倪云峰 石小紅

摘?要：RSSI定位技術(shù)的室內(nèi)定位算法中，由于室內(nèi)環(huán)境的復(fù)雜性及人員的隨機(jī)性等因素可能會(huì)帶有噪聲影響，所以需要加以抑制。本次設(shè)計(jì)的室內(nèi)定位算法首先根據(jù)室內(nèi)特殊環(huán)境設(shè)計(jì)出定位算法流程圖，建立算法模型并用卡爾曼濾波算法來抑制環(huán)境中噪聲因素所引起的誤差，然后結(jié)合改進(jìn)的RSSI算法實(shí)現(xiàn)室內(nèi)移動(dòng)人員的定位，使得定位的結(jié)果更接近于真實(shí)值。重點(diǎn)研究將卡爾曼濾波算法與改進(jìn)的RSSI算法相結(jié)合估算出更精確的室內(nèi)人員位置信息。通過實(shí)驗(yàn)表明，結(jié)合卡爾曼濾波改進(jìn)的室內(nèi)人員定位算法的定位精確度有明顯的提升，誤差相比于文獻(xiàn)9所提出的定位算法有所降低。關(guān)鍵詞：室內(nèi)人員定位;接收信號(hào)強(qiáng)度;卡爾曼濾波;六點(diǎn)定位中圖分類號(hào)：TN 929.5

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-9315（2020）01-0167-06

DOI：10.13800/j.cnki.xakjdxxb.2020.0122開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Indoor staff kalman filter location algorithm based on RSSI

NI Yun-feng，SHI Xiao-hong

（College of Communication and InformationEngineering，Xian University of Science and Technology，Xian 710054，China）

Abstract：Due to the complexity of the indoor environment and the randomness of personnel，there may be noise effects in the indoor positioning algorithm based on RSSI positioning technology，so it needs to be suppressed.In this design，the indoor positioning algorithm firstly designs the positioning algorithm flow chart according to the special environment of the room，establishes the algorithm model and uses the Kalman filter algorithm to suppress the error caused by the noise factor in the environment，and then combines the improved RSSI algorithm to realize the positioning of indoor mobile personnel，which makes the result of the positioning closer to the true value.This paper focuses on the estimation of more accurate indoor position information by combining the Kalman filter algorithm with the improved RSSI algorithm.Experiments show that the positioning accuracy of the improved indoor personnel positioning algorithm combined with Kalman filtering is significantly improved，and the error is reduced compared with the positioning algorithm proposed inliterature 9.Key words：indoor personnel positioning;RSSI;Kalman filtering;six oclock position

0?引?言

隨著現(xiàn)代社會(huì)無線傳感網(wǎng)絡(luò)技術(shù)的發(fā)展，室外定位技術(shù)發(fā)展的越來越完善，如GPS定位技術(shù)及我國的北斗導(dǎo)航定位技術(shù)都已經(jīng)能精確的定位，且定位精度也越來越高[1]。但是室內(nèi)定位技術(shù)的發(fā)展卻不是很完善，尤其是在室內(nèi)狹小空間內(nèi)，定位精度更是粗略[2]?，F(xiàn)在室內(nèi)定位技術(shù)主要用的是藍(lán)牙、WiFi，UWB及ZigBee室內(nèi)定位技術(shù)，但是僅僅用這室內(nèi)定位技術(shù)在不改進(jìn)定位算法的情況下，定位精度不高，誤差大，而且成本也很大[3]。針對(duì)這種情況設(shè)計(jì)出室內(nèi)定位精確度高、成本較低的室內(nèi)定位技術(shù)就顯得格外重要了。通過研究大量文獻(xiàn)得出，在上述的4種無線傳感網(wǎng)絡(luò)技術(shù)中，藍(lán)牙定位比較便宜但是定位精度不高，且受外界因素的影響很大。UWB定位技術(shù)定位精度最高[4-5]，但是需要的硬件價(jià)格昂貴，且需要的定位算法大致都是測(cè)時(shí)間差的定位算法，這樣就對(duì)定位技術(shù)的硬件提高了，也就是說該技術(shù)是以高代價(jià)來提高定位精度[6]。WiFi室內(nèi)定位技術(shù)，定位精度比較高，傳輸距離較遠(yuǎn)，用在室內(nèi)定位中比較合適，但是功耗比較高[7]。ZigBee定位技術(shù)具有傳輸距離遠(yuǎn)、功耗低、最主要的是它具有自組網(wǎng)功能，能夠自動(dòng)的尋找離自己最近的節(jié)點(diǎn)[8]，并且只需要2節(jié)5號(hào)電池就可工作半年左右，所以本次使用的無線傳感網(wǎng)絡(luò)技術(shù)為ZigBee室內(nèi)定位技術(shù)。而要提高定位精度必須要改進(jìn)定位算法，讓定位算法決定室內(nèi)定位的誤差，所以文中通過改進(jìn)一種定位算法與ZigBee室內(nèi)定位技術(shù)相結(jié)合，這樣既可以提高定位精度，且成本低。如今室內(nèi)定位技術(shù)的應(yīng)用在當(dāng)今這個(gè)社會(huì)也是極為有用的。如：將室內(nèi)定位技術(shù)應(yīng)用到到煤礦井下作業(yè)人員位置坐標(biāo)的確定[9]。這樣既可以跟蹤人員移動(dòng)位置也可以確切定位，而且在礦難發(fā)生后救援隊(duì)解救困在井下工作人員時(shí)可以利用該種定位技術(shù)獲取被困人員的精確位置坐標(biāo)[10]，可以節(jié)省搜救的時(shí)間也能減少死亡率，因?yàn)樵谶@種環(huán)境下多一點(diǎn)定位精度就能少一分危險(xiǎn)系數(shù)。

1?RSSI測(cè)距模型

RSSI測(cè)距的方式是以接收端接收到的無線信號(hào)的強(qiáng)度來計(jì)算收發(fā)節(jié)點(diǎn)之間的距離[11]。目前包括 Wifi，Zig Bee在內(nèi)的很多無線傳輸模塊都支持RSSI值的測(cè)量，本次設(shè)計(jì)采用Zig Bee無線傳輸模塊作為RSSI值的測(cè)量模塊[12]。該方法的優(yōu)點(diǎn)是距離越近RSSI的值越大。計(jì)算的距離就越接近真實(shí)值[13]，在實(shí)際測(cè)量過程中因?yàn)榭紤]到有環(huán)境、等諸多因素的影響所以其測(cè)距模型可以簡(jiǎn)寫為

RSSI=-10nlgd-A

（1）

上式就是RSSI精簡(jiǎn)版測(cè)距模型，得到了RSSI和d關(guān)系式，因此得知接收端接收到的RSSI值就可以根據(jù)上式計(jì)算出2點(diǎn)之間的距離[14]。

2?定位算法流程圖設(shè)計(jì)

這種定位方式是由固定節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)組成的ZigBee無線傳感器網(wǎng)絡(luò)，因?yàn)閆igBee是一種可靠性比較高的無線傳感網(wǎng)[14]，而且它本身就可以根據(jù)信號(hào)強(qiáng)度測(cè)距不需要額外的硬件支持，其測(cè)距過程是先通過固定節(jié)點(diǎn)獲取目標(biāo)節(jié)點(diǎn)的信號(hào)強(qiáng)度，根據(jù)信號(hào)強(qiáng)度以及相關(guān)無線電理論求得固定節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)之間的距離[15]。然后利用距離信息和固定節(jié)點(diǎn)的位置建立定位模型，在對(duì)定位節(jié)點(diǎn)的位置信息濾波處理，最后結(jié)合信號(hào)強(qiáng)度與距離之間的關(guān)系計(jì)算出距離值[16]。

3?卡爾曼濾波模型的建立

RSSI測(cè)距定位的重點(diǎn)是檢測(cè)信號(hào)強(qiáng)度，通過信號(hào)強(qiáng)度（RSSI）與距離（d）之間的公式可以計(jì)算出未知節(jié)點(diǎn)與目標(biāo)節(jié)點(diǎn)之間的距離，但是RSSI信號(hào)強(qiáng)度容易受到干擾信號(hào)的影響，所以要將這些干擾信號(hào)除去[17]才能滿足對(duì)定位精度的要求。經(jīng)過對(duì)濾波算法的對(duì)比分析最終選擇卡爾曼濾波[18]方式來去除干擾信號(hào)帶來的誤差以達(dá)到提高定位精度的目的。

首先是根據(jù)定位信息建立定位系統(tǒng)的狀態(tài)方程如下所示

式中?狀態(tài)向量X（k）為待優(yōu)化的人員位置信息

X（k）=[xk，yk，zk，Vxk，Vyk，Vzk]T

，

xk，yk，zk和Vxk，Vyk，zzk分別為 k 時(shí)刻室內(nèi)人員在坐標(biāo)系中3個(gè)方向的位移和速度估計(jì)值;A為系統(tǒng)矩陣;向量S（k）為監(jiān)測(cè)的人員位置信息，

S（k）=[sxk，syk，szk]T

，sxk，syk，szk為 k 時(shí)刻待測(cè)人員的位移的檢測(cè)值;

C為輸出矩陣;W（k）和V（k）分別為狀態(tài)噪聲和檢測(cè)時(shí)的噪聲，且滿足

E[W（k）]=E[V（k）]=0

，即W（k）和V（k）是相互獨(dú)立的且均值為0的高斯白噪聲[19]。

狀態(tài)向量的初始值X（0）的統(tǒng)計(jì)特性給定為

4?改進(jìn)算法模型建立

通過對(duì)幾何質(zhì)心定位算法[20]與RSSI測(cè)距算法的研究，發(fā)現(xiàn)幾何質(zhì)心定位可以縮小定位區(qū)域，而RSSI測(cè)距算法在小區(qū)域內(nèi)定位精度較高。所以結(jié)合幾何質(zhì)心定位和RSSI測(cè)距模型[13]的優(yōu)點(diǎn)設(shè)計(jì)出新的算法。該新算法的思想是首先利用幾何質(zhì)心定位算法將要定位的位置限制在比較小的范圍內(nèi)[21-22]，再通過卡爾曼濾波算法[23-25]進(jìn)行優(yōu)化處理，然后結(jié)合RSSI的測(cè)距方法計(jì)算出距離值。其測(cè)試方式如圖2所示。

設(shè)各已知位置A，B，C，D，E，F(xiàn)節(jié)點(diǎn)的坐標(biāo)為（xi，yi），i為1，2，3，4，5，6.而各點(diǎn)的坐標(biāo)值可通過質(zhì)心定位算法的方式求得，設(shè)目標(biāo)節(jié)點(diǎn)O坐標(biāo)為（x，y），O點(diǎn)到各固定節(jié)點(diǎn)的距離分別為

d1，d2，d3，d4，d5，

d6

且這些距離是通過RSSI測(cè)距方式測(cè)得，通過兩點(diǎn)間的距離公式可建立以下方程組

由于測(cè)量過程中存在誤差系數(shù)，所以結(jié)合最小二乘法原理可得

根據(jù)式（16）可求出定位點(diǎn)O的坐標(biāo)（x，y）。

5?仿真結(jié)果分析

根據(jù)建立的模型進(jìn)行仿真設(shè)計(jì)。圖3為節(jié)點(diǎn)分布圖，選取了300個(gè)節(jié)點(diǎn)，其中有60個(gè)已知坐標(biāo)節(jié)點(diǎn)（以后稱為錨節(jié)點(diǎn)），紅色*表示錨節(jié)點(diǎn)，藍(lán)色○表示未知節(jié)點(diǎn)。圖4為鄰居關(guān)系圖其中紅色○表示未知節(jié)點(diǎn)通信半徑：錨節(jié)點(diǎn)的通信半徑75 m：藍(lán)色線為未知節(jié)點(diǎn)與已知節(jié)點(diǎn)的連通路徑，網(wǎng)絡(luò)的平均連通度為：30.306 7，網(wǎng)絡(luò)的鄰居錨節(jié)點(diǎn)平均數(shù)目為：6.22.圖5為定位誤差圖。藍(lán)色○表示未知節(jié)點(diǎn)的估計(jì)位置，黑色○表示不能被定位的未知節(jié)點(diǎn)，藍(lán)色-表示未知節(jié)點(diǎn)的定位誤差（連接未知節(jié)點(diǎn)的估計(jì)位置和真實(shí)位置）最后定位結(jié)果分析得出，一共300個(gè)節(jié)點(diǎn)：60個(gè)錨節(jié)點(diǎn)，240個(gè)未知節(jié)點(diǎn)，0個(gè)不能被定位。定位誤差d誤差=d實(shí)測(cè)-d計(jì)算=1.256 m.圖6為濾波后的定位誤差圖，濾波后的定位誤差為1.200 m.

圖7是二維情況下，算法沒有改進(jìn)也沒有濾波時(shí)的室內(nèi)人員移動(dòng)的位置信息軌跡圖（綠線所示）與經(jīng)過改進(jìn)算法后加入濾波的室內(nèi)人員位置軌跡圖（紅線所示）的對(duì)比。由此對(duì)比分析可以得出此種改進(jìn)算法的優(yōu)勢(shì)在與精度大大提高，而且也越接近真實(shí)值。

6?結(jié)?論

1）通過對(duì)改進(jìn)定位算法的仿真分析可得，改進(jìn)后的定位算法的定位精度有所提高，定位誤差大致可以控制在1.2 m以內(nèi)。

2）改進(jìn)的定位算法主要是以室內(nèi)環(huán)境為對(duì)象進(jìn)行研究分析，環(huán)境參數(shù)是選取室內(nèi)環(huán)境參數(shù)，當(dāng)獲取到井下環(huán)境參數(shù)或者道路隧道的環(huán)境參數(shù)時(shí)，也可以將改進(jìn)后的定位算法應(yīng)用到井下或者隧道中的人員以及車輛的實(shí)時(shí)定位。因此應(yīng)用范圍比較廣，有較強(qiáng)的實(shí)用性。

參考文獻(xiàn)（References）：

[1]彭?宇，王?丹.無線傳感器網(wǎng)絡(luò)定位技術(shù)綜述[J].電子測(cè)量與儀器學(xué)報(bào)，2011（5）：389-399.PENG Yu，WANG Dan.Overview of wireless sensor network positioning technology[J].Journal of Electronic Measurement and Instrumentation，2011（5）：389-399.

[2]陸軍平.基于物聯(lián)網(wǎng)的煤礦安全管理體系[J].黑龍江科技信息，2016（33）：59.

LU Jun-ping.Coal mine safety management system based on internet of things[J].Heilongjiang Science and Technology Information，2016（33）：59.

[3]孫哲星.煤礦井下人員精確定位方法[J].煤炭科學(xué)技術(shù)，2018，46（3）：130-134.SUN Zhe-xing.Precise positioning method for underground coal mine personnel[J].Coal Science and Technology，2018，46（3）：130-134.

[4]李晨鑫.礦井人員精確定位及唯一性檢測(cè)關(guān)鍵技術(shù)研究[D].北京：中國礦業(yè)大學(xué)（北京），2014.LI Chen-xin.Research on key technologies of accurate positioning and uniquenessetection of mine personnel[D].Beijing：China University of Mining and Technology（Beijing），2014.

[5]蔣恩松.礦井人擴(kuò)頻測(cè)距定位方法研究[D].北京：中國礦業(yè)大學(xué)（北京），2017.JIANG En-song.Research on the spread spectrum ranging and positioning method of mine personnel[D].Beijing：China University of Mining and Technology（Beijing），2017.

[6]陶?偲.基于UWB的室內(nèi)SDS-TWR測(cè)距算法優(yōu)化和定位算法融合的研究[D].武漢：華中師范大學(xué)，2016.TAO Si.Research on optimization and location fusion of indoor SDS-TWR location algorithm based on UWB[D].Wuhan：Central China Normal University，2016.

[7]胡青松，張?申.礦井移動(dòng)目標(biāo)定位[J].煤炭學(xué)報(bào)，2016，41（5）：1059-1068.HU Qing-song，ZHANG Shen.Mine movement target positioning[J].Journal of China Coal Society，2016，41（5）：1059-1068.

[8]朱?光.改進(jìn)RSSI加權(quán)質(zhì)心算法在井下人員定位中的應(yīng)用研究[J].中國礦業(yè)，2018，27（12）：198-201.ZHU Guang.Application of improved RSSI weighted centroid algorithm in underground personnel positioning[J].China Mining Industry，2018，27（12）：198-201.

[9]陳艷麗，曾?咪，安葳鵬.基于Zigbee的井下人員定位節(jié)點(diǎn)模塊的設(shè)計(jì)與實(shí)現(xiàn)[J].微計(jì)算信息，2012（3）：30.CHEN Yan-li，ZENG Mi，AN Wei-peng.Design and implementation of Zigbee-based downhole personnel positioning node module[J].Microcomputing Information，2012（3）：30.

[10]路澤忠，盧小平，付睢寧，等.一種改進(jìn)的RSSI加權(quán)質(zhì)心定位算法[J].測(cè)繪科學(xué)，2019，44（1）：26-31.LU Ze-zhong，LU Xiao-ping，F(xiàn)U Yi-ning，et al.An improved RSSI weighted centroid localization algorithm[J].Science and Mapping Science，2019，44（1）：26-31.

[11]黃清明.無線定位算法研究[D].濟(jì)南：山東大學(xué)，2007.HUANG Qing-ming.Research on wireless positioning algorithm[D].Jinan：Shandong University，2007.

[12]梁元誠.基于無線局域網(wǎng)的室內(nèi)定位技術(shù)研究與實(shí)現(xiàn)[D].成都：電子科技大學(xué)，2009.

LIANG Yuan-cheng.Research and implementation of indoor positioning technology based on wireless LAN[D].Chengdu：University of Electronic Science and Technology，2009.

[13]池凱莉.基于BP神經(jīng)網(wǎng)絡(luò)的無線傳感網(wǎng)絡(luò)的校準(zhǔn)[D].杭州：杭州電子科技大學(xué)，2013.CHI Kai-li.Calibration of wireless sensor network based on BP neural network[D].Hangzhou：Hangzhou University of Electronic Science and Technology，2013.

[14]袁風(fēng)鵬.無需測(cè)距的無線傳感器網(wǎng)絡(luò)定位算法研究[D].上海：上海交通大學(xué)，2010.YUAN Feng-peng.Research on location algorithm of wireless sensor network without distance measurement[D].Shanghai：Shanghai Jiaotong University，2010.

[15]邵?磊.基于超寬頻距離傳感器的室內(nèi)定位系統(tǒng)的研究與實(shí)現(xiàn)[D].北京：北京工業(yè)大學(xué)，2014.SHAO Lei.Research and implementation of indoor positioning system based on uwb distance sensor[D].Beijing：Beijing University of Technology，2014.

[16]Christian Frost，Casper Svenning Jensen，Kasper Se Luckow，et al.Bluetooth indoor positioning system using fingerprinting[J].Mobile Lightweight Wireless Systems，2011，81：136-150.

[17]SU Jun-feng，NIE Shuai-hua，QU Shao-cheng.Design of multi-point wireless pulse measuring system base on CC2530/Zigbee network[J].Applied Mechanics and Materials，2013，2668（401）：172-177.

[18]Torfs T，Sterken T，Brebels S，et al.Low power wireless sensor network for building monitoring[J].IEEE Sensors Journal，2013，13（3）：909-915.

[19]GHOSH R K，Sajal K DAS.A survey on sensor localization[J].Journal of Control Theory and Applications，2010（1）：2-11.

[20]李?良，吳紅娉，陳?瑜.基于BP神經(jīng)網(wǎng)絡(luò)算法及推導(dǎo)的研究[J].中國水運(yùn)（學(xué)術(shù)版），2008，8（2）：161-163.LI Liang，WU Hong-ping，CHEN Yu.Research on BP neural network algorithm and derivation[J].China Water Transport（Academic Edition）.2008，8（2）：161-163.

[21]LI Jing，CHENG Ji-hang，SHI Jing-yuan，et al.Brief introduction of back propagation（BP）nerwork algorithmand its improment[J].Advances in Intelligent and Soft Computing，2012，169（2）：553-558.

[22]Bandyopadhyay L K，Chaulya S K，Mishra P K.Wireless communication in underground mines[J].RFID-Based Sensor Networking，2010，62（6）：917-924.

[23]江德祥.基于藍(lán)牙傳感網(wǎng)絡(luò)的室內(nèi)定位研究及在行為識(shí)別中的應(yīng)用[D].湘潭：湘潭大學(xué)，2010.JIANG De-xiang.Indoor positioning research based on bluetooth sensor network and its application in behavior recognition[D].Xiangtan：Xiangtan University，2010.

[24]Erin-Ee-Lin Lau，Wan Young Chung.室內(nèi)外環(huán)境基于RSSI的用戶實(shí)時(shí)定位跟蹤增強(qiáng)系統(tǒng)[C]//信息技術(shù)融合國際會(huì)議，2008，1：99-105.

[25]倪?巍，王宗欣.基于接收信號(hào)強(qiáng)度測(cè)量的室內(nèi)定位算法[J].復(fù)旦學(xué)報(bào)，2004，43（1）：72-76.

NI Wei，WANG Zong-xin.Indoor positioning algorithm based on the measurement of received signal intensity[J].Journal of Fudan University，2004，43（1）：72-76.