基于RSSI的室内指纹地图定位算法研究

摘要

当今世界信息技术发展迅速，随着互联网的深入发展，物联网、5G等技术的逐渐成熟，基于位置的服务将扮演越来越重要的角色。室内定位作为基于位置服务的一种应用，逐渐深入社会生活的方方面面。然而，室内定位技术目前仍存在着诸多问题，如定位精度低、定位成本高、功耗高等。为了提高室内定位精度，优化定位成本，寻求定位精度和定位成本之间的平衡，本文将在室内定位节点布局和定位识别算法方面进行一些探索。 基于zigbee接收信号强度指示的室内定位由于成本低，硬件功耗低，易于实现而受到越来越多的关注。为了提高接收信号强度指示(RSSI)精度和优化节点资源配置，从提高测量精度、改善信标节点布局的角度提出了一种基于RSSI的等弧三边形节点定位算法。该算法分析了不同通信距离与RSSI的变化关系，可以根据不同应用场景选择满足要求的最佳通信距离。利用等弧三边形信标节点布局模型，保证待测节点运动轨迹始终位于信标节点的最佳通信距离内，从而提高RSSI的测量精度。在实际场景中的实验结果表明，本文提出的等弧三边形布局能较好的提高RSSI的测量精度，从而提高定位性能。 为了提高位置识别准确度，本文提出了一种遗传算法(GA)对支持向量回归(SVR)进行多参数优化的室内定位算法(GA-SVR)。该算法分为离线采集和在线预测两个阶段，离线采集依托等弧三边形节点布局进行指纹数据库的建立，在线预测则根据训练模型进行位置预测。首先所有的采集数据通过卡尔曼滤波进行处理，然后通过遗传算法优化支持向量回归算法的惩罚参数C、径向基函数核宽度σ和损失函数变量∈，从而使支持向量回归达到最好的位置预测性能。在实际场景中的实验结果表明，本文提出的GA-SVR算法具有较好的位置预测能力。 总的来说，本文提出的等弧三边布局和GA-SVR算法具有优越的定位性能，其综合定位能力达到了0.516m，在室内定位算法方面有一定的借鉴意义。