基于指纹量化的改进加权质心定位方法   0    0

本发明公开了基于指纹量化的改进加权质心定位方法，涉及室内定位技术领域，该方法在Zigbee通信环境下，采集实际测量值建立指纹数据库，在量化域内根据未知节点接收到的RSSI值进行量化，获得量化距离及量化RSSI值，将量化距离以及产生的量化误差作为权值参数，进一步利用改进的交集三角形加权质心算法对未知节点进行定位。实验结果表明，该算法可以有效避免因信号衰减严重而造成的理论误差问题，提高了定位精度。

1.基于指纹量化的改进加权质心定位方法，其特征在于，包括以下步骤：
布设多个参考节点，每个参考节点周围均布设多个采样点，在采样点处采集RSSI值，以RSSI值和采样点距离参考节点的距离作为指纹样本，建立指纹数据库；
根据指纹数据库中的指纹样本确定量化域，并将该量化域划分为多个量化区间；
未知节点接收来自参考节点的信号，在接收的信号数量超过3个时选择未知节点一跳范围内的RSSI值最大的3个参考节点，根据选定的参考节点的RSSI值确定每个参考节点的RSSI值在量化区间中对应的量化距离和量化RSSI值；
以选定的3个参考节点的为圆心，以各自的量化距离为半径作圆确定三个圆周的交点坐标，即交集三角形的顶点坐标，结合交集三角形的顶点坐标以及考虑3个参考节点的量化距离和量化RSSI值与实测RSSI值之间差值的权值，计算得到未知节点的坐标；
其中，考虑3个参考节点的量化距离和量化RSSI值与实测RSSI值之间差值的权值计算如下：
其中，w1、w2和w3分别为与3个参考节点对应的权值， 为权值的参数，将量
化RSSI值和实际测得的RSSI均值间的差值记为ε，计算式如下：
εq＝min(|RA-RFi|,|RA-RFi+1|)
其中q＝1,2,3，表示3个参考节点AP1、AP2和AP3，RA为未知节点接收到的来自参考节点信号的RSSI平均值，RFi为指纹样本RSSI值。

2.如权利要求1所述的基于指纹量化的改进加权质心定位方法，其特征在于，建立指纹数据库时，在室内选择N个位置布放参考节点，以参考节点为圆心作多个圆，在相同半径的圆周上不同位置设置N’个采样点，每个采样点采集RSSI值，设每个采样点采集到的RSSI值和指纹样本RSSI值分别为RSi和RFi，将N个位置处的以参考节点为圆心、半径相同的圆周上采样点的RSSI值的平均值作为各个采样圆周的RSSI值：
该RSSI值与采样点距离参考节点的实际距离作为该采样圆周的指纹样本(RFi,dFi)建立指纹数据库，其中dFi为第i个采样圆周上采样点与参考节点的实际距离，即指纹样本距离。

3.如权利要求2所述的基于指纹量化的改进加权质心定位方法，其特征在于，考虑未知节点到可用参考节点的最远距离，建立的指纹数据库如下：
{(RF1,dF1),(RF2,dF2),…(RFi,dFi),…(RFM,dFM)}
其中 Smax为相邻两参考节点间的最大间隔，D为同一个参考节点周围相
邻两个圆周之间的距离。

4.如权利要求3所述的基于指纹量化的改进加权质心定位方法，其特征在于，划分量化区间时，将指纹数据库中的指纹样本数据(RF1,dF1)与(RFM,dFM)之间的区域构成整个量化域，在量化域中根据指纹样本的数量划分等量的量化区间，取指纹数据库中各个指纹样本(RFi,dFi)作为各量化区间的端点，样本中的距离值dFi作为量化距离，RSSI值RFi作为量化RSSI值。

5.如权利要求2所述的基于指纹量化的改进加权质心定位方法，其特征在于，确定选定的参考节点RSSI值在量化区间中对应的量化距离和量化RSSI值时，将未知节点接收到的来自参考节点信号的RSSI平均值RA与指纹数据库中的指纹样本数据进行比较，当RFi
6.如权利要求5所述的基于指纹量化的改进加权质心定位方法，其特征在于，计算交集三角形的顶点坐标时，设选定的参考节点AP1、AP2、AP3的坐标为(xAP1,yAP1)、(xAP2,yAP2)、(xAP3,yAP3)，分别以参考节点AP1、AP2、AP3为圆心，与每个参考节点对应的量化距离d1、d2、d3为半径作圆，由下式计算三个圆相交的三个点B1、B2、B3的坐标(xB1,yB1)、(xB2,yB2)、(xB3,yB3)，B1的坐标计算式为：
根据上式也能计算得到B2和B3的坐标。

7.如权利要求1所述的基于指纹量化的改进加权质心定位方法，其特征在于，按照下式计算未知节点的坐标P(x,y)：