智能家居中用户位置定位算法研究
2016-09-10韩程远
张 斌 韩程远
(山东工商学院计算机科学与技术学院 烟台 264005)
智能家居中用户位置定位算法研究
张斌韩程远
(山东工商学院计算机科学与技术学院烟台264005)
通过RFID标签在室内的精准坐标定位来确定用户在室内的位置。定位算法通过PDOA测量用户与识读器标签之间的距离,由于误差的存在,通过梯度下降算法迭代逼近精确位置。迭代过程中使用Hesse矩阵来得到梯度下降的最优步长,减少迭代次数。仿真实验证明算法在智能家居系统定位的速度和精确度。
智能家居; RFID; 定位算法; 梯度下降; 最优步长
Class NumberTP301.6
1 引言
在智能家居系统中,为了能够收集用户的行为习惯,学习用户的生活习惯,需要精准地定位用户在家居中的坐标,通过用户的行动轨迹和当前坐标来预判用户下一步的动作,然后补充完成用户的动作[1~2],如冰箱开门、空调开关等。
GPS无疑是室外定位系统中最为优秀的技术,但在复杂的室内环境中,由于墙壁阻挡、各种信号交错传播,使得GPS技术的定位精度大打折扣[3]。到目前为止,已经出现的室内定位技术包括WIFI定位、RFID定位以及WIFI与RFID结合[4~5]的定位方法。因为RFID设备的识别相应速度快,识别距离与室内长宽相符,精度高,成本低等特点,使其成为当今最为流行室内定位设备。
到目前为止,RFID的定位技术主要有到达角度测距(Angle-of-Arrival,AOA)、收信时间差定位(Time Difference of Arrival,TDOA)、信号强度法(Received Signal Strength,RSS),最为流行的RFID定位系统无疑是LANDMARC[6]和SpotON[7],LANDMARC与SpotON相比,LANDMARC在硬件上使用了更大范围和回应能力的主动式感应标签,在算法上,针对实际的各种定位系统做了相应的研究和改进,使得定位数据的可靠性增强。但是当前的定位系统大多偏向于在二维平面空间,对目标物体进行位置定位,而对于我们生活的三维空间中目标物体的定位涉及较浅,不能应用于实际的生产、生活环境中。
本文提出了基于PDOA算法与梯度下降算法来获取用户在室内的精准定位,并通过Hesse矩阵来求得梯度下降算法迭代过程中的最优步长,从而减少迭代次数,提高算法效率。仿真实验证明,算法可以快速、准确地定位用户在室内的位置。
2 二维空间定位算法分析
在进行三维空间定位算法之前,先对二维空间中定位算法进行分析。在RFID的二维空间定位算法中,主要有基于测距或基于测角的定位方式,由于测角定位技术对天线的规格以及摆放的角度要求严格,因此测距定位技术应用更为广泛[8]。
2.1测距技术
到目前为止,无线电波的测距技术主要有基于TOA(信号到达时间)、TDOA(信号达到时间差)、RSSI(接收信号强度)以及PDOA(信号到达相位差)等算法。由于TOA和TDOA在接收信号时对于RFID识读器等硬件的要求太高,不易实现,通常被应用在重大型的基站定位中,如CDMA系统等;RSSI技术抗干扰能力差,精度难以保证;相比较来说,PDOA对硬件要求不高,能够通过相位差来精确计算距离的优点,使其更适用于小型室内定位系统[8]。
2.2三边定位
三边定位算法是最为常用的基于测距的定位算法,当二维空间中存在一个RFID识读器时,假设读写器与目标物体间的距离为DRT,则目标物体一定处于以识读器为圆点,以DRT为半径的圆上。如果已知读写器的坐标为(xR,yR),目标物体T的坐标为(xT,yT),则
(1)
如果将识读器的数目增加到三条,则目标位物体应该位于分别以各识读器为圆点,以距离识读器与目标物体距离为半径的三圆的唯一交点。如果已知三个识读器与目标物体间的距离时,可以通过方程组(2)计算出目标物体的坐标(xT,yT)。
2)非洲是传统核心区。埃尼公司上游业务几乎涉及所有非洲传统油气资源国家,从北非的阿尔及利亚、利比亚、埃及到西北非的摩纳哥,再到东非莫桑比克、肯尼亚等国家,西非传统油气大国埃尼公司更是都有进入,包括尼日利亚、安哥拉、刚果、加蓬、加纳等。埃尼公司已经在非洲15个国家开展上游业务,未来4年埃尼公司重点聚焦的勘探盆地/地区,非洲仍将占据一半。
(2)
但在实际的应用环境中,由于无线电波在传输的过程中会遇到墙壁、障碍物等的阻挠以及无线之间的相互干扰,无论通过哪种测距技术,都会存在误差。由于误差的存在,D1,D2,D3的实际测量值不准确(经过多次的实验测量,测量距离总是大于实际距离),容易造成方程组(2)无解[9],如图1所示,目标物体位于三圆交汇区域而非交汇点。此时,三边测量方法会估算得到目标物体的坐标,也就是LR1R2与LR1R3的交叉点的坐标,这种估算法没有充分地利用三个识读器R1,R2,R3的坐标,得到的结果可能与目标物体的实际距离会存在一定的误差。
图1 三圆存在交汇区域
3 智能家居用户位置感应模型
在智能家居的三维空间中,为了确保每个角落都能被RFID识读器的信号覆盖,选择固定式的阅读器,并选择四条天线安装在房屋的四个对角,根据天线与目标物体间的距离,得到方程组(3)
(3)
前文已经提到,由于RFID天线与目标物体之间距离测量的误差,会导致方程组无解的情况。本文中选取初始点,通过迭代求解,逐步逼近目标物体实际坐标,这也是非线性方程组的数值求解问题,考虑到梯度下降法在实际的使用过程中收敛速度快、迭代次数少等特点,因此本文选择梯度下降算法作为定位算法,为了使迭代次数最少,需求得到迭代的最优步长,本文通过获取Hesse矩阵来得到迭代最优步长。
算法流程如图2所示。
图2 室内定位迭代算法
假设室内待测目标物体的坐标为T(xt,yt,zt),通过PODA方法测得目标物体T与室内识读器天线i,(i=1,2,3,4)之间的实际距离为Dit。
(4)
通过式(5)计算误差
(5)
均方根误差为
(6)
如果均方根误差不在可接受范围之内,则使用梯度下降算法,求得ε在室内范围的极小值。首先通过式(7)求出最优迭代步长
(7)
其中g为梯度矩阵,H为Hesse矩阵,然后通过最优步长[10]调整坐标以减小误差,参见式(8)
(8)
4 仿真实验
为验证本文中算法在实际的智能家居环境中的性能,选取一间长宽高分别为500cm,300cm,320cm的房间进行测试实验,目标物体的坐标为(200,150,175)。首先通过四个球面的交集中求出质心,以质心作为梯度下降算法的初始坐标。为了验证选择质心作为初始坐标的优势,实验中分别选取了(1,1,1)点和测距误差质心(三维空间内,经过天线i的对角线上,与天线i距离为Dit的点,如图8所示,取这些点构成图形的质心)为起始点。
4.1选取(1,1,1)为起始点
首先选取(1,1,1)作为初始点,最大允许误差为1*10-10,如果不使用Hesse矩阵求得最优步长,迭代次数约为60次左右,而使用最优步长,迭代次数下降到29次。图3给出了x,y,z轴坐标收敛情况,可见开始收敛迅速,但接近极值点时,收敛速度较慢,这也是梯度下降算法的特点,这将作为以后研究的重点。图4给出了算法的收敛过程,显示了由初始点向目标物体的实际坐标点逼近的过程,为了能够清楚地展示收敛的过程,图5、图6、图7给出了剖面图及其局部放大图,最终x,y,z轴的坐标都接近于目标物体的实际坐标,证明了算法的正确性。
图3 坐标收敛
图4 算法收敛过程
图5 x-y剖面及其局部放大
图6 x-z剖面及其局部放大
图7 y-z剖面及其局部放大
4.2选取测距误差质心为起点
图8 确定z误差质心
图9 收敛过程
图10 坐标收敛
5 结语
本文提出了适用于智能家居环境中的室内用户定位算法,定位算法通过PDOA测得携带RFID标签的用户与RFID识读器之间的距离。由于室内环境较复杂,测量过程中存在误差,定位算法通过梯度下降算法来逐步逼近用户的精准位置。实验表明,本算法可以通过迭代过程逐步缩小误差的方法获取的用户的准确位置。采用距离误差质心作为梯度下降算法的初始点,能减少迭代次数,提高运算效率。
[1] Suh C, Ko Y B. Design and implementation of intelligent home control systems based on active sensor networks[J]. Consumer Electronics, IEEE Transactions on,2008,54(3):1177-1184.
[2] Nuhijevic V, Vukosavljev S, Radin B, et al. An intelligent home networking system[C]//Consumer Electronics-Berlin(ICCE-Berlin), 2011 IEEE International Conference on. IEEE,2011:48-51.
[3] 汪苑,林锦国.几种常用室内定位技术的探讨[J].中国仪器仪表,2011(2):54-57.
WANG Yuan, LIN Jinguo. Several common indoor positioning technology discussion[J]. China Instrument and Control,2011(2):54-57.
[4] Assad. A real-time laboratory testbed for evaluating localization performance of WIFI RFID technologies[D]. Worcester: Worcester Polytechnic Institute,2007:86.
[5] Heidari M, Pahlavan K. 6 Performance evaluation of WiFi RFID localization technologies[J]. RFID Technology and Applications,2007:74.
[6] Headley W C, da Silva C R C M, Buehrer R M. Indoor location positioning of non-active objects using ultra-wideband radios[C]//Radio and Wireless Symposium, 2007 IEEE. IEEE,2007:105-108.
[7] Hightower J, Want R, Borriello G. SpotON: An indoor 3D location sensing technology based on RF signal strength[R]. UW CSE Technical Report,2000.
[8] 孙晓玲,李伟勤.基于RFID的二维室内定位算法的实现[J].现代电子技术,2010,33(24):90-92.SUN Xiaoling, LI Weiqin. The realization of the two-dimensional indoor location algorithm based on RFID[J]. Modern Electronic Technology,2010,33(24):90-92.
[9] 曾孝平,王峰,熊东.基于UHFRFID的三维位置感知算法设计[J].世界科技研究与发展,2013,35(2):196r200.
ZENG Xiaoping, WANG Feng, XIONG Dong. Based on the UHFRFID 3 d location-aware algorithm design[J]. World Science-technology R&D,2013,35(2):196r200.
[10] 王洪斌,贺晙华,贺辉.具有优化步长的最速下降法MPPT控制[J].电机与控制学报,2012,16(10):21-25.
WANG Hongbin, HE Junhua, HE Hui. The steepest descent method with optimization step length MPPT control[J]. Electric Machines and Control,2012,16(10):21-25.
User Location Algorithm Research in Intelligent Home Environment
ZHANG BinHAN Chengyuan
(School of Computer Science and Technology, Shandong Institute of Business and Technology, Yantai264005)
Through the precise positioning coordinates of RFID tag, the user’s location is determined. The distance between the user and the RFID reader is measured by PDOA algorithm, because of the presence of measurement errors, the gradient descent algorithm is used to get precise location. During the iterations, Hesse matrix is used to get the optimal gradient descent step, then to reduce the number of iterations. Simulation results show that the location algorithm can improve the speed and precision of the user location in the intelligent home system.
intelligent home, RFID, location algorithm, gradient descent, optimal step size
2016年2月13日,
2016年3月18日
山东工商学院青年基金(编号:2014QN029)资助。
张斌,男,硕士,讲师,研究方向:智能家居。韩程远,男,讲师,研究方向:室内定位。
TP301.6
10.3969/j.issn.1672-9722.2016.08.010