基于多源概率的无线传感器定位方法、系统、装置及介质

1.本发明涉及无线传感器定位技术领域，尤其是一种基于多源概率的无线传感器定位方法、系统、装置及介质。


背景技术：

2.在无线传感网络定位中，业界普遍采用传统的信号传播损耗模型和接收信号强度rssi指纹匹配两种方法。
3.传统的信号传播损耗模型建立信号接收功率与节点距离的函数关系，通过三边测量法、三角测量法或者质心测量法计算节点位置，计算过程复杂，适用于单一信号源环境下在室外空旷区域对目标节点进行定位。然而，现代物流商储建筑由于造型和使用功能的需要，往往会使防火分区面积过大、货架与货架之间距离狭长，货架与货架之间形成四通八达的狭长通道，而由于传感网络发出的功率普遍较低，很难穿透货架障碍物，为达到信号全覆盖效果，一般采用多个源传感器节点装置，不同源节点发出的电磁波在排排货架通道之间会产生衍射和反射现象。因此，在物流商储建筑中，任一区域节点采集到的信号并非来自单一节点和单一路径，而是来自狭长通道中多条传播路径和多个信号源的相位叠加，每个位置都呈现出极其复杂和独特的电磁多径衰减特征，若将传统的信号传播损耗模型用于对物流商储建筑室内传感节点进行定位，将导致较大的定位误差。
4.接收信号强度rssi指纹匹配适用于多信号源复杂电磁环境下对室内节点进行定位，但前提是需要在定位区域内遍历采样节点并建立指纹数据库，目标节点采集多源信号指纹后利用指纹数据库进行最近匹配，找出定位坐标与指纹的匹配关系。在该方法中，由于定位精度与采集样点密度成正比，为提高定位精度，较高的采集密度会导致庞大的工作量，难以在定位精度和工作复杂度之间找到平衡点。


技术实现要素：

5.本发明的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
6.为此，本发明实施例的一个目的在于提供一种基于多源概率的无线传感器定位方法，该方法提高了无线传感器定位的准确度和定位效率，降低了人工成本和时间成本。
7.本发明实施例的另一个目的在于提供一种基于多源概率的无线传感器定位系统。
8.为了达到上述技术目的，本发明实施例所采取的技术方案包括：
9.第一方面，本发明实施例提供了一种基于多源概率的无线传感器定位方法，包括以下步骤：
10.通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值；
11.构建目标区域的多径向量信号叠加衰减模型，根据所述多径向量信号叠加衰减模型确定所述目标传感器节点与所述源传感器节点的位置关系，所述目标传感器节点分布在所述目标区域内；
12.根据所述rssi指纹概率特征值和所述位置关系构建rssi指纹概率特征库；
13.获取待测传感器节点采集的多源rssi信号，根据所述多源rssi信号的相位特征确定所述待测传感器节点的信号源概率分布信息；
14.将所述信号源概率分布信息与所述rssi指纹概率特征库进行匹配，确定对应的所述位置关系，进而根据对应的所述位置关系计算所述待测传感器节点的位置数据。
15.进一步地，在本发明的一个实施例中，所述通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值这一步骤，其具体包括：
16.确定所述目标传感器节点接收到所述源传感器节点的多个rssi信号强度值；
17.根据所述rssi信号强度值计算rssi信号强度平均值和rssi信号强度标准差，根据所述rssi信号强度值、所述rssi信号强度平均值以及所述rssi信号强度标准差确定所述目标传感器节点接收到所述源传感器节点的所述rssi信号强度值的第一概率特征值；
18.根据多个所述源传感器节点对应的所述第一概率特征值确定所述rssi指纹概率特征值。
19.进一步地，在本发明的一个实施例中，所述第一概率特征值通过下式确定：
[0020][0021]
其中，lj表示目标传感器节点j的坐标，fi表示目标传感器节点j接收到源传感器节点ci的rssi信号强度值，p(fi|lj)表示目标传感器节点j接收到源传感器节点ci的rssi信号强度值fi的第一概率特征值，γi表示目标传感器节点j接收到源传感器节点ci的rssi信号强度平均值，表示目标传感器节点j接收到源传感器节点ci的rssi信号强度标准差。
[0022]
进一步地，在本发明的一个实施例中，所述多径向量信号叠加衰减模型为：
[0023][0024]
其中，rssi(d
ij
)表示目标传感器节点j接收源传感器节点ci的rssi信号的实际接收功率，d
ij
表示目标传感器节点j与源传感器节点ci的距离，rssi(d0)表示参考节点接收源传感器节点ci的rssi信号的实际接收功率，d0表示参考节点与源传感器节点ci的距离，x
δ
表示高斯随机变量标准方差，表示其他n-1个源传感器节点发出的信号向量的叠加值，n表示源传感器节点的总数，β表示信号向量波动修正参数。
[0025]
进一步地，在本发明的一个实施例中，所述根据所述rssi指纹概率特征值和所述位置关系构建rssi指纹概率特征库这一步骤，其具体为：
[0026]
根据所述目标传感器节点确定所述rssi指纹概率特征值和所述位置关系的第一映射关系；
[0027]
根据所述第一映射关系构建rssi指纹概率特征库。
[0028]
进一步地，在本发明的一个实施例中，所述获取待测传感器节点采集的多源rssi信号，根据所述多源rssi信号的相位特征确定所述待测传感器节点的信号源概率分布信息这一步骤，其具体包括：
[0029]
通过待测传感器节点持续采集多源rssi信号；
[0030]
根据所述多源rssi信号的相位特征统计所述待测传感器节点接收到各所述源传感器节点的rssi信号的第二概率特征值；
[0031]
根据所述第二概率特征值确定所述待测传感器节点的信号源概率分布信息。
[0032]
进一步地，在本发明的一个实施例中，所述待测传感器节点的位置数据通过下式计算得到：
[0033][0034][0035]
其中，xa和ya分别表示待测传感器节点的横坐标和纵坐标，p(fi|la)表示待测传感器节点接收到源传感器节点ci的rssi信号强度值fi的第二概率特征值，xk表示中心参考节点k的横坐标，xv表示边界参考节点v的横坐标，yk表示中心参考节点k的纵坐标，yv表示边界参考节点v的纵坐标，d
ia
表示待测传感器节点与源传感器节点ci的距离。
[0036]
第二方面，本发明实施例提供了一种基于多源概率的无线传感器定位系统，包括：
[0037]
rssi指纹概率特征值确定模块，用于通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值；
[0038]
位置关系确定模块，用于构建目标区域的多径向量信号叠加衰减模型，根据所述多径向量信号叠加衰减模型确定所述目标传感器节点与所述源传感器节点的位置关系，所述目标传感器节点分布在所述目标区域内；
[0039]
rssi指纹概率特征库构建模块，用于根据所述rssi指纹概率特征值和所述位置关系构建rssi指纹概率特征库；
[0040]
信号源概率分布信息确定模块，用于获取待测传感器节点采集的多源rssi信号，根据所述多源rssi信号的相位特征确定所述待测传感器节点的信号源概率分布信息；
[0041]
位置数据计算模块，用于将所述信号源概率分布信息与所述rssi指纹概率特征库进行匹配，确定对应的所述位置关系，进而根据对应的所述位置关系计算所述待测传感器节点的位置数据。
[0042]
第三方面，本发明实施例提供了一种基于多源概率的无线传感器定位装置，包括：
[0043]
至少一个处理器；
[0044]
至少一个存储器，用于存储至少一个程序；
[0045]
当所述至少一个程序被所述至少一个处理器执行时，使得所述至少一个处理器实现上述的一种基于多源概率的无线传感器定位方法。
[0046]
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行上述的一种基于多源概率的无线传感器定位方法。
[0047]
本发明的优点和有益效果将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到：
[0048]
本发明实施例结合传统信号传播损耗模型和接收信号强度rssi指纹匹配的优点，
提出一种基于多径向量信号叠加衰减模型和多源概率指纹定位的无线传感器定位方法，通过概率统计计算生成rssi指纹概率特征值，减少人工密集采集样本的复杂度；通过构建多径向量信号叠加衰减模型确定目标传感器节点与源传感器节点的位置关系，适用于多信号源复杂电磁环境下对室内传感器节点的定位，且具有较高的定位精度；通过构建rssi指纹概率特征库对待测传感器节点的信号源概率分布信息进行匹配，从而确定待测传感器节点的位置数据，提高了无线传感器定位的准确度和定位效率，降低了人工成本和时间成本。
附图说明
[0049]
为了更清楚地说明本发明实施例中的技术方案，下面对本发明实施例中所需要使用的附图作以下介绍，应当理解的是，下面介绍中的附图仅仅为了方便清晰表述本发明的技术方案中的部分实施例，对于本领域的技术人员来说，在无需付出创造性劳动的前提下，还可以根据这些附图获取到其他附图。
[0050]
图1为本发明实施例提供的一种基于多源概率的无线传感器定位方法的步骤流程图；
[0051]
图2为本发明实施例提供的一种基于多源概率的无线传感器定位系统的结构框图；
[0052]
图3为本发明实施例提供的一种基于多源概率的无线传感器定位装置的结构框图。
具体实施方式
[0053]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。对于以下实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
[0054]
在本发明的描述中，多个的含义是两个或两个以上，如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。此外，除非另有定义，本文所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。
[0055]
首先对传统的信号传播损耗模型以及相应的定位方式进行介绍说明。
[0056]
传统无线传感网络定位基于radar信号传播损耗模型。假设源节点为i，目标节点为j，通过测得源节点i的发射功率和目标节点j的接收功率即可计算出两者之间距离，相关公式如下：
[0057][0058]
其中，rssi(d)表示目标节点j接收源节点i的rssi信号的实际接收功率，d表示目标节点j与源节点i的距离，rssi(d0)表示参考节点接收源节点i的rssi信号的实际接收功率，d0表示参考节点与源节点i的距离，x
δ
表示高斯随机变量标准方差。
[0059]
根据radar信号传播损耗模型，理想状态下信号接收功率与距离d关系呈现一定的
函数关系，根据目标节点j接收到的实测功率，即可计算出其与源节点i之间的距离d，然后通过三边测量法、三角测量法或者质心测量法计算目标节点的位置数据。
[0060]
参照图1，本发明实施例提供了一种基于多源概率的无线传感器定位方法，具体包括以下步骤：
[0061]
s101、通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值。
[0062]
具体地，由于多信号源的rssi信号接收强度在目标区域内呈高斯正态分布，从而可以通过概率统计的方式计算n个源传感器节点在目标区域内各个节点位置的指纹概率特征向量，从而形成指纹概率特征库。本发明实施例的指纹概率特征库通过计算生成，不需要现场人工采集，有效减少传统rssi信号指纹采集的工作量；由于rssi信号强度呈高斯正态分布，指指纹概率特征库描述精准，不再与现场采集密度相关，拥有更高的定位精度。步骤s101具体包括以下步骤：
[0063]
s1011、确定目标传感器节点接收到源传感器节点的多个rssi信号强度值；
[0064]
s1012、根据rssi信号强度值计算rssi信号强度平均值和rssi信号强度标准差，根据rssi信号强度值、rssi信号强度平均值以及rssi信号强度标准差确定目标传感器节点接收到源传感器节点的rssi信号强度值的第一概率特征值；
[0065]
s1013、根据多个源传感器节点对应的第一概率特征值确定rssi指纹概率特征值。
[0066]
具体地，高斯多元正态分布可以采用贝叶斯概率统计算法求解。
[0067]
设物流商储建筑的目标区域存在c＝{c1,c2,
…
,cn}共n个源传感器节点，存在m个位置参考节点{t1,t2,
…
,tm}，每个位置参考节点的对应坐标为位置参考节点和对应坐标存在一定概率关系。
[0068]
设目标节点j，坐标为(xj,yj)，其接收到n个源传感器节点发送的rssi信号强度叠加矢量为f，记为f＝{f1,f2,
…
,fn}。
[0069]
定义多源信号覆盖区域存在参考节点k和参考节点v，其中参考节点k靠近区域中心，参考节点v靠近区域边界。rssi信号强度叠加矢量f(f值在已知情况下)在参考节点k(k∈m)位置的后验概率值p定义为p(lk|f)，其值为：
[0070][0071]
其中，p(f|lk)是在参考节点k(k∈m)位置(该位置在已知情况下)rssi信号强度叠加矢量f的后验概率值，lk为参考节点k(xk,yk)的坐标，xk为参考节点k的横坐标，yk为参考节点k的纵坐标，(k∈m)，通过实际测量获得，p(lk)为目标节点j在参考节点k上的概率，lv为参考节点v(xv,yv)的坐标，xv为参考节点v的横坐标，yv为参考节点v的纵坐标，(v∈m)，通过实际测量获得，p(lv)为目标节点j在参考节点v上的概率，p(f)为rssi信号强度叠加矢量f在任意位置节点的概率。
[0072]
由于rssi信号强度呈高斯正态分布，计算目标节点j收到来自第i(i∈n)个源传感器节点ci的rssi信号强度概率，得到单个信号源对应的第一概率特征值p(fi|lj)。
[0073]
由于存在c＝{c1,c2,
…
,cn}共n个源传感器节点，利用上述同样方法，计算n个信号
源下，目标节点j分别接收来自c1,c2,
…
,cn的rssi信号强度的第一指纹特征值，根据这个n个第一指纹特征值形成特征向量，即可得到n个源传感器节点在目标节点j处的rssi指纹概率特征值。
[0074]
进一步作为可选的实施方式，第一概率特征值通过下式确定：
[0075][0076]
其中，lj表示目标传感器节点j的坐标，fi表示目标传感器节点j接收到源传感器节点ci的rssi信号强度值，p(fi|lj)表示目标传感器节点j接收到源传感器节点ci的rssi信号强度值fi的第一概率特征值，γi表示目标传感器节点j接收到源传感器节点ci的rssi信号强度平均值，表示目标传感器节点j接收到源传感器节点ci的rssi信号强度标准差。
[0077]
s102、构建目标区域的多径向量信号叠加衰减模型，根据多径向量信号叠加衰减模型确定目标传感器节点与源传感器节点的位置关系，目标传感器节点分布在目标区域内。
[0078]
具体地，假设物流商储建筑的目标区域内存在c＝{c1,c2,
…
,cn}共n个传感节点，其中某一源传感器节点为ci，目标节点为j，根据本发明实施例构建的多径向量信号叠加衰减模型，通过测得源节点ci的发射功率和目标节点j的接收功率即可计算出两者之间距离。目标传感器节点与所有源传感器节点的距离函数表达即为本发明实施例中目标传感器节点与源传感器节点的位置关系。
[0079]
进一步作为可选的实施方式，多径向量信号叠加衰减模型为：
[0080][0081]
其中，rssi(d
ij
)表示目标传感器节点j接收源传感器节点ci的rssi信号的实际接收功率，d
ij
表示目标传感器节点j与源传感器节点ci的距离，rssi(d0)表示参考节点接收源传感器节点ci的rssi信号的实际接收功率，d0表示参考节点与源传感器节点ci的距离，x
δ
表示高斯随机变量标准方差，表示其他n-1个源传感器节点发出的信号向量的叠加值，n表示源传感器节点的总数，β表示信号向量波动修正参数。
[0082]
具体地，信号向量波动修正参数的值是电磁波动反射系数ω和电磁衍射系数的复杂函数，其中，电磁波动反射系数ω和电磁衍射系数分别通过以下方式计算得到：
[0083]
1)物流商储建筑室内的电磁波动反射系数ω：
[0084]
为提高覆盖范围，无线传感网络信号发射装置一般距离地面较高。设某一源传感器节点ci发射的电磁波以θi入射角入射到货架上，一部分能量以e
in
穿透货架，另一部分以e
out
反射到目标节点所处区域，其电磁波动反射系数ω，其值为：
[0085]
[0086]
其中，ε为介质常数，其值为：d是电位移，e是电场强度。
[0087]
2)物流商储建筑室内的电磁波动衍射系数
[0088]
电磁衍射是电磁波入射到墙壁和货物时发生的衍射现象，一排排货架形成的狭长衍射通道，电磁波发生衍射现象后，任意区域rssi接收信号强度都是来自多个信号源的多个传播通道信号的相位叠加，不同的信号源相位叠加后会增强或削弱源信号，从而导致信号多径衰减现象，并影响目标节点接收信号的rssi强度值。定义电磁波动衍射系数为：
[0089][0090]
其中，ε为介质常数，x
δ
是高斯变量标准方差，λ为波长,αn为源传感器节点cn的衍射角。
[0091]
由于存在电磁波动，根据电磁波动反射系数ω和电磁波动衍射系数定义信号向量波动修正参数β，其值为：
[0092][0093]
其中，λ为电磁波波长，θi为某一源传感器节点ci发射的电磁波入射角，αi为其衍射角，d
ij
为目标节点j与源传感器节点ci之间距离，k1是源传感器节点ci电磁波反射次数，k2是其电磁波衍射次数，p
t
为源传感器节点ci发出功率，ω是电磁波动反射系数，是电磁波动衍射系数。
[0094]
s103、根据rssi指纹概率特征值和位置关系构建rssi指纹概率特征库。
[0095]
具体地，对于每一个目标传感器节点，将多个源传感器节点在该目标传感器节点处的rssi指纹概率特征值，与该目标传感器节点和多个源传感器节点之间的位置关系进行绑定，形成映射关系，这样当匹配到相同的rssi指纹概率特征值时，即可通过对应的位置关系计算待测传感器节点的位置数据。步骤s103具体包括以下两种实施方式：
[0096]
s1031、根据目标传感器节点确定rssi指纹概率特征值和位置关系的第一映射关系；
[0097]
s1032、根据第一映射关系构建rssi指纹概率特征库。
[0098]
具体地，rssi指纹概率特征库可以通过键值对的形式存储rssi指纹概率特征值和位置关系的第一映射关系，其中，rssi指纹概率特征值作为key值，位置关系作为value值。
[0099]
s104、获取待测传感器节点采集的多源rssi信号，根据多源rssi信号的相位特征确定待测传感器节点的信号源概率分布信息。
[0100]
具体地，待测传感器节点采集的多源rssi信号是多个源传感器节点在待测传感器节点处的信号叠加矢量，通过对其进行相位特征的分析可以统计待测传感器节点接收到不同源传感器节点的rssi信号的概率，从而形成信号源概率分布信息。步骤s104具体包括以下步骤：
[0101]
s1041、通过待测传感器节点持续采集多源rssi信号；
[0102]
s1042、根据多源rssi信号的相位特征统计待测传感器节点接收到各源传感器节点的rs si信号的第二概率特征值；
[0103]
s1043、根据第二概率特征值确定待测传感器节点的信号源概率分布信息。
[0104]
具体地，目标节点j统计接收来自单一源信号节点ci的出现概率
[0105][0106]
其中，i∈n，表示源传感器节点ci相位信号在目标节点j处的出现次数，n是采集次数。
[0107]
按照上述方法，目标节点j分别统计接收来自各信号源c＝{c1,c2,
…
,cn}的出现概率的集合形成第二概率特征值，从而可以得到待测传感器节点的信号源概率分布信息。
[0108]
s105、将信号源概率分布信息与rssi指纹概率特征库进行匹配，确定对应的位置关系，进而根据对应的位置关系计算待测传感器节点的位置数据。
[0109]
具体地，将测得的信号源概率分布信息与前述步骤建立的rssi指纹概率特征库进行匹配，即可得到匹配的rssi指纹概率特征值对应的位置关系，其表征了待测传感器节点与各源传感器节点的距离的函数关系，从而可以计算待测传感器节点的位置数据。
[0110]
进一步作为可选的实施方式，其特征在于，待测传感器节点的位置数据通过下式计算得到：
[0111][0112][0113]
其中，xa和ya分别表示待测传感器节点的横坐标和纵坐标，p(fi|la)表示待测传感器节点接收到源传感器节点ci的rssi信号强度值fi的第二概率特征值，xk表示中心参考节点k的横坐标，xv表示边界参考节点v的横坐标，yk表示中心参考节点k的纵坐标，yv表示边界参考节点v的纵坐标，d
ia
表示待测传感器节点与源传感器节点ci的距离。需要说明的是，d
ia
的计算过程可参考前述多径向量信号叠加衰减模型中d
ij
的计算过程。
[0114]
可以理解的是，为实现对现代物流商储建筑室内的精准定位，并减少传统rssi指纹数据库建立的复杂度，本发明实施例采用多源概率指纹定位方式，通过目标节点采集多源电磁信号相位特征，转换为信号源概率分布信息，基于多径向量信号叠加衰减模型计算目标节点位置。本发明实施例结合传统信号传播损耗模型和接收信号强度rssi指纹匹配的优点，提出一种基于多径向量信号叠加衰减模型和多源概率指纹定位的无线传感器定位方法，通过概率统计计算生成rssi指纹概率特征值，减少人工密集采集样本的复杂度；通过构建多径向量信号叠加衰减模型确定目标传感器节点与源传感器节点的位置关系，适用于多信号源复杂电磁环境下对室内传感器节点的定位，且具有较高的定位精度；通过构建rssi指纹概率特征库对待测传感器节点的信号源概率分布信息进行匹配，从而确定待测传感器节点的位置数据，提高了无线传感器定位的准确度和定位效率，降低了人工成本和时间成本。
[0115]
参照图2，本发明实施例提供了一种基于多源概率的无线传感器定位系统，包括：
[0116]
rssi指纹概率特征值确定模块，用于通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值；
[0117]
位置关系确定模块，用于构建目标区域的多径向量信号叠加衰减模型，根据多径向量信号叠加衰减模型确定目标传感器节点与源传感器节点的位置关系，目标传感器节点分布在目标区域内；
[0118]
rssi指纹概率特征库构建模块，用于根据rssi指纹概率特征值和位置关系构建rssi指纹概率特征库；
[0119]
信号源概率分布信息确定模块，用于获取待测传感器节点采集的多源rssi信号，根据多源rssi信号的相位特征确定待测传感器节点的信号源概率分布信息；
[0120]
位置数据计算模块，用于将信号源概率分布信息与rssi指纹概率特征库进行匹配，确定对应的位置关系，进而根据对应的位置关系计算待测传感器节点的位置数据。
[0121]
上述方法实施例中的内容均适用于本系统实施例中，本系统实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0122]
参照图3，本发明实施例提供了一种基于多源概率的无线传感器定位装置，包括：
[0123]
至少一个处理器；
[0124]
至少一个存储器，用于存储至少一个程序；
[0125]
当上述至少一个程序被上述至少一个处理器执行时，使得上述至少一个处理器实现上述的一种基于多源概率的无线传感器定位方法。
[0126]
上述方法实施例中的内容均适用于本装置实施例中，本装置实施例所具体实现的功能与上述方法实施例相同，并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
[0127]
本发明实施例还提供了一种计算机可读存储介质，其中存储有处理器可执行的程序，该处理器可执行的程序在由处理器执行时用于执行上述一种基于多源概率的无线传感器定位方法。
[0128]
本发明实施例的一种计算机可读存储介质，可执行本发明方法实施例所提供的一种基于多源概率的无线传感器定位方法，可执行方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
[0129]
本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1所示的方法。
[0130]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或上述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0131]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反
说明，上述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0132]
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0133]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0134]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印上述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得上述程序，然后将其存储在计算机存储器中。
[0135]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0136]
在本说明书的上述描述中，参考术语“一个实施方式/实施例”、“另一实施方式/实施例”或“某些实施方式/实施例”等的描述意指结合实施方式或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施方式或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施方式或示例中以合适的方式结合。
[0137]
尽管已经示出和描述了本发明的实施方式，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施方式进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0138]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于上述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。

技术特征：
1.一种基于多源概率的无线传感器定位方法，其特征在于，包括以下步骤：通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值；构建目标区域的多径向量信号叠加衰减模型，根据所述多径向量信号叠加衰减模型确定所述目标传感器节点与所述源传感器节点的位置关系，所述目标传感器节点分布在所述目标区域内；根据所述rssi指纹概率特征值和所述位置关系构建rssi指纹概率特征库；获取待测传感器节点采集的多源rssi信号，根据所述多源rssi信号的相位特征确定所述待测传感器节点的信号源概率分布信息；将所述信号源概率分布信息与所述rssi指纹概率特征库进行匹配，确定对应的所述位置关系，进而根据对应的所述位置关系计算所述待测传感器节点的位置数据。2.根据权利要求1所述的一种基于多源概率的无线传感器定位方法，其特征在于，所述通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值这一步骤，其具体包括：确定所述目标传感器节点接收到所述源传感器节点的多个rssi信号强度值；根据所述rssi信号强度值计算rssi信号强度平均值和rssi信号强度标准差，根据所述rssi信号强度值、所述rssi信号强度平均值以及所述rssi信号强度标准差确定所述目标传感器节点接收到所述源传感器节点的所述rssi信号强度值的第一概率特征值；根据多个所述源传感器节点对应的所述第一概率特征值确定所述rssi指纹概率特征值。3.根据权利要求2所述的一种基于多源概率的无线传感器定位方法，其特征在于，所述第一概率特征值通过下式确定：其中，l
j
表示目标传感器节点j的坐标，f
i
表示目标传感器节点j接收到源传感器节点c
i
的rssi信号强度值，p(f
i
|l
j
)表示目标传感器节点j接收到源传感器节点c
i
的rssi信号强度值f
i
的第一概率特征值，γ
i
表示目标传感器节点j接收到源传感器节点c
i
的rssi信号强度平均值，表示目标传感器节点j接收到源传感器节点c
i
的rssi信号强度标准差。4.根据权利要求1所述的一种基于多源概率的无线传感器定位方法，其特征在于，所述多径向量信号叠加衰减模型为：其中，rssi(d
ij
)表示目标传感器节点j接收源传感器节点c
i
的rssi信号的实际接收功率，d
ij
表示目标传感器节点j与源传感器节点c
i
的距离，rssi(d0)表示参考节点接收源传感器节点c
i
的rssi信号的实际接收功率，d0表示参考节点与源传感器节点c
i
的距离，x
δ
表示高斯随机变量标准方差，表示其他n-1个源传感器节点发出的信号向量的叠加值，n表示源传感器节点的总数，β表示信号向量波动修正参数。
5.根据权利要求1所述的一种基于多源概率的无线传感器定位方法，其特征在于，所述根据所述rssi指纹概率特征值和所述位置关系构建rssi指纹概率特征库这一步骤，其具体为：根据所述目标传感器节点确定所述rssi指纹概率特征值和所述位置关系的第一映射关系；根据所述第一映射关系构建rssi指纹概率特征库。6.根据权利要求1所述的一种基于多源概率的无线传感器定位方法，其特征在于，所述获取待测传感器节点采集的多源rssi信号，根据所述多源rssi信号的相位特征确定所述待测传感器节点的信号源概率分布信息这一步骤，其具体包括：通过待测传感器节点持续采集多源rssi信号；根据所述多源rssi信号的相位特征统计所述待测传感器节点接收到各所述源传感器节点的rssi信号的第二概率特征值；根据所述第二概率特征值确定所述待测传感器节点的信号源概率分布信息。7.根据权利要求1至6中任一项所述的一种基于多源概率的无线传感器定位方法，其特征在于，所述待测传感器节点的位置数据通过下式计算得到：征在于，所述待测传感器节点的位置数据通过下式计算得到：其中，x
a
和y
a
分别表示待测传感器节点的横坐标和纵坐标，p(f
i
|l
a
)表示待测传感器节点接收到源传感器节点c
i
的rssi信号强度值f
i
的第二概率特征值，x
k
表示中心参考节点k的横坐标，x
v
表示边界参考节点v的横坐标，y
k
表示中心参考节点k的纵坐标，y
v
表示边界参考节点v的纵坐标，d
ia
表示待测传感器节点与源传感器节点c
i
的距离。8.一种基于多源概率的无线传感器定位系统，其特征在于，包括：rssi指纹概率特征值确定模块，用于通过概率统计确定多个源传感器节点在目标传感点节点的rssi指纹概率特征值；位置关系确定模块，用于构建目标区域的多径向量信号叠加衰减模型，根据所述多径向量信号叠加衰减模型确定所述目标传感器节点与所述源传感器节点的位置关系，所述目标传感器节点分布在所述目标区域内；rssi指纹概率特征库构建模块，用于根据所述rssi指纹概率特征值和所述位置关系构建rssi指纹概率特征库；信号源概率分布信息确定模块，用于获取待测传感器节点采集的多源rssi信号，根据所述多源rssi信号的相位特征确定所述待测传感器节点的信号源概率分布信息；位置数据计算模块，用于将所述信号源概率分布信息与所述rssi指纹概率特征库进行匹配，确定对应的所述位置关系，进而根据对应的所述位置关系计算所述待测传感器节点的位置数据。9.一种基于多源概率的无线传感器定位装置，其特征在于，包括：至少一个处理器；
至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种基于多源概率的无线传感器定位方法。10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于多源概率的无线传感器定位方法。

技术总结
本发明公开了基于多源概率的无线传感器定位方法、系统、装置及介质，方法包括：通过概率统计确定多个源传感器节点在目标传感点节点的RSSI指纹概率特征值；构建目标区域的多径向量信号叠加衰减模型，确定目标传感器节点与源传感器节点的位置关系；根据RSSI指纹概率特征值和位置关系构建RSSI指纹概率特征库；获取待测传感器节点采集的多源RSSI信号，根据多源RSSI信号的相位特征确定待测传感器节点的信号源概率分布信息；将信号源概率分布信息与RSSI指纹概率特征库进行匹配，确定对应的位置关系，进而计算待测传感器节点的位置数据。本发明提高了无线传感器定位的准确度和效率，可广泛应用于无线传感器定位技术领域。广泛应用于无线传感器定位技术领域。广泛应用于无线传感器定位技术领域。


技术研发人员：李锋
受保护的技术使用者：广东交通职业技术学院
技术研发日：2022.08.22
技术公布日：2022/12/2