專利名稱：一種無線傳感終端的定位方法和裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及無線傳感通信技術(shù)領(lǐng)域，更具體地說，涉及一種無線傳感終端的定位方法和裝置。
背景技術(shù)：
無線傳感網(wǎng)絡(luò)作為一種物聯(lián)網(wǎng)產(chǎn)業(yè)中全新的信息獲取和處理方式，以其構(gòu)架簡單和拓展性強等優(yōu)點，在工農(nóng)業(yè)、醫(yī)療和市政監(jiān)控領(lǐng)域得到推廣和應(yīng)用。所述無線傳感網(wǎng)絡(luò)通過在監(jiān)測區(qū)域部署大量無線傳感器節(jié)點，實時采集并監(jiān)測網(wǎng)路覆蓋區(qū)域的監(jiān)測對象信息， 通過無線信道傳送至通信基站進行分析處理。無線終端定位技術(shù)作為無線傳感器網(wǎng)絡(luò)技術(shù)中的關(guān)鍵技術(shù)之一，負責(zé)提供無線終端節(jié)點的位置信息，使通信基站能夠及時有效地定位數(shù)據(jù)位置來源，且可提供網(wǎng)絡(luò)拓撲信息，從而提高路由效率，實現(xiàn)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化配置。現(xiàn)有的無線終端定位技術(shù)比較常用的接收信號的強度指示RSSI，其根據(jù)接收信號強度，使用無線傳輸理論或者經(jīng)驗?zāi)Ｐ娃D(zhuǎn)換為距離進而定位。而由于無線信號對于復(fù)雜環(huán)境的適應(yīng)能力較弱，尤其當移動終端小型化后，天線朝向?qū)π盘柦邮諒姸扔绊憣⑦M一步加大并惡化最終的定位結(jié)果。為改善上述狀況而使用附加硬件如角度測量AOA或時間差分TDOA進行輔助運行，終端的復(fù)雜性不但增加了終端的計算復(fù)雜性，且增加了硬件成本。

發(fā)明內(nèi)容
有鑒于此，本發(fā)明提供一種無線傳感終端的定位方法和裝置，以實現(xiàn)減小環(huán)境因素及天線朝向?qū)π⌒突K端定位的影響，并達到降低硬件成本及計算簡潔的效果。一種無線傳感終端的定位方法，包括通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D，所述貝葉斯模型估計算法基于無線信號能量衰減原理；利用最大似然估計法結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置，并利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的坐標與速度建立四維濾波模型確定移動節(jié)點位置。上述實施方式是將天線的朝向?qū)τ跓o線信號的影響從統(tǒng)計學(xué)角度進行建模，通過使用貝葉斯概率統(tǒng)計模型估計目標距離及最大似然估計法得到目標位置。利用靜態(tài)節(jié)點結(jié)合卡爾曼濾波模型確定移動節(jié)點位置，從靜態(tài)和動態(tài)兩個方面對各類型節(jié)點準確定位，相對于經(jīng)典方法對信號強度進行確定性建模的方法更具魯棒性，從而實現(xiàn)了減少小型終端天線角度及環(huán)境等對于定位結(jié)果影響，以及降低特殊傳感器的硬件成本的目的。優(yōu)選地，所述方法還包括將得到的靜態(tài)節(jié)點位置返回貝葉斯推斷模型進行迭代更新，及將得到的移動節(jié)點位置返回所述卡爾曼模型中進行在線學(xué)習(xí)。通過在線學(xué)習(xí)模型可更新所述貝葉斯推斷模型，使靜態(tài)節(jié)點得到所在環(huán)境下的信號能量傳輸模型；以及，通過卡爾曼濾波模型的迭代，可更好地完成運動節(jié)點的目標軌跡的濾波跟蹤。
優(yōu)選地，所述通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI 通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D具體為建立混合高斯模型GMM初步測距后獲得基于此接收信號強度下概率加權(quán)距離D。上述混合高斯模型是將接收概率與及節(jié)點間距建模為概率分布，且所述混合高斯模型對映射關(guān)系進行多模態(tài)建模，考慮由于信號入射角度不同帶來差異，可以對目標映射關(guān)系進行準確定位，且并不局限于上述列舉形式。優(yōu)選地，利用最大似然估計法結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置具體為將所述概率加權(quán)距離D在其概率權(quán)重下加入最小化誤差代價函數(shù)得到最大似然估計定位結(jié)果。本實施方式中的最大似然定位算法是目前無線傳感網(wǎng)絡(luò)中非基于拓撲結(jié)構(gòu)中定位準確度較高的算法，而通過尋找測距距離與估算距離之間差異最小的點進行后續(xù)目標定位。優(yōu)選地，所述方法還包括初始化節(jié)點功率信息并對各節(jié)點進行線性時域濾波處理。為了減少無線傳感終端在實際使用過程中，接收信號強度RSSI受到環(huán)境以及目標移動等影響，需要再進行數(shù)據(jù)分析前對信號進行濾波處理，且并不局限于上述列舉形式。一種無線傳感終端的定位裝置，包括貝葉斯模型測距模塊，用于通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D，所述貝葉斯模型估計算法基于無線信號能量衰減原理；節(jié)點定位模塊，用于利用最大似然估計法并結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置；并利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的位置坐標與速度建立四維濾波模型確定移動節(jié)點位置。優(yōu)選地，所述裝置還包括初始化處理模塊，用于初始化節(jié)點功率信息并對各節(jié)點進行線性時域濾波處理。優(yōu)選地，所述裝置還包括在線更新學(xué)習(xí)模塊，用于將得到的靜態(tài)節(jié)點位置返回貝葉斯推斷模型進行迭代更新，及將得到的移動節(jié)點位置返回所述卡爾曼模型中進行在線學(xué)習(xí)。所述裝置與方法對應(yīng)，將靜態(tài)節(jié)點定位模塊及移動節(jié)點模塊結(jié)合達到了減小小型終端天線角度及環(huán)境的等對無線傳感網(wǎng)絡(luò)定位的影響，并降低特殊傳感器的硬件成本的技術(shù)效果。從上述的技術(shù)方案可以看出，本發(fā)明實施例利用貝葉斯模型將全部節(jié)點獲取的接收信號強度指示RSSI離線訓(xùn)練映射至概率加權(quán)距離D，并分別從靜態(tài)和動態(tài)兩個方面，結(jié)合最大似然估計法及卡爾曼濾波方法更為準確地定位節(jié)點位置，以統(tǒng)計學(xué)角度對接收信號強度指示建模，克服了現(xiàn)有技術(shù)中小型化移動終端信號受到天線方向及環(huán)境等對于無線終端定位的影響，及增加特殊傳感器而導(dǎo)致成本較高的缺點；并且，本發(fā)明選用在線學(xué)習(xí)的方法更新模型比經(jīng)典單一的線性模型或分段線性模型能夠更準確地描述小型化無線終端采集樣本方差較大的情況，實用性及適用性都有所提高。


為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例公開的一種無線傳感終端的定位方法流程圖；圖2為本發(fā)明又一實施例公開的一種無線傳感終端的定位方法流程圖；圖3a為本發(fā)明實施例公開的一種無線傳感終端的定位裝置結(jié)構(gòu)示意圖；圖北為本發(fā)明實施例公開的一種無線傳感終端的定位算法流程圖。
具體實施例方式為了引用和清楚起見，下文中使用的技術(shù)名詞、簡寫或縮寫總結(jié)如下RSSI =Received Signal Strength hdicator，接收信號的強度指示。下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。本發(fā)明實施例公開了一種無線傳感終端的定位方法和裝置，以實現(xiàn)減小環(huán)境因素及天線朝向?qū)π⌒突K端定位的影響，并達到降低硬件成本及計算簡潔的效果。在進行實施例描述前，需要說明的是本發(fā)明實施例中有兩種節(jié)點，靜態(tài)節(jié)點及移動節(jié)點，通過本發(fā)明實施例的方法進行所述靜態(tài)節(jié)點位置定位，而在實際定位場景中，由于遮擋、多徑效應(yīng)等干擾因素的影響， 導(dǎo)致終端節(jié)點接收功率與距離之間的關(guān)系分布出現(xiàn)偏差，靜態(tài)節(jié)點的定位方法將不適合該類移動節(jié)點的確定，則此時，需要對已經(jīng)定位好的靜態(tài)節(jié)點中需要參與移動定位的節(jié)點，即靜態(tài)目標節(jié)點，并利用卡爾曼濾波方法針對所述靜態(tài)目標節(jié)點的位置坐標和速度建立模型，建立跟蹤機制，進行準確定位?，F(xiàn)就實施方式進行詳述圖1示出了一種無線傳感終端的定位方法，包括步驟11 通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D ；需要指出的是，所述貝葉斯模型基于經(jīng)典的無線信號能量衰減原理，在本實施例中，即，采用的無線傳輸模型基于該接收信號強度指示RSSI RSSI = -(10nlog10d+A)根據(jù)無線信號傳播理論，(RSSI，10nlog10d)理論上應(yīng)該近似服從一個線性分布，建模目標是路徑損耗系數(shù)n，，功率偏置A。優(yōu)選地，在離線狀態(tài)下構(gòu)建目標混合高斯模型將采集的數(shù)據(jù)根據(jù)某一測度m(x) 來對給定的函數(shù)族f求解極小泛函。即arg min Loss (f) = / x e Dm (y-f (χ)) dx ；D = {disI Bj/ = RSSI vs.dis).
線性化無線終端信號接收強度受到天線朝向的影響較大，接收信號強度RSSI與距離d無法用簡單的映射模型進行建模，其建模后較大的模型類內(nèi)差直接影響最后的定位結(jié)果，因此在本實施例中，建立對測距環(huán)節(jié)的F(RSSI，D)混合高斯模型，其后使用貝葉斯推斷模型中的推斷方法加權(quán)確定距離。根據(jù)以上建模方法，每個接收信號強度RSSI可以根據(jù)訓(xùn)練樣本得到ρ個距離取值，其系數(shù)ωρ代表在當前訓(xùn)練樣本當前信號接收功率RSSI下，節(jié)點間距離 出現(xiàn)的后驗概率。使用混合模型建模可以較好地解決接收信號強度RSSI與距離D映射多模態(tài)的問題。 最后通過概率加權(quán)的最大似然估計得到的結(jié)果會更加準確。并且，本發(fā)明與經(jīng)典的確定性參數(shù)的估計方法不同，貝葉斯估計假設(shè)所估計的參數(shù)是一個隨機變量，通過建立該高斯混合模型能夠更好地描述參數(shù)映射實際分布。步驟12 利用最大似然估計法結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置；最大似然定位算法是無線傳感網(wǎng)絡(luò)定位非基于拓撲結(jié)構(gòu)中定位效果較好的算法。 通過尋找一個使得測距距離與估算距離之間差異最小的點，以該點為未知節(jié)點的位置，具體計算方式如下設(shè)已知參考節(jié)點的坐標分別為(Xl，Y1)，(X2，J2)，(X3，y3).... (xn, yn)，設(shè)待定節(jié)點坐標為(X，y)，待定節(jié)點到已知參考節(jié)點的測量距離分別為Cl1, d2，d3. · · dn，則有方程組
‘(χ,-χ)2+(^l-jf =^2 (x2-xf+iy2-j)2 =^22
+(Jn-Ji)2 ='在基于測距的定位算法中，由于測量距離不是完全準確的，加入誤差項后，上述的方程可以簡寫為AX+E = B可以得到移動節(jié)點的位置估計坐標為以下形式時，待測節(jié)點的最小測距誤差平方下最小。X =(ArAyl Ar >當接收功率小于一定的飽和值以后，功率與距離的基本不成比例關(guān)系，則功率測試方差較大，對定位結(jié)果影響很大。將所述概率加權(quán)距離D在其概率權(quán)重下加入最小化誤差代價函數(shù)得到最大似然估計定位結(jié)果。在本步驟中使用到的殘差定位平方和函數(shù)為f(x) = Wp(B-AX)2,其中為Wp混合高斯概率加權(quán)矩陣。步驟13 利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的坐標與速度建立四維濾波模型確定移動節(jié)點位置。本實施例中，使用卡爾曼濾波的方法對靜態(tài)目標節(jié)點的位置坐標與速度建立四維 (X，1，Vx, vy)濾波模型，得到的跟蹤結(jié)果不但可以預(yù)測目標下一時刻可能的位置，而且該定位結(jié)果不受實際環(huán)境對信號強度的影響，可以改善靜態(tài)定位算法中因環(huán)境因素對于定位結(jié)果的影響，得到更加接近實際運動曲線的平滑軌跡。綜上可知針對無線終端小型化后，使用接收信號強度RSSI進行距離映射使用單一模型方差較大，建模結(jié)果不準確而導(dǎo)致定位偏差的模型方面的缺陷，通過使用貝葉斯概率統(tǒng)計模型估計目標距離及最大似然估計法得到靜態(tài)節(jié)點位置，及結(jié)合卡爾曼濾波模型確定移動節(jié)點位置，從靜態(tài)和動態(tài)兩個方面對各類型節(jié)點準確定位，相對于經(jīng)典方法對信號強度進行確定性建模的方法更具魯棒性，從而實現(xiàn)了在實際無線傳感終端的定位時，多模態(tài)對小型終端天線角度及環(huán)境等影響，以及減少特殊傳感器的硬件成本的目的。圖2示出了又一種無線傳感終端的定位方法，包括步驟21 初始化節(jié)點功率信息并對各節(jié)點進行線性時域濾波處理。該步驟中，為了減少無線傳感終端在實際使用過程中，接收信號強度RSSI受到環(huán)境以及目標移動等影響，需要再進行數(shù)據(jù)分析前對信號進行濾波處理，且并不局限于上述列舉形式。步驟22 通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D ；步驟23 利用最大似然估計法結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置；步驟M 利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的坐標與速度建立四維濾波模型確定移動節(jié)點位置；步驟25 將得到的靜態(tài)節(jié)點位置返回貝葉斯推斷模型進行迭代更新，及將得到的移動節(jié)點位置返回所述卡爾曼模型中進行在線學(xué)習(xí)。將最終的定位結(jié)果返回所述貝葉斯推斷模型與所述卡爾曼濾波模型中進行在線學(xué)習(xí)更新，是通過在線最大期望online-EM更新貝葉斯推斷模型，可以使不同的靜態(tài)節(jié)點迭代學(xué)習(xí)得到基于其特定環(huán)境下的信號能量傳輸模型。通過卡爾曼濾波模型的迭代，從而完成運動目標軌跡的濾波跟蹤。圖3a示出了一種無線傳感終端的定位裝置，包括；貝葉斯模型測距模塊31 用于通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D，所述貝葉斯模型估計算法基于無線信號能量衰減原理；節(jié)點定位模塊32，用于利用最大似然估計法并結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置；并利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的位置坐標與速度建立四維濾波模型確定移動節(jié)點位置；初始化處理模塊33，用于初始化節(jié)點功率信息并對各節(jié)點進行線性時域濾波處理；在線更新學(xué)習(xí)模塊34，用于將得到的靜態(tài)節(jié)點位置返回貝葉斯推斷模型進行迭代更新，及將得到的移動節(jié)點位置返回所述卡爾曼模型中進行在線學(xué)習(xí)。所述裝置與方法對應(yīng)，將靜態(tài)節(jié)點定位模塊及移動節(jié)點模塊結(jié)合達到了減小小型終端天線角度及環(huán)境的等對無線傳感網(wǎng)絡(luò)定位的影響，并降低特殊傳感器的硬件成本的技術(shù)效果。圖北為與所述方法及裝置對應(yīng)的邏輯流程圖，如圖所示，詳細說明可參見圖2及圖3圖示及相應(yīng)說明，此處不再贅述。綜上所述本發(fā)明基于無線信號能量衰減原理，利用貝葉斯模型將全部節(jié)點獲取的接收信號強度指示RSSI離線訓(xùn)練映射至概率加權(quán)距離D，并分別從靜態(tài)和動態(tài)兩個方面，結(jié)合最大似然估計法及卡爾曼濾波方法更為準確地定位節(jié)點位置，以統(tǒng)計學(xué)角度對接收信號強度指示建模，克服了現(xiàn)有技術(shù)中小型化移動終端信號受到天線方向及環(huán)境等無線終端定位的影響，及增加特殊傳感器而導(dǎo)致成本較高的缺點；并且，本發(fā)明選用在線學(xué)習(xí)的方法更新模型比經(jīng)典單一的線性模型或分段線性模型能夠更準確地描述小型化無線終端采集樣本方差較大的情況，實用性及適用性都有所提高，可支持無線井下定位、無線醫(yī)療監(jiān)護及無線監(jiān)獄安防等多種領(lǐng)域的無線傳感終端的定位。本說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而言，由于其與實施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。本領(lǐng)域技術(shù)人員可以理解，可以使用許多不同的工藝和技術(shù)中的任意一種來表示信息、消息和信號。例如，上述說明中提到過的消息、信息都可以表示為電壓、電流、電磁波、 磁場或磁性粒子、光場或以上任意組合。專業(yè)人員還可以進一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應(yīng)用和設(shè)計約束條件。專業(yè)技術(shù)人員可以對每個特定的應(yīng)用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應(yīng)認為超出本發(fā)明的范圍。結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí)行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存儲器(ROM)、電可編程ROM、電可擦除可編程ROM、寄存器、硬盤、可移動磁盤、CD-ROM、或技術(shù)領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。 對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。
權(quán)利要求
1.一種無線傳感終端的定位方法，其特征在于，包括通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI經(jīng)離線訓(xùn)練建模后，映射至概率加權(quán)距離D，所述貝葉斯模型估計算法基于無線信號能量衰減原理；利用最大似然估計法結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置，并利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的坐標與速度建立四維濾波模型確定移動節(jié)點位置。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示經(jīng)離線訓(xùn)練建模后，映射至概率加權(quán)距離D具體為建立混合高斯模型GMM初步測距后獲得基于此接收信號強度下概率加權(quán)距離D。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，將得到的靜態(tài)節(jié)點位置返回貝葉斯推斷模型進行迭代更新進行迭代更新，及將得到的移動節(jié)點位置返回所述卡爾曼模型中進行在線學(xué)習(xí)。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用最大似然估計法結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置具體為將所述概率加權(quán)距離D在其概率權(quán)重下加入最小化誤差代價函數(shù)得到最大似然估計定位結(jié)果。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括初始化節(jié)點功率信息并對各節(jié)點進行線性時域濾波處理。
6.一種無線傳感終端的定位裝置，其特征在于，包括貝葉斯模型測距模塊用于通過貝葉斯模型估計算法將全部節(jié)點獲取的接收信號強度指示RSSI通過離線訓(xùn)練建模后，映射至概率加權(quán)距離D，所述貝葉斯模型估計算法基于無線信號能量衰減原理；節(jié)點定位模塊，用于利用最大似然估計法并結(jié)合所述概率加權(quán)距離D確定靜態(tài)節(jié)點位置；并利用卡爾曼濾波方法將得到的靜態(tài)節(jié)點位置的位置坐標與速度建立四維濾波模型確定移動節(jié)點位置。
7.根據(jù)權(quán)利要求6所述的裝置，還包括初始化處理模塊，用于初始化節(jié)點功率信息并對各節(jié)點信號強度進行線性時域濾波處理。
8.根據(jù)權(quán)利要求6所述的裝置，還包括在線更新學(xué)習(xí)模塊，用于將得到的靜態(tài)節(jié)點位置返回貝葉斯推斷模型進行迭代更新，及將得到的移動節(jié)點位置返回所述卡爾曼模型中進行在線學(xué)習(xí)。
全文摘要
本發(fā)明實施例公開了一種無線傳感終端的定位方法和裝置，本發(fā)明基于無線信號能量衰減原理，利用貝葉斯模型將全部節(jié)點獲取的接收信號強度指示RSSI離線訓(xùn)練映射至概率加權(quán)距離D，并分別從靜態(tài)和動態(tài)兩個方面，結(jié)合最大似然估計法及卡爾曼濾波方法更為準確地定位節(jié)點位置，以統(tǒng)計學(xué)角度對接收信號強度指示建模，克服了現(xiàn)有技術(shù)中小型化移動終端信號受到天線方向及環(huán)境等對無線終端定位影響，及增加特殊傳感器而導(dǎo)致成本較高的缺點；并且，本發(fā)明選用在線學(xué)習(xí)的方法更新模型比經(jīng)典單一的線性模型或分段線性模型能夠更準確地描述小型化無線終端采集樣本方差較大的情況，實用性及適用性都有所提高。
文檔編號H04W64/00GK102395192SQ20111006259
公開日2012年3月28日 申請日期2011年3月15日 優(yōu)先權(quán)日2011年3月15日
發(fā)明者李大霖, 牟榮增, 秦瑞, 閻躍鵬 申請人:蘇州摩多物聯(lián)科技有限公司