[发明专利]一种无线传感终端的定位方法和装置

说明书

技术领域

本发明涉及无线传感通信技术领域，更具体地说，涉及一种无线传感终端的定位方法和装置。

背景技术

无线传感网络作为一种物联网产业中全新的信息获取和处理方式，以其构架简单和拓展性强等优点，在工农业、医疗和市政监控领域得到推广和应用。所述无线传感网络通过在监测区域部署大量无线传感器节点，实时采集并监测网路覆盖区域的监测对象信息，通过无线信道传送至通信基站进行分析处理。

无线终端定位技术作为无线传感器网络技术中的关键技术之一，负责提供无线终端节点的位置信息，使通信基站能够及时有效地定位数据位置来源，且可提供网络拓扑信息，从而提高路由效率，实现网络结构的优化配置。现有的无线终端定位技术比较常用的接收信号的强度指示RSSI，其根据接收信号强度，使用无线传输理论或者经验模型转换为距离进而定位。而由于无线信号对于复杂环境的适应能力较弱，尤其当移动终端小型化后，天线朝向对信号接收强度影响将进一步加大并恶化最终的定位结果。为改善上述状况而使用附加硬件如角度测量AOA或时间差分TDOA进行辅助运行，终端的复杂性不但增加了终端的计算复杂性，且增加了硬件成本。

发明内容

有鉴于此，本发明提供一种无线传感终端的定位方法和装置，以实现减小环境因素及天线朝向对小型化终端定位的影响，并达到降低硬件成本及计算简洁的效果。

一种无线传感终端的定位方法，包括：

通过贝叶斯模型估计算法将全部节点获取的接收信号强度指示RSSI通过离线训练建模后，映射至概率加权距离D，所述贝叶斯模型估计算法基于无线信号能量衰减原理；

利用最大似然估计法结合所述概率加权距离D确定静态节点位置，并利用卡尔曼滤波方法将得到的静态节点位置的坐标与速度建立四维滤波模型确定移动节点位置。

上述实施方式是将天线的朝向对于无线信号的影响从统计学角度进行建模，通过使用贝叶斯概率统计模型估计目标距离及最大似然估计法得到目标位置。利用静态节点结合卡尔曼滤波模型确定移动节点位置，从静态和动态两个方面对各类型节点准确定位，相对于经典方法对信号强度进行确定性建模的方法更具鲁棒性，从而实现了减少小型终端天线角度及环境等对于定位结果影响，以及降低特殊传感器的硬件成本的目的。

优选地，所述方法还包括将得到的静态节点位置返回贝叶斯推断模型进行迭代更新，及将得到的移动节点位置返回所述卡尔曼模型中进行在线学习。

通过在线学习模型可更新所述贝叶斯推断模型，使静态节点得到所在环境下的信号能量传输模型；以及，通过卡尔曼滤波模型的迭代，可更好地完成运动节点的目标轨迹的滤波跟踪。

优选地，所述通过贝叶斯模型估计算法将全部节点获取的接收信号强度指示RSSI通过离线训练建模后，映射至概率加权距离D具体为：建立混合高斯模型GMM初步测距后获得基于此接收信号强度下概率加权距离D。

上述混合高斯模型是将接收概率与及节点间距建模为概率分布，且所述混合高斯模型对映射关系进行多模态建模，考虑由于信号入射角度不同带来差异，可以对目标映射关系进行准确定位，且并不局限于上述列举形式。

优选地，利用最大似然估计法结合所述概率加权距离D确定静态节点位置具体为：将所述概率加权距离D在其概率权重下加入最小化误差代价函数得到最大似然估计定位结果。

本实施方式中的最大似然定位算法是目前无线传感网络中非基于拓扑结构中定位准确度较高的算法，而通过寻找测距距离与估算距离之间差异最小的点进行后续目标定位。

优选地，所述方法还包括初始化节点功率信息并对各节点进行线性时域滤波处理。

为了减少无线传感终端在实际使用过程中，接收信号强度RSSI受到环境以及目标移动等影响，需要再进行数据分析前对信号进行滤波处理，且并不局限于上述列举形式。

一种无线传感终端的定位装置，包括：

贝叶斯模型测距模块，用于通过贝叶斯模型估计算法将全部节点获取的接收信号强度指示通过离线训练建模后，映射至概率加权距离D，所述贝叶斯模型估计算法基于无线信号能量衰减原理；

节点定位模块，用于利用最大似然估计法并结合所述概率加权距离D确定静态节点位置；并利用卡尔曼滤波方法将得到的静态节点位置的位置坐标与速度建立四维滤波模型确定移动节点位置。

优选地，所述装置还包括：初始化处理模块，用于初始化节点功率信息并对各节点进行线性时域滤波处理。