基于ZigBee的室内指纹定位算法应用.pdf

2023年/第10期 物联网技术全面感知 Comprehensive Perception230 引 言随着无线技术网络的发展，基于位置的服务在人们生活中起着重要作用1。目前，全球定位系统（GPS）是室外环境应用最广泛的系统之一，该系统的高精度以及高可靠性使其应用在多个领域中。由于室内环境复杂，墙壁等障碍物使卫星信号在传播过程中会产生衰减，导致对室内环境的定位精度降低2。所以也就产生了多种室内定位技术，主要包括红外线定位、蓝牙、WiFi、超声波定位以及 ZigBee 等3。其中，ZigBee 具有低功耗、低成本、可移动性高等特点，逐渐成为室内定位的研究热点4。定位算法分为测距以及非测距两种。测距算法包括到达时间算法、到达时间差算法、到达角度算法接收信号强度（RSSI）算法；非测距算法包括质心法、极大似然估计法和 DV-Hop 算法。本系统采用 ZigBee 技术中的CC2530 芯片作为硬件模块，建立 RSSI 值指纹库，利用无线网络进行节点的测量定位。1 整体方案设计本系统设计方案主要分为两个部分：（1）离线数据采集 RSSI 值并建立数据指纹库；（2）在线定位，通过未知节点的 RSSI 值与指纹库中的数据进行对比计算，得出坐标位置。指纹定位原理如图 1 所示。本系统在建立数据指纹库后，通过在线采集未知节点接收到的参考节点的 RSSI 值，将接收数据传输到协调器，再经协调器发送到 PC 主机端，将采集到的数据与指纹库中的数据进行对比，利用差距最小的数据进行计算，得到未知节点的坐标。图 1 指纹定位原理2 设计原理2.1 硬件要求CC2530 是无线传感器网络中较为常用的芯片，能够以低成本建立较强的网络节点。最大输出功率为 4.6 dBm，具有较强的兼容能力，使用外接元件即可很好地满足网络通信的相关要求5。该芯片对应的射频收发部分可对数据信息进行可靠安全的传输，且具有较强的数据接收或发送功能。2.2 离线采集阶段本文系统采用 ZigBee 技术，利用上位机开发环境 IAR Embedded Workbench 采集节点模块的 RSSI 值，并建立指纹数据库，为后续未知节点的匹配定位提供参考6。指纹库建立流程如图 2 所示。离线阶段是指在定位区域内指定 n 个参考节点，将该区域分成 i 个指纹点，在指纹点上记录未知节点接收的参考基于 ZigBee 的室内指纹定位算法应用时子皓1，高常青1，张瑞年1，王国锋2（1.济南大学，山东 济南 250022；2.山东交通学院，山东 济南 250357）摘 要：随着科学技术的快速发展，人们对于定位的需求也随之增加，但室内定位发展尚不成熟。针对目前室内定位的精准度以及成本过高问题，设计一种基于 ZigBee 的物联网室内定位系统。采用 CC2530 芯片模块作为无线通信设备，通过 ZigBee 技术采集定位区域内的各个参考节点的接收信号强度值（RSSI），建立离线指纹库；再利用欧氏距离公式计算出与离线指纹库中差距最小的 3 组数据，最后根据三边测量法计算出未知节点的坐标，实现室内定位功能。关键词：室内定位；ZigBee；指纹定位；物联网定位；CC2530；接收信号强度值；三边测量法中图分类号：TP391.9；TN95 文献标识码：A 文章编号：2095-1302（2023）10-0023-03DOI：10.16667/j.issn.2095-1302.2023.10.006收稿日期：2022-11-14 修回日期：2022-12-28基金项目：山东省自然科学基金项目（ZR2020ME137）物联网技术 2023年/第10期 全面感知 Comprehensive Perception24节点的 RSSI 值，并生成指纹点对应的 RSSI 值，即 RSSIi1,RSSIi2,.,RSSIin。集合中各元素表示未知节点所在 i 点测得的各个参考节点的 RSSI 值，i=1,2,.,n。由所有参考节点以及对应的指纹点组成位置指纹库，未知节点接收到的 RSSI值可建立一个与指纹点关联的数据库7。图 2 指纹库建立流程2.3 在线匹配阶段2.3.1 RSSI 测距算法采用 ZigBee 技术进行定位，最常见的方式就是利用RSSI值定位。该测距原理是根据接收到的无线通信信号强度，利用测距公式计算出距离。当设备发射功率已知时，将接收到的信号强度由数学模型表示出传播损耗与距离之间的换算关系，公式如下：P dP dnd dXrt()()lg/=+0010 （1）式中：Pr(d)表示发射节点与接收节点距离为 d 时接收到的信号强度，单位为 dBm；Pt(d0)是一个经验参数，表示两节点距离为 d0时的信号强度值，一般可取 1 m 时的信号强度大小；n 为路径损耗指数，大小会因环境的不同而改变；X 表示随机噪声，实验中可忽略不计。信号强度值会随着距离的增大而减小，由于环境等影响因素，信号强度在接收过程中会发生波动或者突变，并且距离越远时引起的误差就越大8，所以在接收信号强度时，为了减小定位误差，可进行滤波处理。2.3.2 定位匹配算法可利用邻近法找到最接近的指纹点坐标以及相应的RSSI值，然后根据最接近的指纹点确定未知节点的区域，并根据未知节点与区域内指纹点的距离，采用多边定位算法计算出未知节点的坐标。匹配最邻近的 RSSI 值也就是利用欧氏距离得出最近的指纹，欧氏距离公式为：DiiiN=(RSSI)rssi21 （2）2.3.3 定位坐标计算在经过邻近法匹配到距离最近的指纹点后，以该区域内三个指纹节点为圆心、三个节点到未知节点距离为半径画圆，通过三边定位算法计算出未知节点的位置坐标。假设未知节点的坐标为(x0,y0)，区域内指纹节点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)。第 n 个指纹节点到未知节点的距离为dn(n=3)，且 dn的值已知。根据已知条件可得未知节点与指纹节点位置关系如方程组（3）所示，利用该方程组可计算出未知节点的坐标(x0,y0)。dxxyydxxyydxxy1210210222202202323023=+=+=+()()()()()(y02)（3）3 测试与分析该实验在 3 m3 m 的室内环境进行，在定位区域内选择 4 个点为参考节点，用来放置定位模块，定位模块的编号依次为 A、B、C、D，其坐标分别为（0，30）、（30，0）、（30，30）、（0，0）。场地及节点布置如图 3 所示。在定位区域采集数据时首先规划指纹点，各指纹点之间间隔设置为 0.6 m，在各个指纹点上依次采集 4 个参考节点的 RSSI 值，记录在数据库中保存，并且在采集过程中可进行滤波处理，减弱或者消除噪声。指纹点采集图如图 4 所示，其中“三角点”为参考节点，“圆点”为指纹点，“五角星”为随机未知节点。图 3 参考节点布置 图 4 指纹点采集图随机未知节点的实际坐标为（23，19），测量的该点信号强度值数组为-55，-42，-57，-52。与该点实际距离相近的 4 个指纹点坐标分别为（18，18）、（18，24）、（24，18）、（24，24）。对 应 的 RSSI 值 数 组 为-52，-51，-50，-54、-56，-50，-52，-60、-68，-45，-49，-58、-54，-41，-47，-60。利用公式（2）对 4 组数据进行计算，得出 D1=11.96，D2=12.41，D3=16.67，D4=12.88；通过计算，与该点数据最相近的 3 个指纹点为（18，18）、（18，24）、（24，24）。再利用 RSSI 值计算出未知节点与 3 个指纹点之间的距离，得出 d1=1.86 dm，d2=1.91 dm，d3=1.99 dm。采用这 3 个指纹点与未知节点之间的距离进行三边定位计算，将得出的距离代入式（3）可得：2023年/第10期 物联网技术全面感知 Comprehensive Perception251 8618181 9118241 9924202022020220.()().()().(=+=+=xyxyx)()20224+yxy0020 9720 99=.得出理论坐标为（20.97，20.99）。4 结 语本文设计一种基于 ZigBee 的室内指纹定位算法。采用CC2530 模块作为无线通信设备，结合 ZigBee 技术，采集RSSI 值进行室内指纹定位。该系统方案可以在室内环境下进行无线通信，实现室内定位的功能。建立数据指纹库，减小定位误差，并在采集未知节点接收信号强度后，计算出与该点数据差距最小的 3 组数据，再利用三边测量的方法计算出未知节点坐标。注：本文通讯作者为高常青。参考文献1 徐硕.基于 ZigBee 和 EMD 距离的 RSSI 室内定位方法的研究与实现 D.长春：东北师范大学，2021.2 高国伟，白国振，杨勇明.基于 RFID 的改进室内三边定位算法研究 J.信息技术，2017，41（5）：75-78.3 戴宗羽.基于指纹地图的室内定位技术的设计与实现 D.成都：电子科技大学，2016.4 韩卫济，徐光，赵光辉，等.基于 ZigBee 的推进剂气体无线监测及定位算法设计 J.国外电子测量技术，2019，38（9）：97-100.5 徐洪霞.基于 CC2530 的无线数据远距离通信模拟设计及应用 J.电脑编程技巧与维护，2022，29（3）：59-61.6 吴绍聪，高常青，曲爱涛，等.基于 ZigBee 的心率检测系统设计 J.物联网技术，2022，12（1）：7-9.7 黄有山，候鸣，徐玲，等.基于 ZigBee 的室内定位方法分析和验证 J.智能物联技术，2018，1（2）：23-27.8 朱清山，王伟.基于 RSSI 的指纹地图室内定位算法 J.国外电子测量技术，2020，39（10）：6-9.9 阚瑞祥，王玫.面向自标定室内定位基于遗传算法优化 SVM 的视距与非视距信号分类 J.现代电子技术，2021，44（1）：49-52.10 敬振宇，熊兴中，张维，等.改进动态 K 的 WKNN 的室内定位方法 J.现代电子技术，2021，44（7）：22-27.作者简介：时子皓（1998），男，山东济南人，硕士研究生，研究方向为机械装备设计与分析。高常青（1975），男，山东无棣人，博士，教授，研究方向为创新设计理论与方法、工程设计技术与新产品开发。张瑞年（1999），男，山东济宁人，硕士研究生，研究方向为机械设计与理论。王国锋（1973），男，山东临沭人，本科，研究员，研究方向为机械设计及自动化、传感器与测试技术。一种识别轨迹异常的检测方法。最后通过实际数据验证了该方法的有效性。从结果中得出，本文所提出的检测算法对于识别异常轨迹车辆有着不错的效果，有助于降低稽查部门工作强度。参考文献1 汤锐，刘玉锦.车型识别技术在打击高速公路逃费中的应用 J.中国交通信息化，2017，19（10）：111-114.2 魏强.基于 BP 神经网络的高速逃费监测系统 J.技术与市场，2020，27（1）：81-83.3 李松江，周舟，李岩芳，等.基于 IGA-IBP 算法的高速公路逃费预测 J.计算机工程与设计，2018，39（12）：3840-3845.4 向红艳，杨朋涛，伊佳佳.基于 RF-LR 的高速公路逃费车辆状态预测模型 J.重庆师范大学学报（自然科学版），2020，37（1）：75-80.5 CANTILLO Angel，RAVEAU Sebastin，MUOZ Juan Carlos.Fare evasion on public transport：Who，when，where and how?J.Transportation research part a，2022，156（C）：285-295.6 HUANG S Z，SONG G Q，CHEN W，et al.Time series-based detection on tailgating fare evasions using human pose estimation J.Journal of transportation engineering，part a：systems，2022，148（7）：4022035.1-4022035.9.7 张子恒，肖建，王新宇，等.基于 MobileNet_SSD 的交通违章检测系统 J.计算机技术与发展，2021，31（11）：64-70.8 付世达.基于 SSD 模型的违规使用专用车道检测方法 D.长春：吉林大学，2020.9 高炎.基于车辆检测与跟踪的交通事件检测方法研究 D.杭州：浙江工业大学，2017.10 高静文，蔡永香，甘艺垚.运输车辆轨迹点数据清洗方法研究 J.电脑知识与技术，2019，15（36）：189-192.11刘虹.车辆轨迹数据清洗与质量评估的研究与应用D.呼和浩特：内蒙古大学，2021.12胡贺伟.基于时空大数据的轨迹相似度度量算法及应用D.北京：北京邮电大学，2021.13 李颖，赵莉，赵祥模，等.基于大货车 GPS 数据的轨迹相似性度量有效性研究 J.中国公路学报，2020，33（2）：146-157.14 张迅頔，白文娟，高寒，等.高速公路偷逃费稽查筛选方法研究 J.公路交通科技（应用技术版），2020，16（4）：311-315.15 胡波.四川高速集团通行费偷逃治理研究 D.成都：电子科技大学，2020.16 康晨傲.基于通行大数据的高速公路车辆异常行为挖掘的研究与应用 D.上海：东华大学，2020.作者简介：许天宇（1998），男，硕士研究生，研究方向为车联网与智能交通。韩振峰（1998），男，硕士研究生，研究方向为控制工程。（上接第22页）