CN101547048B - 基于无线传感网的室内定位方法 - Google Patents

Abstract

本发明公开了一种基于无线传感器网络的室内定位方法，该方法结合集中式定位和分布式定位的优点，提出一种在盲节点上实现分布式定位得出粗定位结果，然后将各盲节点的粗定位结果传递给汇聚节点，在汇聚节点上再对粗定位结果进行进一步定位优化算法，得出最后的细定位结果。这样不仅可以大大提高定位精度，不再受节点硬件资源的限制，同时由于网络中传递的只是各个节点的粗定位结果，相比集中式定位所需传递的各种信息，网络流量负担大大减小，另外，在汇聚节点没有得出细定位结果的时候，每个盲节点也有一个粗定位结果，这样降低了对汇聚节点进行细定位的实时性的要求。本发明所述的混合式基于无线传感器网络的室内定位方法适用于各种室内环境中的定位，可以提供展馆中移动用户的导航服务、医院中病人的位置监控、商店或超市中顾客的寻找等各种位置信息服务。

Description

基于无线传感网的室内定位方法

技术领域

本发明属于无线传感器网络技术领域，特别涉及基于无线传感器网络的定位方法，主要针对室内定位的应用。 

背景技术

无线传感器网络(WSN)能够协作地实时检测、跟踪和采集网络布设区域内的各种环境或监测对象的信息，并对这些信息进行协同、融合处理，获得较为准确的结论，然后传送至用户。它在军事、目标跟踪、环境监测、医疗卫生、工业自动化、公共安全等应用领域具有广泛的应用前景。对于大部分无线传感器网络而言，不知道传感器位置而感知的数据是没有意义的。另外用于提供位置感知服务的无线传感器网络，包括位置导航、位置安全监控、依赖于位置的信息存储和查询、位置感知的人机交互等方面，例如展馆内的导航和咨询查询服务，医院内病人的实时监护、矿井下人员的安全监测、超市或商场内顾客的位置查询等应用，更需要提供传感器节点的实时位置信息。这些服务都需要定位技术的支撑，虽然GPS在基于位置的室外定位服务中得到了广泛的应用，但每个传感器节点都安装GPS接收器会受到成本、功耗和扩展性等问题的限制，加上在需要提供位置感知服务的无线传感器网络的大部分应用中，使用环境都是在室内，无法接收到GPS信号，所以需要设计合适的室内定位算法来实现无线传感器网络节点的自定位。 

从算法实现方法来看，定位技术可以分为两大类：集中式定位和分布式定位。 

集中式定位是将各信标节点信息和盲节点信息传递汇聚节点，并在那里进行定位计算。优点是汇聚节点的功能强大，计算量和存储量相对于普通的传感器节点来说都非常大，可以执行较为复杂的定位算法及其优化算法，对提高定位精度很有帮助；缺点是定位存在固有延时，汇聚节点附近的节点会因为通信量过大而造成阻塞或能耗过大。若采用分布式定位是将计算盲节点位置的工作直接放在盲节点上完成，可以克服前面所述的集中式计算的缺点，具有良好的实时性和扩展性，特别适用于大规模的网络，但由于传感器节点硬件资源有限，对定位算法的复杂度有所限制。 

另外从算法采用的技术手段来看，定位技术可以分为：基于距离的算法(range-based)和免测距算法(range-free)。基于距离的定位机制是通过测量相邻节点间的实际距离或方位来计算未知节点的位置，定位精度相对较高，但对节点硬件要求较高，定位效果易受环境因素的影响。免测距定位机制对节点间的距离进行估计或确定包含盲节点的可能区域来确定盲节点的位置，节点硬件的成本、体积和能量消耗减少了，但定位误差大。 

室内定位有着广大的应用前景，研究者们一直致力于这一领域的研究，事实上，已有许多成功的室内定位***。1992年AT&T Laboratories Cambridge开发出Active Badge定位***是最早为大楼内定位而设计的室内定位***，由便携设备Badge发出红外光进行定位。因为红外光不能穿过墙壁，所以每个房间就是Badge所能分辨的最小单位，定位精度不高。Ward等人研究的Active Office***使用的超声波定位，定位精度非常高，但需要设置超声波接收器阵列，硬件成本高，不适合大规模的一般应用。Radar定位***采用了情景分析技术，将接收到的信标节点的信号特征和事先测量的特征相比较，来对盲节点进行定位。但这种***需要提前离线完成，对实际应用往往不容易实现。Cricket定位***基于超声波和射频信号的到达时间差来实现定位，但盲节点只知道自身的位置，无法获取其它盲节点的位置。目前这些室内定位***的应用场景都有其局限性，通用性较差。 

本发明针对这种现状，结合室内定位应用的特点和无线传感器网络的特点，提出一种基于无线传感器网络，结合集中式定位和分布式定位、基于距离的定位和与距离无关的定位等定位算法的优点的室内定位方法，通用性较好，并可根据实际应用场景和需求选择不同的定位算法组件，有效实现室内静止或运动节点的定位。 

发明内容

本发明提供的是一种结合集中式定位和分布式定位、基于距离的定位和与距离无关的定位等定位算法的优点的室内定位方法，适合各种规模的基于传感器网络的室内定位应用，选择性和扩展性均良好。此室内定位方法所要求的***基本组成和工作原理如图1所示。 

如图1所示，本基于无线传感器网络的室内定位方法所要求的***主要由信标节点、盲节点和汇聚节点三部分组成，盲节点由需要定位的目标携带或安装在该目标上，节点之间通过射频信号进行信息交互。信标节点统一固定布设在室内环境的天花板上或地板上，其位置已预先测的，并存储在节点内部。盲节点1与其传播范围内的多个信标节点进行信息交互，获取足够的信息后通过盲节点上的分布式定位算法计算出盲节点的粗定位结果，将该粗定位结果传递给离盲节点最近的信标节点A，信标节点A选择路由经由其它信标节点将定位结果传递给汇聚节点3，汇聚节点按时间轴存储各盲节点的粗定位结果，并选用合适的集中式定位优化算法计算出细定位结果。 

本***中的信标节点、盲节点和汇聚节点都是传感器节点。 

本发明所述的基于无线传感器网点室内定位方法，其特征在于包括以下部分： 

A，盲节点上实现分布式定位，得到一个实时的粗定位结果； 

利用基于距离的定位算法(range-based)和与距离无关的定位算法(range-free)相结合的分布式算法计算出盲节点的粗定位结果。 

考虑到传感器节点的硬件资源有限性，基于距离的定位算法中选用不需要添加任何硬件外设的RSSI测距方法，与距离无关的定位算法中选用较易实现的质心定位算法。 

在根据RSSI测距前，先对RSSI值进行筛选和平均处理，减少RSSI的抖动对测距的影响：盲节点在连续接收到10个以上的来自同一信标节点的应答消息，并存储了至少10个来至该信标节点的RSSI值后，将这些RSSI值进行排序，去除最大和最小的各2个值，剩下的6个RSSI值进行平均，这样得到的平均值作为盲节点到该盲节点的平均RSSI值存储，最后根据此平均RSSI值计算出盲节点到信标节点之间的距离值。 

需进一步提高定位精度时，可考虑：盲节点将接收到的信标节点坐标和平均RSSI值结合考虑，由于信标节点一般情况下都是固定拓扑分布的，如果是按图1所示的矩阵拓扑布设，则在一条水平线或垂直线上的信标节点到同一盲节点的RSSI值应该是按坐标位置由小到大、再由大到小变化的，如果某个信标节点的RSSI值不符合这种规律，则剔除该信标节点，即该信标节点不参与定位。 

具体的剔除原则根据信标节点的布设拓扑而定。 

然后按以下规则选择分布式定位算法： 

当盲节点接收到的信标节点个数为3时，直接利用三边定位算法计算出盲节点的位置； 

当盲节点接收到的信标节点个数为4时，直接利用极大似然估计定位算法算出盲节点的位置； 

当盲节点接收到的信标节点个数大于4时，利用其中的任意4个信标节点的信息和极大似然估计定位算法计算出盲节点的位置，这样的定位结果有C_m ⁴种，再计算这C_m ⁴个定位结果的质心作为粗定位结果。此步骤中的质心定位法属于与距离无关的定位算法； 

当盲节点接收到的信标节点个数大于6时，只选择与盲节点距离最近的6个信标节点信息参与分布式定位。 

如需要进一步提高定位精度，还需做如下处理： 

根据合适的分布式定位计算出粗定位结果后，计算定位结果和各信标节点之间的距离值，比较计算出的距离值和盲节点中原本存储的与各信标节点之间的距离值进行比较，两者误差 过大的信标节点不参与定位，剔除该信标节点信息，重新按上述分布式定位算法进行重新定位，定位结果作为最终的粗定位结果。 

本发明中的分布式定位部分的特征还在于盲节点周期性进行分布式定位，每次定出一个粗定位结果就将其传送给汇聚节点。分布式定位的周期根据盲节点的移动速度而定，盲节点运动的越快，分布式定位的周期越短，相反，盲节点运动的越慢，分布式定位的周期越长。 

B，汇聚节点源源不断的接收到盲节点的粗定位结果，按时间轴存储各盲节点的粗定位结果，并通过集中式定位优化算法，得到最后的细定位结果。 

汇聚节点根据盲节点的历史定位结果和盲节点的最大移动速度，剔除定位误差过大的粗定位结果，提高定位精度。 

需进一步提高定位精度时，其特征在于还可以采取滑窗滤波法： 

汇聚节点根据粗定位结果和测量时间间隔估计盲节点的移动平均速度 

并随测量时间轴的增加而实时更新此平均值。汇聚节点设置一滑窗，滑窗的长度和盲节点的速度 

成反比，然后取滑窗长度的粗定位结果的平均值作为当前的细定位结果。也即运动速度越快的盲节点，用于求其细定位结果的粗定位结果在时间轴上的长度越短，反之运动速度越慢的盲节点，用于求其细定位结果的粗定位结果中时间轴上的长度越长。 

若还需更进一步提高定位精度，还可以根据汇聚节点的硬件资源情况和定位的实时性要求采取其它更复杂的定位优化算法，如采用卡尔曼滤波器对盲节点的位置进行预测估计和滤波。 

本发明的特点在于能有效结合集中式和分布式定位、基于距离的定位和与距离无关的定位的优点，并且各部分都是可分离的，可根据节点资源、网络流量限制和定位精度要求来合理选择其中的不同定位算法组件，从而达到不同室内定位应用环境的需求，可扩展性强。 

附图说明

图1为本发明的应用场景示意图； 

图2为本发明中RSSI与距离的关系示意图； 

图3为本发明中结合信标节点坐标筛选RSSI值示意图； 

图4为本发明中的分布式定位部分使用的三边定位法示意图； 

图5为本发明中的分布式定位部分使用的极大似然估计定位法示意图。 

所述的图1中的各标号说明如下：1盲节点，2信标节点，3汇聚节点，4定位信 息交互，5定位结果转发，6不同规格房间，7零散障碍物，8门窗。 

具体实施方式

为使本发明的应用、方案和优点更加清楚，以下结合附图及实施例，对本发明的基于无线传感器网点室内定位***及其实现进行进一步详细说明。 

针对室内定位环境的特点，即室内定位环境复杂，可能存在如图1中所示的6表示的不同规格房间、7表示的零散障碍物和8表示的门窗等室内建筑结构对信号传播的影响等，本发明设计了一种基于无线传感网点室内定位方法。 

本发明所述的定位方法用到三类节点：信标节点、盲节点和汇聚节点；信标节点是位置已知的传感器节点；盲节点是位置未知的传感器节点，盲节点通过与邻近的信标节点通信，获得相关信息并根据分布式定位算法计算自身的位置；汇聚节点是传感器网络的中心节点，或者是定位网络的处理中心，接收盲节点的粗定位结果，利用集中式定位优化算法得出细定位结果；在所述盲节点上实现分布式定位，得到一个实时的粗定位结果；在所述的汇聚节点上实现集中式定位，得到最后的细定位结果。 

下面结合附图，对本发明所述的基于无线传感网点室内定位***的具体实施进行详细说明。 

A，盲节点利用基于距离的定位算法(range-based)和与距离无关的定位算法(range-free)相结合的分布式算法计算出盲节点的粗定位结果； 

考虑到传感器节点的硬件资源有限性，基于距离的定位算法中选用不需要添加任何硬件外设的RSSI测距方法，与距离无关的定位算法中选用较易实现的质心定位算法。 

由于信号的路径损耗和传播距离存在一定的规律，理论上满足关系： 

$\mathrm{PL}\left(d\right)=\mathrm{PL}\left(d_0\right)+10\mathrm{nlg}\left(\frac{d}{d_0}\right)+X_{\mathrm{\σ}}$

其中，PL(d)为经过距离d后的路径损耗(dBm)； 

d₀为参考距离，通常取1m； 

PL(d₀)为经过距离d₀后的路径损耗(dBm)； 

X_σ是均值为0、标准差为σ的高斯分布随机变量，一般情况下X_σ＝4～10。 

接收端信号强度为P_r(d)＝P_t+天线增益-PL(d)，其中P_t为发射信号功率，则 RSSI＝P_r(d)＝P_t+天线增益-PL(d)，也即RSSI值和距离存在一定的等量关系，根据传感器节点的RSSI，即可对应求出接收节点和发送节点之间的距离。 

但在根据RSSI测距前，考虑到室内环境的复杂性，如存在图1中所示的6(不同规格的房间)、7(零散障碍物)和8(门窗等固定设施)等因素的影响，导致信号传播过程中存在反射、折射、干涉、多径和阴影效应等情况，RSSI值相应的存在较大的误差和摆动，如图2所示。因此先对RSSI值进行筛选和平均处理，减少RSSI的抖动对测距的影响： 

盲节点在连续接收到10个以上的来自同一信标节点的应答消息，并存储了至少10个来至该信标节点的RSSI值后，将这些RSSI值进行排序，去除最大和最小的各2个值，剩下的6个RSSI值进行平均，这样得到的平均值作为盲节点到该盲节点的平均RSSI值存储，最后根据此平均RSSI值计算出盲节点到信标节点之间的距离值。 

需进一步提高定位精度时，可考虑：盲节点将接收到的信标节点坐标和平均RSSI值结合考虑，由于信标节点一般情况下都是固定拓扑分布的，如果是按图1所示的矩阵拓扑布设，则在一条水平线或垂直线上的信标节点到同一盲节点的RSSI值应该是按坐标位置由小到大、再由大到小变化的(如图3所示)，如果某个信标节点的RSSI值不符合这种规律，则剔除该信标节点，即该信标节点不参与定位。 

具体的剔除原则根据信标节点的布设拓扑而定。 

然后按以下规则选择分布式定位算法： 

当盲节点接收到的信标节点个数为3时，直接利用三边定位算法计算出盲节点的位置； 

当盲节点接收到的信标节点个数为4时，直接利用极大似然估计定位算法算出盲节点的位置； 

当盲节点接收到的信标节点个数大于4时，利用其中的任意4个信标节点的信息和极大似然估计定位算法计算出盲节点的位置，这样的定位结果有C_m ⁴种，再计算这C_m ⁴个定位结果的质心作为粗定位结果。此步骤中的质心定位法属于与距离无关的定位算法； 

当盲节点接收到的信标节点个数大于6时，只选择与盲节点距离最近的6个信标节点信息参与分布式定位。 

其中当盲节点接收到的信标节点个数为4时，直接利用极大似然估计定位算法算出盲节点的位置，而不是从4个信标节点中选出任意3个信标节点，利用三边定位法计算出C₄ ³个定位结果，再计算这C₄ ³个定位结果的质心作为最后的粗定位结果的原因是，极大似然估计定位 算法计算出的结果在理论上是以最小平均误差的方式满足所有信标节点的约束的，也即计算出的定位结果的误差在均方意义上是最小的。 

其中的三边定位算法的定位原理如图4所示，A、B、C是信标节点，坐标分别为(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，D为盲节点，假设坐标为(x，y)。已知盲节点到信标节点A、B、C的距离分别为d₁、d₂、d₃，理想状态下盲节点应处于以各信标节点为圆心的圆上，这些圆的交点即为盲节点的位置。 

根据距离计算公式列出方程组 

$\left\{\begin{array}{c}{(x-x_1)}^2+{(y-y_1)}^2=d_1^2\\ {(x-x_2)}^2+{(y-y_2)}^2=d_2^2\\ {(x-x_3)}^2+{(y-y_3)}^2=d_3^2\end{array}\right.$

将上列方程组的第一、二个方程分别减去第三个方程，消去未知数的二次项后得到 

$\left\{\begin{array}{c}{x_1}^2-{x_3}^2-2{(x_1-x_3)}^{2}x+{y_1}^2-{y_3}^2-2{(y_1-y_3)}^{2}y=d_1^2-d_3^2\\ {x_2}^2-{x_3}^2-2{(x_2-x_3)}^{2}x+{y_2}^2-{y_3}^2-2{(y_2-y_3)}^{2}y=d_2^2-d_3^2\end{array}\right.$

将上式整理并改写为矩阵形式，则(x，y)的求解公式可表示为： 

$\left[\begin{array}{c}x\\ y\end{array}\right]={\left[\begin{array}{cc}2(x_1-x_3)& 2(y_1-y_3)\\ 2(x_2-x_3)& 2(y_2-y_3)\end{array}\right]}^{-1}\left[\begin{array}{c}{x}_1^2-x_3^2+y_1^2-y_3^2+d_3^2-d_1^2\\ x_2^2-x_3^2+y_2^2-y_3^2+d_3^2-d_2^2\end{array}\right]$

如果距离测量值完全准确，那么所有的圆将交于同一点，即盲节点的坐标，但实际信号传播环境中存在的多径效应、非视距传播及节点的处理延时等问题使得距离测量值存在误差，方程组可能无解。考虑到当参与定位的信标节点个数超过方程组中未知数的个数(未知数即为盲节点的坐标x和y)时，能通过充分利用冗余信息的极大似然估计来获得此类方程组较高精度的定位解。 

如图5所示，盲节点D获取多个(≥4)信标节点的坐标信息和与它们之间的距离信息来进行盲节点的自定位。 

所得方程组为： 

$\left\{\begin{array}{c}{(x-x_1)}^2+{(y-y_1)}^2=d_1^2\\ .\\ .\\ .\\ {(x-x_N)}^2+{(y-y_N)}^2=d_N^2\end{array}\right.$

整理得AX＝b，其中 

$A=\left[\begin{array}{ccc}2(x_1-x_N)& & 2(y_1-y_N)\\ & .& \\ & .& \\ & .& \\ 2(x_{N-1}-x_N)& & 2(y_{N-1}-y_N)\end{array}\right]$ $X=\left[\begin{array}{c}x\\ y\end{array}\right]$ $b=\left[\begin{array}{c}{x_1}^2-{x_N}^2+{y_1}^2-{y_N}^2+{d_N}^2-{d_1}^2\\ .\\ .\\ .\\ {x_{N-1}}^2-{x_N}^2+{y_{N-1}}^2-{y_N}^2+{d_N}^2-{d_{N-1}}^2\end{array}\right]$

使用标准均方差估计得到 $\hat{X}={\left(A^{T}A\right)}^{-1}{A}^{T}b$

这样计算得到的盲节点坐标以最小平均误差的方式满足所有n个信标节点对它的约束，即使‖AX-b‖₂ ²最小(‖·‖₂是2的范数)。 

如需要进一步提高定位精度，还需做如下处理： 

根据合适的分布式定位计算出粗定位结果后，计算定位结果和各信标节点之间的距离值，比较计算出的距离值和盲节点中原本存储的与各信标节点之间的距离值进行比较，两者误差过大的信标节点不参与定位，剔除该信标节点信息，重新按上述分布式定位算法进行重新定位，定位结果作为最终的粗定位结果。 

本发明中的分布式定位部分的特征还在于盲节点周期性进行分布式定位，每次定出一个粗定位结果就将其传送给汇聚节点。分布式定位的周期根据盲节点的移动速度而定，盲节点运动的越快，分布式定位的周期越短，相反，盲节点运动的越慢，分布式定位的周期越长。 

B，汇聚节点源源不断的接收到盲节点的粗定位结果，按时间轴存储各盲节点的粗定位结果，并通过集中式定位优化算法，得到最后的细定位结果。 

汇聚节点根据盲节点的历史定位结果和盲节点的最大移动速度，剔除定位误差过大的粗定位结果，提高定位精度。 

需进一步提高定位精度时，其特征在于还可以采取滑窗滤波法： 

汇聚节点根据粗定位结果和测量时间间隔估计盲节点的移动平均速度 

并随测量时间轴的增加而实时更新此平均值。汇聚节点设置一滑窗，滑窗的长度和盲节点的速度 

成反比，然后取滑窗长度的粗定位结果的平均值作为当前的细定位结果。也即运动速度越快的盲节点，用于求其细定位结果的粗定位结果在时间轴上的长度越短，反之运动速度越慢的盲节点，用于求其细定位结果的粗定位结果中时间轴上的长度越长。 

若还需更进一步提高定位精度，还可以根据汇聚节点的硬件资源情况和定位的实时性要求采取其它更复杂的定位优化算法，如采用卡尔曼滤波器对盲节点的位置进行预测估计和滤波。 

本发明的最大特点在于此室内定位算法所述的分布式定位部分(A)和集中式定位部分(B)是可分离的，分离原则如下所示： 

如果盲节点硬件资源有限，可以考虑直接将盲节点上收集到的信息经过如权利5或权利7所描述的筛选方法筛选后，直接传送给汇聚节点，由汇聚节点进行统一的集中式定位； 

如果盲节点硬件资源足够，而网络流量控制有限或定位实时性要求较高，而对定位精度要求不是很高，可以不需要经过汇聚节点的集中式定位优化，而直接使用分布式定位得到的粗定位结果作为盲节点的最终定位坐标。 

同样，分布式定位部分和集中式定位部分中所描述的各种定位算法和优化算法都是可以根据实际室内定位应用场景的需求和限制做合适的选择，因此本发明的适用性非常好，可应用于各种规模要求的室内定位***中。 

Claims (7)

1.一种基于无线传感器网络的室内定位方法，其特征在于该定位方法包括三类节点：信标节点、盲节点和汇聚节点；信标节点是位置已知的传感器节点；盲节点是位置未知的传感器节点，盲节点通过与邻近的信标节点通信，获得相关信息并根据分布式定位算法计算自身的位置；汇聚节点是传感器网络的中心节点，或者是定位网络的处理中心，接收盲节点的粗定位结果，利用集中式定位优化算法得出细定位结果；在所述盲节点上实现分布式定位，得到一个实时的粗定位结果；在所述的汇聚节点上实现集中式定位，得到最后的细定位结果；

所述的盲节点上实现分布式定位利用基于距离的定位算法和与距离无关的定位算法相结合的分布式算法计算出盲节点的粗定位结果；基于距离的定位算法部分采用接收信号强度指示RSSI进行测距，利用RSSI和距离之间的非线性关系，根据RSSI值判断盲节点与相应信标节点之间的距离值；盲节点在连续接收到10个以上的来自同一信标节点的应答消息，并存储了至少10个来自该信标节点的RSSI值后，将这些RSSI值进行排序，去除最大和最小的各2个值，剩下的6个RSSI值进行平均，这样得到的平均值作为盲节点到该信标节点的平均RSSI值存储，最后根据此平均RSSI值计算出盲节点到信标节点之间的距离值；

所述的汇聚节点上实现集中式定位是汇聚节点根据接收到的盲节点的粗定位结果使用各种定位优化算法，获取更精确的细定位结果；汇聚节点按时间轴存储各个盲节点的粗定位结果，然后根据盲节点的历史定位结果和盲节点的最大移动速度，剔除定位误差过大的粗定位结果，提高定位精度；或者定位优化方法为滑窗滤波法：汇聚节点根据粗定位结果和测量时间间隔估计盲节点的移动平均速度

并随测量时间轴的增加而实时更新此平均速度

汇聚节点设置一滑窗，滑窗的长度和盲节点的平均速度

成反比，然后取滑窗长度的粗定位结果的平均值作为当前的细定位结果，也即运动速度越快的盲节点，用于求其细定位结果的粗定位结果在时间轴上的长度越短，反之运动速度越慢的盲节点，用于求其细定位结果的粗定位结果在时间轴上的长度越长；或者定位优化方法根据汇聚节点的硬件资源情况和定位的实时性要求采取其它更复杂的定位优化算法，所述更复杂的定位优化算法为采用卡尔曼滤波器对盲节点的位置进行预测估计和滤波。

2.根据权利要求1所描述的基于无线传感器网络的室内定位方法，其特征在于在计算出盲节点与信标节点的距离后，按以下规则选择分布式定位算法：

当盲节点接收到的信标节点个数为3时，直接利用三边定位算法计算出盲节点的位置；

当盲节点接收到的信标节点个数为4时，直接利用极大似然估计定位算法算出盲节点的位置；

当盲节点接收到的信标节点个数大于4时，利用其中的任意4个信标节点的信息和极大似然估计定位算法计算出盲节点的位置，这样的定位结果有

种，再计算这

个定位结果的质心作为粗定位结果；此步骤中的质心定位法属于与距离无关的定位算法；

m为盲节点接收到的信标节点个数；

当盲节点接收到的信标节点个数大于6时，只选择与盲节点距离最近的6个信标节点信息参与分布式定位。

3.根据权利要求1所描述的基于无线传感器网络的室内定位方法，其特征在于所述的基于距离定位算法在筛选合适的RSSI值时，采取下面的方法：

盲节点将接收到的信标节点坐标和平均RSSI值结合考虑，由于一般情况下都是固定拓扑分布的，按规定的矩阵拓扑布设，则在一条水平线或垂直线上的信标节点到同一盲节点的RSSI值应该是按坐标位置由小到大、再由大到小变化的，如果某个信标节点的RSSI值不符合这种规律，则剔除该信标节点，即该信标节点不参与定位。

4.根据权利要求1所描述的基于无线传感器网络的室内定位方法，其特征在于根据合适的分布式定位计算出粗定位结果后，计算定位结果和各信标节点之间的距离值，比较计算出的距离值和盲节点中原本存储的与各信标节点之间的距离值进行比较，两者误差过大的信标节点不参与定位，剔除该信标节点信息，进行重新定位，定位结果作为最终的粗定位结果。

5.根据权利要求1所描述的基于无线传感器网络的室内定位方法，其特征还在于网络中的信标节点是固定布设的，一般情况下均匀布设，在实际应用时根据实际应用场景的复杂性调整信标节点的布设密度；而盲节点是室内静止或移动的任意节点。

6.根据权利要求1所描述的基于无线传感器网络的室内定位方法，其特征在于盲节点周期性进行分布式定位，定位的周期根据盲节点的移动速度而定，盲节点运动的越快，分布式定位的周期越短，相反，盲节点运动的越慢，分布式定位的周期越长；盲节点每次定出一个粗定位结果就将其传送给汇聚节点，也即汇聚节点会源源不断的接收到盲节点的粗定位结果。

7.根据权利要求1或3所描述的基于无线传感器网络的室内定位方法，其特征在于分布式定位部分和集中式定位是可分离的，分离原则如下所示：

如果盲节点硬件资源有限，考虑直接将盲节点上收集到的信息经过筛选方法筛选后，直接传送给汇聚节点，由汇聚节点进行统一的集中式定位；

如果盲节点硬件资源足够，而网络流量控制有限或定位实时性要求较高，而对定位精度要求不是很高，不需要经过汇聚节点的集中式定位优化，而直接使用分布式定位得到的粗定位结果作为盲节点的最终定位坐标。

Images