Computer

Engineering

and

Applications

计算机工程与应用

2014

，

50

(

14

)

1

引言

无线传感器网络是

21

世纪

21

个最具影响力的技术

之一，

也是

10

个改变世界的技术之一。作为无线传感

器网络的重要的支撑技术，

定位技术的发展非常迅速，

不管在工业方面还是学术方面，

都引起了很大的关注。

随着移动通信、

无线传感器网络技术的发展，

室内环境

下基于位置的服务

(

LBS

)

越来越受到人们的关注，

室内

人员定位成为一个非常重要的研究领域。

定位算法主要分为两大类：

基于距离算法和无需测

距算法

[1]

；

根据部署场合分为室内定位和室外定位。基

于距离算法是通过测量节点间的距离或者角度，

使用三

边测量、

三角测量或者最大似然估计法来估计节点位

置，

目前使用的测距技术有接收信号强度指示

(

RSSI

)

[2]

、

到

达

时

间

(

TOA

)

[3]

、

到

达

时

间

差

(

TDOA

)

[4]

和

到

达

角

(

AOA

)

[5]

等；

无需测距算法是根据网络连通性等信息实

现节点定位，

有质心算法

[6]

、

DV-hop

算法

[7]

、

Amorphous

算法

[8]

、

APIT

算法

[9]

等。基于

RSSI

值是测距的基本方

法，

测量

RSSI

只需要较少的开销和较低的实现复杂度，

成为近几年室内定位研究的热点。但是

RSSI

值易受到

环境的影响

(如墙壁反射，

衍射，

多径效应等)

，

所以需要

对

RSSI

值滤波并更新参数

A

和

n

。结合

Unscented

卡

尔曼滤波，

能有效地消除全向性的影响。

基于

Unscented

卡尔曼滤波的室内定位

方

庆，

李

平

FANG

Qing,

LI

Ping

长沙理工大学

计算机与通信工程学院，

长沙

410004

College

of

Computer

and

Communication

Engineering,

Changsha

University

of

Science

and

Technology,

Changsha

410004,

China

FANG

Qing,

LI

Ping.

Unscented

Kalman

filter-based

indoor

positioning.

Computer

Engineering

and

Applications,

2014,

50

(

14

)

：

74-77.

Abstract

：

By

analyzing

antenna

omni-directional

problem

in

RSSI

values-based

ranging

technique,

it

proposes

location

algorithm

based

on

the

Unscented

Kalman

Filter

(

UKF

)

.

It

uses

the

RSSI

values-based

ranging

model

for

distance

mea-

surement,

and

uses

the

Unscented

Kalman

filter

algorithm

to

estimate

node

coordinates.

Since

the

RSSI

value

measurement

and

ranging

model

parameters

affected

by

the

environment,

it

uses

Gaussian

filter

to

optimize

the

RSSI

value

and

uses

linear

regression

algorithm

to

optimize

the

environmental

parameters.

Compared

with

the

Maximum

Likelihood

estimation

method

(

ML

)

,

experimental

results

show

that

this

method

can

effectively

reduce

the

positioning

error

and

improve

accuracy.

Key

words

：

localization;

Received

Signal

Strength

Indicator

(

RSSI

)

;

antenna

omni-directional;

Unscented

Kalman

Filter

(

UKF

)

摘

要：

基于

RSSI

值的测距技术中，

通过对天线全向性问题的分析，

提出基于

Unscented

卡尔曼滤波

(

UKF

)

的定位

算法。利用基于

RSSI

值的测距模型进行距离测量，

并使用

Unscented

卡尔曼滤波算法估计节点坐标。由于

RSSI

值

的测量和测距模型参数受到环境的影响，

采用高斯滤波对

RSSI

值进行优化，

对环境参数使用线性回归算法进行优

化并采用自适应机制更新。通过与最大似然估计法

(

ML

)

的比较实验表明，

该算法能有效地减小定位误差，

提高定

位精度。

关键词：

定位；

接收信号强度指示器

(

RSSI

)

；

天线全向性；

无损卡尔曼滤波

(

UKF

)

文献标志码：

A

中图分类号：

TN915

doi

：

10.3778/j.issn.1002-8331.1208-0036

基金项目：

国

家

科

技

重

大

专

项

(

No.2010ZX03006-007

)

；

国

家

科

技

支

撑

课

题

(

No.2012BAH20B03

)

；

中

国

科

学

院

先

导

课

题

(

No.

XDA06040100

)

；

湖南省科技计划项目

(

No.2010GK3069

)

。

作者简介：

方庆

(

1989

—)

，

男，

硕士研究生，

主要研究领域为无线传感器网络；

李平

(

1972

—)

，

男，

博士，

副教授，

主要研究领域为无

线传感器网络、

网络与信息安全、

移动计算。

E-mail

：

fangqing1012@163.com

收稿日期：

2012-08-03

修回日期：

2012-10-15

文章编号：

1002-8331

(

2014

)

14-0074-04

CNKI

网络优先出版：

2012-11-21,