1.一种基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,包括:步骤1,获取所处位置各蓝牙基站RSSI数据集,依据采集的RSSI数据所对应的信号发射基站对RSSI数据集进行分组;
步骤2,对分组后的每组RSSI数据集通过高斯滤波模型进行筛选,并通过卡尔曼滤波模型进行平滑处理,将平滑处理后的数据集取均值;
步骤3,根据无线信号传输理论模型计算出待定位点到各基站的距离;由待定位点到各基站位置的投影距离等式建立关联方程组;
步骤4,使用极大似然估计法求关联方程组的近似解;
步骤5,依据所求得的近似解查找当前轨迹的所有相近轨迹,计算当前轨迹中的节点与相近轨迹中对应的节点的距离并计算出当前轨迹与各相近轨迹的距离序列;计算当前轨迹与所有相近轨迹的相似度,选取三个相似度最高的相近轨迹,并由它们的轨迹终点划定被定位设备实际位置所处的三角形区域;
步骤6,结合三个最相似的相近轨迹的终点所确定的三角形区域和待定位点的初始坐标估计确定待定位点的位置。
2.根据权利要求1所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,对分组后的每组RSSI数据集通过高斯滤波模型进行筛选,j基站所在组选取的RSSI数据集其中,rssij,d,k表示与j基站的距离为d时所采集的第k个信号强度指示值; 表示在定位数据采集时间段内所采集的每组RSSI数据集的均值;σ表示每组RSSI数据集的标准差;
n表示每组所选取的rssi值的个数;δ表示显著水平即较小的概率值; 表示概率值为 时在正态分布图中的临界值,其值可查阅正态分布表。
3.根据权利要求1所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,所述步骤3,包括:假设待定位点为p的初始坐标估计为(xi′,yi′),将步骤2得到的数据集均值 代入无线信号传输理论模型得出p点到基站j的距离为dj;
设被定位终端与室内基站的相对高度差为h0,由余弦定理得到待定位点到各基站位置的投影距离等式,并建立如下关联方程组:其中点(xj,yj)表示基站j的坐标。
4.根据权利要求3所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,所述步骤4,包括:针对方程组①中的等式采用组合的方法,从j个等式中选j-1个等式组合成新的方程组,共形成j种新的方程组,新的第s个方程组解的结构如下:其中
最终求所有j种新的方程组解的平均值作为待定位点的初始坐标估计。
5.根据权利要求4所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,所述步骤5,包括:步骤5.1,查找相近轨迹
从历史定位数据集中查找与初始位置估计(xi′,yi′)距离较近的点集P={(x,y)||x-xi′|<λ,|y-yi′|<λ},假设存在历史定位轨迹和当前移动轨迹 若 则
称 为 的相近轨迹;其中,参数λ的设定取决于定位精度的要求以及室内环境,一般地,精度要求越高或室内空间越狭小,λ值越小;t1,…,tu+1分别表示定位的时间;u表示轨迹 的节点的个数,u的值也取决于室内空间大小,一般地,室内空间越小,u值也越小;
步骤5.2,计算相近轨迹中的节点 与当前轨迹中对应的节点 的距离逐对计算后可得到距离序列D=
步骤5.3,计算轨迹间相似度
使用距离序列的灰色关联度衡量当前移动轨迹与历史移动轨迹间的相似性;假设参考序列为C=
|D-C|=|cv-dv|,v=1,2,…,u步骤5.3.2,确定min(|cv-dv|)和max(|cv-dv|);
步骤5.3.3,计算距离序列D与参考序列C每对对应元素的关联度系数其中η被称为分辨系数,且η∈[0,1];
步骤5.3.4,计算距离序列D与参考序列C对应元素的关联度系数的均值其中, 关联系数 越大,距离序列D与参考序列C越相似。
步骤5.4,寻找最相似的相近轨迹
从众多的相近轨迹中筛选出与当前轨迹最相似的三个轨迹,即关联系数值最大的三条轨迹,分别设为 相应关联度系数 对应相近轨迹的终点分别为
6.根据权利要求5所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,所述步骤6,包括:步骤6.1,计算三角形内接圆心O(xO,yO)的位置;
令
则
步骤6.2,计算待定位点的初始坐标到圆心的线段pO与三角形边的交点;
设 则分别判断线段pO
与边AB、AC和BC是否有交点;若有交点,则将交点作为待定位点的实际坐标;若A、B、C三点共线,则两两相连最长线段的中点坐标作为待定位点的实际坐标;若p点位于三角形内,则p点坐标作为待定位点的实际坐标。
7.根据权利要求5所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,所述参数λ设置为0.5m至2m之间。
8.根据权利要求5所述的基于RSSI测距和轨迹相似性的室内定位方法,其特征在于,所述n的取值范围设定为5至10之间。