一种基于蓝牙信号RSSI的室内定位方法技术

本发明专利技术实施例公开了一种基于蓝牙信号RSSI的室内定位方法，所述方法包括以下步骤：在定位场地部署N个蓝牙基站并获取蓝牙基站的坐标；在定位点设置蓝牙信号源，采集N个蓝牙基站的蓝牙信号RSSI值；根据计算模型d＝10

An Indoor Location Method Based on Bluetooth RSSI Signal

The embodiment of the present invention discloses an indoor positioning method based on Bluetooth signal RSSI, which includes the following steps: deploying N Bluetooth base stations in the positioning site and obtaining coordinates of Bluetooth base stations; setting Bluetooth signal sources at the positioning point to collect RSSI values of N Bluetooth base stations; and according to the calculation model d=10.

【技术实现步骤摘要】
一种基于蓝牙信号RSSI的室内定位方法
本专利技术实施例涉及室内定位
，具体涉及一种基于蓝牙信号RSSI的室内定位方法。
技术介绍
室内定位技术是指在室内环境中实现位置定位，主要采用无线通讯、基站定位、惯导定位等多种定位技术形成室内位置定位体系，实现在室内空间中的位置监控。常见的室内无线定位技术主要有Wi-Fi、蓝牙、红外线、超宽带、RFID、ZigBee以及超声波等。基于蓝牙信号的室内定位技术具有低功耗、易集成的优点，目前主流的蓝牙定位方案是基于三边定位，蓝牙定位的基本原理是通过蓝牙信号接收端(基站)接收到的蓝牙信号RSSI(ReceivedSignalStrengthIndication，接收的信号强度指示)值推算蓝牙信号接收端(基站)与蓝牙信号发射端(信号源)之间的距离，从而进行坐标计算，距离的推算使用业界普遍认可的模型d＝10((ABS(RSSI)-A)/(10*n))，其中A表示基站距离信号源一米时的RSSI的绝对值，n为环境衰减因子，通常是取经验值1-4，d表示基站与信号源之间的距离，在获得距离d的情况下在使用三边定位或最大似然法求得坐标。当前，基于蓝牙信号的室内定位技术存在的不足是定位精度较差，主要源于以下三点：(1)蓝牙信号存在一定的跳变，信号值的波动会直接影响到模型算出来的距离；(2)在距离模型中，人为的选取n值往往会造成较大的误差，n值的大小依赖于环境对信号影响，一个错误的n值会带来意想不到的误差；(3)在计算坐标的时候，通常采用的三边定位法和最小二乘法，而这两种方法都存在一定的缺陷，三边定位法无法给出一个较为精准的坐标解，而最小二乘法在某些情况下会变得不适用，例如当基站的部署较为稀疏，计算中产生病态矩阵求解，坐标的计算会产生一个较大的误差。
技术实现思路
为此，本专利技术实施例提供一种基于蓝牙信号RSSI的室内定位方法，用以解决现有的基于蓝牙信号的室内定位技术存在的定位精度较差的问题。为了实现上述目的，本专利技术实施例提供如下技术方案：一种基于蓝牙信号RSSI的室内定位方法，所述方法包括以下步骤：S1、在定位场地部署N个蓝牙基站并获取蓝牙基站的坐标，其中N≥3；S2、在定位点设置蓝牙信号源，采集N个蓝牙基站的蓝牙信号RSSI值；S3、根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算每个蓝牙基站与蓝牙信号源的距离d，其中A为测得的蓝牙基站距离蓝牙信号源1m处的蓝牙信号强度，n为环境衰减因子；S4、根据距离蓝牙信号源d值最小的三个蓝牙基站的距离d值和坐标，通过拟牛顿算法计算得到定位点的坐标。优选的，所述根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算每个蓝牙基站与蓝牙信号源的距离d之前，还包括：利用深度学习优化算法拟合得到环境衰减因子n。优选的，所述根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算每个蓝牙基站与蓝牙信号源的距离d之前，还包括：对采集到的蓝牙信号RSSI值进行滤波处理。优选的，所述利用深度学习优化算法拟合得到环境衰减因子n包括：选取适当测试点设置蓝牙信号源，测量得到N个蓝牙基站与蓝牙信号源之间的距离d以及N个蓝牙基站的蓝牙信号RSSI，并对采集到的蓝牙信号RSSI值进行滤波处理，获得一组距离d数据集和一组RSSI数据集，分别记为[d1,d2,d3,...,dN]和[RSSI1,RSSI2,RSSI3,...,RSSIN]；将[d1,d2,d3,...,dN]和[RSSI1,RSSI2,RSSI3,...,RSSIN]分别作为计算模型d＝10((ABS(RSSI)-A)/(10*n))的输入量和输出量对环境衰减因子n进行深度学习拟合，拟合时首先在环境衰减因子n的经验值范围1-4内随机选取一个值作为环境衰减因子n的初始值，并基于此初始值进行多次迭代计算，定义损失函数采用均方误差的形式，均方误差计算公式为其中为蓝牙信号RSSI的预测值，θ为蓝牙信号RSSI的测试真值，每次迭代计算过程利用随机梯度下降算法根据损失函数的值对环境衰减因子n进行优化，直至得到损失函数值最小的环境衰减因子n。优选的，所述方法还包括：利用卡尔曼滤波器对采集到的蓝牙信号RSSI值进行滤波处理。优选的，所述卡尔曼滤波器采用如下的迭代公式进行滤波处理：K(i+1)＝P(i)/(P(i)+R)(1)；x(i+1)＝x(i)+K(i+1)·(RSSI-x(i))(2)；P(i+1)＝(1-K(i+1))·P(i)+Q(3)；其中，K(i+1)表示在i+1时刻的卡尔曼增益，x(i)和x(i+1)分别表示在i时刻和i+1时刻的经过滤后的RSSI值，P(i)和P(i+1)分别表示在i时刻和i+1时刻的误差协方差，Q表示符合高斯分布的过程噪声的协方差，R表示符合高斯分布的测量噪声的协方差，具体的，对P(i)、R、Q、x(i)进行初始化设置时设定i＝1、R和Q设定为常量，对P(1)和x(1)进行粗略赋值，在i+1时刻产生新的测量值RSSI时，首先根据公式(1)基于P(i)和R计算出K(i+1)，然后根据公式(2)基于K(i+1)和x(i)计算出x(i+1)，最后根据公式(3)基于K(i+1)和Q求出P(i+1)，计算得到的K(i+1)、P(i+1)以及x(i+1)作为下一时刻迭代的参数进行处理。优选的，所述通过拟牛顿算法计算得到定位点的坐标包括以下步骤：4a、分别对距离定位点最近的三个蓝牙基站与定位点之间的距离误差进行权重赋值，并构建最小化目标函数目标函数为所述距离误差的加权和，其中，距离误差等于距离定位点最近的三个蓝牙基站与定位点之间的距离测量值与距离d值之差，所述距离测量值等于定位点的坐标与距离定位点最近的三个蓝牙基站的坐标之差；4b、迭代次数初始值k设定为0，同时设定迭代初始值和精度阈值ε0，对称正定矩阵初始值为单位矩阵I；4c、根据计算确定搜索方向其中4d、根据求出最优步长因子λk，同时根据分别得到和4e、根据计算得到4f、若则令k＝k+1，并返回执行步骤4c；4g、若则终止迭代。优选的，所述蓝牙基站采用支持4.0以上蓝牙协议的蓝牙网关。优选的，所述蓝牙网关包括用于将测得的蓝牙信号RSSI值通过mqtt协议传输给服务器的WiFi模块。优选的，所述蓝牙信号源采用支持标准ibeacon协议和4.0以上蓝牙协议的蓝牙信标。本专利技术实施例具有如下优点：本专利技术实施例提出的一种基于蓝牙信号RSSI的室内定位方法，根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算定位场地部署的N个蓝牙基站与蓝牙信号源的距离d，根据距离蓝牙信号源最近即距离d值最小的三个蓝牙基站的距离d值和坐标，通过拟牛顿算法计算得到定位点的坐标，算法避免了传统的室内三点定位算法中可能遇到的求解病态方程组的情况，保证了定位坐标的准确性，同时相比于传统的牛顿算法，计算过程简化，提高了运算速度，从而有效保证了定位计算结果精准度和运算速度。附图说明为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以本文档来自技高网...

【技术保护点】
1.一种基于蓝牙信号RSSI的室内定位方法，其特征在于，所述方法包括以下步骤：S1、在定位场地部署N个蓝牙基站并获取蓝牙基站的坐标，其中N≥3；S2、在定位点设置蓝牙信号源，采集N个蓝牙基站的蓝牙信号RSSI值；S3、根据计算模型d＝10

【技术特征摘要】
1.一种基于蓝牙信号RSSI的室内定位方法，其特征在于，所述方法包括以下步骤：S1、在定位场地部署N个蓝牙基站并获取蓝牙基站的坐标，其中N≥3；S2、在定位点设置蓝牙信号源，采集N个蓝牙基站的蓝牙信号RSSI值；S3、根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算每个蓝牙基站与蓝牙信号源的距离d，其中A为测得的蓝牙基站距离蓝牙信号源1m处的蓝牙信号强度，n为环境衰减因子；S4、根据距离蓝牙信号源d值最小的三个蓝牙基站的距离d值和坐标，通过拟牛顿算法计算得到定位点的坐标。2.根据权利要求1所述的一种基于蓝牙信号RSSI的室内定位方法，其特征在于，所述根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算每个蓝牙基站与蓝牙信号源的距离d之前，还包括：利用深度学习优化算法拟合得到环境衰减因子n。3.根据权利要求1所述的一种基于蓝牙信号RSSI的室内定位方法，其特征在于，所述根据计算模型d＝10((ABS(RSSI)-A)/(10*n))，分别计算每个蓝牙基站与蓝牙信号源的距离d之前，还包括：对采集到的蓝牙信号RSSI值进行滤波处理。4.根据权利要求2所述的一种基于蓝牙信号RSSI的室内定位方法，其特征在于，所述利用深度学习优化算法拟合得到环境衰减因子n包括：选取适当测试点设置蓝牙信号源，测量得到N个蓝牙基站与蓝牙信号源之间的距离d以及N个蓝牙基站的蓝牙信号RSSI，并对采集到的蓝牙信号RSSI值进行滤波处理，获得一组距离d数据集和一组RSSI数据集，分别记为[d1,d2,d3,...,dN]和[RSSI1,RSSI2,RSSI3,...,RSSIN]；将[d1,d2,d3,...,dN]和[RSSI1,RSSI2,RSSI3,...,RSSIN]分别作为计算模型d＝10((ABS(RSSI)-A)/(10*n))的输入量和输出量对环境衰减因子n进行深度学习拟合，拟合时首先在环境衰减因子n的经验值范围1-4内随机选取一个值作为环境衰减因子n的初始值，并基于此初始值进行多次迭代计算，定义损失函数采用均方误差的形式，均方误差计算公式为其中为蓝牙信号RSSI的预测值，θ为蓝牙信号RSSI的测试真值，每次迭代计算过程利用随机梯度下降算法根据损失函数的值对环境衰减因子n进行优化，直至得到损失函数值最小的环境衰减因子n。5.根据权利要求1或4所述的一种基于蓝牙信号RSSI的室内定位方法，其特征在于，所述方法还包括：利用卡尔曼滤波器对采集到的蓝牙信号...

【专利技术属性】
技术研发人员：贾晓玮，张威森，
申请(专利权)人：核芯互联科技青岛有限公司，
类型：发明
国别省市：山东,37