藍牙4.0下接近度分類的室內(nèi)定位算法分析

劉業(yè)輝

?

藍牙4.0下接近度分類的室內(nèi)定位算法分析

劉業(yè)輝

北京工業(yè)職業(yè)技術(shù)學院電氣與信息工程學院，北京 100042

藍牙室內(nèi)算法以k-鄰近算法為主，但在室內(nèi)定位過程中需建立大規(guī)模指紋數(shù)據(jù)庫，且必須依托于計算全部待定位點的方式計算全部已知樣本間的距離以實現(xiàn)在線定位，缺乏實時性。為優(yōu)化室內(nèi)定位算法，提出了一種基于藍牙4.0接收信號強度，提前剪輯已知樣本并對搜索區(qū)域進行限制，以提高室內(nèi)定位實效性。

藍牙4.0；接近度；室內(nèi)定位；算法

在智能終端設(shè)備快速普及，移動互聯(lián)網(wǎng)技術(shù)迅速發(fā)展的背景下，人們對于室內(nèi)定位信息的需求呈現(xiàn)出了非常顯著的增長趨勢。各類公共場所，如商場、機場、景點等均需要為人們提供精確的室內(nèi)定位信息，以實現(xiàn)室內(nèi)位置的服務(wù)功能。現(xiàn)階段，室內(nèi)定位的基本需求是：在無需添加硬件的前提下可直接借助移動終端獲取室內(nèi)位置服務(wù)，定位精度達到m級，響應速度達到s級。藍牙4.0作為新一代藍牙技術(shù)，具有低功耗、長距離以及高速啟動的優(yōu)勢，在室內(nèi)定位領(lǐng)域中有著巨大的應用潛力。

1 離線訓練

圖1所示為藍牙4.0接收信號強度與距離之間的關(guān)系示意圖。由圖1可見，兩者在室內(nèi)環(huán)境中的關(guān)系主要包括三種類型：第一，在1.0?m距離范圍內(nèi)，接收信號強度隨著距離會產(chǎn)生較大幅度的變化；第二，在1.0～6.0?m距離范圍內(nèi)，接收信號強度隨著距離所產(chǎn)生的變化幅度明顯減慢；第三，在6.0?m距離范圍外，接收信號強度隨著距離所產(chǎn)生的變化幅度趨于穩(wěn)定狀態(tài)。因此，可確定以下三類接近度分類：第一類為距離1.0?m內(nèi)，定義為接近；第二類為距離1.0～6.0?m內(nèi)，定義為附近；第三類為距離6.0?m外，定義為遠。

圖1 藍牙4.0接收信號強度與距離之間的關(guān)系示意圖

在藍牙4.0協(xié)議標準下，AP廣播數(shù)據(jù)的構(gòu)成簡單，主要由標識符、接收信號強度、主要值、次要值這幾個部分構(gòu)成。當設(shè)備檢測AP廣播數(shù)據(jù)后，根據(jù)標識符、主要值、次要值等可判定與之通信的AP位置。將AP廣播數(shù)據(jù)覆蓋范圍（即待定位室內(nèi)區(qū)域）劃分為網(wǎng)格，網(wǎng)格縱橫共劃分為M×N個網(wǎng)格點，參與定位的AP廣播數(shù)據(jù)包括m個，對應接收信號強度為同樣為m個。假定參考節(jié)點表示為（APw），定位區(qū)域內(nèi)某一特定節(jié)點為（x1，y1），兩者間對應接收信號強度為Rw（x1，y1）。由此可知，該特定節(jié)點相對于參考節(jié)點的接近度可以如式（1）表示：

2 在線定位

在經(jīng)離線訓練過程引入接近度分類特征信息的基礎(chǔ)之上，可以通過在線定位的方式篩選數(shù)據(jù)庫信息，并經(jīng)K鄰近算法對數(shù)據(jù)進行處理。在室內(nèi)定位技術(shù)的實現(xiàn)過程中，將某待定位點實時性定位信息所對應的接受信號強度集合定義為RD，R可表示為[RD1，RD2，...，RDw]。則對于指紋數(shù)據(jù)庫中某一特定點（x，y）而言，在線定位過程中該點所對應的接受信號強度向量可用式（3）進行表示：

在得出接收信號強度所對應向量關(guān)系的基礎(chǔ)之上，傳統(tǒng)方法直接展開鄰近匹配計算，但容易出現(xiàn)前文中提到的時效性不高問題。因此，本文在室內(nèi)定位算法中引入接近度特征，將前文中計算所得的三類接近度分類原則轉(zhuǎn)換為接近度關(guān)系式，并以接近度集合為依據(jù)，從數(shù)據(jù)庫中篩選與接近度相匹配的集合。

對于室內(nèi)移動終端而言，接受信號強度向量可以與指紋數(shù)據(jù)庫中與接近度集合相匹配的S集合進行對應，以計算實時定位狀態(tài)下接收信號強度向量第i個RD之間距離，用式（4）表示：

最后，在所構(gòu)建的指紋數(shù)據(jù)庫系統(tǒng)中，計算K個值所對應的最小指紋記錄，并以所對應坐標平均值作為定位結(jié)果，將定位結(jié)果記錄為（xf，yf）格式，與算法計算坐標對應。

3 實驗結(jié)果

以搭載iOS 11.0處理系統(tǒng)的iPhone 7為實驗設(shè)備進行接收強度信號的采集，以標準Estim-ote Beacon作為藍牙4.0信標點。考慮到室內(nèi)環(huán)境復雜性，在24?h內(nèi)分4個時間段進行采集，每批次采集數(shù)據(jù)25組。待定位室內(nèi)空間取10.0?m×10?m大小，共布置4個參考節(jié)點，節(jié)點坐標分別為（0，0）、（10，0）、（10，10）、以及（0，10）。按照0.5?m間隔距離設(shè)置采樣點，待檢測室內(nèi)空間中共分布400個采樣點。應用前文中離線訓練與在線定位方法，對試驗區(qū)域進行接近度分類，得到當前點接近度后自數(shù)據(jù)庫中查找與該接近度區(qū)域相匹配的坐標點，最后經(jīng)匹配算法得到定位輸出結(jié)果。實際坐標與計算坐標對比結(jié)果如圖2所示。

圖2 實際坐標與計算坐標對比結(jié)果示意圖

結(jié)合圖2數(shù)據(jù)可見，在藍牙4.0接受強度信號接近度分類方法作用下，應用K-鄰近改進算法能夠?qū)崿F(xiàn)對室內(nèi)任意位置的準確定位，具有良好實時性與準確性優(yōu)勢，定位誤差均值為0.5?m，定位延時低于ms級，證實本方案的可靠性。

4 結(jié)束語

室內(nèi)定位是當前信息技術(shù)領(lǐng)域的研究熱點之一，應用前景非常廣泛。在藍牙4.0技術(shù)的普及背景下，基于藍牙4.0技術(shù)以及相關(guān)算法支持室內(nèi)定位的實現(xiàn)已成為業(yè)內(nèi)研究重點之一。本文提出了一種在藍牙4.0接收信號強度技術(shù)基礎(chǔ)之上，提前剪輯已知樣本并對搜索區(qū)域進行限制，以提高室內(nèi)定位實效性，經(jīng)實驗驗證具有計算量小、準確度高、定位時延短等一系列優(yōu)勢，值得在室內(nèi)定位交互領(lǐng)域中推廣應用。

[1]趙穩(wěn)穩(wěn)，羅智杰，曹陽，等.基于多模融合的室內(nèi)定位算法研究[J].現(xiàn)代電子技術(shù)，2017（18）：7-10.

[2]蔣守花，賀春林.基于RFID技術(shù)的室內(nèi)定位算法優(yōu)化方法研究[J].信息技術(shù)，2017（4）：24-28.

[3]黃丹平，于少東，田建平，等.基于電力線室內(nèi)定位算法研究[J].儀器儀表學報，2016（1）：136-143.

[4]羅宇鋒，王鵬飛，陳彥峰.基于RSSI測距的Wi-Fi室內(nèi)定位算法研究[J].測控技術(shù)，2017（10）：28-32.

[5]仲江濤，秦斌，吳健春，等.基于Kalman濾波的Chan室內(nèi)定位算法改進[J].通信技術(shù)，2017（10）：23-28.

Analysis of Indoor Location Algorithm of 4 lower proximity classification under Bluetooth 4.0

Liu Yehui

School of Electrical and Information Engineering, Beijing Polytechnic College, Beijing 100042

The Bluetooth indoor algorithm is mainly based on the k-proximity algorithm, but in the indoor localization process, we need to build large scale fingerprint database, and we must rely on the way of computing all the location points to calculate the distance between all known samples to achieve online location, and lack of real-time. In order to optimize indoor location algorithm, a Bluetooth 4.0 based signal reception strength is proposed, which cuts the known samples in advance and limits the search area so as to improve the effectiveness of indoor location.

Bluetooth 4.0; proximity; indoor location; algorithm

TN925

A

1009-6434（2017）12-0001-03

劉業(yè)輝（1969—），男，北京工業(yè)職業(yè)技術(shù)學院電氣與信息工程學院教授，從事移動網(wǎng)絡(luò)工程、移動互聯(lián)應用系統(tǒng)研究等。