CN103997717A - 一种实时室内定位***及方法 - Google Patents
一种实时室内定位***及方法 Download PDFInfo
- Publication number
- CN103997717A CN103997717A CN201410259297.3A CN201410259297A CN103997717A CN 103997717 A CN103997717 A CN 103997717A CN 201410259297 A CN201410259297 A CN 201410259297A CN 103997717 A CN103997717 A CN 103997717A
- Authority
- CN
- China
- Prior art keywords
- rssi
- value
- formula
- data
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000005284 excitation Effects 0.000 claims description 15
- 230000006854 communication Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及一种实时室内定位***及方法,该方法包括:1、在间隔时间段内,读卡器连续采集标签的RSSI数据;2、将RSSI数据存储于缓冲区,构成RSSI数据序列S;3、判断所述RSSI数据序列S是否收敛,是则转步骤6,否则转步骤4;4、预测RSSIi值,预测协方差;5、更新RSSIi值,更新协方差,转步骤3;6、更新缓冲区中的RSSI数据序列;7、对更新后的RSSI数据序列进行归一化中位加权处理,得到对应的信号数据RSSIend;8、用对数-距离路径损耗模型进行RSSIend距离估计;9、将估计的距离作为质心定位算法的输入来计算质心,质心即是目标节点的坐标。该***及方法定位精度高,稳定性强。
Description
技术领域
本发明涉及室内定位技术领域,特别涉及一种实时室内定位***及方法。
背景技术
随着无线射频识别(RFID)技术的发展,RFID设备的成本越来越便宜,性能越来越高。RFID技术已走向大规模应用,被广泛采用于会议管理、考勤管理、资产跟踪、重刑犯人监管及精神病人管理等。而利用RFID***信号强度及标签的唯一性应用于目标物体的室内位置服务计算是一个有广阔前景的挑战性领域,精确定位能为决策支持提供非常重要的信息服务。
室外位置服务的计算通常采用GPS或北斗定位方法,但却不适合室内环境,因为复杂的室内环境使信号传播变得异常复杂。基于RFID的室内定位能够充分利用现有的网络设施,实现定位任务。相对于传统定位技术,它不需要额外的硬件来实现角度测量和时间同步。RFID定位***受节点形状、放置方向、物体遮挡、反射、漫射、天线增益等因素的影响,使得传输数据不仅混杂幅度较小且数量较多的随机误差,而且还产生了因信号传输障碍等因素造成的测距误差(显著误差,gross
errors),这二种误差使基于信号强度的定位***可能产生不可忍受的定位误差。
目前已经有许多基于RFID的接收信号强度(RSSI)室内定位的典型研究。SpotON利用至少三个读卡器基于RSSI进行三边测距法对标签进行定位研究,其误差在3m左右。LANDMARC创新性的引入参考标签作为定位辅助,是一种经典的最近邻居室内定位算法,其定位误差大约在2m。LPM方法采用参考标签与读卡器同步定位的方法,定位的误差也在3m。Bekkali等采用多标签构成一种概率映射的方式,结合卡尔曼滤波对目标进行定位,其误差在0.5m到5m的范围,跳跃性非常大。Apostolia等提出了一种基于推理的定位机制。Festa等人提出了一种材料跟踪与室内定位的方法,其误差精度在1m到1.9m之间。Zou等研究者提出加权路径损失具有非常好的定位性能。
发明内容
本发明的目的在于提供一种实时室内定位***及方法,该***及方法定位精度高,稳定性强。
为实现上述目的,本发明的技术方案是:一种实时室内定位***,包括:
硬件层,包括定位激发器Exciter、读卡器Reader和设于移动目标物体上的标签tag,所述定位激发器Exciter设置于各区域入口,作为移动标签tag出入区域的标识,定位激发器Exciter将区域位置ID标识传送给可达范围内的标签tag;各区域内布设有若干所述读卡器Reader,所述读卡器Reader用于接收标签tag发送的区域位置ID与本身的ID,并转发至通信层;
通信层,用于在获取硬件层发送的数据后,依据相关设备通讯协议进行解析得到可被理解的数据;
数据获取层,用于对解析后的数据进行清洗及预处理;
位置计算层,用于根据清洗及预处理后的数据进行标签tag位置计算;
应用层,用于将位置计算层的计算结果展示给用户。
本发明还提供一种实时室内定位方法,包括以下步骤:
步骤S1:在间隔时间段∆t内,读卡器连续采集设于移动目标物体上的标签tag的RSSI数据;
步骤S2:将采集到的RSSI数据存储于内存缓冲区,构成RSSI数据序列S={RSSI1,
RSSI2, …, RSSIn};
步骤S3:判断所述RSSI数据序列S是否收敛,是则转步骤S6,否则转步骤S4;
步骤S4:预测RSSIi 值,预测协方差,转步骤S5;
步骤S5:更新RSSIi 值,更新协方差,返回步骤S3;
步骤S6:更新内存缓冲区中的RSSI数据序列;
步骤S7:对更新后的RSSI数据序列进行归一化中位加权处理,得到对应的信号数据RSSIend ;
步骤S8:用对数-距离路径损耗模型进行RSSIend 距离估计;
步骤S9:将估计的距离作为质心定位算法的输入来计算质心,质心即是目标节点的坐标。
进一步的,在步骤S4中,采用下式(1)预测RSSIi 值:
(1)
式中,X(k|k-1)是利用上一时刻(k-1)预测的结果计算得到的当前时刻(k-1)的RSSIi 值,X(k-1|k-1)是上一时刻(k-1)的最优预测值,F和B是***参数;U(k)为现在状态的控制量。
进一步的,在步骤S4中,采用下式(2)预测协方差:
(2)
式中P(k|k-1)是X(k|k-1)对应的协方差,P(k-1|k-1)是X(k-1|k-1)对应的协方差,FT 是转置矩阵,Q是***噪声。
进一步的,在步骤5中,采用下式(3)更新RSSIi 值:
(3)
式中Z(k)是k时刻的测量值,H是***参数。
进一步的,在步骤S5中,采用下式(4)、(5)更新协方差:
(4)
(5)
式(4)中R是测量数据的噪声;这样每次P(k|k)和kg (k)都需要前一时刻的值来更新,递归的估计下去,直到序列收敛。
进一步的,在步骤S7中,按如下方法对更新后的RSSI数据序列进行归一化中位加权处理:
在RSSI数据序列中,找到中位值MRSSI ,然后以此中位值MRSSI 为基础计算每一个RSSIi 值的权值:
(6)
(7)
(8)
其中,Di 为方差;
将序列中每一个信号的RSSIi 值与对应的Wi 相乘,并进行累加,公式如下:
(9)
这样,得到的RSSIend 就作为两节点之间的RSSI值输出。
进一步的,在步骤S8中,用对数-距离路径损耗模型进行RSSIend 距离估计的方法如下:
自由空间无线电传播路径损耗模型:
(10)
式(10)中d为距信源的距离,单位为m;f为频率,单位为MHz;k为路径衰减因子;
对数-距离路径损耗模型:
(11)
式(11)中,Loss(d)表示经过了距离d后的路径损耗,单位为dBm;Loss(d 0)表示经过了距离d 0(通常取1m)后的路径损耗,单位为dBm;X σ 为均值为零且方差为σ 2的高斯随机分布函数,n为无线电传播路径损耗系数;
选择对数-距离路径损耗模型;
由式(11)可以推导如下式子:
(12)
式(12)中,A表示当距离d 0为1m的时候,节点接收到的RSSI,RSSIend 为式子(9)得到的信号处理值。
进一步的,在步骤S9中,质心的计算方法如下:
设目标节点的坐标为(x, y),三个锚节点的坐标以及接收到的RSSIend 对应为:
(a 1, b 1),RSSI 1;(a 2, b 2),RSSI 2;(a 3, b 3),RSSI 3;
接着,列出如下式子:
(13)
同时,令
i = 1,2,3 (14)
(15)
将以上转换为:
(16)
令:
,,
则有:
(17)
得最小二乘解:
(18)
最终中的(x, y)就是***所预测的坐标。
本发明的有益效果是提出了一种实时室内定位***及方法,该***及方法通过对接收到的RSSI序列进行协方差预测,迭代平滑随机误差;利用中位加权机制,抑制了显著误差的影响,利用距离路径损耗模型,得到衰落曲线,并计算出估计距离;利用质心求解方法得到目标节点位置,具备相当好的定位精度和稳定性,具有很强的实用性和广阔的应用前景。
附图说明
图1是本发明实施例的***结构示意图。
图2是本发明实施例的方法实现流程图。
图3是本发明实施例的实验配置拓扑图。
图4是本发明实施例的实验结果比较示意图。
具体实施方式
本发明实时室内定位***,如图1所示,包括:
硬件层,包括定位激发器Exciter、读卡器Reader和设于移动目标物体上的标签tag,所述定位激发器Exciter设置于各区域入口,作为移动标签tag出入区域的标识,定位激发器Exciter使用低频感应技术将区域位置ID标识传送给可达范围内的标签tag;各区域内布设有若干所述读卡器Reader,所述读卡器Reader用于接收标签tag发送的区域位置ID与本身的ID,并转发至通信层;
通信层,用于在获取硬件层发送的数据后,依据相关设备通讯协议进行解析得到可被理解的数据;
数据获取层,用于对解析后的数据进行清洗及预处理;
位置计算层,用于根据清洗及预处理后的数据进行标签tag位置计算;
应用层,用于以图形界面将位置计算层的计算结果展示给用户。
本发明还提供了与上述***相适应的实时室内定位方法,如图2所示,包括以下步骤:
步骤S1:在间隔时间段∆t内,读卡器连续采集设于移动目标物体上的标签tag的RSSI数据。
步骤S2:将采集到的RSSI数据存储于内存缓冲区,构成RSSI数据序列S={RSSI1,
RSSI2, …, RSSIn}。
步骤S3:判断所述RSSI数据序列S是否收敛,是则转步骤S6,否则转步骤S4。
步骤S4:预测RSSIi 值,预测协方差,转步骤S5。
在步骤S4中,采用下式(1)预测RSSIi 值:
(1)
式中,X(k|k-1)是利用上一时刻(k-1)预测的结果计算得到的当前时刻(k-1)的RSSIi 值,X(k-1|k-1)是上一时刻(k-1)的最优预测值,F和B是***参数,对于多模型***,F和B为矩阵;U(k)为现在状态的控制量。
采用下式(2)预测协方差:
(2)
式中P(k|k-1)是X(k|k-1)对应的协方差,P(k-1|k-1)是X(k-1|k-1)对应的协方差,FT 是转置矩阵,Q是***噪声。
步骤S5:更新RSSIi 值,更新协方差,返回步骤S3。
在步骤5中,采用下式(3)更新RSSIi 值:
(3)
式中Z(k)是k时刻的测量值,H是***参数,对于多测量***,H为矩阵;由上面分析可知为了实现递归,每次的kg 都是实时更新的。
采用下式(4)、(5)更新协方差:
(4)
(5)
式(4)中R是测量数据的噪声;这样每次P(k|k)和kg (k)都需要前一时刻的值来更新,递归的估计下去,直到序列收敛。
步骤S6:更新内存缓冲区中的RSSI数据序列。
步骤S7:对更新后的RSSI数据序列进行归一化中位加权处理,得到对应的信号数据RSSIend 。
在步骤S7中,按如下方法对更新后的RSSI数据序列进行归一化中位加权处理:
在RSSI数据序列中,找到中位值MRSSI ,然后以此中位值MRSSI 为基础计算每一个RSSIi 值的权值:
(6)
(7)
(8)
其中,Di 为方差,很明显,如果RSSIi 和MRSSI 相差越大,加权系数Wi 越小,而当RSSIi 和MRSSI 相等时,Wi 最大;
将序列中每一个信号的RSSIi 值与对应的Wi 相乘,并进行累加,公式如下:
(9)
这样,得到的RSSIend 就作为两节点之间的RSSI值输出。
采用基于中位值加权方法具有一定的优势:一方面,以中位值为基础计算权值时,包含显著误差的RSSI值将被赋予非常小的权值,累加时会被忽略,这样就删去了一些显著误差信号点,而没有过于简单的剔除显著误差数据;另一方面,通过累加可以去掉一大部分的随机误差。
步骤S8:用对数-距离路径损耗模型进行RSSIend 距离估计。
在步骤S8中,用对数-距离路径损耗模型进行RSSIend 距离估计的方法如下:
由于无线信号在传播过程中存在多径、绕射、障碍物等因素,一般采用自由空间无线电传播路径损耗模型和对数-距离路径损耗模型;
自由空间无线电传播路径损耗模型:
(10)
式(10)中d为距信源的距离,单位为m;f为频率,单位为MHz;k为路径衰减因子;
对数-距离路径损耗模型:
(11)
式(11)中,Loss(d)表示经过了距离d后的路径损耗,单位为dBm;Loss(d 0)表示经过了距离d 0(通常取1m)后的路径损耗,单位为dBm;X σ 为均值为零且方差为σ 2的高斯随机分布函数,n为无线电传播路径损耗系数,取2~3;
考虑到现实环境的极度复杂性以及锚节点的分散性, 无线电传播路径损耗与理论上的值并不贴近,很大程度上影响最终的精度,所以选择对数-距离路径损耗模型;
由式(11)可以推导如下式子:
(12)
式(12)中,A表示当距离d 0为1m的时候,节点接收到的RSSI,RSSIend 为式子(9)得到的信号处理值。
步骤S9:将估计的距离作为质心定位算法的输入来计算质心,质心即是目标节点的坐标。
在步骤S9中,质心的计算方法如下:
设目标节点的坐标为(x, y),三个锚节点的坐标以及接收到的RSSIend 对应为:
(a 1, b 1),RSSI 1;(a 2, b 2),RSSI 2;(a 3, b 3),RSSI 3;
接着,列出如下式子:
(13)
同时,令
i = 1,2,3 (14)
(15)
将以上转换为:
(16)
令:
,,
则有:
(17)
得最小二乘解:
(18)
最终中的(x, y)就是***所预测的坐标。
下面结合附图及具体实施例对本发明作进一步的详细说明。
为了证实该算法在复杂的室内环境具有良好的精确度和稳定性,选择电脑信号干扰多、人员走动频繁、物品摆设多的软件大楼506-A实验室作为测试场所。
测试硬件包括多个定位激发器(目标节点)、一台PC机和3个读卡器(即锚节点)。定位激发器是SYEXS1-LF1,工作频率是125KHZ,数据接口是RS485,激发距离是0.5~10.0m,工作环境是-20~65摄氏度,5~95%RH。PC机是处理器为Inter(R) Core 2 Duo E7500 @ 2.93GHZ,内存为三星DDR3,速度为1067MHZ的lenevo 启天M710E。读卡器是频率2.40~2.48GHZ,频道316,信号强度0~255,信号质量0~255,通信速率是2400bps~1152000bps的XT200。实验室的环境和读卡器的位置(下图中黑星标示)如图3所示。
从读卡器上读取从定位激发器发出来的信号信息的PC软件是Xtive_XT200_V7
V0109.exe以及对其进行调参的MDNET_Tools_V0184.exe,这两个软件是由Xtive公司为Xtive软件配套工具。
测试的流程是从定位激发器发送信号到读卡器,利用PC上的Xtive_XT200_V7 V0109读取信号信息,关键就是RSSI,因此下面假设定位激发器只发射RSSI值到PC机。定位激发器每秒发送10个RSSI值,每分钟接受600个RSSI值。本文提出的WMKF算法就是对这600个RSSI值进行预处理,距离估计,最后得出位置信息。
坐标系设计如下:左上角为原点O(0,0),往右方向是y轴正向,平面中垂直的另一个方向是x轴正向,如图3。三个读卡器坐标分别为(0.4,8,4)、(6.6,0)、(6.3,8.4),对应发送给PC机的RSSI值分别记为RSSI_1、RSSI_2、RSSI_3。
通过多次实验得到均值模型、高斯模型、卡尔曼滤波模型、中位加权模型、WMKF算法预处理后的RSSI值序列,然后利用对数-距离损耗模型进行距离估计,接着利用质心算法得到最终结果。最终结果与实际结果的距离作为误差,比较目标节点放置于不同位置时的误差,如图4所示,其中实验4、7、8、9的显著误差比较大。
通过以上实验得到如下结论:1)均值模型性能最平凡。均值模型精确度最低且稳定性很差,尤其是在显著误差较大时,因为该模型不能有效过滤掉显著误差。 2)卡尔曼滤波模型在显著误差不多时误差小,精度高于中位加权模型,但稳定性不如中位加权模型。当显著误差较多时,卡尔曼滤波只能平滑显著误差,去除显著误差的能力不如中位加权模型,因为卡尔曼滤波的假设该***符合马尔可夫假设,最后的定位结果受测试时的末尾几个RSSI值影响较大,所以显示出不稳定性。3)WMKF算法不管在精确度还是稳定性上都优于其他四个模型,并且误差在0.8m—1m之间范围内。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (9)
1.一种实时室内定位***,其特征在于,包括:
硬件层,包括定位激发器Exciter、读卡器Reader和设于移动目标物体上的标签tag,所述定位激发器Exciter设置于各区域入口,作为移动标签tag出入区域的标识,定位激发器Exciter将区域位置ID标识传送给可达范围内的标签tag;各区域内布设有若干所述读卡器Reader,所述读卡器Reader用于接收标签tag发送的区域位置ID与本身的ID,并转发至通信层;
通信层,用于在获取硬件层发送的数据后,依据相关设备通讯协议进行解析得到可被理解的数据;
数据获取层,用于对解析后的数据进行清洗及预处理;
位置计算层,用于根据清洗及预处理后的数据进行标签tag位置计算;
应用层,用于将位置计算层的计算结果展示给用户。
2.一种实时室内定位方法,其特征在于,包括以下步骤:
步骤S1:在间隔时间段∆t内,读卡器连续采集设于移动目标物体上的标签tag的RSSI数据;
步骤S2:将采集到的RSSI数据存储于内存缓冲区,构成RSSI数据序列S={RSSI1,
RSSI2, …, RSSIn};
步骤S3:判断所述RSSI数据序列S是否收敛,是则转步骤S6,否则转步骤S4;
步骤S4:预测RSSIi 值,预测协方差,转步骤S5;
步骤S5:更新RSSIi 值,更新协方差,返回步骤S3;
步骤S6:更新内存缓冲区中的RSSI数据序列;
步骤S7:对更新后的RSSI数据序列进行归一化中位加权处理,得到对应的信号数据RSSIend ;
步骤S8:用对数-距离路径损耗模型进行RSSIend 距离估计;
步骤S9:将估计的距离作为质心定位算法的输入来计算质心,质心即是目标节点的坐标。
3.根据权利要求2所述的一种实时室内定位方法,其特征在于,在步骤S4中,采用下式(1)预测RSSIi 值:
(1)
式中,X(k|k-1)是利用上一时刻(k-1)预测的结果计算得到的当前时刻(k-1)的RSSIi 值,X(k-1|k-1)是上一时刻(k-1)的最优预测值,F和B是***参数;U(k)为现在状态的控制量。
4.根据权利要求3所述的一种实时室内定位方法,其特征在于,在步骤S4中,采用下式(2)预测协方差:
(2)
式中P(k|k-1)是X(k|k-1)对应的协方差,P(k-1|k-1)是X(k-1|k-1)对应的协方差,FT 是转置矩阵,Q是***噪声。
5.根据权利要求4所述的一种实时室内定位方法,其特征在于,在步骤5中,采用下式(3)更新RSSIi 值:
(3)
式中Z(k)是k时刻的测量值,H是***参数。
6.根据权利要求5所述的一种实时室内定位方法,其特征在于,在步骤S5中,采用下式(4)、(5)更新协方差:
(4)
(5)
式(4)中R是测量数据的噪声;这样每次P(k|k)和kg (k)都需要前一时刻的值来更新,递归的估计下去,直到序列收敛。
7.根据权利要求1所述的一种实时室内定位方法,其特征在于,在步骤S7中,按如下方法对更新后的RSSI数据序列进行归一化中位加权处理:
在RSSI数据序列中,找到中位值MRSSI ,然后以此中位值MRSSI 为基础计算每一个RSSIi 值的权值:
(6)
(7)
(8)
其中,Di 为方差;
将序列中每一个信号的RSSIi 值与对应的Wi 相乘,并进行累加,公式如下:
(9)
这样,得到的RSSIend 就作为两节点之间的RSSI值输出。
8.根据权利要求1所述的一种实时室内定位方法,其特征在于,在步骤S8中,用对数-距离路径损耗模型进行RSSIend 距离估计的方法如下:
自由空间无线电传播路径损耗模型:
(10)
式(10)中d为距信源的距离,单位为m;f为频率,单位为MHz;k为路径衰减因子;
对数-距离路径损耗模型:
(11)
式(11)中,Loss(d)表示经过了距离d后的路径损耗,单位为dBm;Loss(d 0)表示经过了距离d 0(通常取1m)后的路径损耗,单位为dBm;X σ 为均值为零且方差为σ 2的高斯随机分布函数,n为无线电传播路径损耗系数;
选择对数-距离路径损耗模型;
由式(11)可以推导如下式子:
(12)
式(12)中,A表示当距离d 0为1m的时候,节点接收到的RSSI,RSSIend 为式子(9)得到的信号处理值。
9.根据权利要求1所述的一种实时室内定位方法,其特征在于,在步骤S9中,质心的计算方法如下:
设目标节点的坐标为(x, y),三个锚节点的坐标以及接收到的RSSIend 值对应为:
(a 1,
b 1),RSSI 1;(a 2,
b 2),RSSI 2;(a 3,
b 3),RSSI 3;
接着,列出如下式子:
(13)
同时,令
i = 1,2,3 (14)
(15)
将以上转换为:
(16)
令:
,,
则有:
(17)
得最小二乘解:
(18)
最终中的(x, y)就是***所预测的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410259297.3A CN103997717B (zh) | 2014-06-12 | 2014-06-12 | 一种实时室内定位***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410259297.3A CN103997717B (zh) | 2014-06-12 | 2014-06-12 | 一种实时室内定位***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103997717A true CN103997717A (zh) | 2014-08-20 |
CN103997717B CN103997717B (zh) | 2017-06-30 |
Family
ID=51311698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410259297.3A Expired - Fee Related CN103997717B (zh) | 2014-06-12 | 2014-06-12 | 一种实时室内定位***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103997717B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104581937A (zh) * | 2014-12-29 | 2015-04-29 | 快威科技集团有限公司 | 基于rssi的节点定位方法 |
CN105338622A (zh) * | 2015-10-13 | 2016-02-17 | 河海大学常州校区 | 一种高抗扰室内无线定位方法 |
CN106455051A (zh) * | 2016-09-23 | 2017-02-22 | 上海图聚智能科技股份有限公司 | 通过距离校准设备提升WiFi定位精度的方法 |
CN107396280A (zh) * | 2017-06-12 | 2017-11-24 | 东南大学 | 一种基于rssi的室内定位***和方法 |
CN107801242A (zh) * | 2017-12-13 | 2018-03-13 | 上海电机学院 | 一种基于自适应卡尔曼滤波的室内定位方法 |
CN107850656A (zh) * | 2015-06-09 | 2018-03-27 | 赫尔环球有限公司 | 用于定位目的的模型参数的确定 |
CN108363085A (zh) * | 2018-01-24 | 2018-08-03 | 三峡大学 | 一种基于gps/rfid组合定位的缆机塔机防碰撞预警方法 |
CN108990521A (zh) * | 2018-09-30 | 2018-12-14 | 江苏农牧科技职业学院 | 一种基于嵌入式的收割机割台集成控制*** |
CN109061616A (zh) * | 2018-08-31 | 2018-12-21 | 南通大学 | 一种移动目标定位方法 |
CN109587627A (zh) * | 2018-12-12 | 2019-04-05 | 嘉兴学院 | 基于rssi改进终端异质性问题的室内定位算法 |
CN110082715A (zh) * | 2019-04-28 | 2019-08-02 | 苏州博联科技有限公司 | 环境自适应的加权质心定位方法 |
CN113051976A (zh) * | 2019-12-27 | 2021-06-29 | 广东博智林机器人有限公司 | 指纹定位方法、装置、电子设备及存储介质 |
CN113945215A (zh) * | 2021-10-11 | 2022-01-18 | 浙江工业大学 | 一种基于stacking模型的RFID室内定位方法 |
CN114915931A (zh) * | 2022-05-12 | 2022-08-16 | 兰州理工大学 | 一种基于rssi技术的室内定位方法 |
CN116582929A (zh) * | 2023-07-13 | 2023-08-11 | 杭州晟珈智能科技有限公司 | 一种基于rssi的多天线rfid标签定位方法与*** |
CN116828596B (zh) * | 2023-08-28 | 2023-11-10 | 四川思凌科微电子有限公司 | 一种使用rssi的高精度定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928813A (zh) * | 2012-10-19 | 2013-02-13 | 南京大学 | 基于rssi质心加权算法的无源rfid标签定位方法 |
US20140073262A1 (en) * | 2012-09-12 | 2014-03-13 | ACCO Brands Corporation | Proximity tag for object tracking |
-
2014
- 2014-06-12 CN CN201410259297.3A patent/CN103997717B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140073262A1 (en) * | 2012-09-12 | 2014-03-13 | ACCO Brands Corporation | Proximity tag for object tracking |
CN102928813A (zh) * | 2012-10-19 | 2013-02-13 | 南京大学 | 基于rssi质心加权算法的无源rfid标签定位方法 |
Non-Patent Citations (2)
Title |
---|
姜向远: "基于最优估计的传感器网络室内无线测距与定位问题研究", 《中国博士学位论文全文数据库信息科技辑》 * |
朱蕾: "一种利用统计中值的加权RSSI定位算法", 《金陵科技学院学报》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104581937A (zh) * | 2014-12-29 | 2015-04-29 | 快威科技集团有限公司 | 基于rssi的节点定位方法 |
CN107850656A (zh) * | 2015-06-09 | 2018-03-27 | 赫尔环球有限公司 | 用于定位目的的模型参数的确定 |
CN105338622A (zh) * | 2015-10-13 | 2016-02-17 | 河海大学常州校区 | 一种高抗扰室内无线定位方法 |
CN105338622B (zh) * | 2015-10-13 | 2018-08-07 | 河海大学常州校区 | 一种高抗扰室内无线定位方法 |
CN106455051A (zh) * | 2016-09-23 | 2017-02-22 | 上海图聚智能科技股份有限公司 | 通过距离校准设备提升WiFi定位精度的方法 |
CN106455051B (zh) * | 2016-09-23 | 2019-07-09 | 上海图聚智能科技股份有限公司 | 通过距离校准设备提升WiFi定位精度的方法 |
CN107396280A (zh) * | 2017-06-12 | 2017-11-24 | 东南大学 | 一种基于rssi的室内定位***和方法 |
CN107801242A (zh) * | 2017-12-13 | 2018-03-13 | 上海电机学院 | 一种基于自适应卡尔曼滤波的室内定位方法 |
CN108363085A (zh) * | 2018-01-24 | 2018-08-03 | 三峡大学 | 一种基于gps/rfid组合定位的缆机塔机防碰撞预警方法 |
CN109061616A (zh) * | 2018-08-31 | 2018-12-21 | 南通大学 | 一种移动目标定位方法 |
CN109061616B (zh) * | 2018-08-31 | 2022-11-04 | 南通大学 | 一种移动目标定位方法 |
CN108990521A (zh) * | 2018-09-30 | 2018-12-14 | 江苏农牧科技职业学院 | 一种基于嵌入式的收割机割台集成控制*** |
CN108990521B (zh) * | 2018-09-30 | 2023-11-10 | 江苏农牧科技职业学院 | 一种基于嵌入式的收割机割台集成控制*** |
CN109587627A (zh) * | 2018-12-12 | 2019-04-05 | 嘉兴学院 | 基于rssi改进终端异质性问题的室内定位算法 |
CN110082715A (zh) * | 2019-04-28 | 2019-08-02 | 苏州博联科技有限公司 | 环境自适应的加权质心定位方法 |
CN113051976A (zh) * | 2019-12-27 | 2021-06-29 | 广东博智林机器人有限公司 | 指纹定位方法、装置、电子设备及存储介质 |
CN113945215A (zh) * | 2021-10-11 | 2022-01-18 | 浙江工业大学 | 一种基于stacking模型的RFID室内定位方法 |
CN114915931A (zh) * | 2022-05-12 | 2022-08-16 | 兰州理工大学 | 一种基于rssi技术的室内定位方法 |
CN116582929A (zh) * | 2023-07-13 | 2023-08-11 | 杭州晟珈智能科技有限公司 | 一种基于rssi的多天线rfid标签定位方法与*** |
CN116582929B (zh) * | 2023-07-13 | 2023-09-19 | 杭州晟珈智能科技有限公司 | 一种基于rssi的多天线rfid标签定位方法与*** |
CN116828596B (zh) * | 2023-08-28 | 2023-11-10 | 四川思凌科微电子有限公司 | 一种使用rssi的高精度定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103997717B (zh) | 2017-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103997717A (zh) | 一种实时室内定位***及方法 | |
Elbakly et al. | A robust zero-calibration RF-based localization system for realistic environments | |
CN108632761B (zh) | 一种基于粒子滤波算法的室内定位方法 | |
CN104853317B (zh) | 一种WiFi室内定位中指纹库的构建及更新方法 | |
CN102932742B (zh) | 基于惯性传感器与无线信号特征的室内定位方法及*** | |
CN108141837A (zh) | 用于跟踪的装置和方法 | |
CN104796866B (zh) | 室内定位方法和装置 | |
Tomažič et al. | Confidence-interval-fuzzy-model-based indoor localization | |
CN109275095A (zh) | 一种基于蓝牙的室内定位***、定位设备和定位方法 | |
CN102325369B (zh) | 基于参考点位置优化的wlan室内单源线性wknn定位方法 | |
CN102088769B (zh) | 直接估计和消除非视距误差的无线定位方法 | |
CN108226860B (zh) | 基于rss的超宽带混合维定位方法及定位*** | |
CN103686999A (zh) | 基于WiFi信号的室内无线定位方法 | |
CN103220777A (zh) | 一种移动设备定位*** | |
CN103338509A (zh) | 一种基于隐含马尔可夫模型的wsn室内定位方法 | |
CN104066172A (zh) | 一种对无线局域网中的ap进行定位的方法 | |
Trogh et al. | Enhanced indoor location tracking through body shadowing compensation | |
Xu et al. | An improved indoor localization method for mobile robot based on WiFi fingerprint and AMCL | |
Lu et al. | Robot indoor location modeling and simulation based on Kalman filtering | |
CN101977436B (zh) | 基于wlan室内定位的移动用户位置坐标修正方法 | |
Wang et al. | Study on improvement of fingerprint matching algorithm in wireless LAN based indoor positioning system | |
Wang | A study of WiFi-aided magnetic matching indoor positioning algorithm | |
Shchekotov et al. | Semi-automatic self-calibrating indoor localization using ble beacon multilateration | |
Lou et al. | High-accuracy positioning algorithm based on UWB | |
Wei et al. | Indoor localization method comparison: Fingerprinting and Trilateration algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170630 |