基于阈值分类和信号强度加权室内定位算法

《基于阈值分类和信号强度加权室内定位算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于阈值分类和信号强度加权室内定位算摘要：为了减小室内复杂环境下接收信号强度值(RSSI)波动和个别信标节点被干扰对定位精度的影响，提出一种基于阈值分类及信号强度加权的室内定位算法。先根据室内环境的路径损耗特征，对各参考点进行分类并分别确定其匹配阈值，再将接收信号强度作为参考权重进行加权定位，最终得到更为精确的节点位置。实验表明，该算法能减小RSSI随机抖动引起的误差，有效地削弱个别信标节点被干扰的影响，提高定位精度。关键词：室内定位；无线网络；接收信号强度值；阈值分类；信号强度加权0引言近年来，随着无线技术的发展，各种新型的无线网络应用发挥着越来越重要的作用。尤其是为

2、人们提供位置信息服务的无线定位技术，在国内外备受研究者们重视和关注。精确的室内位置服务可以在多方面改变人们的生产和生活方式，给社会及世界带来更高的便捷性和管理效率，如大型仓储式超市购物车的导购、医院里病人的看护、建筑内救火员以及矿下矿工的追踪等［1］。此外，室内定位在智能家居中也具有十分广阔的发展前景和商业应用价值［2］。在室内定位中，由于大量的遮挡和障碍物等影响，室内的无线传播会受到反射、绕射、散射的影响，因此传统的基于接收信号强度值(ReceivedSignalStrengthIndicator,RSSI)测距的三边定位方法往往效果很差［3］。在这种情况下，采用基于

3、信号指纹的定位方法会收到较好的效果。基于信号指纹的定位方法根据数据库中信号指纹表示的不同，可分为两类：第一类是基于概率的定位方法，该方法通过条件概率为位置指纹建立模型，采用贝叶斯推理机制来估计移动点的位置［4］。第二类是确定性的定位算法，该方法的位置指纹是每个信标节点信号强度的平均值，使用该值采用确定性的推理算法来估计移动点位置。如微软的Bahl等［5］采用信号空间最接近K邻居法(KNearestNeighborsinSignalSpace,KNNSS),在位置指纹数据库中找到与实时信号强度最接近的多个参考点的平均值作为移动点的估计位置。文献［6］使用RSSI均值作为信

4、号指纹，定位阶段采用逐次累加的方式，最后选取最大权重值的位置点作为定位目标的估计位置，该算法没有较好地考虑到定位目标移动的问题，定位精确度较低。文献［7］提出了K加权近邻法(WeightedKNearestNeighbors,WKNN),它与K邻近法不同之处在于选取了K(K22)个数据库矢量后，不是计算它们的平均坐标作为定位目标的位置输出，而是给每个数据库矢量对应的坐标乘上一个加权系数，该算法的缺点是只能采用某一固定K值。Beomju等针对文献［8］K值固定可能会引入实际远离移动节点的邻居点，提出了EWKNN算法，该算法通过设定一个阈值动态确定K值，提高定位精度。文献［

5、9］提出了基于权重值选择的K加权近邻法(WeightSelectKNN),该算法为每个信标节点在各参考位置处RSSI的变化范围设置一个阈值固定的区间，然后在指纹匹配时采用基于权重值选择的定位算法，并在定位计算时引入加权算法。该算法在一定程度上减少了RSSI随机抖动引起的定位误差，但是采用统一的阈值，不能很好地选择K个邻近参考点。针对室内环境中RSSI值易抖动及个别信标节点被干扰的问题，结合室内信号传播路径损耗特征，本文提出一种优化的室内RSSI指纹定位算法。该算法利用离线RSSI信号指纹来进行定位，先根据室内路径损耗特征，对各参考点进行分类并确定相应的阈值，并且通过引入

6、参考点信号强度作为权重对优选参考点加权计算移动节点的位置信息。1RSSI信号指纹定位算法RSSI信号指纹定位算法大致分为两个阶段：1)离线训练阶段：该阶段用于采集信号强度形成指纹库。在一个已部署好无线网络节点的环境中，划分网格并取中心点作为参考点，在各参考点先用移动节点进行信号采集，然后将取均值后的该组信号数据［rssil,rssi2,…，rssij,…，rssim］存入数据库中，m表示移动节点在该参考点位置可侦测到的各信标节点数，rssij表示移动节点在该参考点位置接收到第j个信标节点的信号强度。当采集完成时，数据库中保存了移动节点在每个参考点位置接收到的各个信标节点

7、的信号强度。2)在线定位阶段：当移动节点运动到某一位置时，将该位置上可侦测到的各信标节点信号强度(RSSI1,RSSI2,…，RSSIm)发送给上位机，上位机将接收信号强度与数据库中的信号指纹进行匹配，利用与接收信号值最符合的信号指纹所对应参考点判断当前节点位置。在线定位阶段使用实时采集的信号强度值与离线训练阶段构建的信号指纹库进行匹配，所用的匹配算法直接关系到定位结果的准确度。2改进的定位算法本文算法流程为：离线阶段，先采集RSSI构建指纹地图，获取路径损耗特征，然后根据路径损耗特征对参考点分类并确定相应阈值；定位阶段，先依据待测位置的