基于RSSI實時精確定位系統設計與實現

王娜娜,付 強,劉澤龍

(1.63626部隊,甘肅 酒泉 732750;2.63607部隊,甘肅 酒泉 732750)

?

基于RSSI實時精確定位系統設計與實現

王娜娜1*,付 強2,劉澤龍1

(1.63626部隊,甘肅 酒泉 732750;2.63607部隊,甘肅 酒泉 732750)

為實現室內實時高精確定位,設計了基于RSSI的實時精確定位系統。首先基于RSSI測距原理,建立強度與距離數學模型把強度轉化為距離,然后采用改進加權質心算法來進行定位,并把定位誤差作為目標函數,最后運用簡化粒子群優化算法對目標函數進行全局最優值搜索,采用C/S網絡架構和多線程技術實現了實時同步獲取RSSI值,采用GUI設計了定位系統界面,實現了定位結果實時動態顯示。測試結果表明:系統實現了室內實時高精確定位。

RSSI測距;改進質心定位算法;定位誤差;簡化粒子群優化算法;GUI界面顯示

目前主流的GPS定位技術[1]主要用在室外場景,而在室內環境下由于遮擋物的存在,無線信號傳輸過程中會發生折射、反射以及能量衰減[2]等現象,導致GPS等衛星定位技術不準確甚至不能進行室內目標定位。為此本文設計了一種基于RSSI的高精度的實時定位系統,系統中定位算法相比文獻[3]中質心算法增加權值定位更精確;文獻[4]中采用梯度下降法和離群算法對定位效果進行優化,算法復雜并且容易產生局部收斂,使得定位精度不高,本文采用簡化粒子群優化算法對定位誤差進行最小化,算法實現簡單,具有全局最優,定位精度高。

1 基于RSSI定位系統

本文定位系統采用iBeacon基站作為移動點,iBeacon嗅探器作為固定錨節點。iBeacon基站采用低功耗藍牙技術,以廣播的形式不斷向周圍發送自己的MAC地址[5]、Major、Minor、UUID號和RSSI值[6]等信息,iBeacon嗅探器接收這些信息并以wifi形式發送出去。

1.1 基于RSSI測距原理

無線信號在自由空間中的傳播模型[7]為:

P(d)=P(d0)-10αlg(d/d0)+ξ

(1)式中:P(d)和P(d0)分別為嗅探器距離iBeacon基站dm和d0m處的接收功率,單位為dBm;α[8]為無線信道衰減因子,同具體無線環境緊密相關;ξ[9]為一個均值為零,服從高斯分布的隨機變量。在iBeacon基站技術中規定d0為1 m,P(d0)即為當嗅探器距離iBeacon基站1 m時的接收信號強度值,其為一固定值。從而無線信號的傳播模型可簡化為:

RSSI=A-10αlgd+ξ

(2)

式中:A和α為經驗值,需要通過實驗測量數據進行擬合得到,RSSI值可直接從藍牙終端獲得,而d即為所求的嗅探器與基站的直線距離。

1.2 基于改進加權質心的定位算法

質心算法[10]是基于無線網絡連通性,質心指的是幾個節點組成的多邊形的質心。以每一個iBeacon嗅探器錨節點為圓心,以RSSI值轉換距離d為半徑畫圓,那么定位未知節點就應該位于所有圓的交集部分,如圖1所示的陰影區域。質心算法是取所有圓的交點,對交點組成的多邊形進行求質心,此質心即為定位目標。

圖1 質心定位示意圖

(3)

(4)

式中:n為權值修正系數,提高定位精度。

2 基于簡化粒子群優化算法的定位誤差最小化

2.1 簡化粒子群優化算法

粒子群優化算法是一種群體智能的全局最優搜索算法[12],通過模擬鳥類的覓食行為建立數學模型。本文采用簡化粒子群優化算法[13],粒子進化過程與速度無關,避免陷入局部極值,進化停滯步數作為觸發條件對全局極值Pg和個體極值P0進行隨機擾動,實現全局最優。極值擾動算子為:

(5)

式中:tg、t0分別表示全局極值和個體極值進化停滯步數,Tg、T0分別表示全局極值和個體極值擾動觸發的閾值。觸發約束條件如下:

(6)

式中:r3、r4表示帶條件的均勻隨機函數,U(0,1)表示在(0,1)內服從均勻分布的隨機數。

(7)

式中:wt是慣性權值系數,是隨著進化代數t的增加而線性減少,則wt表達式如下:

wt=wmax-(wmax-wmin)×t/tsum

(8)

式中:wmax為最大慣性權重系數,wmin為最小慣性權重系數,t為當前迭代次數,tsum為最大迭代次數。慣性權值可提高算法跳出局部極值能力。

2.2 基于定位誤差最小化的目標函數

改進的加權質心算法是在所有圓的交集內依據錨節點貢獻大小進行定位,定位結果存在誤差,為使定位更精確,本文對定位誤差進行最小化,即在改進加權質心算法得到的定位點附近小范圍搜索誤差最小的點。定位誤差最小化目標函數為:

(9)

式中:

(10)

3 定位系統的設計與實現

為實時采集iBeacon嗅探器發送的數據,采用Java編程語言設計無線數據采集C/S網絡架構,并將數據存儲在SQL Server 2008數據庫中。基于MATLAB平臺訪問數據庫數據,編程實現RSSI值與距離d轉換,采用改進加權質心定位算法進行實時定位,然后簡化粒子群優化算法對定位誤差進行最小化,最后采用MATLAB中的GUI設計系統的實時顯示界面。

3.1 基于wifi的C/S網絡架構

嗅探器把接收到的基站信息以Wifi形式向外部發送,基于Wifi特性,用無線網卡搭建客戶端與服務器(Client/Server)架構,這里把iBeacon嗅探器作為客戶端,安裝無線網卡的主機當做服務器。如圖2所示為C/S網絡架構示意圖。

圖2 基于wifi的C/S網絡架構示意圖

3.2 基于多線程技術的數據獲取與存儲

基于Wifi的C/S模式實現無線網絡的連通,為實現實時定位,需要同時獲取多個嗅探器發送的數據,為此采用Eclipse開發平臺的多線程技術。采用SQL Server 2008數據庫實時存儲數據。設定嗅探器工作于TCP Client模式,端口號:8899,網卡IP地址為192.168.2. 三個iBeacon嗅探器IP地址為:192.168.2.5、192.168.2.6、192.168.2.7,網關:192.168.2.11/24。如圖3所示為數據實時獲取與存儲工作流程圖。

圖3 數據實時獲取與存儲工作流程圖

3.3 定位界面設計

為實現快速計算、準確定位,采用MATLAB進行定位算法實現和定位界面設計,其中定位界面基于GUI工具實現。下面對界面顯示功能進行設計:①為實現對多目標的定位,設置“基站選擇”菜單,可以對多基站多目標進行選擇定位。②為控制讀取數據庫中數據的頻率,設置“時間間隔”菜單,控制定位速度。③設置“目標位置”窗口,采用激光測距儀精確測量定位目標的坐標位置“X”和“Y”值并顯示,方便與定位結果作比對。④設置兩個定位結果窗口,一個是采用簡化粒子群對定位誤差最小化后的定位目標的位置“X”和“Y”和定位誤差“ERROR”,另一個是采用改進加權質心定位算法的結果坐標和定位誤差。⑤設置“定位”與“停止”按鈕來控制定位的進程。

4 定位系統測試

為了測試本文定位系統的準確性與穩定性,把測試環境放在一個20 m×20 m的會議禮堂,采用3個iBeacon嗅探器,經過測試得到3個iBeacon嗅探器距離iBeacon基站1 m處時接收信號強度RSSI值分別為A1=73.7、A2=72.2、A3=73.6,無線信道衰減因子分別為α1=1.997 2、α2=1.994 0、α3=2.021 9。簡化粒子群優化算法參數設置:粒子維數N=2;粒子在二維空間坐標位置變化范圍L=0.2;粒子數n=50;迭代次數tsum=100;停滯步數tg=1,t0=0,閾值Tg=5,T0=3;慣性權重系數wmax=0.8,wmin=0.3。

實驗中選取30個測試位置,時間間隔1 s,為了保證數據準確性,對每一個測試位置數據求平均值作為該位置點的信號強度RSSI值。圖4是定位系統測試結果圖,其中,點畫線的為目標點位置,星畫線為本文進行誤差最小化后的定位結果。

圖4 定位系統測試結果

圖5是分別采用改進加權質心定位算法和簡化粒子群優化定位誤差最小化算法的定位結果誤差,由圖可見經過簡化粒子群對定位誤差最小化的處理后,定位誤差明顯減小。

圖5 定位誤差分析圖

5 結束語

本文設計的基于RSSI實時精確定位系統所需器材少,成本低,實現操作簡單。該系統采用多種技術融合,首先采用Java編程語言設計無線數據采集C/S網絡架構,SQL Server 2008數據庫實現實時存儲數據,多線程技術實現并行讀取3個嗅探器的RSSI數據,然后采用MATLAB編程完成改進加權質心定位算法和簡化粒子群對定位誤差最小化算法,最后采用GUI設計定位系統顯示界面,實時動態顯示定位結果。定位系統測試結果表明:本文設計的定位系統可實現了室內目標的實時高精確定位,經誤差最小化校正誤差小于0.2 m。

[1] 袁修孝,付建紅,樓益棟. 基于精密單點定位技術的GPS輔助空中三角測量[J]. 測繪學報,2007,36(3):251-255.

[2] 王召召,鄒澎,王瑤. 建筑物對通信信號衰減的定量研究[J]. 通信技術,2010,43(5):61-63.

[3] 林偉,陳傳峰. 基于RSSI的無線傳感器網絡三角形質心定位算法[J]. 傳感器技術,2009(2):180-183.

[4] 羅臻,劉宏立,徐琨. 基于RSSI的無線傳感器網絡迭代安全定位算法[J]. 傳感器與微系統,2015,1(34):116-119.

[5] 楊文鉑,邢鵬康,劉彥華. 一種基于自適應RSSI測距模型的無線傳感器網絡定位方法[J]. 傳感技術學報,2015,28(1):137-141.

[6] 方震,趙 湛,郭鵬,等. 基于RSSI測距分析[J]. 傳感技術學報,2007,20(11):2526-2530.

[7] 周艷,李海成. 基于RSSI無線傳感器網絡空間定位算法[J]. 通信學報,2009,30(6):75-79.

[8] 于慧霞. WSN中基于RSSI的加權質心定位算法的改進[J]. 電子測試,2012(1):28-32.

[9] 萬國峰,鐘俊,楊成慧. 改進的RSSI測距和定位算法[J]. 計算機應用研究,2012,29(11):4156-4158.

[10] Chen Junjie,Ge Wentao,Tao Liang. A Weighted Compensated Localization Algorithm of Nodes in Wireless Sensor Networks[C]//Proceeding of the 3rd International Workshop on Advanced Computational Intelligence,2010:25-27.

[11] 陳維克,李文鋒,首 珩,等. 基于RSSI的無線傳感器網絡加權質心定位算法[J]. 武漢理工大學學報(交通科學與工程版),2006,30(2):265-268.

[12] 王寧,周圓,劉敬浩. 一種基于改進粒子群的無線傳感器網絡層次化聚類協議[J]. 傳感技術學報,2017,30(1):120-125.

[13] Shi Y,Eberhart R C. Empirical Study of Particle Swarm Optimization[C]//Proceeding IEEE International Conference on Evolutionary Computation,1997:303-308.

王娜娜(1985-),女,碩士,工程師,中國人民解放軍第63626部隊,研究方向為無線傳感器網絡、電磁頻譜定位,wangnanasj@126.com;

付 強(1989-),男,本科,工程師,中國人民解放軍第63607部隊,研究方向為無線傳感器網絡。

Design and Realization of Realtime Accurate Location SystemBased on

Signal Strength Indicator

WANG Nana1*,FU Qiang2,LIU Zelong1

(1.Unit 63626,Jiuquan Gansu 732750,China;2.Unit 63607,Jiuquan Gansu 732750,China)

In order to realize the real-time and accurate positioning in the room,A real-time precise positioning system is designed based on Received Signal Strength Indicator(RSSI). Firstly,based on the principle of RSSI distance measurement,the strength and distance mathematical model is established to transform the signal intensity into distance,then the improved weighted centroid algorithm is used to locate the target,and the positioning error is taken as the objective function. Finally,the simplified particle swarm optimization algorithm is used to optimize the objective function. The C/S network architecture and the multi-thread technology are used to obtain the RSSI value. The positioning system interface is designed by using the GUI. In the end,the real-time dynamic display of the positioning is realized. The test result shows that the system realizes the high precision positioning in the room

Received Signal Strength Indicator measurement;improved weighted centroid localization algorithm;positioning error;simple particle swarm optimization;GUI interface display

ved Signal Strength Indicator)指的是接收信號的強度。RSSI測距原理:已知發射節點的發射功率、接收節點處的接收功率,計算出無線信號的傳播損耗,依據自由空間無線信號傳播模型,將傳播損耗轉化為距離,即為發射信號點與接收點的距離。

2016-11-01 修改日期:2017-03-12

TP393.1

A

1004-1699(2017)07-1095-05

C:7230

10.3969/j.issn.1004-1699.2017.07.021