基于动态环境衰减粒子滤波室内定位算法.docVIP

基于动态环境衰减粒子滤波室内定位算法 　　摘 要： 　　针对精确的无线传感器网络（WSN）室内定位中节点受复杂环境的干扰带来因距离相同而位置不同的环境差异，造成定位精度不足和定位稳定性较差的问题，提出了一种新的动态环境衰减因子（DEAF）模型的算法。算法构造DEAF模型，且重新定义了其取值方式。在算法中，首先利用粒子滤波算法对接收到的信号强度（RSSI）进行平滑处理；然后利用DEAF模型计算目标节点的估计距离；最后用三边测量法求出目标节点的坐标。通过与几种常用的滤波模型进行对比实验，得出这种动态环境衰减模型结合粒子滤波的算法能很好地调和不同位置带来的环境噪声差异，算法使定位平均误差降到0.68m左右，且在室内定位中有较高的定位精度和较好的稳定性。 　　关键词： 　　动态环境衰减因素；粒子滤波；接收信号强度；三边测量法；室内定位 　　0 引言 　　随着社会的发展，人员和物品的位置信息越来越受到人们的重视。现有定位技术包括全球定位系统（Global Positioning System， GPS）定位、WiFi定位技术应用到室内都有一定的局限性，例如，GPS定位信号无法穿透建筑物，造成室内定位精度不高；WiFi定位信号容易受到其他信号的干扰，也会对定位精度造成影响。无线传感器网络（Wireless Sensor Network， WSN）作为一种全新的信息获取和处理技术[1]，有着广泛的应用领域，其中，传感器节点的定位技术是无线传感器网络中关键的支撑技术之一。在实际应用中，节点位置信息的准确性直接关系到传感器节点采集到信息的有效性。作为无线通信技术的一种，无线射频识别（Radio Frequency Identification， RFID）技术已被证明在人员和物品定位的应用中具有较强的优势[2]，无论从技术层面还是实际配置层面考量，它都可以弥补GPS定位和WiFi定位在室内应用的不足，因此，RFID具有更广泛的应用。 　　根据定位过程中是否需要测量源节点和目标节点之间的距离，可以把定位算法分为两大类：基于距离（rangebased）的定位算法和距离无关（rangefree） [3]的定位算法。基于距离的定位通过测量源节点和目标节点之间的距离或角度，然后利用三边测量或三角测量计算出目标节点的位置坐标。基于距离的定位算法有很多种，主要有比较接收信号强度（Received Signal Strength Indication， RSSI）、比较到达时间（Time Of Arrival， TOA）、时间差（Time Difference of Arrival， TDOA）和到达角度（AngleofArrival， AOA），其中，以TDOA和RSSI测距定位最为常用。 　　然而，在实际应用过程中发现，复杂的环境对无线信号有着强烈的干扰作用，导致测得的信号强度值和理论值有较大误差。有效地解决这个挑战性困难问题是获得高精度位置信息的关键，需要对接收到的信号强度值进行一定的预处理。 　　针对复杂环境这一挑战性困难，国内外已有大量的研究工作。采用不同的模型和不同的预处理方法也会得到不同的定位精度和稳定性。在模型选择方面，Bahl等[4]构造了墙壁衰减因子（Wall Attenuation Factor， WAF）模型，充分考虑了建筑空间布局对定位性能的影响。林景栋等[5]采用简化的无线电波传播模型，该模型可以达到一定的定位精度，但是随着信标节点分布情况的不同，该模型定位精度和稳定性有较大波动。石为人等[6]使用了定值环境衰减因子模型，由于其取值为定值，所以对目标节点的环境补偿不能很好地适应位置的变化。在数据处理方面，Yu等[7]利用牛顿插值多项式代替线性插值来计算目标节点的RSSI值，该方法虽然提高了定位精度，但却产生很大的时间复杂性。朱宇佳等[8]采用支持向量机多分类方法把目标节点的RSSI值归于若干类中的某一类中进行处理，该算法定位精度有一定提高，但由于需要离线采集数据，故其适应环境变化的能力不强。张正华等[9]采用优化加权质心定位算法，定位精度在0.5～2.2m；肖如良等[10]首先应用卡尔曼滤波平滑了随机误差，然后用中位加权方法抑制了显著误差，其误差在0.81～1m。Bekkali等[11]结合卡尔曼滤波技术处理接收到的RSSI值，并采用多标签构成一种映射的方式，其误差在0.5～5m，稳定性很差。 　　以上诸多工作应对这一挑战性困难的解决方案在精度与稳定性方面还有待进一步探索，考虑到复杂环境中因距离相同而位置不同带来的环境差异，本文拟引入一种动态环境衰减因子（Dynamic Environment Attenuation Factor， DEAF），试图去构建动态环境衰减因子模型，利用粒子滤波算法对接收到的信号强度