整合式定位法

在室內定位系統中，過去採用MLE 演算法的方式，必須要有正確的 RSSI 與路徑損失指數以供換算成距離以求出座標。而且參考點的數量越 多，算錯座標的機率越低。而採用SBL[18]的方式，利用數量龐大的參考 點，形成限制條件矩陣，藉由所接收RSSI 的順序，來判斷位置。但是我 們希望能在有限的參考點時，可以達到良好的定位效能，而且不需將RSSI 換算成距離。

我們採用了MLE 與 SBL 的概念，設計一個整合式定位法。我們先判 斷RSSI 的大小來決定定位點的所在大區域，這分為兩種情形。我們判斷 若是最新收到的參考點RSSI 排序最大的點，與前一次的相同，則可以判 斷為定位範圍內四等分中某一部份，如圖3.8 的 Section #1。

圖3.8 判斷大區域

若是所接收RSSI 最大值與前一次不同，則依據不同的順序，判斷為 不同區域的邊界點(Boundary point)，如圖 3.9。舉例說明，若是第一次所接 收到最大值為參考點1，第二次是 2，則我們判斷定位點正從第一區走向 第二區，所以是(2, 4)這個點。若是第一次最大值為 1，第二次為 3，則判 斷為中心點(4, 4)。我們會考慮邊界點，是因為定位點在接近定位區域中心 時，其接收到的參考點的RSSI 都很接近，而且其排序比較不穩定。

圖3.9 判斷邊界點

經過第一階段判斷後是在某一大區域，則接著判斷小區域。判斷小區 域分成兩個部份。第一個是採用MLE 的概念，我們利用四個參考座標點 作為計算的依據如圖3.10，因為這四個參考座標點等於是放大較小區域的 座標，如圖3.11，再利用 MLE，我們可以找到近似座標點。由於我們先分 割區域後再判斷，所以只需判斷4 個點。

圖3.10 參考座標點

圖3.11 參考座標點與小區域節點的關係

計算時所採用的是9 個點有相當良好的效果，我們利用判斷順序來判 斷5 個點的定位，然後利用 MLE 判斷 4 個點，可以達到良好的效果。我 們採用順序判斷的概念，直接利用RSSI 的排序來判斷。由於我們只有 4 個參考點，所以排序的限制條件少很多，而且我們已經將定位的範圍限制 在小區域中了，所以只要判斷除了最大值之外其他的排序。舉例說明，若 是我們收到的排序是(1, 2, 4, 3)，所以現在所在大區域為 Section #1，第二 排序是2，所以可能的座標是(2, 1) 或(3, 2)。若是我們收到的排序是(1, 4, 2, 3)，第二排序是 4，所以可能的座標是(1, 2) 或(2, 3)。若是我們收到的排序 是(1, 3, 2, 4)或(1, 3, 4, 2)，第二排序是 3，我們認為此排序有問題，定位在 中心最為保險，所以我們判斷為(2, 2)。當定位排序是 2 或 4 時，個別出現 兩個可能座標，所以我們藉由判斷RSSI 的大小來決定是比較靠近參考點 或是遠離參考點。參考圖3.12。

圖3.12 利用順序判斷位置

所以MLE 找出的小區域座標，如圖 3.13 的黃色點；同時也利用 SBL 找出小區域座標，如圖3.13 的綠色點，最後將兩者求出的座標相加後平均 得到小區域座標值。這樣做不需要將RSSI 轉換成距離值，也可以防止座 標值偏離定位範圍，避免不合理的情況出現。而且即使RSSI 的訊息有錯 誤，仍有機會得知定位點正確的所在區域。我們一樣求出9 個點來判斷，

但是計算量少，大多只需要判斷大小，即可以得知座標。

圖3.13 整合式定位法判斷圖