摘 要：以通信能力較弱的低成本芯片為定位系統(tǒng)參考錨點(diǎn)，采用隨機(jī)部署方式，利用目標(biāo)點(diǎn)接收系統(tǒng)內(nèi)參考錨點(diǎn)的輸出功率序列，構(gòu)建基于芯片輸出功率與傳輸距離關(guān)系的弱感知指紋地圖；針對(duì)此類系統(tǒng)內(nèi)存在位置匹配候選節(jié)點(diǎn)可能不唯一的問題，依據(jù)目標(biāo)點(diǎn)運(yùn)動(dòng)一般具有方向性與連通性的特點(diǎn)，提出了一種基于弱感知通信芯片的移動(dòng)目標(biāo)定位追蹤方法。此方法根據(jù)移動(dòng)目標(biāo)的歷史路徑信息，計(jì)算當(dāng)前位置與前一相鄰位置候選節(jié)點(diǎn)之間的相交概率，維護(hù)一棵包含目標(biāo)點(diǎn)路徑信息、位置節(jié)點(diǎn)累計(jì)概率的概率樹，通過在概率樹內(nèi)尋找最大累計(jì)概率的葉子節(jié)點(diǎn)，從而獲得移動(dòng)目標(biāo)的定位結(jié)果。仿真實(shí)驗(yàn)表明：本方法能夠較好地解決位置匹配候選節(jié)點(diǎn)不唯一的問題，且其定位效果與傳統(tǒng)方法中固定部署參考節(jié)點(diǎn)的定位系統(tǒng)較為接近，亦能夠滿足室內(nèi)定位、目標(biāo)追蹤等方面的要求。

關(guān)鍵詞：隨機(jī)部署；弱感知；輸出功率；相交概率；累計(jì)概率；概率樹

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2024）07-000-04

0 引 言

近年來，在基于位置服務(wù)的需求推動(dòng)下，室內(nèi)定位系統(tǒng)的應(yīng)用迎來了重大機(jī)遇[1]。紅外、超聲波（US）、射頻（RF）、地磁場(chǎng)、超寬帶[2]、WiFi等無線通信技術(shù)[3-4]，被大量地應(yīng)用到室內(nèi)定位系統(tǒng)中。但是，無論基于何種技術(shù)實(shí)施的室內(nèi)無線定位系統(tǒng)，都需要在保證定位精度的同時(shí)，盡可能地降低系統(tǒng)成本，以提高系統(tǒng)商用價(jià)值，促進(jìn)其大面積推廣。低成本、低功耗、弱感知能力的商用通信芯片的出現(xiàn)，例如Nordic Semiconductor公司的nRF24LE1芯片，為解決室內(nèi)無線定位系統(tǒng)的成本問題提供了新的途徑[5]。但是，此類芯片不具備發(fā)送、接收連續(xù)信號(hào)的能力，其輸出功率是與傳輸距離關(guān)聯(lián)的離散值[6]。

假設(shè)此類弱感知芯片對(duì)應(yīng)于距離d1， d2， ...， dL（dL-1lt;dL）的輸出功率為P1， P2， ...， PL，本文利用接收點(diǎn)與此類芯片的距離關(guān)系，通過目標(biāo)點(diǎn)接收參考錨點(diǎn)發(fā)送的最小輸出功率值（Received Minimum Discrete Output Power， RMDOP）[7]，構(gòu)建室內(nèi)無線定位系統(tǒng)的位置指紋地圖，并結(jié)合目標(biāo)點(diǎn)的運(yùn)動(dòng)特性，實(shí)現(xiàn)基于弱感知芯片的移動(dòng)目標(biāo)定位追蹤工作。

1 問題描述

1.1 條件假設(shè)

為了充分討論此類芯片在室內(nèi)定位系統(tǒng)中的應(yīng)用價(jià)值以及參考錨點(diǎn)隨機(jī)部署的可行性，作如下假設(shè)：

（1）弱感知芯片作為參考錨節(jié)點(diǎn)隨機(jī)部署后，位置坐標(biāo)已知。

（2）目標(biāo)點(diǎn)的接收功率為：P1， P2， ...， PL+1，其中P1， P2， ...， PL與距離d1， d2， dl， ...， dL（dl-1lt;dl）相關(guān)且目標(biāo)點(diǎn)能夠接收到芯片發(fā)送的輸出功率，PL+1是目標(biāo)點(diǎn)無法接收芯片錨點(diǎn)輸出功率時(shí)的值，即dgt;dL。

（3）將待定位的二維區(qū)域網(wǎng)格化，每個(gè)小正方形網(wǎng)格的位置為其中心坐標(biāo)，位置指紋為中心坐標(biāo)點(diǎn)接收參考錨點(diǎn)輸出功率的序列。

1.2 問題建模

由于參考錨點(diǎn)隨機(jī)部署后的位置不固定以及弱感知芯片輸出的離散性，在無線定位系統(tǒng)內(nèi)的不同位置有可能出現(xiàn)相同的RMDOP序列，如圖1所示，其中P1為目標(biāo)點(diǎn)接收到參考節(jié)點(diǎn)1的功率時(shí)的檔位，P2為目標(biāo)點(diǎn)接收到參考節(jié)點(diǎn)2的功率時(shí)的檔位。當(dāng)通過目標(biāo)點(diǎn)與待定位區(qū)域內(nèi)位置指紋的RMDOP序列進(jìn)行位置匹配時(shí)，具有最小差值的匹配節(jié)點(diǎn)可能出現(xiàn)不唯一的情況。即目標(biāo)點(diǎn)可能存在多個(gè)定位匹配的候選節(jié)點(diǎn)，這種現(xiàn)象將增大無線定位系統(tǒng)的誤判概率、影響系統(tǒng)的平均定位誤差。本文內(nèi)容涉及定義如下：

定義1：最小接收功率（RMDOP）。設(shè)弱感知芯片錨點(diǎn)i的位置坐標(biāo)為（xi， yi）， i∈（1， 2， ...， n），以邊長(zhǎng)為e的小正方形網(wǎng)格化待定位平面；任意小正方形j的位置坐標(biāo)為（xj， yj）， j∈G，G為區(qū)域內(nèi)網(wǎng)格的總數(shù)；在i與j之間的距離dij的范圍內(nèi)，j接收到參考錨點(diǎn)i輸出的最小值，Pij即為j相對(duì)于i的RMDOP值。

定義2：?jiǎn)卧讣y。待定位平面范圍內(nèi)的任意小正方形j，收到系統(tǒng)內(nèi)全部參考錨節(jié)點(diǎn)的RMDOP值，構(gòu)成的RMDOP序列，即Fj=lt;P1j， ...， Pij， ...， Pnjgt;，" i∈（1， 2， ...， n）， j∈G，稱為單元指紋。

定義3：相交概率。假設(shè)任意目標(biāo)點(diǎn)T以速度v勻速運(yùn)動(dòng)，在時(shí)間t內(nèi)目標(biāo)點(diǎn)的移動(dòng)距離s=vt；若目標(biāo)點(diǎn)T的當(dāng)前位置為A，那么以A為圓心、s為半徑的圓被稱為目標(biāo)點(diǎn)在A的位置圓，記為TA；當(dāng)位置A的前一相鄰位置B有I個(gè)位置匹配候選節(jié)點(diǎn)（I≥1），則目標(biāo)點(diǎn)在位置B任意候選節(jié)點(diǎn)的位置圓記為TiB，i∈（1， 2， …， I）；將目標(biāo)點(diǎn)在當(dāng)前位置A的位置圓TA與前一相鄰位置B的任意候選節(jié)點(diǎn)位置圓的相交面積記為NiAB，i∈（1， 2， …， I），若NiAB=0表示兩個(gè)位置圓不相交；將TA與前一相鄰位置B各候選節(jié)點(diǎn)位置圓的相交面積總和記為NAB，，則NAiB與NAB的比值稱為位置圓TA與位置B候選節(jié)點(diǎn)i的位置圓TBi的相交概率PAi。例如：位置B的候選節(jié)點(diǎn)數(shù)目I=2時(shí)，位置B與位置A處位置圓的相交示意圖如圖2所示。其相交概率的計(jì)算公式為：

（1）

依據(jù)目標(biāo)點(diǎn)在室內(nèi)運(yùn)動(dòng)通常保持固定方向移動(dòng)，且軌跡可連通的特性，本文針對(duì)系統(tǒng)內(nèi)目標(biāo)點(diǎn)位置匹配時(shí)可能存在多候選節(jié)點(diǎn)的問題，利用目標(biāo)點(diǎn)運(yùn)動(dòng)軌跡上相鄰位置候選節(jié)點(diǎn)間的相交圓面積，計(jì)算目標(biāo)點(diǎn)從起點(diǎn)到終點(diǎn)各相鄰位置候選節(jié)點(diǎn)的相交概率值，探討基于弱感知芯片隨機(jī)部署的移動(dòng)目標(biāo)點(diǎn)定位追蹤方法。

本方法的核心工作是計(jì)算目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上，相鄰位置圓的相交概率，維護(hù)一棵從起點(diǎn)到終點(diǎn)的累計(jì)概率樹，并在概率樹的所有路徑分支中，尋找移動(dòng)目標(biāo)點(diǎn)位置匹配候選節(jié)點(diǎn)的最大累計(jì)概率，將其視為移動(dòng)目標(biāo)點(diǎn)的定位結(jié)果。當(dāng)前后相鄰的兩個(gè)位置圓的相交概率大于某一常數(shù)η1時(shí)，乘以一個(gè)增強(qiáng)因子ε1；當(dāng)相交概率小于某一常數(shù)η2時(shí)，乘以一個(gè)減弱因子ε1，且1≥η1≥η2，ε1≥ε2。此外，為了抑制累計(jì)概率樹的復(fù)雜度，提高算法的實(shí)用性，設(shè)存在某一足夠小的常數(shù)ε，若目標(biāo)點(diǎn)某條運(yùn)動(dòng)路徑的累計(jì)概率小于ε，則視該條路徑為無效路徑，進(jìn)而將其從概率樹中進(jìn)行剪枝。

2 移動(dòng)目標(biāo)點(diǎn)的位置匹配策略

針對(duì)定位區(qū)域內(nèi)的移動(dòng)目標(biāo)點(diǎn)，根據(jù)定義3計(jì)算目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上相鄰位置的相交概率；利用相交概率，構(gòu)建一棵包含目標(biāo)點(diǎn)當(dāng)前位置與前一相鄰位置關(guān)系的累計(jì)概率樹；通過更新、裁剪移動(dòng)目標(biāo)點(diǎn)從起點(diǎn)至終點(diǎn)的累計(jì)概率樹，并在概率樹的各路徑分支中尋找目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上最大累計(jì)概率的葉子候選節(jié)點(diǎn)，即為當(dāng)前的定位結(jié)果。移動(dòng)目標(biāo)點(diǎn)的位置匹配過程如下：

（1）在待定位范圍內(nèi)確定原點(diǎn)，依據(jù)待定位平面的總面積、小正方形邊長(zhǎng)及面積，獲取各小正方形的物理位置[8]、計(jì)算得到定位系統(tǒng)的指紋總量G；

（2）依據(jù)定義1、定義2，計(jì)算系統(tǒng)內(nèi)任意小正方形j的單元指紋，迭代獲取系統(tǒng)的全部指紋，建立指紋地圖G；

（3）利用RMDOP之差反映的距離大小關(guān)系，通過歐氏距離實(shí)現(xiàn)移動(dòng)目標(biāo)點(diǎn)的位置匹配時(shí)，維持一個(gè)用以存儲(chǔ)包括當(dāng)前位置路徑信息、累計(jì)概率、候選節(jié)點(diǎn)的列表curL，一個(gè)用以存儲(chǔ)歷史位置信息的列表preL，以及一個(gè)保存目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上各位置匹配候選節(jié)點(diǎn)的列表canL。利用定義3構(gòu)建一棵從起點(diǎn)到終點(diǎn)，包含移動(dòng)目標(biāo)點(diǎn)路徑信息、累計(jì)概率的概率樹。若概率樹中的某條路徑的累計(jì)概率小于某一足夠小的常數(shù)ε，則該路徑被視為不可到達(dá)，進(jìn)而將其從概率樹中剪枝，最后在概率樹內(nèi)尋找累計(jì)概率最大的葉子節(jié)點(diǎn)（終點(diǎn)），將其路徑信息視為移動(dòng)目標(biāo)點(diǎn)的定位追蹤結(jié)果。

3 定位算法描述

3.1 指紋庫的構(gòu)建

由條件假設(shè)、定義1、定義2，可以得到系統(tǒng)內(nèi)任意小正方形j的單元指紋Fj=lt;P1j， ...， Pij， ...， Pnjgt;，" i∈（1， 2， ...， n）， j∈G。

通過計(jì)算j與參考錨節(jié)點(diǎn)i之間的距離dij，對(duì)比錨節(jié)點(diǎn)功率傳輸范圍lt;d1， d2， ...， dLgt;，如果在lt;d1， d2， ...， dLgt;內(nèi)有且僅有一個(gè)大于dij的最小值dl（dl-1lt;dij， dijlt;dl， ...， dL），則將芯片傳輸距離為dl時(shí)的最小輸出功率Pl記為小正方形j接收到參考錨點(diǎn)i的功率值Pij；如果dijgt;dL，則Pij=PL+1，j∈G， i∈（1， 2， ...， n），

l∈（1， 2， ...， L），Pij的計(jì)算公式為：

（2）

迭代獲取小正方形j與系統(tǒng)內(nèi)全部參考錨節(jié)點(diǎn)的Pij值，建立j與全部參考錨節(jié)點(diǎn)的RMDOP值序列，獲得小正方形j的單元指紋Fj；系統(tǒng)內(nèi)總數(shù)為G的小正方形均獲取指紋后，系統(tǒng)完成了其指紋地圖的建立。

3.2 目標(biāo)點(diǎn)的位置匹配

在獲得目標(biāo)點(diǎn)T的運(yùn)動(dòng)路徑上某一位置的指紋向量FT后，利用歐氏距離函數(shù)在指紋庫G內(nèi)，尋找FT的最優(yōu)匹配指紋Fg，g∈G，從而完成移動(dòng)目標(biāo)點(diǎn)T的位置匹配工作，其歐氏距離函數(shù)為：

，i∈（1， 2， ...， n），g∈G" " " "（3）

式中：E表示目標(biāo)指紋FT與指紋庫內(nèi)某指紋Fg的相似程度，即使得E取最小值的Fg為FT的最優(yōu)匹配結(jié)果。因?yàn)橄到y(tǒng)弱感知芯片參考錨節(jié)點(diǎn)的離散輸出功率特性，且隨機(jī)部署在定位系統(tǒng)內(nèi)，所以可能存在多個(gè)Fg使得E取最小值的情況。也就是說，目標(biāo)點(diǎn)在運(yùn)動(dòng)路徑上某一位置可能有多個(gè)匹配候選節(jié)點(diǎn)。因此，本文對(duì)移動(dòng)目標(biāo)點(diǎn)進(jìn)行位置匹配時(shí)，將當(dāng)前位置信息存儲(chǔ)于curL列表，還將目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上各位置可能存在的多個(gè)最優(yōu)匹配候選節(jié)點(diǎn)依次（從起點(diǎn)至終點(diǎn)）存儲(chǔ)于位置匹配候選節(jié)點(diǎn)列表canL中；利用移動(dòng)目標(biāo)點(diǎn)定位追蹤方法，最終獲得目標(biāo)點(diǎn)在運(yùn)動(dòng)路徑上的位置信息。

3.3 移動(dòng)目標(biāo)點(diǎn)定位方法

依據(jù)目標(biāo)點(diǎn)在室內(nèi)運(yùn)動(dòng)通常保持固定方向移動(dòng)，且行動(dòng)軌跡可連通的特性，通過歐氏距離函數(shù)實(shí)現(xiàn)移動(dòng)目標(biāo)點(diǎn)的位置匹配時(shí)，維持一個(gè)用以存儲(chǔ)當(dāng)前位置候選節(jié)點(diǎn)、路徑信息、累計(jì)概率的列表curL，一個(gè)用以存儲(chǔ)歷史位置信息的列表preL，以及一個(gè)保存目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上各位置匹配候選節(jié)點(diǎn)的列表canL。設(shè)當(dāng)前位置j的某一候選節(jié)點(diǎn)A（A∈canL[j]），前一相鄰位置的匹配節(jié)點(diǎn)S（S∈canL[j-1]， canL[j-1]∈preL），利用定義3計(jì)算當(dāng)前匹配位置與相鄰前一位置的相交概率值PAS。若PASgt;η1，則當(dāng)前位置匹配節(jié)點(diǎn)的累計(jì)概率CP乘以一個(gè)增強(qiáng)因子ε1；若PASlt;η2，則當(dāng)前位置匹配節(jié)點(diǎn)的累計(jì)概率CP乘以一個(gè)減弱因子ε2，且1≥η1≥η2，ε1≥ε2。本算法的主要工作是維護(hù)一棵從起點(diǎn)到終點(diǎn)，包含目標(biāo)點(diǎn)運(yùn)動(dòng)路徑信息、位置節(jié)點(diǎn)累計(jì)概率的概率樹，在概率樹內(nèi)尋找累計(jì)概率最大的葉子節(jié)點(diǎn)（終點(diǎn)），將其路徑信息視為移動(dòng)目標(biāo)點(diǎn)的定位結(jié)果。由于目標(biāo)點(diǎn)位置匹配候選節(jié)點(diǎn)數(shù)目的不確定性，算法的復(fù)雜度會(huì)隨著候選節(jié)點(diǎn)數(shù)目的增多與目標(biāo)點(diǎn)移動(dòng)距離的增加而增大。為了抑制累計(jì)概率樹的復(fù)雜度，提高算法的實(shí)用性，可以設(shè)置某一足夠小的常數(shù)ε，當(dāng)目標(biāo)點(diǎn)的某條運(yùn)動(dòng)路徑累計(jì)概率小于ε，則視該條路徑為無效路徑，進(jìn)而將其從概率樹中剪枝，以達(dá)到在保證算法正確性的同時(shí)，有效降低算法復(fù)雜度的目的。移動(dòng)目標(biāo)點(diǎn)定位算法如下：

算法1：移動(dòng)目標(biāo)點(diǎn)定位算法

1： 輸入：目標(biāo)點(diǎn)路徑起點(diǎn)：StartPos；

2： 輸出：目標(biāo)點(diǎn)定位路徑：Path；

3： path=[]，curL=[]，preL=[]，canL[]；

4： preL=preL+StartPos；

5： for j=1 to length[canL] do

6： MaxCP=0； /*最大累計(jì)概率

7： for All S ∈preL do

8： for All A∈canL[j] do

9： Calculate probability PAS；

10： if PAS≥η1 then CP=preL[loc]×PAS×ε1；

11： else if PAS≤η2 then CP = preL[loc]×PAS×ε2；

12： else CP = preL[loc]×PAS；

13： end if

14： curL=curL+（canL[j][loc]，preL[loc]+canL[j][loc]，CP）；

15： if CP≥MaxCP then" MaxCP=CP；

16： path=preL[loc]+canL[j][loc]；

17： end if

18： preL = curL；

19： end for

20： end for

21： end for

22： return path

4 仿真驗(yàn)證

本文在驗(yàn)證過程中，將弱感知芯片的離散輸出功率檔位設(shè)為5檔，分別為[4.5，5，5.5，6，9]，其中9表示接收點(diǎn)無法接收到離散功率；模擬在20×20的待定位范圍內(nèi)，隨機(jī)部署20個(gè)基于此類芯片的參考錨節(jié)點(diǎn)，在網(wǎng)格化小正方形邊長(zhǎng)e=2的條件下，利用蒙特卡洛方法，實(shí)現(xiàn)當(dāng)前位置候選節(jié)點(diǎn)與前一相鄰位置的相交圓面積估算；進(jìn)而計(jì)算得出目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上各位置的相交概率；建立了目標(biāo)點(diǎn)運(yùn)動(dòng)路徑的累計(jì)概率樹；應(yīng)用實(shí)驗(yàn)示例對(duì)移動(dòng)目標(biāo)點(diǎn)定位算法進(jìn)行詳細(xì)說明，并通過多次獨(dú)立實(shí)驗(yàn)對(duì)系統(tǒng)的平均定位誤差及效果進(jìn)行了分析。

4.1 算法示例說明

假設(shè)目標(biāo)點(diǎn)從起點(diǎn)開始，路徑上相鄰位置的橫坐標(biāo)x增加1.2，縱坐標(biāo)y增加1.7，某次實(shí)驗(yàn)驗(yàn)證中位置1的定位匹配共有3個(gè)候選節(jié)點(diǎn)，與前一個(gè)相鄰位置（起點(diǎn)）的相交概率分別為66.7% 、33.3%、0%（相交概率為0%時(shí)，表示當(dāng)前候選節(jié)點(diǎn)與前一相鄰位置的距離過遠(yuǎn)，兩個(gè)位置圓不相交）；位置2的定位匹配中，共有2個(gè)候選節(jié)點(diǎn)，與前一個(gè)相鄰位置的3個(gè)候選節(jié)點(diǎn)的相交概率分別為46.2%、36.4%、19.2%和29.2%、29.2%、41.6%；位置3的候選節(jié)點(diǎn)與前一個(gè)相鄰位置的2個(gè)候選節(jié)點(diǎn)的相交概率分別為0%、100%。目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上各位置相交概率關(guān)系如圖3所示。

由于起點(diǎn)位置作為已知條件，所以位置1的相交概率為前一位置（起點(diǎn)）與位置1的3個(gè)候選節(jié)點(diǎn)的相交概率，其他位置的相交概率均為當(dāng)前位置候選節(jié)點(diǎn)與前一相鄰位置的相交概率。將位置1的候選節(jié)點(diǎn)分別記為1_1、1_2、1_3，位置i的第j個(gè)候選節(jié)點(diǎn)記為i_j。將圖3中各個(gè)路徑轉(zhuǎn)換為累計(jì)概率樹，如圖4所示。

本方法以目標(biāo)點(diǎn)當(dāng)前位置候選節(jié)點(diǎn)為圓心，運(yùn)動(dòng)速度與時(shí)間的乘積（s=vt）為半徑，計(jì)算當(dāng)前位置與前一相鄰位置之間的位置概率關(guān)系，并依據(jù)相交概率的大小，分別乘以增強(qiáng)因子與減弱因子，從而達(dá)到連續(xù)更新移動(dòng)目標(biāo)點(diǎn)位置信息、裁剪路徑復(fù)雜度的目的。因此，當(dāng)相交概率為0時(shí)，表示當(dāng)前位置候選節(jié)點(diǎn)與前一相鄰位置的距離較大，位置圓無法相交，如圖4中位置1_3與起點(diǎn)的位置關(guān)系；另一方面，當(dāng)路徑上某一位置匹配存在多個(gè)候選節(jié)點(diǎn)時(shí)，隨著目標(biāo)點(diǎn)的延續(xù)性移動(dòng)，誤判的候選節(jié)點(diǎn)將逐步被糾正，如圖4中位置3_1對(duì)位置2_1的匹配結(jié)果進(jìn)行了糾正；最后在獲得的概率樹內(nèi)，尋找目標(biāo)點(diǎn)累計(jì)概率最大的運(yùn)動(dòng)路徑，得到其路徑為：起點(diǎn)、位置1_1、位置2_2、位置3_1、位置4_1。

4.2 誤差評(píng)估

本方法依據(jù)移動(dòng)目標(biāo)點(diǎn)前后相鄰位置之間的相交概率關(guān)系，確定其在運(yùn)動(dòng)路徑上各位置的匹配結(jié)果，所以本方法難以在脫離目標(biāo)點(diǎn)運(yùn)動(dòng)路徑的情況下，獲得單一位置的定位精度。因此，本文借鑒文獻(xiàn)[9]中的分析方法：以一條路徑上所有位置節(jié)點(diǎn)的平均定位誤差來評(píng)判系統(tǒng)的定位結(jié)果。在上述仿真條件下，應(yīng)用本方法獨(dú)立完成10次仿真實(shí)驗(yàn)[10]，其中7次出現(xiàn)了移動(dòng)目標(biāo)點(diǎn)位置匹配時(shí)候選節(jié)點(diǎn)不唯一的情況，各次實(shí)驗(yàn)獲得的平均定位誤差最大值為1.085，最小值為0.585，平均值約為0.852，目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上各位置匹配候選節(jié)點(diǎn)數(shù)目及平均定位誤差見表1所列。

對(duì)比文獻(xiàn)[11]提出的基于弱感知通信芯片固定部署的室內(nèi)定位算法，表1中本方法的平均定位誤差最大值1.085與文獻(xiàn)[11]的方法中區(qū)域劃分的2類均方根誤差1.086 3非常接近；且本方法多次實(shí)驗(yàn)的定位誤差平均值為0.852，最小值為0.585，明顯優(yōu)于文獻(xiàn)[11]的方法中區(qū)域劃分的3類均方根誤差0.926 5

及4類均方根誤差0.956 7。由此可見，本方法在以弱感知芯片作為定位系統(tǒng)參考節(jié)點(diǎn)并隨機(jī)部署的條件下，其定位效果略優(yōu)于傳統(tǒng)方法中以弱感知芯片為主動(dòng)RFID標(biāo)簽，且固定部署參考節(jié)點(diǎn)的定位系統(tǒng)，完全能夠滿足室內(nèi)定位的要求。

5 結(jié) 語

目前，以弱感知芯片為參考錨點(diǎn)并隨機(jī)部署的室內(nèi)定位研究成果相對(duì)較少。因此，本文提出了一種基于弱感知芯片的移動(dòng)目標(biāo)定位、追蹤方法，利用目標(biāo)點(diǎn)的運(yùn)動(dòng)特性，計(jì)算目標(biāo)點(diǎn)運(yùn)動(dòng)路徑上當(dāng)前位置與前一相鄰位置的相交概率，通過尋找移動(dòng)目標(biāo)點(diǎn)的最大累計(jì)概率路徑，確定目標(biāo)點(diǎn)的最終位置匹配結(jié)果。仿真實(shí)驗(yàn)表明，本方法在弱感知芯片作為參考錨節(jié)點(diǎn)并隨機(jī)部署的條件下，能夠較好地解決移動(dòng)目標(biāo)點(diǎn)某一位置匹配時(shí)候選節(jié)點(diǎn)不唯一的問題，有效降低了系統(tǒng)的定位誤差，減少了誤判現(xiàn)象，對(duì)促進(jìn)弱感知芯片在無線定位系統(tǒng)中的應(yīng)用具有較重要的理論意義和研究?jī)r(jià)值。

參考文獻(xiàn)

[1] HE S，CHAN S H G. Wi-Fi fingerprint-based indoor positioning：recent advances and comparisons [J]. IEEE communications surveys amp; tutorials，2016，18（1）：466-490.

[2]王守華，陸明熾，孫希延，等.基于無跡卡爾曼濾波的iBeacon/INS數(shù)據(jù)融合定位算法[J].電子與信息學(xué)報(bào)，2019，41（9）：2209-2216.

[3] LUO J，F(xiàn)AN L，LI H. Indoor positioning systems based on visible light communication：state of the art [J]. IEEE communications surveys amp; tutorials，2017，19（4）：2871-2893.

[4] SHU Y，HUANG Y，ZHANG J，et al. Gradient-based fingerprinting for indoor localization and tracking [J]. IEEE transactions on industrial electronics，2016，63（4）：2424-2433.

[5] LI X，YANG Y，CAI J，et al. Plils：a practical indoor localization system through less expensive wireless chips via subregion clustering [J]. Sensors，2018，18（1）：205.

[6] LI X，ZHENG Y，CAI J，et al. TrackCC：a practical wireless indoor localization system based on less-expensive chips [J]. Sensors，2017，17（6）：1391.

[7]趙榮陽，李小龍，梁家海.一種基于弱感知通信芯片的動(dòng)態(tài)精度無線定位方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2020，41（10）：2164-2169.

[8]田子建，賀方圓.一種基于分布式壓縮感知的礦井目標(biāo)指紋數(shù)據(jù)庫建立方法[J].電子與信息學(xué)報(bào)，2019，41（10）：2450-2456.

[9]王曉亮，徐恪，楊錚，等. TinyLoc：一種面向能耗受限的可穿戴設(shè)備的室內(nèi)定位算法[J].計(jì)算機(jī)學(xué)報(bào)，2017，40（8）：1813-1828.

[10]秦寧寧，金磊，許健，等.鄰近信息約束下的隨機(jī)異構(gòu)無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)調(diào)度算法[J].電子與信息學(xué)報(bào)，2019，41（10）：2310-2317.

[11]鄧昀，朱彥，楊逸夫，等.基于BP神經(jīng)網(wǎng)絡(luò)的RFID室內(nèi)定位算法研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2019，40（8）：1707-1712.