亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

基于改進(jìn)粒子濾波的WiFi/WSN混合定位方法與流程

文檔序號:12380414閱讀:392來源:國知局

本發(fā)明涉及無線傳感定位技術(shù),具體涉及一種基于改進(jìn)粒子濾波的WiFi/WSN混合定位方法。



背景技術(shù):

在信息時(shí)代、大數(shù)據(jù)時(shí)代,位置信息幫助我們從多個(gè)角度認(rèn)識事物。BDS(BeiDou Navigation Satellite System,北斗衛(wèi)星導(dǎo)航系統(tǒng))/GPS(Global Positioning System,全球定位系統(tǒng))接收機(jī)或者手機(jī)提供或記錄了我們生活中大部分位置信息,這些信息或者來自衛(wèi)星定位系統(tǒng),或者來自移動通信網(wǎng)絡(luò),亦或來自WiFi(Wireless Fidelity,無線保真技術(shù))網(wǎng)絡(luò)。但是人們的社會活動更多集中在室內(nèi)等信號遮蔽區(qū)域,衛(wèi)星導(dǎo)航定位受到極大的限制、而基于網(wǎng)絡(luò)的AGPS(Assisted Global Positioning System,輔助全球定位系統(tǒng))定位精度不夠高,這給許多依賴高精度位置的服務(wù)與應(yīng)用帶來了不便。

以WiFi為代表的無線電室內(nèi)外導(dǎo)航定位技術(shù)受到青睞,并且得到了商業(yè)化的發(fā)展,比如Skyhook作為室外無線電定位服務(wù)商,擁有北美、歐洲等地移動通信基站、WiFi接入點(diǎn)數(shù)據(jù)庫,會根據(jù)用戶請求提供定位服務(wù)。而因?yàn)橹簧婕疤峁┘夹g(shù)方案和設(shè)備,所以基于無線電的室內(nèi)定位服務(wù)商更加數(shù)不勝數(shù),比如Ekahau、PinPoint、Zebra等。總的來說,其中采用的定位方法可以分為兩大類:位置指紋匹配(Location fingerprinting)和測邊交會(Intersection)。兩類方法各有優(yōu)缺點(diǎn),位置指紋匹配需要建立和維護(hù)龐大的數(shù)據(jù)庫,而測邊交會雖然需要維護(hù)的數(shù)據(jù)庫較小,但是測距易受環(huán)境影響而導(dǎo)致定位精度不佳?;旌隙ㄎ唤Y(jié)合單一技術(shù)和方法的優(yōu)點(diǎn),能夠提供更高精度、更可靠的定位信息。

“基于UWB和DGPS的混合定位方法研究”一文基于粒子濾波模型提出了結(jié)合UWB(Ultra Wide Band,超寬帶)室內(nèi)定位和DGPS(Differential Global Positioning System,差分全球定位系統(tǒng))室外定位的室內(nèi)外混合定位方法。針對只有一種觀測量和兩種觀測量的情況進(jìn)行討論,分別對UWB觀測量、DGPS觀測量以及兩種集成觀測量建模。

“基于多運(yùn)營商基站信號和Wi-Fi信號的混合定位技術(shù)探討”一文利用采集的CDMA2000(Code Division Multiple Access 2000,碼分多址2000移動通信標(biāo)準(zhǔn))、GSM(Global System for Mobile communication,全球移動通信系統(tǒng))、WCDMA(Wideband Code Division Multiple Access,寬帶碼分多址移動通信標(biāo)準(zhǔn))和Wi-Fi多模信號位置指紋實(shí)現(xiàn)混合定位。同等對待多模信號建立位置指紋,增加了定位可用性和可靠性。但是該技術(shù)沒有根據(jù)信號的特點(diǎn)采取不同的處理方式,沒有充分發(fā)揮多種信號混合的優(yōu)勢。



技術(shù)實(shí)現(xiàn)要素:

本發(fā)明的目的在于現(xiàn)有技術(shù)中存在的問題,克服其缺點(diǎn)和不足,提供一種信號相對穩(wěn)定、定位精度高、可靠性強(qiáng)的室內(nèi)定位方法。

為了實(shí)現(xiàn)以上目的,本發(fā)明提供了一種基于改進(jìn)粒子濾波的WiFi/WSN混合定位方法,其包括以下步驟:

(1)采集無線信號,初始化,根據(jù)目標(biāo)狀態(tài)先驗(yàn)分布隨機(jī)采樣建立粒子集其中,Ns表示粒子的數(shù)量,以及相應(yīng)的正則化權(quán)重

(2)粒子遷移,根據(jù)狀態(tài)遷移模型Xk=fk-1(Xk-1)+ωk-1,其中,ωk表示模型噪聲,得到新的粒子集;

(3)計(jì)算粒子權(quán)重,在計(jì)算粒子權(quán)重時(shí)利用k時(shí)刻的觀測向量Zk與WiFi位置指紋庫中觀測值向量之間歐式距離的倒數(shù)近似地表達(dá)即

<mrow> <msubsup> <mi>w</mi> <mi>k</mi> <mi>i</mi> </msubsup> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>RSS</mi> <mi>j</mi> </msub> <mo>-</mo> <msubsup> <mi>RSS</mi> <mi>j</mi> <mn>0</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> </mrow>

其中,N為觀測向量的維度,RSSj為WiFi觀測向量信號強(qiáng)度值,而是WiFi位置指紋信號強(qiáng)度值;

(4)估計(jì)目標(biāo)狀態(tài),可以不斷地利用粒子群及相應(yīng)權(quán)重估算,其計(jì)算式如下:

<mrow> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>S</mi> </msub> </munderover> <msubsup> <mi>X</mi> <mi>k</mi> <mi>i</mi> </msubsup> <msubsup> <mi>w</mi> <mi>k</mi> <mi>i</mi> </msubsup> <mo>;</mo> </mrow>

(5)粒子篩選,利用抗干擾性更好的WSN信號輔助粒子篩選,確定以WSN信號源為中心、R為半徑的高概率粒子分布區(qū),然后通過歐式距離選取處于分布區(qū)內(nèi)的粒子位置分布Ψk,

<mrow> <msub> <mi>D</mi> <mi>i</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msubsup> <mi>Loc</mi> <mi>x</mi> <mi>i</mi> </msubsup> <mo>-</mo> <msubsup> <mi>Loc</mi> <mi>x</mi> <mn>0</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>Loc</mi> <mi>y</mi> <mi>i</mi> </msubsup> <mo>-</mo> <msubsup> <mi>Loc</mi> <mi>y</mi> <mn>0</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> <msub> <mi>&Gamma;</mi> <mi>D</mi> </msub> <mo>=</mo> <mo>{</mo> <msub> <mi>D</mi> <mi>i</mi> </msub> <mo>&lt;</mo> <mi>R</mi> <mo>}</mo> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>s</mi> </msub> </mrow>

<mrow> <msub> <mi>&Psi;</mi> <mi>k</mi> </msub> <mo>=</mo> <mo>{</mo> <msub> <mi>Loc</mi> <mi>j</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msubsup> <mi>Loc</mi> <mi>x</mi> <mi>j</mi> </msubsup> <mo>,</mo> <msubsup> <mi>Loc</mi> <mi>y</mi> <mi>j</mi> </msubsup> <mo>)</mo> </mrow> <mo>:</mo> <msub> <mi>D</mi> <mi>j</mi> </msub> <mo>&Element;</mo> <msub> <mi>&Gamma;</mi> <mi>D</mi> </msub> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>k</mi> </msub> <mo>}</mo> </mrow>

其中Nk為分布區(qū)內(nèi)粒子數(shù)目;

(6)重采樣:根據(jù)p(xk|z1:k)近似離散形式采樣Ns次得到新的粒子集并且將權(quán)重全部重置為1/Ns,轉(zhuǎn)到所述步驟(2)。

優(yōu)選地,所述步驟(5)中,R默認(rèn)為2米,可根據(jù)實(shí)際定位精度需求設(shè)定。

本發(fā)明的方法的關(guān)鍵在于:WSN(Wireless Sensor Network,無線傳感器網(wǎng))輔助基于WiFi位置指紋的粒子濾波重采樣過程。

WiFi(以IEEE 802.11b為例)和WSN(以IEEE 802.15.4Zigbee為例)由于各自電磁波特性具有互補(bǔ)性。具體表現(xiàn)為WiFi的廣泛覆蓋和WSN的相對穩(wěn)定能夠使混合定位的精度和可靠性增加。本發(fā)明以WiFi為主信號進(jìn)行粒子濾波、WSN為增強(qiáng)信號,在粒子濾波模型粒子重采樣過程中融合二者,從而提升室內(nèi)定位的精度。特別是,本發(fā)明在粒子重采樣時(shí)首先根據(jù)WSN信號源篩選設(shè)定半徑R范圍內(nèi)的粒子,形成粒子集,然后再從此粒子集中去除權(quán)重較小的粒子,保留權(quán)重較大的粒子。最后根據(jù)p(xk|z1:k)近似離散形式采樣Ns次得到新的粒子集并且將權(quán)重全部重置為1/Ns,進(jìn)入迭代濾波過程,由此實(shí)現(xiàn)精確定位。

重采樣的過程有效地減小了粒子退化對于濾波效果的影響。

WiFi(以IEEE 802.11b為例)和WSN(以IEEE 802.15.4Zigbee為例)由于各自電磁波特性具有互補(bǔ)性。具體表現(xiàn)為WiFi的廣泛覆蓋和WSN的相對穩(wěn)定能夠使混合定位的精度和可靠性增加。由于工作頻段都處于接近飽和的2.4GHz附近,這兩種信號很容易受到同頻段信號如藍(lán)牙、無線USB的干擾;并且2.4GHz也是水的共振頻率,所以也容易受到人體的干擾。然而Wi-Fi單個(gè)信道帶寬較寬(IEEE 802.11b信道帶寬為22MHz),而2.4GHz Zigbee(基于IEEE802.15.4標(biāo)準(zhǔn)的低功耗個(gè)域網(wǎng)協(xié)議,根據(jù)這個(gè)協(xié)議規(guī)定的技術(shù)是一種短距離、低功耗的無線通信技術(shù)。)單個(gè)信道帶寬只有2MHz,因此Wi-Fi受到干擾的幾率大得多,其信號傳輸質(zhì)量也趨于不穩(wěn)定。

本發(fā)明以WiFi為主信號、WSN為增強(qiáng)信號,在粒子濾波模型中融合二者,從而提升室內(nèi)定位的精度和可靠性。實(shí)踐結(jié)果證明,與現(xiàn)有的室內(nèi)定位技術(shù)相比,本發(fā)明的定位精度更高、可靠性更強(qiáng)。

附圖說明

圖1是根據(jù)本發(fā)明的基于粒子濾波的WiFi/WSN混合定位方法的流程示意圖。

具體實(shí)施方式

下面結(jié)合實(shí)施例及附圖對本發(fā)明作進(jìn)一步詳細(xì)的描述,但本發(fā)明的實(shí)施方式不限于此。

如圖1所示,本發(fā)明的基于改進(jìn)粒子濾波的WiFi/WSN混合定位方法包括以下步驟:

(1)采集無線信號,初始化,根據(jù)目標(biāo)狀態(tài)先驗(yàn)分布隨機(jī)采樣建立粒子集其中,Ns表示粒子的數(shù)量,以及相應(yīng)的正則化權(quán)重

(2)粒子遷移,根據(jù)狀態(tài)遷移模型Xk=fk-1(Xk-1)+ωk-1,其中,ωk表示模型噪聲,得到新的粒子集;

(3)計(jì)算粒子權(quán)重,在計(jì)算粒子權(quán)重時(shí)利用k時(shí)刻的觀測向量Zk與WiFi位置指紋庫中觀測值向量之間歐式距離的倒數(shù)近似地表達(dá)即

<mrow> <msubsup> <mi>w</mi> <mi>k</mi> <mi>i</mi> </msubsup> <mo>=</mo> <msqrt> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msup> <mrow> <mo>(</mo> <msub> <mi>RSS</mi> <mi>j</mi> </msub> <mo>-</mo> <msubsup> <mi>RSS</mi> <mi>j</mi> <mn>0</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> </mrow>

其中,N為觀測向量的維度,RSSj為WiFi觀測向量信號強(qiáng)度值,而是WiFi位置指紋信號強(qiáng)度值;

(4)估計(jì)目標(biāo)狀態(tài),可以不斷地利用粒子群及相應(yīng)權(quán)重估算,其計(jì)算式如下:

<mrow> <msub> <mover> <mi>X</mi> <mo>^</mo> </mover> <mi>k</mi> </msub> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>S</mi> </msub> </munderover> <msubsup> <mi>X</mi> <mi>k</mi> <mi>i</mi> </msubsup> <msubsup> <mi>w</mi> <mi>k</mi> <mi>i</mi> </msubsup> </mrow>

(5)粒子篩選,利用抗干擾性更好的WSN信號輔助粒子篩選,確定以WSN信號源為中心、R為半徑的高概率粒子分布區(qū),然后通過歐式距離選取處于分布區(qū)內(nèi)的粒子位置分布Ψk,R默認(rèn)為2米,可根據(jù)實(shí)際定位精度需求設(shè)定。

<mrow> <msub> <mi>D</mi> <mi>i</mi> </msub> <mo>=</mo> <msqrt> <mrow> <msup> <mrow> <mo>(</mo> <msubsup> <mi>Loc</mi> <mi>x</mi> <mi>i</mi> </msubsup> <mo>-</mo> <msubsup> <mi>Loc</mi> <mi>x</mi> <mn>0</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>+</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>Loc</mi> <mi>y</mi> <mi>i</mi> </msubsup> <mo>-</mo> <msubsup> <mi>Loc</mi> <mi>y</mi> <mn>0</mn> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>,</mo> <msub> <mi>&Gamma;</mi> <mi>D</mi> </msub> <mo>=</mo> <mo>{</mo> <msub> <mi>D</mi> <mi>i</mi> </msub> <mo>&lt;</mo> <mi>R</mi> <mo>}</mo> <mo>,</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>s</mi> </msub> </mrow>

<mrow> <msub> <mi>&Psi;</mi> <mi>k</mi> </msub> <mo>=</mo> <mo>{</mo> <msub> <mi>Loc</mi> <mi>j</mi> </msub> <mo>=</mo> <mrow> <mo>(</mo> <msubsup> <mi>Loc</mi> <mi>x</mi> <mi>j</mi> </msubsup> <mo>,</mo> <msubsup> <mi>Loc</mi> <mi>y</mi> <mi>j</mi> </msubsup> <mo>)</mo> </mrow> <mo>:</mo> <msub> <mi>D</mi> <mi>j</mi> </msub> <mo>&Element;</mo> <msub> <mi>&Gamma;</mi> <mi>D</mi> </msub> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>...</mn> <mo>,</mo> <msub> <mi>N</mi> <mi>k</mi> </msub> <mo>}</mo> </mrow>

其中Nk為分布區(qū)內(nèi)粒子數(shù)目;

(6)重采樣:根據(jù)p(xk|z1:k)近似離散形式采樣Ns次得到新的粒子集并且將權(quán)重全部重置為1/Ns,轉(zhuǎn)到所述步驟(2)。

本發(fā)明的方法以WiFi為主信號進(jìn)行粒子濾波、WSN為增強(qiáng)信號,在粒子濾波模型粒子重采樣過程中融合二者,從而提升室內(nèi)定位的精度。具體地,本發(fā)明在粒子重采樣時(shí)首先篩選WSN信號源設(shè)定半徑R范圍內(nèi)的粒子,形成粒子集,然后再從此粒子集中去除權(quán)重較小的粒子,保留權(quán)重較大的粒子。最后根據(jù)p(xk|z1:k)近似離散形式采樣Ns次得到新的粒子集并且將權(quán)重全部重置為1/Ns,進(jìn)入迭代濾波過程,由此實(shí)現(xiàn)精確定位。重采樣的過程有效地減小了粒子退化對于濾波效果的影響。

本發(fā)明以WiFi為主信號、WSN為增強(qiáng)信號,在粒子濾波模型中融合二者,從而提升室內(nèi)定位的精度和可靠性。經(jīng)實(shí)踐結(jié)果表明,使用本發(fā)明的方法進(jìn)行室內(nèi)無線定位,定位精度更高、可靠性更強(qiáng)。

上述實(shí)施例為本發(fā)明較佳的實(shí)施方式,但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的限制,其他任何在未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡化,均因?yàn)榈刃У闹脫Q方式,都包含在本發(fā)明的保護(hù)范圍之內(nèi)。

當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
1