其中，参考节点的坐标值为（X。y;)，待测节点的坐标值为（Xj,yj);[001引如联合正负约束条件，得到整个系统的似然函数[饼=帕1町=2山闽，[脚的 最大似然估计为； 4)采用粒子群优化算法求解COO的最大似然估计值。 作为优选，所述步骤2)具体包括W下步骤： (1)当待测节点在参考节点的通信范围内时，根据最大似然估计引用正约束条件 得到待测节点与参考节点间似然函数Lu狂)，其表达式为： (3)当待测节点在参考节点的通信范围之外时，根据最大似然估计引用负约束条 件得到待测节点与参考节点间似然函数Lu狂)，其表达式为：其中： 作为优选，所述采用粒子群优化算法求解[00的最大似然估计值包括w下步骤： (1)设定粒子群优化算法的目标函数为f(巧，随机生成数量N的粒子，初始化各粒 子的速度Vx(0)、位置X(0)、个体最优pbest(0)和群体最优gbest(0)，每个粒子对应一个位 置向量X=[Xi…Xj yi…yjT; (2)根据每个粒子对应的目标函数值的优劣性，选择当前各粒子最优目标函数值 的位置向量存储在pbest中，将所有pbest中目标函数值最优粒子的位置向量存储于gbest 中； (3)根据下面式子更新每个粒子的速度和位置； Vx化+1)二wVx化)+。江1化）（pbest化)-X化)）+〇2'2化）（gbest化)-X化)）；X化+1) =X化)+Vx化+1); (4)对每个粒子将其现在的目标函数值与其经历过的最好位置作比较，目标函数 值较小的位置作为当前的最好位置； (5)重复循环执行（2)-(4)步骤，直到达到设定的迭代次数，输出群体最优位置向 量。 作为优选，所述的每个粒子对应的目标函数值的优劣性的判断方法步骤为： (1)进入搜索，k=k+1 ;计算所有个体目标函数的适应度值： (2)比较当前个体的适应度值和个体上一代的适应度值，如果个体的当前适应度 小于上一代的适应度值，则用当前适应度值更新适应度值，并用当前个体最优位置向量作 为个体潜在最优位置向量pbest化)，如果个体的当前适应度值大于上一代的适应度值，贝U 保留上一代的适应度值和上一代的个体潜在最优位置向量。 本专利技术的有益效果在于；（1)本专利技术方法简单，易于实现，能够解决非视距误差问 题，尤其是室内复杂环境，能用于室内人员的定位；(2)引进负约束条件能够提高定位精 度，充分利用了节点间的通信关系，减少了额外的成本；（3)采用粒子群优化算法能够快速 找到最优位置，并且具有很好的稳定性，定位误差小，收敛速度快。【附图说明】 图1是本专利技术方法流程框图；图2是距离与接收信号强度巧SSI)之间关系示意图； 图3是RSSI= -64. 5地m时距离d的对数正态分布示意图； 图4是本专利技术的参考节点与待测节点的正约束关系示意图； 图5是本专利技术的参考节点与待测节点的负约束关系示意图； 图6是本专利技术实施例1中H个参考节点与一个带定位人员的网络拓扑结构； 图7是本专利技术实施例1中H个正约束条件似然估计的概率密度函数H维图；图8是本专利技术实施例2中正约束似然估计定位结果示意图； 图9是本专利技术实施例2中联合正负约束似然估计定位结果示意图； 图10是本专利技术参考节点数对定位误差的影响示意图。【具体实施方式】 下面结合具体实施例对本专利技术进行进一步描述，但本专利技术的保护范围并不仅限于 此： 实施例1;如图1所示，基于最大似然估计的室内人员定位方法，具体包括W下步 骤：l)Ni个参考节点和N,待测节点组成无线传感网络，接收信号强度可适用于无线传 感网络的定位，在发送和接收信号之间，由于存在功率损耗，根据该个损耗可W计算出发送 与接收之间的距离。根据无线信号的发射功率和接收功率之间的理论模型得到距离与接收 信号强度模型化(d);[005引其中化(d)为距离为d时的接收信号强度，n为路径损耗指数，I为零均值标准差 为Op的随机变量。PL(d。）为距离1米时的接收信号强度。化简上式可得到距离d: 其中，P。为距离1米时的接收信号强度，P为距离d时的接收信号强度，n为路径本文档来自技高网...

【技术保护点】
基于最大似然估计的室内人员定位方法，其特征在于：引用正负约束条件对室内人员的位置进行最大似然估计；具体包括以下步骤： 1)N1个参考节点和N2待测节点组成无线传感网络，计算参考节点与待测节点之间的距离： 其中，P0为距离1米时的接收信号强度，P为距离d时的接收信号强度，n为路径损耗指数，ξ为零均值标准差为σp的随机变量； 2)比较d与参考节点的有效通信范围大小，根据比较结果选择正约束条件或负约束条件得到待测节点与参考节点间似然函数Lij(X)： 其中，参考节点的坐标值为(xi,yi)，待测节点的坐标值为(xj,yj)； 3)联合正负约束条件，得到整个系统的似然函数的最大似然估计为：4)采用粒子群优化算法求解的最大似然估计值。

【技术特征摘要】

【专利技术属性】
技术研发人员：庞新岩，丁海强，李德胜，徐玉杰，平奕峰，王辉，
申请(专利权)人：浙江银江研究院有限公司，
类型：发明
国别省市：浙江;33