《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 微波|射頻 > 設(shè)計應(yīng)用 > 基于模糊聚類的ZigBee室內(nèi)定位系統(tǒng)設(shè)計
基于模糊聚類的ZigBee室內(nèi)定位系統(tǒng)設(shè)計
2016年電子技術(shù)應(yīng)用第5期
何海平1,,郭 杭2,方 爽1
1.南昌大學(xué) 信息工程學(xué)院,,江西 南昌330031,;2.南昌大學(xué) 空間科學(xué)與技術(shù)研究院,,江西 南昌330031
摘要: 隨著計算機技術(shù)及傳感技術(shù)的發(fā)展,基于位置服務(wù)(LBS)逐漸成為研究熱點,。在采用德州儀器公司CC2530芯片設(shè)計的一套ZigBee室內(nèi)定位系統(tǒng)的基礎(chǔ)上,,提出了基于模糊聚類的加權(quán)最鄰近定位算法,并利用設(shè)計的ZigBee室內(nèi)定位系統(tǒng)進行實驗,。實驗結(jié)果表明,,采用基于模糊聚類的加權(quán)最鄰近定位算法,ZigBee室內(nèi)定位系統(tǒng)的平均定位精度有了一定的提高,,平均定位精度達到了1.47 m,,并且與常見的NN定位算法、KNN定位算法,、貝葉斯定位算法的定位效果進行了對比,。
中圖分類號: TN961
文獻標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.2016.05.020
中文引用格式: 何海平,,郭杭,方爽. 基于模糊聚類的ZigBee室內(nèi)定位系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用,,2016,,42(5):71-73,,77.
英文引用格式: He Haiping,,Guo Hang,F(xiàn)ang Shuang. Research of ZigBee indoor positioning system based on the fuzzy clustering[J].Application of Electronic Technique,,2016,,42(5):71-73,77.
Research of ZigBee indoor positioning system based on the fuzzy clustering
He Haiping1,,Guo Hang2,,F(xiàn)ang Shuang1
1.Information Engineer Institute,Nanchang University,,Nanchang 330031,,China; 2.Institute of Apace Science and Technology,,Nanchang University,,Nanchang 330031,China
Abstract: With the development of the computer technology and sensor technology, location-based services gradually become a hot research topic. This paper uses the Texas instruments′ CC2530 chip designing a set of ZigBee indoor positioning system, and proposes weighted the neighboring location algorithm based on fuzzy clustering. By using ZigBee indoor positioning system conducting experiment, the experimental results show that using the weighted neighboring location algorithm based on fuzzy clustering, ZigBee indoor positioning system positioning accuracy have improved, the average precision reached 1.47 m. And the positioning effect is compared with NN localization, the KNN algorithm and Bayesian algorithm.
Key words : indoor positioning systems,;CC2530,;fuzzy clustering;ZigBee,;fingeprint localization algorithm,;weithted adjacent algorithm;RSSI

0 引言

    人類大部分活動都是在室內(nèi)進行的,,因此進行室內(nèi)定位與導(dǎo)航研究具有非常重要的意義,。目前室內(nèi)定位方法主要采用[1,2]:超聲波[3],、激光,、紅外線[4]、RFID[5],、WiFi[6],、圖像視覺[7]等。本文采用ZigBee進行定位,,因為ZigBee技術(shù)具有成本低,、功耗低、復(fù)雜度低等優(yōu)勢[8],。本文采用德州儀器公司的CC2530芯片設(shè)計了一套ZigBee室內(nèi)定位系統(tǒng),,在設(shè)計了ZigBee室內(nèi)定位系統(tǒng)的基礎(chǔ)上,,提出了基于模糊聚類的ZigBee加權(quán)最鄰近定位算法[9],把通過加權(quán)最鄰近定位算法得到的點進行模糊聚類,,通過模糊聚類剔除大量的跳變點,。最后通過本文設(shè)計的ZigBee室內(nèi)定位系統(tǒng)進行實驗,并與最鄰近定位算法,、加權(quán)最鄰近定位算法,、貝葉斯定位算法進行比較。實驗結(jié)果表明,,本文提出的基于模糊聚類的加權(quán)最鄰近定位算法的平均定位精度有了一定的提高,。

1 系統(tǒng)介紹

1.1 系統(tǒng)的總體介紹

    本文設(shè)計的ZigBee室內(nèi)定位系統(tǒng)是帶有GUI界面的無線傳感網(wǎng)絡(luò)系統(tǒng),在PC終端上安裝監(jiān)控軟件,,協(xié)調(diào)器通過USB轉(zhuǎn)串口數(shù)據(jù)線連接到PC上,,PC就可以實時地查看、管理和配置ZigBee無線傳感網(wǎng)絡(luò),,移動節(jié)點和參考節(jié)點的位置就可以實時地顯示在PC上的監(jiān)控軟件中,。

1.2 系統(tǒng)的工作原理

    首先布設(shè)一定數(shù)量的參考節(jié)點在需要定位的區(qū)域內(nèi)部,并且記錄好參考節(jié)點的位置坐標(biāo),;然后通過相關(guān)的定位算法就可以計算出移動節(jié)點在該定位系統(tǒng)中的位置信息,,并且移動節(jié)點可以把自己接收到的RSSI值和物理地址發(fā)送給協(xié)調(diào)器,協(xié)調(diào)器通過USB轉(zhuǎn)串口數(shù)據(jù)線把這些數(shù)據(jù)傳送到終端服務(wù)器,,在PC上的監(jiān)控軟件可以實時地顯示出參考節(jié)點和移動節(jié)點的位置信息[10],。

2 基于模糊聚類的加權(quán)最鄰近定位算法

    在研究基于一般的加權(quán)最鄰近定位算法的基礎(chǔ)上,本文提出了一種新的基于模糊聚類的加權(quán)最鄰近指紋庫定位算法,。算法的原理圖如圖1所示,。首先采用加權(quán)最鄰近定位算法[11]計算出各個未知點的定位坐標(biāo),然后通過模糊聚類方法來去除掉大量的跳變點,,從而提高系統(tǒng)的定位精度,。

ck3-t1.gif

2.1 加權(quán)最鄰近定位算法

    首先把離線建庫階段所用的預(yù)設(shè)的采樣點作為指紋數(shù)據(jù)庫中的信息點,記作Xi∈{X1,,X2,,…Xn};然后進入在線定位階段:當(dāng)移動節(jié)點進入需要定位的區(qū)域后,,實時采集到的RSSI值記作Z,,它是k個參考節(jié)點的RSSI值,即Z=(Z1,,Z2,,…,Zk),。比對移動節(jié)點接收到的Z與原先建立的指紋庫Xi的歐式距離,,將這兩者歐式距離最小的點作為定位點,。歐式距離公式如下:

ck3-gs1-3.gif

    其中,wj為移動節(jié)點對應(yīng)于指紋數(shù)據(jù)庫中第j個點的權(quán)重值,,dj為相對應(yīng)的第j個點的位置坐標(biāo),。

2.2 模糊聚類

    聚類的定義就是按照事物之間的相似程度進行區(qū)別和分類的過程。聚類分析的目標(biāo)就是把特征空間中的一組數(shù)據(jù)按照某種方法分為若干類[12],。本文采用模糊C均值聚類方法(FCM),。

    模糊C均值聚類算法的目的是把各地的n個P維數(shù)據(jù)點的集合X={x1,x2,,…xn}分為C個模糊類Ai(i=1,,2,,…,,C),使得X的任何一個分量Xk∈RP的隸屬度Ai(xk)都滿足以下兩個條件:

ck3-gs4-8.gif

    本文中具體使用的方法是:首先通過加權(quán)最鄰近定位算法計算得到的未知點的未知坐標(biāo),,然后采用模糊C均值聚類算法去除掉大量的跳變點,。通過模糊C均值聚類算法把得到的數(shù)據(jù)分為若干類,將這些類中數(shù)據(jù)點最多的那一類留下,,去除掉其他的數(shù)據(jù),。通過聚類后得到的數(shù)據(jù)更加接近真實點的坐標(biāo),從而提高了定位系統(tǒng)的定位精度,。

3 實驗結(jié)果分析

3.1 實驗布局

    采用本文設(shè)計的ZigBee室內(nèi)定位系統(tǒng)進行實驗,,在實驗區(qū)域內(nèi)選取5.6 m×5.6 m的區(qū)域建立指紋數(shù)據(jù)庫。在本實驗中離線建庫階段一共采集了64個指紋點的數(shù)據(jù),。實驗一共隨機選取了21個待定點,。離線建庫階段,在每個指紋數(shù)據(jù)點采集120 s信號強度值數(shù)據(jù),,然后對這120 s的數(shù)據(jù)進行均值濾波,,得到指紋數(shù)據(jù)庫;在線定位階段,,獲取每一個待定點的30組數(shù)據(jù),,一共有21×30=630組數(shù)據(jù)。

3.2 實驗結(jié)果

    分別采用最鄰近定位算法,、加權(quán)最鄰近定位算法,、貝葉斯定位算法和模糊C均值定位算法對上述隨機選取的21個采樣點的數(shù)據(jù)進行計算,得到的定位結(jié)果如表1所示,。

ck3-b1.gif

    使用本文提出的基于模糊C均值聚類定位算法處理了上述的21個采樣點,,各個點的定位誤差如圖2所示。在需要定位區(qū)域內(nèi),,本文提出的模糊C均值聚類定位算法的平均定位精度達到了1.47 m,。

ck3-t2.gif

4 結(jié)束語

    本文在研究了一般定位算法的基礎(chǔ)上,,提出了基于模糊聚類的加權(quán)最鄰近定位算法,并把該算法應(yīng)用在本文設(shè)計的ZigBee室內(nèi)定位系統(tǒng)上,。實驗結(jié)果表明,,采用本文提出的基于模糊聚類的加權(quán)最鄰近定位算法后,ZigBee定位系統(tǒng)的平均定位精度能夠達到1.47 m,,與普通的定位算法相比較,,具有較好的應(yīng)用價值。

參考文獻

[1] 王暉.基于RSSI的無線傳感器網(wǎng)絡(luò)室內(nèi)定位算法設(shè)計與實現(xiàn)[D].北京:北京郵電大學(xué),,2010:16-41.

[2] 肖竹,,王勇超,田斌.超寬帶定位研究與應(yīng)用:回顧和展望[J].電子學(xué)報,,2011,,39(1):133-141.

[3] 葉寶玉,王欽若,,熊建斌,,等.基于超聲波的模型船舶室內(nèi)定位系統(tǒng)研究[J].計算機工程,2012,,38(19):258-260,,265.

[4] HAUSCHILDT D,KIRCHHOF N.Improving indoor position estimation by combining active TDOA ultrasound and passive thermal infrared localization[C].IEEE Positioning Navigation and Communication,,2011:94-99.

[5] 張穎,,李凱,王建偉.一種有源RFID局域定位系統(tǒng)設(shè)計[J].電子設(shè)計工程,,2012,,20(5):68-70,74.

[6] 馬卜林,,楊帆.煤礦井下WiFi人員定位GIS系統(tǒng)設(shè)計與實現(xiàn)[J].西安科技大學(xué)學(xué)報,,2012,32(3):301-305.

[7] 李曉維,,徐勇軍,,任豐原.無線傳感器網(wǎng)絡(luò)技術(shù)[M].北京:北京理工大學(xué)出版社,2007:191-219.

[8] 張正勇,,梅順良.無線傳感器網(wǎng)絡(luò)節(jié)點自定位技術(shù)[J].計算機工程,,2007,33(17):4-6.

[9] 宋欣.多傳感器融合的室內(nèi)定位技術(shù)研究[D].上海:上海交通大學(xué),,2013.

[10] 劉小康,,張翔,方爽,等.基于ZigBee無線傳感器網(wǎng)絡(luò)的一種室內(nèi)定位新方法[J].傳感器與微系統(tǒng),,2013,,32(11):29-30.

[11] KING T,KOPF S,,HAENSELMANN T,,et al.A probabilistic indoor positioning system based on 802.11 and digital compasses[C].The First ACM International Workshop on Wireless Network Testbeds,Experimental Evaluation and Characterization.Los Angeles,,USA,,2006:34-40.

[12] 宮改云.FCM算法參數(shù)研究及其應(yīng)用[D].西安:西安電子科技大學(xué),2014.

[13] 黃競偉,,朱福喜,,康立山.計算智能[M].北京:科學(xué)出版社,2010:214-218.

此內(nèi)容為AET網(wǎng)站原創(chuàng),,未經(jīng)授權(quán)禁止轉(zhuǎn)載,。