[发明专利]一种基于建筑格局约束的复杂室内环境下的定位方法

说明书

本发明涉及一种基于建筑格局约束的复杂室内环境下的定位方法，包括以下步骤：(1)对环境噪声分布的评估；(2)对移动目标初始位置的计算阶段；(3)实时定位过程中的位置估计阶段。其中提出的先验分布针对目标所处的不同区域，修正候选位置的分布函数，有助于抵抗时变的、强噪声对估计结果的影响。在最大后验概率求解中，本发明采用多假设的最大似然估计方法，使得提出的定位方法对时变噪声和视距/非视距混合的复杂情况，都具备鲁棒性。本发明的环境部署简单，通过参考节点间的数据采集，获得信道先验知识，即可进行实时的定位过程，计算复杂度低，适合低功耗设备和系统实现。

技术领域

本发明涉及物联网应用技术领域，特别是涉及一种基于建筑格局约束的复杂室内环境下的定位方法。

背景技术

室内定位应用是物联网(Internet of Things，IoT)的核心内容之一，其相关的学术研究和商业应用已经广泛地开展几十年。这些基于位置的服务(Location BasedService，LBS)主要包括应急救援、社交网络、智能家居和商场广告推送业务。特别是在5G通信标准中，定位服务在海量连接中发挥重要的作用和影响。

目前典型的室内目标定位系统一般分为主动式和被动式。被动式定位系统主要借助于摄像头和雷达等方式，在不需要被定位目标携带任何设备的情况下完成对目标位置的获取。主动式定位系统主要借助于被定位目标携带的特定设备和周围环境部署的设备的相对测量值，基于某种通信完成对目标位置的获取。在大规模商业化民用定位系统中，主动式定位方法得到了广泛的应用。现有的定位系统主要指通过测量参考节点(Anchor Sensor，AS)和移动目标(Mobile Target，MT)之间的射频信号强度，通过射频信号强度与移动目标间的映射完成定位。这样的技术方案已经在仓储、物流、医院和家居办公中被广泛采用，一般采用三个来自不同AS的信号强度测量值就可以借助三边定位法实现MT位置坐标的获取。然而，当已经部署的AS发生故障或由于室内建筑物、家居和人员的遮挡等异常因素而导致某些AS与MT之间无法通信或信号强度受到明显影响。这样的通信信道影响可以分为视距(Line-of-Sight，LOS)和非视距(None-Line-of-Sight，NLOS)情况。但是，针对室内复杂环境中存在的LOS和NLOS场景，当前绝大多数定位系统或定位策略将无法计算或无法保证精度地计算MT的位置信息。因此，在上述在室内广泛存在的信号衰落情况下，在不增加任何设备的前提下，如何采用有效的方法解决室内复杂环境噪声和衰落环境下的定位问题，对于实际系统的应用和鲁棒性具有重大意义。

James J.Caffery等人提出的基于最小均方估计的定位方法(J.J.Caffery,Anewapproach to the geometry of TOA location,IEEE Vehicular Technology ConferenceProceedings,4,2000,1943-1949)。该定位估计方法已经广泛地应用于定位系统当中，并有多种以该方法为基础的改进方法。在开阔的场景和密集部署参考节点的情况下，该方法能够获得令人满意的定位精度。该方法依赖于接收信号强度与距离之间精确的映射关系，并且忽视了环境中噪声的影响。这导致该方法只能在较为理想的情况下使用，否则性能退化明显。Blumenthal J等人提出一种加权中心定位方法(J.Blumenthal,R.Grossmann,F.Golatowski,and D.Timmermann，Weighted Centroid Localization in Zigbee-basedSensor Networks,2007IEEE International Symposium on Intelligent SignalProcessing,Conference Proceedings Book,2007,905-910)，该方法通过将不同参考节点的位置按照一定权重进行加权平均，实现对未知目标位置的估计，该权重值的大小取决于估计的到各个参考节点的距离。该方法能够抵消部分由于严重噪声和信号衰落引起的误差，并在很多定位系统中得到应用。然而，该方法依赖于未知位置与各个参考节点的估计距离，估计距离引入的误差将会影响权重的确定。此外，该方法对参考节点的布局有一定要求，并且存在定位区域的盲区