Robust Indoor Positioning Provided by Real-Time RSSI Values in Unmodified WLAN Networks
摘要
基于接收信号强度(RSS, recieved signal strength)的定位,准确率依赖于:信号传播模型的准确性. 然而,在室内环境中,很难获得精确的信号传播模型. 于是,自然而然的想法就是能否在测量过程中利用RSS测量数据实时估计传播模型,然后基于这个模型估计距离,进而估计移动点(MS, mobile station)的位置. 这种方式基于:最大化MS和接入点(AP)距离估计的兼容性.
一旦信号传播模型能够实时确定,MS和AP的距离估计准确度就会提高,接着就可以实行三角定位。
引言
目前几种室内定位方法:
- TOA,基于到达时间的定位方法
- TDOA,基于到达时间差的定位方法
- RSS,基于接收信号强度的定位方法
- AOA,基于到达角度的定位方法,两个AP就可以实现
基于时间或者角度的测量比较复杂,在通常的无线网络中难以直接测得。RSS信息是在802.11标准中的,容易测得。
基于RSS的方法难以获得准确的距离信息,因为精确的信号传播模型难以测得。目前,主流的做法是:离线采集大量的参考点数据,训练模型,利用得到的模型进行在线定位。这种定位方法的缺陷:
- 定位准确性依赖于离线采样点和测量数据的数量
- 工作量大
- 不同时间段准确性不同
- 环境改变,重新标定
本文方法的优点:
- 不需要提前标定、地图信息、改变无线网络
- 动态估计信号传播模型参数
802.11网络中的RSSI
假设网络中有M个AP,在时间 t1,t2,⋯,tN 能够同时测量到MS到所有AP的RSS,用 PRi(tj) 表示。
在802.11中,RSSI值是一个包含采样时间内RSS均值的字节,与适配器和生产商都有关系。RSSI是对数单位的,得到转化表后就可以得到RSS值,单位是dBm。接收信号强度和距离的关系
在信息邻域中,RSS值,可以建模成如下表达式:
PR=Gt⋅Gr4π⋅Pt⋅g2⋅γdn
其中,d表示接收器和发射器之间的距离,n是路径衰减指数。
两边取对数,可以得到常用的RSSI值表达式:
PR=α−10⋅n⋅log10(d)+X
\alpha 是一个与设备等相关的一个常数,可以测量得到;X是零均值高斯噪声。
关于X的解释:如果测量时间比较短,也就是t_N - t_1比较小,那么我们可以认为黄精变化不大,所以下式成立:
PRi(tj)−[α−10nilog10di(tj)]∼N(0,σi),j=1,2,⋯N最大似然距离估计器和Cramer-Rao界
情形1:只有一个RSSI值
由上面的分析。我们可以得到
PRi(tj)∼N(α−10nilog10di(tj),σi(tj))
由高斯分布,得到条件概率密度函数
fd(PRi)∝1σi(tj)exp[−(PRi−(α−10nilog10di(tj)))22[σi(tj)]2]
于是,得到最大似然估计器
d^=arg max fd(PRi)
对概率密度函数求导,并令其等于零,得到
d^=10(α−PRi(tj))/10ni
由Fisher Information得到Cramer-Rao下界:
Var(d^)−−−−−−√≥σi(tj)⋅d10nilog10(d)情形1:多个RSSI值
室内定位学习笔记 1
最新推荐文章于 2024-03-05 09:42:01 发布