彭偉豪,肖東升,3

(1. 西南石油大學(xué) 土木工程與測(cè)繪學(xué)院,四川 成都 610500; 2. 西南石油大學(xué) 測(cè)繪遙感地理信息防災(zāi)應(yīng)急研究中心,四川 成都 610500; 3. 成都高新減災(zāi)研究所,四川 成都 610041)

0 引言

我國是地震最頻繁、地震災(zāi)害最嚴(yán)重的國家之一[1],目前震后壓埋人員的搜救主要依靠接觸式和非接觸式的生命探測(cè)技術(shù)[2],這類技術(shù)存在成本高、效率低、搜救范圍小且受環(huán)境影響大等缺點(diǎn),在一定程度上影響了震后救援工作的開展。隨著手機(jī)等智能設(shè)備的普及,對(duì)智能設(shè)備的室內(nèi)定位可間接實(shí)現(xiàn)對(duì)壓埋人員的定位,將基于壓埋人員智能設(shè)備的定位看作是一種特殊環(huán)境下的靜態(tài)室內(nèi)定位,射頻信號(hào)定位技術(shù)、傳感器定位技術(shù)和多源融合定位方法是目前主要的3類室內(nèi)定位技術(shù)[3-4]。目前基于智能設(shè)備的震后壓埋人員定位還處于起步階段,XIA等[5]從數(shù)量、位置、變化率、震中距等幾個(gè)方面分析了手機(jī)定位信號(hào)數(shù)據(jù)在地震應(yīng)急救援工作中的可行性,為應(yīng)急救援決策提供了科學(xué)依據(jù)。劉小洪[6]探討了WiFi信號(hào)接收機(jī)的位置分布方式、網(wǎng)格密度以及與壓埋手機(jī)相對(duì)位置對(duì)震后壓埋定位精度的影響。洪利等[7]基于智能手機(jī)WiFi信號(hào)設(shè)計(jì)了一種地震災(zāi)害中面向生命探測(cè)的無線定位系統(tǒng)。羅尚等[8]提出一種針對(duì)未知震后壓埋環(huán)境的快速定位算法,有效地改善了定位精度。肖東升等[9]通過模擬3種典型建筑物倒塌壓埋空間,建立不同場景下的最優(yōu)無線信道模型,提高了壓埋人員的搜救效率。

WiFi和藍(lán)牙室內(nèi)定位技術(shù)都可以通過信號(hào)接收強(qiáng)度(received signal strength indication, RSSI)測(cè)距定位技術(shù)實(shí)現(xiàn)定位[10],非視距、多路徑、干擾多變等因素會(huì)在一定程度上影響RSSI在室內(nèi)環(huán)境中的傳輸[11],在震后壓埋環(huán)境中這些影響將變得更加突出,因此需要構(gòu)建適用于不同壓埋環(huán)境的無線信號(hào)衰減模型來提高定位精度[12]。為降低RSSI的隨機(jī)性引起的測(cè)距誤差,需要對(duì)接收到的RSSI數(shù)據(jù)進(jìn)行濾波預(yù)處理。常用的濾波方法有均值濾波[13]、中值濾波[14]、遞推平均濾波[15]、高斯濾波[16]、狄克遜檢驗(yàn)法濾波[17]、卡爾曼濾波[18]等?；赗SSI測(cè)距的定位算法包括最小二乘算法、三角質(zhì)心算法等[19],在此基礎(chǔ)上也發(fā)展出定位精度更高的加權(quán)質(zhì)心定位算法[20]、Chan算法[21]和加權(quán)三維質(zhì)心定位算法[22]等。

文中提出的基于WiFi-藍(lán)牙混合定位技術(shù)的震后壓埋人員手機(jī)定位方法,模擬震后壓埋環(huán)境,利用混合濾波方法分別對(duì)WiFi和藍(lán)牙RSSI數(shù)據(jù)進(jìn)行預(yù)處理,構(gòu)建基于震后壓埋環(huán)境的無線信號(hào)衰減模型,采用改進(jìn)的加權(quán)質(zhì)心定位算法分別解算WiFi和藍(lán)牙定位結(jié)果。通過評(píng)價(jià)WiFi和藍(lán)牙定位結(jié)果的可信性,根據(jù)評(píng)估結(jié)果選取最優(yōu)值實(shí)現(xiàn)定位結(jié)果的混合。

1 WiFi-藍(lán)牙混合定位技術(shù)

1.1 RSSI數(shù)據(jù)濾波處理

由于環(huán)境等影響因素,同一個(gè)節(jié)點(diǎn)接收到的多個(gè)RSSI值中必然存在由誤差引起的小概率事件,通過高斯模型篩選出滿足一定概率要求的RSSI值作為有效值,能夠有效地減少小概率、大干擾誤差對(duì)整體測(cè)量數(shù)據(jù)的影響,提高定位精度。高斯濾波模型解決了RSSI在傳輸環(huán)境中易受干擾、穩(wěn)定性差等問題,但對(duì)陰影效應(yīng)、能量反射等長時(shí)間干擾問題處理效果欠佳,使得定位的時(shí)效性受到一定影響[23]。

卡爾曼濾波的基本思想[18]是:利用信號(hào)和噪聲的狀態(tài)空間模型,通過對(duì)前一時(shí)刻的估計(jì)和對(duì)當(dāng)前時(shí)刻的觀測(cè)更新狀態(tài)變量的估計(jì),以最小均方誤差為最佳估計(jì)準(zhǔn)則,根據(jù)系統(tǒng)方程和由最小均方誤差建立的觀測(cè)方程估計(jì)待處理的信號(hào)?？柭鼮V波能在一定程度上減小由于噪聲疊加引起的RSSI觀測(cè)值偏離,經(jīng)過卡爾曼濾波處理后的RSSI值穩(wěn)定性更好,對(duì)高斯分布的隨機(jī)過程信號(hào)具有較好的濾波效果。

結(jié)合高斯濾波和卡爾曼濾波的優(yōu)缺點(diǎn),文中提出的混合濾波算法首先對(duì)原始RSSI數(shù)據(jù)進(jìn)行高斯濾波,得到RSSI(k)∈(μ-σ,μ+σ),然后利用卡爾曼濾波消除高斯濾波后的RSSI值的隨機(jī)噪聲得到RSSI(i),對(duì)這些RSSI值進(jìn)行中值濾波得到RSSI(a);同樣的,對(duì)這些RSSI值進(jìn)行均值濾波得到RSSI(b),則:

RSSI(i)=Kalman[Gauss(RSSI(1),RSSI(2),…,RSSI(k))]i=1,2,…,k

(1)

RSSI(a)=Med{RSSI(1),RSSI(2),…,RSSI(k)}

(2)

(3)

最后對(duì)RSSI(a)和RSSI(b)做算術(shù)平均處理,即:

(4)

文中提出的混合濾波算法能夠有效地濾除偏離真值的數(shù)據(jù),使RSSI值輸出更加平滑,更接近于真值,提高測(cè)距的精度,從而提高定位的精度,更好地服務(wù)于室內(nèi)定位。

1.2 無線信號(hào)衰減模型

無線信號(hào)傳播路徑損耗模型主要包括自由空間傳播模型、衰減因子模型、對(duì)數(shù)距離路徑損耗模型等[24]。信道衰落無論是大尺度衰落還是小尺度衰落其特性服從對(duì)數(shù)正態(tài)分布,因此對(duì)數(shù)距離路徑損耗模型通常用于RSSI距離測(cè)量中,可將其表示為:

PL(d)=PL(d0)-10nlg(d/d0)+φ

(5)

式中:PL(d)為距發(fā)射信號(hào)的已知點(diǎn)d處的待定位點(diǎn)的接收信號(hào)強(qiáng)度;PL(d0)為距發(fā)射信號(hào)的已知點(diǎn)d0處的參考點(diǎn)的接收信號(hào)強(qiáng)度,通常d0取1 m;n是環(huán)境因子,與定位環(huán)境有關(guān),表明了路徑損耗隨距離的衰減速率,具體取值將在測(cè)距前進(jìn)行相關(guān)實(shí)驗(yàn)獲取經(jīng)驗(yàn)值;φ為衰減因子,與傳播距離無關(guān),通?？珊雎圆挥?jì)。

發(fā)射信號(hào)與接收信號(hào)強(qiáng)度之差,即為信號(hào)強(qiáng)度損耗值,如式(6)所示:

P=P0-RSSI(d)

(6)

式中:P0為發(fā)射信號(hào)強(qiáng)度;RSSI(d)為d處的接收信號(hào)強(qiáng)度。

由式(5)、式(6)可以得出對(duì)數(shù)路徑損耗模型,見式(7):

RSSI(d)=-10nlgd+A

(7)

1.3 改進(jìn)的加權(quán)質(zhì)心定位算法

不論采用哪種測(cè)距模型,接收信號(hào)強(qiáng)度RSSI與真實(shí)值之間總是存在一定誤差,從而導(dǎo)致測(cè)距結(jié)果存在一定誤差,因?yàn)閺?fù)雜的室內(nèi)環(huán)境尤其是震后壓埋環(huán)境的未知性,解算出的傳感器節(jié)點(diǎn)到未知節(jié)點(diǎn)的距離d總是大于實(shí)際2個(gè)節(jié)點(diǎn)間的距離。如圖1 所示,信號(hào)接收傳感器A,B,C,未知信號(hào)發(fā)射節(jié)點(diǎn)D,根據(jù)RSSI測(cè)距模型分別計(jì)算出的節(jié)點(diǎn)A、B、C這3個(gè)點(diǎn)到D的距離rA、rB、rC。分別以A、B、C為圓心,rA、rB、rC為半徑畫圓,3個(gè)圓相交。三角質(zhì)心定位算法的基本思想[25]是:計(jì)算3個(gè)圓交疊區(qū)域的3個(gè)特征點(diǎn)E,F,G的坐標(biāo),這3個(gè)點(diǎn)構(gòu)成的三角形的質(zhì)心為未知點(diǎn)M。

圖1 質(zhì)心定位算法原理圖Fig. 1 Schematic diagram of centroid location algorithm

特征點(diǎn)E點(diǎn)的坐標(biāo)(xE,yE)計(jì)算方法為:

(8)

傳統(tǒng)的三角質(zhì)心算法假定每組估計(jì)坐標(biāo)的權(quán)值相等,不能反映數(shù)據(jù)的不同影響。基于距離倒數(shù)的加權(quán)質(zhì)心定位算法在距離測(cè)量值較精確時(shí)可以得到較優(yōu)的定位結(jié)果,但當(dāng) RSSI數(shù)據(jù)本身的誤差較大時(shí),會(huì)直接影響到距離測(cè)量,進(jìn)而導(dǎo)致誤差累積,降低定位精度。崔法毅等[26]指出,在解方程時(shí),當(dāng)b為準(zhǔn)確值時(shí),可以得到正確的坐標(biāo)估計(jì)值X,方程AX=b左右相等,但b在實(shí)際定位過程中總是存在一定誤差,且b的誤差越大,方程解算結(jié)果的誤差也越大,坐標(biāo)估計(jì)值的精度越低。文中以解得坐標(biāo)誤差值的倒數(shù)為權(quán)值改進(jìn)加權(quán)質(zhì)心算法,如式(9)所示:

(9)

(10)

(11)

文中采用基于誤差倒數(shù)的加權(quán)質(zhì)心算法分析了3個(gè)定位結(jié)果對(duì)定位精度的不同影響力,誤差較大的數(shù)據(jù)權(quán)值較小,誤差較小的數(shù)據(jù)權(quán)值較大,優(yōu)化了基于距離倒數(shù)的加權(quán)質(zhì)心算法,從定位結(jié)果的精度中選擇權(quán)值,避免了誤差累積,提高了定位結(jié)果的精度。

1.4 基于WiFi和藍(lán)牙定位結(jié)果的混合定位方法

1.4.1 定位流程

文中依據(jù)WiFi和藍(lán)牙定位2種定位坐標(biāo)之間的間距和RSSI值的分析結(jié)果,評(píng)估2種定位結(jié)果的可信性,從而實(shí)現(xiàn)定位結(jié)果的混合。根據(jù)評(píng)估結(jié)果,主要有WiFi 定位可信、WiFi 定位不可信、藍(lán)牙定位可信、藍(lán)牙定位不可信4種判定來解算最終定位結(jié)果。如圖2所示,當(dāng)WiFi定位結(jié)果和藍(lán)牙定位結(jié)果同時(shí)可信或同時(shí)不可信時(shí),則取加權(quán)平均值作為最終定位結(jié)果;若WiFi定位結(jié)果可信,藍(lán)牙定位結(jié)果不可信時(shí),則取WiFi定位結(jié)果作為最終定位結(jié)果;反之則取藍(lán)牙定位結(jié)果作為最終定位結(jié)果。

圖2 定位流程圖Fig. 2 Positioning flow chart

1.4.2 定位結(jié)果可信度評(píng)估

定位結(jié)果可信度評(píng)估方法流程如圖3所示,通過WiFi和藍(lán)牙定位坐標(biāo)之間的坐標(biāo)間距DBTP判斷當(dāng)前定位結(jié)果是否存在異?，F(xiàn)象,如果DBTP小于閾值T,說明兩者定位結(jié)果比較接近,即WiFi和藍(lán)牙定位都可信,取兩者的加權(quán)平均值作為最終定位結(jié)果;但是,WiFi和藍(lán)牙定位結(jié)果易受壓埋環(huán)境影響,出現(xiàn)誤差的概率較大,WiFi和藍(lán)牙定位結(jié)果之間的間距不可能一直相近,如果DBTP大于閾值T,說明兩者定位結(jié)果中可能存在異常定位結(jié)果,即某種定位結(jié)果不可信或2種定位結(jié)果都不可信。針對(duì)這種情況,文中通過對(duì)強(qiáng)RSSI數(shù)量進(jìn)行分析判斷定位結(jié)果的可信性,若藍(lán)牙強(qiáng)RSSI數(shù)量大于WiFi強(qiáng)RSSI數(shù)量,則取藍(lán)牙定位結(jié)果;若WiFi強(qiáng)RSSI數(shù)量大于藍(lán)牙強(qiáng)RSSI數(shù)量,則取WiFi定位結(jié)果;若兩者強(qiáng)RSSI數(shù)量相同則取加權(quán)平均值作為定位結(jié)果[27]。

圖3 定位結(jié)果可信度評(píng)估流程圖Fig. 3 Flow chart of reliability evaluation of positioning results

理想條件下,RSSI值越大,定位精度越高,因此可根據(jù)RSSI的大小確定WiFi和藍(lán)牙定位結(jié)果的權(quán)重,計(jì)算公式如式(12)所示:

(12)

式中:BW為藍(lán)牙定位結(jié)果的權(quán)重;WW為WiFi 定位結(jié)果的權(quán)重;RSSIBi為第i個(gè)藍(lán)牙節(jié)點(diǎn)的RSSI值;RSSIWi為第i個(gè)WiFi節(jié)點(diǎn)的RSSI值;M、N分別為接收WiFi和藍(lán)牙信號(hào)強(qiáng)度的傳感器個(gè)數(shù)。

2 實(shí)驗(yàn)

2.1 實(shí)驗(yàn)環(huán)境

由于震后壓埋環(huán)境復(fù)雜,震后建筑物倒塌按其破壞程度可以主要分為局部垮塌、整體傾斜、整體垮塌這3類,劉晶晶等[28]分別提出了 “傾斜型”、“塌落型”和“復(fù)合型”3種典型的壓埋環(huán)境,其中“傾斜型”壓埋環(huán)境的整體生存空間大,穩(wěn)定性最強(qiáng),壓埋人員的存活率最高,因此文中模擬“傾斜型”壓埋環(huán)境進(jìn)行實(shí)驗(yàn)分析,無線信號(hào)在該壓埋環(huán)境中的大致信號(hào)傳播路徑如圖4所示。

圖4 “傾斜型”壓埋環(huán)境無線信號(hào)傳播路徑Fig. 4 Wireless signal propagation path in "inclined" buried environment

“傾斜型”壓埋環(huán)境影響無線信號(hào)傳播的障礙物主要為建筑物支撐墻,文中選擇室外與廢墟環(huán)境較為吻合的獨(dú)立建筑物作為模擬壓埋環(huán)境,其外墻為370 mm厚度的磚混結(jié)構(gòu),該結(jié)構(gòu)為國內(nèi)早期城鎮(zhèn)建筑物外墻的主要標(biāo)準(zhǔn)結(jié)構(gòu),也是地震易發(fā)區(qū)主要的建筑物外墻結(jié)構(gòu),其抗震等級(jí)要低于框架結(jié)構(gòu),在地震中更易倒塌。實(shí)驗(yàn)過程中,壓埋智能設(shè)備固定在模擬壓埋環(huán)境內(nèi)部高1 m的支架上,WiFi、藍(lán)牙信號(hào)接收傳感器分布在模擬壓埋環(huán)境周圍,同樣固定在高1 m的支架上。通過實(shí)驗(yàn)分析“傾斜型”壓埋環(huán)境下主要障礙物對(duì)無線信號(hào)衰減的影響,建立與之匹配的無線信號(hào)衰減模型適應(yīng)實(shí)際的震后壓埋手機(jī)的定位模型。

傳感器的分布采用“四邊形”傳感器分布模型,如圖5所示,其中4個(gè)WiFi探針和4個(gè)藍(lán)牙網(wǎng)關(guān)分別分布于邊長20 m的正方形的4個(gè)頂點(diǎn),平面坐標(biāo)分別為(0,0)、(20,0)、(20,20)、(0,20),模擬壓埋智能設(shè)備位于“四邊形”內(nèi)任意位置。

圖5 傳感器分布模型Fig. 5 Sensor distribution model

實(shí)驗(yàn)人員分別將WiFi探針和藍(lán)牙網(wǎng)關(guān)布置在對(duì)應(yīng)平面位置,設(shè)置好相關(guān)數(shù)據(jù)采集系數(shù),WiFi和藍(lán)牙的RSSI數(shù)據(jù)采集同時(shí)進(jìn)行,采集頻率為1 Hz,每個(gè)數(shù)據(jù)采集點(diǎn)共采集100組RSSI數(shù)據(jù)。

2.2 無線信號(hào)衰減參數(shù)估計(jì)

由于采集的WiFi和藍(lán)牙RSSI值存在多路徑、非視距等因素影響導(dǎo)致信號(hào)波動(dòng),在進(jìn)行參數(shù)估計(jì)前需要分別對(duì)WiFi和藍(lán)牙RSSI數(shù)據(jù)進(jìn)行濾波處理,根據(jù)1.1節(jié)介紹的濾波方法,通過MATLAB進(jìn)行數(shù)據(jù)處理,通過分別對(duì)距壓埋智能設(shè)備1～15 m進(jìn)行WiFi 、藍(lán)牙RSSI數(shù)據(jù)采樣濾波處理,從圖6可知,由于原始數(shù)據(jù)中存在較多突變的點(diǎn),采用單一卡爾曼濾波算法,導(dǎo)致數(shù)據(jù)輸出整體波動(dòng)性較大;單一的均值濾波和中值濾波數(shù)據(jù)輸出波動(dòng)更加明顯;單一的高斯擬合方法無法在允許范圍內(nèi)消除大范圍波動(dòng);混合濾波能有效地消除數(shù)據(jù)突變點(diǎn)和突變間隔,平衡數(shù)據(jù)的噪聲波動(dòng),使數(shù)據(jù)輸出更加準(zhǔn)確、平滑。如圖7所示,混合濾波處理后的數(shù)據(jù)線性擬合絕對(duì)距離誤差的計(jì)算結(jié)果明顯優(yōu)于其他單一濾波的處理效果。

圖6 RSSI濾波效果Fig. 6 RSSI filtering effect

圖7 WiFi、藍(lán)牙絕對(duì)距離誤差Fig. 7 WiFi, Bluetooth absolute distance error

將幾種濾波后的WiFi、藍(lán)牙RSSI值分別帶入各自的距離損耗模型中,計(jì)算得到均方根誤差RMSE(見表1),其中混合濾波處理方式的均方根誤差最小,這說明混合濾波效果最佳,因此文中將采用經(jīng)混合濾波處理后的RSSI 值建立距離損耗模型。

表1 5種濾波方法均方根誤差Table 1 RMSE of five filtering methods

由式(7)可知,常數(shù)A和路徑衰減指數(shù)n的選取會(huì)直接影響距離d的計(jì)算。A和n的值主要由周圍的壓埋環(huán)境決定,為了保證測(cè)距精度,一般采用線性回歸算法進(jìn)行優(yōu)化以得到最逼近當(dāng)前環(huán)境信號(hào)傳播特性的參數(shù)值。

參數(shù)優(yōu)化的具體步驟為:

1)距離模擬壓埋環(huán)境發(fā)射節(jié)點(diǎn)每隔1 m就分別測(cè)量一組WiFi和藍(lán)牙RSSI值,每組包含100個(gè)RSSI數(shù)據(jù),共15組RSSI值;

2)對(duì)不同距離下的15組RSSI值分別采用混合濾波進(jìn)行濾波處理;

3)采用線性回歸算法分別得到“傾斜型”壓埋環(huán)境下WiFi和藍(lán)牙的無線信號(hào)衰減參數(shù),分別用(A1,n1), (A2,n2)表示,擬合曲線如圖8所示。

圖8 WiFi、藍(lán)牙距離損耗模型Fig. 8 WiFi, Bluetooth distance loss model

混合濾波處理后的WiFi、藍(lán)牙RSSI線性擬合參數(shù)估計(jì)值如表2所示。

表2 WiFi、藍(lán)牙無線信號(hào)衰減參數(shù)估計(jì)值Table 2 Estimation of attenuation parameters of WiFi and Bluetooth wireless signals

2.3 閾值T的選取和強(qiáng)RSSI的判定

由1.4.2節(jié)可知,根據(jù)WiFi和藍(lán)牙定位結(jié)果的坐標(biāo)間距DBTP判斷定位結(jié)果的可信度,當(dāng)坐標(biāo)間距小于閾值T時(shí),則WiFi和藍(lán)牙定位結(jié)果都可信,取加權(quán)平均值作為最終定位結(jié)果,反之則認(rèn)為定位結(jié)果異常。為確定閾值T,文中分別選取1～10 m共10組閾值,每組傳感器分別采集10組WiFi和藍(lán)牙RSSI數(shù)據(jù),每組包含100個(gè)RSSI,進(jìn)行10次定位實(shí)驗(yàn)。若WiFi和藍(lán)牙定位結(jié)果都可信,即DBTP小于閾值,則取加權(quán)平均值作為混合定位結(jié)果,計(jì)算出定位結(jié)果的誤差,并統(tǒng)計(jì)次數(shù);若定位結(jié)果不可信,即存在異常定位結(jié)果導(dǎo)致DBTP大于閾值,則取消此次定位,進(jìn)而得到不同閾值情況下的平均誤差和混合定位次數(shù)。如圖9所示,當(dāng)閾值T增大時(shí),平均定位誤差趨于增大,DBTP小于閾值T的次數(shù)也不斷增加。當(dāng)閾值為5 m時(shí),平均定位誤差為0.92 m,DBTP小于T的次數(shù)為7次,定位誤差較小且次數(shù)足夠多,故文中選取5 m作為閾值。

圖9 平均定位誤差及DBTP小于T的次數(shù)Fig. 9 Average positioning error and times when DBTP is less than T

RSSI測(cè)距定位通過信號(hào)強(qiáng)度特征實(shí)現(xiàn)定位,RSSI越強(qiáng),定位效果越好。定位時(shí)刻能接收到很多壓埋設(shè)備發(fā)射的WiFi和藍(lán)牙RSSI信號(hào),如果大部分RSSI較小,信號(hào)特征不明顯,將造成信號(hào)波動(dòng)性增加,增大測(cè)距定位的誤差。由圖10(a)、(b)分別表示W(wǎng)iFi、 藍(lán)牙的距離損耗模型和絕對(duì)距離誤差對(duì)比可知, 隨著定位距離的增加,絕對(duì)距離誤差明顯增大,其中WiFi距離損耗模型中絕對(duì)距離誤差在7 m處變化最為明顯,根據(jù)線性擬合公式計(jì)算d=7 m時(shí),RSSI=-66.13 dBm,取整后即WiFi RSSI大于-66 dBm時(shí)判定為強(qiáng)RSSI;同理藍(lán)牙距離損耗模型中絕對(duì)距離誤差在7 m處變化也最為明顯,根據(jù)線性擬合公式計(jì)算d=7 m時(shí),RSSI=-74.78 dBm,取整后即藍(lán)牙RSSI大于-75 dBm時(shí)判定為強(qiáng)RSSI。最后通過統(tǒng)計(jì)并比較WiFi、藍(lán)牙強(qiáng)RSSI的數(shù)量,進(jìn)而判斷定位結(jié)果的可信性。

圖10 距離損耗模型與絕對(duì)距離誤差比較Fig. 10 Comparison between distance loss model and absolute distance error

2.4 定位實(shí)驗(yàn)

2.4.1 實(shí)驗(yàn)結(jié)果分析

為驗(yàn)證基于WiFi-藍(lán)牙混合定位方法的優(yōu)越性,文中通過定位實(shí)驗(yàn)分析對(duì)比基于RSSI測(cè)距的WiFi定位方法、藍(lán)牙定位方法和混合定位3種定位方法的定位誤差,其中3種定位方法在數(shù)據(jù)濾波、定位模型、定位算法和定位傳感器的位置分布均保持一致。文中選取在20 m×20 m的模擬地震壓埋環(huán)境內(nèi)的13個(gè)已知坐標(biāo)點(diǎn),分別為(5,5)、(5,10)、(5,15)、(10,5)、(10,10)、(10,15)、(15,5)、(15,10)、(15,15)、(7.5,7.5)、(12.5,7.5)、(7.5,12.5)、(12.5,12.5),單位為m。利用2.1節(jié)介紹的“四邊形”傳感器分布模型分別對(duì)13個(gè)點(diǎn)進(jìn)行定位試驗(yàn),3種定位方法的定位平面圖見圖11。

圖11 定位平面圖Fig. 11 Positioning plan

由表3定位結(jié)果與誤差比較可知,基于WiFi-藍(lán)牙混合定位方法的定位效果優(yōu)于WiFi定位與藍(lán)牙定位,單一的WiFi和藍(lán)牙定位技術(shù)的平均定位精度分別為0.917 m和0.867 m,而基于WiFi-藍(lán)牙混合定位技術(shù)的定位精度為0.541 m,相對(duì)于單一的WiFi和藍(lán)牙定位技術(shù),定位精度分別提高了41%和37.6%。

表3 定位結(jié)果與誤差比較Table 3 Comparison of positioning results and errors

2.4.2 定位效率對(duì)比實(shí)驗(yàn)

為進(jìn)一步驗(yàn)證文中提出的混合定位技術(shù)優(yōu)于單一的WiFi定位技術(shù)和藍(lán)牙定位技術(shù),通過以下實(shí)驗(yàn)增加定位傳感器數(shù)量對(duì)比定位時(shí)間與定位精度的變化關(guān)系。在“四邊形”傳感器分布模型的基礎(chǔ)上,分別依次在每條邊的中點(diǎn)增加一個(gè)WiFi探針或藍(lán)牙網(wǎng)關(guān),分布模型如圖12所示。

分別利用“四邊形”傳感器分布模型中的8個(gè)WiFi探針和藍(lán)牙網(wǎng)關(guān)依次進(jìn)行單一的WiFi定位實(shí)驗(yàn)和藍(lán)牙定位實(shí)驗(yàn),并結(jié)合2.4.1節(jié)的實(shí)驗(yàn),對(duì)每次實(shí)驗(yàn)平均耗時(shí)進(jìn)行統(tǒng)計(jì),實(shí)驗(yàn)結(jié)果如表4所示。

實(shí)驗(yàn)結(jié)果表明,增加單一定位傳感器數(shù)量雖然可以提高一定的定位精度,減少偶然誤差,但增加定位傳感器后定位精度仍低于混合定位的定位精度,且當(dāng)傳感器增加到一定數(shù)量后精度變化降低,精度值趨于穩(wěn)定。文中采取的定位算法只需要3個(gè)強(qiáng)RSSI數(shù)據(jù),增加定位傳感器數(shù)量的同時(shí)也會(huì)增加數(shù)據(jù)冗余度,定位時(shí)間也相應(yīng)增加,文中是基于震后壓埋人員的救援定位,定位效率是首先考慮的問題,即要求在盡量短的定位時(shí)間內(nèi)達(dá)到足夠的定位精度,為后續(xù)的救援工作開展?fàn)幦∽銐虻臅r(shí)間。綜上,文中提出的混合定位方法能在相對(duì)較短的時(shí)間內(nèi)滿足一定的定位精度,實(shí)現(xiàn)定位效率最大化。

3 結(jié)束語

文中根據(jù)理論研究和實(shí)驗(yàn)分析提出的基于WiFi-藍(lán)牙混合定位技術(shù)的震后壓埋人員手機(jī)定位方法,充分利用了壓埋智能設(shè)備在壓埋環(huán)境中發(fā)射的WiFi和藍(lán)牙RSSI數(shù)據(jù),通過對(duì)模擬震后壓埋環(huán)境中獲取的信號(hào)強(qiáng)度值進(jìn)行高斯-卡爾曼混合濾波處理,建立適用于“傾斜型”壓埋環(huán)境的距離損耗模型,采用改進(jìn)的加權(quán)質(zhì)心定位算法分別解算WiFi和藍(lán)牙定位坐標(biāo),最后對(duì)2種定位結(jié)果進(jìn)行可信度評(píng)估解算最優(yōu)值作為定位結(jié)果輸出,實(shí)驗(yàn)結(jié)果表明該方法在定位精度和定位效果上都具有一定的優(yōu)越性,提高了震后壓埋人員的搜救效率,使之更適用于震后壓埋人員的定位救援工作,為震后救援工作提供了新的技術(shù)支持。