基于时间序列预测的融合跟踪定位算法.docVIP

基于时间序列预测的融合跟踪定位算法 　　【摘 要】现有定位系统中因终端设备各个时刻独立完成定位而忽略了能对目标位置估计提供额外信息的位置时间相关性，为了解决这个问题，引入了时间序列预测模型，基于历史位置信息充分挖掘物体的运动规律，进而预测出目标下一个时间段的位置信息，再将预测结果与现有定位系统的定位结果进行融合计算，实现对目标的跟踪定位。仿真结果表明，时间序列预测模型的引入可以有效地减小跟踪定位误差，实现更好的跟踪定位效果。 　　【关键词】室内定位 位置信息的时间相关性 时间序列预测模型 　　1 引言 　　物联网的核心在于实现物与物以及人与物的信息交互，其中很重要的前提是全面感知，即利用传感器、射频识别及二维码等感知技术在物理世界中对物体实现随时随地的信息采集和获取，然后将这些信息通过网络传到用户或者服务器端，最后依托智能计算技术为用户提供各种各样的服务。这其中基本所有采集的信息都必须和物体的具体位置相关联，否则这个信息就大失意义。 　　可以说定位技术是物联网一个重要的基础，也是物联网区别于PC互联网的重要特征。“LBS+”正在改变很多行业的传统使用模式，特别是在交通导航、医疗、社交、监控和电子商务等领域，将会起着越来越重要的作用。 　　定位技术发展到现在已有数几十年的历史，在室外环境中GPS得到了广泛成熟的应用，但在城市中心、室内等复杂环境，卫星信号无法穿透建筑物，GPS往往不能发挥作用，无法用于定位。虽然后来出现的A-GPS技术能够通过结合移动通信运营基站与GPS对用户进行快速定位，从一定程度上解决了GPS信号无法穿透建筑物的问题并广泛应用于具有GPS功能的手机上，但在室内环境中仍存在着严重的多径干扰、大量的人员干扰以及环境变动，因此只有新的且不同于GPS系列的技术出现，才有解决室内定位的可能。 　　2 现有研究现状 　　按照定位原理划分，现有的室内定位技术主要可以分成3种方法：基于几何学原理的几何测量法、基于统计学原理的指纹定位法以及基于运动学原理的惯性导航法。 　　2.1 几何测量法 　　几何测量法主要分三个步骤：第一是对无线电信号的一个或几个电参量（振幅、频率、相位或传播时间）进行测量；第二是根据电磁波传播特性把测量的电参量转换为距离、距离差及到达角度等，用来表示位置关系；第三是利用几何原理建立方程，运用各种算法或技术来实现位置估计。 　　典型的几何测量法有TOA（Time of Arrival，到达时间），TDOA（Time Difference of Arrival，到达时间差），AOA（Angle of Arrival，到达角度）等，其中TOA、TDOA利用用户端到至少3个不共线的参考点的距离，通过3个圆的交点或者双曲线交叉点实现定位；AOA则是利用测量来自多个参考点接收信号的到达角度实现定位。 　　但在复杂的室内环境下，受多径干扰及非视距传播等影响，时间和角度的测量都会存在较大的误差，定位精度不高。与此同时，此类方法的实现需要预先知道AP（Access point，接入点）的具体位置，且需要使用专用的硬件测量设备，不满足实际应用的需要。 　　2.2 指纹定位法 　　正是由于复杂多变的室内环境，导致在不同的位置信道特征也会不一样，同一个位置点所采集的数据特征具有唯一性。指纹定位技术则有效地利用此特性，通过采集各参考点位置的RSS（Received Signal Strength，接收信号强度）样本数据，构建反映该室内环境位置场强的指纹数据库，将接收到的待测点的RSS与指纹库中数据进行特征匹配，找出最相似的结果进行定位，具体原理与流程如图1所示。 　　现有成熟的室内定位系统大多依赖定位数据库，但该方法前期需要大量的数据采集工作，布局维护成本高，且不同的室内环境具备不同的数据库特征，使得现有很多解决方案都是针对特定的环境，如果移植到其他环境会受到不同的局限，可拓展性差。 　　2.3 惯性导航法 　　如图2所示，基于惯性导航的室内定位方法通过在终端中的传感器如陀螺仪、方向传感器及加速度传感器等，可测量出位移者行进的方向、旋转矢量和加速度等关键指标，从而计算出相对位移，并与初始位置叠加推算物体的当前位置。 　　此方法不依赖于外部设施且受环境影响小，可实现自主导航，但相对位移的计算是通过加速度的二重积分算的，长时间的导航会快速增加误差的累计。此外，此方法对终端设备和要求较高，需要增加额外的网络开销，且不满足用户要求的定位技术功耗低、响应时间快、不增加成本的体验需求。 　　综上所述，现有这些基本定位技术存在着不同的优缺点，单一的定位技术已不能满足物联网的定位需求。当前定位技术的发展趋势是采取多种技术的融合，满足不同的定位环境所提出的需求，以达到最优的解决方案。 　　4 实验仿真