多传感器定位系统研究.docVIP

多传感器定位系统研究 　　【摘 要】本文基于Wi-Fi和蓝牙融合的室内无线定位创新模型设计出了多传感器定位系统模型，将使用贝叶斯滤波算法，将镍铬丝两种传感器的数据在特征级上进行融合，并加入模拟退火算法思想，使之在理论上能够达到全局最优，从而解决贝叶斯滤波器局部最优的局限性。 　　【关键词】多传感器；定位；Wi-Fi；蓝牙 　　[Abstracts] This is the Wi-Fi and Bluetooth integration of indoor wireless localization innovation model designed multi sensors positioning system based on the model， using Bayesian filtering algorithm， the nichrome wire two sensor data at the feature level of fusion， and joined the simulated annealing algorithm， which can get the global optimal solution in theory， so as to solve the limitations local optimal Bayesian filter. 　　[Keywords] multi sensors；locating；Wi-Fi；bluetooth 　　0.引言 　　定位系统使用的基本定位模型是贝叶斯滤波器模型，它是贝叶斯理论和马尔科夫链相结合的一种数学模型，其数学理论基础非常扎实。贝叶斯滤波器的目的在于结合历史信息，最大限度地过滤采集数据时产生的噪声，从而求得目标位置的真实值。 　　指纹定位算法的基本原理是基于机器学习理论。同时，在定位场景中需部署一定数量的AP，当待定位目标持有可接收AP信号的移动终端时，在T = t时刻便可收到来自n个AP的信号，它们一起组成了 RSSI观测值其中ri 为来自第i个AP的信号强度，n不大于场景内部署的AP总数。 　　指纹定位算法分为两个阶段：离线训练和在线定位。 　　离线训练的主要目的是提取每个坐标网格的特征。在实际应用中，网格特征的形式种类繁多，由于采用了贝叶斯理论，故在此以每个AP在每个网格的信号概率分布作为该网格的特征，统计理论本身的特点也决定了这一方法所提取的特征的稳定性。 　　在线定位阶段为了能够计算待定位目标在T=K时刻的位置，贝叶斯滤波器的定位阶段须分为三个步骤：预测、观测以及更新。1.多模定位模型 　　将Wi-Fi和蓝牙两种传感器的定位数据在特征级上进行了融合。然而，当马尔科夫链没有限制时，每进行一次定位计算都需要在场景中的所有网格进行全局搜索，这样大大增加了计算复杂度。但根据实际情况，当已知待定位目标在T = t-1时刻的位置时，那么它在T = t时刻并不可能出现在场景中某些较远的网格中。 　　为了使定位出错的情况下有一定概率矫正错误，本课题引入了模拟退火算法思想，在活动范围限定的基础上加入随机扰动因素，使算法在一定情况下可以跳出活动范围限制，进行全局搜索，从而找出全局最优解，进而矫正定位错误。 　　2.多传感器定位系统设计 　　2.1.1客户端 　　客户端位于系统架构的最顶层，是直接与用户进行交互的部分。它包含了三 　　部分：与中间件和应用服务器的通信模块、基于位置的基本服务模块和具体应用模块。通信模块承担定位数据扫描和与服务器通信的功能，是所有其他功能的基础。定位方面，它将从周围扫描到的各传感器数据进行初步格式化，然后打包发送给中间件，并从中间件取得最终定位结果，然后传递给其上的应用服务层。而应用服务方面，它则承担发送应用服务请求和接收从应用服务器传来的数据的任务。基于位置的基本服务主要包括了定位和导航两方面。 　　2.1.2多传感器定位中间件 　　中间件是定位系统的核心组件，是实现基于多传感器以及室内外全空间定位的主要部分。中间件包括与客户端通信的数据接收模块和坐标发送模块，以及与定位服务器通信的定位模式选择器和坐标接收及转换器。其中定位模式选择器是实现室内外全空间定位的关键模块，而数据接模块和坐标转换模块则是将不同传感器的数据进行分类以及格式化的核心模块。同时，中间件还担负着多线程并发接收用户定位请求的任务，故其在整个定位系统中扮演十分重要的角色。此外，使用中间件可以使客户端和定位服务器分开，两者不直接进行沟通，客户端和定位服务器相对独立。客户端可扫描的传感器数据种类的更改，以及定位服务器的定位模块增减，都可以独立进行。故这种设计可以显著降低系统组件间的耦合度。 　　2.1.3定位服务器 　　定位服务