本发明公开了无线定位技术领域中的一种提高非视距环境下室内定位精度的方法。本发明在信号传输经验模型的基础上,通过增加隔墙因子和环境因子,得到信号的传输模型;然后,计算出移动台的信号对应于固定基站的定位偏差,进而得到移动台的信号对应于固定基站的定位圆环;通过定位圆环之间的重叠区域,得出移动基站的估计区域;最后,对信号的传输路径损耗取平均值,并用指定方法对移动台的信号强度估计得到移动台的定位区域。本发明能够在保证低计算量的基础上提高室内定位的精度;同时考虑了墙对定位信号的影响,将隔墙因子列入考虑范围,提高了算法的可行程度。
1.一种提高非视距环境下室内定位精度的方法,其特征是该方法包括以下步骤:步骤1:在信号传输经验模型的基础上,通过增加隔墙因子和环境因子,得到信号的传输模型;步骤2:在信号的传输模型的基础上,计算出移动台的信号对应于固定基站的定位偏差,进而得到移动台的信号对应于固定基站的定位圆环;步骤3:通过定位圆环之间的重叠区域,得出移动基站的估计区域;步骤4:在步骤3的基础上,对信号的传输路径损耗取平均值,并用指定方法对移动台的信号强度估计得到移动台的定位区域。
2.根据权利要求1所述的一种提高非视距环境下室内定位精度的方法,其特征是所述定位偏差的计算公式为: RMSE = ( x - x m ) 2 + ( y - y m ) 2 ]]> 其中:RMSE为定位偏差;x_m为移动台的实际横坐标;y_m为移动台的实际纵坐标;x为仿真出的移动台的横坐标;y为仿真出的移动台的纵坐标。
3.根据权利要求1所述的一种提高非视距环境下室内定位精度的方法,其特征是所述信号的传输路径损耗的计算公式为: PL ( d ) = PL ( d 0 ) + 10 n log ( d d 0 ) - l · WAF + ξ ]]> 其中:PL()为信号的传输路径损耗;n为路径损耗指数,指示了路径损耗随距离变化的增加速率;d₀为通过近距离测量发射机而得出的中心参考距离;d为发送接收之间分开的距离;l为移动台和基站之间的隔墙数;WAF为隔墙因子;ξ为环境因子变量。
4.根据权利要求1所述的一种提高非视距环境下室内定位精度的方法,其特征是所述指定方法为多元回归分析法。技术领域
本发明属于无线定位技术领域,尤其涉及一种提高非视距环境下室内定位精度的方法。
背景技术
在现今室内定位技术中,人们普遍采用的移动台位置估计方法是定位圆算法,需求解多个定位圆交点或多条定位直线交点,但定位误差非常大;也有从距离测量入手,将距离测量的统计信息等其它因素考虑在内,其在前期势必要进行大量的数据采样和数据处理来建立所需的经验数据库;此外,还有在处理信号损耗模型中将经验与估计结合等,但这意味着在对目标进行定位时,要将移动台之间的位置列入考虑因素,在此基础上,计算量的成倍增加是不可避免的。基于这些考虑,一种基于定位圆环算法的改进的旋转信号子空间RSS(Rotatexa0Signalxa0Sub-space)算法被提出来。仿真结果表明,在30×30平方米的环境下,本方法所得到的定位精度可以控制在1.5米左右甚至更小。
发明内容
针对上述背景技术中提到的定位圆算法的定位误差大等不足,本发明提出了一种提高非视距环境下室内定位精度的方法。本发明的技术方案是,一种提高非视距环境下室内定位精度的方法,其特征是该方法包括以下步骤:步骤1:在信号传输经验模型的基础上,通过增加隔墙因子和环境因子,得到信号的传输模型;步骤2:在信号的传输模型的基础上,计算出移动台的信号对应于固定基站的定位偏差,进而得到移动台的信号对应于固定基站的定位圆环;步骤3:通过定位圆环之间的重叠区域,得出移动基站的估计区域;步骤4:在步骤3的基础上,对信号的传输路径损耗取平均值,并用指定方法对移动台的信号强度估计得到移动台的定位区域。所述定位偏差的计算公式为: RMSE = ( x - x m ) 2 + ( y - y m ) 2 ]]> 其中:RMSE为定位偏差;x_m为移动台的实际横坐标;y_m为移动台的实际纵坐标;x为仿真出的移动台的横坐标;y为仿真出的移动台的纵坐标。所述信号的传输路径损耗的计算公式为: PL ( d ) = PL ( d 0 ) + 10 n log ( d d 0 ) - l · WAF + ξ ]]> 其中:PL()为信号的传输路径损耗;n为路径损耗指数,指示了路径损耗随距离变化的增加速率;d₀为通过近距离测量发射机而得出的中心参考距离;d为发送接收之间分开的距离;l为移动台和基站之间的隔墙数;WAF为隔墙因子;ξ为环境因子变量。所述指定方法为多元回归分析法。本发明采用信号传输的经验模型进行研究,保证了算法的普遍性。采用了理论分析、可行性论证和计算机仿真结合的方法,从理论和实践方面验证了所提出的方案。本发明能够在保证低计算量的基础上提高室内定位的精度;同时考虑了墙对定位信号的影响,将隔墙因子列入考虑范围,提高了算法的可行程度。
附图说明
图1为NLOS条件下基于信号强度的定位模型;图2为三基站NLOS下基于信号强度的定位模型;图3为由基站AP1和AP2为圆心的圆环确定的矩形;图4为定位范围及AP分布;图5为偏差率a的出现概率分布;图6为改进定位模型的误差统计结果。
具体实施方式
下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。本发明采用Bahl和Padmanabhan信号传输经验模型,考虑到移动台(MS)与基站(BS)之间因隔墙因子引起的信号强度的衰减。 PL ( d ) = PL ( d 0 ) + 10 n log ( d d 0 ) - l · WAF - - - ( 1 ) ]]> 其中:PL()为信号的传输路径损耗;n为路径损耗指数,指示了路径损耗随距离变化的增加速率;d₀为通过近距离测量发射机而得出的中心参考距离;d为发送接收之间分开的距离;l为移动台和基站之间的隔墙数;WAF为隔墙因子。但在实际信号传播过程中,受非视距(NLOS,Nonxa0Linexa0ofxa0Sight)因素和线路损耗双方面的影响,信号传播模型会产生一个环境因子变量ξ,使得信号传播模型有如下变化: PL ( d ) = PL ( d 0 ) + 10 n log ( d d 0 ) - l · WAF + ξ - - - ( 2 ) ]]> 非视距NLOS因子使得接收端接收到的信号功率可能增强也可能减弱。在这种情况下一种新的几何模型设计如图1所示。中间的虚线表现理论值,而实线表示测得数值的阈值,测得数据会在图示中内径为s₁和外径为s₂的圆环区域里变动。上图中,受各种误差因素影响,经由信号传输的经验模型得出的测量值s并非理论值而是有一定的正负偏差。另一方面,根据误差的分布规律,偏差程度是有限的。因此,我们设a为偏差率,即最大偏差程度,则由图1,我们可以得到d,s与s₁,s₂的关系式: ( 1 + a ) 2 s 2 = s 2 2 ≥ d 2 ≥ s 1 2 = ( 1 - a ) 2 s 2 - - - ( 3 ) ]]> 本发明列举三个基站定位移动台位置的情况。在三基站定位的情况下,移动台一定会位于三个圆环相交的区域内,如图2所示。移动台的坐标应该在黑色的区域内移动,可以以此来估计移动台的大致坐标。由于环境因子变量ξ的存在,变量PL(d₀)和d不属于相关关系,因此无法通过方程的联立来求出PL(d₀)和n。但在通信信道,特别是高斯信道中,多次传输环境因子变量ξ的平均值为0,本发明采取对信号的传输路径损耗取平均值后进行回归分析的方法消除干扰并对信号强度进行估计:通过取平均值,(2)式变回形如(1)式所示。针对利用多个独立样本对定位信号强度进行预测,本文采用多元回归分析方法:利用下面的矩阵代替式(1):P=L×Kxa0xa0xa0xa0(4)其中: P = PL ( r 1 ) PL ( r 2 ) · · · PL ( r N ) ; L = 1 - 10 log ( r 1 / r 0 ) - l 1 1 - 10 log ( r 2 / r 0 ) - l 2 · · · · · · · · · 1 - 10 log ( r N / r 0 ) - l N ; K = PL ( r 0 ) α WAF ]]> 参数矢量K的最小二乘估计由下式给出: K ~ = ( L ′ L ) - 1 L ′ P - - - ( 5 ) ]]> 其中: ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="46"/>为参数矢量K的最小二乘估计;L′为L的转置矩阵。采用确定系数R²表示回归品质,定义: ntent="drawing" img-format="tif" inline="no" orientation="portrait" wi="700"/> 其中: ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="137"/>为r_i距离内的信号损耗强度估计; ntent="drawing" img-format="tif" inline="yes" orientation="portrait" wi="58"/>为信号损耗强度的平均值;P_W(r_i)为r_i距离内的实际信号损耗强度;N为样本数。代入本文公式,有: R 2 = K ~ ′ L ′ P-N P ‾ 2 P ′ P - N P ‾ 2 , ]]> P ‾ = 1 N Σ i = 1 N PL ( r i ) - - - ( 7 ) ]]> 预测信号损耗强度变化的标准差σ_P为: σ P = 1 N ( P ′ - K ~ ′ L ′ ) P - - - ( 8 ) ]]> 其中:P′为P的转置矩阵。对于图2所示定位圆环算法,用如下方法来估计移动台的位置:只考虑基站AP₁和AP₂为圆心的圆环,可得内径最小值r_{1_min}和外径最大值r_{2_max},如下: r 1 _ min 2 = ( x A - x 1 ) 2 + ( y A - y 1 ) 2 r 2 _ max 2 = ( x A - x 2 ) 2 + ( y A - y 2 ) 2 - - - ( 9 ) ]]> 该方程有两组解(x_A1,y_A1)和(x_A2,y_A2),这里取靠近基站AP₃的那组解,即:(x_A,y_A)=argminf(x_Ai,y_Ai)=[(x_Ai-x₃)²-(y_Ai-y₃)²]xa0i=1,2(10)同理,可以分别求出(x_B,y_B)、(x_C,y_C,)和(x_D,y_D),则令: x min = min ( x A , x B , x C , x D ) x max = max ( x A , x B , x C , x D ) y min = min ( y A , y B , y C , y D ) y max = max ( y A , y B , y C , y D ) - - - ( 11 ) ]]> 可以组成四个点(x_min,y_min)、(x_max,y_min)、(x_max,y_max)和(x_min,y_max),它们在图中形成一个矩形,如图3所示。选定一个长度Δxy,以其为边长作一个正方形,用这个正方形遍历图中的矩形区域,当该正方形的中心(x,y)符合不等式(13),则将正方形纳入确定结果中。 ( x - x 1 ) 2 + ( y - y 1 ) 2 ≤ r 1 _ max ( x - x 1 ) 2 + ( y - y 1 ) 2 ≥ r 1 _ min ( x - x 2 ) 2 + ( y - y 2 ) 2 ≤ r 2 _ max ( x - x 2 ) 2 + ( y - y 2 ) 2 ≥ r 2 _ min ( x - x 3 ) 2 + ( y - y 3 ) 2 ≤ r 3 _ max ( x - x 3 ) 2 + ( y - y 3 ) 2 ≥ r 3 _ min - - - ( 12 ) ]]> 当正方形遍历完所有区域后,记所纳入的坐标结果为(x_i,y_i),其中i=1,2...n。此时,(x_i,y_i)距离三个基站AP₁、AP₂、AP₃的距离分别为d_1i、d_2i和d_3i,则根据加权质心的定位算法,移动台的位置坐标为: x = Σ i = 1 n [ x i / ( d 1 i + d 2 i + d 3 i ) ] / Σ i = 1 n [ 1 / ( d 1 i + d 2 i + d 3 i ) ] - - - ( 13 ) ]]> y = Σ i = 1 n [ y i / ( d 1 i + d 2 i + d 3 i ) ] / Σ i = 1 n [ 1 / ( d 1 i + d 2 i + d 3 i ) ] - - - ( 14 ) ]]> 假设移动台(MS)的实际位置为(x,y)=(8,1),由(15,15)、(15,-15)、(-15,-15)和(-15,15)围成的正方形区域里有3个基站:AP₁:(15,15),AP₂(15,-15)和AP₃(0,0),如图4所示。首先,通过线性回归对NLOS下基于信号强度的定位模型参数进行估计,并在此基础上继续仿真最终得到定位结果。在仿真过程中需要确定偏差率a并通过使用经验信号传播模型而从功率值估计出距离信息。此外,为减少通信过程中的信道误差,本方案采用了接收功率若干次,平均后在代入模型进行距离估计的处理方法。下面首先进行偏差率a的估计:本方案在室内30×30平方米的定位环境下进行仿真,仿真进行了1000次的距离估计,然后统计误差产生情况,确定误差的上限。图5中,(a),(c),(e)分别是当r_测量>估_计计时,利用关系s₁=(1+a%)s得出的a值;而(b),(d),(f)则是当r_测量估计时,利用关系s₂=(1-a%)s得出的a值。从图5可以得到a的大致结果:对于AP₁:a=15;对于AP₂:a=20;对于AP₃:a=6。通过以上得到的偏差率a的统计结果,对上述定位模型进行定位仿真。假设仿真出的定位结果为(x,y),而移动台实际坐标为(x_m,y_m),那么定位偏差(RMSE)可通过式(16)来计算: RMSE = ( x - x m ) 2 + ( y - y m ) 2 - - - ( 15 ) ]]> 经过以上的分析计算,可以得到1000次定位中RMSE的仿真结果。表1对误差出现在该范围内的次数该结果进行量化统计,而图6则为其直方图的直观表示。表1改进定位模型的误差统计结果: xa0xa0RMSE范围
xa0xa0[0,0.5]
xa0xa0[0.5,1]
xa0xa0[1,1.5]
xa0xa0[1.5,2]
xa0xa0[2,2.5]
xa0xa0次数
xa0xa096
xa0xa0145
xa0xa0281
xa0xa0312
xa0xa0133
xa0xa0RMSE范围
xa0xa0[2.5,3]
xa0xa0[3,3.5]
xa0xa0[3.5,4]
xa0xa0[4,4.5]
xa0xa0[4.5,5]
xa0xa0次数
xa0xa024
xa0xa02
xa0xa01
xa0xa01
xa0xa05
从图中可以看出,在室内30×30平方米的定位环境下,比起现有的普遍采用的定位圆模型,采用同样算法的改进定位圆环模型的定位精度提高了3米以上。分析表明,这种改进的RSS定位算法在现有的算法复杂度和设备精密度的条件下,是一种有效的室内定位方法。以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。