基于多源數(shù)據(jù)融合的室內(nèi)定位模型研究

黃婷婷 馮鋒

摘? 要： 目前單一的定位技術(shù)無(wú)法滿足定位過(guò)程中越來(lái)越高的性能要求，針對(duì)這一局限性，提出一種基于多源數(shù)據(jù)融合的室內(nèi)定位模型。針對(duì)ZigBee定位技術(shù)和RFID定位技術(shù)，該模型從硬件方面將ZigBee模塊與RFID模塊進(jìn)行集成，對(duì)采集到的不同類(lèi)型的數(shù)據(jù)通過(guò)粒子濾波算法進(jìn)行過(guò)濾，從而將不同定位數(shù)據(jù)結(jié)合使用，進(jìn)一步將不同定位技術(shù)的優(yōu)勢(shì)結(jié)合起來(lái)。為了增加定位精準(zhǔn)度，在三邊定位的基礎(chǔ)上提出一種新的定位算法，根據(jù)觀測(cè)節(jié)點(diǎn)和參考節(jié)點(diǎn)的RSSI值對(duì)其分配權(quán)值，通過(guò)對(duì)不同的權(quán)值和距離的計(jì)算，更精準(zhǔn)地確定未知節(jié)點(diǎn)的位置。實(shí)驗(yàn)結(jié)果表明，該模型有效地將多源數(shù)據(jù)進(jìn)行融合，優(yōu)化的定位算法有效地提高了定位的精度，提升了定位系統(tǒng)的整體性能。

關(guān)鍵詞： 室內(nèi)定位; 多源數(shù)據(jù)融合; 定位模型; 定位算法優(yōu)化; 未知節(jié)點(diǎn)定位; 權(quán)值分配

中圖分類(lèi)號(hào)： TN820.4?34; TP301.6? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）14?0021?04

Research on indoor positioning model based on multi?source data fusion

HUANG Tingting， FENG Feng

（School of Information Engineering， Ningxia University， Yinchuan 750021， China）

Abstract： As the single positioning technology cannot meet the higher and higher performance requirements in the positioning process， a new indoor positioning model based on multi?source data fusion is proposed for this limitation. In allusion to the ZigBee positioning technology and RFID positioning technology， the ZigBee module and RFID module are integrated into the model in the hardware aspect， and the different types of the collected data are filtered by means of the particle filter algorithm， so that the different positioning data can be used in combination and the advantages of different positioning techniques are combined further. A new localization algorithm is proposed on the basis of the trilateral localization to increase the accuracy of localization. The weights of observation nodes and reference nodes are assigned according to their RSSI values， and the positions of unknown nodes are determined more accurately by calculating the different weights and distances. The experimental results show that the model can effectively fuse the multi?source data， and the optimized localization algorithm can effectively improve the positioning accuracy and promote the overall performance of the positioning system.

Keywords： indoor positioning; multi?source data fusion; positioning model; positioning algorithm optimization; unkhown node localization; weight allocation

0? 引? 言

伴隨物聯(lián)網(wǎng)的發(fā)展，人們對(duì)于室內(nèi)定位的需求也越來(lái)越多。目前常見(jiàn)的定位技術(shù)有：基于WiFi的定位技術(shù)、基于紅外線的定位技術(shù)、基于超聲波的定位技術(shù)、基于RFID的定位技術(shù)、基于UWB的定位技術(shù)、基于ZigBee的定位技術(shù)和基于藍(lán)牙的室內(nèi)定位技術(shù)等[1?4]。但這些定位技術(shù)都是單一信源定位，存在一定的局限性，最大的缺陷是不能滿足高精度、低成本和普適性等多性能兼顧的需求。而將多種定位數(shù)據(jù)進(jìn)行融合的多信源定位可以彌補(bǔ)單一信源定位所存在的不足，將每種定位技術(shù)的優(yōu)勢(shì)結(jié)合起來(lái)，從而提升定位系統(tǒng)的整體性能[5]。目前存在的定位算法也是多種多樣，主要分為基于測(cè)距的定位算法和非測(cè)距的定位算法[6]?；跍y(cè)距的定位方法主要依靠測(cè)量接收信號(hào)強(qiáng)度（Receive Signal Strength Indication，RSSI）[7]、信號(hào)到達(dá)時(shí)間（Time of Arrival，TOA）[8]、信號(hào)到達(dá)時(shí)間差（Time Difference of Arrival，TDOA）[9]或者信號(hào)入射角（Angle of Arrival，AOA）[10]，來(lái)獲取節(jié)點(diǎn)間的位置關(guān)系[11]。非測(cè)距的定位算法不用測(cè)量節(jié)點(diǎn)間的距離或者角度，對(duì)于節(jié)點(diǎn)硬件方面的要求不高，適用于節(jié)點(diǎn)能力有限同時(shí)對(duì)定位精度要求不高的場(chǎng)合。

針對(duì)多源數(shù)據(jù)融合技術(shù)在室內(nèi)定位中的應(yīng)用，本文以RFID定位技術(shù)與ZigBee定位技術(shù)為例，根據(jù)二者的特點(diǎn)將其融合起來(lái)，同時(shí)針對(duì)多信源定位模型的特點(diǎn)，在三邊定位的基礎(chǔ)之上對(duì)定位算法加以改進(jìn)，提出一種基于多源數(shù)據(jù)融合的室內(nèi)定位模型。

1? 多源數(shù)據(jù)融合用于定位技術(shù)的可行性分析

現(xiàn)存的單信源定位技術(shù)各自有各自的優(yōu)勢(shì)和劣勢(shì)，如表1所示。單信源定位都會(huì)存在一定程度上的局限性，以RFID室內(nèi)定位技術(shù)和ZigBee室內(nèi)定位技術(shù)為例：傳統(tǒng)的RFID定位技術(shù)不具有通信能力，抗干擾能力較差，并且目前RFID的通信方式多以有線為主，在一些面積較大且地形較為復(fù)雜的環(huán)境中，由于布線等問(wèn)題，RFID的應(yīng)用受到限制[1?2];ZigBee定位技術(shù)在信號(hào)傳輸過(guò)程中，受多徑效應(yīng)和移動(dòng)的影響都很大，并且定位精度取決于信道物理品質(zhì)、信號(hào)源密度、環(huán)境和算法的準(zhǔn)確性，造成定位軟件的成本較高。綜合來(lái)說(shuō)，ZigBee技術(shù)可以為RFID定位技術(shù)提供所需的通信能力，同時(shí)，RFID定位技術(shù)可以彌補(bǔ)ZigBee定位技術(shù)中精確度不高的缺憾。將RFID技術(shù)和ZigBee技術(shù)相融合，以長(zhǎng)補(bǔ)短，將每種不同的定位技術(shù)的優(yōu)勢(shì)結(jié)合起來(lái)，可以大幅度提高定位系統(tǒng)的整體性能。

2? 定位模型的設(shè)計(jì)及構(gòu)建

2.1? 模型結(jié)構(gòu)設(shè)計(jì)

本文提出的基于多源數(shù)據(jù)融合的定位模型主要分為三大部分：多源數(shù)據(jù)采集、多源數(shù)據(jù)融合和位置確定，具體如圖1所示。多源數(shù)據(jù)采集主要針對(duì)ZigBee數(shù)據(jù)和RFID數(shù)據(jù)，通過(guò)對(duì)ZigBee模塊和RFID模塊的集成完成對(duì)這兩類(lèi)數(shù)據(jù)的采集;多源數(shù)據(jù)融合主要通過(guò)粒子濾波算法對(duì)這兩類(lèi)異構(gòu)數(shù)據(jù)進(jìn)行過(guò)濾，實(shí)現(xiàn)不同類(lèi)型的定位數(shù)據(jù)的無(wú)差別使用;位置確定是定位模型研究的重點(diǎn)，在三邊定位的基礎(chǔ)之上提出一種新的定位算法，提高定位的精度。

基于多源數(shù)據(jù)融合的定位模型在硬件方面，主要由待定位節(jié)點(diǎn)、觀測(cè)節(jié)點(diǎn)、參考節(jié)點(diǎn)、網(wǎng)關(guān)和上位機(jī)組成，具體的系統(tǒng)框圖如圖2所示。其中，觀測(cè)節(jié)點(diǎn)由RFID閱讀器和ZigBee模塊組成，RFID閱讀器識(shí)別RFID標(biāo)簽并采集RSSI信息，ZigBee模塊主要是通過(guò)無(wú)線的方式將閱讀器收集到的信息轉(zhuǎn)發(fā)給網(wǎng)關(guān)，同時(shí)自身也作為一個(gè)參考節(jié)點(diǎn)。參考節(jié)點(diǎn)由ZigBee模塊單獨(dú)構(gòu)成，相比較觀測(cè)節(jié)點(diǎn)，結(jié)構(gòu)簡(jiǎn)單，成本較低，更適合大范圍布置。待定位節(jié)點(diǎn)中集成了RFID標(biāo)簽和ZigBee模塊，這里的ZigBee模塊是作為一個(gè)盲節(jié)點(diǎn)存在，主要的功能是接收觀測(cè)節(jié)點(diǎn)和參考節(jié)點(diǎn)發(fā)來(lái)的信息。幾個(gè)部分相互配合，結(jié)合優(yōu)化后的定位算法，實(shí)現(xiàn)對(duì)待定位節(jié)點(diǎn)的精準(zhǔn)定位。RFID/ZigBee融合定位系統(tǒng)框圖如圖3所示。

2.2? 定位模型步驟

從以下7個(gè)步驟進(jìn)行位置估算：

步驟1：根據(jù)室內(nèi)布局，布置觀測(cè)節(jié)點(diǎn)（OP）和參考節(jié)點(diǎn)（RP），將觀測(cè)節(jié)點(diǎn)和參考節(jié)點(diǎn)的坐標(biāo)、MAC地址及其節(jié)點(diǎn)相互之間的距離儲(chǔ)存到數(shù)據(jù)庫(kù)中，不同類(lèi)型的節(jié)點(diǎn)分配不同的權(quán)值，觀測(cè)節(jié)點(diǎn)權(quán)值為[wOP]，參考節(jié)點(diǎn)權(quán)值為[wRP]。

步驟2：待定位節(jié)點(diǎn)采集周?chē)鷧⒖脊?jié)點(diǎn)的相關(guān)數(shù)據(jù)，向上位機(jī)發(fā)送數(shù)據(jù)，包括距離待定位節(jié)點(diǎn)最近的三個(gè)參考節(jié)點(diǎn)的坐標(biāo)，以及與這三個(gè)參考節(jié)點(diǎn)的RFID信號(hào)強(qiáng)度和ZigBee信號(hào)強(qiáng)度，同時(shí)，為方便多源數(shù)據(jù)的準(zhǔn)確使用，采用粒子濾波算法對(duì)采集到的RFID數(shù)據(jù)以及ZigBee數(shù)據(jù)進(jìn)行過(guò)濾。

步驟3：根據(jù)參考節(jié)點(diǎn)上傳的RFID信號(hào)強(qiáng)度和ZigBee信號(hào)強(qiáng)度，采用式（1）計(jì)算出未知節(jié)點(diǎn)與三個(gè)已知節(jié)點(diǎn)之間的距離。信號(hào)強(qiáng)度與距離之間的轉(zhuǎn)換公式：

[RSSI（d）=A-10nlg d]? ? （1）

式中：A為距離為1 m時(shí)的信號(hào)強(qiáng)度;n為路徑損耗系數(shù)。

步驟4：以參考節(jié)點(diǎn)為圓心，以參考節(jié)點(diǎn)的識(shí)別距離為半徑，參考節(jié)點(diǎn)的識(shí)別效果如圖4所示。根據(jù)式（2），可以求得過(guò)圓B和圓C的交點(diǎn)[（xbc1，ybc1）]，[（xbc2，ybc2）]，圓A和圓C的交點(diǎn)[（xac1，yac1）]，[（xac2，yac2）]，圓A和圓B的交點(diǎn)[（xab1，yab1）]，[（xab2，yab2）]。將B和C的兩個(gè)交點(diǎn)代入距離公式[（x-x1）2+（y-y1）2]比較得出兩個(gè)交點(diǎn)中距離A更近的一個(gè)交點(diǎn)[D（x4，y4）]，同理得出，A和C中距離B更近的交點(diǎn)[E（x5，y5）]，A和B中距離C更近的交點(diǎn)[F（x6，y6）]。

[di=（x-xi）2+（y-yi）2，? i=1，2，3]? ? ? ?（2）

步驟5：在點(diǎn)D，E，F(xiàn)構(gòu)成的三角形中，將三個(gè)已知節(jié)點(diǎn)A，B，C的RSSI值分別賦值給點(diǎn)D，E，F(xiàn)，具體的賦值情況如表2所示。

步驟6：待定位節(jié)點(diǎn)再一次采集周?chē)^測(cè)節(jié)點(diǎn)的相關(guān)數(shù)據(jù)，重復(fù)步驟3）～步驟5），計(jì)算出待定位節(jié)點(diǎn)的坐標(biāo)估算值[（xOP，yOP）]。

步驟7：采用式（6）計(jì)算出未知節(jié)點(diǎn)的最終坐標(biāo)。

[（x，y）=xRP?wRP+xOP?wOPwRP+wOP，yRP?wRP+yOP?wOPwRP+wOP]? ? ? ? ? ? ? ? ? ? （6）

3? 實(shí)驗(yàn)分析

節(jié)點(diǎn)具體分布如圖5所示，觀測(cè)節(jié)點(diǎn)AP1～AP6，參考節(jié)點(diǎn)P1～P13。由于墻面對(duì)于信號(hào)的阻礙，會(huì)使得信號(hào)的損耗較大，導(dǎo)致最終的定位結(jié)果偏差較大，因此，在每個(gè)隔間的出口處設(shè)置一個(gè)觀測(cè)節(jié)點(diǎn)進(jìn)行測(cè)量，對(duì)于減少信號(hào)由于墻面的阻礙導(dǎo)致的信號(hào)損耗而引起的誤差，是非常有必要的。

本文采用Matlab對(duì)傳統(tǒng)的三邊定位算法和本文提出的算法進(jìn)行仿真，將室內(nèi)環(huán)境抽象成如圖5所示的10 m×10 m的正方形區(qū)域，觀測(cè)節(jié)點(diǎn)6個(gè)，參考節(jié)點(diǎn)13個(gè)，未知節(jié)點(diǎn)10個(gè)。對(duì)于最終的定位結(jié)果，圖6用Matlab仿真出參考節(jié)點(diǎn)、盲節(jié)點(diǎn)、三邊算法定位結(jié)果和本文優(yōu)化的算法定位結(jié)果的分布。表3為定位算法坐標(biāo)對(duì)比。表4和圖7是對(duì)于三邊定位和本文優(yōu)化算法的定位誤差的對(duì)比，從中可以直觀地看出本文提出的優(yōu)化算法的效果。

表4? 定位算法誤差比較

[定位算法 平均誤差 最大誤差 最小誤差 三邊定位 3.252 7 5.421 2 1.178 5 優(yōu)化三邊定位 1.417 4 4.434 5 0.008 3 ]

為進(jìn)一步測(cè)試本文算法的一般性，將參考節(jié)點(diǎn)均勻分布后再次進(jìn)行實(shí)驗(yàn)。圖8和圖9為實(shí)驗(yàn)的最終效果?？梢钥闯觯疚奶岢龅亩ㄎ凰惴?，參考節(jié)點(diǎn)分布越均勻，定位效果更好。

4? 結(jié)? 語(yǔ)

本文提出的基于多源數(shù)據(jù)融合的室內(nèi)定位模型，將RFID和ZigBee定位技術(shù)相融合，將已知節(jié)點(diǎn)分為觀測(cè)節(jié)點(diǎn)和參考節(jié)點(diǎn)，對(duì)于不同類(lèi)型的定位節(jié)點(diǎn)分配不同的權(quán)值，二者同時(shí)為未知節(jié)點(diǎn)的定位服務(wù)，提高了定位的精準(zhǔn)度。同時(shí)，在三邊定位的基礎(chǔ)上，優(yōu)化定位算法。實(shí)驗(yàn)結(jié)果表明，本文提出的定位算法在精確度方面相比于傳統(tǒng)的三邊定位有著非常明顯的提高。本定位模型有效地將多源數(shù)據(jù)進(jìn)行融合，提高了定位的精度，提升了定位系統(tǒng)的整體性能。

參考文獻(xiàn)

[1] 嚴(yán)大虎，徐楊杰.融合ZigBee的改進(jìn)射頻識(shí)別室內(nèi)定位算法研究[J].系統(tǒng)仿真學(xué)報(bào)，2018，30（11）：461?468.

[2] 白晉軍，邵珠業(yè)，燕春，等.改進(jìn)的LANDMARC算法在ZigBee室內(nèi)定位中的應(yīng)用[J].電視技術(shù)，2017，41（z1）：105?110.

[3] 韋廷廷.基于多源融合的分布式室內(nèi)定位系統(tǒng)研究與實(shí)現(xiàn)[D].北京：北京郵電大學(xué)，2018.

[4] 王朔.基于ZigBee的無(wú)線傳感網(wǎng)絡(luò)在室內(nèi)定位系統(tǒng)中的應(yīng)用研究[D].北京：華北電力大學(xué)，2018.

[5] SIM?ES W， SILVA M S， DE LUCENA V. A location technique based on hybrid data fusion used to increase the indoor location accuracy [J]. Procedia computer science， 2017， 113： 368?375.

[6] 吳杰，馮鋒，丁志義.基于RFID與WSN融合技術(shù)的井下定位算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2014，35（7）：2278?2282.

[7] RUSLI M E， ALI M， JAMIL N， et al. An improved indoor positioning algorithm based on RSSI?trilateration technique for Internet of Things （IOT） [C]// 2016 International Conference on Computer and Communication Engineering. Kuala Lumpur： IEEE， 2016： 121?130.

[8] 黃智偉.基于TOA測(cè)距的室內(nèi)無(wú)線定位方法研究[D].上海：上海海洋大學(xué)，2018.

[9] 黃光星，鐘煒?lè)?，何錚.TDOA定位性能分析和測(cè)試[J].中國(guó)無(wú)線電，2018（4）：43?45.

[10] 孔范增，郭敏，任修坤，等.基于射線跟蹤的AOA定位算法的GDOP研究[J].計(jì)算機(jī)工程與科學(xué)，2018，40（1）：66?71.

[11] 夏宇聲，劉凱，張浩，等.基于多邊限定的室內(nèi)定位方法設(shè)計(jì)與系統(tǒng)實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（11）：250?256.