一種基于rssi無(wú)線網(wǎng)絡(luò)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及無(wú)線網(wǎng)絡(luò)管理定位技術(shù)，具體設(shè)及一種基于RSSI無(wú)線網(wǎng)絡(luò)定位方法。
【背景技術(shù)】
[0002] 無(wú)線網(wǎng)絡(luò)管理系統(tǒng)，作為迎客無(wú)線方案、醫(yī)療、教育WLAN方案的必要配套產(chǎn)品，無(wú) 論從招投標(biāo)，還是客戶的實(shí)際使用上來(lái)說(shuō)都具有極大的價(jià)值。從無(wú)線網(wǎng)絡(luò)管理應(yīng)用角度來(lái) 看，用戶最關(guān)注和市場(chǎng)最緊迫的功能有無(wú)線監(jiān)控，無(wú)線資源管理，無(wú)線安全等。而精確的無(wú) 線定位會(huì)使各功能更加有擴(kuò)展性及商業(yè)機(jī)遇。
[0003] 當(dāng)前無(wú)線定位主要依賴于無(wú)線傳感器網(wǎng)絡(luò)。無(wú)線傳感器網(wǎng)絡(luò)(WirelessSensor 化twork，WSN)由部署在監(jiān)測(cè)區(qū)域內(nèi)大量的微型傳感器節(jié)點(diǎn)組成，通過(guò)無(wú)線通信方式形成一 個(gè)多跳的自組織網(wǎng)絡(luò)系統(tǒng)，其目的是協(xié)作地感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中感知對(duì)象的 信息。目前傳感器信息獲取技術(shù)已經(jīng)從過(guò)去的單一化向集成化、微型化和網(wǎng)絡(luò)化方向發(fā)展， 傳感器產(chǎn)品的應(yīng)用越來(lái)越廣泛。尤其在工業(yè)自動(dòng)化控制領(lǐng)域，各種各樣的無(wú)線傳感器網(wǎng)絡(luò) 幾乎無(wú)處不在，已經(jīng)成為工業(yè)自動(dòng)化系統(tǒng)中不可或缺的重要組成部分。在無(wú)線傳感器網(wǎng)絡(luò) 中，節(jié)點(diǎn)的位置信息對(duì)無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用的監(jiān)測(cè)活動(dòng)至關(guān)重要，它是傳感器節(jié)點(diǎn)監(jiān)測(cè)消 息中包含的重要信息，同時(shí)也是基于位置信息的路由算法的基礎(chǔ)。因此，無(wú)線傳感器網(wǎng)絡(luò)的 定位技術(shù)廣泛應(yīng)用于儀器儀表、工業(yè)控制、醫(yī)療、軍事、航空、航天等領(lǐng)域。
[0004]目前無(wú)線傳感器網(wǎng)絡(luò)領(lǐng)域定位算法主要分兩大類:基于測(cè)距(Range-based)的定 位算法和無(wú)需測(cè)距(Range-打ee)的定位算法?；跍y(cè)距的定位算法主要通過(guò)測(cè)量節(jié)點(diǎn)間的 距離或角度信息，用=邊測(cè)量、=角測(cè)量或最大似然估計(jì)定位法計(jì)算節(jié)點(diǎn)位置。常用的測(cè)距 技術(shù)有RSSI，T0A(Timeofarrival)，TD0A(Timedifferenceofarrival)和A0A(Angle ofarrival);無(wú)需測(cè)距定位算法無(wú)需距離和角度信息，僅根據(jù)網(wǎng)絡(luò)連通性等信息來(lái)實(shí)現(xiàn)節(jié) 點(diǎn)定位。相比之下，基于距離的定位算法測(cè)量精確度較高，無(wú)需測(cè)距的定位算法對(duì)硬件要求 較低。
[000引信號(hào)強(qiáng)度會(huì)受到比如反射、多徑傳播、非視距、天線增益等問(wèn)題的影響而產(chǎn)生傳播 損耗。因?yàn)槔碚摵徒?jīng)驗(yàn)?zāi)Ｐ偷墓罍y(cè)性質(zhì)，故而RSSI具有較大定位誤差，如何提高于RSSI的定 位精度是一個(gè)比較有意義的問(wèn)題。
[0006]當(dāng)前技術(shù)領(lǐng)域研究成果中，無(wú)線信號(hào)衰減模型的基本模型是：
[000引其中RSSId表示目標(biāo)物體在距離APd處的信號(hào)強(qiáng)度，RSSIdO表示參考物體在距離APdo處的信號(hào)強(qiáng)度，A是一個(gè)信號(hào)衰減指數(shù)，一般根據(jù)具體的環(huán)境情況而設(shè)定，屬于經(jīng)驗(yàn)值， 一般取(2,5)之間。在已知目標(biāo)物體的信號(hào)強(qiáng)度RSSId,可W得到目標(biāo)結(jié)點(diǎn)離AP的距離d。
[0009]已知目標(biāo)點(diǎn)T(x、y)到S個(gè)APAl(xl、yl)、A2(x2、y2)、A3(x3、y3)的距離分別為dl、 d2、d3,如圖3所示：
[0010] 貝Ij下列方程組成立；
[0014] 解該方程組(2)(3)(4)可得到目標(biāo)點(diǎn)T的x、y坐標(biāo)，此計(jì)算目標(biāo)點(diǎn)T的方法為；邊測(cè) 量法。
[0015] 《無(wú)線網(wǎng)絡(luò)定位技術(shù)研究》主要針對(duì)RSSI定位算法的距離容易受影響而導(dǎo)致定位 精度低的問(wèn)題，提出了在RSSI定位算法的基礎(chǔ)上，利用高斯濾波，選取合適范圍內(nèi)的RSSI 值，對(duì)運(yùn)些RSSI值進(jìn)行幾何平均，最終得到最優(yōu)的RSSI值。通過(guò)高斯濾波過(guò)濾掉噪音數(shù)據(jù)的 方式是可取的，但將通過(guò)過(guò)濾的數(shù)據(jù)只做幾何平均的結(jié)果，有可能會(huì)產(chǎn)生誤差。同時(shí)，該方 案中沒(méi)有明確說(shuō)明信號(hào)衰減模型的參數(shù)A如何確定，只是憑借經(jīng)驗(yàn)來(lái)隨機(jī)取值，運(yùn)也會(huì)導(dǎo)致 后面計(jì)算結(jié)果的偏差。
[0016] 專利《基于RSSI校正的無(wú)線傳感器網(wǎng)絡(luò)質(zhì)屯、定位算法》在RSSI定位算法的基礎(chǔ)上， 通過(guò)校正RSSI測(cè)距技術(shù)測(cè)量節(jié)點(diǎn)間點(diǎn)到點(diǎn)的距離，采用S角形質(zhì)屯、算法進(jìn)行定位，減小 RSSI的測(cè)量誤差。該算法在最后一步只根據(jù)S個(gè)節(jié)點(diǎn)坐標(biāo)，利用質(zhì)屯、算法，得到目標(biāo)點(diǎn)的坐 標(biāo)，如果在=個(gè)節(jié)點(diǎn)相距較遠(yuǎn)的情況下，會(huì)產(chǎn)生較大的誤差。當(dāng)然專利中提到，該方案適用 于野外，只需要知道節(jié)點(diǎn)的大概區(qū)域就可W滿足需求，并不適合室內(nèi)定位。同樣，該方案也 存在參數(shù)A取值的問(wèn)題。
[0017]為便于理解，下面對(duì)本發(fā)明中可能設(shè)及的技術(shù)術(shù)語(yǔ)進(jìn)行說(shuō)明：
[001引 1、STA(Station)，即WLAN中的站;STA在WLAN中一般為客戶端，可W是裝有無(wú)線網(wǎng) 卡的計(jì)算機(jī)，也可W是WiFi模塊的智能手機(jī)。STA可W是移動(dòng)的，也可W是固定的，是無(wú)線局 域網(wǎng)的最基本組成單位元。
[0019] 2、NMS(化tworkManagementSystem)，網(wǎng)絡(luò)管理系統(tǒng)；NMS是移動(dòng)通信網(wǎng)中的網(wǎng)絡(luò) 管理系統(tǒng)，它的管理對(duì)象可W包括網(wǎng)絡(luò)中所有的實(shí)體，如：網(wǎng)絡(luò)設(shè)備、應(yīng)用程序、服務(wù)器系 統(tǒng)、路由器、交換機(jī)、HUB、輔助設(shè)備等，給網(wǎng)絡(luò)系統(tǒng)管理員提供一個(gè)全系統(tǒng)的網(wǎng)絡(luò)視圖。
[0020]3、AP(WirelessAccessPoint)，即無(wú)線訪問(wèn)接入點(diǎn);AP相當(dāng)于一個(gè)連接有線網(wǎng)和無(wú) 一網(wǎng)的橋梁，其主要作用是將各個(gè)無(wú)線網(wǎng)絡(luò)客戶端連接到一起，然后將無(wú)線網(wǎng)絡(luò)接入W太 網(wǎng)。
[0021]4、AC(AccessControlIer或AccessPiontController)，即無(wú)線控制器，是一種網(wǎng) 絡(luò)設(shè)備，負(fù)責(zé)管理某個(gè)區(qū)域內(nèi)無(wú)線網(wǎng)絡(luò)中的AP。
[0022] 5、RSSI(ReceivedSi即alShengthIndication),接收信號(hào)強(qiáng)度指不；通過(guò)接收 到的信號(hào)強(qiáng)弱測(cè)定信號(hào)點(diǎn)與接收點(diǎn)的距離，進(jìn)而根據(jù)相應(yīng)數(shù)據(jù)進(jìn)行定位計(jì)算的一種定位技 術(shù)。
[0023] STA(如手機(jī)等無(wú)線終端)通過(guò)接收AP發(fā)射的無(wú)線信號(hào)而接入網(wǎng)絡(luò)，所接收的信號(hào) 強(qiáng)度單位為分貝（DB),分貝值越大，信號(hào)越強(qiáng)，AP可W檢測(cè)到其覆蓋范圍內(nèi)所有STA的RSSI 值，網(wǎng)管系統(tǒng)可W通過(guò)AC獲取所有AP下所有STA的RSSI值。

【發(fā)明內(nèi)容】

[0024]本發(fā)明所要解決的技術(shù)問(wèn)題是:提出一種基于RSSI無(wú)線網(wǎng)絡(luò)定位方法，減小無(wú)線 網(wǎng)絡(luò)管理系統(tǒng)中基于RSSI無(wú)線網(wǎng)絡(luò)定位算法的誤差，得到STA的精確位置。
[0025] 本發(fā)明解決上述技術(shù)問(wèn)題所采用的方案是，一種基于RSSI無(wú)線網(wǎng)絡(luò)定位方法，該 方法包括W下步驟：
[0026]a.在某一平面的無(wú)線網(wǎng)絡(luò)區(qū)域建立坐標(biāo)系，確定所有AP的位置；
[0027]b.計(jì)算無(wú)線信號(hào)衰減模型中的信號(hào)衰減指數(shù)M直，獲得優(yōu)化后的無(wú)線信號(hào)衰減模 型；
[0028]C.篩選目標(biāo)STA在不同AP的最優(yōu)RSSI值，并結(jié)合優(yōu)化后的無(wú)線信號(hào)衰減模型求解 目標(biāo)STA的位置。
[0029]進(jìn)一步的，步驟b具體包括：
[0030]bl.在無(wú)線網(wǎng)絡(luò)區(qū)域中確定已知位置的兩個(gè)STA和1個(gè)AP:
[0031 ]假設(shè)兩個(gè)STA的坐標(biāo)分別為8141(姑，73)，5142(亂，7〇,4?的坐標(biāo)為(虹，心；
[0032]b2.計(jì)算STA到AP之間的距離：
[003引其中，da、山分別為STAl、STA2到AP的距離；
[0036] b3.在一段時(shí)間內(nèi)，從AP中獲取STAUSTA2的RSSI值集合：
[0037] {Rai，Ra2...Ran}
[003引{肺1，肺2...肺。}
[0039]b4.分別對(duì)STAl和STA2的RSSI值集合進(jìn)行高斯過(guò)濾；
[0040]b5.分別對(duì)經(jīng)過(guò)高斯過(guò)濾后的STAl和STA2的RSSI值集合進(jìn)行聚類計(jì)算，獲得對(duì)應(yīng) 的最優(yōu)均值態(tài)r、
[0041]b6.將瓦T、涼T、da、db代入無(wú)線信號(hào)衰減模型的基本模型中計(jì)算信號(hào)衰減指數(shù)入 值，獲得優(yōu)化后的無(wú)線信號(hào)衰減模型。
[0042]進(jìn)一步的，步驟b4中，對(duì)STAl的RSSI值集合進(jìn)行高斯過(guò)濾的方法是：
[0043] 首先，假設(shè)STAl的RSSI值集合中的RSSI值滿足高斯分布，其高斯分布密度函數(shù)為：
.打
[004引其中山是{1?曰1，1?曰2..節(jié)曰。}的幾何平均值，/< =玄巧";； !-''=I
[0046]5是標(biāo)準(zhǔn)差
[0047] 然后，選取范圍在[0.15S+u，3.09S+u]范圍內(nèi)的RSSI值，得到STAl新的RSSI集合{R(i、，Ra:…Ra,,,]。
[0048] 進(jìn)一步的，步驟b4中，對(duì)STA2的RSSI值集合進(jìn)行高斯過(guò)濾的方法是：
[0049]首先，假設(shè)STA2的RSSI值集合中的RSSI值滿足高斯分布，其高斯分布密度函數(shù)為：
TL
[005。 其中，y是(肺1，肺2...Rbn}的幾何平均值，二ZRb,; 中二1
[0052] 5是標(biāo)準(zhǔn)差：
[0053] 然后，選取范圍在[0.15S+u，3.09S+u]范圍內(nèi)的RSSI值，得到STA2新的RSSI集合 {而，而…而}<.
[0054]進(jìn)一步的，步驟b5中，對(duì)經(jīng)過(guò)高斯過(guò)濾后的STAl的RSSI值集合進(jìn)行聚類計(jì)算，獲得 對(duì)應(yīng)的最優(yōu)均值哀之的方法是：
[005引1)隨機(jī)在集合r及而，友心…扁;；}中取k個(gè)種子點(diǎn)，作為初始聚類中屯、 {訴谷1 :，疏2…頗* };'
[0056] 2)計(jì)算集合{而^'，'京;；…而j至晦一個(gè)聚類中屯、的距離，將集合中的RSSI值劃分 到距離聚類中屯、最近的類中去，形成新的聚類群；
[0057] 3)重新計(jì)算每個(gè)聚類的均值聚類中屯、并進(jìn)行均值估計(jì)，獲得平均RSSI值；
[0058] 4)采用均方差作為標(biāo)準(zhǔn)測(cè)度函數(shù)，不斷重復(fù)2)、3)步，直至標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收 斂；
[0059] 5)對(duì)最新的聚類集合作幾何平均，獲得[化/|，抵i!。:…於?& '}的最優(yōu)平均值化3。
[0060]進(jìn)一步的，步驟b5中，對(duì)經(jīng)過(guò)高斯過(guò)濾后