王 芳

(重慶商務(wù)職業(yè)學(xué)院 出版?zhèn)髅较担貞c 401331)

0 引 言

隨著多媒體業(yè)務(wù)數(shù)據(jù)的不斷增長(zhǎng)，人們對(duì)定位和導(dǎo)航的需求日益增大，尤其是在復(fù)雜的室內(nèi)環(huán)境，存在著衛(wèi)星信號(hào)盲區(qū)，場(chǎng)景中需要提供目標(biāo)人員或者物體的實(shí)時(shí)位置信息[1-3]。如何將RSS信號(hào)轉(zhuǎn)換成實(shí)時(shí)準(zhǔn)確的位置信息成為國(guó)內(nèi)外研究的熱點(diǎn)[4,5]。從本質(zhì)上講，基于RSS的主流室內(nèi)定位技術(shù)分為三大類(lèi)：一類(lèi)是基于WIFI的室內(nèi)定位技術(shù)：其核心是采用基于RSSI的測(cè)距方法，具有網(wǎng)絡(luò)成本低、復(fù)雜度低、通信能力強(qiáng)等優(yōu)點(diǎn)，但是算法必須在室內(nèi)提供網(wǎng)絡(luò)環(huán)境，且信號(hào)易受環(huán)境干擾[6]。第二類(lèi)是基于RFID的室內(nèi)定位技術(shù)：采用刷卡方式，根據(jù)閱讀器位置進(jìn)行區(qū)間定位，這種方法具有較高的定位精度，但是標(biāo)識(shí)沒(méi)有通信能力，定位距離較短[7]。第三類(lèi)是基于藍(lán)牙的室內(nèi)定位技術(shù)，藍(lán)牙設(shè)備具有體積小、功耗低、易集成、易普及等優(yōu)點(diǎn)，缺點(diǎn)是實(shí)時(shí)性較差、傳播距離短、穩(wěn)定性差[8,9]。綜上所述，目前基于RSS的室內(nèi)定位方法普遍存在信號(hào)傳播易受環(huán)境干擾，精度較低、傳播距離短等缺點(diǎn)。本文在綜合考慮應(yīng)用需求、網(wǎng)絡(luò)成本、RSS信號(hào)強(qiáng)度規(guī)律等因素的基礎(chǔ)上提出了一種基于射頻RSS聚類(lèi)與多傳感器融合的室內(nèi)定位算法，并在智能終端上開(kāi)發(fā)了一套室內(nèi)定位系統(tǒng)，在指紋庫(kù)創(chuàng)建階段，對(duì)藍(lán)牙信號(hào)強(qiáng)度進(jìn)行了加權(quán)聚類(lèi)，并引入LSM303DLHC加速度傳感器來(lái)補(bǔ)償指紋階段的歐氏距離加權(quán)平均算法產(chǎn)生的誤差。最后通過(guò)實(shí)驗(yàn)驗(yàn)證該算法有效解決了室內(nèi)復(fù)雜環(huán)境因素所造成的影響，并具有較高的定位精度，為網(wǎng)絡(luò)通信與無(wú)線定位提供了借鑒與參考。

1 數(shù)學(xué)模型

1.1 藍(lán)牙系統(tǒng)模型

一套完整的藍(lán)牙系統(tǒng)模型，由閱讀器(Reader)與電子標(biāo)簽(TAG)及應(yīng)用軟件系統(tǒng)3個(gè)部分所組成(如圖1所示)。其中，藍(lán)牙4.0有源電子標(biāo)簽通過(guò)全向天線向一定空間發(fā)射無(wú)線藍(lán)牙信號(hào)；當(dāng)閱讀器進(jìn)入信號(hào)范圍時(shí)，可閱讀到從機(jī)發(fā)射出的廣播內(nèi)容，廣播中包含標(biāo)簽號(hào)、MAC地址等信息，回調(diào)advData中包含電子標(biāo)簽信號(hào)強(qiáng)度RSSI等信息。

圖1 藍(lán)牙信號(hào)識(shí)別系統(tǒng)

1.2 RSS測(cè)距模型

無(wú)線信號(hào)的強(qiáng)度會(huì)隨著傳播距離的增加逐漸變?nèi)?，信?hào)強(qiáng)度的衰減和距離滿足Shadowing傳播模型[10]

(1)

在本算法的應(yīng)用中采用簡(jiǎn)化后的Shadowing模型

(2)

式(1)，式(2)中d0是參考距離，通常取值為1 m，d為實(shí)際距離，p(d)和p(d0)分別是距離為d和d0時(shí)路徑損耗值，ξ是遣蔽因子，路徑損耗值為初始發(fā)射信號(hào)與接收信號(hào)強(qiáng)度之差

(3)

其中，p(0)為初始發(fā)射信號(hào)強(qiáng)度，Rssi(d)和Rssi(d0)分別是距離為d和d0處的接收信號(hào)強(qiáng)度值。本算法中取d0=1m，A=-Rssi(d0)從而得到實(shí)際應(yīng)用的Rssi測(cè)距公式

Rssi(d)=-(10nlg+A)

(4)

其中，A和n為待定參數(shù)，其中A為距離信號(hào)發(fā)射源1 m處接收到的信號(hào)強(qiáng)度平均值的模，n為信號(hào)傳輸常數(shù)，與信號(hào)傳播環(huán)境相關(guān)。

1.3 方向角測(cè)距模型

加速度計(jì)三軸分量為重力加速度在載體坐標(biāo)系下的分量數(shù)值[11,12]，當(dāng)定位終端水平放置時(shí)載體坐標(biāo)系的初始姿態(tài)與參考坐標(biāo)系重合，此時(shí)加速度計(jì)三軸分量(數(shù)據(jù)經(jīng)標(biāo)準(zhǔn)歸一化處理)

G[0,0,0]=[001]T

(5)

當(dāng)定位終端處于不同姿態(tài)時(shí),其三軸分量為

G[γ,θ,ψ]=[GxGyGz]T

(6)

利用方向余弦矩陣

可得

G(γ,θ,ψ)=T(γ,θ,ψ)G(0,0,0)

(7)

俯仰角和翻滾角分別為

(8)

地磁場(chǎng)矢量H可分解為水平分量Hh,垂直分量Hv,Hh總是指向地磁的北極，Hh在兩軸上的分量分別為Hx和Hy,由此可得水平放置時(shí)的方向角

(9)

2 系統(tǒng)設(shè)計(jì)與算法流程

本文提出的基于射頻RSS聚類(lèi)與多傳感器融合的室內(nèi)定位算法分為系統(tǒng)設(shè)計(jì)與算法實(shí)現(xiàn)兩個(gè)模塊，系統(tǒng)設(shè)計(jì)中描述了藍(lán)牙標(biāo)簽AP設(shè)計(jì)、AP點(diǎn)的布設(shè)、定位終端的設(shè)計(jì)以及指紋勘測(cè)設(shè)計(jì)，算法實(shí)現(xiàn)中則詳細(xì)描述了LSM303DLHC傳感器融合以及歐氏距離加權(quán)求取坐標(biāo)兩個(gè)模塊。

2.1 系統(tǒng)設(shè)計(jì)

(1)藍(lán)牙標(biāo)簽設(shè)計(jì)

藍(lán)牙電子標(biāo)簽具有成本低、功耗低、易部署安裝，體積小、輕便等特點(diǎn)，本系統(tǒng)中使用的藍(lán)牙標(biāo)簽為CC2541，工作頻率2.4 GHz-2.5 GHz ISM微波段，通信協(xié)議BLE4.0，發(fā)射功率 -23 dBm～+4 dBm,識(shí)別距離0～50 m(2 dBi全向天線),本項(xiàng)目中用的15號(hào)標(biāo)簽完整廣播內(nèi)容(16進(jìn)制)：02010407ff440000000f4b,廣播內(nèi)容總長(zhǎng)度為11字節(jié)，起始標(biāo)志為16進(jìn)制44，結(jié)束標(biāo)志位為4b,中間部分為11個(gè)字節(jié)的預(yù)留信息和3個(gè)字節(jié)的標(biāo)簽號(hào)，設(shè)計(jì)電路中I2C接口增加了STK3310環(huán)境光傳感器、巴倫電路之后增加了電阻衰減網(wǎng)絡(luò)，以方便進(jìn)行射頻信號(hào)的衰減配合定位算法。

使用packet sniffer嗅探軟件測(cè)試藍(lán)牙標(biāo)簽強(qiáng)度衰減，在發(fā)射功率為+4 dbm，距離為1 m的條件下，藍(lán)牙標(biāo)簽信號(hào)發(fā)射穩(wěn)定，RSSI(dbm)跳變?nèi)鐖D2所示。

圖2 藍(lán)牙標(biāo)簽信號(hào)跳變散點(diǎn)

(2)AP點(diǎn)部署

藍(lán)牙標(biāo)簽布置在房間的天花板上，每個(gè)標(biāo)簽可以覆蓋室內(nèi)一定面積的圓型區(qū)域，通過(guò)合理布局使其實(shí)現(xiàn)房間整體面積的覆蓋，標(biāo)簽部署規(guī)則如圖3所示。

圖3 標(biāo)簽部署規(guī)則

(3)定位終端設(shè)計(jì)

經(jīng)過(guò)分析與對(duì)比，在服務(wù)器端采用指紋匹配算法，服務(wù)器收到一組終端上傳的數(shù)據(jù)，數(shù)據(jù)根據(jù)實(shí)時(shí)時(shí)間來(lái)進(jìn)行分組，然后將實(shí)時(shí)數(shù)據(jù)與生成指紋庫(kù)中的數(shù)據(jù)進(jìn)行計(jì)算比對(duì)，本系統(tǒng)中使用的定位終端MT2503實(shí)物如圖4所示。

圖4 MT2503實(shí)物

終端中初始化藍(lán)牙模塊，配置引腳以后，可勘測(cè)前文設(shè)計(jì)的藍(lán)牙標(biāo)簽發(fā)出的數(shù)據(jù)，其中包含標(biāo)簽MAC地址、標(biāo)簽號(hào)、RSSI(dbm)、同步時(shí)間等信息，終端將接收到的數(shù)據(jù)處理后，按照與服務(wù)器設(shè)定的接口協(xié)議，可將數(shù)據(jù)插入到相應(yīng)的數(shù)據(jù)庫(kù)中，定位終端工作流程如圖5所示。

圖5 定位終端MT2503工作流程

(4)指紋離線勘測(cè)設(shè)計(jì)

1)接口回調(diào)Url

數(shù)據(jù)庫(kù)中將標(biāo)簽號(hào)BtId與對(duì)應(yīng)地圖的Url進(jìn)行映射綁定，采集終端將勘測(cè)到藍(lán)牙信號(hào)上傳至服務(wù)器，服務(wù)器通過(guò)接口回調(diào)與藍(lán)牙信號(hào)對(duì)應(yīng)的地圖Url。

2)Json數(shù)據(jù)通信

點(diǎn)擊地圖上任一點(diǎn)出現(xiàn)界面如圖3所示：此時(shí)輸入終端標(biāo)識(shí)IMEI號(hào)，指令標(biāo)志位等信息，點(diǎn)擊指令下發(fā)按鈕，即可將信息打包成Json數(shù)據(jù)下發(fā)至定位終端。

3)指令接收

此時(shí)將接收到的藍(lán)牙標(biāo)簽號(hào)+對(duì)應(yīng)的信號(hào)強(qiáng)度+IMEI號(hào)+APP自動(dòng)獲取坐標(biāo)上傳至服務(wù)器，當(dāng)數(shù)據(jù)量達(dá)到指定閾值時(shí)停止信號(hào)采集操作，APP設(shè)計(jì)如圖6所示。

圖6 手機(jī)APP界面及點(diǎn)擊后觸發(fā)界面

2.2 算法實(shí)現(xiàn)

(1)LSM303DLHC傳感器融合

加速度計(jì)傳感器(LSM303DLHC)是一個(gè)超小型高性能的電子羅盤(pán)，具有三維加速度傳感器和3D磁力模塊，可以實(shí)時(shí)監(jiān)測(cè)定位終端的朝向，由于人體遮擋以及信號(hào)跳變，補(bǔ)償指紋階段的歐氏距離加權(quán)平均算法產(chǎn)生的誤差。

在實(shí)際的定位過(guò)程中，定位終端不可能一直保持水平狀態(tài)，則必須計(jì)算其俯仰角以及翻滾角,設(shè)當(dāng)前定位終端的翻滾角為γ,俯仰角為θ,方向角為ψ,磁強(qiáng)傳感器三軸數(shù)值M(γ,θ,ψ)=[MxMyMz]T,水平放置時(shí)磁強(qiáng)傳感器三軸數(shù)值M(0,0,ψ)=[MhxMhyMhz]T,根據(jù)定位終端姿態(tài)與水平放置時(shí)的關(guān)系可得

(10)

其中，Rγ,Rθ分別為翻滾角取γ,俯仰角取θ時(shí)的旋轉(zhuǎn)轉(zhuǎn)化矩陣

(11)

將式Rλ,Rθ帶入式(10)中可得

將其帶入1.3節(jié)方向角計(jì)算模型式(9)可得出

(12)

融合傳感器之后的指紋庫(kù)采集流程如圖7所示。

圖7 指紋庫(kù)采集算法流程

(2)歐氏距離加權(quán)匹配算法

在定位終端MT2503中，收到周?chē)?.5 s的藍(lán)牙數(shù)據(jù)求均值并連同終端朝向上傳至服務(wù)器，服務(wù)器根據(jù)接收到的實(shí)時(shí)向量與指紋庫(kù)中的數(shù)據(jù)進(jìn)行匹配，本系統(tǒng)中使用的匹配算法為最近鄰匹配算法。

為了消除信號(hào)傳播，傳感器遮擋、信號(hào)跳變等因素帶來(lái)的影響，在信號(hào)強(qiáng)度處理階段將RSS信號(hào)強(qiáng)度劃分為若干簇，對(duì)篩選出的指紋庫(kù)中的坐標(biāo)集合做歐氏距離加權(quán)聚類(lèi)，得到最終的坐標(biāo)。假設(shè)實(shí)時(shí)向量為m維向量xi=(Xi1,Xi2,…,Xim)，指紋庫(kù)中對(duì)應(yīng)的坐標(biāo)集合中任一坐標(biāo)點(diǎn)對(duì)應(yīng)的向量為：xj=(Xj1,Xj2,…,Xjm)。

為保證結(jié)果的精確性，算法中將權(quán)值做歸一化處理，即n個(gè)待選坐標(biāo)的權(quán)值系數(shù)集合滿足

w1+w2+…wn=1

最后將實(shí)時(shí)向量與對(duì)應(yīng)的指紋庫(kù)坐標(biāo)集合加權(quán)聚類(lèi)形成最終坐標(biāo)點(diǎn)

式中：n代表與該實(shí)時(shí)向量匹配的指紋庫(kù)坐標(biāo)個(gè)數(shù)。

3 實(shí)驗(yàn)結(jié)果及分析

本實(shí)驗(yàn)中的終端采用MT2503芯片，數(shù)據(jù)庫(kù)采用PgAdminIII，終端中采用串口接收CC2541藍(lán)牙芯片發(fā)出的信號(hào)強(qiáng)度。服務(wù)器采用CentOs6.5操作系統(tǒng),部署DAS進(jìn)行數(shù)據(jù)接入，DPS、DCS進(jìn)行數(shù)據(jù)處理與報(bào)文轉(zhuǎn)發(fā)，地圖發(fā)布采用OpenLayers3,web定位效果展示如圖8所示。

為了測(cè)試算法的性能，及分析定位誤差，系統(tǒng)中首先使用5個(gè)AP節(jié)點(diǎn)來(lái)進(jìn)行指紋庫(kù)的采集，表1為不使用LSM303DLHC傳感器融合，也未進(jìn)行RSS歐氏加權(quán)聚類(lèi)形成的指紋數(shù)據(jù)(NCNJ)，表2為本算法中添加了改進(jìn)措施后形成的指紋數(shù)據(jù)(PJ)。

圖8 定位展示效果

圖9為RSSI測(cè)距、真實(shí)位置、以及算法得出的坐標(biāo)比較圖，實(shí)線代表真實(shí)位置與本算法坐標(biāo)的距離誤差，虛線代表真實(shí)位置與RSSI測(cè)距的距離誤差，從圖中可以直觀的看出本算法得出的坐標(biāo)與真實(shí)位置的距離誤差更小。

表1 NCNJ指紋數(shù)據(jù)

表2 PJ指紋數(shù)據(jù)

為了加快數(shù)據(jù)庫(kù)查找速度，數(shù)據(jù)存儲(chǔ)時(shí)按照信號(hào)強(qiáng)度均值由強(qiáng)到弱的順序存儲(chǔ)，例如當(dāng)終端在(0.8,0.8)坐標(biāo)點(diǎn)時(shí)，距離10號(hào)標(biāo)簽最近，此時(shí)數(shù)據(jù)庫(kù)中將10號(hào)標(biāo)簽的信號(hào)強(qiáng)度置前。

實(shí)驗(yàn)坐標(biāo)點(diǎn)對(duì)應(yīng)的平均誤差如圖10、圖11所示。

圖10 坐標(biāo)點(diǎn)對(duì)應(yīng)相對(duì)誤差曲線對(duì)比

圖11 標(biāo)簽個(gè)數(shù)平均誤差曲線對(duì)比注：圖10、圖11中從上到下第一條曲線代表未添加RSS歐氏加權(quán)聚類(lèi)也沒(méi)有傳感器融合定位誤差曲線，第二條曲線代表添加歐氏距離加權(quán)聚類(lèi)后的定位曲線圖，第三條曲線代表本文算法中添加歐>氏距離加權(quán)聚類(lèi)并融合LSM303DLHC傳感器后的平均定位誤差曲線。

從表1、表2與圖10、圖11中顯示的數(shù)據(jù)來(lái)看，本文提出的基于射頻RSS聚類(lèi)與LSM303DLHC傳感器融合的室內(nèi)定位算法精度有較大的提高，而且在定位參考點(diǎn)數(shù)增加的情況下精度提升更為明顯，平均定位誤差控制在2.51 m，誤差遠(yuǎn)低于同種環(huán)境基于WIFI與基于RFID的室內(nèi)定位誤差，本文開(kāi)發(fā)出的室內(nèi)定位系統(tǒng)具有魯棒性強(qiáng)，擴(kuò)展性好等優(yōu)點(diǎn)，具有良好的參考價(jià)值與實(shí)際意義。

4 結(jié)束語(yǔ)

本文針對(duì)基于無(wú)線局域網(wǎng)室內(nèi)定位算法中普遍存精度不高，實(shí)時(shí)性差等問(wèn)題提出一種基于射頻RSS聚類(lèi)與多傳感器融合的室內(nèi)定位算法，在指紋庫(kù)創(chuàng)建階段，對(duì)藍(lán)牙信號(hào)強(qiáng)度進(jìn)行了聚類(lèi)，在定位階段融合LSM303DLHC傳感器來(lái)補(bǔ)償指紋階段的歐氏距離加權(quán)平均算法產(chǎn)生的誤差。實(shí)驗(yàn)結(jié)果表明，該算法解決了室內(nèi)復(fù)雜環(huán)境因素所造成的影響，并具有較高的定位精度，為網(wǎng)絡(luò)通信與無(wú)線定位提供了借鑒與參考，本算法后續(xù)會(huì)繼續(xù)添加陀螺儀，氣壓計(jì)等傳感器，可用來(lái)判別定位終端具體形態(tài)，所處高度等，此外，本文使用的是串口接收數(shù)據(jù)，定位速度相對(duì)較慢，后續(xù)會(huì)采用直接提取射頻廣播字段，從而加快定位的實(shí)時(shí)性。

參考文獻(xiàn)：

[1]SHI Xin,YIN Aimin,CHEN Xi.RSSI and multidimensional scaling based indoor localization algorithm[J].Chinese Journal of Scientific Instrument,2014,35(2):261-268(in Chinese).[石欣,印愛(ài)民,陳曦.基于RSSI的多維標(biāo)度室內(nèi)定位算法[J].儀器儀表學(xué)報(bào),2014,35(2):261-268.]

[2]ZHAO Rui,ZHONG Bang,ZHU Zuli,et al.Overview of indoor localization techniques and applications[J].Electronic Sci & Tech,2014,27(3):154-157(in Chinese).[趙銳,鐘榜,朱祖禮,等.室內(nèi)定位技術(shù)及應(yīng)用綜述[J].電子科技,2014,27(3):154-157.]

[3]LIU Chunyan,WANG Jian.A constrained KNN indoor positioning model based on a geometric clustering fingerprinting technique[J].Geomatics and Information Science of Wuhan University,2014,39(11):1287-1292(in Chinese).[劉春燕,王堅(jiān).基于幾何聚類(lèi)指紋庫(kù)的約束KNN室內(nèi)定位模型[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2014,39(11):1287-1292.]

[4]ZHANG Wenjie,DONG Yuning,WANG Xinheng.Indoor positioning method using RFID and block clustering[J].Computer Engineering and Applications,2016,52(10):112-117(in Chinese).[張文杰,董育寧,王新珩.一種利用RFID和塊聚類(lèi)的室內(nèi)定位方法[J].計(jì)算機(jī)工程與應(yīng)用,2016,52(10):112-117.]

[5]YANG Guanglong,KONG Yongping,ZHONG Zhimin,et al.Mutimode-fingerprint matching based indoor positioning system design and implementation[J].Computer Engineering and Design,2013,34(5):1896-1900(in Chinese).[楊廣龍,孔勇平,鐘致民,等.基于多模指紋匹配的室內(nèi)定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)工程與設(shè)計(jì),2013,34(5):1896-1900.]

[6]Medina C,Segura J C,De la Torre A.Ultrasound indoor positioning system based on a low-power wireless sensor network providing sub-centimeter accuracy[J].Sensors,2013,13(3):3501-3526.

[7]Shin M,Cho S H,Joe I.An experimental analysis of effects of IEEE 802.11 channels on RSSI-based indoor localization system with IEEE 802.15.4[J].IETE Journal of Research,2013,59(5):500-509.

[8]Liu T,Chi T,Li H,et al.A GIS-oriented location model for supporting indoor evacuation[J].International Journal of Geographical Information Science,2015,29(2):305-326.

[9]Huang C N,Chan C T.A zigbee-based location-aware fall detection system for improving elderly telecare[J].International Journal of Environmental Research and Public Health,2014,11(4):4233-4248.

[10]Luo J,Zhan X.Characterization of smart phone received signal strength indication for WLAN Indoor positioning accuracy improvement[J].JNW,2014,9(3):739-746.

[11]Amanatiadis A.A Multisensor indoor localization system for biped robots operating in industrial environments[J].IEEE Tran-sactions on Industrial Electronics,2016,63(12):7597-7606.

[12]Lymberopoulos D,Liu J,Priyantha N A B,et al.Indoor localization using commercial frequency-modulated signals:U.S.Patent 9,271,120[P].2016-02-23.