陳麗敏,陳宇寧

(1.福建電力職業(yè)技術(shù)學(xué)院,福建 泉州 362000;2.國(guó)網(wǎng)泉州供電公司,福建 泉州 362000)

0 引言

無(wú)線室內(nèi)定位具有較為廣泛的應(yīng)用場(chǎng)景,藍(lán)牙技術(shù)在這一領(lǐng)域占據(jù)著重要地位,其優(yōu)點(diǎn)為運(yùn)營(yíng)成本低、識(shí)別距離遠(yuǎn)、傳輸速率較高。傳統(tǒng)的藍(lán)牙室內(nèi)定位算法在實(shí)踐中暴露出部分問(wèn)題,包括精度不足、對(duì)環(huán)境變化缺乏適應(yīng)能力等,因此要研究相關(guān)的改進(jìn)方法,提升定位能力。

1 藍(lán)牙Beacon技術(shù)及其在室內(nèi)定位中的應(yīng)用優(yōu)勢(shì)

1.1 藍(lán)牙Beacon技術(shù)

Beacon是一種廣播協(xié)議,建立在低功耗藍(lán)牙協(xié)議的基礎(chǔ)上,可實(shí)現(xiàn)低功耗藍(lán)牙通信。藍(lán)牙通信采用Socket連接,通信雙方中有一方為服務(wù)器端,另一方為客戶端。服務(wù)器端接收到客戶端的服務(wù)請(qǐng)求后,為其產(chǎn)生一個(gè)BeaconID,并發(fā)送給客戶端。客戶端將接收到的BeaconID設(shè)置在藍(lán)牙設(shè)備上,當(dāng)雙方的空間距離滿足通信要求時(shí),開(kāi)啟設(shè)備藍(lán)牙,系統(tǒng)即可掃描識(shí)別Beacon設(shè)備,獲取ID信息,建立連接后完成通信服務(wù)[1]。

1.2 藍(lán)牙Beacon技術(shù)在室內(nèi)定位中的應(yīng)用優(yōu)勢(shì)

以Bluetooth Smart為代表藍(lán)牙Beacon技術(shù)在室內(nèi)無(wú)線定位方面形成了一系列優(yōu)勢(shì):與對(duì)基礎(chǔ)設(shè)施有較高要求的UWB(超寬帶)、有源RFID以及Wi-Fi技術(shù)相比,藍(lán)牙無(wú)線通信技術(shù)成本優(yōu)勢(shì)突出;BLE5.0最大可支持300 m的搜索距離,足以滿足大部分通信需求;藍(lán)牙5.0～5.3最大傳輸速率48 Mbps。

2 基于指紋庫(kù)的藍(lán)牙室內(nèi)定位方法及仿真

2.1 傳統(tǒng)藍(lán)牙室內(nèi)定位方法的缺陷

傳統(tǒng)藍(lán)牙室內(nèi)定位技術(shù)在實(shí)踐中主要問(wèn)題:接收信號(hào)強(qiáng)度指示(RSSI)的穩(wěn)定性不足、突發(fā)的干擾因素容易造成室內(nèi)定位不準(zhǔn)確、通信路徑中的損耗計(jì)算與實(shí)際情況存在較大差異。

2.2 修正藍(lán)牙接收信號(hào)強(qiáng)度指示

RSSI廣播信號(hào)由Beacon基站發(fā)出,其穩(wěn)定性對(duì)藍(lán)牙室內(nèi)定位的精確性具有顯著影響,藍(lán)牙技術(shù)通過(guò)電磁波傳輸信息,因而受到室內(nèi)環(huán)境和人員活動(dòng)的干擾,可借助技術(shù)手段修正RSSI信號(hào),提升其穩(wěn)定性,具體方法如下。

(1)

以上計(jì)算原理適用于室內(nèi)每一個(gè)Beacon基站的RSSI信號(hào)修正,從而求得對(duì)應(yīng)的修正系數(shù)αi。將基站Ai到待定位點(diǎn)的RSSI檢測(cè)值記為ri,經(jīng)過(guò)修正后的RSSI值Ri按照式(2)進(jìn)行計(jì)算。

Ri=ri+αiri

(2)

2.3 信號(hào)傳播路徑損耗系數(shù)計(jì)算模型

傳統(tǒng)的損耗模型以固定的場(chǎng)景為依據(jù),提前設(shè)置各種影響損耗計(jì)算的環(huán)境參數(shù),但是在實(shí)際情況下,環(huán)境參數(shù)并不一定符合預(yù)期,建立根據(jù)環(huán)境變化自動(dòng)調(diào)整環(huán)境參數(shù)的算法模型是解決問(wèn)題的關(guān)鍵,算法實(shí)現(xiàn)如下。合并損耗計(jì)算模型中的常量,統(tǒng)一表示為式(3)。

p(d)=A-10klgd

(3)

式中,將距離基站1 m遠(yuǎn)處的RSSI信號(hào)的能量均值記為A,路徑損失系數(shù)記為k,客戶端與服務(wù)端的距離表示為d。根據(jù)環(huán)境變化訓(xùn)練相關(guān)的參數(shù),得到具有實(shí)時(shí)性的路徑損失系數(shù),過(guò)程如下。由公式(3)求得距離d的表達(dá)式。

(4)

(5)

當(dāng)實(shí)際測(cè)得d1、d2以及Δd的情況下,即可求出實(shí)時(shí)路徑損失系數(shù)k。

2.4 構(gòu)建室內(nèi)定位算法

傳統(tǒng)指紋定位算法的實(shí)施流程可分為4個(gè)步驟,分別是在室內(nèi)區(qū)域部署B(yǎng)eacon基站、構(gòu)建離線Beacon基站的藍(lán)牙指紋數(shù)據(jù)庫(kù)、比較離線指紋庫(kù)數(shù)據(jù)和在線實(shí)時(shí)定位數(shù)據(jù)、計(jì)算出客戶端位置。針對(duì)離線指紋庫(kù)難以適應(yīng)環(huán)境變化的缺陷,本研究提出以下改進(jìn)方法。

2.4.1 構(gòu)建室內(nèi)環(huán)境參考點(diǎn)矩陣

在室內(nèi)空間選取k個(gè)參考點(diǎn),將參考點(diǎn)Ai的平面坐標(biāo)記為(xi,yi)。室內(nèi)空間部署n個(gè)Beacon基站,參考點(diǎn)Ai到每個(gè)基站的RSSI值記為Ai1、Ai2、…、Ain。k個(gè)參考點(diǎn)與n個(gè)基站的RSSI值可形成一個(gè)矩陣,記為Hn。

(6)

式中,將參考點(diǎn)k與第j個(gè)Beacon基站的RSSI記為Bkj,最后面兩列均為參考點(diǎn)的平面橫縱坐標(biāo)。

2.4.2 獲取客戶端線上實(shí)時(shí)定位階段的RSSI矩陣

當(dāng)客戶端在Beacon基站的信號(hào)服務(wù)范圍以內(nèi)時(shí),每個(gè)基站均向其發(fā)送信號(hào),并產(chǎn)生對(duì)應(yīng)的RSSI值,將基站i發(fā)送的RSSI信號(hào)表示為向量bi,于是得到矩陣h=[b1b2…bj…bn]。

2.4.3 在線數(shù)據(jù)和離線數(shù)據(jù)對(duì)比

在離線指紋庫(kù)數(shù)據(jù)和在線數(shù)據(jù)的比對(duì)、匹配中,采用機(jī)器學(xué)習(xí)中的KNN算法,以樣本數(shù)據(jù)庫(kù)為基礎(chǔ),在不建立模型的情況下開(kāi)展無(wú)監(jiān)督學(xué)習(xí),樣本庫(kù)在訓(xùn)練過(guò)程中可進(jìn)行擴(kuò)充,不會(huì)影響訓(xùn)練結(jié)果,KNN方法的訓(xùn)練實(shí)施過(guò)程如下。

(1)設(shè)定閾值。

RSSIij×(1-10%)≤βij≤RSSIij(1+10%)

(7)

式中,將Beacon基站j與參考點(diǎn)i的RSSI記為RSSIij。

(2)閾值與在線RSSI信號(hào)的比較。

將客戶端在參考點(diǎn)i處獲取的基站j的RSSI信號(hào)記為bi,對(duì)比bi和βij的取值范圍,如果有bi∈βij,說(shuō)明bi的在線數(shù)據(jù)滿足精確度要求,未受到嚴(yán)重的環(huán)境干擾[3]。相反的,如果有bi?βij,則說(shuō)明該在線數(shù)據(jù)出現(xiàn)了較為明顯的畸變,不能滿足精確度要求,此時(shí)可將對(duì)應(yīng)的參考點(diǎn)i過(guò)濾掉。

(3)計(jì)算歐式距離。

在上一步中過(guò)濾了不符合閾值要求的參考點(diǎn),剩余的環(huán)境參考點(diǎn)可參與KNN訓(xùn)練過(guò)程。針對(duì)實(shí)時(shí)定位階段獲取的RSSI信號(hào)和可用參考點(diǎn)開(kāi)展歐式距離計(jì)算,構(gòu)成矩陣D。其中,歐式距離按照公式(9)進(jìn)行計(jì)算。

D=[DB1DB2…DBn]

(8)

(9)

(4)算法輸出結(jié)果。

矩陣D中含有n個(gè)元素,根據(jù)每一項(xiàng)數(shù)值進(jìn)行排序,產(chǎn)生一個(gè)遞增的新矩陣,記為D1。從該矩陣中取出前k項(xiàng),對(duì)k項(xiàng)元素的橫坐標(biāo)和縱坐標(biāo)分別求算術(shù)平均,即可得出訓(xùn)練輸出結(jié)果。

2.5 算法檢驗(yàn)及分析

2.5.1 RSSI信號(hào)修正效果仿真及分析

研究過(guò)程中設(shè)計(jì)開(kāi)發(fā)了手機(jī)程序,將手機(jī)作為客戶端,用于采集Beacon基站與手機(jī)端的RSSI信號(hào)。將基站作為坐標(biāo)原點(diǎn),以相同的步長(zhǎng)逐漸擴(kuò)大手機(jī)與基站之間的距離,最小距離控制為0.1 m,最大距離為10 m,采樣點(diǎn)數(shù)量共計(jì)100個(gè)。分別采用傳統(tǒng)方法和修正方法處理設(shè)備采集的RSSI信號(hào),分析修正方法是否提升了RSSI的精確度,結(jié)果如表1所示。顯然,修正后的算法檢測(cè)的RSSI值更加接近實(shí)際情況,能夠更加精確地反映出實(shí)際距離。

表1 RSSI信號(hào)修正仿真結(jié)果

2.5.2 路徑損耗仿真及分析

選取3個(gè)基站,將基站作為原點(diǎn),為其選擇不同的采樣點(diǎn),在每個(gè)采樣點(diǎn)使用不同設(shè)備采集20組數(shù)據(jù),觀察不同設(shè)備在同一位置處的采樣結(jié)果所反映的RSSI和實(shí)際距離的關(guān)系。表2為3個(gè)基站的部分采樣數(shù)據(jù)。從中可知,基站1和基站2的RSSI信號(hào)強(qiáng)度在采樣距離變大之后逐漸趨于穩(wěn)定,而基站3則整體呈下降趨勢(shì)。說(shuō)明路徑損耗計(jì)算模型在實(shí)際應(yīng)用中仍不理想,可能與基站的固有特性有關(guān)[4]。

表2 RSSI檢測(cè)值與實(shí)際距離的關(guān)系

2.5.3 室內(nèi)定位效果檢驗(yàn)及分析

利用研究中設(shè)計(jì)的改進(jìn)型藍(lán)牙指紋定位算法和傳統(tǒng)的藍(lán)牙指紋定位算法分別開(kāi)展室內(nèi)定位檢測(cè),獲得100組數(shù)據(jù),部分結(jié)果如表3所示。從中可知,研究中設(shè)計(jì)的新算法在精確性上明顯優(yōu)于傳統(tǒng)的藍(lán)牙指紋定位算法。

表3 算法定位數(shù)據(jù)

3 結(jié)語(yǔ)

研究過(guò)程以傳統(tǒng)藍(lán)牙室內(nèi)定位技術(shù)為參考,在其基礎(chǔ)上對(duì)RSSI進(jìn)行修正,提出了優(yōu)化信號(hào)傳播路徑損耗的模型,并設(shè)計(jì)了改進(jìn)型的藍(lán)牙指紋室內(nèi)定位算法。總體而言,設(shè)計(jì)算法的精確度較傳統(tǒng)算法有所提升,修正后RSSI也能更加準(zhǔn)確地反映客戶端與基站的距離。