發(fā)明涉及通信技術領域，具體的說是一種基于ZigBee網(wǎng)絡在超市環(huán)境下的定位方法。

背景技術：

目前，在智能設施的普及下，定位的重要性愈發(fā)凸顯。無線傳感器網(wǎng)絡的最為重要的一個應用實例便是進行終端節(jié)點(即無線傳感器)定位。學術上通常采用的方法有：到達時間TOA，到達時間差TDOA，到達角度AOA，接收信號強度指示RSSI。由于工程應用中，考慮到終端節(jié)點低功耗的必要需求以及終端節(jié)點間難以精確同步。實際多采用RSSI信號強度判斷終端節(jié)點位置，如“ZigBee技術中基于RSSI測距的定位算法研究”，徐世武等，《單片機與嵌入式系統(tǒng)應用》2012年08期。解決基于ZigBee的無線傳感器定位主要參考TI公司由信號傳播模型推演的得到的RSSI距離公式：RSSI＝-(10×n×log10d+A)，其中d為信號傳播的距離，n、A分別為傳播因子與環(huán)境參數(shù)，均為可變參數(shù)。

但在超市環(huán)境下，由于障礙物多、電磁干擾強等不確定因素使得可變參數(shù)不能通過簡單的推算來得到，實際數(shù)學模型會變得復雜的多，使得由此衍生出的定位算法(如質(zhì)心算法)，如“基于ZigBee定位系統(tǒng)的設計與實現(xiàn)”，曹凱，《管理科學》2014年04期，數(shù)據(jù)不可靠，定位效果差，難以在超市環(huán)境下實現(xiàn)定位。

另一種根據(jù)各節(jié)點的RSSI位置特征建立的位置指紋數(shù)據(jù)庫匹配定位的定位方法，如“基于WiFi的井下指紋模定位算法”，董建平等，《工礦自動化》2014年10期，由于需要大量的采集點保證定位精度，導致離線數(shù)據(jù)量過大，匹配算法復雜，實際應用也很困難。

技術實現(xiàn)要素：

本發(fā)明為克服上述現(xiàn)有技術存在的不足之處，提供一種基于ZigBee網(wǎng)絡在超市環(huán)境中的定位方法，以期能有效利用超市環(huán)境的障礙物也就是貨架的特征，提高離線采集階段的效用值，并利用匹配路徑點數(shù)據(jù)的冗余特征，提高在線定位階段的定位精度，從而開拓在環(huán)境復雜定位要求高的室內(nèi)運用無線技術定位的可能性。

為達到上述目的，本發(fā)明采用如下技術方案實現(xiàn)發(fā)明目的：

本發(fā)明一種基于ZigBee網(wǎng)絡在超市環(huán)境中的定位方法，所述超市環(huán)境是以貨架作為障礙物，其余空間為非障礙物區(qū)域，且在所述非障礙物區(qū)域中設置有帶有ZigBee的購物車作為盲節(jié)點；以所述超市環(huán)境的外接矩形的任意一點作為原點O，以所述原點O的相鄰邊分別作為X軸和Y軸，分別建立二維平面坐標系XOY；其特點是，所述定位方法是按如下步驟進行：

步驟1、將所述超市環(huán)境分割為N塊三角形定位子區(qū)域；在每塊三角形定位子區(qū)域的頂點上分別設置帶有ZigBee的參考節(jié)點，記為R_i，i＝1,2,3；以第i個參考節(jié)點R_i為源點，向所述第i個參考節(jié)點R_i的對應邊發(fā)散M條路徑，并在所述第i個參考節(jié)點R_i的對應邊上相應形成M個路徑終點E_m，1≤m≤M；在所述源點與第m個路徑終點E_m之間的路徑上設置有K_m個采集點；令第k個采集點與源點之間的距離記為d_k，且所述第k個采集點d_k位于所述非障礙物區(qū)域上，所述第i個參考節(jié)點R_i和所述盲節(jié)點的高度相同；

步驟2、離線階段

步驟2.1、利用盲節(jié)點獲取第m條路徑上所有采集點的無線信號并進行濾波處理，得到K_m個RSSI測量值；

步驟2.2、根據(jù)K_m個RSSI測量值和K_m個采集點的距離構(gòu)建第i個參考節(jié)點R_i的第m條路徑上的RSSI-d映射表；

步驟2.3、利用最小二乘法對第i個參考節(jié)點R_i的第m條路徑上的RSSI-d映射表進行擬合，得到第i個參考節(jié)點R_i的第m條路徑上的RSSI-d分布曲線；從而得到第i個參考節(jié)點R_i的M條路徑上的RSSI-d分布曲線所構(gòu)成的分布曲線簇；進而得到每塊三角形定位子區(qū)域的每個參考節(jié)點所對應的分布曲線簇；

步驟3、在線定位階段

步驟3.1、當所述盲節(jié)點處于所述非障礙物區(qū)域內(nèi)的未知位置，則所述盲節(jié)點上的ZigBee向周圍的參考節(jié)點發(fā)送無線信號；

步驟3.2、假設有J個參考節(jié)點接收到相應的無線信號并進行濾波處理，得到所述盲節(jié)點的J個RSSI測量值；將所述盲節(jié)點的J個RSSI測量值分別與相應參考節(jié)點所對應的分布曲線簇進行匹配，得到所匹配的U個參考節(jié)點及其匹配的路徑點集合；記第u個參考節(jié)點R_u所匹配的路徑點集合為C_u；

步驟3.3、在U個參考節(jié)點中第u個參考節(jié)點R_u向自身的三角形定位子區(qū)域內(nèi)其他參考節(jié)點發(fā)送無線信號；

步驟3.4、在U個參考節(jié)點中，若存在一個參考節(jié)點R_s1同時收到其他兩個參考節(jié)點R_s2和R_s3發(fā)送的無線信號，則表示所述盲節(jié)點處于由參考節(jié)點R_s1、R_s2和R_s3所組成的三角形定位子區(qū)域中；

步驟3.5、在由參考節(jié)點R_s1、R_s2和R_s3所組成的三角形定位子區(qū)域的路徑點集合C_s1、C_s2和C_s3中，獲取路徑點集合C_s1、C_s2和C_s3的中心點C；

步驟3.6、從所述路徑點集合C_s1中抽取任意一個路徑點c_s1、路徑點集合C_s2中抽取任意一個路徑點c_s2、路徑點集合C_s3中抽取任意一個路徑點c_s3進行組合為第f個匹配路徑組，從而得到F個匹配路徑組；

步驟3.7、利用式(1)計算第f個匹配路徑組的差異程度Q_f，從而獲得F個匹配路徑組的差異程度：

式(1)中，表示路徑點c_s1與路徑點c_s2之間的距離；表示路徑點c_s1與路徑點c_s3之間的距離；表示路徑點c_s2與路徑點c_s3之間的距離；

步驟3.8、設置差異程度閾值為Δ，得到F個匹配路徑組的差異程度中小于閾值Δ所對應的V個匹配路徑組；

步驟3.9、利用式(2)得到所述盲節(jié)點的定位結(jié)果E：

式(2)中，Q_v表示第v個匹配路徑組的差異程度；1≤v≤V；e_v表示第v個匹配路徑組的中心點，表示第v個匹配路徑組的中心點e_v對中心點C的矢量偏移。

與現(xiàn)有技術相比，本發(fā)明的有益效果是：

1.本發(fā)明相對于傳統(tǒng)的室內(nèi)定位算法相比，有效利用超市環(huán)境下障礙物區(qū)域的特征，改進離線階段數(shù)據(jù)采集的手段，以匹配路徑組的差異程度作為數(shù)據(jù)特征對估計位置進行矢量偏移，提高了定位精度，開拓了在環(huán)境復雜定位要求高的室內(nèi)運用無線技術定位的可能性。

2.本發(fā)明利用超市環(huán)境的障礙物也就是貨架的特征，在劃分的三角形定位子區(qū)域中有效的設計離線階段采集點，在滿足實際定位要求的情況下，與傳統(tǒng)的指紋匹配算法相比，可以明顯減少離線階段定位網(wǎng)絡的數(shù)據(jù)量。

3.本發(fā)明利用RSSI-d分布曲線所構(gòu)成的分布曲線簇，確定定位子區(qū)域，以利用較少的網(wǎng)絡資源，減少了定位網(wǎng)絡的工作量，并利用對差異程度設置閾值對數(shù)據(jù)進行處理，在此基礎上進行的基于差異程度加權的矢量偏移，能有效利用路徑點的冗余信息，獲得較高的定位精度。

附圖說明

圖1是本發(fā)明建立的超市環(huán)境模型圖；

圖2是本發(fā)明的一種基本方法流程圖；

圖3是本發(fā)明建立的離線階段模型圖；

圖4是本發(fā)明在線定位階段基本流程圖；

圖5是本發(fā)明在線階段匹配定位示意圖。

具體實施方式

本實施例中，一種基于ZigBee網(wǎng)絡在超市環(huán)境中的定位方法，如圖1所示，超市環(huán)境是以貨架作為障礙物，其余空間為非障礙物區(qū)域，且在非障礙物區(qū)域中設置有帶有ZigBee的購物車作為盲節(jié)點；以超市環(huán)境的外接矩形的任意一點作為原點O，以原點O的相鄰邊分別作為X軸和Y軸，分別建立二維平面坐標系XOY；如圖2所示，定位方法是按如下步驟進行：

步驟1、將超市環(huán)境分割為N塊三角形定位子區(qū)域；如圖3所示，在每塊三角形定位子區(qū)域的頂點上分別設置帶有ZigBee的參考節(jié)點，記為R_i，i＝1,2,3；以第i個參考節(jié)點R_i為源點，向第i個參考節(jié)點R_i的對應邊發(fā)散M條路徑，路徑會穿過障礙物區(qū)域也就是貨架，并在第i個參考節(jié)點R_i的對應邊上相應形成M個路徑終點E_m，1≤m≤M；在源點與第m個路徑終點E_m之間的路徑上設置有K_m個采集點，采集點的設置需處在無障礙區(qū)域，由于各路徑的發(fā)散角度不同，使得每條路徑在無障礙區(qū)域的分段長度不同，此時考慮離線采集點設置的合理性要求，需設置閾值β，假設閾值β為2m，當分段長度小于2m時，則在該段中點上設置一個采集點，當分段長度大于2m時，則在該段三分點處設置兩個采集點；令第k個采集點與源點之間的距離記為d_k，且第k個采集點d_k位于非障礙物區(qū)域上，為了保證采集數(shù)據(jù)與對應路徑上距離的分布關系，第i個參考節(jié)點R_i和盲節(jié)點的高度相同；

步驟2、離線階段

步驟2.1、利用盲節(jié)點獲取第m條路徑上所有采集點的無線信號并進行濾波處理，得到K_m個RSSI測量值；

步驟2.2、根據(jù)K_m個RSSI測量值和K_m個采集點的距離構(gòu)建第i個參考節(jié)點R_i的第m條路徑上的RSSI-d映射表；

步驟2.3、利用最小二乘法對第i個參考節(jié)點R_i的第m條路徑上的RSSI-d映射表進行擬合，得到第i個參考節(jié)點R_i的第m條路徑上的RSSI-d分布曲線；從而得到第i個參考節(jié)點R_i的M條路徑上的RSSI-d分布曲線所構(gòu)成的分布曲線簇；進而得到每塊三角形定位子區(qū)域的每個參考節(jié)點所對應的分布曲線簇；

步驟3、如圖4所示，在線定位階段由以下步驟構(gòu)成

步驟3.1、當盲節(jié)點處于非障礙物區(qū)域內(nèi)的未知位置，則盲節(jié)點上的ZigBee以廣播的形式向周圍的參考節(jié)點發(fā)送無線信號；

步驟3.2、假設有J個參考節(jié)點接收到相應的無線信號并進行濾波處理，得到盲節(jié)點的J個RSSI測量值；將盲節(jié)點的J個RSSI測量值分別與相應參考節(jié)點所對應的分布曲線簇進行匹配，得到所匹配的U個參考節(jié)點及其匹配的路徑點集合，此時得到的路徑點可以分布在對應參考節(jié)點所在的任意一個三角形定位子區(qū)域，而產(chǎn)生匹配成功的路徑點對應的參考節(jié)點，具備產(chǎn)生發(fā)散包含盲節(jié)點的路徑的可能性；記第u個參考節(jié)點R_u所匹配的路徑點集合為C_u；

步驟3.3、在U個參考節(jié)點中第u個參考節(jié)點R_u向自身的三角形定位子區(qū)域內(nèi)其他參考節(jié)點發(fā)送無線信號；

步驟3.4、在U個參考節(jié)點中，若存在一個參考節(jié)點R_s1同時收到其他兩個參考節(jié)點R_s2和R_s3發(fā)送的無線信號，則表示盲節(jié)點處于由參考節(jié)點R_s1、R_s2和R_s3所組成的三角形定位子區(qū)域中，利用RSSI-d分布曲線所構(gòu)成的分布曲線簇，確定定位子區(qū)域，以利用較少的網(wǎng)絡資源，減少了定位網(wǎng)絡的工作量；

步驟3.5、在由參考節(jié)點R_s1、R_s2和R_s3所組成的三角形定位子區(qū)域的路徑點集合C_s1、C_s2和C_s3中，獲取路徑點集合C_s1、C_s2和C_s3的中心點C；

步驟3.6、從路徑點集合C_s1中抽取任意一個路徑點c_s1、路徑點集合C_s2中抽取任意一個路徑點c_s2、路徑點集合C_s3中抽取任意一個路徑點c_s3進行組合為第f個匹配路徑組，從而得到F個匹配路徑組；

由步驟3.6所得到的F個匹配路徑組中可能會有某兩組的路徑點有一個或兩個是分別相同的，這種重合體現(xiàn)了路徑點數(shù)據(jù)的冗余特征；

步驟3.7、利用式(1)計算第f個匹配路徑組的差異程度Q_f，從而獲得F個匹配路徑組的差異程度：

式(1)中，表示路徑點c_s1與路徑點c_s2之間的距離；表示路徑點c_s1與路徑點c_s3之間的距離；表示路徑點c_s2與路徑點c_s3之間的距離；

步驟3.8、設置差異程度閾值為Δ，得到F個匹配路徑組的差異程度中小于閾值Δ所對應的V個匹配路徑組；

步驟3.9、利用式(2)得到盲節(jié)點的定位結(jié)果E：

式(2)中，Q_v表示第v個匹配路徑組的差異程度；1≤v≤V；e_v表示第v個匹配路徑組的中心點，表示第v個匹配路徑組的中心點e_v對中心點C的矢量偏移；

如圖5所示，假設設置差異程度閾值后得到三個匹配路徑組，且路徑點分別為且匹配路徑組的中心點分別e₁、e₂、e₃，經(jīng)過相應的差異程度權值進行矢量偏移得到定位結(jié)果E，利用對差異程度設置閾值對數(shù)據(jù)進行處理，在此基礎上進行的基于差異程度加權的矢量偏移，能有效利用路徑點的冗余特征，獲得較高的定位精度。