基于RSSI值的室内定位系统的比较研究

基于RSSI值的室内定位系统的比较研究0 引 言无线射频识别（RFID） 技术因传播方式非接触、传播过程非视距、硬件成本低廉、定位目标准确而在室内定位中广泛应用 【1】。由于测量技术不同，室内定位的方法分为接收信号强度方法（RSSI） ;【2】、到达角度方法（AOA）;、到达时间方法（TOA）;与到达时间差方法（TDOA） ;【3】。基于时间、相位等信息的定位方法复杂，需要添加额外的硬件设施，因此设备研发、制作成本高。在室内环境中，由于室内环境的特殊性及大规模应用、部署的需要，室内定位终端需要满足价格低廉、安装方便、易于携带等要求，而基于RSSI的室内定位设备就能满足这些条件。基于RSSI的室内定位系统主要包括RADAR室内定位系统【4】、LANDMARC室内定位系统【5】以及LANDMARC的改进系统VIRE室内定位系统【6】。文中将对LANDMARC和VIRE系统做深入的比较研究【7】。1 RSSI方法及其应用系统RSSI法是一种将测得的信号强度采用经验模型模拟信号路径耗损，计算目标距离，利用定位算法得到目标坐标的定位方法。这里所需的信号衰减经验模型可由实验得到或通过理论推导。实验证明，RSSI法能在一定程度上抵消多径效应的影响，更适合于室内环境。目前不少RFID系统都运用RSSI方法。但无线电在室内传播时有很多干扰因素，如衰减、绕射等。这些因素都影响 RSSI方法的定位精度。RSSI损耗模型公式如下所示：其中，P （d）是经过距离d后的路径损耗，单位为 dB；d0为d=1 m时的参考距离；n为路径长度和路径损耗之间的比例因子，依赖于障碍物的结构和使用的材料，其范围为25；Xσ是平均值为0的高斯分布随机变数，其标准差范围为410。LANDMARC室内定位系统以及LANDMARC的改进系统VIRE室内定位系统为其典型应用。1.1 LANDMARC定位系统LANDMARC系统采用最近邻距离 （kNN）;方法，在定位区间设定坐标已知的参考标签。参考标签与待定位标签的欧氏距离计算公式如下所示：式中，n为阅读器的个数，ρik是第i个阅读器所读取的第k个参考标签的信号强度，φi是该阅读器读取的待定位标签的信号强度，Ek表示未知标签与参考标签k的欧氏距离;。待定位标签的坐标可由下式推算出来：式中，（x，y）为待测标签的坐标；（xi，yi）为第i个参考标签的坐标； ωi为对应的第i个参考标签的权重，其计算公式为：不难看出，E值最小的参考标签权重最大。LANDMARC系统成本廉价，能更好地适应变化的环境，获得的位置信息更加准确可靠，但计算时间较长，系统实时性较差。1.2 VIRE定位系统VIRE定位系统的核心思想是在LANDMARC算法的基础上将每4个参考标签看作一个大的单元格，然后将这个大单元格细分为nxn个小单元格，在小单元格处加入虚拟参考标签。其中，Sk（Ti，j）表示第k个阅读器读到的在（i，j）坐标位置上的虚拟标签的信号强度值。a=，b=，0≤p=i% n≤n-1，0≤q =j%n≤n-1。在VIRE定位系统中，由于添加了大量的虚拟参考标签，因此虚拟参考标签的多少也对定位结果造成了一定影响，考虑到这些因素，系统定义了一个影响因子W2i，用其表示虚拟参考标签疏密度造成的影响。假设每个最近邻居由信号强度值确定的权重为W1i，那么其计算公式为：2 LANDMARC系统与VIRE系统的定位分析比较2.1 LANDMARC定位系统的分析根据LANDMARC系统定位的原理可知，LANDMARC系统精度的高低与参考标签的数量有着很大的关系。当参考标签数目过少时，待测标签搜索不到足够的优质参考标签，从而加大了环境噪声的影响因子。因此，提高参考标签的数量似乎成为了提高LANDMARC系统定位精度的唯一方法，事实情况是否真的如此呢？文中就这个问题进行了Matlab仿真比较和分析，LANDMARC系统中阅读器、参考标签和待测标签的分布如图2所示，不同数量的参考标签的定位精度（路径损耗指数为2.5）绝大部分待测标签的定位精度都跟参考标签的数量有关，参考标签越多，精度越高，误差就越小。但也存在几个特例，尤其是待测标签5，参考标签越多，其精度越低，误差越大。从图2可以看出，待测标签5处于参考标签和阅读器区域的边缘地带，没有被阅读器和参考标签很好的覆盖，所以该点定位误差相对其它待测标签要大。因此LANDMARC系统定位精度的高低除了与参考标签的数量有关，还与待测标签本身所处的位置有关，即是否被优质参考标签和阅读器所覆盖。此外，显示出绝大多数情况下参考标签越多，定位精度越高，那么是否参考标签越多定位精度就越高呢，最邻近参考标签数量相差较大情况下的定位误差如图4所示。参考标签数量为14的定位精度多数情况下都要比数量为6或10的精度低，并且误差比数量为6或10的误差要大很多，特别是待测标签5、14、17和20等，参考标签数14的定位误差要比数量6的定位误差大很多。由此可以看出，参考标签数为14的平均误差要比参考标准数为6或10的平均误差大。由此证明并非参考标签的数量越多，定位精度就越高，参考标签的数量要适量才能提高定位精度。2.2 VIRE定位系统的分析VIRE室内定位系统是LANDMARC系统的改进方案。在VIRE系统中，引入了虚拟标签的概念，不仅大大提升了系统的定位精度，还提高了系统对环境的适应能力。但根据VIRE系统原理，VIRE系统在算法中要为最近邻居的选取设定一个阈值，由于室内环境中信号传播的复杂性，设置统一的阈值是不可行的。如果阈值设定过高，会导致一些相关性不大的最近邻居被引入；而当阈值过小时，一些相关性较好的最近邻居会被忽略。就几组不同阈值的定位精度进行分析比较（路径损耗指数为2.5，与LANDMARC系统相同）。参考标签和待测标签的分布如图2所示，不同阈值的定位精度情况如图5所示。不同的阈值定位误差相差巨大，待测标签18在0.5阈值时几乎没有误差，但在8阈值时误差却超过了2.5 m，无法正常定位。从总体误差上看，阈值过大或过小都会造成不能正常定位的情况。在本次仿真中，阈值在24之间效果最好，所以阈值在实际环境中的选取非常重要。2.3 VIRE系统与LANDMARC系统的比较分析从前面定位误差的数据可以看出，VIRE系统的定位精度比LANDMARC系统的定位精度高，可通过几组仿真数据进行比较。参考标签和待测标签的分布如图2所示，VIRE系统（路径损耗指数与阈值都为2.5）与LANDMARC系统（路径损耗指数为2.5）的定位误差情况如图6所示。从图6可以看出，VIRE系统在绝大多数情况下定位误差要比LANDMARC系统的定位误差小，特别是待测标签13的定位误差，VIRE系统的误差不到LANDMARC系统的十分之一。为了能更清晰的比较这个系统的定位精度，表1详细列出了这两个系统每个待测标签的误差值。根据表1中的误差值可计算出LANDMARC系统的平均误差值为0.989 m，VIRE系统平均误差值为0.347 m。从平均误差值的比较中可以看出，LANDMARC系统的定位误差约为VIRE系统定位误差的三倍，因此可以得出VIRE系统的定位精度比LANDMARC系统的定位精度平均要高三倍的结论。3 结 语本文就两种常见的基于RSSI值的室内定位系统LAND MARC系统与VIRE系统从理论上进行了较详细的描述，并（下转第页）（上接第页）对其特点进行分析和仿真，通过理论分析和仿真数据的比较，充分说明了这两种定位系统的优缺点，为以后更深入的研究基于RSSI值的室内定位系统打下基础。参考文献【1】刘君.室内定位系统研究.合肥： 安徽大学，2011.【2】 Ali Montaser，Osama Moselhi.RFID indoor location identification for construction projects.Automation in Construction，2014，39：167-179.【3】 Yu Huagang，Huang Gaoming，Gao Jun，et al.Approximate Maximum Likelihood Algorithm for Moving Source Localization Using TDOA and FDOA Measurements.Chinese Journal of Aeronautics，2012，25（4） ： 593-597.【4】 Bahl P，Padmanabhan V N.RADAR： An in-building RF-based user location and tracking system.INFOCOM 2000. Nineteenth Annual Joint Conference of the IEEE Computer and Communications Societies. Proceedings. IEEE.Ieee， 2000（2）： 775-784.【5】 L.M. Ni，Y. Liu，Y.C. Lau，et al.LANDMARC： Indoor Location Sensing Using Active RFID .Wireless Networks - Special issue： Pervasive computing and communications， 2004，10（6）：701 -710.【6】 Zhao Yiyang，Liu Yunhao.Active RFID-based Localization Using Virtual Reference Elimination.The 2007 International Conference on Parallel Proeessing（ICPC 2007）.2007：56-56.【7】韩付伟.基于RFID的室内定位系统的研究.荆州： 长江大学，2013. Xiuyan Zhu， Yuan Feng. RSSI-based Algorithm for Indoor Localization.Communications and Network，2013， 5（2B）： 37-42. Wu Ling，Huang Liya.Improvement of location methods based on RFID.The Journal of China Universities of Posts and Telecommunications，2013，20（6） ： 36-41.李丽娜，马俊，徐攀峰，等.RFID室内定位技术研究综述.计算机应用与软件，2015，32（9）： 1-3，96.出处：物联网技术