劉業(yè)輝

?

藍(lán)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(xué)院電氣與信息工程學(xué)院，北京 100042

藍(lán)牙室內(nèi)算法以k-鄰近算法為主，但在室內(nèi)定位過(guò)程中需建立大規(guī)模指紋數(shù)據(jù)庫(kù)，且必須依托于計(jì)算全部待定位點(diǎn)的方式計(jì)算全部已知樣本間的距離以實(shí)現(xiàn)在線定位，缺乏實(shí)時(shí)性。為優(yōu)化室內(nèi)定位算法，提出了一種基于藍(lán)牙4.0接收信號(hào)強(qiáng)度，提前剪輯已知樣本并對(duì)搜索區(qū)域進(jìn)行限制，以提高室內(nèi)定位實(shí)效性。

藍(lán)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(dòng)互聯(lián)網(wǎng)技術(shù)迅速發(fā)展的背景下，人們對(duì)于室內(nèi)定位信息的需求呈現(xiàn)出了非常顯著的增長(zhǎng)趨勢(shì)。各類公共場(chǎng)所，如商場(chǎng)、機(jī)場(chǎng)、景點(diǎn)等均需要為人們提供精確的室內(nèi)定位信息，以實(shí)現(xiàn)室內(nèi)位置的服務(wù)功能?，F(xiàn)階段，室內(nèi)定位的基本需求是：在無(wú)需添加硬件的前提下可直接借助移動(dòng)終端獲取室內(nèi)位置服務(wù)，定位精度達(dá)到m級(jí)，響應(yīng)速度達(dá)到s級(jí)。藍(lán)牙4.0作為新一代藍(lán)牙技術(shù)，具有低功耗、長(zhǎng)距離以及高速啟動(dòng)的優(yōu)勢(shì)，在室內(nèi)定位領(lǐng)域中有著巨大的應(yīng)用潛力。

1 離線訓(xùn)練

圖1所示為藍(lán)牙4.0接收信號(hào)強(qiáng)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(hào)強(qiáng)度隨著距離會(huì)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(hào)強(qiáng)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(hào)強(qiáng)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(yuǎn)。

圖1 藍(lán)牙4.0接收信號(hào)強(qiáng)度與距離之間的關(guān)系示意圖

在藍(lán)牙4.0協(xié)議標(biāo)準(zhǔn)下，AP廣播數(shù)據(jù)的構(gòu)成簡(jiǎn)單，主要由標(biāo)識(shí)符、接收信號(hào)強(qiáng)度、主要值、次要值這幾個(gè)部分構(gòu)成。當(dāng)設(shè)備檢測(cè)AP廣播數(shù)據(jù)后，根據(jù)標(biāo)識(shí)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(gè)網(wǎng)格點(diǎn)，參與定位的AP廣播數(shù)據(jù)包括m個(gè)，對(duì)應(yīng)接收信號(hào)強(qiáng)度為同樣為m個(gè)。假定參考節(jié)點(diǎn)表示為（APw），定位區(qū)域內(nèi)某一特定節(jié)點(diǎn)為（x1，y1），兩者間對(duì)應(yīng)接收信號(hào)強(qiáng)度為Rw（x1，y1）。由此可知，該特定節(jié)點(diǎn)相對(duì)于參考節(jié)點(diǎn)的接近度可以如式（1）表示：

2 在線定位

在經(jīng)離線訓(xùn)練過(guò)程引入接近度分類特征信息的基礎(chǔ)之上，可以通過(guò)在線定位的方式篩選數(shù)據(jù)庫(kù)信息，并經(jīng)K鄰近算法對(duì)數(shù)據(jù)進(jìn)行處理。在室內(nèi)定位技術(shù)的實(shí)現(xiàn)過(guò)程中，將某待定位點(diǎn)實(shí)時(shí)性定位信息所對(duì)應(yīng)的接受信號(hào)強(qiáng)度集合定義為RD，R可表示為[RD1，RD2，...，RDw]。則對(duì)于指紋數(shù)據(jù)庫(kù)中某一特定點(diǎn)（x，y）而言，在線定位過(guò)程中該點(diǎn)所對(duì)應(yīng)的接受信號(hào)強(qiáng)度向量可用式（3）進(jìn)行表示：

在得出接收信號(hào)強(qiáng)度所對(duì)應(yīng)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(jì)算，但容易出現(xiàn)前文中提到的時(shí)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(jì)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(kù)中篩選與接近度相匹配的集合。

對(duì)于室內(nèi)移動(dòng)終端而言，接受信號(hào)強(qiáng)度向量可以與指紋數(shù)據(jù)庫(kù)中與接近度集合相匹配的S集合進(jìn)行對(duì)應(yīng)，以計(jì)算實(shí)時(shí)定位狀態(tài)下接收信號(hào)強(qiáng)度向量第i個(gè)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(kù)系統(tǒng)中，計(jì)算K個(gè)值所對(duì)應(yīng)的最小指紋記錄，并以所對(duì)應(yīng)坐標(biāo)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(jì)算坐標(biāo)對(duì)應(yīng)。

3 實(shí)驗(yàn)結(jié)果

以搭載iOS 11.0處理系統(tǒng)的iPhone 7為實(shí)驗(yàn)設(shè)備進(jìn)行接收強(qiáng)度信號(hào)的采集，以標(biāo)準(zhǔn)Estim-ote Beacon作為藍(lán)牙4.0信標(biāo)點(diǎn)?？紤]到室內(nèi)環(huán)境復(fù)雜性，在24?h內(nèi)分4個(gè)時(shí)間段進(jìn)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(gè)參考節(jié)點(diǎn)，節(jié)點(diǎn)坐標(biāo)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(diǎn)，待檢測(cè)室內(nèi)空間中共分布400個(gè)采樣點(diǎn)。應(yīng)用前文中離線訓(xùn)練與在線定位方法，對(duì)試驗(yàn)區(qū)域進(jìn)行接近度分類，得到當(dāng)前點(diǎn)接近度后自數(shù)據(jù)庫(kù)中查找與該接近度區(qū)域相匹配的坐標(biāo)點(diǎn)，最后經(jīng)匹配算法得到定位輸出結(jié)果。實(shí)際坐標(biāo)與計(jì)算坐標(biāo)對(duì)比結(jié)果如圖2所示。

圖2 實(shí)際坐標(biāo)與計(jì)算坐標(biāo)對(duì)比結(jié)果示意圖

結(jié)合圖2數(shù)據(jù)可見，在藍(lán)牙4.0接受強(qiáng)度信號(hào)接近度分類方法作用下，應(yīng)用K-鄰近改進(jìn)算法能夠?qū)崿F(xiàn)對(duì)室內(nèi)任意位置的準(zhǔn)確定位，具有良好實(shí)時(shí)性與準(zhǔn)確性優(yōu)勢(shì)，定位誤差均值為0.5?m，定位延時(shí)低于ms級(jí)，證實(shí)本方案的可靠性。

4 結(jié)束語(yǔ)

室內(nèi)定位是當(dāng)前信息技術(shù)領(lǐng)域的研究熱點(diǎn)之一，應(yīng)用前景非常廣泛。在藍(lán)牙4.0技術(shù)的普及背景下，基于藍(lán)牙4.0技術(shù)以及相關(guān)算法支持室內(nèi)定位的實(shí)現(xiàn)已成為業(yè)內(nèi)研究重點(diǎn)之一。本文提出了一種在藍(lán)牙4.0接收信號(hào)強(qiáng)度技術(shù)基礎(chǔ)之上，提前剪輯已知樣本并對(duì)搜索區(qū)域進(jìn)行限制，以提高室內(nèi)定位實(shí)效性，經(jīng)實(shí)驗(yàn)驗(yàn)證具有計(jì)算量小、準(zhǔn)確度高、定位時(shí)延短等一系列優(yōu)勢(shì)，值得在室內(nèi)定位交互領(lǐng)域中推廣應(yīng)用。

[1]趙穩(wěn)穩(wěn)，羅智杰，曹陽(yáng)，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(xué)報(bào)，2016（1）：136-143.

[4]羅宇鋒，王鵬飛，陳彥峰.基于RSSI測(cè)距的Wi-Fi室內(nèi)定位算法研究[J].測(cè)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(jìn)[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(xué)院電氣與信息工程學(xué)院教授，從事移動(dòng)網(wǎng)絡(luò)工程、移動(dòng)互聯(lián)應(yīng)用系統(tǒng)研究等。