情境自适应的RSSI分段异构拟合定位方法

计算机工程与科学

情境自适应的RSSI分段异构拟合定位方法

陈泳希1，刘任任1，陈益强2，王双全2，蒋鑫龙2

（1.湘潭大学信息工程学院，湖南湘潭 411105； 2.中国科学院计算技术研究所，北京 100190）

收稿日期:2016-03-10 修回日期:2016-05-05 出版日期:2017-07-25 发布日期:2017-07-25
基金资助:
国家自然科学基金(61173066,61572471,61472399);广东省科技计划项目（2015B010105001）;中科院计算所所创新课题(20156010)

A context-adaptive segmentation heterogeneous

RSSI fitting positioning method

CHEN Yong-xi1,LIU Ren-ren1,CHEN Yi-qiang2,WANG Shuang-quan2,JIANG Xin-long2

（1.College of Information Engineering,Xiangtan University,Xiangtan 411105；
2.Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China）

Received:2016-03-10 Revised:2016-05-05 Online:2017-07-25 Published:2017-07-25

摘要/Abstract

摘要：

室内定位在公共安全、健康监护、定位服务等领域具有重要价值，提高定位精度和模型对环境的适应性已经成为室内定位的核心问题。其中通过接收信号强度指示RSSI值来获取距离是比较通用的方法。针对室内复杂环境中传统的对数距离损耗路径模型适用性不高的情况，提出了一种情境自适应的RSSI分段异构拟合定位方法。该方法利用信号在不同应用情境下传播损耗的差异性，将RSSI数据分为多个不同的拟合段，根据RSSI数据的区分特性寻找最优的分段拟合点，并为每个分段选择最优的拟合函数，使得分段数、分段位置和每个分段的拟合函数都适应相应的应用场景，从而实现高精度的RSSI信号拟合。实验结果表明，本文所提出的方法在RSSI拟合精度上均优于传统的单一拟合函数，可明显提高定位算法的精度。

关键词: 接收信号强度指示, 室内定位, 分段曲线拟合, 异构拟合, 自适应性

Abstract:

Indoor positioning plays an important role in many applications, such as public safety, healthcare, location-based services and so on. How to improve positioning accuracy and the model' adaptivity to the environment becomes a key issue of indoor positioning, where most existing techniques generally use the value of the received signal strength indication (RSSI) to obtain the distance. Given the fact that the traditional logarithmic distance path loss model cannot adapt to the complex indoor environment very well, we propose a context-adaptive segmentation heterogeneous RSSI fitting positioning method. The proposed method firstly utilizes the difference in signal transmission under different application scenarios to divide the RSSI data into several different segments. Then it finds the optimal piece-wise fitting point by RSSI's differentiated characteristics, and selects the optimum function for each seg-ment, enabling the number of segments, segment position, and piecewise functions of all segments to a-dapt to corresponding application scenarios. Finally high accurate RSSI signal fitting is achieved. Exper-imental results show that the proposed method in RSSI fitting can achieve higher accuracy than the traditional single-fitting function, and improve the accuracy of position algorithms significantly.

Key words: RSSI, indoor position, piecewise curve fitting, heterogeneous fitting, adaptivity

陈泳希1，刘任任1，陈益强2，王双全2，蒋鑫龙2. 情境自适应的RSSI分段异构拟合定位方法[J]. 计算机工程与科学.

CHEN Yong-xi1,LIU Ren-ren1,CHEN Yi-qiang2,WANG Shuang-quan2,JIANG Xin-long2.

A context-adaptive segmentation heterogeneous

RSSI fitting positioning method

[J]. Computer Engineering & Science.

[1]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[2]	刘颜星, 郝占军, 田冉. 基于CSI信号的被动式室内指纹定位算法研究[J]. 计算机工程与科学, 2021, 43(08): 1398-1404.
[3]	党小超, 汝春瑞, 郝占军, . 基于CSI与SVM回归的室内定位方法[J]. 计算机工程与科学, 2021, 43(05): 853-861.
[4]	贾玉福1，刘文平1，胡胜红2. 一种基于多模数据的室内定位算法[J]. 计算机工程与科学, 2020, 42(02): 229-235.
[5]	陈诗军1，王慧强2，陈大伟1，刘秀兵2,胡海婧2. 基于改进禁忌搜索的基站布局优化算法[J]. 计算机工程与科学, 2018, 40(02): 341-347.
[6]	尹强，佐磊，何怡刚，刘东洋，李亚. 基于支持向量回归机的RFID室内定位研究[J]. 计算机工程与科学, 2017, 39(12): 2340-2344.
[7]	侯振寰，马永涛，姜启登，窦智. 基于多指纹联合匹配的混合定位算法[J]. 计算机工程与科学, 2017, 39(04): 678-683.
[8]	沈郭浩，马永涛,刘开华，赵宇. 非视距环境下室内RFID标签定位算法研究[J]. J4, 2016, 38(03): 454-459.
[9]	曹洁1,2，牛丽波1，王进花1. 一种改进LANDMARC射频识别室内定位算法[J]. J4, 2015, 37(09): 1671-1675.
[10]	冯锦海1，杨连贺1，刘军发2，忽丽莎2. 基于WLAN移动定位的个性化商品信息推荐平台[J]. J4, 2014, 36(10): 1925-1931.
[11]	温佩芝1，苏亭婷1，李丽芳1，张建军2. 基于粒子群的射频识别定位算法[J]. J4, 2014, 36(05): 917-922.
[12]	王慧华朱兆辉吴克立. 基于改进进化策略的CSCL任务分配自适应决策方法[J]. J4, 2007, 29(6): 65-67.
[13]	孙美凤龚俭. 一种基于免疫学的园区网入侵检测模型[J]. J4, 2004, 26(10): 34-36.