CN107302754A - 一种基于WiFi与PDR的室内定位简易方法 - Google Patents

Abstract

本发明公开了一种基于WiFi与PDR的室内定位简易方法，包括以下步骤：设定初始位置和步长；通过加速度传感器测量的加速度值对行人的运动状态进行判定；通过RSSI值进行WiFi定位方法，采集多个参考节点的RSSI值，当检测到RSSI值超过阈值时，运用改进后的算法计算出当前位置，将当前位置作为实际位置值；进行PDR定位，对室内行人进行航迹推算得到位置估计。本发明基于RSSI的绝对定位克服了单独使用PDR航位推算算法时步长不稳定及容易产生积累误差的缺陷，又通过PDR技术减小RSSI定位的波动性。本发明避免设计复杂度较高的***，还减少硬件成本消耗，使得室内定位时耗费的成本较低。

Description

一种基于WiFi与PDR的室内定位简易方法

技术领域

本发明涉及室内定位技术领域，具体涉及一种基于Android智能终端设备的室内定位简易方法。

背景技术

随着无线通信技术的快速发展和人们对定位服务需求的日益增多，无线定位技术获得越来越多的关注。全球定位***GPS(Global Position System)是20世界70年代由美国国防部研制建立的一种具有全方位、全天候、全时段、高精度的卫星导航***，能为全球用户提供低成本、高精度的三维位置、速度和精确定时等导航信息。在信号比较容易到达的无遮挡的室外，可以通GPS来获取高精度的定位信息。对于室内环境，由于GPS信号强度受到室内复杂环境的影响而大为衰弱，降低了定位精度，无法取得有用的位置信息。

研究表明人们日常生活中90％的时间是在室内，也就是说大部分时间都是GPS定位照顾不到的，所以我们需要研究别的室内定位技术。现如今，室内定位技术受到了越来越多的关注，人们对室内定位的需求不断增长，如：地下车库对车辆位置的定位管理，医院对病人的跟踪管理，家中儿童老人定位看护以及发生灾难时的人员追踪与定位等等。根据室内环境的复杂多变性，室内定位的各种实现方法和解决方案也日益出现，比如依靠GNSS技术实现室内定位，或利用无线传输技术进行室内定位，以及利用航位推算、图像分析、电脑视觉等技术进行室内定位。

现有的红外线、RFID等定位技术的定位精度一般，而且需要预先在定位环境中铺设精度较高的信号接收装置，对信号接受装置的摆放位置也有很高要求。而如超声波和超宽带等定位技术的定位精度较高，但定位装置的成本造价太高，不便于技术推广。如蓝牙、ZigBee等定位技术虽然应用较为普及，实现成本较低，但定位精度受周围环境影响较大。WiFi技术是一种基于无线信号的定位技术，它对基础设施的需求低，成本低廉，而且不需要安装额外设备，是现在主流的室内定位技术。但WiFi室内定位技术也存在着信号容易被室内复杂环境干扰的缺点。PDR(Pedestrian Dead Reckoning)定位技术是一种基于传感器的定位技术，是一种相对位置定位技术，能够随时提供运动体连续的二维位置信息。与基于无线信号的定位技术相比，该技术的优点在于它的定位精度，取决于传感器实时测量的数据的准确性，受周围环境的干扰较小。但是PDR技术也有相应的缺点，它容易产生累积误差。

发明内容

本发明的目的在于克服现有的室内定位技术存在的精确度不足，易于受环境干扰和成本高的缺点，本发明提出了一种能够有效提高定位精度，减小环境干扰，成本低廉，技术原理简单，易于推广的室内定位简易方法。

本发明是通过下述技术方案实现的：

一种基于WiFi与PDR的室内定位简易方法，包括如下步骤：

S1：设定初始位置和步长；

S2：通过加速度传感器测量的加速度值对行人的运动状态进行判定；

S3：通过RSSI值进行WiFi定位方法，采集多个参考节点的RSSI值，当检测到RSSI值超过阈值时，运用改进后的算法计算出当前位置，将当前位置作为实际位置值；

S4：进行PDR定位，对室内行人进行航迹推算得到位置估计。

上述技术方案中，步骤S2中，判断行人的运动状态的方法如下：

通过Android***提供的***接口获取移动终端加速度传感器的实时数据，得到数组a_i＝(x_i，y_i，z_i)，x_i、y_i、z_i分别代表***第i次测量时在三个方向上的加速度，与此同时通过对z轴加速度值z_i进行峰值检测，得到z轴加速度峰值大小数据z_p，间隔时间T_i，持续时间T_d；

记录当前时刻的加速度传感器数据a_n＝(x_n，y_n，z_n)与100ms前的加速度传感器数据a_n-1＝(x_n-1，y_n-1，z_n-1)，将a_n与a_n-1的数据与间隔时间T_i进行处理可以得到震动幅度值Value，Value由以下的式子得出:

Value＝(|X_n-X_n-1|+|Y_n-Y_n-1|+|Z_n-Z_n-1|)/T_i*100，

对Value的累积值Values进行检测，当Values大于设定的震动阈值5时，才会判断z轴加速度峰值大小数据z_p是否大于1.5，当300ms>持续时间T_d>90ms，间隔时间T_i>100ms时，计步算法才会判定用户的移动。

上述技术方案中，在步骤S3中的采集RSSI值，当检测到有三个以上的RSSI值超过阈值时，运用RSSI三角形质心算法计算出当前位置，将当前位置作为实际位置值，实现RSSI测距补偿。

上述技术方案中，步骤S3具体通过以下步骤实现：

S301：设定RSSI_i表示未知节点M接受固定锚节点B₁信号的RSSI平均值，P_i表示未知节点M接收到固定锚节点B_i的信号强度平均值，则两者的转换关系，如公式所示：

为固定锚节点B_i和B_j之间的距离，为以固定锚节点B_i和B_j计算得到的从未知节点M到固定锚节点B_i的距离，如下式所示：

S302：所有锚节点以相同功率周期性地对外发出广播信息，信息中包括自身坐标及节点ID，未知节点收集每一锚节点的RSSI值，求出每个锚节点的平均值；

S303：当普通节点收集到一定数量的锚节点信息时，求出普通节点到锚节点距离，由对应公式计算出d_i，将计算得到的d_i值从小到大排列；

S304：普通节点根据RSSI值从大到小对锚节点排序，并建立RSSI值与节点到锚节点距离的映射，建立三个集合,

其中锚节点位置集合：P_set＝{(X₁,Y₁),(X₂,Y₂),…,(X_n,Y_n),}，

锚节点集合：B_set＝{a₁,a₂,…,a_n}，

未知节点到锚节点距离集合：D_set＝{d₁,d₂,…,d_n}，三个集合根据d_i从小到大的顺序进行排列；

S305：在锚节点集合B_set中优先选取RSSI值大的前几个锚节点，组成以下的锚节点集合：

T_set＝{(a₁,a₂,a₃),(a₁,a₂,a₄)…..(a₁,a₃,a₄),(a₁,a₃,a₅)…}

对锚节点集合T_set，根据传统的三角形质心算法，求出最终节点M坐标，也就是最后的定位位置。

上述技术方案中，步骤S4具体包括对室内行人进行航迹推算，设定k是预先设定的步长，a_i表示第i次测量的z轴加速度值，n表示行人在一步过程中一共采集到了n次z轴加速度值,根据以上的数值，估算位移step_size，由下面的式子得出：

通过android智能设备提供的方位传感器对应API接口得到浮点型方向数据后，首先对东西南北四个方向进行判断，然后每隔45度分割，以此判断东南、东北、西南和西北，然后再计算出具体的度数得到具体的方位，根据方位和估算位移，由初始位置p₀得到推算位置p₁，将推算位置p₁的值赋给p₀，做好下一次PDR定位的准备。

上述技术方案中，所述android智能设备包智能手机、智能平板或者智能手表。

本发明与现有技术相比，具有如下有益效果：

由于本本发明使用的技术方案是采用基于RSSI的WiFi定位技术与PDR技术相融合的联合定位策略，基于RSSI的绝对定位克服了单独使用PDR航位推算算法时步长不稳定及容易产生积累误差的缺陷，又可以通过PDR技术减小RSSI定位的波动性。定位过程主要采用航位推算，规避了基于RSSI室内定位时信号易受环境干扰的缺点。同时，使用本发明的方法的***不用安装外部设备，对传感器的精度要求低，从而在避免设计复杂度较高的***的同时，还可减少硬件成本消耗，进而使得室内定位时耗费的成本较低。本发明具有成本低廉，技术原理简单，并且定位精度较高，受周围环境干扰较小的优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明的流程示意图；

图2为本发明中的运动状态判断原理图；

图3为本发明中基于PDR的计步算法流程图；

图4为本发明中基于RSSI的三角形质心定位原理图；

图5为本发明中运用方位传感器判断方向流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，本发明提出一种基于WiFi与PDR的室内定位简易方法，包括如下步骤：

S1：设定初始位置和步长；初始步长需要根据对应模型设定。通过一个佩戴在行人身上的设备，由加速度传感器实时收集数据，可以由收集的加速度信息和预先设定的阈值进行初始化状态判定。通过行人起步的时间和步行过程中的加速度值，通过步长算法求出行人的步长。

S2：通过加速度传感器测量的加速度值对行人的运动状态进行判定；

S3：通过RSSI值进行WiFi定位方法，采集多个参考节点的RSSI值，当检测到RSSI值超过阈值时，运用改进后的算法计算出当前位置，将当前位置作为实际位置值；

S4：进行PDR定位，对室内行人进行航迹推算得到位置估计。

步骤S2中，判断行人的运动状态的方法如下：

通过Android***提供的***接口获取移动终端加速度传感器的实时数据，得到数组a_i＝(x_i，y_i，z_i)，x_i、y_i、z_i分别代表***第i次测量时在三个方向上的加速度，与此同时通过对z轴加速度值z_i进行峰值检测，得到z轴加速度峰值大小数据z_p，间隔时间T_i，持续时间T_d,结果如图2所示。

记录当前时刻的加速度传感器数据a_n＝(x_n，y_n，z_n)与100ms前的加速度传感器数据a_n-1＝(x_n-1，y_n-1，z_n-1)，将a_n与a_n-1的数据与间隔时间T_i进行处理可以得到震动幅度值Value，Value由以下的式子得出:

Value＝(|X_n-X_n-1|+|Y_n-Y_n-1|+|Z_n-Z_n-1|)/T_i*100，

对Value的累积值Values进行检测，当Values大于设定的震动阈值5时，才会判断z轴加速度峰值大小数据z_p是否大于1.5，当300ms>持续时间T_d>90ms，间隔时间T_i>100ms时，计步算法才会判定用户的移动,如图3所示。

在步骤S3中的采集RSSI值，当检测到有三个以上的RSSI值超过阈值时，运用RSSI三角形质心算法计算出当前位置，将当前位置作为实际位置值，实现RSSI测距补偿。

步骤S3具体通过以下步骤实现：

S301：设定RSSI_i表示未知节点M接受固定锚节点B₁信号的RSSI平均值，P_i表示未知节点M接收到固定锚节点B_i的信号强度平均值，则两者的转换关系，如公式所示：

为固定锚节点B_i和B_j之间的距离，为以固定锚节点B_i和B_j计算得到的从未知节点M到固定锚节点B_i的距离，如下式所示：

S302：所有锚节点以相同功率周期性地对外发出广播信息，信息中包括自身坐标及节点ID，未知节点收集每一锚节点的RSSI值，求出每个锚节点的平均值；

S303：当普通节点收集到一定数量的锚节点信息时，求出普通节点到锚节点距离，由对应公式计算出d_i，将计算得到的d_i值从小到大排列；

S304：普通节点根据RSSI值从大到小对锚节点排序，并建立RSSI值与节点到锚节点距离的映射，建立三个集合,

其中锚节点位置集合：P_set＝{(X₁,Y₁),(X₂,Y₂),…,(X_n,Y_n),}，

锚节点集合：B_set＝{a₁,a₂,…,a_n}，

未知节点到锚节点距离集合：D_set＝{d₁,d₂,…,d_n}，三个集合根据d_i从小到大的顺序进行排列；

S305：在锚节点集合B_set中优先选取RSSI值大的前几个锚节点，组成以下的锚节点集合：

T_set＝{(a₁,a₂,a₃),(a₁,a₂,a₄)…..(a₁,a₃,a₄),(a₁,a₃,a₅)…}

对锚节点集合T_set，根据传统的三角形质心算法，求出最终节点M坐标，也就是最后的定位位置，如图4所示。

步骤S4具体包括对室内行人进行航迹推算，设定k是预先设定的步长，a_i表示第i次测量的z轴加速度值，n表示行人在一步过程中一共采集到了n次z轴加速度值,根据以上的数值，估算位移step_size，由下面的式子得出：

通过android智能设备提供的方位传感器对应API接口得到浮点型方向数据后，首先对东西南北四个方向进行判断，然后每隔45度分割，以此判断东南、东北、西南和西北，然后再计算出具体的度数得到具体的方位，根据方位和估算位移，如图5所示。由初始位置p₀得到推算位置p₁，将推算位置p₁的值赋给p₀，做好下一次PDR定位的准备。

所述android智能设备包智能手机、智能平板或者智能手表。

上述方案使用的是基于RSSI的WiFi定位技术与PDR技术相融合的联合定位策略，基于RSSI的绝对定位克服了单独使用PDR航位推算算法时步长不稳定及容易产生积累误差的缺陷，又可以通过PDR技术减小RSSI定位的波动性。定位过程主要采用航位推算，规避了基于RSSI室内定位时信号易受环境干扰的缺点。同时，使用本发明的方法的***不用安装外部设备，对传感器的精度要求低，从而在避免设计复杂度较高的***的同时，还可减少硬件成本消耗，进而使得室内定位时耗费的成本较低。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种基于WiFi与PDR的室内定位简易方法，其特征在于，包括如下步骤：

S1：设定初始位置和步长；

S2：通过加速度传感器测量的加速度值对行人的运动状态进行判定；

S3：通过RSSI值进行WiFi定位方法，采集多个参考节点的RSSI值，当检测到RSSI值超过阈值时，运用改进后的算法计算出当前位置，将当前位置作为实际位置值；

S4：进行PDR定位，对室内行人进行航迹推算得到位置估计。

2.根据权利要求1所述的基于WiFi与PDR的室内定位简易方法，其特征在于，步骤S2中，判断行人的运动状态的方法如下：

通过Android***提供的***接口获取移动终端加速度传感器的实时数据，得到数组a_i＝(x_i，y_i，z_i)，x_i、y_i、z_i分别代表***第i次测量时在三个方向上的加速度，与此同时通过对z轴加速度值z_i进行峰值检测，得到z轴加速度峰值大小数据z_p，间隔时间T_i，持续时间T_d；

记录当前时刻的加速度传感器数据a_n＝(x_n，y_n，z_n)与100ms前的加速度传感器数据a_n-1＝(x_n-1，y_n-1，z_n-1)，将a_n与a_n-1的数据与间隔时间T_i进行处理可以得到震动幅度值Value，Value由以下的式子得出:

Value＝(|X_n-X_n-1|+|Y_n-Y_n-1|+|Z_n-Z_n-1|)/T_i*100，

对Value的累积值Values进行检测，当Values大于设定的震动阈值5时，才会判断z轴加速度峰值大小数据z_p是否大于1.5，当300ms>持续时间T_d>90ms，间隔时间T_i>100ms时，计步算法才会判定用户的移动。

3.根据权利要求1所述的基于WiFi与PDR的室内定位简易方法，其特征在于在步骤S3中的采集RSSI值，当检测到有三个以上的RSSI值超过阈值时，运用RSSI三角形质心算法计算出当前位置，将当前位置作为实际位置值，实现RSSI测距补偿。

4.根据权利要求3所述的基于WiFi与PDR的室内定位简易方法，其特征在于，步骤S3具体通过以下步骤实现：

S301：设定RSSI_i表示未知节点M接受固定锚节点B_i信号的RSSI平均值，P_i表示未知节点M接收到固定锚节点B_i的信号强度平均值，则两者的转换关系，如公式所示：

为固定锚节点B_i和B_j之间的距离，为以固定锚节点B_i和B_j计算得到的从未知节点M到固定锚节点B_i的距离，如下式所示：

S302：所有锚节点以相同功率周期性地对外发出广播信息，信息中包括自身坐标及节点ID，未知节点收集每一锚节点的RSSI值，求出每个锚节点的平均值；

S303：当普通节点收集到一定数量的锚节点信息时，求出普通节点到锚节点距离，由对应公式计算出d_i，将计算得到的d_i值从小到大排列；

S304：普通节点根据RSSI值从大到小对锚节点排序，并建立RSSI值与节点到锚节点距离的映射，建立三个集合,

其中锚节点位置集合：P_set＝{(X₁,Y₁),(X₂,Y₂),…,(X_n,Y_n),}，

锚节点集合：B_set＝{a₁,a₂,…,a_n}，

未知节点到锚节点距离集合：D_set＝{d₁,d₂,…,d_n}，三个集合根据d_i从小到大的顺序进行排列；

S305：在锚节点集合B_set中优先选取RSSI值大的前几个锚节点，组成以下的锚节点集合：

T_set＝{(a₁,a₂,a₃),(a₁,a₂,a₄)…..(a₁,a₃,a₄),(a₁,a₃,a₅)…}

对锚节点集合T_set，根据传统的三角形质心算法，求出最终节点M坐标，也就是最后的定位位置。

5.根据权利要求1所述的基于WiFi与PDR的室内定位简易方法，其特征在于，步骤S4具体包括对室内行人进行航迹推算，设定k是预先设定的步长，a_i表示第i次测量的z轴加速度值，n表示行人在一步过程中一共采集到了n次z轴加速度值,根据以上的数值，估算位移step_size，由下面的式子得出：

通过android智能设备提供的方位传感器对应API接口得到浮点型方向数据后，首先对东西南北四个方向进行判断，然后每隔45度分割，以此判断东南、东北、西南和西北，然后再计算出具体的度数得到具体的方位，根据方位和估算位移，由初始位置p₀得到推算位置p₁，将推算位置p₁的值赋给p₀，做好下一次PDR定位的准备。

6.根据权利要求5所述的基于WiFi与PDR的室内定位简易方法，其特征在于,所述android智能设备包智能手机、智能平板或者智能手表。