王 芳

(重慶商務職業(yè)學院 出版?zhèn)髅较?，重慶 401331)

0 引 言

隨著多媒體業(yè)務數(shù)據(jù)的不斷增長，人們對定位和導航的需求日益增大，尤其是在復雜的室內(nèi)環(huán)境，存在著衛(wèi)星信號盲區(qū)，場景中需要提供目標人員或者物體的實時位置信息[1-3]。如何將RSS信號轉(zhuǎn)換成實時準確的位置信息成為國內(nèi)外研究的熱點[4,5]。從本質(zhì)上講，基于RSS的主流室內(nèi)定位技術(shù)分為三大類：一類是基于WIFI的室內(nèi)定位技術(shù)：其核心是采用基于RSSI的測距方法，具有網(wǎng)絡成本低、復雜度低、通信能力強等優(yōu)點，但是算法必須在室內(nèi)提供網(wǎng)絡環(huán)境，且信號易受環(huán)境干擾[6]。第二類是基于RFID的室內(nèi)定位技術(shù)：采用刷卡方式，根據(jù)閱讀器位置進行區(qū)間定位，這種方法具有較高的定位精度，但是標識沒有通信能力，定位距離較短[7]。第三類是基于藍牙的室內(nèi)定位技術(shù)，藍牙設備具有體積小、功耗低、易集成、易普及等優(yōu)點，缺點是實時性較差、傳播距離短、穩(wěn)定性差[8,9]。綜上所述，目前基于RSS的室內(nèi)定位方法普遍存在信號傳播易受環(huán)境干擾，精度較低、傳播距離短等缺點。本文在綜合考慮應用需求、網(wǎng)絡成本、RSS信號強度規(guī)律等因素的基礎上提出了一種基于射頻RSS聚類與多傳感器融合的室內(nèi)定位算法，并在智能終端上開發(fā)了一套室內(nèi)定位系統(tǒng)，在指紋庫創(chuàng)建階段，對藍牙信號強度進行了加權(quán)聚類，并引入LSM303DLHC加速度傳感器來補償指紋階段的歐氏距離加權(quán)平均算法產(chǎn)生的誤差。最后通過實驗驗證該算法有效解決了室內(nèi)復雜環(huán)境因素所造成的影響，并具有較高的定位精度，為網(wǎng)絡通信與無線定位提供了借鑒與參考。

1 數(shù)學模型

1.1 藍牙系統(tǒng)模型

一套完整的藍牙系統(tǒng)模型，由閱讀器(Reader)與電子標簽(TAG)及應用軟件系統(tǒng)3個部分所組成(如圖1所示)。其中，藍牙4.0有源電子標簽通過全向天線向一定空間發(fā)射無線藍牙信號；當閱讀器進入信號范圍時，可閱讀到從機發(fā)射出的廣播內(nèi)容，廣播中包含標簽號、MAC地址等信息，回調(diào)advData中包含電子標簽信號強度RSSI等信息。

圖1 藍牙信號識別系統(tǒng)

1.2 RSS測距模型

無線信號的強度會隨著傳播距離的增加逐漸變?nèi)?，信號強度的衰減和距離滿足Shadowing傳播模型[10]

(1)

在本算法的應用中采用簡化后的Shadowing模型

(2)

式(1)，式(2)中d0是參考距離，通常取值為1 m，d為實際距離，p(d)和p(d0)分別是距離為d和d0時路徑損耗值，ξ是遣蔽因子，路徑損耗值為初始發(fā)射信號與接收信號強度之差

(3)

其中，p(0)為初始發(fā)射信號強度，Rssi(d)和Rssi(d0)分別是距離為d和d0處的接收信號強度值。本算法中取d0=1m，A=-Rssi(d0)從而得到實際應用的Rssi測距公式

Rssi(d)=-(10nlg+A)

(4)

其中，A和n為待定參數(shù)，其中A為距離信號發(fā)射源1 m處接收到的信號強度平均值的模，n為信號傳輸常數(shù)，與信號傳播環(huán)境相關(guān)。

1.3 方向角測距模型

加速度計三軸分量為重力加速度在載體坐標系下的分量數(shù)值[11,12]，當定位終端水平放置時載體坐標系的初始姿態(tài)與參考坐標系重合，此時加速度計三軸分量(數(shù)據(jù)經(jīng)標準歸一化處理)

G[0,0,0]=[001]T

(5)

當定位終端處于不同姿態(tài)時,其三軸分量為

G[γ,θ,ψ]=[GxGyGz]T

(6)

利用方向余弦矩陣

可得

G(γ,θ,ψ)=T(γ,θ,ψ)G(0,0,0)

(7)

俯仰角和翻滾角分別為

(8)

地磁場矢量H可分解為水平分量Hh,垂直分量Hv,Hh總是指向地磁的北極，Hh在兩軸上的分量分別為Hx和Hy,由此可得水平放置時的方向角

(9)

2 系統(tǒng)設計與算法流程

本文提出的基于射頻RSS聚類與多傳感器融合的室內(nèi)定位算法分為系統(tǒng)設計與算法實現(xiàn)兩個模塊，系統(tǒng)設計中描述了藍牙標簽AP設計、AP點的布設、定位終端的設計以及指紋勘測設計，算法實現(xiàn)中則詳細描述了LSM303DLHC傳感器融合以及歐氏距離加權(quán)求取坐標兩個模塊。

2.1 系統(tǒng)設計

(1)藍牙標簽設計

藍牙電子標簽具有成本低、功耗低、易部署安裝，體積小、輕便等特點，本系統(tǒng)中使用的藍牙標簽為CC2541，工作頻率2.4 GHz-2.5 GHz ISM微波段，通信協(xié)議BLE4.0，發(fā)射功率 -23 dBm～+4 dBm,識別距離0～50 m(2 dBi全向天線),本項目中用的15號標簽完整廣播內(nèi)容(16進制)：02010407ff440000000f4b,廣播內(nèi)容總長度為11字節(jié)，起始標志為16進制44，結(jié)束標志位為4b,中間部分為11個字節(jié)的預留信息和3個字節(jié)的標簽號，設計電路中I2C接口增加了STK3310環(huán)境光傳感器、巴倫電路之后增加了電阻衰減網(wǎng)絡，以方便進行射頻信號的衰減配合定位算法。

使用packet sniffer嗅探軟件測試藍牙標簽強度衰減，在發(fā)射功率為+4 dbm，距離為1 m的條件下，藍牙標簽信號發(fā)射穩(wěn)定，RSSI(dbm)跳變?nèi)鐖D2所示。

圖2 藍牙標簽信號跳變散點

(2)AP點部署

藍牙標簽布置在房間的天花板上，每個標簽可以覆蓋室內(nèi)一定面積的圓型區(qū)域，通過合理布局使其實現(xiàn)房間整體面積的覆蓋，標簽部署規(guī)則如圖3所示。

圖3 標簽部署規(guī)則

(3)定位終端設計

經(jīng)過分析與對比，在服務器端采用指紋匹配算法，服務器收到一組終端上傳的數(shù)據(jù)，數(shù)據(jù)根據(jù)實時時間來進行分組，然后將實時數(shù)據(jù)與生成指紋庫中的數(shù)據(jù)進行計算比對，本系統(tǒng)中使用的定位終端MT2503實物如圖4所示。

圖4 MT2503實物

終端中初始化藍牙模塊，配置引腳以后，可勘測前文設計的藍牙標簽發(fā)出的數(shù)據(jù)，其中包含標簽MAC地址、標簽號、RSSI(dbm)、同步時間等信息，終端將接收到的數(shù)據(jù)處理后，按照與服務器設定的接口協(xié)議，可將數(shù)據(jù)插入到相應的數(shù)據(jù)庫中，定位終端工作流程如圖5所示。

圖5 定位終端MT2503工作流程

(4)指紋離線勘測設計

1)接口回調(diào)Url

數(shù)據(jù)庫中將標簽號BtId與對應地圖的Url進行映射綁定，采集終端將勘測到藍牙信號上傳至服務器，服務器通過接口回調(diào)與藍牙信號對應的地圖Url。

2)Json數(shù)據(jù)通信

點擊地圖上任一點出現(xiàn)界面如圖3所示：此時輸入終端標識IMEI號，指令標志位等信息，點擊指令下發(fā)按鈕，即可將信息打包成Json數(shù)據(jù)下發(fā)至定位終端。

3)指令接收

此時將接收到的藍牙標簽號+對應的信號強度+IMEI號+APP自動獲取坐標上傳至服務器，當數(shù)據(jù)量達到指定閾值時停止信號采集操作，APP設計如圖6所示。

圖6 手機APP界面及點擊后觸發(fā)界面

2.2 算法實現(xiàn)

(1)LSM303DLHC傳感器融合

加速度計傳感器(LSM303DLHC)是一個超小型高性能的電子羅盤，具有三維加速度傳感器和3D磁力模塊，可以實時監(jiān)測定位終端的朝向，由于人體遮擋以及信號跳變，補償指紋階段的歐氏距離加權(quán)平均算法產(chǎn)生的誤差。

在實際的定位過程中，定位終端不可能一直保持水平狀態(tài)，則必須計算其俯仰角以及翻滾角,設當前定位終端的翻滾角為γ,俯仰角為θ,方向角為ψ,磁強傳感器三軸數(shù)值M(γ,θ,ψ)=[MxMyMz]T,水平放置時磁強傳感器三軸數(shù)值M(0,0,ψ)=[MhxMhyMhz]T,根據(jù)定位終端姿態(tài)與水平放置時的關(guān)系可得

(10)

其中，Rγ,Rθ分別為翻滾角取γ,俯仰角取θ時的旋轉(zhuǎn)轉(zhuǎn)化矩陣

(11)

將式Rλ,Rθ帶入式(10)中可得

將其帶入1.3節(jié)方向角計算模型式(9)可得出

(12)

融合傳感器之后的指紋庫采集流程如圖7所示。

圖7 指紋庫采集算法流程

(2)歐氏距離加權(quán)匹配算法

在定位終端MT2503中，收到周圍的1.5 s的藍牙數(shù)據(jù)求均值并連同終端朝向上傳至服務器，服務器根據(jù)接收到的實時向量與指紋庫中的數(shù)據(jù)進行匹配，本系統(tǒng)中使用的匹配算法為最近鄰匹配算法。

為了消除信號傳播，傳感器遮擋、信號跳變等因素帶來的影響，在信號強度處理階段將RSS信號強度劃分為若干簇，對篩選出的指紋庫中的坐標集合做歐氏距離加權(quán)聚類，得到最終的坐標。假設實時向量為m維向量xi=(Xi1,Xi2,…,Xim)，指紋庫中對應的坐標集合中任一坐標點對應的向量為：xj=(Xj1,Xj2,…,Xjm)。

為保證結(jié)果的精確性，算法中將權(quán)值做歸一化處理，即n個待選坐標的權(quán)值系數(shù)集合滿足

w1+w2+…wn=1

最后將實時向量與對應的指紋庫坐標集合加權(quán)聚類形成最終坐標點

式中：n代表與該實時向量匹配的指紋庫坐標個數(shù)。

3 實驗結(jié)果及分析

本實驗中的終端采用MT2503芯片，數(shù)據(jù)庫采用PgAdminIII，終端中采用串口接收CC2541藍牙芯片發(fā)出的信號強度。服務器采用CentOs6.5操作系統(tǒng),部署DAS進行數(shù)據(jù)接入，DPS、DCS進行數(shù)據(jù)處理與報文轉(zhuǎn)發(fā)，地圖發(fā)布采用OpenLayers3,web定位效果展示如圖8所示。

為了測試算法的性能，及分析定位誤差，系統(tǒng)中首先使用5個AP節(jié)點來進行指紋庫的采集，表1為不使用LSM303DLHC傳感器融合，也未進行RSS歐氏加權(quán)聚類形成的指紋數(shù)據(jù)(NCNJ)，表2為本算法中添加了改進措施后形成的指紋數(shù)據(jù)(PJ)。

圖8 定位展示效果

圖9為RSSI測距、真實位置、以及算法得出的坐標比較圖，實線代表真實位置與本算法坐標的距離誤差，虛線代表真實位置與RSSI測距的距離誤差，從圖中可以直觀的看出本算法得出的坐標與真實位置的距離誤差更小。

表1 NCNJ指紋數(shù)據(jù)

表2 PJ指紋數(shù)據(jù)

為了加快數(shù)據(jù)庫查找速度，數(shù)據(jù)存儲時按照信號強度均值由強到弱的順序存儲，例如當終端在(0.8,0.8)坐標點時，距離10號標簽最近，此時數(shù)據(jù)庫中將10號標簽的信號強度置前。

實驗坐標點對應的平均誤差如圖10、圖11所示。

圖10 坐標點對應相對誤差曲線對比

圖11 標簽個數(shù)平均誤差曲線對比注：圖10、圖11中從上到下第一條曲線代表未添加RSS歐氏加權(quán)聚類也沒有傳感器融合定位誤差曲線，第二條曲線代表添加歐氏距離加權(quán)聚類后的定位曲線圖，第三條曲線代表本文算法中添加歐>氏距離加權(quán)聚類并融合LSM303DLHC傳感器后的平均定位誤差曲線。

從表1、表2與圖10、圖11中顯示的數(shù)據(jù)來看，本文提出的基于射頻RSS聚類與LSM303DLHC傳感器融合的室內(nèi)定位算法精度有較大的提高，而且在定位參考點數(shù)增加的情況下精度提升更為明顯，平均定位誤差控制在2.51 m，誤差遠低于同種環(huán)境基于WIFI與基于RFID的室內(nèi)定位誤差，本文開發(fā)出的室內(nèi)定位系統(tǒng)具有魯棒性強，擴展性好等優(yōu)點，具有良好的參考價值與實際意義。

4 結(jié)束語

本文針對基于無線局域網(wǎng)室內(nèi)定位算法中普遍存精度不高，實時性差等問題提出一種基于射頻RSS聚類與多傳感器融合的室內(nèi)定位算法，在指紋庫創(chuàng)建階段，對藍牙信號強度進行了聚類，在定位階段融合LSM303DLHC傳感器來補償指紋階段的歐氏距離加權(quán)平均算法產(chǎn)生的誤差。實驗結(jié)果表明，該算法解決了室內(nèi)復雜環(huán)境因素所造成的影響，并具有較高的定位精度，為網(wǎng)絡通信與無線定位提供了借鑒與參考，本算法后續(xù)會繼續(xù)添加陀螺儀，氣壓計等傳感器，可用來判別定位終端具體形態(tài)，所處高度等，此外，本文使用的是串口接收數(shù)據(jù)，定位速度相對較慢，后續(xù)會采用直接提取射頻廣播字段，從而加快定位的實時性。

參考文獻：

[1]SHI Xin,YIN Aimin,CHEN Xi.RSSI and multidimensional scaling based indoor localization algorithm[J].Chinese Journal of Scientific Instrument,2014,35(2):261-268(in Chinese).[石欣,印愛民,陳曦.基于RSSI的多維標度室內(nèi)定位算法[J].儀器儀表學報,2014,35(2):261-268.]

[2]ZHAO Rui,ZHONG Bang,ZHU Zuli,et al.Overview of indoor localization techniques and applications[J].Electronic Sci & Tech,2014,27(3):154-157(in Chinese).[趙銳,鐘榜,朱祖禮,等.室內(nèi)定位技術(shù)及應用綜述[J].電子科技,2014,27(3):154-157.]

[3]LIU Chunyan,WANG Jian.A constrained KNN indoor positioning model based on a geometric clustering fingerprinting technique[J].Geomatics and Information Science of Wuhan University,2014,39(11):1287-1292(in Chinese).[劉春燕,王堅.基于幾何聚類指紋庫的約束KNN室內(nèi)定位模型[J].武漢大學學報:信息科學版,2014,39(11):1287-1292.]

[4]ZHANG Wenjie,DONG Yuning,WANG Xinheng.Indoor positioning method using RFID and block clustering[J].Computer Engineering and Applications,2016,52(10):112-117(in Chinese).[張文杰,董育寧,王新珩.一種利用RFID和塊聚類的室內(nèi)定位方法[J].計算機工程與應用,2016,52(10):112-117.]

[5]YANG Guanglong,KONG Yongping,ZHONG Zhimin,et al.Mutimode-fingerprint matching based indoor positioning system design and implementation[J].Computer Engineering and Design,2013,34(5):1896-1900(in Chinese).[楊廣龍,孔勇平,鐘致民,等.基于多模指紋匹配的室內(nèi)定位系統(tǒng)設計與實現(xiàn)[J].計算機工程與設計,2013,34(5):1896-1900.]

[6]Medina C,Segura J C,De la Torre A.Ultrasound indoor positioning system based on a low-power wireless sensor network providing sub-centimeter accuracy[J].Sensors,2013,13(3):3501-3526.

[7]Shin M,Cho S H,Joe I.An experimental analysis of effects of IEEE 802.11 channels on RSSI-based indoor localization system with IEEE 802.15.4[J].IETE Journal of Research,2013,59(5):500-509.

[8]Liu T,Chi T,Li H,et al.A GIS-oriented location model for supporting indoor evacuation[J].International Journal of Geographical Information Science,2015,29(2):305-326.

[9]Huang C N,Chan C T.A zigbee-based location-aware fall detection system for improving elderly telecare[J].International Journal of Environmental Research and Public Health,2014,11(4):4233-4248.

[10]Luo J,Zhan X.Characterization of smart phone received signal strength indication for WLAN Indoor positioning accuracy improvement[J].JNW,2014,9(3):739-746.

[11]Amanatiadis A.A Multisensor indoor localization system for biped robots operating in industrial environments[J].IEEE Tran-sactions on Industrial Electronics,2016,63(12):7597-7606.

[12]Lymberopoulos D,Liu J,Priyantha N A B,et al.Indoor localization using commercial frequency-modulated signals:U.S.Patent 9,271,120[P].2016-02-23.