一种根据手机信号强度进行终端定位的算法制造技术

本发明专利技术公开了一种根据手机信号强度进行终端定位的算法。本发明专利技术中，通过设置了蓝牙辅助模块，使得整个系统在使用过程中，通过卡尔曼滤波器消除误差较大的信号数据，然后将处理后的信号数据换算成距离，最后再利用三角定位法计算出手机或物品坐标。采用卡尔曼滤波器来平滑信号传输误差问题、用三边测量法反复修正坐标位置、用RSSI技术确认信号强度与距离的关系，依此设计出手机软件及APP，实现室内定位的目标，从而提高了整个定位算法过程中精准性，同时也提高了系统在运行时的整体运行速度。同时也提高了系统在运行时的整体运行速度。同时也提高了系统在运行时的整体运行速度。

【技术实现步骤摘要】
一种根据手机信号强度进行终端定位的算法


[0001]本专利技术属于信号定位
，具体为一种根据手机信号强度进行终端定位的算法。

技术介绍

[0002]从移动通信采用数字化方式以来，通信网络技术从2G、发展到4G，人们相互传递信息、上完查找信息、对外公布信息，都可以通过自己手上的移动终端实现，这极大的方便了人们的生活。在日常使用手机的过程中，尝尝需要对手机终端进行定位来判断手机终端的具体位置。
[0003]但是常见的定位算法在使用过程中不能消除误差较大的信号数据，从而使得定位的精度较差。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述提出的问题，提供一种根据手机信号强度进行终端定位的算法。
[0005]本专利技术采用的技术方案如下：一种根据手机信号强度进行终端定位的算法，包括数据采集模块、数据预处理模块、蓝牙辅助模块、粗定位模块、定位优化模块、BLE指纹数据输入模块、CNN建立模块、坐标计算模块和融合定位模块，所述数据采集模块的输出端连接有所述数据预处理模块的输入端，所述数据预处理模块的输出端连接有所述蓝牙辅助模块的输入端，所述蓝牙辅助模块的输出端连接有所述粗定位模块的输入端，所述粗定位模块的输出端连接有所述定位优化模块的输入端。
[0006]在一优选的实施方式中，所述定位优化模块的内部设置有BLE指纹数据输入模块、CNN建立模块、坐标计算模块和融合定位模块，所述BLE指纹数据输入模块、CNN建立模块、坐标计算模块和融合定位模块的整体输出端连接有所述定位优化模块的输入端。
[0007]在一优选的实施方式中，所述数据采集模块利用卷积神经网络进行信号强度指纹定位也分为离线阶段和在线阶段两个部分。离线阶段需要在定位场中选取的参考点上采集每一个AP所发射的信号强度值，同时记录下参考点的坐标与所在楼层，建立相应的指纹库，进而建立卷积神经网络对蓝牙信号强度数据进行训练得到确定楼层与位置的分类模型。同时还在每个参考点控制区域的四个角上采集了地磁指纹数据用于最终的坐标计算。而在线阶段同样需要在待定点上采集信号轻度数据放入训练好的卷积神经网络中计算。
[0008]在一优选的实施方式中，所述数据预处理模块采集六个单位长度的RSS队列，每次采样把得到的一个新数据放入队尾，并扔掉原来队首的数据，在剩下六个数据中去掉一个最大值和一个最小值，然后计算四个数据的平均值；所述数据预处理模块也需要对加速度进行滤波。选用常用的限幅均值滤波，由于加速度计存在静态零漂，所以，在实际测试中，应该在手机静止时测得零漂幅值，在本实验中经过测量，限定了最小幅值A＝0.05，如式：所示，利用均值平滑加速度值，提高采集加速度的连续性和稳定性。
[0009]在一优选的实施方式中，所述蓝牙辅助模块选用HM
‑
10模块，HM
‑
10模块可以由Arduino发送AT指令修改相关参数，将其设置成主模式或从模式，其中从模式可以作为iBeacon基地台，发射信号给手机，主模式可以接收来自其他基地台的信号，从而实现不同位置节点的相关功能。
[0010]在一优选的实施方式中，所述粗定位模块利用手机和蓝牙信号强度进行基于区域的分类学习，得到定位区域分类模型，实现粗定位训练，包括以下步骤：
[0011]A1:多源信息预处理：对获得的手机和蓝牙信号强度，进行数据归一化处理；
[0012]A2:基于数据集的多源信息融合：将预处理后的手机信号强度向量和蓝牙信号强度向量进行向量并操作，形成一个新的信号强度向量；
[0013]A3:基于SVM支持向量机的分类学习：将融合后的信号强度向量作为训练数据指纹，利用SVM支持向量机进行分类学习，得到定位区域分类模型。
[0014]在一优选的实施方式中，所述BLE指纹数据输入模块在实验环境中放置了144个蓝牙AP，在采集的过程中需要手机在每一个参考点上接收每一个AP的信号强度。如果AP距离手机较远或不在同一个楼层接收不到信号强度时，用100补位；所述BLE指纹数据输入模块在多楼层的定位场内选取了49个参考点。在数据预处理中，经过实验验证，蓝牙信号强度小于
‑
100dbm或每个参考点未接收到的数据记录为100。为了保证CNN的分类精度，使得训练完的分类模型可以对定位过程中随时接收到的蓝牙信号强度数据进行准确分类。在离线蓝牙指纹库收集期间，每天在每个参考点收集多组数据，共采集了一个星期。整理完指纹数据后，需要将每一个参考点所接收到的信号转化为图片。因此将信号强度作为特征向量，将一个参考点上采集到的144个信号强度数据转化成12
×
12的特征向量。
[0015]在一优选的实施方式中，所述CNN建立模块输入数据大小为12
×
12。由于数据的大小较小，经过连续的实验测试，为了实现楼层分类和定位分类这两个功能，输入的数据进入卷积层之后不会直接进行池化计算，而是会在进入池层之前继续执行卷积运算。经过两个卷积层和一个池化层后，池化的数据进入下一相同的隐藏层结构，最后进入全连层，并最终进行准确分类。为了优化CNN的性能，还测试了卷积核大小的选择。结合数据大小，卷积内核选择为3
×
3，但是当卷积内核为5
×
5或更大时，计算性能将下降。通过分析数据并参考AlexNet和GoogLeNet等流行的CNN，通过实验测试，将前两个CNN的通道数设置为64，每个卷积层的参数数量为640，最后两个卷积神经网络的通道数量分别设置为128和256。
[0016]在一优选的实施方式中，所述坐标计算模块在确定了待定点的楼层与所在区域后，引入地磁数据进行匹配定位，利用待定点采集到的地磁数据，与该区域采集的地磁指纹数据进行匹配，进而计算出最终的位置坐标。在指纹数据采集时，不仅采集了参考点的蓝牙指纹数据，同时还在参考点控制区域的四个角上采集了地磁指纹数据。利用克里金插值法将数据内插成地磁指纹图进而用KNN算法实现地磁的指纹定位。这样可以较少磁场匹配的范围，提高定位精度；
[0017]所述坐标计算模块在使用时由于定位实验在医院内进行，因此一些医疗设备在使用期间会导致该区域附近磁场的变化，导致当待定点在这些仪器附近时利用磁场匹配定位误差过大甚至无法定位。然而经过实验测试在设备运行时对接收到的蓝牙信号强度无影响，因此当这些设备使用时，待定点被分类至这些设备附近的参考点所控制的范围时，待测点坐标为用所匹配区域参考点的坐标代替。
[0018]在一优选的实施方式中，所述融合定位模块通过对融合定位系统的分析可知，系统并非线性，因此使用EKF对两个传感器的数据进行融合，所述融合定位模块利用BLE在坐标已知的参考点上进行定位，通过测量结果与真实值的对比来确定BLE定位坐标观测噪声协方差R；
[0019]所述融合定位模块利用卡尔曼滤波器对测试信号进行平滑优化，首先要确定公式中的3个常数Q，R，P。我们根据经验和规律确认Q＝0.125，R＝32，P＝1023，然后将测试的信号强度数据经由卡本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种根据手机信号强度进行终端定位的算法，包括数据采集模块(1)、数据预处理模块(2)、蓝牙辅助模块(3)、粗定位模块(4)、定位优化模块(5)、BLE指纹数据输入模块(6)、CNN建立模块(7)、坐标计算模块(8)和融合定位模块(9)，其特征在于：所述数据采集模块(1)的输出端连接有所述数据预处理模块(2)的输入端，所述数据预处理模块(2)的输出端连接有所述蓝牙辅助模块(3)的输入端，所述蓝牙辅助模块(3)的输出端连接有所述粗定位模块(4)的输入端，所述粗定位模块(4)的输出端连接有所述定位优化模块(5)的输入端。2.如权利要求1所述的一种根据手机信号强度进行终端定位的算法，其特征在于：所述定位优化模块(5)的内部设置有BLE指纹数据输入模块(6)、CNN建立模块(7)、坐标计算模块(8)和融合定位模块(9)，所述BLE指纹数据输入模块(6)、CNN建立模块(7)、坐标计算模块(8)和融合定位模块(9)的整体输出端连接有所述定位优化模块(5)的输入端。3.如权利要求1所述的一种根据手机信号强度进行终端定位的算法，其特征在于：所述数据采集模块(1)利用卷积神经网络进行信号强度指纹定位也分为离线阶段和在线阶段两个部分；离线阶段需要在定位场中选取的参考点上采集每一个AP所发射的信号强度值，同时记录下参考点的坐标与所在楼层，建立相应的指纹库，进而建立卷积神经网络对蓝牙信号强度数据进行训练得到确定楼层与位置的分类模型；同时还在每个参考点控制区域的四个角上采集了地磁指纹数据用于最终的坐标计算；而在线阶段同样需要在待定点上采集信号轻度数据放入训练好的卷积神经网络中计算。4.如权利要求1所述的一种根据手机信号强度进行终端定位的算法，其特征在于：所述数据预处理模块(2)采集六个单位长度的RSS队列，每次采样把得到的一个新数据放入队尾，并扔掉原来队首的数据，在剩下六个数据中去掉一个最大值和一个最小值，然后计算四个数据的平均值；所述数据预处理模块(2)也需要对加速度进行滤波。5.如权利要求1所述的一种根据手机信号强度进行终端定位的算法，其特征在于：所述蓝牙辅助模块(3)选用HM
‑
10模块，HM
‑
10模块可以由Arduino发送AT指令修改相关参数，将其设置成主模式或从模式，其中从模式可以作为iBeacon基地台，发射信号给手机，主模式可以接收来自其他基地台的信号，从而实现不同位置节点的相关功能。6.如权利要求1所述的一种根据手机信号强度进行终端定位的算法，其特征在于：所述粗定位模块(4)利用手机和蓝牙信号强度进行基于区域的分类学习，得到定位区域分类模型，实现粗定位训练，包括以下步骤：A1:...

【专利技术属性】
技术研发人员：万一杉，杨蓉，胡安琪，容会，宋浩，孙土土，
申请(专利权)人：云南应急信息技术有限公司，
类型：发明
国别省市：