咨询服务电话

010-5351 7711

中科荣通室内定位与物联网智慧建设服务商

新闻中心

News center

全部
几种室内无线定位算法
来源: | 作者:网络 | 发布时间: 512天前 | 1060 次浏览 | 分享到:
室内定位算法思想主要借鉴于室外定位算法,典型算法包括TOA(Time of Arrival)定位技术、TDOA(Time Different of Arrival)定位技术、AOA(Angle of Arrival)定位技术、RSSI定位技术。

1、基于TOA的室内定位技术
      基于无线信号到达时间定位算法的基本原理是三角定位原理。定位过程中,用户定位终端会向其附近的基站发射无线信号,信号抵达各个基站的时间与用户终端和各个基站的实际距离呈正相关,理论上距离和时间正比关系,因此根据三角定位原理即可计算用户终端的位置坐标。
      基于TOA的定位方法要求时钟同步非常精准,由于电磁信号在大气环境下是接近光速传播,因此1us的时间误差将会导致约300米的距离误差。而且上述推导是基于理论情况,实际室内环境中,多径效应和非视距效应等因素都会影响到信号测量值的准确性,最终影响定位精度。由于TOA方法对基站和定位终端的时钟同步要求过于苛刻,而这个条件又很难实现或者需要花费很高的成本,因此该方法的实用性不高。

2、基于TDOA的室内定位技术
      与TOA方法相近,TDOA方法同样需要测量时间参数,不同的是TDOA方法是测量定位终端到多个基站传输时间差来进行定位。因为TDOA方法是根据定位终端发送的无线信号到各基站的传输时间差进行定位,因此,该方法不要求定位终端和各基站保持绝对、严格的时钟同步,只需要各基站之间实现时钟同步即可。这个条件相比TOA方法要容易实现很多,因此,TDOA方法比TOA方法的实用性更好,应用更加广泛。


3、基于AOA的室内定位技术
      与TOA、TDOA方法原理不同,AOA方法是利用定位终端与接收基站不同角度来实现定位的。在二维空间中,可以通过测量定位终端和两个基站的之间的角度来确定终端位置。
      基于AOA的定位方法原理比较简单,测量信号入射角度需要在接收基站旁边放置专用的天线阵列,但是由于受室内环境非视距传播效应的干扰,尤其是在多径密集的室内环境中,准确估计入射角度的难度较高,使得该方法定位成本较高,实用性较低。

4、基于RSSI的室内定位技术
      基于RSSI的定位方法是利用无线信号接收基站采集的无线信号强度值RSSI进行位置估算。该方法最大的优势在于可以直接利用环境中已布设好的基础设施,如无线AP等,结合相关定位算法即可进行位置估算,无需额外硬件配置,方法简单、成本低,具有较强的实用性。利用RSSI值定位的方法主要分为两类:基于测距的方法和基于非测距的方法。
      基于RSSI的测距方法需要利用信号传播损耗模型。研究分析表明,信号接收端接收的信号强度与收发设备的直线距离呈正相关,因此可以利用信号传播损耗模型将信号接收端接收的RSSI值转换成距离值。该方法的定位过程中,信号接收基站首先采集来自定位终端发送的无线信号RSSI,然后利用信号传播损耗模型估算出基站和定位终端的实际距离,再根据三角定位原理,即可实现定位。上述定位思想与TOA方法的定位思想相近,不同点在于,TOA方法测量信号传输的时长,根据实际环境中电磁波信号的近光速传播计算出基站和终端的距离;而利用RSSI的测距方法是使用信号传播损耗模型将RSSI值转换成距离值,从而计算出基站和终端的距离。
      非测距方法是另一种基于RSSI的定位方法,该方法的典型代表是位置指纹(Finger Print,FP)定位方法。该定位方法与上述测距方法不同,测距方法通过各种手段来获取定位终端与基站间的距离,同时还需要有基站位置等先验知识,而位置指纹方法无需计算定位终端和基站的距离,也不需要了解基站的位置,因此具有很强的灵活性。

5、位置指纹定位方法
      随着计算机硬件性能的快速发展,机器学习逐渐进入人们的视野,作为人工智能研究的核心内容,它的应用已遍及到人们生活的各个方面,如自然语言理解、计算机视觉、智能机器人等等。基于机器学习,人们将统计学习分支应用到室内定位方法中,研究出了基于位置指纹算法的室内定位方法。位置指纹定位算法在1999年由微软公司首次在其推出的PADAR系统中使用。由于该算法只需利用现有基础网络设施即可定位,无需额外硬件支持,且不需先验获取信号基站的位置,同时定位精度相对较高,因此该算法受到了学术界和工业界的密切关注和深入研究。
      指纹定位方法是一种场景分析方法,将环境中某场景特征与位置坐标建立映射关系,依据场景特征进行位置估算。对基于无线信号的室内位置指纹算法而言,这种场景特征可以选取为无线信号电特征RSS,室内不同空间位置的RSS特征具有唯一性,因此可以利用这种特征向量与位置的映射关系,估算出定位终端的位置。具体定位过程中,首先在定位区域内的参考点采集RSS,得到参考点位置指纹,然后利用机器学习算法训练出指纹与空间位置的映射关系,建立位置指纹数据库;然后在定位阶段,将定位终端实时采集到的RSS特征与位置指纹数据库中的指纹进行对比匹配即可得到终端位置,从而实现定位。


中科荣通(www.runningiot.com)——室内定位与物联网智慧建设综合服务商!