测距定位中组合信号处理方法的运用-论文.pdf

《测距定位中组合信号处理方法的运用-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2014年第6期信息通信2014(总第138期)1NFORMATIoN&COMMUNICATIONS(Sum．No138)测距定位中组合信号处理方法的运用胡富斌，谭勇，张卫东(成都理工大学信息科学与技术学院，四川成都610059)摘要：GPS(GlobalPositioningSystem)是目前较为成熟的定位系统，但是在室内和建筑物密集的地方不能很好地运用。文章就WiFi室内定位技术做了相关的研究与改进，主要是在定位信号获取、信号处理与模型改进方面。信号处理采用了扩展卡尔曼、高斯平滑滤波等组合方法，旨在提高室内定位精度及稳定性。关键词：Wi．Fi定位；RSSI；信号处理；衰减模型中图分类号：

2、TN911．72文献标识码：A文章编号：1673一l131(2014)06-0023—02随着无线定位技术的发展，其应用范围也越来越广，例如若R2一Dis≠0则beta=dBm+A10log10(R2一D’否则取资产追踪、资源管理等。目前室内定位技术主要有：A-GPS(As．-sistedGPS)定位技术、超声波定位技术、Wi．Fi定位技术等。Wi．1dBm+AFi定位技术具有覆盖范围广，传输速度快，实现成本较低等优6P二而距离由()式来确定。点而更受人们青睐。1．2．2线性衰减模型在无线定位中，基于接收信号强度的定位方法是将接收的线性衰减模型，采用截距式，测距距离由下面的式子来确定：Wi．F

3、i信号强度与移动设备所在位置相互联系，其定位精度依d=A咫dBm十beta(5)赖于传播模型的参数的实时调整。在室内无线网络中，由于信一其中．A：—[dDi~-R2Dis__—其中．=——————————=_，beta：=R1Dis-A_R1d～Bm。．号传输条件难以预测，导致RSSI值具有随机性，进而使传播模⋯RIdBm-R2一一—一型参数不断变化。因此该论文提出了自动校准系数的传播模A相当于线性函数的斜率，beta相当于函数与纵轴的截距，Rl型和基于RSSI定位的新算法来解决相关问题。Dis为参考点1的距离位置，R1dBm为参考点1处的信号强l室内测距定位算法度值，其它参数含义与对数模型类

4、似。由于该模型描述的是信该论文在室内测距定位方面主要分为两部分：测距算法中号强度与距离之间的一次函数，故称为线性模型，定位距离由衰减模型参数校准和信号处理方法的组合运用。(3)式确定。1．1室内测距定位算法原理及实现2组合信号处理方法实验与结果分析Wi．Fi室内一维测距定位算法适用于类似走廊环境的定现有定位实验大多采用某一种信号处理方法，如卡尔曼滤位，原理是先将定位设备获取到的Wi=Fi信号RSSI值经过信波、加权算法等。为了获得较好的定位效果将不同的方法进行组号处理然后通过测距模型转换为距离，最后通过坐标换算得到合测试。该论文实验就是在同一位置使用组合信号的方法，并在定位设备的坐标。两种衰减

5、模型下进行测试，用平均测距误差来进行统计分析。1．2两种衰减模型参数确定测试环境为36m长的走廊，需要的硬件设备有走廊四个角1．2．1对数衰减模型上安置型号性能一致的路由器，距离走廊东端16m处安置热对数衰减模型如式(1)点，它们的位置关系如下图所示。实际运用中将下图做成Arc．J(c，)=。耐()一10’l0g10(_})+’啦(1)GIS地图，将计算得到的位置信息转换成坐标信息，将移动终u010端的位置实时显示在地图中。能最准确地描述室内无线信号的传播，其中P—ea(d)为距●触；，●离d处的信号强度值，P一(为参考点处的信号强度值(一般取do=lm)，Gt为衰减系数，N．1为室内各种特性

6、的墙壁数目，n是具有∞dBm衰减强度的墙壁的数目。鉴于室内墙壁等的衰减系数较难测得，故该论文采用比较简便的模型，即忽略最后一项，并从中解出d作为对数常态衰减模型。矫正器R1、R2的坐标分别是：(xl，y1)、(x2，y2)，则根据矫正器R1、R2的位置建立一维坐标系坐标分别是：1，d0+l，其中图1实验测试环境平面图do=√(xl—2)+(yl—Y2)(2)图2、图3是运用组合方法的测试结果，其中图1不采用任将两矫正器获得的RSSI值和其位置距离代入对数常态分何信号处理方法；图．2采用奇异值处理与加权算法；图3是奇布模型：d=10．+)／(一10beta))(3)异值处理、加权算法与卡尔曼的结

7、合使用；图．4是卡尔曼、奇异值处理与加权算法的结合：图5是奇异值处理、卡尔曼与加权求出射频参数A(距发射节点lm处的接收信号强度)，beta算法的结合：图一6是奇异值处理与高斯平滑滤波的结合；图．7(信号传输的衰减因子)值，获取实时测距模型，参数用以下式是只使用高斯平滑滤波的结果；图-8是卡尔曼与高斯平滑滤波子来确定：lo&o(R2_Dia)*Rl_dBm-lo~o(Rl_Dis)*R2_dBm(