基于WSN的室内定位方法技术

本发明专利技术提供一种基于WSN的室内定位方法，包括：离线指纹采集：在待定位的室内区域布置满足WSN通信要求的锚节点，完成室内WSN网络构建；将室内区域分割成多个子区域，在各个子区域内设置测试点并采集测试点的指纹，将指纹存储在数据库中；在线定位：当待定位的移动节点进入室内区域中游走时，获得移动节点在室内区域中任意时刻的指纹；对所述移动节点在室内区域中任意时刻的指纹进行滤波和降维处理并与数据库中的指纹进行对比，得出移动节点在室内区域中的具体位置。本发明专利技术解决了因节点硬件因素和相关环境因素造成的移动节点接收到的RSSI无规律波动的问题，和因障碍物的原因测量不到RSSI或测量到的RSSI出现极大偏差的问题，提高了定位精度及定位抗干扰能力。

【技术实现步骤摘要】
基于WSN的室内定位方法
本专利技术属于无线通信
，涉及一种定位方法，特别是涉及一种基于WSN的室内定位方法。
技术介绍
无线传感器网络(WSN)作为新一代的传感器网络，在医疗护理、军事领域以及环境监测和保护等方面都有着广泛的应用，给人类的生产生活的各个领域带来了深远的影响。而所有的应用都是通过信息采集完成的，采集到的数据只有在能够确定感知对象的位置时才有意义。例如，在野外灾难监测的应用中，救援人员只有在知道灾难发生的准确位置才能实施他们的工作。而对于某些传感器网络的协议，位置信息也是必要因素之一，如基于地理位置的路由协议，就需要通过传感器节点的位置来选择其报文转发的路由节点。因此，传感器节点的位置确定在大多数应用中起着关键作用。但是，在实际环境中WSN易受到多种不同形式的攻击，这将不同程度的影响定位过程的准确度，甚至使定位信息完全失去意义。所以定位过程的安全极为重要。现有的定位算法很多，如GPS定位方法，但其设备昂贵，使用成本过高，室内收不到卫星信号，不利于大规模的布置节点监测。由于RF容易受到噪声和障碍物的干扰，测量结果的误差特别大，利用RSSI(ReceivedSignalStrengthIndicator，接收信号强度显示)的衰减模型来计算节点之间的距离不能适用于室内环境。目前，针对无线传感器网络采用基于RSSI的KNN(k-NearestNeighbor，K最邻近)定位方法较为有效，由于WSN节点的通信距离处在过渡区域，覆盖面积有限，无线通信链路受到墙壁，天花板，以及人体移动等环境的影响，造成个别节点通信不稳定；此外，该方法还受节点硬件(由于噪声的影响导致发射功率波动)和相关环境因素(例如：障碍物的移动)等的影响，会使得接收到的RSSI值发生抖动，与原位置指纹产生严重偏差，所以在基于KNN定位过程中，会导致定位最终结果呈现抖动，定位精度严重降低。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于WSN的室内定位方法，用于解决现有技术中由于节点硬件和相关环境因素造成的接收RSSI随机波动和由于节点数据链路和障碍物等原因无法通讯或者测量到的RSSI异常，从而造成定位精度严重降低的问题。为实现上述目的及其他相关目的，本专利技术提供一种基于WSN的室内定位方法。一种基于WSN的室内定位方法，所述基于WSN的室内定位方法包括离线指纹采集和在线定位：所述离线指纹采集包括：在室内区域布置满足WSN通信要求的锚节点，使在所述室内区域中的任意位置处都能够接收到预设数量的锚节点的信号，完成室内WSN网络拓扑结构和路由构建；将所述室内区域分割成多个子区域，在各个子区域内设置测试点，采集测试点的指纹，并将所有测试点的指纹及该测试点所属子区域的类别存储在数据库中；所述指纹为多维RSSI向量，即来自多个不同锚节点的信号强度的有序排列；所述在线定位包括：当待定位的移动节点进入所述室内区域中游走时，该待定位的移动节点在任意时刻均收到来自多个锚节点的不同强度的射频信号，进而获得所述移动节点在所述室内区域中的任意子区域任意时刻的观测指纹；对所述待定位的移动节点获得的自身在任意子区域中任意时刻的观测指纹进行滤波处理，然后将滤波后的指纹与所述数据库中的指纹进行对比，进而得出所述待定位的移动节点在室内区域中的具体位置。优选地，所述WSN通信要求为：所述锚节点在所述室内区域内自组织形成无线传感器网络并完成拓扑路由结构初始化，且所述网络全面覆盖所述室内区域，所述任意子区域均被预设数量的锚节点通信覆盖。优选地，所述滤波处理包括卡尔曼滤波，对观测指纹进行滤波处理即对多维RSSI向量进行卡尔曼滤波处理，具体过程为：所述卡尔曼滤波的模型为：其中，yk表示待定位的移动节点在k时刻的观测向量；表示对yk的最优估计量，即待定位的移动节点在k时刻的状态向量；表示待定位的移动节点在k-1时刻的状态向量，表示待定位的移动节点在k时刻的预测状态向量；Pk|k-1表示对应的协方差矩阵，Pk-1表示对应的协方差矩阵，Pk表示对应的协方差矩阵；Kk表示k时刻计算出的卡尔曼增益矩阵；表示k时刻的输入噪声的协方差矩阵，表示k时刻的观测噪声的协方差矩阵，I表示单位矩阵；设k＝0时，Pk的初始矩阵P0为对角矩阵；根据对k时刻的观测向量yk，启动所述卡尔曼滤波的模型递归下去，获得k时刻的n维RSSI观测向量yk的最优估计优选地，所述滤波处理还包括边界检测处理，即对经过卡尔曼滤波处理后的n维RSSI观测向量的最优估计进行边界检测处理，具体过程为：对所述最优估计中不在固定范围[rssimin,rssimax]内的RSSI观测分量舍弃；rssimin表示最小的RSSI观测向量值，rssimax表示最大的RSSI观测向量值。优选地，所述滤波处理还包括相似度检测处理，即对经过边界检测处理后的RSSI观测向量进行相似度检测处理，具体过程为：对每个经过边界检测处理后的RSSI观测向量与所述数据库中的指纹进行距离计算，将距离≤5的观测向量并入LF子集，准备参与KNN计算。优选地，所述滤波处理还包括相似度检测处理，即对卡尔曼滤波处理后的n维RSSI观测向量的最优估计进行相似度检测处理，具体过程为：对每个卡尔曼滤波处理后输出的RSSI观测向量与所述数据库中的指纹进行距离计算，将距离≤5的观测向量并入LF子集，准备参与KNN计算。优选地，所述滤波处理还包括降维处理，即对经过相似度检测处理后的RSSI观测向量进行降维处理，具体过程为：对相似度检测处理后所得LF子集进行判断，如果LF子集为空，则需要依次减少某个向量的维度重复进行相似度检测处理过程，重新获取LF子集，直至LF子集非空。优选地，所述将滤波后的指纹与所述数据库中的指纹进行对比，进而得出所述待定位点在室内区域中的具体位置的具体实现过程为：在所述LF子集中利用KNN算法进行定位，得出所述待定位的移动节点的指纹在所述数据库中所属的类别，获得准确定位。优选地，如果待定位的移动节点收到信号的来源少于n个锚节点，则对没有提供信号的锚节点的RSSI向量进行固定值填充，所述固定值不在固定范围[rssimin,rssimax]内；rssimin表示最小的RSSI观测向量值，rssimax表示最大的RSSI观测向量值。如上所述，本专利技术所述的基于WSN的室内定位方法，具有以下有益效果：本专利技术通过定位系统(即构建的WSN网络)进行Kalman滤波建模和降维处理，解决了由于节点硬件因素和相关环境因素造成的待定位节点接收到的RSSI随机波动的问题，同时还解决了由于障碍物的原因测量不到RSSI或者测量到的RSSI出现极大偏差的问题，进而避免了环境不确定性以及抖动现象的影响，提高了定位精度。附图说明图1显示为实施例一所述的基于WSN的室内定位方法的流程示意图。图2显示为一种室内WSN网络构建的场景示意图。图3显示为实施例二所述的基于WSN的室内定位方法的流程示意图。具体实施方式以下通过特定的本文档来自技高网...

【技术保护点】
一种基于WSN的室内定位方法，其特征在于：所述基于WSN的室内定位方法包括离线指纹采集和在线定位：?所述离线指纹采集包括：在室内区域布置满足WSN通信要求的锚节点，使在所述室内区域中的任意位置处都能够接收到足够多数量的锚节点的信号，完成室内WSN网络拓扑结构和路由构建；将所述室内区域分割成多个子区域，在各个子区域内设置测试点，采集测试点的指纹，并将所有测试点的指纹及该测试点所属子区域的类别存储在数据库中；所述指纹为多维RSSI向量，即来自多个不同锚节点的信号强度的有序排列；?所述在线定位包括：当待定位的移动节点进入所述室内区域中游走时，该待定位的移动节点在任意时刻均收到来自多个锚节点的不同强度的射频信号，进而获得所述移动节点在所述室内区域中的任意子区域任意时刻的观测指纹；对所述待定位的移动节点获得的自身在任意子区域中任意时刻的观测指纹进行滤波处理，然后将滤波后的指纹与所述数据库中的指纹进行对比，进而得出所述待定位的移动节点在室内区域中的具体位置。

【技术特征摘要】
1.一种基于无线传感器网络的室内定位方法，其特征在于：所述基于无线传感器网络的室内定位方法包括离线指纹采集和在线定位：所述离线指纹采集包括：在室内区域布置满足无线传感器网络通信要求的锚节点，使在所述室内区域中的任意位置处都能够接收到预设数量的锚节点的信号，完成室内无线传感器网络网络拓扑结构和路由构建；将所述室内区域分割成多个子区域，在各个子区域内设置测试点，采集测试点的指纹，并将所有测试点的指纹及该测试点所属子区域的类别存储在数据库中；所述指纹为多维接收信号强度显示向量，即来自多个不同锚节点的信号强度的有序排列；所述在线定位包括：当待定位的移动节点进入所述室内区域中游走时，该待定位的移动节点在任意时刻均收到来自多个锚节点的不同强度的射频信号，进而获得所述移动节点在所述室内区域中的任意子区域任意时刻的观测指纹；对所述待定位的移动节点获得的自身在任意子区域中任意时刻的观测指纹进行滤波处理，然后将滤波后的指纹与所述数据库中的指纹进行对比，进而得出所述待定位的移动节点在室内区域中的具体位置；所述滤波处理包括卡尔曼滤波，对观测指纹进行滤波处理即对多维接收信号强度显示向量进行卡尔曼滤波处理，具体过程为：所述卡尔曼滤波的模型为：其中，yk表示待定位的移动节点在k时刻的观测向量；表示对yk的最优估计量，即待定位的移动节点在k时刻的状态向量；表示待定位的移动节点在k-1时刻的状态向量，表示待定位的移动节点在k时刻的预测状态向量；Pk|k-1表示对应的协方差矩阵，Pk-1表示对应的协方差矩阵，Pk表示对应的协方差矩阵；Kk表示k时刻计算出的卡尔曼增益矩阵；表示k时刻的输入噪声的协方差矩阵，表示k时刻的观测噪声的协方差矩阵，I表示单位矩阵；设k＝0时，Pk的初始矩阵P0为对角矩阵；根据对k时刻的观测向量yk，启动所述卡尔曼滤波的模型递归下去，获得k时刻的n维RSSI观测向量yk的最优估计2.根据权利要求1所述的基于无线传感器网络的室内定位方法，其特征在于，所述无线传感器网络通信要求为：所述锚节点在所述室内区域内自组织形成无线传感器网络并完成拓扑路由结构初始化，且所述网络全面覆盖所述室内区域，所述任意子区域均被预设数量的锚节点通信覆盖。3...

【专利技术属性】
技术研发人员：陈宇斌，冯利爽，胡红林，徐海平，熊文，黄宇，段志亮，
申请(专利权)人：华平信息技术股份有限公司，
类型：发明
国别省市：