基于Nanoloc的TOA指纹算法定位研究

　　室内环境下，因多径效应以及障碍物影响等因素的存在，使得TOA测距误差较大，如何降低测距误差对定位精度的影响，是精确室内定位系统前进路上的一个挑战。本文针对实测环境下TOA测距误差较大且存在非单调等特点，利用指纹算法降低误差影响，并使用动态阈值，误差加权等方法实现定位，并于Nanoloc平台实现。实验结果表明，本文所用方法在相同测距误差情况下，对比最小二乘法定位有效的提高了定位精度。此方法使定位精度不再过度依赖测量值的准确性，改善了恶劣环境下定位结果的稳定性。

　　引言

　　随着射频识别技术的飞快发展，人们对室内物体的位置信息需求日益增长，室内定位技术已成为全球研究的热点。目前所研究的算法以基于测距技术为主，包括测量到达时间(TOA)、测量到达时间差(TDOA)、测量到达角度(AOA)以及测量信号强度(RSSI)。电磁因素、实现技术不完善、环境变化等因素造成上述几种技术的测距结果都会存在误差，为了消除或减小误差，人们研究改进三边测量算法、虚拟阵算法、Bancroft算法、VIRE算法、REC算法、Taylor级数展开算法等[4-9]数据后期处理算法，也有MUSIC、CHAN[3]、最强径检测[1]、高阶累积量[10]等不同时延估计算法，希望利用不同的方法使得测距结果更准确或利用已有数据得到更准确的目标位置。这些方法或过分依赖测量值的准确性，或计算量过大，或存在实际条件不易达到等缺点，在实际中并不能达到很好的定位精度。本文研究基于到达时间的TOA测距技术，结合指纹算法进行定位，此方法既不会过分依赖测量值的准确度，也易于实现。

　　TOA双边测距原理

　　TOA(Time of Arrival)是常见的射频测距技术，其原理为通过测量信号在阅读器和标签之间传输的时间来估计两者之间的距离，测量误差的大小主要取决于测距过程中传输信道的状态，这些因素会影响接收方对信号的传输时延的判断，进而对定位精度产生影响。室内环境下，严重的多径效应和NLOS(非视距)条件造成测距误差较大。

　　我们利用Nanoloc系统使用SDS-TWR(Symmetrical Double-Sided Two-Way Ranging)[2，4]方式进行实际测距，测距过程为：第一个周期内，anchor向tag发送测距开始信号signal1，并开始计时(在接到ack之后停止计时，间隔即为troundA)，tag在接收到signal1后，自动返回一个ack信号，并在一段时间后向anchor发送其接收处理signal1的时间treplyT，treplyT包含于signal2中； 在接收到signal2后，自动返回一个ack信号，tag将发送signal2和接收ack的间隔时间troundA再次发送给anchor，由anchor计算两者之间的距离：

　　其中c为信号在空气中传播的速度，即光速。

　　我们从实际数据出发，发现因时延估计以及多径效应，使得TOA在短距离测量情况下也存在非单调性的问题，使用最小二乘法进行定位会有很大的误差，基于此，我们决定采用指纹法进行定位。

　　指纹算法及其实现

　　指纹定位的核心思想是建立无线信号的分布数据库，通过匹配算法实现实时定位。这种方法预先采集待定位环境中的无线信号，能够有效避免无线信号本身及环境影响等因素引起的误差，对存在障碍物的情况有很强的适应能力。

　　我们使用的系统平台包括移动节点、固定节点以及控制节点。定位流程可以分为四个步骤：

　　(1)建库过程：在定位区域内选定参考点位置，通过移动节点采集测量值，经过一系列的数据处理，建立该区域内的位置距离数据库；

　　(2)信号采集过程：控制节点接收移动节点发送的实时信号，经处理之后，发送到数据处理端；

　　(3)定位过程：利用匹配算法，在数据库中寻找一系列与采集到的测量值最接近的定位参考点；

　　(4)修正过程：对上一步中的指纹点集合，进行误差分析，从中选择最合适的k个定位参考点，使用加权算法，完成定位。

　　建库过程

　　建库过程分为以下几个步骤：(1)在待定位区域中，根据环境不同选择指纹位置，并放定阅读器位置；(2)在环境中取一个移动节点作为信号采集点，依次置于选定的指纹位置，所有阅读器采集其位置信息；(3)对采集到的距离信息，去除最大值和最小值之后，取平均，建立数据库。

　　定位过程

　　本文使用的匹配算法采用最近邻居法。该算法将不同阅读器测得的目标距离值作为向量，计算待定位节点与数据库中指纹点的欧几里得距离。选择其中距离最小的若干参考点组成定位参考点集合N。假定某指纹节点在数据库中的测量距离向量为(di1，di2，...dn)，待定位节点的测量距离向量为(d1，d2，...，dn)。则欧几里得距离为

　　将待定位节点的测量向量与数据库中的所有指纹点向量分别进行上述计算，求得与各指纹节点的欧几里得距离，选择阈值，将欧几里得距离小于阈值的指纹节点作为定位参考点集合N。

　　修正过程

　　选择动态阈值

　　将阈值设定为一个初值，欧几里得距离小于该阈值的指纹点位置置1，否则置0，这样置1的指纹点就组成了一张模糊地图。程序中判断满足此要求的指纹点个数k，如果k值位于3和6之间，则满足要求；如果k值小于3，则阈值自动加1，直到k值大于3为止；如果k值大于6，则阈值自动减一，直到k值小于6。经此调整，使N中指纹点个数k值在一个理想的范围内变化。

　　参考点加权定位

　　定位参考集合 中的各指纹点对应的欧几里得距离有大有小，即表明各指纹点对定位待定位节点所起的作用不同，基于此，本文使用加权算法，将该参考点对应的欧几里得距离的倒数作为该参考点的权值，

　　其中(x0，y0)为指纹算法得到的待定位节点坐标，(xi，yi)为区域中的指纹坐标。

　　为了防止待定位点碰巧在某指纹点上的情况，在所得的欧几里得距离值基础上加上一个很小的数值ε，从而不会有欧几里得距离为零，权值无穷大的情况出现，即

　　实验结果及分析

　　为了检验此方法的可行性，我们进行了如下实验：在室内选择一个4.2m×4.2m的方形空旷区域，在角落位置放置阅读器，每隔0.6m选择一个指纹点，建立数据库。在定位区域中随机放置一个待定位节点，由放置于角落的阅读器读取其距离信息，进行定位。

　　指纹法定位精度

　　将指纹法所得定位结果与最小二乘法所得定位结果进行比较。

　　由图中曲线看出，利用指纹算法定位，比基于最小二乘法定位的精度要高很多。指纹法定位精度在0.5m左右，当定位区域变大之后，这个精度足以满足要求。

　　不同的参考点密度对定位精度的影响

　　将定位区域内的指纹点个数依次选定为36、18、9，重复上述实验，得到如下定位结果：

　　通过上图可以看出，当参考点密度降低之后，随之明显降低的是定位精度。

　　最邻近参考点个数k对定位精度的影响

　　将阈值选为不同的值，从而定位参考集合内的参考点个数也会不同，表1表示了不同的参考点个数对定位精度的影响，用均方差误差来表示。

　　由表1中数据可以看到，随着定位参考点个数k值的增大，定位误差error并没有明显的改善，仅仅是误差均方差变小。

　　结语

　　本文针对室内环境下多径效应的存在对TOA测距有较大误差，且存在非单调性的问题，提出使用指纹算法，利用动态阈值，误差加权等方法改善定位精度，并与最小二乘法定位比较，发现此方法能够获得更好的定位误差，有效的提高了定位精度，并使定位精度不再过度依赖测量值的准确性，定位误差趋于稳定，能够较好的满足一般的定位需求。

　　参考文献：

　　[1] 肖竹，于全，易克初，王勇超.适用于NLOS环境的UWB定位方案研究[J].通信学报，2008，(4)

　　[2] Daegun Oh， Myungkun Kwak， and Jong-Wha Chong. A Subspace-Based Two-Way Ranging System Using a Chirp Spread Spectrum Modem， Robust to Frequency Offset[J]. IEEE Trans. On Wirelsee comm..， vol. 11，no. 4， Apr.2012.

　　[4] 杨天池，金梁，程娟.一种基于TOA定位的CHAN改进算法[J].电子学报，2009，(4)

　　[5] 余芳文，胡旭科.基于线性调频的nanoLOC新技术与应用研究[J].信息通信，2011，(2)

　　[6] 陈冰，刘开华，史伟光.基于RFID的虚拟标签改进算法[J].计算机工程，2011，(8)

　　[7] 万群，杜亚平，吕泽均.虚拟阵的TOA定位算法[J].电子科技大学学报，2009，(3)

　　[8] 王沁，何杰，张前雄，刘冰峰，于彦伟.测距误差分级的室内TOA定位算法[J].仪器仪表学报，2011，(12)

　　[9] 熊瑾煜，王巍，朱中梁.基于泰勒级数展开的蜂窝TDOA定位算法[J].通信学报，2004

　　[10] 林云松，孙卓振，彭良福.基于Bancroft算法的多点定位TOA—LS估计[J].电子学报，2012，(3)

　　[11] Christof R？hrig and Marcel Müller. Indoor Location Tracking in Non-line-of-Sight Environments Using a IEEE 802.15.4a Wireless Network[C]. The 2009 IEEE/RSJ International Conference on Intelligent Robots and Systems October 11-15， 2009 St. Louis， USA

　　孟祥龙 刘德亮 王姣姣 天津大学电子信息工程学院（天津300072）