《基于超宽带技术的室内定位系统设计》由会员分享，可在线阅读，更多相关《基于超宽带技术的室内定位系统设计（10页珍藏版）》请在金锄头文库上搜索。
1、基于超宽带技术的室内定位系统设计 陈伟森 裴海龙 夏睿灿 广州工程技术职业学院 华南理工大学自动化科学与工程院 摘 要： 为保障室内人员及物品安全, 满足人们日常生活中对室内各个物品准确位置认知的需求, 需要对室内定位系统进行设计;当前方法是利用红外线、超声波或射频识别技术对室内定位系统进行设计, 系统中硬件设备昂贵, 设备安装过程复杂, 导致系统安装对环境要求太高, 不适合应用于规模较大的室内, 存在定位系统设计效率低、速度慢的问题;为此, 提出一种基于超宽带技术的室内定位系统设计方法;该方法首先利用历史室内定位系统设计方法和当前室内定位系统设计需求, 构建室内定位系统硬件, 然后以该硬件为
2、依据, 采用模糊 C 均值法将室内物品特征空间信息数据, 划分为若干个类, 并将这若干个数据类别中数据点最多的类别留下, 最后依据基于类匹配的室内粗定位和利用加权 K 近邻算法的室内精定位, 完成对室内定位系统的设计;实验结果证明, 所提方法可以准确地对室内定位系统进行设计, 减少室内定位时间, 提高定位效率, 为该领域的研究发展提供有力依据。关键词： 超宽带技术; 室内定位; 系统设计; 作者简介：陈伟森 (1973-) , 男, 广东南海人, 硕士, 讲师, 主要从事计算机应用技术、物联网技术方向的研究。收稿日期：2017-02-21基金：广东省科技计划项目 (2013B020200006
3、) Indoor Positioning System Design Based on UWB TechnologyChen Weisen Pei Hailong Xia Ruican Guangzhou Institute of Technology; School of Electrical Engineering South China university of Technology; Abstract： In order to ensure the safety of indoor personnel and goods, and meet the needs of peoples
4、daily life, the indoor positioning system should be designed.The current method is to design the indoor positioning system using ultrasonic or infrared, radio frequency identification technology, system hardware equipment expensive, complex installation process, cause the system installation require
5、ments of the environment is too high, not suitable for large scale indoor positioning system design, the problems of low efficiency and slow speed.This paper presents a design method of indoor positioning system based on UWB technology.This method firstly uses the history of indoor positioning syste
6、m design method and the design requirements of the indoor positioning system, indoor positioning system hardware construction, and then to the hardware on the basis of using fuzzy C means method of indoor items feature space information data, divided into several categories, and a number of data cat
7、egories in the largest category of data points left fine positioning and indoor use, indoor location class matching based on weighted K nearest neighbor algorithm based, complete the design of indoor positioning system.The experimental results show that the proposed method can be used to design the
8、indoor positioning system, reduce the indoor positioning time and improve the positioning efficiency.Keyword： UWB technology; indoor positioning; system design; Received： 2017-02-210 引言随着社会科学和无线通信技术的不断发展, 定位系统在交通、测绘、军事以及人们日常生活等各个方面得广泛的应用1。定位系统不仅可以对人们财物保护起到辅助作用, 还在物品移动或者丢失寻找中存在极其重要的意义2。由于人类主要活动范围是在室内
9、, 因此室内定位系统设计受到社会各界的广泛关注和高度重视3。室内定位系统具有自动性、全天候性和高精度性等特点, 大多数室内定位系统设计方法无法对其进行高精度、全面性的设计, 导致室内定位系统在进行定位时, 经常会出现定位误差大、定位时间长、室内物品丢失情况严重、定位准确率低等问题4。这种情况下, 如何减少室内定位系统设计所用时间, 提高定位精度, 降低定位的误差, 成为当前亟待解决的问题5。而基于超宽带技术的室内定位系统设计方法可以对室内定位系统, 进行全方位、高精度地设计, 是解决上述问题的可靠途径6, 正是因为室内定位系统设计对人们日常生活有着深远意义, 因此成为目前该领域研究学者深度钻研
10、的课题之一, 同时也研究出很多优秀可靠的方法7。文献8提出一种基于 ZigBee 技术的室内定位系统设计方法。该方法首先对目前的室内定位系统进行详细的分析, 并对当前室内定位系统的优缺点进行总结, 然后研究 ZigBee 网络拓扑结构和网络层协议对室内定位系统性能的影响, 最后以上述条件为依据, 提出室内定位系统的总设计方案, 并对该方案进行实验测试, 观察其整体效果。该方法下的室内定位系统运行效果较好, 但是存在耗时较长的问题。文献9提出了一种基于 Android 平台的室内定位系统设计方法。该方法首先利用 Android 系统移动终端对 WiFi 信号的强度进行集成, 然后采用Window
11、s 平台终端对位置指纹产生的数据库进行计算, 依据移动的室内定位客户端与服务端之间的交互完成室内定位, 当使用者有定位需求时, 便向底层的WiFi 模块发出请求, 并将请求发送至服务器终端, 最后服务器终端依据上述请求对室内物品的位置进行定位, 且将定位信息返还至移动终端。该方法在进行室内定位系统设计时思路明确, 但是存在定位准确率低的问题。文献10提出了一种基于 RSSI 的室内定位系统设计方法。该方法首先对室内定位系统设计中的关键技术进行研究, 解析 WiFi 技术理论和 WiFi 室内定位方法, 结合室内定位的影响因素, 对室内定位系统的性能指标进行讨论, 其次依据室内定位的特点, 对利
12、用传播模型的室内定位方法进行研究, 并提出改进的定位系统设计方法, 通过定位系统的实际需求, 设计定位系统构架, 对无线 AP 信号进行提取, 建立接收信号强度的数据库, 并依据该数据库设计室内定位系统, 最后对该室内定位系统设计方法进行实验仿真。该方法下的室内定位系统定位准确率较高, 但是方法操作起来比较复杂。针对上述产生的问题, 提出一种基于超宽带技术的室内定位系统设计方法。仿真实验证明, 所提方法可以准确地对室内定位系统进行设计, 可以应用于大规模的室内定位中。1 基于超宽带技术的室内定位系统设计方法1.1 室内定位系统结构实现室内定位系统的设计, 首先要对其硬件进行设计, 图 1 是室
13、内定位系统结构图。图 1 室内定位系统结构图 下载原图分析图 1 可知, 室内定位系统结构主要由:室内物品信息采集、室内物品特征提取、室内物品聚类以及室内定位四部分组成。由室内定位系统终端控制其他各个组成部分, 为加快室内定位系统的设计速度, 对室内物品的信息进行采集, 并对室内物品进行特征提取, 为提高定位精度, 对室内物品进行聚类操作, 以上述结果为依据, 完成对室内定位系统的设计, 1.2 和 1.3 中所述的室内物品包含室内的人员和物品。1.2 室内物品聚类以 1.1 中各项信息为基础, 利用模糊 C 均值法实现室内物品的聚类。本文聚类分析目标是将室内物品特征空间的一组数据, 按模糊
14、C 均值法划分为若干个类别。假设, 将室内各地 n 个 p 维数据点集合 X=x1, x2, , xn划分为 C 个模糊类:Ai (i=1, 2, , C) , 使 X 中的任意一个分量 XkR 隶属度 Ai (xk) 全都满足下列条件:其中:i 代表室内物品数量, k 代表室内物品信息数据点分量, 则模糊聚类 Ai的聚类中心可表示为:其中:V i代表模糊聚类 Ai的聚类中心, 且 ViR, m 代表一个大于 1 的实数, 实际上, V i代表类 Ai隶属度加权的平均值。模糊 C 均值聚类法使数据点 xk向一个或多个室内物品信息数据聚类中心逼近, 则将下列公式最小化:使得:其中:其中:j 代表
15、室内物品聚类迭代次数, V i为 A (xk) 的函数, 所以 Jm代表 A (xk) 和 Vi的泛函, 泛函 Jm极小化过程是式 (2) 和式 (3) 不断迭代的过程:假设将迭代过程的初始值 Vi代入式 (3) , 利用极小化 Jm获取 Vi (xk) (i=1, 2, , C;k=1, 2, , n) , 将其代入式 (2) , 计算出 Vi之后, 再将其代入式 (3) , 一直重复这个过程, 直至收敛。综上所述, 利用模糊 C 均值聚类法将获取到的室内物品信息数据, 划分为若干个类别, 并将这些类别中的数据点最多的类别留下, 去除其他的类别。以聚类后获得的室内物品信息数据更接近于真实点的
16、坐标为依据, 提高室内定位系统的定位准确率。1.3 室内定位以 1.2 中的聚类结果当作室内定位的基础, 利用类匹配对室内物品进行粗定位, 再利用加权 K 近邻算法和进行精定位, 得出室内物品位置坐标, 实现了室内定位系统的设。具体步骤如下:将在线室内定位在定位系统终端测量的 RSSI 向量定义为:其中: 代表在线室内定位在定位系统终端测量的 RSSI 向量, r 代表在线测量次数, T 代表在线测量的阈值, k, r, k1, 2, , L代表 APk在线测量值。综上利用类匹配对室内物品进行粗定位, 室内定位终端设备从服务器下载室内信息数据聚类中心测量值集合 H= j/ jH, 对在线测量值 r以及每个室内物品信息数据聚类中心的相似度进行计算, 从而确定该测量值所属类别。聚类中心来自于矩阵 C, 假设室内物品位于聚类边缘位置, 如果只选取相似度最大的类别, 有可能致使类别匹配失败。针对这种情况, 室内粗定位恰好能够保留相似度比较大的若干聚
