[发明专利]一种基于隐含马尔可夫模型的WSN室内定位方法

说明书

技术领域

本发明涉及到无线传感器网络技术，人工智能，模式识别等领域，具体涉及一种基于隐含马尔可夫模型的WSN室内定位方法。 

背景技术

根据《国家中长期科学和技术发展规划纲要(2006-2020) ))，《国家“十一五”科学技术发展规划》以及《863计划“十一五”发展纲要》等国家级科技战略规划文件的部署，地球观测与导航技术领域被列为重点前沿探索课题。其中，“高精度无缝导航定位技术”更是成为该领域中的重要子课题而受到广泛的关注。对于未来移动用户而言，不但需要获取开 

阔环境下的位置信息，在室内环境下对定位信息的需求也与日俱增。诸如像在写字楼、学

校、医院、酒店、飞机场、火车站、仓库、地下停车场、监狱、军事训练基地等室内环境中，更是需要定位信息来实现对资源在可用空间内的高效管理。因此，如何满足日益增长的室内定位需求，已经成为当今对地观测研究领域中的一个重要研究课题。随着社会信息化的发展，

作为人们日常的主要活动场所，室内环境中的位置信息感知服务有着越来越强烈的需求，

对室内定位技术的研究将极大地推动我国信息产业的发展和普及。

在开阔的室外环境中，全球定位系统GPS(Global Position System)虽然可以提供精确的定位信息，而且技术相对成熟，但在被混凝土所包围的室内环境下却难以发挥作用。近年来，近距离无线电技术的高速发展使得室内定位技术突飞猛进。一般来说，室内定位可以采用传感器技术，该技术通过预先部署的传感器及其传输网络，感知进入特定区域的物体而完成定位。典型的系统如红外传感定位系统、振动/声音传感定位系统、超宽带定位系统等。然而利用传感器技术的室内定位系统需要专门增加硬件设施，设备资金投入大，效果却不尽理想。受限于传感器的感知范围和传感网络部署，无法提供大范围的定位服务 

覆盖，定位精度也由于传感器的类型不同而有很大差别。

目前，无线局域网WLAN(Wireless Local Area Network)已经在世界范围内被广泛部署。有鉴于此，国内外学者相继提出利用WLAN来实现室内定位。这样，用户不仅能够享受WLAN方便快捷的信息传输，同时也能够即时获取位置信息，从而增强了WLAN的功能，可谓一举两得。而利用自组织的WSN网络进行室内定位又存在：链路质量不够可靠，周围环境噪声大，接收到的定位最终结果抖动较大等问题。 

发明内容：

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，基于隐含马尔可夫模型的WSN空间定位方法，它涉及模式匹配领域，能够通过HMM模型的确定，观察序列的采集，HMM模型的训练，很好的解决上述问题。本发明首先建立完整的WLAN定位场景和位置指纹库；然后，根据测试点采集到的信号强度和预存储的位置指纹库数据，利用隐含马尔可夫模型，能够获得其相应的最佳状态序列，进而实现WSN室内空间准确定位。

本发明是这样实现的，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。

  

步骤三的训练节点隐含马尔可夫模型的过程，训练过程如下：