一种使用RSSI的高精度定位方法与流程

一种使用rssi的高精度定位方法
技术领域
1.本发明涉及无线通信技术领域，具体为一种使用rssi的高精度定位方法。


背景技术：

2.无线通信中，定位作为智能感知的基础，受到了越来越多的关注。其中定位的方法包括使用角度测量信息进行定位，使用延时信息进行定位，以及使用rssi（received signal strength indicator）进行定位。使用角度信息进行定位需要高精度的测角设备，而且随着场景变大，角度定位的精度会进一步恶化。使用延时信息定位需要多个设备之间实现高精度同步，高精度的晶振和同步方案会造成定位的成本变高。至于使用rssi定位，由于该方案无需同步和高精度的测角方案，简单易实现。此外rssi量在常用的wifi设备，物联网设备中可以轻松获取，因此该方案可用于各种低成本定位场景中，具有广泛的应用场景。
3.但在现有技术中需要实时更新参数，计算量较大；此外，有的技术还需要利用移动场景中多个时刻之间的相互关系，虽可用于解决跟踪问题，但并不适用于目标各个时刻的位置均为独立的定位场景。


技术实现要素：

4.本发明的目的是为了解决现有技术中在rssi定位时，计算量大、定位精度不够高的问题，提出一种使用rssi的高精度定位方法，采用多个网关数据的分组定位方案，可显著改善rssi误差较大的网关对最终结果的影响，提升定位精度。
5.为实现上述目的，本发明所采用的技术方案如下：一种使用rssi的高精度定位方法，其包括以下步骤：步骤一、接收多组rssi数据并进行滤波处理，以降低rssi测量值与真实值之间的波动；步骤二、采用对数正态分布模型根据步骤一中滤波处理后的rssi测量值与距离之间的关系建模并进行校准；步骤三、读取步骤二中校准后的信息并估计距离信息；步骤四、定位解算，获取与网关数量相对应的距离估计结果，将网关进行分组，并对分组后的每组距离估计结果进行rssi估计误差，然后对定位位置进行计算得到最终定位结果。
6.进一步地，所述步骤三具体如下：在步骤二完成校准阶段后，读取校准后的环境因子和修正值或从外部读取环境因子和环境修正值，然后通过对数正态分布模型计算距离的估计值。
7.进一步地，步骤二采用对数正态分布模型建模rssi测量值与距离之间的关系如下式
其中代表距离为时滤波后的rssi信息，代表距离为1米，代表距离为时的rssi测量值，代表环境因子，为环境修正值。
8.进一步地，步骤一中进行滤波处理具体操作如下，令接收到的rssi测量值数据包数目为k包，其中某一包为，且1≤k≤k，从大往小采集m个rssi值，并求中位数输出作为该定位点滤波后的rssi测量值，则m个rssi测量结果为滤波后的rssi结果为以上m个rssi测量值的中位数，即：如果m为奇数，那么如果m为偶数，那么）/2或上述将排序后的m个rssi测量值求平均数后输出作为滤波后的测量结果，即，其中表示滤波后的rssi测量结果，m代表第m个rssi测量结果，1≤m≤m。
9.进一步地，步骤一中进行滤波处理是利用异常值波动较大的特性来删除异常值，具体为令接收到的rssi测量值数据包数目为k包，其中任一包为，且1≤k≤k，设置异常值判决门限为其中代表异常值判决门限，令删除后剩下i个rssi测量值，然后取中位数对删除后的测量结果进行滤波，如果i为奇数如果i为偶数或对异常值删除后的rssi测量值结果进行求平均处理，其中i为删除后剩下i个rssi测量值中的任一个值。
10.进一步地，步骤一中进行滤波处理是利用高斯加权并加门限的滤波方法，具体如下，令接收到的rssi测量值数据包数目为k包，其中某一包为，且1≤k≤k，计算多包rssi测量值的均值和方差,其中表示rssi的平均值，表示rssi的方差表示rssi的方差然后将rssi的测量值按照高斯模型确定权重
如果权重小于或和等于阈值,那么删除该rssi测量值，e代表自然常数的底数，令删除后剩下的rssi数目为j，其中第j包rssi的测量表示为，权重表示为，然后将权重因子归一化最终rssi滤波后结果为。
11.进一步地，步骤一中进行滤波处理是利用rssi测量值的偏差值作为加权滤波权重的滤波方法，具体如下，令接收到的rssi测量值数据包数目为k包，其中某一包为，计算多包rssi测量结果的平均值为然后计算每包数据的权重，如果，那么，否则接着将rssi的权归一化最终rssi滤波后结果为，公式中代表归一化后的权重，其中表示rssi的平均值。
12.进一步地，在步骤四的定位解算中分组采用如下方式，首先将网关按照l个进行分组3≤l≤p，一共分为个组，其中代表组合求解符号，p为网关数量，或先从p个网关中选出rssi测量结果最大的q个网关l≤q≤p,然后对q个网关按照每组l个进行分组。
13.进一步地，在定位解算中，经过分组后，进行位置估计的方法如下：使用分组后的第z组距离信息估计目标位置，令令其中代表第l个网关的x方向坐标，代表第l个网关的y方向坐标，x和y分别代表待估计终端的x方向和y方向坐标，代表根据网关位置构建的位置坐标矩阵，代表终端的估计结果的向量，r代表终端与坐标原来的距离平方，令
其中n代表环境因子，a代表环境修正值，代表第l个网关滤波后的rssi测量值，其中，且，b代表根据滤波后的rssi结果构造的终端与网关之间的距离关系，代表第l个网关与坐标原点之间的距离平方，并根据以上的测量值构造公式终端位置估计结果为，其中t代表向量和矩阵的转置；再使用距离加权估计终端最终坐标位置具体如下再使用距离加权估计终端最终坐标位置具体如下其中其中其中，代表第个网关的使用滤波后的rssi估计得到的距离结果，为第组的权重,代表归一化因子。
14.进一步地，在定位解算中，经过分组后和位置估计后，然后再对位置误差进行计算，计算方式如下，其中代表第个网关的rssi估计值，代表距离为时的rssi测量值；代表环境修正值，其中代表终端位置估计结果与网关的距离，表示为定义第z组结果的估计误差为此外将第z组的位置估计结果定义为然后从z组定位结果中删除估计误差最大的y个定位结果以及其对应的估计误差,0≤y≤z-1,令删除后剩下的定位结果数目为z＇，ｚ＇为ｚ＇中的任一组定位结果，然后将剩余的多组网关的定位结果进行加权融合，其中第z＇组的权重为
接着将权重进行归一化最后使用加权方法获取目标的位置，其中为最终定位结果为公式中ｚ＇为删除后剩下的定位结果数目，为第z＇组的位置估计结果，为第z＇组的权重归一化结果。
15.本发明相比现有技术具有如下优点：1、 通过采用本方案的滤波方案可以提升基于rssi的测距精度；2、 通过本方案的定位方案可以获得更高的定位精度；3、 通过本方案的估计误差可以给出该分组下定位结果的可信程度；4、 通过本方案的估计误差加权和选择方法可以显著降低大误差rssi网关对定位结果的影响；5、 本发明rssi定位时，多包数据的滤波方案，提升滤波后rssi的测距结果的可靠性。多个网关数据的分组方案，同时利用rssi测距结果进行定位的方案，通过这些定位方案，可显著改善rssi误差较大的网关对最终结果的影响，提升定位精度。
附图说明
16.图1是本发明的流程示意框图。
实施方式
17.为使本发明目的、技术方案和优点更加清楚，下面对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明的一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。
18.实施例1
19.一种使用rssi的高精度定位方法，如图1所示，该图为本发明的流程图，主要通过滤波、rssi信息与距离信息建模以及校准、读取拟合校准信息并估计距离信息和定位解算几个过程来实现。
20.其中滤波方案是中由于rssi测量信息容易受到环境和各种干扰的影响，造成较大的波动。因此本实施例在使用rssi信息进行定位和测距时，会使用多包（这里的多包数据代表的多个数据单位）rssi数据并进行滤波处理，以此降低环境的影响和提升距离估计精度，具体如下。
21.令接收到的数据包数目为k包，其中某一包为，且1≤k≤k，滤波操作如下所示使用最大的前m个rssi值求中位数输出作为该定位点滤波后的rssi测量值，由于
rssi测量结果易受噪声的影响造较大的波动，然而当rssi值越大，表示信号能量越大，因此该测量受到噪声的影响越小。因此将原始的k个rssi测量结果按从大到小排序，从最大值向下取m(1≤m≤k)个rssi测量结果为滤波后的rssi结果为以上m个rssi测量值的中位数，即：如果m为奇数，那么如果m为偶数，那么）/2其中表示滤波后的rssi测量结果。
22.或该滤波方案的信号处理流程将排序后k个的rssi测量结果求平均数后输出作为滤波后的测量结果，即。
23.rssi信息与距离信息建模以及校准本方案使用对数正态分布模型建模rssi测量值与距离之间的关系。
24.其中代表距离为时滤波后的rssi信息，代表距离为1米，代表距离为时的rssi测量值，代表环境因子，为环境修正值。环境因子和环境修正值的经典值如下表所示，
25.该对数正态分布模型中，有2个未知数，分别为环境因子和修正值。首先需要判断系统是否在校准阶段，如果系统在校准阶段，那么我们使用多个已知的位置信息估计环境因子和环境修正值。或者使用环境因子经典值(上表所记载）作为环境因子和修正值，这一块校准估计为现有技术，因此不再赘述。
26.读取拟合校准信息并估计距离信息当完成校准阶段后，读取校准后的环境因子和修正值a或从外部（环境因子和
环境修正值的经典值表）读取经验的环境因子和环境修正值a，然后通过对数正态分布模型计算距离的估计值。
27.定位解算当有p个网关（或基站,wifi设备）时（本技术适用于网关和基站或者wifi设备，为了方便起见，下文中统一命名为网关），可以获得p个距离估计结果，令其中第p(1≤p≤p)个网关的距离估计结果为。接下来会阐述如何使用距离信息估计目标的位置。
28.首先将网关按照l个（3≤l≤p）进行分组，一共分为个组，其中代表组合求解符号，令分组后的数目为。
29.当网关数量较多时，比如网关数目为10个，按照每3个网关进行分组时，那么需要将网关分为120个组（），在部分场景下，无法承受如此巨大的计算量。因此可将该方案简化为首先从p个网关中选出rssi测量结果最大的q个网关（l≤q≤p）,然后对q个网关按照每组l个进行分组，以此可显著降低分组数量。
30.然后进行位置估计：使用分组后的第z组距离信息估计目标位置，令令其中代表根据网关位置构建的位置坐标矩阵，代表终端的估计结果的向量，代表第l个网关的x方向坐标，代表第l个网关的y方向坐标，r代表终端与坐标原来的距离平方，x和y分别代表待估计终端的x方向和y方向坐标，令其中b代表根据滤波后的rssi结果构造的终端与网关之间的距离关系，n代表环境因子，a代表环境修正值，代表第l个网关滤波后的rssi测量值，其中，且，代表第l个网关与坐标原点之间的距离平方。并根据以上的测量值构造公式最终终端位置估计结果为。
31.然后对分组估计结果的误差进行计算其中代表第个网关的rssi估计值，其中代表终端位置估计结果与网关的距离，表示为
定义第z组结果的估计误差为此外将第z组的位置估计结果定义为然后将多组网关的定位结果加权融合，令第z组的权重为接着将权重进行归一化最后使用加权方法获取目标的位置，其中为终端最终定位结果。
32.或者加权方法可以将最小的估计误差err对应的组估计结果作为最终的定位结果，比如，如果第3个为最小误差估计，则认为为所有组中最小的估计误差，那么最终的定位结果为。
33.或加权方法可采用将z个估计误差按照从大到小排序，并从大到小删除其中y个测量误差对应的估计结果，将剩下的结果z-y个估计误差和估计结果按照必选的方案进行加权融合，得到最终的定位结果。
34.实施例2
35.本实施例是在实施例1的基础上进行的，主要是对实施例中的滤波方案进行了改进其他技术内容完全一致，具体的滤波方案如下；
36.令接收到的数据包数目为k包，其中某一包为，且1≤k≤k，滤波操作如下所示，使用最大的前m个rssi值求中位数输出作为该定位点滤波后的rssi测量值，由于rssi测量结果易受噪声的影响造较大的波动，然而当rssi值越大，表示信号能量越大，因此该测量受到噪声的影响越小。因此将原始的k个rssi测量结果按从大到小排序。
37.该方案利用异常值波动较大的特性来删除异常值，首先异常值判决门限为其中代表异常值判决门限，令删除后剩下i个rssi测量值，然后使用取中位数的方案对删除后的测量结果进行滤波。
38.如果i为奇数如果i为偶数。
39.或通过对异常值删除后的结果进行求平均处理，其结果为，i为剩余i个rssi值中 的任一个值。
40.实施例3
41.本实施例是在实施例1的基础上进行的，主要是对实施例中的滤波方案进行了改进其他技术内容完全一致，本实施例是采用的高斯加权并加门限的滤波方法具体的滤波方案如下；首先计算多包rssi信息的均值和方差,其中表示rssi的平均值，表示rssi的方差示rssi的方差然后将rssi的测量值按照高斯模型确定权重如果权重小于（或和）等于阈值,那么删除该rssi测量值。
42.令删除后剩下的rssi数目为j，其中第j包rssi的测量表示为，权重表示为。
43.然后将权重因子归一化最终rssi滤波后结果为。
44.实施例4
45.本实施例是在实施例1的基础上进行的，主要是对实施例中的滤波方案进行了改进其他技术内容完全一致，本实施例采用的是使用rssi的偏差值作为加权滤波的，具体的滤波方案如下；首先计算多包rssi测量结果的平均值然后计算每包数据的权重，如果，那么。否则接着将rssi的权归一化最终rssi滤波后结果为。
46.其中为rssi的平均值，代表rssi的权归一化值，代表值的权重。
47.实施例5
48.本实施例是在实施例1-4中任意一个实施例的基础上进行的改进，主要是对定位解算环节中的位置估计方案做了优化，其他技术方案和上述实施例中的方案保持一致。在其定位解算环节中的位置估计方案具体如下：使用分组后的第z组距离信息估计目标位置，令令其中代表第l个网关的x方向坐标，代表第l个网关的y方向坐标。x和y分别代表待估计终端的x方向和y方向坐标令其中n代表环境因子，a代表环境修正值，代表第l个网关滤波后的rssi测量值，其中，且最终z个终端位置估计结果为然后本实施例使用距离加权的方案估计终端位置，其坐标为其坐标为其中其中其中，代表第个网关的使用滤波后的rssi估计得到的距离结果（其中距离结果的计算公式请参看对数正态分布模型）,代表归一化因子。
49.实施例6
50.本实施例是在实施例1-4中任意一个实施例的基础上进行的改进，主要是对定位解算环节中的位置估计方案做了优化，其他技术方案和上述实施例中的方案保持一致。在
其定位解算环节中的位置估计方案具体如下：使用分组后的第z组距离信息估计目标位置，令令其中代表第l个网关的x方向坐标，代表第l个网关的y方向坐标。x和y分别代表待估计终端的x方向和y方向坐标令其中n代表环境因子，a代表环境修正值，代表第l个网关滤波后的rssi测量值，其中，且最终终端位置估计结果为然后本实施例使用距离加权的方案估计终端位置，即即其中，代表第个网关的使用滤波后的rssi估计得到的距离结果,公式，如l=3,其中第个网关计算权重，那么表示为，依此类推。
51.以上仅是本发明的优选实施方式，应当指出的是，上述优选实施方式不应视为对本发明的限制，本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说，在不脱离本发明的精神和范围内，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

技术特征：
1.一种使用rssi的高精度定位方法，其特征在于，包括以下步骤：步骤一、接收多组rssi数据并进行滤波处理，以降低rssi测量值与真实值之间的波动；步骤二、采用对数正态分布模型根据步骤一中滤波处理后的rssi测量值与距离之间的关系建模并进行校准；步骤三、读取步骤二中校准后的信息并估计距离信息；步骤四、定位解算，获取与网关数量相对应的距离估计结果，将网关进行分组，并对分组后的每组距离估计结果进行rssi估计误差，然后对定位位置进行计算得到最终定位结果。2.根据权利要求1所述的一种使用rssi的高精度定位方法，其特征在于，步骤三具体如下：在步骤二完成校准阶段后，读取校准后的环境因子和修正值或从外部读取环境因子和环境修正值，然后通过对数正态分布模型计算距离的估计值。3.根据权利要求1所述的一种使用rssi的高精度定位方法，其特征在于，步骤二采用对数正态分布模型建模rssi测量值与距离之间的关系如下式，其中代表距离为时滤波后的rssi信息，代表距离为1米，代表距离为时的rssi测量值，代表环境因子，为环境修正值。4.根据权利要求1所述的一种使用rssi的高精度定位方法，其特征在于，步骤一中进行滤波处理具体操作如下，令接收到的rssi测量值数据包数目为k包，其中某一包为，且1≤k≤k，从大往小采集m个rssi值，并求中位数输出作为该定位点滤波后的rssi测量值，则m个rssi测量结果为，滤波后的rssi结果为以上m个rssi测量值的中位数，即：如果m为奇数，那么，如果m为偶数，那么）/2或上述将排序后的m个rssi测量值求平均数后输出作为滤波后的测量结果，即，其中表示滤波后的rssi测量结果，m代表第m个rssi测量结果，1≤m≤m。5.根据权利要求1所述的一种使用rssi的高精度定位方法，其特征在于，步骤一中进行滤波处理是利用异常值波动较大的特性来删除异常值，具体为令接收到的rssi测量值数据包数目为k包，其中任一包为，且1≤k≤k，设置异常值判决门限为，其中代表异常值判决门限，令删除后剩下i个rssi测量值，然后取中位数对删除后的测量结果进行滤波，如果i为奇数，如果i为偶数
，或对异常值删除后的rssi测量值结果进行求平均处理，其中i为删除后剩下i个rssi测量值中的任一个值。6.根据权利要求1所述的一种使用rssi的高精度定位方法，其特征在于，步骤一中进行滤波处理是利用高斯加权并加门限的滤波方法，具体如下，令接收到的rssi测量值数据包数目为k包，其中某一包为，且1≤k≤k，计算多包rssi测量值的均值和方差,其中表示rssi的平均值，表示rssi的方差，，然后将rssi的测量值按照高斯模型确定权重，如果权重小于或和等于阈值,那么删除该rssi测量值，e代表自然常数的底数，令删除后剩下的rssi数目为j，其中第j包rssi的测量表示为，权重表示为，然后将权重因子归一化，最终rssi滤波后结果为。7.根据权利要求1所述的一种使用rssi的高精度定位方法，其特征在于，步骤一中进行滤波处理是利用rssi测量值的偏差值作为加权滤波权重的滤波方法，具体如下，令接收到的rssi测量值数据包数目为k包，其中某一包为，计算多包rssi测量结果的平均值为，然后计算每包数据的权重，如果，那么，否则，接着将rssi的权归一化，最终rssi滤波后结果为，公式中代表归一化后的权重，其中表示rssi的平均值。8.根据权利要求4-7任一项所述的一种使用rssi的高精度定位方法，其特征在于，在步骤四的定位解算中分组采用如下方式，首先将网关按照l个进行分组3≤l≤p，一共分为个组，其中代表组合求解符号，p为网关数量，或先从p个网关中选出rssi测量结果最大的q个网关l≤q≤p,然后对q个网关按照每组l个进行分组。9.根据权利要求8所述的一种使用rssi的高精度定位方法，其特征在于，在定位解算中，经过分组后，进行位置估计的方法如下：使用分组后的第z组距离信息估计目标位置，令
，，其中代表第l个网关的x方向坐标，代表第l个网关的y方向坐标，x和y分别代表待估计终端的x方向和y方向坐标，代表根据网关位置构建的位置坐标矩阵，代表终端的估计结果的向量，r代表终端与坐标原来的距离平方，令，其中n代表环境因子，a代表环境修正值，代表第l个网关滤波后的rssi测量值，其中，且，b代表根据滤波后的rssi结果构造的终端与网关之间的距离关系，代表第l个网关与坐标原点之间的距离平方，并根据以上的测量值构造公式，终端位置估计结果为，其中t代表向量和矩阵的转置；再使用距离加权估计终端最终坐标位置具体如下，，其中，，其中，代表第个网关的使用滤波后的rssi估计得到的距离结果，为第组的权重,代表归一化因子。10.根据权利要求8所述的一种使用rssi的高精度定位方法，其特征在于，在定位解算中，经过分组后和位置估计后，然后再对位置误差进行计算，计算方式如下，，其中代表第个网关的rssi估计值，代表距离为时的rssi测量值；代表环境修正值，其中代表终端位置估计结果与网关的距离，表示为，再将值从大到小排序，并删除其中最大的测量误差对应的估计结果，则定义第z组结果的估计误差为，此外将第z组的位置估计结果定义为，然后从z组定位结果中删除估计误差最大的y个定位结果以及其对应的估计误差,0≤y≤z-1,令删除后剩下的定位结果数目为z＇，ｚ＇为ｚ＇中的任一组定位结果，然后将剩余的多组网关的定位结果进行加权融合，其中第z＇组的权重为，接着将权重进行归一化，最后使用加权方法获取目标的位置，其中为最终定位结果为
，公式中ｚ＇为删除后剩下的定位结果数目，为第z＇组的位置估计结果，为第z＇组的权重归一化结果。

技术总结
本发明公开了一种使用RSSI的高精度定位方法，包括以下步骤，接收多组RSSI数据并进行滤波处理，以降低RSSI测量值与真实值之间的波动；采用对数正态分布模型根据步骤一中滤波处理后的RSSI测量值与距离之间的关系建模并进行校准；读取步骤二中校准后的信息并估计距离信息；然后进行定位解算，获取与网关数量相对应的距离估计结果，将网关进行分组，然后对定位位置进行计算得到最终定位结果。本发明提出多种利用RSSI测距结果进行定位的方案，通过这些定位方案，可显著改善RSSI误差较大的网关对最终结果的影响，提升定位精度。提升定位精度。提升定位精度。


技术研发人员：李洋漾 黄强 彭吉生 梁宏明
受保护的技术使用者：北京思凌科半导体技术有限公司
技术研发日：2023.08.28
技术公布日：2023/10/5