基于蓝牙信号强度的室内定位算法

基于蓝牙信号强度的室内定位算法

汪冰,汪露

（广安职业技术学院，四川广安，638000）

摘要：随着室内场景中的定位需求猛增，基于蓝牙指纹的室内定位技术凭借着低成本、易部署、普适的优点成为无线定位技术的研究热点之一，然而由于室内环境结构复杂、噪声干扰等现象，严重影响蓝牙的定位性能，同时，大多使用位置指纹的蓝牙定位方式的采集工作耗时耗力、整体定位精度不高。基于现有蓝牙指纹定位技术的不足，开展基于蓝牙的位置指纹定位技术研究，对推动室内位置服务产业的发展具有重要的意义。

关键词：室内定位；蓝牙指纹；指纹库

一、国内外研究现状

基于RSSI的蓝牙室内定位算法可以分为测距和非测距两种方式，其中，基于位置指纹定位算法存在指纹采集效率低、定位过程分类算法效率低且无法满足高并发性等问题，但是，该算法的原理简单、容易实现、普适性强、定位精度高，因而得到广泛使用。指纹质量和在线指纹匹配定位算法是影响基于位置指纹定位算法的精度的主要因素，所以，学者们就指纹质量和在线指纹匹配定位算法进行了大量的研究。

二、RSSI信号分析

（1）RSSI信号特征

在基于蓝牙的室内定位技术中，常常用接收信号的强度指示RSSI来定位。蓝牙信号是采用电磁波的形式传播，信号强度会受到距离的影响。再加上传播介质、障碍物等传播环境的影响，很容易出现折射、反射、散射等情况，导致RSSI值小于最优接收功率。在接受端所获得的RSSI值小于在发射端的RSSI值，造成信号衰落的情况。因此，接收信号的强度指示RSSI通常为负数。在实际应用中，信号衰落无法避免，主要表现为大尺度衰落和小尺度衰落两种形式。

（2）RSSI的信号误差

RSSI数据误差的产生原因：信号发射端将无线信号传输到室内，在室内的无线信号衰落大多为反射、折射、散射等原因导致信号多径传播，在多个信号交集过程中，信号接受器直接将多个方向的信号多径分量直接相加，出现信号增强和信号减弱两种情况。

第一，定位系统硬件的不稳定所产生信号误差，如：物理噪音、A/D量化噪音等都将影响信号传输效果。

第二，障碍物干扰所产生的信号误差。例如，在人流量较大的商场、拥有较高货架的仓库等，都会对定位信号产生干扰。

第三，信号传播模型产生的信号误差。当前，无线信号传播模型中考虑了环境因素的影响，但是，不同环境的参数是不同的，实际应用中很难调整参数值，从而出现信号误差。

（3）基于RSSI的蓝牙室内定位算法

基于RSSI的室内定位算法实现过程主要包括两个步骤，第一个步骤是信号采集和整理，第二个步骤是RSSI值的实时匹配。

三、基于插值法构建指纹数据库

（一）采集指纹数据

通过理论分析得知，指纹数据采集可以分为离线阶段和在线阶段。离线阶段，将合理划分定位区域，通过设备采集每个网格的信号形成网格的指纹，并且将指纹数据和位置坐标录入到指纹数据库中。在线阶段，匹配设备采集到的数据与指纹数据，从而估算出待测点的坐标。但是，指纹数据采集可能存在以下几点不足：

1、数据采集阶段应当获取每个网格点的指纹数据，如果区域规模较大，必然会造成采集数据量巨大，导致数据采集效率骤降。

2、周围环境对指纹数据的影响较大，当周围环境变化（室内装修、人员走动、家具摆放），都会降低指纹定位精度。

3、环境发生改变后，需重新大面积指纹数据采集，耗费大量的人力和物力。

4、由于指纹数据采集是依靠WLAN无线信号强度来实现，所以，必须让WLAN模块持续开启才能够实现定位。WLAN模块长期开启必将耗电，而且也会影响该模块的使用寿命。

针对以上问题，本文提出一个改进方案，以群智感知的方式动态对指纹数据库进行更新。指纹数据库更新以后，运用训练算法对指纹数据进行训练，从而形成新的指纹数据库。与传统的指纹数据采集相比，该方案有以下几个优点：

1、运用该方案更新指纹数据库，无需进行大规模的指纹数据采集，就可以构建较为精准的指纹数据库。

2、指纹数据采集完成以后，经过高斯滤波和均值滤波两次滤波来降噪处理数据，将采集到的指纹数据与数据库中的指纹数据进行匹配并更新，最终获取到最新的指纹数据库。

3、室内环境发生变化以后（如：行人走动、障碍物位置变更等），就应当根据数据库中数据的特性计算出新的定位参数，用于后续的定位数据对比，以提高定位精度。

4、本方案采用低功耗蓝牙5.0设备，最远工作距离可以达到300米，功耗低，有效解决依靠WLAN无线信号强度来定位中存在的问题。

（二）基于优化后的插值法构建指纹数据库

本文采用基于分段对数路径损耗模型的插值法来构建指纹数据库，指纹数据库构建流程。首先，合理布局蓝牙信标，拟合各个蓝牙信标的分段对数损耗模型。然后，在参考点静态采样，对采集到的数据进行二次滤波，消除波动较大的数据。最后，基于分段对数路径损耗模型的插值法来计算待定位点的RSSI向量，构建离线指纹库。该方案不仅可以帮助用户长时间的定位，还能够降低功耗，更新指纹数据库。同时，该方案通过群智感知的方式就可以更新数据库，无需进行大规模的数据采集。最终，利用自适性的定位算法就可以实现数据的匹配，让定位结果更加准确。

四、总结

蓝牙信号在室内传播会受到多径衰落、人体阴影等因素的影响，造成信号呈现非视距传播以及大幅度衰减的特点，从而降低定位效率和定位精度。本文在对RSSI信号以及常用室内定位技术等相关技术分析的基础上，对以下几个方面的内容进行了深入的研究及总结。

（1）确定了基于蓝牙信号强度的室内定位算法

当前，常见的室内定位技术较多，在众多的室内定位技术中，基于蓝牙的定位技术满足高精度、低功耗、易维护、成本低、稳定性高等特点，并且不断朝着低功耗、高速连接的方向发展，在抗干扰、数据安全性以及终端普及率等方面拥有天然优势，具有大规模推广的可行性。基于RSSI的蓝牙室内定位方法包括基于RSSI的测距室内定位算法和基于RSSI的非测距室内定位算法，相对来说，尽管指纹定位算法存在指纹采集效率低、定位过程分类算法效率低且无法满足高并发性等问题，但是，该算法的原理简单、容易实现、普适性强、定位精度高，本文采用指纹定位算法进行室内定位。

（2）研究了基于改进插值法构建指纹数据库

指纹数据库构建包括指纹数据采集、指纹数据降噪处理和构建指纹数据库三个步骤。指纹数据采集通过用户的定位结果，以群智感知的方式动态对指纹数据库进行更新。指纹数据降噪通过高斯滤波和均值滤波两次滤波来降噪处理数据，首先，多次采集RSSI信号值，并且用高斯滤波进行处理，尽可能减少信号的干扰。然后，用均值滤波对RSSI信号值进行处理，以进一步降低误差。采用基于分段对数路径损耗模型的插值法来构建指纹数据库，首先，合理布局蓝牙信标，拟合各个蓝牙信标的分段对数损耗模型。然后，在参考点静态采样，对采集到的数据进行二次滤波，消除波动较大的数据。最后，基于分段对数路径损耗模型的插值法来计算待定位点的RSSI向量，构建离线指纹库。

参考文献：

[1]林信川, 林宏基. 基于 iBeacon 的环形定位优化算法研究[J]. 中北大学学报(自然科学版), 2017, 38(06):639-646.

[2]Kim K Y, Shin Y. A distance boundary with virtual nodes for the weighted centroid localization algorithm[J]. Sensors, 2018, 18(4): 1054.

作者简介：汪冰（1993-），女，汉族，四川广安人，本科，助教，研究方向：物联网专业教学。汪露（1993-），女，汉族，四川广安人，研究生，助教，研究方向：物联网专业教学。