， ，，，

(1.蘇州科技大學(xué) 江蘇省建筑智慧節(jié)能重點(diǎn)實(shí)驗(yàn)室，江蘇 蘇州 215009；2.蘇州市移動(dòng)網(wǎng)絡(luò)技術(shù)與應(yīng)用重點(diǎn)實(shí)驗(yàn)室，江蘇 蘇州 215009；3.蘇州科技大學(xué) 電子與信息工程學(xué)院，江蘇 蘇州 215009)

復(fù)雜環(huán)境下藍(lán)牙定位模型優(yōu)化方法研究

羅恒1,2,3，張昱3，鄒優(yōu)敏3，傅啟明1,2,3，劉壘壘3

(1.蘇州科技大學(xué)江蘇省建筑智慧節(jié)能重點(diǎn)實(shí)驗(yàn)室，江蘇蘇州215009；2.蘇州市移動(dòng)網(wǎng)絡(luò)技術(shù)與應(yīng)用重點(diǎn)實(shí)驗(yàn)室，江蘇蘇州215009；3.蘇州科技大學(xué)電子與信息工程學(xué)院，江蘇蘇州215009)

社會(huì)經(jīng)濟(jì)以及移動(dòng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展，使得室內(nèi)定位需求大幅度增長(zhǎng);但是，建筑結(jié)構(gòu)等因素導(dǎo)致普遍使用的全球定位系統(tǒng)GPS在室內(nèi)定位中性能急劇下降，不能很好滿足室內(nèi)定位的需要;針對(duì)各類復(fù)雜室內(nèi)環(huán)境，提出了基于環(huán)境參數(shù)校準(zhǔn)的自適應(yīng)信號(hào)強(qiáng)度優(yōu)化算法;從理論上分析了高斯濾波的性能，使用藍(lán)牙4.0技術(shù)，以錨節(jié)點(diǎn)作為參考節(jié)點(diǎn)，采用均值濾波和高斯濾波優(yōu)化RSSI值校準(zhǔn)基準(zhǔn)信號(hào)，運(yùn)用線性規(guī)劃實(shí)時(shí)、動(dòng)態(tài)估算環(huán)境衰減系數(shù)，分析了改進(jìn)基準(zhǔn)信號(hào)模型和改進(jìn)衰減系統(tǒng)模型的性能，最后獲得信號(hào)傳輸綜合優(yōu)化模型;使用計(jì)算機(jī)仿真及實(shí)驗(yàn)方式對(duì)算法進(jìn)行了研究，實(shí)驗(yàn)結(jié)果表明，在復(fù)雜辦公室環(huán)境下，定位誤差絕對(duì)值小于1 dbm，定位誤差小于2%，能夠較好地滿足室內(nèi)定位的需求。

藍(lán)牙定位；參數(shù)校準(zhǔn)；線性規(guī)劃；RSSI

0 引言

全球定位系統(tǒng)GPS(global positioning system,GPS)[1]的產(chǎn)生及發(fā)展，為相關(guān)人員提供了在廣闊的室外空間中精確獲得特定物體地理位置的可能。GPS已經(jīng)在軍事[2]、資源[3]、交通、農(nóng)牧漁業(yè)[4]、環(huán)境[5]和測(cè)繪[6]等領(lǐng)域獲得了非常廣泛的應(yīng)用。然而，面對(duì)復(fù)雜的室內(nèi)環(huán)境，GPS定位精確度急劇下降[7]，不能很好地滿足室內(nèi)定位需求。

據(jù)不完全統(tǒng)計(jì)，人類有80%以上的時(shí)間在室內(nèi)度過(guò)[8]。由于室內(nèi)空間越來(lái)越龐大復(fù)雜，室內(nèi)定位變得越來(lái)越困難。如在博物館、超市、機(jī)場(chǎng)等場(chǎng)所[9]，消費(fèi)者需要快速了解自身所處位置,并到達(dá)目的地；在礦井、火災(zāi)等現(xiàn)場(chǎng)，救援人員也需要獲取被困者的精確位置。室內(nèi)定位的需求前所未有得高漲。面對(duì)需求的增加，室內(nèi)定位的市場(chǎng)也逐步擴(kuò)大。

1 室內(nèi)定位技術(shù)

室內(nèi)定位技術(shù)的提出可以追溯到上世紀(jì)，經(jīng)歷了不同的發(fā)展階段。

1.1 紅外定位技術(shù)

1992年，Want等人提出了一種主動(dòng)紅外定位系統(tǒng)[10]。每個(gè)目標(biāo)節(jié)點(diǎn)攜帶一個(gè)紅外發(fā)射標(biāo)簽，同時(shí)在特定辦公區(qū)域安裝接收傳感器，實(shí)時(shí)感知目標(biāo)節(jié)點(diǎn)在辦公區(qū)域中的不同位置。由于系統(tǒng)的簡(jiǎn)便性，在當(dāng)時(shí)獲得了較為廣泛的應(yīng)用。該系統(tǒng)的主要缺點(diǎn)是定位準(zhǔn)確性受到諸如自然光、照明系統(tǒng)等環(huán)境因素隱私較大。

1.2 超聲波定位技術(shù)

AT&T公司于1997年推出了一款先進(jìn)的Active Bat超聲波定位系統(tǒng)[11]，通過(guò)模仿蝙蝠的定位原理，獲得目標(biāo)位置。通過(guò)安裝3個(gè)或者多個(gè)接收天線，獲取超聲波反射信號(hào)，基于三邊定位算法，預(yù)估目標(biāo)位置。實(shí)驗(yàn)結(jié)果表明，Active Bat系統(tǒng)可以同時(shí)定位多個(gè)目標(biāo)，其可達(dá)到厘米級(jí)定位精度。

1.3 基于圖形信息的定位技術(shù)

基于圖形信息的定位技術(shù)可分為主動(dòng)式和被動(dòng)式方法兩種，其分類依據(jù)為攝像頭安裝位置。被動(dòng)式定位主要利用安裝在定位目標(biāo)上的攝像頭，實(shí)時(shí)獲取目標(biāo)位置，其典型應(yīng)用為SignPost[12]；主動(dòng)式定位技術(shù)主要依賴安裝在環(huán)境中的攝像頭，利用圖像處理技術(shù)，獲取目標(biāo)位置，其典型代表為微軟公司研究院發(fā)布的EasyLiving[13]。

1.4 基于射頻技術(shù)的定位方法

當(dāng)前，常用的視頻室內(nèi)技術(shù)方法包含WiFi、RFID和藍(lán)牙等。

WiFi具備規(guī)模大、覆蓋范圍廣的優(yōu)點(diǎn)，但是，WiFi的發(fā)射功率大，能耗大導(dǎo)致應(yīng)用成本較高。RFID定位技術(shù)具有快速精確定位、傳輸范圍較大、成本亦較低等優(yōu)點(diǎn)，現(xiàn)有移動(dòng)設(shè)備中的整合一直是RFID的一大缺點(diǎn)。藍(lán)牙具有成本低、功耗低的優(yōu)點(diǎn)，且與現(xiàn)有移動(dòng)終端融合程度較好，然而定位精度一直是藍(lán)牙定位面臨的問(wèn)題。

2013年，Oguejiofor團(tuán)隊(duì)給出了一種基于位置信息的盲節(jié)點(diǎn)定位算法[14]。該算法依據(jù)各節(jié)點(diǎn)獲得的RSSI信號(hào)強(qiáng)度，動(dòng)態(tài)估計(jì)某個(gè)目標(biāo)節(jié)點(diǎn)的具體位置。實(shí)驗(yàn)結(jié)果表明，算法的精確度主要依賴于錨節(jié)點(diǎn)的個(gè)數(shù)。當(dāng)錨節(jié)點(diǎn)從3個(gè)增加到4個(gè)時(shí)，定位精度可以提高約24%。

Ranron團(tuán)隊(duì)通過(guò)使用基于ZigBee的RSSI指紋定位技術(shù)[15]，實(shí)現(xiàn)了人員室內(nèi)定位，實(shí)驗(yàn)結(jié)果表明，當(dāng)定位距離約為3米時(shí)，誤差約為0.77米。

2014年，Oliveira Luis團(tuán)隊(duì)給出了一種稀疏錨節(jié)點(diǎn)相對(duì)定位算法[16]，旨在實(shí)現(xiàn)多目標(biāo)定位。通過(guò)節(jié)點(diǎn)間的交互信息的分析，實(shí)時(shí)獲取兩兩目標(biāo)節(jié)點(diǎn)間的距離，算法通過(guò)卡爾曼濾波和Floyd-Warshall算法實(shí)現(xiàn)了目標(biāo)位置的精確定位。

Grossmann, U.團(tuán)隊(duì)分析了最小歐幾里得距離和貝葉斯隨機(jī)過(guò)程模型在室內(nèi)定位中的性能[17]，提出了一種基于WiFi信號(hào)RSSI強(qiáng)度的室內(nèi)定位算法。在空曠的演講室中的實(shí)驗(yàn)表明了該算法的可行性，同時(shí)，Grossmann, U.團(tuán)隊(duì)也給出了該系統(tǒng)在博物館應(yīng)用中應(yīng)注意的事項(xiàng)。同年，Y.H. Gu團(tuán)隊(duì)提出了一種利用RFID技術(shù)實(shí)現(xiàn)室內(nèi)定位的方法[18]，與K最近鄰節(jié)點(diǎn)算法與自糾錯(cuò)算法相比較，該算法具有更高的定位精度。

2015年，Su, Hui-Kai團(tuán)隊(duì)提出了一種基于藍(lán)牙和WiFi的多技術(shù)混合定位方法[19]，實(shí)驗(yàn)結(jié)果表明，混合定位算法結(jié)合鄰節(jié)點(diǎn)權(quán)重定位方法，比使用單一技術(shù)的定位方法，具有明顯的優(yōu)越性，當(dāng)錨節(jié)點(diǎn)合理部署情況下，定位精度可以降低至0.4米。

針對(duì)藍(lán)牙在室內(nèi)復(fù)雜環(huán)境定位精度的問(wèn)題，陶為戈團(tuán)隊(duì)[20]提出一種基于最小二乘法估算環(huán)境參數(shù)的算法，優(yōu)化了信號(hào)的傳播模型。本文從監(jiān)督學(xué)習(xí)的角度提出了一種電磁波自由傳播衰減系數(shù)自適應(yīng)模型，通過(guò)自適應(yīng)調(diào)整衰減模型以適應(yīng)不同室內(nèi)環(huán)境下的定位。除此之外，M.D. Wang團(tuán)隊(duì)還提出了基于超寬帶技術(shù)的室內(nèi)定位技術(shù)。

2 優(yōu)化算法

在理想電磁波自由空間傳播模型中，電磁波的傳播滿足：

p(d)=p(d0)-10nlg(d)+ζ

(1)

其中：p(d)為遠(yuǎn)離基站d米處的信號(hào)強(qiáng)度，p(d0)為遠(yuǎn)離基站d0米處的信號(hào)強(qiáng)度，二者的單位均為dBm；n表征無(wú)線信道衰減系數(shù)，n的取值與距離無(wú)關(guān)，僅與環(huán)境因素相關(guān)；ζ表示噪聲的影響，其取值服從均值為零的高斯分布。

不妨設(shè)p(d0)為一個(gè)固定值，即p(d0)=A，RSSI為實(shí)際環(huán)境下遠(yuǎn)離基站d米處的電磁波信號(hào)強(qiáng)度，即p(d)=RSSI，則式(1)可寫(xiě)為：

RSSI=A-10nlg(d)+ζ

(2)

在實(shí)際應(yīng)用中，為了降低計(jì)算的復(fù)雜度，通常情況下A為設(shè)備制造商提供的固定參考值；n為如表1所示的經(jīng)典經(jīng)驗(yàn)值。

在簡(jiǎn)單的室內(nèi)環(huán)境下，由于環(huán)境因素相對(duì)恒定，這一假設(shè)具有一定合理性。然而，在復(fù)雜的室內(nèi)環(huán)境下，障礙物、電子設(shè)備的電氣特性和噪聲等因素使得電磁波傳播呈現(xiàn)出明顯的時(shí)變特性，其結(jié)果是基于電磁波信號(hào)強(qiáng)度的室內(nèi)定位系統(tǒng)精度大幅度下降，不能很好地滿足實(shí)際應(yīng)用需求。針對(duì)這一情況，本文擬對(duì)信號(hào)基準(zhǔn)強(qiáng)度參考值A(chǔ)和環(huán)境衰減系數(shù)n分別優(yōu)化，獲取復(fù)雜室內(nèi)環(huán)境下電磁波傳輸最優(yōu)化模型。

2.1 基準(zhǔn)信號(hào)A優(yōu)化

基準(zhǔn)信號(hào)強(qiáng)度A是定位模型中的一個(gè)重要參量，與定位精度具有很大的相關(guān)性，通常取d0米處的平均值作為參考值。在不采用設(shè)備制造商使用的參考值時(shí)，若樣本空間足夠大，信號(hào)強(qiáng)度RSSI可以通過(guò)樣本的數(shù)學(xué)平均獲取。然而，當(dāng)樣本空間有限時(shí)，取樣本的數(shù)學(xué)平均這種方法會(huì)產(chǎn)生較大誤差，誤差來(lái)源主要包括噪聲的影響、電磁波的時(shí)變傳播特性等。

相關(guān)研究表明，在距離發(fā)射基站d處的RSSI均服從均值為μ，方差為σ2的高斯分布，當(dāng)d=d0時(shí)，信號(hào)強(qiáng)度的概率密度函數(shù)為：

P(RSSId0) =

(4)

其中，RSSId0,k表示d0處共計(jì)j個(gè)信號(hào)強(qiáng)度中的第i個(gè)信號(hào)強(qiáng)度。

RSSId0在區(qū)間[μ-σ，≤μ+σ]中的概率為：

P(μ-σ≤RSSId0<μ+σ)=F(μ+σ)-F(μ-σ)

=φ(1)-φ(-1)=2φ(1)

(5)

其中：

(6)

(7)

根據(jù)式(5)計(jì)算得P(μ-σ≤RSSId0<μ+σ)=0.6826，所以，區(qū)間[μ-σ,μ+σ]為高概率發(fā)生區(qū)。

(8)

其中：β表示d0處經(jīng)過(guò)高斯濾波后的信號(hào)強(qiáng)度的個(gè)數(shù)，RSSId0,k表示d0處β個(gè)信號(hào)強(qiáng)度中的第k個(gè)信號(hào)強(qiáng)度。

2.2 衰減系數(shù)n優(yōu)化

選定l個(gè)錨節(jié)點(diǎn)，令錨節(jié)點(diǎn)到參考節(jié)點(diǎn)M的距離分別為d1，d2，d3，…，dl，在辦公、家居等室內(nèi)環(huán)境下，由于空間關(guān)系，可認(rèn)為節(jié)點(diǎn)處于同一環(huán)境之中，假設(shè)它們具有相同的信號(hào)傳輸特性，則可根據(jù)：

(9)

(10)

其中：RSSIi表示實(shí)際距離di處的信號(hào)強(qiáng)度；αm(m=1,2,…,l)為Δdm,n的系數(shù)?；谑?9)中的線性規(guī)劃，可獲得Δdn的最小值，此時(shí)的n值即為當(dāng)前環(huán)境的最優(yōu)化衰減系數(shù)。

3 實(shí)驗(yàn)及結(jié)果分析

3.1 測(cè)試環(huán)境及參數(shù)設(shè)置

圖1所示為算法的測(cè)試環(huán)境，如圖所示，測(cè)試環(huán)境中主要存在淺色與深色兩種主要的障礙物，其材質(zhì)分別為為木質(zhì)臺(tái)面和金屬質(zhì)邊框。

圖1 辦公室環(huán)境

表2所示為實(shí)驗(yàn)參數(shù)，其中藍(lán)牙基站發(fā)射功率為1 mW，從0 m開(kāi)始每隔0.1米采集一組數(shù)據(jù)，采樣間隔為1 s，基站與物體表面距離為1米，模擬手持移動(dòng)設(shè)備實(shí)際高度，同時(shí)降低地面反射及噪聲等的影響。

圖2所示為采樣點(diǎn)對(duì)結(jié)果的影響程度，如圖所示，當(dāng)采樣點(diǎn)為100時(shí)，預(yù)測(cè)的信標(biāo)位置分散在實(shí)際位置周?chē)?，呈現(xiàn)出發(fā)散的特性；當(dāng)采樣點(diǎn)數(shù)量增加至400時(shí)，平均后的預(yù)測(cè)值明顯集中；隨著采樣點(diǎn)數(shù)量的進(jìn)一步增加，平均后的預(yù)測(cè)位置與實(shí)際位置誤差明顯減少；當(dāng)采樣點(diǎn)數(shù)量突破1 000后，采樣點(diǎn)數(shù)量對(duì)平均后的預(yù)測(cè)值維持恒定。綜上所述，采樣點(diǎn)數(shù)量大于1 000，平均結(jié)果可以較好地滿足后續(xù)分析需求。為保證更高的精度，算法使用2 000個(gè)采樣點(diǎn)的平均值。

圖2 采樣點(diǎn)數(shù)量的影響

表2 具體參數(shù)設(shè)置

3.2 結(jié)果及分析

圖3所示為使用不同優(yōu)化模型得到的預(yù)測(cè)值與實(shí)際值的對(duì)比結(jié)果。由圖可見(jiàn)，從誤差絕對(duì)值角度而言，當(dāng)定位節(jié)點(diǎn)與定位錨節(jié)點(diǎn)距離增加到2米時(shí)，基準(zhǔn)信號(hào)模型預(yù)測(cè)誤差從6 dbm下降到5 dbm，改進(jìn)衰減系數(shù)n模型預(yù)測(cè)誤差從6 dbm快速下降到0.1 dbm左右，呈現(xiàn)出良好的預(yù)測(cè)結(jié)果，改進(jìn)基準(zhǔn)信號(hào)模型預(yù)測(cè)結(jié)果呈現(xiàn)上升趨勢(shì)，預(yù)測(cè)誤差從0 dbm逐步上升至2.3 dbm。 從誤差相對(duì)值角度觀察，誤差相對(duì)值變化特征與絕對(duì)值變化特征一致，區(qū)別主要在于誤差相對(duì)值下降或者上升的速率大，造成這一現(xiàn)象的主要原因是實(shí)際距離數(shù)值較小。綜上所述，當(dāng)測(cè)量結(jié)果與基準(zhǔn)錨節(jié)點(diǎn)距離不超過(guò)2米時(shí)，理想自由空間模型性能最差，改進(jìn)衰減系數(shù)模型性能優(yōu)于理想自由空間模型，而改進(jìn)基準(zhǔn)信號(hào)模型性能最優(yōu)。

當(dāng)信標(biāo)節(jié)點(diǎn)與錨節(jié)點(diǎn)距離從2米增加到3米時(shí)，理想自由空間模型預(yù)測(cè)結(jié)果誤差呈現(xiàn)出線性增長(zhǎng)的特性，改進(jìn)衰減系數(shù)模型預(yù)測(cè)絕對(duì)誤差呈線性下降趨勢(shì)，從2 dbm逐步下降至0.8 dbm，改進(jìn)衰減系數(shù)模型誤差性能最優(yōu)，保持在0.2 dbm以下。從相對(duì)誤差角度而言，當(dāng)距離從2米增加至3米時(shí)，理想自由空間模型的預(yù)測(cè)誤差從10%上升至15%，表明性能繼續(xù)惡化。雖然改進(jìn)基準(zhǔn)信號(hào)模型在此區(qū)域內(nèi)誤差性能有所改善，但是其改善程度仍遠(yuǎn)遠(yuǎn)高于改進(jìn)衰減系數(shù)模型?？傊?，當(dāng)實(shí)際距離介于2米至3米區(qū)間時(shí)，改進(jìn)衰減系數(shù)模型仍然表現(xiàn)出優(yōu)良的性能。

當(dāng)測(cè)量節(jié)點(diǎn)與錨節(jié)點(diǎn)距離進(jìn)一步增加，即從3米增加到8米時(shí)，理想自由空間模型和改進(jìn)基準(zhǔn)信號(hào)模型預(yù)測(cè)誤差基本都呈現(xiàn)出線性增加的特性，改進(jìn)衰減系數(shù)模型的預(yù)測(cè)誤差具有震蕩特點(diǎn)。隨著實(shí)際距離增加到5米，改進(jìn)衰減系數(shù)模型產(chǎn)生的誤差也逐漸增加，在達(dá)到區(qū)域極值后，快速下降，當(dāng)實(shí)際距離為6米時(shí)，無(wú)論是相對(duì)誤差和絕對(duì)誤差，都接近于0,，隨著距離的繼續(xù)增加，誤差再次呈現(xiàn)增加-減少的特性。由上述分析可見(jiàn)，當(dāng)實(shí)際距離大于3米時(shí)，理想自由空間模型性能依然最差，改進(jìn)基準(zhǔn)信號(hào)模型性能略好，改進(jìn)衰減系數(shù)模型性能最佳，其相對(duì)誤差保持在2%以下。

基于上述分析，可以構(gòu)建模型綜合，在距離小于2米時(shí)，使用基準(zhǔn)信號(hào)優(yōu)化模型；當(dāng)距離逐漸增加到8米過(guò)程中，使用改進(jìn)衰減系數(shù)n的優(yōu)化模型。圖3中實(shí)線所示即為綜合模型，綜合模型同時(shí)具有基準(zhǔn)信號(hào)優(yōu)化模型和衰減系數(shù)優(yōu)化模型的優(yōu)點(diǎn)，在性能上，綜合模型的絕對(duì)誤差小于1 dBm，相對(duì)誤差小于2%。

圖3 測(cè)量結(jié)果

4 結(jié)論

實(shí)驗(yàn)結(jié)果表明，綜合了改進(jìn)基準(zhǔn)信號(hào)模型和改進(jìn)衰減系數(shù)模型的綜合模型優(yōu)化了改進(jìn)衰減系數(shù)模型在較近距離時(shí)誤差較大的缺點(diǎn)，當(dāng)距離增加時(shí)，可以動(dòng)態(tài)獲取衰減系數(shù)，保證了相對(duì)誤差和絕對(duì)誤差都處于較低的水平，從性能上來(lái)看，綜合模型絕對(duì)誤差最大值不超過(guò)1 dBm，相對(duì)誤差低于5%，特別當(dāng)距離從3米逐漸增加到8米過(guò)程中，衰減系數(shù)n優(yōu)化模型性能較為突出，相對(duì)誤差保持在2%以下。能夠較好地滿足室內(nèi)定位對(duì)精度的要求。

綜合算法立足于二維定位算法的實(shí)現(xiàn)與優(yōu)化，成果可以為三維定位奠定良好的基礎(chǔ)，是實(shí)現(xiàn)高精度三維定位的重要前提，具有非常重要的理論與現(xiàn)實(shí)意義。

[1]Zumberge J F, Heflin M B, Jefferson D C, et al. Precise point positioning for the efficient and robust analysis of GPS data from large networks[J]. Journal of Geophysical Research Solid Earth, 1997, 102(B3):5005-5017.

[2]Lachow I. The GPS Dilemma: Balancing Military Risks and Economic Benefits[J]. International Security, 1995, 20(1):126-148.

[3]Nandini N, Jumbe A S, Tandon S, et al. Application of Remote Sensing, GIS, and GPS Technology on Environment and Earth's Natural Resources Management An Introduction[J]. 2007.

[4]Mundy C. Using GPS technology to improve fishery-dependent data collection in abalone fisheries[J]. Research, 2012.

[5]季 方, 鮑遠(yuǎn)律. 全球任意區(qū)域GPS定位環(huán)境分析[J]. 計(jì)算機(jī)仿真, 2006, 23(1):51-53.

[6]Zhao C Z. Application of GPS surveying and mapping technology in engineering mapping[J]. Heilongjiang Science, 2016.

[7]Ochiai M, Fujii M, Ito A, et al. A study on indoor position estimation based on fingerprinting using GPS signals[A]. International Conference on Indoor Positioning and Indoor Navigation[C]. IEEE, 2014:727-728.

[8]張 靜. 室內(nèi)空氣污染現(xiàn)狀分析與對(duì)策[J]. 大觀周刊, 2012(6):280-280.

[9]曾 俊. 基于RFID的室內(nèi)定位算法研究[D]. 成都：電子科技大學(xué), 2015.

[10]Want R, Hopper A, Falco V, et al. The active badge location system[J]. ACM Transactions on Information Systems，1992(10):91-102.

[11] Ward A, Jones A, Hopper A. A new location technique for the active office[J]. IEEE Personal Communications，1997(4):42-47.

[12]Mulloni A, Wagner D, Barakonyi I, et al. Indoor positioning and navigation with camera phones[J]. IEEE Pervasive Computing, 2009(8): 22-31.

[13]Brumitt B, Meyers B, Krumm J, et al. EasyLiving: Technologies for Intelligent Environments[C]. Handheld and Ubiquitous Computing, Second International Symposium, HUC 2000, Bristol, UK, Proceedings. DBLP, 2000:12-29.

[14]Oguejiofor O, et al. Outdoor localization system using RSSI measurement of wireless sensor network[J]. International Journal of Innovative Technology and Exploring Engineering, 2013(2):1-6.

[15]Ranron, Ratchasak, Kamol Kaemarungsi, Implementation of zigbee localization using rssi location cluster[C]. Proc. ECTI-CARD 2013.

[16]Oliveira Luis, et al, RSSI-based relative localisation for mobile robots[J]. Ad Hoc Networks, 2014(13):321-335.

[17]Grossmann U, Gansemer S, Suttorp O. RSSI-based WLAN indoor positioning used within a digital museum guide[J]. International Journal of Computing, 2014(7):66-72.

[18]Gu Y, Ren F. Energy-Efficient Indoor Localization of Smart Hand-Held Devices Using Bluetooth[J]. IEEE Access, 2015(8):765-767.

[19]Su Huikai, et al. A hybrid indoor position mechanism based on bluetooth & WiFi communications for smart mobile devices[C]. International Symposium on Bioelectronics and Bioinformatics (ISBB),2015.

[20]陶為戈, 朱昳華, 賈子彥. 基于RSSI混合濾波和最小二乘參數(shù)估計(jì)的測(cè)距算法[J]. 傳感技術(shù)學(xué)報(bào), 2012, 25(12):1748-1753.

ResearchonBluetoothLocationModelOptimizationinComplexIndoorEnvironMent

Luo Heng1,2,3, Zhang yu2,3, Zou Youmin2, Fu Qiming1,2,3, Liu Leilei3

(1. JiangSu Province Key Lab of Intelligent Building Energy Efficiency, Suzhou 215009,China; 2.Suzhou Key Lab of Mobile Networking and Applied Technology, Suzhou 215009,China; 3.Suzhou University of Science and Technology, Suzhou 215009,China)

With the development of modern economy, society and mobile network technology, the requirements for indoor positioning for various applications are quite large and continue growing. Aiming at the complicated indoor environment, an adaptive signal strength optimization algorithm based on environmental parameter calibration is proposed, using the Bluetooth 4.0 technique. The mathematical analysis for the applications of Gaussian filter is provided. The RSSI value calibration reference signal is optimized by Gaussian filtering. Meanwhile, the linear attenuation coefficient is optimized adaptively by linear programming, leading to optimization of the propagation model of electromagnetic wave for Bluetooth. Simulation and Experiment results show that the error is less 1 dbm in absolute value and 2% in relative value in the complex office environment, which satisfies well the requirement for indoor positioning.

Bluetooth positioning; parameter calibration; linear programming; RSSI

2017-07-10；

2017-09-08。

國(guó)家自然科學(xué)基金項(xiàng)目(61602334，61502329，61401297)；住房與城鄉(xiāng)建設(shè)部科學(xué)技術(shù)項(xiàng)目(2015-K1-047)；江蘇省自然科學(xué)基金項(xiàng)目(BK20140283)。

羅 恒(1981-)，男，江蘇蘇州人，博士，講師，主要從事人工智能理論與方法及其在建筑節(jié)能中的應(yīng)用方向的研究。

1671-4598(2017)11-0244-04

10.16526/j.cnki.11-4762/tp.2017.11.062

TP393

A