文摘
由于易于开发和inexpensiveness,室内定位系统受到很大关注,但最近的发展背景和位置感知技术、室内跟踪和本地化的解决方案变得更加重要。测距方法定位系统中发挥基础作用,其中基于接收信号强度指示(RSSI)——测距技术得到最多的景点。预测未知节点的位置,RSSI测量是一个简单和可靠的距离估计方法。在室内环境中,RSSI-based定位方法的准确性受到强大的变异,特别是经常包含大量的金属等反光材料,在重要的方面影响射频信号的传播,导致了多路径效应,盲点,噪音和干扰。本文提出了一种基于自适应平滑的位置和室内定位跟踪算法通过融合RSSI和链接质量指标(LQI),尤其适合支持上下文清楚计算。实验结果表明,该数学方法可以减少平均误差在25%左右,它总是比其他现有干扰避免算法。
1。介绍
由于在部署、inexpensiveness和潜在的应用在智能建筑中,安全,和医疗保健,室内定位系统近几年得到重大的关注。移动定位变得越来越有趣的系统尤其是上下文感知应用程序和紧急服务,以特别的方式工作。全球定位系统(GPS)定位和跟踪的主流技术的户外环境,室内环境中的定位不允许与GPS定位(或只有质量差)。它通常要求直接查看几个卫星,导致有限的室内环境的性能。GPS信号在一个室内环境太微弱,提供足够的精度。non-GPS-based解决方案的发展因此极大的兴趣对于室内使用基于现有信号和硬件,以及新系统和传感器模式。
许多商业系统和研究原型开发不同的定位方法。这种方法通常使用红外(IR) [1],超声波[2- - - - - -4),或射频(RF)系统(5- - - - - -7]。不同的传感器提供不同范围的准确性从厘米到房间的水平。好像精度小于一个房间。但在实践中,当我们直接变换(x,y)坐标空间水平信息,它常常会导致错误。原因是无线信号很容易受到干扰,使定位异常在一瞬间跳或短,和这种情况下可能影响评估从一个房间到另一个位置。红外系统已广泛用于containment-based位置系统(1]。红外传感器的响应速度允许大量的数据传输。
尽管本地化技术使用超声波一直积极研究,因为超声波具有许多优点,如低成本和相对轻松的应用;但是,超声波仍视为low-guaranteed传感器,因为它太敏感用于精确定位。RF-based定位系统可能是最受欢迎的室内跟踪。但有大量的时间,定位精度可能遭受的背景噪音(8]。原因是最近的调查实验研究[9),这表明,各种室内衰落效应是造成定位误差的主要原因(10]。衰落效应可分为缓慢衰减,衰减快。慢衰减效应是由环境造成的,如收音机块或阴影衰落。快衰落是临时或随机效应,如干扰、随机噪声和多路径效应。他们一起工作使得RSSI值难以预测的距离,因此引入大的定位误差。当前定位系统使用不同的方法来提高定位精度。
这些算法主要分为基于两个联署和灯塔。大多数室内定位系统采用RSSI-signature-based方法利用RSSI的暂时稳定的无线信号。,在每一个已知的位置,RSSIs收集从一组预部署信标形式的RSSI信号对应的位置。当一个目标携带一个接收标签进入空间,收集到的RSSI值标签上比较RSSI签名。目标是确定的位置通过相应的位置最接近的RSSI签名。解决RSSI的时空变化特征,确保强劲的RSSI测量值之间的映射方法,预先录制的RSSI签名研究了近年来密集(11]。雷达是第一个射频信号strength-based定位系统用于追踪人们建筑物内(6]。指纹识别方法的主要缺点包括需要密集培训覆盖率和可怜的外推法在训练区域。
与指纹、基于模型的定位技术表达使用基于物理的“路径损耗射频信号衰减模型(12,13]。从观察到的RSSI,这些方法满足的人从多个接入点根据距离计算。然而,由于多路径position-RSSI关系是高度复杂的,金属反射和干扰噪声。因此,RSSI传播可能不会充分捕捉到一个固定不变的模式。
本文提出的协议提高了现有算法利用RSSI和LQI值。RSSI和LQI13)是两个参数beacon-based发挥关键作用的传感器节点的定位。通常RSSI的dBm,十倍的比值的对数功率()在接收端和参考功率()。权力在接收端的平方距离成反比。
因此,RSSI的可能作为指标的距离发送mote位于从接收尘埃。当数据从许多这样的邻国微粒结合,发送微粒的位置可以判断合理的准确性。定位系统提出了基于RSSI的强度指标和LQI收到的包的质量指标,它还可以用来估计节点距离参考点。LQI被用作RSSI的助理指标指标。拟议中的协议提供了一个过滤过程对象的基于其距离。
LQI展品与丢包很好的相关性,因此一个好的链接质量指标。然而,当前工作的贡献之一是显示RSSI是一个合理的指标如果是正确处理,如果可以区别于噪声干扰。鉴于LQI是更好的指标,人们不应忘记只有提供802.15.4的设备。因此可以充分利用RSSI。低和高射频LQI和RSSI描述了表1。
在我们的论文,我们使用一个自适应滤波器,因为它表现良好跟踪一个物体在这种改变射频信号环境的条件。本文提出的协议试图改善现有的算法(5,13),利用RSSI和LQI值。这份报告提出的室内定位系统是基于RSSI的强度指标和LQI收到包的质量指标。它也可以用来估计距离从一个节点到参考点。该系统以不同的方式使用LQI和RSSI和因此可能导致更好、更可预测的结果比其他现有的系统。几个实验调查方案的性能。首先,该系统执行对信号分析理解的特点LQI和RSSI值对三种类型的环境来决定如何环境对RSSI和LQI强度的影响。距离对接收信号强度的影响(RSS)可以测量RSSI和LQI提供的收音机。其次,这个计划执行对过滤器原始信号的信号分析,从而消除噪音。此外,噪声可以通过使用自适应滤波算法估计。突然的山峰和信号强度的差异和整个信号平滑,简化了分析过程。 We propose three different types of new filtering to smooth the real RSSI, that is, “LQI” filtering, fusion filtering, and “BOTH” filtering, and compare the results.
本文的其余部分由六部分组成。部分2描述RSSI的一些性质的简要说明,LQI,两个简单的过滤器可用于平滑RSSI值。此外,它也解释了该定位算法。部分3揭示了实验测试平台。“融合方法的系统实现的RSSI和LQI室内定位系统使用自适应平滑”及其返回正确的位置的概率解释部分4。部分5比较了实验性能。和部分6总结了部分结论。
2。系统配置
本节简要解释对RSSI LQI,和两个常见的过滤器,这是简单平均和反馈过滤器,然后将专注于如何有效协议已经实现,被认为和实现问题。测量无线电力量,两个有用的无线电硬件链接质量量度被用在这个实验中,也就是说,(我)LQI和RSSI (ii)。具体来说,RSSI信号功率的估计和计算/ 8时期象征,虽然LQI可以被视为芯片错误率和计算/ 8符号后开始帧定界符(陕西林业局)。系统中的特定点位置估计计算是一个重要的设计参数。在这个方案中,移动设备本身计算位置。该设备基于自己的测量计算自己的位置。
2.1。接收信号强度指示(RSSI)
大多数现有的方法利用IEEE 802.11基站的存在与强大的无线电传输大约100的力量?mW /基站。这种收音机是在一个不同的类的低功率IEEE 802.15.4的收音机,通常以低功率传输从52吗?29 mW ?兆瓦。内部大量的IEEE 802.15.4无线电提供服务的广泛可用性已经恢复了对信号strength-based在传感器网络定位。尽管内部迅速越来越受欢迎的IEEE 802.15.4收音机和提供服务的信号强度定位,缺乏详细的描述大信号强度变化的基本因素。RSSI值的分析需要理解底层特征的依赖所在RSSI模式和位置指纹。了解RSSI值位置的属性可以帮助提高定位算法的设计和部署的室内定位系统。RSS的特点与距离的增加将减少如下方程显示: 在那里,:信号传播常数,也叫传播指数;:发送方的距离;:接收信号强度在一米的距离。
大量的定位算法需要距离来估计未知设备的位置。一种可能获得距离测量的RSS传入的无线电信号。RSS背后的想法是,配置传动功率的传输设备(PTX)直接影响到接收装置接收光强的(插件可以)。根据弗瑞的自由空间传输方程,发现信号强度与距离平方降低发送方(图1(一)): ,PTX:传输发送方的力量,插件可以:剩余波在接收方的力量,GTX公司:获得的发射机,GRX:接收机的增益,:波长,:发送方和接收方之间的距离。
(一)
(b)
在嵌入式设备中,RSS是转换为RSSI被定义为接收功率的比例参考功率()。一般情况下,参考权力代表的绝对价值mW。
日益崛起的RSSI接收功率的结果。图1 (b)说明了RSSI和接收到的信号功率之间的关系。策划RSSI和距离”“结果图,横坐标是原则上轴线对称的。因此,距离””是间接RSSI成正比。在实际场景中,理想的插件可以分配是不适用的,因为传播无线电信号的干扰很大的影响作用。
2.2。链路质量指标(LQI)
内部通讯IEEE 802.15.4收音机提供应用程序提供服务的信息输入信号(14]。可以测量的影响距离对RSS的包成功率,RSSI和LQI提供的收音机。LQI内部是一个度量中引入IEEE 802.15.4测量提供服务成功收到数据包的传入调制误差(数据包通过CRC的标准)。LQI度量特征的强度和质量收到的数据包。它内部介绍了802.15.4标准提供服务15),是由CC2430 [14]。LQI措施每个成功收到数据包和生成的整数范围来(0 - 255),表明最低和最高质量信号被接收方(在-100年?dBm和0 ? dBm)。LQI从50到110的相关价值50表示的最小值,代表了最大。50 CC2430帧检测的质量通常是最低的。软件必须将相关价值范围0 - 255,例如,通过计算 ,CORR:相关值和和经验。
CORR(相关值)是原始LQI值可从最后一个字节的消息。原始值可以得到CC2430 (CORR)在40岁到110岁之间。限制在范围0 - 255。””和““发现经验是基于测量的函数相关的值。RSSI和关联值的组合也可以用于生成LQI值。LQI值均匀分布在这两个限制。不同形式RSSI LQI措施链接的品质而RSSI措施的优势链接。LQI是测量错误的信号,信号的强度。“软弱”信号可能仍然是一个非常清晰的信号没有错误,这样一个潜在的好路由的邻居。如果没有其他干扰2.4 ?GHz设备,然后在距离LQI通常会很好。注意扩展链接质量LQI,内部符合IEEE 802.15.4,提供服务必须由软件完成。可以基于RSSI值,关联值,或两者的组合。 Signal strength and link quality values are not necessarily linked. But if the LQI is low, it is more likely that the RSSI will be low as well. Nevertheless, they also depend on the emitting power. Even though they do not describe how far from each other the sender and the receiver are located, it illustrates perfectly that both low and high power emissions guarantee a good link quality. The low RF emissions could be more sensitive to external disturbances. LQI exhibits a very good correlation with packet loss and is therefore a good link quality indicator. However, one of the contributions of the present work is to show that RSSI is a reasonable metric if it is processed correctly, and if interference can be distinguished from noise. Given that LQI is a superior metric, it should not be forgotten that it is only made available by 802.15.4-compliant devices. It therefore makes sense to make the most out of RSSI.
各种过滤器可用于平滑RSSI值(7,8,16,17]。两个常见的过滤器是简单平均和反馈过滤器。平均是最基本的滤波器类型,但它需要更多的数据包被发送。反馈过滤器使用只有一小部分最近的RSSI值为每个计算。这需要更少的数据,但增加了延迟在计算一个新职位。
2.2.1。平均滤波器
平均RSSI值就是计算几包从每个引用节点要求,每次RSSI值测量和计算根据以下方程:
2.2.2。反馈滤波器
如果使用一个过滤器近似,可以如下所示。这个方程的变量通常是0.75或以上。这种方法可以确保一个大型RSSI值上的差异将平滑。因此,它是不可取的,如果资产应该跟踪可以移动很长的距离之间的计算: 这意味着平均RSSI值对应于信号强度在距离取决于以前的平均价值和最近的测量值。的价值””,这应该是在0和1之间,决定了过滤的程度如果”“选择接近;新测量几乎在计算过程中发挥作用的平均水平。如果另一方面的价值””几乎是零,几乎没有进行过滤。最优滤波器,即价值””,专门为这个项目将在这一节中。在本文中,我们将提出三个过滤过程。首先,我们使用一个LQI滤波器来平滑RSSI值。在我们的第二个过滤过程中,我们提出了一个融合滤波器的融合RSSI和LQI我们决定使用LQI作为参考援助当RSSI或LQI RSSI和LQI阈值以下。最后,我们提出了一个过滤器,它也是一个融合RSSI和LQI决定使用LQI RSSI时作为参考援助或LQI低于RSSI LQI阈值。
2.3。定位算法
这个方案决定使用一个私有的、可伸缩的系统。它提供一个活跃的基站传输RSSI和LQI信号。移动设备接收信号,但它们不传输任何自己。基站传输RSSI和LQI信号在相同的时刻。移动设备测量信号,能够计算出距离发射机。通过这个方案用户的位置隐私,携带移动设备,可以很容易地保证,因为移动设备不发出任何信号,可能披露其存在或它的位置。进一步此体系结构的优点是可伸缩性许多移动设备。随着移动设备不发送任何信号,可以有无限的移动设备原则上。由于其隐私和可伸缩性,这种架构可能是特别适合大型专业定位系统或系统在公共场所。每个移动设备计算自己的位置,根据接收到的信号。
正如我们所知,环境改变日志模式也在改变,所以该系统使用一个比例因子调整日志模型与测量数据。这个系统包括一个比例因子”“基本RSSI日志模型方程,调整日志模型基于接收信号:
获得最佳性能的过滤数据,该方案使用一式三份过滤过程平滑RSSI收到数据。我们做这个实验,确定过滤的价值因素”“现有的反馈滤波方程和应用价值。过滤接收到的射频信号,首先我们应用LQI基于接收到的数据包过滤质量。为我们的第二个实验中我们使用了一个融合LQI和RSSI值根据过滤条件顺利RSSI测量。ivb节中有详细的解释。两个过滤器是我们最后的实验,我们筛选收到RSSI值LQI和RSSI值。IV-C部分给出了一个详细的解释关于这个过滤过程。
我们应用LQI过滤通过以下方程:
其次,我们提出了一种融合RSSI和LQI值滤波,平滑的RSSI测量:
最后我们提出了两种过滤的RSSI和LQI值,平滑RSSI测量。然后我们比较的结果值这三个过滤器。然而,我们使用了下列方程平滑滤波器的RSSI测量:
3所示。实验测试平台
自适应滤波器包含一组可调参数。在设计问题的要求是找到最优的一组滤波器参数根据一些标准知识相关的信号特征。这个数学系统结合了附近定位系统的一般原则与无线电信号强度行为的分析。该系统以不同的方式使用LQI和RSSI和因此可能导致更好、更可预测的结果比其他现有的系统。几个实验进行了调查方案的性能。
实现我们提出的协议我们决定使用10 ?米的室内环境为我们的实验测试平台。我们实现了我们的实验在三种环境中。这个系统执行的第一步对信号分析理解的特点LQI和RSSI值三种类型的环境。可以测量距离的影响在RSS RSSI和LQI提供的收音机。方程(1)描述了基本模型公式RSSI RSS与距离的增加减少,但这个方案决定使用一个比例因子”“在基本日志模型方程来调整日志模型与测量RSSI值。所以,找到精确的对数模型的特定环境,我们使用一个比例因子”“在(7)。后的实验进行三种类型的环境,也就是说,数字2,3,4决定环境RSSI和LQI强度的影响。第一个实验是进行近距离空间室内环境(图1)。第二个实验是部署在半开的空间室内环境,几米的走廊被打开(图2(图)和第三个实验3)在开放空间进行室内环境的变化决定射频和LQI从其他两个实验。
确定准确的距离,距离方程已经使用如下: 测量和信号衰减因子以下方程被使用:
图5代表了测量RSSI和LQI值。这些数字也代表日志模型曲线调整如何测量在半开的RSSI值空间室内环境。
数据8和9代表的平均距离误差根据RSSI和三台LQI值。图8表明,在8米LQI值是100。从我们的实验中我们发现,当LQI = 100,它有20%的可靠性。然而,图9表明,在8米RSSI值为-77,从我们的实验我们发现它有10%的可靠性。因此,我们得出结论,在长途比RSSI LQI可靠性。根据这一发现,我们决定使用LQI RSSI过滤因素作为一个援助,我们接下来要讨论。
发现LQI值时为最佳性能在108年大约2米距离,这表明它有80%的可靠性(图8)。结果表明,值为100时,它提供了8米的最低性能。作为我们的测量试验台是10米,我们决定确定的价值低于10米。所以,我们决定LQI可靠性从100年到108年,可靠性变化从20%降至80%,这意味着LQI过滤因素”“0.8到0.2之间变化LQI过滤。我们还确定,如果““价值低于101就应该可以忽略不计。以下方程被用于LQI过滤:
此外,RSSI给最佳性能时它的值在0是-15米的距离,我们确定它有100%的可靠性(图9)。它也见过,当它的价值是-75把最低的性能在大约5米,这意味着50%的可靠性。所以我们决定RSSI的可靠性在-15年到-75年之间,在可靠性从50%到100%不等。这系统决定利用RSSI过滤因子根据RSSI值约为0.5。我们还确定,如果RSSI值低于-75 RSSI可靠性将是10%,这可能是被忽略了。然而,下面的方程用于RSSI过滤:
该系统实现TinyOS 2。x和the ZigBee device (Hybus, Hmote 2430), which were designed to operate in environments where they are approximately coplanar, therefore constrained in 3 of their 6 degrees of freedom (pitch, roll, andz设在)。硬件已经开发成一个研究平台。本节将描述这些设备。系统的性能进行了分析,使用MATLAB的实现和仿真。
4所示。系统实现
该方案执行对原始信号的信号分析过滤来去除噪声。通过平滑,突如其来的山峰和信号强度的差异和整个信号平滑,简化了分析过程。
4.1。LQI过滤器
LQI是一个指标,提供的收音机。它传入调制措施错误的成功收到的数据包。LQI展品的质量指标收到数据包,有助于估计节点之间的距离。平滑的RSSI值来衡量我们使用LQI过滤器只基于LQI值。这个过滤条件如下:如果LQI值小于100那么过滤因子将0否则RSSI测量信号将由LQI平滑滤波器:
应用过滤器后,程序分析的行为在距离过滤信号的优点。数据10,11,12提供结果。数据10,11,12显示LQI滤波器的分析结果为3个不同的路径。分析滤波器的结果,我们测量了日志模型使用比例因子调整日志模型与测量数据。这些数据(数据10,11,12)显示过滤后的RSSI值和原始的RSSI值之间的差异以及如何提出了比例因子有助于调整日志模型基于三种不同的路径。LQI过滤提供了最佳的性能在封闭的室内环境。
4.2。融合滤波器
在第二个实验我们做一个融合RSSI和LQI光滑RSSI测量值。这种融合滤波我们使用LQI滤波的突然的山峰和阴影的信号。在这种融合滤波器我们决定测量的区别现在RSSI值和先前的RSSI值。如果现在和以前的RSSI值的差异小于RSSI阈值或如果LQI值小于LQI阈值的信号将被RSSI过滤器过滤,否则它将使用LQI过滤器。确定LQI阈值定义我们使用LQI阈值105。但对于确定RSSI阈值我们做了三种实验。首先我们决定使用最小的峰值(SPV)作为RSSI阈值。其次,我们平均最小和最大RSSI值(AMM)。最后我们平均每个距离差异的RSSI值(添加),我们认为,通过使用添加(平均距离差异)值作为RSSI阈值,过滤比其他两个值:发生更平稳
数据13,14,15显示结果为3路径通过融合滤波器。数据13,14,15显示出三种类型的RSSI measurement-raw RSSI, RSSI过滤RSSI和融合过滤RSSI值。图13后显示的距离7.5 ?米完全室内环境融合滤波器平滑的原始RSSI比RSSI过滤器。在半室内环境的距离3 ?到7.3 ?m融合滤波器的性能优于现有的RSSI过滤器。在连通空间室内环境融合滤波器提供了更好的性能从0 ?到5.8 ?m(图15)。
应用过滤器后,程序分析的行为在距离过滤信号的优点。
4.3。这两个过滤器
我们最后提出了既过滤器过滤方案。这个过滤过程中,我们使用相同的条件融合滤波器,但改变了过滤方法。在这个实验中,如果存在的差异RSSI和先前的RSSI值小于RSSI阈值或如果LQI值小于LQI阈值然后首先测量RSSI信号将由LQI过滤器过滤。其次,我们使用了RSSI滤波器来平滑过滤RSSI利用RSSI过滤器。下面的算法被用来过滤RSSI和LQI值:
应用过滤器后,程序分析的行为在距离过滤信号的优点。这些数据显示的距离误差测量RSSI滤波器和融合滤波器的三种不同的环境。图16显示两个滤波平滑突然高峰和阴影信号4 ?m 10 ?米那么LQI过滤器和现有RSSI过滤器。在图17也都过滤了更好的性能从1米到7.3吗?米比LQI过滤和RSSI过滤器。从图18我们可以再次看到,过滤器执行比LQI和RSSI过滤器在整个测量距离。
在此基础上分析,本系统决定LQI值执行比RSSI值在距离一个完全室内环境。但在另两个环境,RSSI值执行比LQI值。最佳性能发生当RSSI值滤波的平滑。数据16- - - - - -18提供结果。所以,从上面的分析,我们可以确定两个过滤器执行比现有的RSSI过滤器(18),融合滤波器(13),我们建议LQI过滤器。
5。实验性能
从上面的结果,我们可以说,该滤波算法能减少更多的平均误差和最大误差距离比其他现有的算法(8,13,18,19]。距离的平均减少误差推导出利用提出两个过滤平均误差和最大误差56%和68%,分别比现有的RSSI过滤(18和融合滤波13]。因此,我们的方法可以执行超过其他现有的算法。
表2显示了我们的实验结果提出了滤波算法。从自适应调整我们发现,这一过程可以减少大量的错误没有被测信号进行过滤。因此,我们可以得出结论,我们的新增强技术给出了一个比其他现有技术显著提高性能。
6。结论
技术发展越来越快;互联网使人们联系的扩张。有许多形式的网络连接,也就是说,有线连接,无线网络,构建网络,特设网络,等等。生活将完全不同,没有任何形式的这样的交流。当然安全将成为一个伟大的关注在这种有益的技术。安全措施提供机密性和完整性等的设计已经考虑到技术。探讨使用射频系统室内国内应用程序位置。基于假设,低成本和最小基础设施对于消费者是很重要的;射频集成室内定位系统的概念所提供的位置使用RSSI和LQI ZigBee模块介绍。
本文解决的问题跟踪对象,并讨论如何克服现有方法计算距离的问题在室内环境。本文提出了一种新的数学方法减少错误的位置识别由于轨道传感器网络中的干扰。拟议中的数学方法计算的距离使用LQI和RSSI预测基于先前的测量值。计算距离纠正错误引起的干扰。实验结果表明,该数学方法可以减少平均误差在25%左右,它总是比其他现有干扰避免算法。这种技术被发现在工作实例建模在现实世界中使用,从而最小化误差的影响,希望本文的研究成果将有助于设计和实现的对象跟踪系统在室内环境。
承认
本文得到了基础科学研究项目通过韩国国家研究基金会(NRF)由教育部、科技部(2010 - 0024532)。