RSSI測(cè)距定位與指紋法定位的算法研究

周向

摘要：室內(nèi)定位技術(shù)在現(xiàn)代生活中的作用越來越明顯，而室內(nèi)定位技術(shù)的關(guān)鍵在于室內(nèi)定位算法， 通過比較RSSI（Received Signal Strength Indication， RSSI）測(cè)距算法，和BP神經(jīng)網(wǎng)絡(luò)指紋定位法，結(jié)果表明BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)指紋定位算法在定位精度上高于傳統(tǒng)的RSSI測(cè)距算法，但是指紋法卻不具備RSSI測(cè)距算法的易移植性。

關(guān)鍵詞：室內(nèi)定位;RSSI測(cè)距算法;BP神經(jīng)網(wǎng)絡(luò)指紋定位

中圖分類號(hào)：TP311? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）28-0231-03

1 引言

已知的定位技術(shù)，如全球定位系統(tǒng)（Global Positioning System， GPS）[1]和北斗衛(wèi)星導(dǎo)航系統(tǒng)（Bei Dou Navigation Satellite System， BDS）[2]都是適用范圍很廣的室外定位技術(shù)，但是基本不適用于室內(nèi)定位。由于科技的發(fā)展，人們對(duì)室內(nèi)定位技術(shù)的迫切需求，于是大量學(xué)者開展了關(guān)于室內(nèi)無線定位技術(shù)的研究。主要分為兩大類：傳統(tǒng)定位算法和指紋法。

傳統(tǒng)定位方法有：到達(dá)時(shí)間（Time of Arrival， TOA）[3]、到達(dá)時(shí)間差（Time Difference of Arrival， TDOA）[4]、質(zhì)心法[5]，信號(hào)接收強(qiáng)度 [6]等。目前使用RSSI值測(cè)距定位的算法較多，該技術(shù)主要使用RF（Radio Frequency）信號(hào)，根據(jù)接收信號(hào)強(qiáng)度值計(jì)算信號(hào)的傳播損耗，按照相應(yīng)傳播損耗模型將傳播損耗值轉(zhuǎn)化為距離。然后根據(jù)三邊測(cè)量法，估算對(duì)應(yīng)坐標(biāo)。

指紋法：BP神經(jīng)網(wǎng)絡(luò)指紋定位法[7]，卷積神經(jīng)網(wǎng)絡(luò)指紋法[8]等。指紋法具有較好的定位精度，但是需要較強(qiáng)的計(jì)算能力。但不便于移植，一旦環(huán)境的改變，則需要重新匹配指紋。

2 RSSI測(cè)距

2.1基本原理

基于RSSI值測(cè)距是獲取無線網(wǎng)絡(luò)節(jié)點(diǎn)位置信息的重要手段，常用的無線信號(hào)傳播損耗模型為[6]：

[PLd=PT-PLd0-10ηlgdd0+xσdB，xσ～N0，σ2]（1）

其中，d表示發(fā)射結(jié)點(diǎn)與接收節(jié)點(diǎn)之間的距離，[PLd]表示閱讀器收到距離為d（m）時(shí)標(biāo)簽的RSSI值，d0為基準(zhǔn)距離通常為1（m），[PT]為信號(hào)發(fā)射功率，[PLd0]為基準(zhǔn)距離RSSI值，[η]為路徑損耗指數(shù)，一般取[2～4]。[xσ]表示均值為0，方差為[σ2]的高斯噪聲，單位是dB，[σ2]通常取值[4≤σ2≤10]。

2.2 RSSI測(cè)距過程為：

1）信標(biāo)節(jié)點(diǎn)發(fā)射信號(hào);

2）未知節(jié)點(diǎn)接收信標(biāo)節(jié)點(diǎn)發(fā)射的信號(hào);

3）通過發(fā)射信號(hào)強(qiáng)度與接收信號(hào)強(qiáng)度的對(duì)比估算出信標(biāo)節(jié)點(diǎn)到未知節(jié)點(diǎn)之間的距離;

4）當(dāng)一個(gè)未知節(jié)點(diǎn)得到至少三個(gè)到未知節(jié)點(diǎn)之間的距離信息時(shí)，使用三邊測(cè)量法求出該未知節(jié)點(diǎn)的估計(jì)坐標(biāo)。

2.3三邊測(cè)量定位[9]

如圖1所示，通過RSSI測(cè)距的式（1）可求出未知節(jié)點(diǎn)q到3個(gè)信標(biāo)節(jié)點(diǎn)[Ax1，y1，Bx2，y2，C（x3，y3）]之間的距離[d1，d2…dn]，用三邊測(cè)量法求出未知節(jié)點(diǎn)q的坐標(biāo)[xq，yq]。

分別以A，B，C為圓心，以未知節(jié)點(diǎn)到該三點(diǎn)的距離為半徑做圓，如圖1所示，圖中陰影部分即為位置節(jié)點(diǎn)的坐標(biāo)區(qū)域，為使誤差較小，一般取陰影部分質(zhì)心作為未知節(jié)點(diǎn)的估算坐標(biāo)。

3 指紋法-BP神經(jīng)網(wǎng)絡(luò)定位基本原理

3.1指紋法基本原理

指紋法是用信號(hào)強(qiáng)度RSS（Received Signal Strength）作為特診的，通過匹配相應(yīng)坐標(biāo)處的RSS信息來確定未知節(jié)點(diǎn)坐標(biāo)的一種方法。一般分為離線訓(xùn)練和在線測(cè)試兩個(gè)階段。

其中離線階段主要是構(gòu)建指紋數(shù)據(jù)庫(kù)，將實(shí)驗(yàn)區(qū)域坐標(biāo)化，將實(shí)驗(yàn)區(qū)域及周圍均勻布置天線。然后根據(jù)精度要求，在測(cè)量區(qū)域內(nèi)各個(gè)坐標(biāo)處的信號(hào)強(qiáng)度并記錄，既指紋信息由各個(gè)測(cè)量點(diǎn)的實(shí)際坐標(biāo)信息和該位置處的RSS信息做成。

在線定位階段：用戶在實(shí)驗(yàn)區(qū)域內(nèi)任意位置，提交該位置的RSS信息，然后神經(jīng)網(wǎng)絡(luò)算法通過匹配指紋數(shù)據(jù)庫(kù)得到該用戶最有可能的位置信息。

3.2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)即誤差反向傳播網(wǎng)絡(luò)，它采用前饋神經(jīng)網(wǎng)絡(luò)模型[10]，使得多層感知機(jī)有了強(qiáng)大的計(jì)算能力，是自出現(xiàn)以來使用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)模型。因此本文結(jié)合BP神經(jīng)網(wǎng)絡(luò)模型與RSS進(jìn)行定位。

BP網(wǎng)絡(luò)訓(xùn)練步驟為：

1） 各層權(quán)值和閾值的初始化，設(shè)置循環(huán)次數(shù)和誤差代價(jià)函數(shù);

2） 提供輸入矩陣和教師信號(hào)，將得到的輸出矩陣與教師信號(hào)比較;

3） 計(jì)算輸出層誤差和隱藏層誤差值;

4） 根據(jù)誤差修正輸出層和隱藏層權(quán)值;

5） 每次訓(xùn)練后判斷指標(biāo)是否達(dá)到精度要求。如果滿足轉(zhuǎn)到第6）步，不滿足回到第2）步;

6） 停止。

4實(shí)驗(yàn)數(shù)據(jù)分析

仿真實(shí)驗(yàn)區(qū)域面積為100米*100米，選取空曠地區(qū)的路徑損耗指數(shù)[η] =2.0， 信噪比為20dB，取RSSI噪聲為[xσ～N0，4]。節(jié)點(diǎn)通信半徑為20米。實(shí)驗(yàn)次數(shù)50次，結(jié)果取其平均值。平均誤差定義為：

[E=i=1NEiN]? ? ? ? ? ? ? ? ? ? ? ? ? （2）

其中，N為實(shí)驗(yàn)次數(shù)，節(jié)點(diǎn)i的位置估計(jì)絕對(duì)誤差為：

[Ei=xi-xi2+yi-yi2]。

本文使用的BP神經(jīng)網(wǎng)絡(luò)，只包含三層，即輸入層，隱藏層，輸出層。其中，輸入層神經(jīng)元個(gè)數(shù)由信號(hào)發(fā)射天線個(gè)數(shù)確定;隱藏層神經(jīng)元個(gè)數(shù)由Kolmogorov定理求出，隱層結(jié)點(diǎn)數(shù)s=2n+1（n為輸入層結(jié)點(diǎn)數(shù)）;輸出層為2個(gè)神經(jīng)元，即輸出坐標(biāo)（X，Y）的值。選取sigmoid函數(shù)作為激活函數(shù)。

1）RSSI測(cè)距算法

①RSSI測(cè)距算法，節(jié)點(diǎn)總數(shù)為200個(gè)，未知節(jié)點(diǎn)總數(shù)和節(jié)點(diǎn)總數(shù)之比在20%～80%之間變化。

從圖2中可以看出當(dāng)信標(biāo)節(jié)點(diǎn)比例在[20%～80%]之間變化時(shí)，RSSI測(cè)距定位算法的平均定位誤差在逐步下降，從信標(biāo)節(jié)點(diǎn)比例為20%時(shí)3.47的平均定位誤差下降到信標(biāo)節(jié)點(diǎn)比例為80%時(shí)的2.95。從圖2中還可以得出，隨著信標(biāo)節(jié)點(diǎn)比例的增加，平均低昂為誤差逐漸降低，且下降趨勢(shì)逐漸減小。

②保持信標(biāo)節(jié)點(diǎn)與未知節(jié)點(diǎn)例為2：8，節(jié)點(diǎn)總數(shù)在[60～200]范圍內(nèi)變化。

從圖3中可以看出，隨著節(jié)點(diǎn)總數(shù)在60～200之間逐漸增加，平均定位誤差逐漸降低，且在節(jié)點(diǎn)總數(shù)達(dá)到200時(shí)，具有最低的平均定位誤差2.60。而且在節(jié)點(diǎn)總數(shù)增加的過程中誤差減小的趨勢(shì)逐漸減小，趨于穩(wěn)定，表明，通過增加節(jié)點(diǎn)總數(shù)不能無限制的提高定位精度。

2）BP神經(jīng)網(wǎng)絡(luò)指紋法

①信號(hào)發(fā)射天線為4個(gè)，提高指紋庫(kù)精度。

從圖4中可以清晰地看出，隨著采樣精度的變小（如：采樣精度為0.2，則每0.2米進(jìn)行一次數(shù)據(jù)采集），定位誤差減小，說明采樣精度的提高有利于定位精度的提高。從圖中可以清晰地看出，在采樣精度為0.2時(shí)，具有最高的定位精度，平均誤差只有0.68m。

②指紋庫(kù)精度保持為1米/組，增加信號(hào)發(fā)射天線數(shù)量

從圖5中可以看出，隨著天線個(gè)數(shù)的增加，未知節(jié)點(diǎn)的定位精度逐漸身高，但是由于采樣精度的限制，使得定位精度智能靠近采樣精度，不能達(dá)到更搞得定位精度。這說明，同時(shí)提高采樣精度和天線個(gè)數(shù)，可以讓定位精度進(jìn)一步提高。

3）兩種算法對(duì)比

由于兩種方法的原理不同，導(dǎo)致實(shí)驗(yàn)環(huán)境不能完全一致，但是我們可以從以下幾個(gè)方面進(jìn)行對(duì)比：

從表1中，我們可以清晰地看出，BP神經(jīng)網(wǎng)絡(luò)指紋法，在定位精度上遠(yuǎn)優(yōu)于RSSI測(cè)距算法。但不利于程序的移植，而RSSI測(cè)距算法具有良好的算法移植性。

5 結(jié)論

傳統(tǒng)的RSSI測(cè)距算法在增加節(jié)點(diǎn)總數(shù)或者提高信標(biāo)節(jié)點(diǎn)比例情況下，都可以提高RSSI測(cè)距的定位精度。而基于BP的指紋定位法，也能在提高采樣精度，或者增加天線個(gè)數(shù)的情況下減小定位誤差。就兩種算法的定位精度而言，指紋法優(yōu)于RSSI測(cè)距算法，但是，RSSI測(cè)距算法，受環(huán)境改變影響較大，不利于算法移植，而RSSI測(cè)距算法，受環(huán)境影響較小。

參考文獻(xiàn)：

[1] 魏二虎，劉學(xué)習(xí)，劉經(jīng)南.北斗+GPS組合單點(diǎn)定位精度評(píng)價(jià)與分析[J].測(cè)繪通報(bào)，2017（5）：1-5.

[2] 譚述森，張?zhí)鞓?北斗多業(yè)務(wù)衛(wèi)星系統(tǒng)與應(yīng)用——論北斗Bs導(dǎo)航[J].國(guó)防科技大學(xué)學(xué)報(bào)，2017，39（5）：1-5.

[3] 浦佳祺，陳德旺.基于最小二乘法和BP神經(jīng)網(wǎng)絡(luò)的TOA定位算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2018，28（5）：5-8.

[4] 張會(huì)新，陳德沅，彭晴晴，等.一種改進(jìn)的TDOA無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法[J].傳感技術(shù)學(xué)報(bào)，2015，28（3）：412-415.

[5] 胡斌斌，倪曉軍.基于RSSI測(cè)距室內(nèi)定位改進(jìn)質(zhì)心算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2017，27（9）：133-136+140.

[6] Yun FengLeng，Hai Ping Zhu，TalalAlshaNIri，F(xiàn)ei He. An Improved RSSI Positioning Algorithm Based on Reference Distances[J]. Advanced Materials Research，2014，3255（971）.

[7] 李航. 基于位置指紋方法的WIFI室內(nèi)定位技術(shù)研究[D].長(zhǎng)春工業(yè)大學(xué)，2018

[8] 趙銀龍. 基于WiFi室內(nèi)位置指紋定位關(guān)鍵技術(shù)研究[D].河北科技大學(xué)，2018.

[9] 劉琛，倪雪莉.基于三邊測(cè)量法的移動(dòng)錨節(jié)點(diǎn)定位方案[J].信息技術(shù)，2019（3）：29-32，36.

[10] 盧瀅宇.競(jìng)爭(zhēng)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)性能研究[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2019，28（5）：173-177.

【通聯(lián)編輯：唐一東】