本發(fā)明涉及定位技術(shù)領(lǐng)域，特別是涉及基于RSSI的室內(nèi)定位方法與系統(tǒng)。

背景技術(shù)：

室外主要通過北斗定位系統(tǒng)或全球定位系統(tǒng)(Global Positioning System，GPS)進(jìn)行人員和車輛定位，目前的民用系統(tǒng)的精度已經(jīng)達(dá)到10米以內(nèi)，且系統(tǒng)精度與設(shè)備數(shù)量沒有直接的關(guān)系，能夠滿足室外定位的需求。在室內(nèi)場景中，如何設(shè)計(jì)和實(shí)現(xiàn)適用于室內(nèi)場景的定位算法和系統(tǒng)，是當(dāng)前定位技術(shù)研究的關(guān)鍵所在。

一般的室內(nèi)定位技術(shù)主要通過搭建室內(nèi)定位系統(tǒng)，通過多基站完成對目標(biāo)的測量和定位。其中基于接收信號(hào)強(qiáng)度指示(Received Signal Strength Indication，RSSI)測距的泰勒級(jí)數(shù)算法，由于測量容易且實(shí)現(xiàn)簡單，應(yīng)用廣泛?；赗SSI測距的泰勒級(jí)數(shù)算法，來源于三邊定位算法，通過在待測場景中放置多個(gè)定位基站，測量待測節(jié)點(diǎn)與定位基站之間的RSSI值，計(jì)算距離信息得出待測節(jié)點(diǎn)位置，測量原理如圖1所示。由于基于接收信號(hào)強(qiáng)度指示RSSI隨距離變化，參考節(jié)點(diǎn)到待測節(jié)點(diǎn)或稱盲節(jié)點(diǎn)的距離d1、d2、d3，可以通過各參考基站接收信號(hào)RSSI的測量值反推得出，上述基于RSSI測距定位法，通過定位基站接收信號(hào)，完成待測節(jié)點(diǎn)RSSI值的檢測和兩者之間距離的判斷。

雖然理論上基于RSSI定位算法能夠基本實(shí)現(xiàn)室內(nèi)定位，但是在實(shí)際應(yīng)用中，由于未考慮實(shí)際測量過程中的偶然誤差對于測量結(jié)果的影響，算法將所有測量數(shù)據(jù)進(jìn)行平均后，用于后續(xù)定位計(jì)算，會(huì)影響數(shù)據(jù)的有效性和定位精度，另外，在測量過程還存在噪音干擾與障礙遮擋，最終造成定位結(jié)果不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對一般室內(nèi)定位方法定位結(jié)果不準(zhǔn)確的問題，提供一種定位準(zhǔn)確的基于RSSI的室內(nèi)定位方法與系統(tǒng)。

一種基于RSSI的室內(nèi)定位方法，包括步驟：

分別采集至少三個(gè)定位基站接收的RSSI信號(hào)；

對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)；

對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)；

根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。

一種基于RSSI的室內(nèi)定位系統(tǒng)，包括：

采集模塊，用于分別采集至少三個(gè)定位基站接收的RSSI信號(hào)；

高斯處理模塊，用于對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)；

小波變換處理模塊，用于對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)；

泰勒校正模塊，用于根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。

本發(fā)明基于RSSI的室內(nèi)定位方法與系統(tǒng)，分別采集至少三個(gè)定位基站接收的RSSI信號(hào)，對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)，對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)，根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。整個(gè)過程中，高斯擬合和小波變換處理進(jìn)行數(shù)據(jù)篩選與去噪，并考慮室內(nèi)場景中大型設(shè)備和人員移動(dòng)導(dǎo)致測量RSSI值的變化，引入正定矩陣校正估計(jì)偏移量的誤差，有效提高定位精度。

附圖說明

圖1位傳統(tǒng)基于RSSI定位的原理示意圖；

圖2為本發(fā)明基于RSSI的室內(nèi)定位方法第一個(gè)實(shí)施例的流程示意圖；

圖3為本發(fā)明基于RSSI的室內(nèi)定位方法第二個(gè)實(shí)施例的流程示意圖；

圖4為本發(fā)明基于RSSI的室內(nèi)定位系統(tǒng)第一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；

圖5為本發(fā)明基于RSSI的室內(nèi)定位系統(tǒng)第二個(gè)實(shí)施例的結(jié)構(gòu)示意圖；

圖6為應(yīng)用本發(fā)明基于RSSI的室內(nèi)定位方法與系統(tǒng)的定位結(jié)果與傳統(tǒng)室內(nèi)定位方法的定位結(jié)果對比圖。

具體實(shí)施方式

為了更進(jìn)一步詳細(xì)解釋本發(fā)明基于RSSI的室內(nèi)定位方法與系統(tǒng)的技術(shù)原理，下面針對常規(guī)技術(shù)進(jìn)行更詳細(xì)的介紹。

在傳統(tǒng)的基于RSSI的定位方法中，其測量原理圖如圖1所示，該場景中用于定位的3個(gè)定位基站坐標(biāo)分別為(x1，y1)、(x2，y2)和(x3，y3)。由于基于接收信號(hào)強(qiáng)度指示RSSI隨距離變化，參考節(jié)點(diǎn)到待測節(jié)點(diǎn)或稱盲節(jié)點(diǎn)(x，y)的距離d1、d2、d3，可以通過各參考基站接收信號(hào)RSSI的測量值反推得出，具體如式(1)所示。式中A為距離信號(hào)源1米處接收信號(hào)強(qiáng)度的平均值，n為路徑損耗指數(shù)與具體的傳播環(huán)境密切相關(guān)，X_ε為隨機(jī)誤差。

RSSI(d)＝-(10nlog₁₀d+A+X_ε) 式(1)

不同定位基站坐標(biāo)(x1，y1)、(x2，y2)和(x3，y3)與盲節(jié)點(diǎn)(待測節(jié)點(diǎn))(x，y)位置坐標(biāo)，以及基于RSSI測量反推得出的距離d1、d2、d3，滿足式(2)關(guān)系。

通過式(2)可以得出，盲節(jié)點(diǎn)位置坐標(biāo)如式(3)。

上述傳統(tǒng)的基于RSSI測距定位法，通過定位基站接收信號(hào)，完成待測節(jié)點(diǎn)RSSI值的檢測和兩者之間距離的判斷。算法并未考慮實(shí)際系統(tǒng)RSSI參數(shù)測量的誤差與波動(dòng)，當(dāng)定位基站數(shù)目大于3個(gè)時(shí)，多定位基站測量可以提升測量精度，此時(shí)式(2)變?yōu)槌ǚ匠?，原算法不能夠有效求解，此時(shí)需要通過泰勒(Taylor)級(jí)數(shù)算法將超定方程進(jìn)行泰勒級(jí)數(shù)展開，保留線性的前兩項(xiàng)是基于泰勒級(jí)數(shù)展開的加權(quán)似然估計(jì)遞歸算法，其基本原理是將非線性方程在初始估計(jì)值處進(jìn)行泰勒級(jí)數(shù)展開，保留前兩項(xiàng)，再用加權(quán)似然估計(jì)算法求解該方程。上述算法應(yīng)用于室內(nèi)場景時(shí)，需要從以下幾個(gè)方面進(jìn)行改進(jìn)：1)RSSI測距定位的理論基礎(chǔ)；2)RSSI信號(hào)的測量過程中，受到加性噪聲的影響，傳統(tǒng)泰勒級(jí)數(shù)展開定位算法考慮到系統(tǒng)和算法的簡單有效性，以及不同系統(tǒng)中定位終端的運(yùn)算和處理能力的限制，僅僅對多個(gè)測量值進(jìn)行平均，未對測量結(jié)果進(jìn)行深入處理，由于室內(nèi)定位可以為多基站定位系統(tǒng)，在終端的處理和運(yùn)算能力足夠，并且都具有持續(xù)的電量供給的前提下，可以充分利用定位基站的處理和運(yùn)算能力去除測量中的加性噪聲，改善測量結(jié)果的可靠性，提高定位精度，例如在蓄能水電站的應(yīng)用場景；3)在室內(nèi)(例如廠房內(nèi))大型設(shè)備的遮擋和人員的運(yùn)動(dòng)，會(huì)導(dǎo)致不同定位基站接收到的RSSI值差異較大，但此時(shí)泰勒級(jí)數(shù)算法的求解，并未考慮去噪后的接收信號(hào)強(qiáng)度指示值RSSI的大小在測距時(shí)對于定位誤差的影響。

針對上述三方面問題，本發(fā)明基于RSSI的室內(nèi)定位方法與系統(tǒng)主要從三個(gè)層面進(jìn)行改進(jìn)。1)在數(shù)據(jù)篩選階段，考慮實(shí)際測量過程中的偶然誤差對于測量結(jié)果的影響，對定位基站測量的大量RSSI信號(hào)進(jìn)行高斯擬合處理，保留其中滿足概率閾值的大概率測量值，提高了測量數(shù)據(jù)的有效性；2)在數(shù)據(jù)處理階段，對篩選出的有效測量信號(hào)進(jìn)行小波變換，去除測量中的加性噪聲，降低了測量過程引入的噪聲對于定位算法的影響；3)對泰勒級(jí)數(shù)算法進(jìn)行了改進(jìn)，考慮去噪后的RSSI的平均值大小在測距時(shí)對于定位誤差的影響。此時(shí)，RSSI平均值越大，說明測量時(shí)待測節(jié)點(diǎn)和定位基站之間的信道質(zhì)量越好，則測量結(jié)果越準(zhǔn)確，此時(shí)RSSI值對于測量結(jié)果偏移量的影響越小。所以本發(fā)明基于RSSI的室內(nèi)定位方法與系統(tǒng)通過引入正定校正矩陣，校正了RSSI均值對于定位結(jié)果的影響程度。綜上，基于RSSI的蓄能水電站室內(nèi)定位算法，在數(shù)據(jù)篩選和處理階段，充分考慮了誤差和噪聲的影響；在定位算法實(shí)現(xiàn)階段，通過引入正定校正矩陣，優(yōu)化了計(jì)算結(jié)果，能夠有效提高室內(nèi)定位算法的可靠性以及定位精度。

如圖2所示，一種基于RSSI的室內(nèi)定位方法，包括步驟：

S200：分別采集至少三個(gè)定位基站接收的RSSI信號(hào)。

在這里采集最少三個(gè)定位基站接收的RSSI信號(hào)，若數(shù)據(jù)處理能力足夠，可以采集更多數(shù)量的定位基站接收的RSSI信號(hào)。非必要的，針對單個(gè)定位基站接收的RSSI信號(hào)，可以采集一段時(shí)間內(nèi)接收的RSSI信號(hào)再求取其平均值作為該定位基站初始接收的RSSI信號(hào)。

S400：對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)。

在數(shù)據(jù)篩選階段，考慮實(shí)際測量過程中的偶然誤差對于測量結(jié)果的影響，對定位基站接收的大量RSSI信號(hào)進(jìn)行高斯擬合處理，保留其中滿足概率閾值的大概率RSSI信號(hào)，提高了測量數(shù)據(jù)的有效性。

具體來說，如圖3所示，在其中一個(gè)實(shí)施例中，步驟S400包括：

S420：計(jì)算采集的RSSI信號(hào)的高斯分布均值與方差。

在實(shí)際定位測量的過程中，定位基站在不同時(shí)刻進(jìn)行定位探測，接收和測量得到大量的RSSI值，由于式(1)中隨機(jī)誤差X_ε的影響，同一基站在不同時(shí)刻測得的RSSI值理論上服從(μ,σ²)的高斯分布。

S440：根據(jù)采集的RSSI信號(hào)的高斯分布均值與方差，計(jì)算采集的RSSI信號(hào)的概率密度值。

其概率密度函數(shù)表示為：

其中RSSI高斯分布的均值為方差

S460：將采集的RSSI信號(hào)的概率密度值與預(yù)設(shè)概率閾值比較，丟棄概率密度值小于預(yù)設(shè)概率閾值對應(yīng)的RSSI信號(hào)，概率密度值大于或等于預(yù)設(shè)概率閾值對應(yīng)的RSSI信號(hào)，獲得有效RSSI信號(hào)。

為了避免各種原因的偶然誤差，導(dǎo)致的RSSI變化影響定位算法準(zhǔn)確性，需要通過RSSI高斯擬合去除誤差數(shù)據(jù)，即通過擬合之后去除由于各種誤差引起的概率分布中的小概率事件。確定預(yù)設(shè)概率閾值T_FLT，當(dāng)0≤f(RSSI)＜T_FLT，認(rèn)為此時(shí)的RSSI值，出現(xiàn)概率較小，不滿足門限要求，將此接收信號(hào)強(qiáng)度指示值去除；當(dāng)T_FLT≤f(RSSI)＜1時(shí)，此時(shí)的RSSI在擬合的概率密度較大區(qū)域，擬合說明接收信號(hào)強(qiáng)度指示值也大多分布于此區(qū)域，所以數(shù)據(jù)應(yīng)予以保留。優(yōu)選地，T_FLT可以根據(jù)工程經(jīng)驗(yàn)設(shè)置為0.6，則RSSI滿足0.6≤f(RSSI)＜1，即μ+0.15σ≤RSSI≤μ+3.09σ時(shí)，當(dāng)接收的RSSI值屬于此區(qū)域時(shí)，將數(shù)據(jù)保留，否則，認(rèn)為是小概率數(shù)據(jù)，剔除。

S600：對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)。

通過高斯擬合篩選出的有效數(shù)據(jù)，濾除了可能由于各種誤差導(dǎo)致的小概率測量數(shù)據(jù)，如果直接使用篩選后的各基站測量的多個(gè)RSSI的平均值進(jìn)行后續(xù)的定位估計(jì)，算法精度會(huì)受到測量時(shí)疊加的加性噪聲的影響。所以，為了去除測量時(shí)系統(tǒng)噪聲對于測量數(shù)據(jù)的影響，在這里，使用小波變換對測量信號(hào)進(jìn)行去噪處理，降低測量過程引入的噪聲對于定位算法的影響。具體來說，可以通過測量信號(hào)RSSI進(jìn)行多分辨率小波分解從時(shí)域變換到小波域，合理選取閾值函數(shù)和閾值，將噪聲所對應(yīng)的小波系數(shù)按閾值函數(shù)進(jìn)行處理，進(jìn)行小波重構(gòu)，將經(jīng)過去噪處理后的數(shù)據(jù)從小波域變換回時(shí)域，得到去噪后的接收信號(hào)強(qiáng)度指示。

更進(jìn)一步來說，在其中一個(gè)實(shí)施例中，步驟S600包括：

步驟一：將有效RSSI信號(hào)分解到小波域，獲得至少兩層小波系數(shù)以及與各層小波系數(shù)對應(yīng)的尺度系數(shù)。

在具體應(yīng)用實(shí)例中，可以選取Sym4小波以及恰當(dāng)?shù)姆纸鈱訑?shù)，對篩選過的接收信號(hào)進(jìn)行分解和重構(gòu)，基于Sym4小波的分解濾波器為一個(gè)低通濾波器和一個(gè)高通濾波器。簡單來說，該步驟是將含有噪聲的接收信號(hào)變換分解到小波域，從而將接收信號(hào)和噪聲干擾進(jìn)行分離。由于小波變換是線性變換，對接收信號(hào)作離散小波變換后得到的小波系數(shù)仍由兩部分組成，一部分是信號(hào)對應(yīng)的小波系數(shù)，另一部分是噪聲對應(yīng)的小波系數(shù)?；谟杏眯盘?hào)和噪聲在經(jīng)小波變換后具有不同的統(tǒng)計(jì)特性：有用信號(hào)的能量對應(yīng)著幅值較大的小波系數(shù)，噪聲能量則對應(yīng)著幅值較小的小波系數(shù)，并分散在小波變換后的所有系數(shù)中。分析不同分解層中小波系數(shù)的特點(diǎn)，可以區(qū)分信號(hào)中的噪聲和有效信號(hào)。由小波分解與重構(gòu)快速算法(Mallet算法)可知，分解濾波的過程如下公式所示：

在式(5)中，d_j,k為小波系數(shù)，c_j,k為尺度系數(shù)，h,g為正交鏡像濾波器組，h為低通濾波器，g為高通濾波器，j為分層數(shù)，N為離散采樣點(diǎn)的數(shù)目。

步驟二：將至少兩層小波系數(shù)分別與預(yù)設(shè)小波分解閾值進(jìn)行比較，強(qiáng)制歸零小于預(yù)設(shè)小波分解閾值的小波系數(shù)，并修正大于或等于預(yù)設(shè)小波分解閾值的小波系數(shù)，獲得修正后的小波系數(shù)。

基于小波分解閾值去噪效果的好壞取決于小波基的選擇、小波分解層數(shù)的確定以及閾值函數(shù)和閾值估計(jì)方法的選取。其中最重要的因素就是如何選擇閾值函數(shù)以及確定所選擇的閾值。優(yōu)選地，采用分層固定軟閾值法，按照式(6)對信號(hào)的小波系數(shù)進(jìn)行處理。

對于小于閾值的小波系數(shù)，直接強(qiáng)制歸零，而對于大于閾值的小波系數(shù)，則對其做修正處理。由于噪聲是隨機(jī)的不可預(yù)知的信號(hào)，在實(shí)際去噪過程中采用固定閾值進(jìn)行估計(jì)。令式(6)中的預(yù)設(shè)小波分解閾值M為信號(hào)的長度。

步驟三：對修正后的小波系數(shù)與小波系數(shù)對應(yīng)的尺度系數(shù)進(jìn)行小波重構(gòu)處理，獲得去噪后的有效RSSI信號(hào)。

小波重構(gòu)即是對去噪后的尺度系數(shù)和小波系數(shù)進(jìn)行重構(gòu)，從而變換為時(shí)域信號(hào)。同樣得，小波重構(gòu)過程是通過重構(gòu)濾波器實(shí)現(xiàn)的，重構(gòu)濾波器同樣包括一個(gè)低通濾波器和一個(gè)高通濾波器。

其中c_j,n為尺度系數(shù)，d_j,n為小波系數(shù)，同時(shí)相應(yīng)的h_k-2n為重構(gòu)低通濾波器，g_k-2n為重構(gòu)高通濾波器，j為分層數(shù)?？蛇x的，可以使用小波包分析法對多分辨率小波分解沒有細(xì)分的高頻小波系數(shù)進(jìn)一步分解，從而能夠反映出更精細(xì)的高頻信息，具有更為精確的局部分析能力，提高了時(shí)頻分辨率。通過小波重構(gòu)，去除了高斯擬合篩選出的有效數(shù)據(jù)中的加性噪聲，去噪后的接收信號(hào)強(qiáng)度指示表示為RSSI。

S800：根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。

為了提高室內(nèi)定位系統(tǒng)的精度，在測量時(shí)，采用多基站進(jìn)行定位估計(jì)，當(dāng)基站數(shù)目大于3個(gè)時(shí)，此時(shí)式(2)變?yōu)槌ǚ匠蹋ㄟ^泰勒(Taylor)級(jí)數(shù)算法求解盲節(jié)點(diǎn)(待測節(jié)點(diǎn))坐標(biāo)。泰勒級(jí)數(shù)算法的原理是利用泰勒級(jí)數(shù)展開，并通過加權(quán)最小二估計(jì)算法結(jié)合遞歸求解，但此時(shí)算法的求解，并未考慮接收信號(hào)強(qiáng)度指示值RSSI在測距時(shí)對于定位誤差的影響，在室內(nèi)，可能存在室內(nèi)設(shè)備的遮擋和人員的運(yùn)動(dòng)，會(huì)導(dǎo)致不同定位基站接收到的RSSI值差異較大，其中RSSI信號(hào)經(jīng)過了前面的誤差剔除和小波變換去噪處理之后的RSSI平均值越大，說明測量時(shí)待測節(jié)點(diǎn)和定位基站之間的信道質(zhì)量越好，則測量結(jié)果越準(zhǔn)確，此時(shí)RSSI均值對于測量結(jié)果偏移量Δx和Δy的影響越小。所以在求解過程中加入正定矩陣R進(jìn)行校正。其步驟主要包括：首先，通過加權(quán)似然法得到盲節(jié)點(diǎn)初始估計(jì)值的坐標(biāo)(x',y')，將超定方程式(2)在初始估計(jì)值處進(jìn)行泰勒級(jí)數(shù)展開，并忽略高次項(xiàng)，僅保留前兩項(xiàng)，之后使用加權(quán)似然估計(jì)算法求解該方程。此時(shí)可以通過將加權(quán)似然法得到的初始坐標(biāo)作為泰勒級(jí)數(shù)的初始展開位置，減少了迭代次數(shù)，降低了定位誤差。

更進(jìn)一步來說，在其中一個(gè)實(shí)施例中，步驟S800之前還包括步驟：

步驟一：根據(jù)去噪后的有效RSSI信號(hào)以及定位基站的位置，通過加權(quán)最大似然法，計(jì)算待測節(jié)點(diǎn)初始估計(jì)坐標(biāo)。

在平面坐標(biāo)系中，設(shè)(x,y)為待測盲節(jié)點(diǎn)的真實(shí)坐標(biāo)，(x',y')為待測盲節(jié)點(diǎn)的估計(jì)坐標(biāo)，(x_i,y_i)為第i個(gè)定位基站的坐標(biāo)。參考基站節(jié)點(diǎn)到待測節(jié)點(diǎn)或稱盲節(jié)點(diǎn)(x，y)的距離分別為d₁,d₂,d₃,...,d_n，可以表示為：

通過加權(quán)似然法得到盲節(jié)點(diǎn)初始估計(jì)值的坐標(biāo)(x',y')，參考基站節(jié)點(diǎn)與該估計(jì)坐標(biāo)值之間的距離表示為d₁',d₂',d₃',...,d_n'，滿足式(9)。

步驟二：在待測節(jié)點(diǎn)初始估計(jì)坐標(biāo)處進(jìn)行泰勒展開，獲得待測節(jié)點(diǎn)與各定位基站之間初始測量距離與真實(shí)距離的矩陣。

將節(jié)點(diǎn)的真實(shí)坐標(biāo)可表示為加權(quán)似然得到的坐標(biāo)與位置偏移量之和x＝x'+Δx，y＝y(tǒng)'+Δy，則將式(8)在盲節(jié)點(diǎn)初始估計(jì)值的坐標(biāo)(x',y')處按照泰格級(jí)數(shù)展開，忽略高次非線性項(xiàng)，可得

將算法測量距離與真實(shí)距離的差距值用矩陣B＝(d₁-d₁' d₂-d₂' ... d_i-d_i' ... d_n-d_n')^T表示，則通過推導(dǎo)可得

B＝AΔ 式(11)

其中，

步驟三：對待測節(jié)點(diǎn)與各定位基站之間初始測量距離與真實(shí)距離的矩陣中加入正定校正矩陣，獲得正定校正矩陣改進(jìn)后的泰勒算法。

考慮接收信號(hào)強(qiáng)度指示值RSSI在測距時(shí)對于定位誤差的影響，在蓄能水電站電廠內(nèi)部，廠房內(nèi)部設(shè)備的遮擋和人員的運(yùn)動(dòng)，會(huì)導(dǎo)致不同定位基站接收到的RSSI值差異較大，其中RSSI信號(hào)經(jīng)過了前面的誤差剔除和小波變換去噪處理之后的RSSI平均值越大，說明測量時(shí)待測節(jié)點(diǎn)和定位基站之間的信道質(zhì)量越好，則測量結(jié)果越準(zhǔn)確，此時(shí)RSSI值對于測量結(jié)果偏移量Δx和Δy的影響越小。所以在求解過程中加入校正矩陣，R為正定對角矩陣，加入R校正后，表示為：

RB＝AΔ，解出Δ＝(A^TA)^-1A^TRB 式(12)

正定校正矩陣表示為：

在本實(shí)施例中，步驟S800具體過程如下：

采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行迭代計(jì)算，以進(jìn)行室內(nèi)定位，獲得最終的定位結(jié)果。令重復(fù)上述過程，直到|Δx|+|Δy|＜ε，ε為預(yù)先設(shè)定的閾值，將此時(shí)的(x',y')作為盲節(jié)點(diǎn)最終的估計(jì)位置。

本發(fā)明基于RSSI的室內(nèi)定位方法，分別采集至少三個(gè)定位基站接收的RSSI信號(hào)，對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)，對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)，根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。整個(gè)過程中，高斯擬合和小波變換處理進(jìn)行數(shù)據(jù)篩選與去噪，并考慮室內(nèi)場景中大型設(shè)備和人員移動(dòng)導(dǎo)致測量RSSI值的變化，引入正定矩陣校正估計(jì)偏移量的誤差，有效提高定位精度。

如圖4所示，一種基于RSSI的室內(nèi)定位系統(tǒng)，包括：

采集模塊200，用于分別采集至少三個(gè)定位基站接收的RSSI信號(hào)。

高斯處理模塊400，用于對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)。

小波變換處理模塊600，用于對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)。

泰勒校正模塊800，用于根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。

本發(fā)明基于RSSI的室內(nèi)定位系統(tǒng)，采集模塊200分別采集至少三個(gè)定位基站接收的RSSI信號(hào)，高斯處理模塊400對采集的RSSI信號(hào)進(jìn)行高斯擬合處理，保留采集的RSSI信號(hào)中滿足預(yù)設(shè)概率閾值的大概率RSSI信號(hào)，獲得有效RSSI信號(hào)，小波變換處理模塊600對有效RSSI信號(hào)進(jìn)行小波變換，獲得去噪后的有效RSSI信號(hào)，泰勒校正模塊800根據(jù)去噪后的有效RSSI信號(hào)，采用正定校正矩陣改進(jìn)后的泰勒算法進(jìn)行室內(nèi)定位，獲得定位結(jié)果。整個(gè)過程中，高斯擬合和小波變換處理進(jìn)行數(shù)據(jù)篩選與去噪，并考慮室內(nèi)場景中大型設(shè)備和人員移動(dòng)導(dǎo)致測量RSSI值的變化，引入正定矩陣校正估計(jì)偏移量的誤差，有效提高定位精度

如圖5所示，在其中一個(gè)實(shí)施例中，高斯處理模塊400包括：

計(jì)算單元420，用于計(jì)算采集的RSSI信號(hào)的高斯分布均值與方差。

高斯處理單元440，用于根據(jù)采集的RSSI信號(hào)的高斯分布均值與方差，計(jì)算采集的RSSI信號(hào)的概率密度值。

篩選單元460，用于將采集的RSSI信號(hào)的概率密度值與預(yù)設(shè)概率閾值比較，丟棄概率密度值小于預(yù)設(shè)概率閾值對應(yīng)的RSSI信號(hào)，概率密度值大于或等于預(yù)設(shè)概率閾值對應(yīng)的RSSI信號(hào)，獲得有效RSSI信號(hào)。

在其中一個(gè)實(shí)施例中，小波變換處理模塊600包括：

分解單元，用于將有效RSSI信號(hào)分解到小波域，獲得至少兩層小波系數(shù)以及與各層小波系數(shù)對應(yīng)的尺度系數(shù)。

去噪單元，用于將至少兩層小波系數(shù)分別與預(yù)設(shè)小波分解閾值進(jìn)行比較，強(qiáng)制歸零小于預(yù)設(shè)小波分解閾值的小波系數(shù)，并修正大于或等于預(yù)設(shè)小波分解閾值的小波系數(shù)，獲得修正后的小波系數(shù)。

重構(gòu)單元，用于對修正后的小波系數(shù)與小波系數(shù)對應(yīng)的尺度系數(shù)進(jìn)行小波重構(gòu)處理，獲得去噪后的有效RSSI信號(hào)。

在其中一個(gè)實(shí)施例中，本發(fā)明基于RSSI的室內(nèi)定位系統(tǒng)還包括：

初始坐標(biāo)模塊，用于根據(jù)去噪后的有效RSSI信號(hào)以及定位基站的位置，通過加權(quán)最大似然法，計(jì)算待測節(jié)點(diǎn)初始估計(jì)坐標(biāo)。

距離極端模塊，用于在待測節(jié)點(diǎn)初始估計(jì)坐標(biāo)處進(jìn)行泰勒展開，獲得待測節(jié)點(diǎn)與各定位基站之間初始測量距離與真實(shí)距離的矩陣。

校正改進(jìn)模塊，用于對待測節(jié)點(diǎn)與各定位基站之間初始測量距離與真實(shí)距離的矩陣中加入正定校正矩陣，獲得正定校正矩陣改進(jìn)后的泰勒算法。

在其中一個(gè)實(shí)施例中，校正改進(jìn)模塊中正定校正矩陣的函數(shù)表達(dá)式為：

式中，為第i個(gè)定位基站采集的RSSI的平均值。

為了更進(jìn)一步詳細(xì)解釋本發(fā)明基于RSSI的室內(nèi)定位與系統(tǒng)的技術(shù)方案以及帶來的效果，下面將采用具體應(yīng)用實(shí)例進(jìn)行說明。

假定在40米*36米的測試房間中放置9個(gè)測試基站(房間的四邊以及水平、垂直中線上均勻分布，放置3個(gè)測量定位基站)，保持房間中原有設(shè)備的放置并在測試過程中，加入人員移動(dòng)的干擾，盡量接近真實(shí)的室內(nèi)衰落和多徑環(huán)境。定位估計(jì)誤差表示如式(13)所描述，(x,y)為待測盲節(jié)點(diǎn)的真實(shí)坐標(biāo)，(x',y')為待測盲節(jié)點(diǎn)的估計(jì)坐標(biāo)。

在待測廠房中，分別進(jìn)行了10次定位測試，每次測試時(shí)定位基站接收500次RSSI信號(hào)用于定位計(jì)算。圖6比較了泰勒級(jí)數(shù)展開算法，和本發(fā)明基于RSSI的室內(nèi)定位與系統(tǒng)的高斯篩選-小波變換-校正泰勒級(jí)數(shù)展開算法的定位結(jié)果，使用工程上的定位誤差來表示定位結(jié)果的精確程度?？梢钥吹?，由于本發(fā)明基于RSSI的室內(nèi)定位與系統(tǒng)對于測量結(jié)果通過高斯擬合篩選，去除了小概率的誤差值，并且通過小波變換，去除了系統(tǒng)加性噪聲的影響，通過添加校正提高定位算法的性能，所以在定位估計(jì)誤差方面，本發(fā)明基于RSSI的室內(nèi)定位與系統(tǒng)可以將定位精度控制在1.50米以內(nèi)，同時(shí)，傳統(tǒng)室內(nèi)定位算法由于誤差和噪聲的影響，總體波動(dòng)較大，本發(fā)明基于RSSI的室內(nèi)定位與系統(tǒng)改進(jìn)后的方案通過高斯篩選，小波變換的環(huán)節(jié)的數(shù)據(jù)處理，有效降低了誤差波動(dòng)的影響，提高的系統(tǒng)定位的穩(wěn)定性和精確性。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。