一种基于概率指纹计算的无线测距方法
【专利摘要】本发明涉及一种基于概率指纹计算的无线测距方法，依次包括以下步骤：通信场景的确定、测距与定位的维度、测量RSSI一组或多组数据，获得映射函数RSSI＝F(D,Ang)；本发明的优点：通过信号源安装位置、建筑结构、人流量、接收设备类型来确定通信场景，通过接收设备的位置测量RSSI一组或多组数据，获得映射函数RSSI＝F(D,Ang)，基于场景划分的实测的距离映射指纹库，准确度远高于传统的解析模型或全向指纹库模型，信号的随机部分作为可有效抵抗来自人体，周围环境的干扰，有助于为三角定位算法提供各方向更为精确的距离估测参考，在信号源不同间距的区域，实现不同精度的测距，能用于基于无线信号发射装置的测距，也可用于三角定位中的距离与方向估测。
【专利说明】一种基于概率指纹计算的无线测距方法
【技术领域】
[0001]本发明涉及一种基于概率指纹计算的无线测距方法。
【背景技术】
[0002]运用无线信号强度信息(RSSI)进行距离与位置估测是目前广泛应用于个人消费，工业应用，行业应用等领域的低成本，高可靠性的定位方案，在这其中，基于三角定位技术的定位系统具有易实施，低维护，计算简单的优势，三角定位实施的关键，在于定位系统需要获得一个可靠稳定的定位设备与无线信号源的距离估测，然而，由于通信协议本身的设计缺陷，如低功耗蓝牙4.0，和无线设备的设计差异，RSSI与距离之间的对应关系往往存在一定的随机性，这导致在定位过程中，会出现预设的RSSI与距离的映射函数不能反映RSSI的随机变化，产生距离估测的跳动，同时，当无线设备放置于不同的环境时，其RSSI与距离的映射关系很难完全用确定函数表达。
【发明内容】
[0003]本发明要解决的技术问题是提供一种基于概率指纹计算的无线测距方法，解决现有三角定位中的距离与方向的估测存在的缺陷。
[0004]为了解决上述技术问题，本发明是通过以下技术方案实现的:一种基于概率指纹计算的无线测距方法，依次包括以下步骤:
[0005]1)通过信号源安装位置、建筑结构、人流量、接收设备类型来确定通信场景；
[0006]2)根据步骤1)中的信号源为原点，接收设备为终点，选择需要测量的位置，按照测距与定位的维度，接收装置的位置通过D、Theta、Phi确定，其中D代表信号源与接收装置的直线距离，Theta与Phi代表接收设备在两个法向平面相对于某一方向的旋转角度；
[0007]3)根据步骤2)给定D、Theta, Phi的位置上，测量RSSI —组或多组数据，获得映射函数RSSI = F(D, Ang)，其中，Ang为定位维度。
[0008]优选的，步骤2)中对直线距离的计算采用最大似然率的算法，包括以下步骤:
[0009]a)针对特定通信场景与信号源的可靠覆盖范围，在信号源外部划分N个扇区，每个区域按照与信号源的距离进行等距划分，划分扇区数量应当根据设备在通信场景下各个方向的信号辐射差异度实际决定，距离间隔根据所在扇区的信号实际的衰减速率确定；
[0010]b)在步骤a)中的每一个扇区中，沿中心线在每一个划分间隔上测量多组RSSI值，获得RSSI = F(D, Ang)映射数据组，得到RSSI距离指纹数据库；
[0011]c)根据步骤b)得到的RSSI距离指纹数据库计算每个扇区不同距离上信号的概率分布密度，分布密度的概率区间根据实际的信号分布进行设定，概率分布密度通过PDF^^RSSI)表示；
[0012]d)通过移动终端检测来自信号源的蓝牙信号RSSI值，取至少三组检测信号S_0、S_1、S_2 ；
[0013]e)根据步骤c)计算的roFAng，D(RSSI)来计算每一个测量位置上的概率密度函数乘积值 MAng，D(RSSI):
[0014]MtogjD (RSSI) = PDFa^d (RSSI) (S_0) *PDFAng，D (RSSI) (S_l) *PDFAng，D (RSSI) (S_2)；
[0015]f)通过步骤e)计算得到所有已勘测位置的Mai^d(RSSI),在每一个扇区中进行大小比对;
[0016]g)将步骤f)中MAng，D(RSSI)对比后的最大值所对应的位置，作为基于Ang扇区中的的距离估测；
[0017]h)将^11&1)(1?51)的最大值与固定参数N的差值作为距离筛选区域，获得多个距离估测；
[0018]i)当步骤e)计算的多组数据概率密度函数乘积值相等时，可计算平均距离与平均角度作为测距的估测结果；
[0019]j)将步骤h)中的距离估测或步骤i)中估测结果分别进行滤波处理。
[0020]通过上述步骤可以合理地处理信号在传播过程中产生的随机衰落特征，并将其作为测距特征值的有效部分进行分析，提高系统的抗干扰能力。
[0021]优选的，步骤j)中的滤波处理通过Dn= DpfW+Dja-W)计算，其中，W为前一次距离估测的权重，能适应不同状态下的距离估测。
[0022]优选的，步骤j)中的滤波处理通过比较当前距离估测与上次距离估测的差距，也可以根据行走速度等比例变化，能适应静止或慢速移动下的距离估测。
[0023]优选的，步骤I)中的信号源安装位置包括天花板、地板、墙壁、独立建筑物表面，建筑结构包括面积小于100平方米的房间、面积大于100平方米的房间、宽度小于3m的走廊、宽度大于3m的走廊，人流量包括人流量稀少、人流量中等、人流量拥挤，设备类型包括外置天线、微带天线、蓝牙通信芯片，能根据不同的信号源安装位置来实现不同精度的测距。
[0024]综上所述，本发明的优点:通过信号源安装位置、建筑结构、人流量、接收设备类型来确定通信场景，通过接收设备的位置测量RSSI —组或多组数据，获得映射函数RSSI =F(D, Ang)，基于场景划分的实测的距离映射指纹库，准确度远高于传统的解析模型或全向指纹库模型，信号的随机部分作为可有效抵抗来自人体，周围环境的干扰，有助于为三角定位算法提供各方向更为精确的距离估测参考，在信号源不同间距的区域，实现不同精度的测距，能用于基于无线信号发射装置的测距，也可用于三角定位中的距离与方向估测。
【具体实施方式】
[0025]一种基于概率指纹计算的无线测距方法，依次包括以下步骤:
[0026]I)通过信号源安装位置、建筑结构、人流量、接收设备类型来确定通信场景；
[0027]2)根据步骤I)中的信号源为原点，接收设备为终点，选择需要测量的位置，按照测距与定位的维度，接收设备的位置通过D、Theta、Phi确定，其中D代表信号源与接收设备的直线距离，Theta与Phi代表接收设备在两个法向平面相对于某一方向的旋转角度；
[0028]3)根据步骤2)给定D、Theta, Phi的位置上，测量RSSI —组或多组数据，获得映射函数RSSI = F(D，Ang)，其中，Ang为定位维度。定位维度按实际的可以设置成一个角度或两个角度。
[0029]步骤2)中对距离的计算采用最大似然率的算法，包括以下步骤:
[0030]a)针对特定通信场景与信号源的可靠覆盖范围，在信号源外部划分N个扇区，每个区域按照与信号源的距离进行等距划分，划分扇区数量根据接收设备在通信场景下各个方向的信号辐射差异度决定，距离间隔根据所在扇区的信号实际的衰减速率确定，如果信号辐射差异度很小，则扇区数量减小，如果信号辐射差异度很大，则扇区数量相应增加，如果信号在短距离衰减较大，划分间隔则变小，如果信号在短距离衰减较小，划分间隔则增大；
[0031]b)在步骤a)中的每一个扇区中，沿中心线在每一个划分间隔上测量多组RSSI值，获得RSSI = F(D, Ang)映射数据组，得到RSSI距离指纹数据库；
[0032]c)根据步骤b)得到的RSSI距离指纹数据库计算每个扇区不同距离上信号的概率分布密度，分布密度的概率区间根据实际的信号分布进行设定，概率分布密度通过PDF^^RSSI)表示；
[0033]d)通过移动终端检测来自信号源的蓝牙信号RSSI值，取至少三组检测信号S_0、S_1、S_2 ；
[0034]e)根据步骤c)计算的roFAng，D(RSSI)来计算每一个测量位置上的概率密度函数乘积值 MAng，D(RSSI):
[0035]M^^RSSI) = PDF^^RSSI) (S_0)(RSSI) (S_l)(RSSI) (S_2)；当上式中某一项乘积为零，如roFAng，D(RSSI) (S_l) = 0时，将roFAng，D(RSSI) (S_l)替换为一个小值且小值比所有的概率分布密度函数除0外的可能取值都要小；
[0036]f)通过步骤e)计算得到所有已勘测位置的M^^JRSSI)，在每一个扇区中进行大小比对，当Ang相等时，直接比较其大小，或者比较其对数值的大小；
[0037]g)将步骤f)中MAng，D (RSSI)对比后的最大值所对应的位置，作为基于Ang扇区中的距离估测；
[0038]h)将^11&1)(1?51)的最大值与固定参数N的差值作为距离筛选区域，获得多个距离估测；
[0039]i)当步骤e)计算的多组数据概率密度函数乘积值相等时，可计算平均距离与平均角度作为测距的估测结果；
[0040]j)将步骤h)中的距离估测或步骤i)中估测结果分别进行滤波处理。
[0041]通过上述步骤可以合理地处理信号在传播过程中产生的随机衰落特征，并将其作为测距特征值的有效部分进行分析，提高系统的抗干扰能力。
[0042]步骤j)中的滤波处理通过Dn= DpfW+Dja-W)计算，其中，W为前一次距离估测的权重，能适应不同状态下的距离估测。
[0043]步骤j)中的滤波处理通过比较当前距离估测与上次距离估测的差距，差距是否大于某一额定值，该值可以为固定常数，也可以根据行走速度等比例变化，能适应静止或慢速移动下的距离估测。
[0044]步骤1)中的信号源安装位置包括天花板、地板、墙壁、独立建筑物表面，建筑结构包括面积小于100平方米的房间、面积大于100平方米的房间、宽度小于3m的走廊、宽度大于3m的走廊，人流量包括人流量稀少、人流量中等、人流量拥挤，设备类型包括外置天线、微带天线、蓝牙通信芯片，能根据不同的信号源安装位置来实现不同精度的测距。
[0045]通过信号源安装位置、建筑结构、人流量、接收设备类型来确定通信场景，通过接收设备的位置测量RSSI—组或多组数据，获得映射函数RSSI = F(D，Ang)，基于场景划分的实测的距离映射指纹库，准确度远高于传统的解析模型或全向指纹库模型，信号的随机部分作为可有效抵抗来自人体，周围环境的干扰，有助于为三角定位算法提供各方向更为精确的距离估测参考，在信号源不同间距的区域，实现不同精度的测距，能用于基于无线信号发射装置的测距，也可用于三角定位中的距离与方向估测。
【权利要求】
1.一种基于概率指纹计算的无线测距方法，其特征在于:依次包括以下步骤: 1)通过信号源安装位置、建筑结构、人流量、接收设备类型来确定通信场景； 2)根据步骤I)中的信号源为原点，接收设备为终点，选择需要测量的位置，按照测距与定位的维度，接收设备的位置通过D、Theta、Phi确定，其中D代表信号源与接收设备的直线距离，Theta与Phi代表接收设备在两个法向平面相对于某一方向的旋转角度； 3)根据步骤2)给定D、Theta,Phi的位置上，测量RSSI —组或多组数据，获得映射函数RSSI = F(D, Ang)，其中，Ang为定位维度。
2.根据权利要求1所述的一种基于概率指纹计算的无线测距方法，其特征在于:步骤2)中对直线距离的计算采用最大似然率的算法，包括以下步骤: a)针对特定通信场景与信号源的可靠覆盖范围，在信号源外部划分N个扇区，每个区域按照与信号源的距离进行等距划分，划分扇区数量根据接收设备在通信场景下各个方向的信号辐射差异度决定，距离间隔根据所在扇区的信号实际的衰减速率确定； b)在步骤a)中的每一个扇区中，沿中心线在每一个划分间隔上测量多组RSSI值，获得RSSI = F(D, Ang)映射数据组，得到RSSI距离指纹数据库； c)根据步骤b)得到的RSSI距离指纹数据库计算每个扇区不同距离上信号的概率分布密度，分布密度的概率区间根据实际的信号分布进行设定，概率分布密度通过PDFai^d(RSSI)表示； d)通过移动终端检测来自信号源的蓝牙信号RSSI值，取至少三组检测信号S_0、S_l、S_2 ； e)根据步骤c)计算的roFAng，D(RSSI)来计算每一个测量位置上的概率密度函数乘积值Mtog,D (RSSI):
MAng，D (RSSI) = PDFAng；D (RSSI) (S_0) *PDFAng；D (RSSI) (S_l) *PDFAng；D (RSSI) (S_2)； f)通过步骤e)计算得到所有已勘测位置的MAng，D(RSSI)，在每一个扇区中进行大小比对； g)将步骤f)*MAng，D(RSSI)对比后的最大值所对应的位置，作为基于Ang扇区中的距离估测； h)将1^&1)(1?51)的最大值与固定参数N的差值作为距离筛选区域，获得多个距离估测； i)当步骤e)计算的多组数据概率密度函数乘积值相等时，可计算平均距离与平均角度作为测距的估测结果； j)将步骤h)中的距离估测或步骤i)中估测结果分别进行滤波处理。
3.根据权利要求2所述的一种基于概率指纹计算的无线测距方法，其特征在于:步骤j)中的滤波处理通过Dn= DpfW+Dja-W)计算，其中，W为前一次距离估测的权重。
4.根据权利要求2所述的一种基于概率指纹计算的无线测距方法，其特征在于:步骤j)中的滤波处理通过比较当前距离估测与上次距离估测的差距。
5.根据权利要求1所述的一种基于概率指纹计算的无线测距方法，其特征在于:步骤I)中的信号源安装位置包括天花板、地板、墙壁、独立建筑物表面，建筑结构包括面积小于100平方米的房间、面积大于100平方米的房间、宽度小于3m的走廊、宽度大于3m的走廊，人流量包括人流量稀少、人流量中等、人流量拥挤，设备类型包括外置天线、微带天线、蓝牙 通{目芯片O
【文档编号】G01S5/00GK104502888SQ201410704432
【公开日】2015年4月8日 申请日期:2014年11月26日 优先权日:2014年11月26日
【发明者】柳凌峰 申请人:杭州优体科技有限公司