苏ICP备112451047180号-6
一、毕业设计课题背景（含文献综述）
随着现代通信技术和无线网络的快速发展，人们对定位与导航的需求日益增大,尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中，常常需要确定移动终端、设施与物品在室内的位置信息。但是受定位时间、定位精度以及复杂室内环境等条件的限制，比较完善的封闭空间定位技术目前还无法很好地利用。基于IEEE 802.15.4标准的Zigbee技术就是一种有助于实现低成本、实用的无线传感器定位系统的技术，它有低成本、低功耗、低速率的优点。随着Zigbee技术越来越多地被用于家庭自动化、遥测遥控、汽车自动化和医疗护理等应用领域，基于ZigBee网络的实时定位问题正日益受到关注。
二、毕业设计方案介绍（主要内容）
本文研究了基于ZigBee网络的室内无线定位技术，设计了一种基于环境信息的定位算法，并实现了一个定位系统，它包括硬件平台和上位机监测软件。本文先对Zigbee技术和室内定位技术的原理和应用进行介绍，接着介绍了室内定位系统的硬件系统设计，并对系统实现的软件流程进行介绍和分析，最后进行成果展示和分析。
一、绪论
1．课题背景及研究的意义
随着人们生活质量的不断提高，室内物品以及人员的位置感知计算、基于位置的服务显得越来越重要。典型的例子有资源查找、参观导航、会议指南、寻找老人儿童、节能控制、设备资产管理等。而如何确定室内物品以及人员的位置是实现基于位置服务的核心问题。
2．室内无线定位系统
针对现有室内定位系统存在的问题，本文提出并设计了一种基于 ZigBee 技术的室内定位系统。设计的系统达到了预期的要求，系统的定位精度可以满足室内人员等移动目标的定位应用。该系统具有低成本、低功耗、低复杂度、较高的定位精度、方便部署和拆除等诸多优点。
3．本文研究的主要内容
对现有的室内定位系统进行分析，总结现有的室内定位系统的优点和存在的不足。本文侧重于研究定位系统的实现以及系统的定位精度、系统成本、低功耗、定位速度等，而定位系统的人机界面等不做过多研究。
研究 Zig Bee 网络的拓扑结构、网络层协议对定位系统的性能的影响。从定位系统的延时和功耗角度出发设计了树状结构的网络拓扑结构，从系统的可靠性角度出发提出了一种有助于改善 Zig Bee 网络健壮性的“乒乓机制”。
针对 RSS 具有随机性的特点，提出了基于概率统计原理的 RSS 样本数据预处理的方法，实验表明使用该方法可以提高系统的定位准确度和精度。
提出定位系统的总体设计方案，按照系统的设计目标设计并实现定位系统的硬件系统和软件系统。
设计室内定位系统实验测试环境，对本系统在测试场所进行实地测试，并且对实验结果从定位精确度、系统实时性、系统可用性等方便进行分析和总结，对后期的工作提出进一步的打算。
二、Zigbee技术及协议构架
1．Zigbee技术
IEEE 802.15.4 标准为 LR-WPAN 网络制定了物理层（PHY)和介质访问控制（MAC）子层低功耗扩频无线电技术协议。主要特点如下：
(1)有多个物理层载波频段提供不同的数据传输速率。2.4GHz 频段提供250kbit/s 的传输速率而 915MHz 频段(北美)，速率为 40kbit/s; 868MHz频段(欧洲)，为 20kbit/s。
(2)支持星型、簇树和点对点网络拓扑结构。
(3)有16位短地址和可选 64 位扩展地址两种地址格式。
(4)支持冲突避免的载波多路侦听技术（carrier sense multiple access with collisionavoidance, CSMA-CA）；
(5)支持确认（ACK）机制，保证传输可靠性。
由于 IEEE 802.15.4 标准仅仅定义了物理层和介质访问层的标准，因此为使基
于该标准的产品设计、开发、系统应用在世界范围内有互通性并与现有应用系统兼容，在 IEEE802.15.4 协议标准公布的同时，由世界上主要 IT 企业成立的Zig Bee 联盟，制定了与之相配套的网络层及应用层的协议。Zig Bee 联盟基于IEEE802.15.4 标准，考虑到可能的各种简单应用需求，制定了相应的以低功耗、低成本、实现简单及允许不同厂商制造的设备相互通信为目标的应用协议。
2．Zigbee协议构架
ZigBee的体系结构是一个七层放式系统互联（Open System Interface,OSI）模型。这种模型不仅对节点间的通信性能进行了极大的优化了，还降低了系统的功耗。层与层之间都有服务访问接入点SAP，SAP通过服务原语来完成相应的性能。数据传输服务是由数据服务实体来提供的，管理服务是管理实体提供的。
三、室内定位方法1．室内定位原理
国内对室内定位系统的研究工作起步比较晚，但是发展速度快，很多高校和研究所在这个领域投入了很多资金和人力，也取得了相应的一些成果，如复旦大学提出了室内 CDMA 用户定位方法和基于RSSI 测量的室内定位方法，目前该算法还处在在实验测试阶段；西安交通大学、西安电子科技大学、上海交通大学等高校研究了一套基于无线局域网（Wireless Local Area Networks;WLAN）的用户定位系统，它是建立在 WLAN 的硬件基础上的，所以需要预先铺设室内局域网才能定位，因此在实际应用中该定位系统存在一定的局限性。
2．室内定位算法研究
本定位系统基于“位置指纹”定位技术。位置指纹是指利用任何可测量的物理信号和一个特定位置之间的关系来反映该位置的一种技术。本文研究的定位系统是利用了在某一点接收到的无线射频信号的信号强度(RSS)和该位置之间具有的对应关系来实现定位的。由于任意的位置都具有和别的位置不同的射频信号强度特征，所以和人类的指纹一样我们就可以利用 RSS 来作为一个位置的“指纹”。通过将射频指纹信息和该位置的位置信息作为一个整体记录在一个数据库中，移动节点可以通过将所在位置的射频指纹和数据库中存放的指纹信息进行对比从而获得它所在的位置信息。因此这类定位系统需要在系统执行定位操作之前建立一个定位场所的射频指纹信息库。这类定位系统除了测量接收信号强度的装置（这类装置在无线设备中一般都是默认配置了的）外无需其它额外的硬件设备。
通常基于射频指纹的定位系统的工作都可以分为两个基本的阶段：Off-line Phase and On-line Phase，即离线阶段和在线阶段。
首先，在离线阶段确定需要收集射频指纹的采样点，然后在这些采样点接收来自多个访问接入点的无线信号并且获得 RSS 值，然后建立一个室内环境的RSS 模式数据库。本系统共设置了 37 个采样点，建立的RSS模式数据库如下：
RSS_Pattern[37][4]={
{-34db, -39db, -31db, -35db},
{-37db, -43db, -38db, -32db},
… //17行
{-3edb, -3fdb, -39db, -37db},
}
Location_Pattern[37][2]={
{
},{
},… //17行
{
}，}
其中RSS_Pattern[37][4]用来记录37个测量点收集到的4个AP的RSS值，而Location_Pattern[37][2]则是37个测量点的二维坐标。这样就将37个测量点的位置和该位置处的RSS信息实现了关联。
3．家庭通信网络
在 IEEE802.15.4 网络中，根据设备在网络中承担的任务的不同分为 PAN 协调器、协调器一
般设备。其中 FFD（全功能设备）设备是 PAN 协调器，它是网络的中心节点，有且只有一个。
网络拓扑结构
由于 Zig Bee 是基于 IEEE802.15.4 协议的，在 Zig Bee 协议中，将 PAN 协调器、协调器和一般设备分别叫做网络协调器、网络路由器和网络终端设备。在 Zig Bee 中三个的功能如下：
网络协调器：负责建立网络，配置网络。
网络路由器：主要负责寻找、搭建以及修复网络报文的路由信息，同时还负责转发网络报文。
网络终端设备：具有加入、推出网络的功能，接收和发送网络报文，但是不允许路由转发该报文。
四、仿真验证
1．设计仿真模型
RSSI（Received Signal Strength Indication，接收的信号强度指示）就是利用移动目标接收到来自各基站的无线信号的 RSSI 来对目标的坐标进行估计得过程。在这个定位计算方法中，包含有两种方法：RSSI 测距模型和 RSSI 指纹数据库模型。
由于无线电信号的 RSSI 会因为周围环境中基站与目标的距离变化而变化，故任意位置获得的 RSSI 的特征是不一样的，RSSI 指纹库模型就是利用这一特点来进行定位估计，将每个位置作为 RSSI 的指纹特征。RSSI 指纹库模型可以分为两步，第一步为离线阶段：在预先设计的位置获取信号的 RSSI，并建立 RSSI 指纹数据库；第二步为在线定位阶段，在该阶段接收到的信号 RSSI 来比对 RSSI 指纹库来确定目标的位置信息。本文主要是用RSSI 指纹数据库模型来进行目标定位估算。
RSSI指纹库创建图
2．仿真结果分析
在室内定位的过程中，所建立的指纹数据库的精度会直接并且很大程度的影响到定位精度。因而，获取高精度定位结果的前提条件是建立精度较高的指纹数据库。由于在室内环境中存在着很多复杂的因素，比如噪声，这些因素会直接影响到定位结果，所以，为了得到数据更加合理，如图 所示，本文选取Kalman滤波器对噪声部分进行去除。数据图如上。
卡尔曼滤波算法不仅能够对数据进行一个预测，而且还可以去掉信号中所包含的噪声。实际过程中，ZigBee接收信号频率可以进行调整，并且符合当前环境的变化，但是环境的干扰同时会导致信号发散或丢失从而对信号分布产生严重影响，因此，我们可以利用卡尔曼滤波算法进行滤波处理，这样可提高接收信号的准确性。该算法实现方程表达如下：
预测结果：X (k| k 1) =AX (k -1| k-1)
更新结果：X (k| k) = X(k| k-1) + Kg(k)(Z(k)- HX(k| k-1))
增益系数：Kg(k) =P(k | k - 1)H' / (HP(k| k -1)H' + R)
更新增益系数：P(k| k) (1 - Kg(k)H) * P(k| k -1)
其中， X(k | k - 1)是利用上一状态预测的结果， X(k - 1| k - 1)是上一状态最优的结果， A 为状态转移矩阵。 P( k | k - 1)是X(k | k - 1)对应的标准差，P(k - 1|k - 1)是 X(k - 1| k - 1) 对应的标准差，A'表示A的转置矩阵，Q是系统过程的标准差，H是测量系统的参数，Kg为卡尔曼增益(Kalman Gain)，Z(k)是系统观测值，R是系统的噪声，X(k|k)为当前状态 X(k) 下的最优化估算值。
三、毕业设计（论文）的主要参考文献
[1] 毛颉. 基于zigbee的室内定位技术研究[J]. 科技展望, 2015(6).
[2] 朱洲, 曹长修. ZigBee技术及其应用[C]// 2005年全国测控、计量、仪器仪表学术年会. 2005.
[3] 甄锁强. 基于ZigBee的室内定位系统的研究与设计[D]. 哈尔滨工程大学, 2011.
[4] 瞿雷, 刘盛德, 胡咸斌. ZigBee技术及应用[M]. 北京航空航天大学出版社, 2007.
[5] 马帅. 基于ZigBee的WSN室内定位技术研究[D]. 安徽大学, 2012.
[6] 刘庆. 基于Zigbee的无线传感网室内定位技术研究[D]. 浙江工业大学, 2012.
[7] Baker N. ZigBee and Bluetooth strengths and weaknesses for industrial applications[J]. Computing & Control Engineering, 2005, 16(2):20-25.
[8] Gill K, Yang S H, Yao F, et al. A zigbee-based home automation system[J]. Consumer Electronics IEEE Transactions on, 2009, 55(2):422-430.
[9] 叶涛. 基于RFID与ZigBee的室内定位跟踪技术研究[D]. 重庆大学, 2011.
[10] 赵景宏, 李英凡, 许纯信. Zigbee技术简介[J]. 电力系统通信, 2006, 27(7):54-56.
[11] 李同松. 基于ZigBee技术的室内定位系统研究与实现[D]. 大连理工大学, 2008.