[发明专利]一种基于隐含马尔可夫模型的WSN室内定位方法

摘要

本发明公开了一种基于隐含马尔可夫模型的WSN室内定位方法，该方法借助室内现有部署的WSN，在不改变网络拓扑结构和系统功能的基础上，系统增加室内定位组件程序，对室内定位移动节点(Mobile Node)的无线射频采集距离相关的特征参数，并利用隐含马尔科夫模型对采集到的特征向量进行处理，从而克服环境变化和人为干扰等影响得到Mobile Node在室内的精确位置。其步骤为：对需定位室内区域划分网格，各网格大小为所需定位精度大小；首先要对节点的特征值进行采集并预处理，然后用所述已经训练的隐含马尔可夫模型做定位计算，最终模型输出节点在室内定位位置信息。

主权项

1.一种基于隐含马尔可夫模型的WSN室内定位方法，其特征在于它的定位过程：步骤一：针对室内环境布置多个感知锚节点（Anchor Sensor Node），部署的密度要求确保所述环境中需要被定位的任意一点被一个或一个以上的ASN发出的无线射频信号覆盖，并在所述室内环境中均匀规划N_RP个学习参考点；步骤二：ASN采集分别采集N_RP个学习参考点的特征向量值，生成观察序列，根据隐含马尔可夫模型的定义以及建立模型的算法，在进行样本的采集时提取出节点的观察值序列，观察值序列是在建立指纹库时训练节点定位HMM模型的依据；选取一个参考点为坐标的原点建立二维直角坐标系，获得N_RP个参考点的坐标值，根据隐含马尔可夫模型的定义和ASN的特征，可以把ASN分为四个状态，分别与节点ID，节点坐标，RSSI值，LQI值相对应，在这里状态数N=4，依据每一个参考点上的信号接收机采集来自每一个接入点的这四个状态值建立数据指纹库；步骤三：训练节点建立隐含马尔可夫模型（HMM），先对ASN的数据进行采集，并将其生成观察值序列，用这些观察值序列为每一个节点确定一组经过优化的HMM参数，训练出节点的隐含马尔可夫模型(HMM)；步骤四：节点定位，对于任意一个移动节点(MB)，我们首先要对节点的特征值进行预处理，再用所述训练好的隐含马尔可夫模型(HMM)做特征值匹配处理，处理结果输出即获得MB位置信息。