基于蓝牙无线技术的室内定位方法研究.pdf

第 13 期2023 年 7 月无线互联科技Wireless Internet TechnologyNo.13July,2023作者简介:陈丽敏(1983),女,福建泉州人,副教授,硕士;研究方向:计算机。基于蓝牙无线技术的室内定位方法研究陈丽敏1,陈宇宁2(1.福建电力职业技术学院,福建 泉州 362000;2.国网泉州供电公司,福建 泉州 362000)摘要:无线室内定位具有较为广泛的应用场景,蓝牙技术在这一领域占据着重要地位。传统蓝牙室内定位技术在实际应用中表现出一定缺陷,通过改进型的蓝牙指纹室内定位算法,提升定位能力。以蓝牙 Beacon 技术为基础,文章介绍了蓝牙接收信号强度修正、信号传播路径损耗系数计算以及改进型蓝牙室内定位算法等模型,结合实际检测与软件仿真,对各类算法模型的应用效果和精确性等开展检验。结果显示,设计算法在定位精确度方面优于传统的蓝牙指纹定位算法。关键词:蓝牙 Beacon 技术;室内定位算法;仿真中图分类号:TN925 文献标志码:A0 引言 无线室内定位具有较为广泛的应用场景,蓝牙技术在这一领域占据着重要地位,其优点为运营成本低、识别距离远、传输速率较高。传统的蓝牙室内定位算法在实践中暴露出部分问题,包括精度不足、对环境变化缺乏适应能力等,因此要研究相关的改进方法,提升定位能力。1 蓝牙 Beacon 技术及其在室内定位中的应用优势1.1 蓝牙 Beacon 技术 Beacon 是一种广播协议,建立在低功耗蓝牙协议的基础上,可实现低功耗蓝牙通信。蓝牙通信采用Socket 连接,通信双方中有一方为服务器端,另一方为客户端。服务器端接收到客户端的服务请求后,为其产生一个 BeaconID,并发送给客户端。客户端将接收到的 BeaconID 设置在蓝牙设备上,当双方的空间距离满足通信要求时,开启设备蓝牙,系统即可扫描识别 Beacon 设备,获取 ID 信息,建立连接后完成通信服务1。1.2 蓝牙 Beacon 技术在室内定位中的应用优势 以 Bluetooth Smart 为代表蓝牙 Beacon 技术在室内无线定位方面形成了一系列优势:与对基础设施有较高要求的 UWB(超宽带)、有源 RFID 以及 Wi-Fi 技术相比,蓝牙无线通信技术成本优势突出;BLE5.0 最大可支持 300 m 的搜索距离,足以满足大部分通信需求;蓝牙 5.05.3 最大传输速率 48 Mbps。2 基于指纹库的蓝牙室内定位方法及仿真2.1 传统蓝牙室内定位方法的缺陷 传统蓝牙室内定位技术在实践中主要问题:接收信号强度指示(RSSI)的稳定性不足、突发的干扰因素容易造成室内定位不准确、通信路径中的损耗计算与实际情况存在较大差异。2.2 修正蓝牙接收信号强度指示 RSSI 广播信号由 Beacon 基站发出,其稳定性对蓝牙室内定位的精确性具有显著影响,蓝牙技术通过电磁波传输信息,因而受到室内环境和人员活动的干扰,可借助技术手段修正 RSSI 信号,提升其稳定性,具体方法如下。在较大的室内空间通常设置有多个 Beacon 基站,假设存在 m 个基站,任一基站 Ai(2im)可检测到基站 A1发出的 RSSI 信号,获取相应数值,记为R1i,该数值反映了两个基站的距离。信号修正的方法为检测基站 A1到基站 Ai的实际距离,记为 R1i,利用该数值修正 R1i。根据这一思路修正基站 A1与其他各个基站的 RSSI 值,计算出基站 A1的 RSSI 修正系数 1 2。1=1m-1m-1i=1R1i-R1iR1i(1)12第 13 期2023 年 7 月无线互联科技电子通信No.13July,2023以上计算原理适用于室内每一个 Beacon 基站的RSSI 信号修正,从而求得对应的修正系数 i。将基站 Ai到待定位点的 RSSI 检测值记为 ri,经过修正后的 RSSI 值 Ri按照式(2)进行计算。Ri=ri+iri(2)2.3 信号传播路径损耗系数计算模型 传统的损耗模型以固定的场景为依据,提前设置各种影响损耗计算的环境参数,但是在实际情况下,环境参数并不一定符合预期,建立根据环境变化自动调整环境参数的算法模型是解决问题的关键,算法实现如下。合并损耗计算模型中的常量,统一表示为式(3)。p(d)=A-10klgd(3)式中,将距离基站 1 m 远处的 RSSI 信号的能量均值记为 A,路径损失系数记为 k,客户端与服务端的距离表示为 d。根据环境变化训练相关的参数,得到具有实时性的路径损失系数,过程如下。由公式(3)求得距离 d 的表达式。d=10A-p(d)10k(4)d=d1-d2=10A-p(d1)10k-10A-p(d2)10k(5)当实际测得 d1、d2以及 d 的情况下,即可求出实时路径损失系数 k。2.4 构建室内定位算法 传统指纹定位算法的实施流程可分为 4 个步骤,分别是在室内区域部署 Beacon 基站、构建离线Beacon 基站的蓝牙指纹数据库、比较离线指纹库数据和在线实时定位数据、计算出客户端位置。针对离线指纹库难以适应环境变化的缺陷,本研究提出以下改进方法。2.4.1 构建室内环境参考点矩阵 在室内空间选取 k 个参考点,将参考点 Ai的平面坐标记为(xi,yi)。室内空间部署 n 个 Beacon 基站,参考点 Ai到每个基站的 RSSI 值记为 Ai1、Ai2、Ain。k 个参考点与 n 个基站的 RSSI 值可形成一个矩阵,记为 Hn。Hn=1B11B12B1jB1nx1y12B21B22B2jB2nx2y2kBk1Bk2BkjBknxkyk(6)式中,将参考点 k 与第 j 个 Beacon 基站的 RSSI记为 Bkj,最后面两列均为参考点的平面横纵坐标。2.4.2 获取客户端线上实时定位阶段的 RSSI 矩阵 当客户端在 Beacon 基站的信号服务范围以内时,每个基站均向其发送信号,并产生对应的 RSSI值,将基站 i 发送的 RSSI 信号表示为向量 bi,于是得到矩阵 h=b1 b2 bjbn。2.4.3 在线数据和离线数据对比 在离线指纹库数据和在线数据的比对、匹配中,采用机器学习中的 KNN 算法,以样本数据库为基础,在不建立模型的情况下开展无监督学习,样本库在训练过程中可进行扩充,不会影响训练结果,KNN 方法的训练实施过程如下。(1)设定阈值。RSSIij(1-10%)ij RSSIij(1+10%)(7)式中,将 Beacon 基站 j 与参考点 i 的 RSSI 记为RSSIij。(2)阈值与在线 RSSI 信号的比较。将客户端在参考点 i 处获取的基站 j 的 RSSI 信号记为 bi,对比 bi和 ij的取值范围,如果有 biij,说明 bi的在线数据满足精确度要求,未受到严重的环境干扰3。相反的,如果有 biij,则说明该在线数据出现了较为明显的畸变,不能满足精确度要求,此时可将对应的参考点 i 过滤掉。(3)计算欧式距离。在上一步中过滤了不符合阈值要求的参考点,剩余的环境参考点可参与 KNN 训练过程。针对实时定位阶段获取的 RSSI 信号和可用参考点开展欧式距离计算,构成矩阵 D。其中,欧式距离按照公式(9)进行计算。D=DB1 DB2 DBn(8)DBj=nj=1|Bkj-bj|2(9)(4)算法输出结果。矩阵 D 中含有 n 个元素,根据每一项数值进行排序,产生一个递增的新矩阵,记为 D1。从该矩阵中取出前 k 项,对 k 项元素的横坐标和纵坐标分别求算术平均,即可得出训练输出结果。2.5 算法检验及分析2.5.1 RSSI 信号修正效果仿真及分析 研究过程中设计开发了手机程序,将手机作为客22第 13 期2023 年 7 月无线互联科技电子通信No.13July,2023户端,用于采集 Beacon 基站与手机端的 RSSI 信号。将基站作为坐标原点,以相同的步长逐渐扩大手机与基站之间的距离,最小距离控制为 0.1 m,最大距离为10 m,采样点数量共计 100 个。分别采用传统方法和修正方法处理设备采集的 RSSI 信号,分析修正方法是否提升了 RSSI 的精确度,结果如表 1 所示。显然,修正后的算法检测的 RSSI 值更加接近实际情况,能够更加精确地反映出实际距离。2.5.2 路径损耗仿真及分析 选取 3 个基站,将基站作为原点,为其选择不同的采样点,在每个采样点使用不同设备采集 20 组数据,观察不同设备在同一位置处的采样结果所反映的 表 1 RSSI 信号修正仿真结果基站采样点与基站的距离/m传统方法测得距离/m修正算法测得距离/m16.05.5945.99124.53.0474.41533.02.6652.99841.52.8072.001RSSI 和实际距离的关系。表 2 为 3 个基站的部分采样数据。从中可知,基站 1 和基站 2 的 RSSI 信号强度在采样距离变大之后逐渐趋于稳定,而基站 3 则整体呈下降趋势。说明路径损耗计算模型在实际应用中仍不理想,可能与基站的固有特性有关4。表 2 RSSI 检测值与实际距离的关系采样点与基站的距离/m12345678基站 1 的 RSSI 强度/dB-48.2-60.1-67.8-69.1-70.9-71.1-71.4-70.0基站 2 的 RSSI 强度/dB-47.3-61.8-71.5-73.7-76.8-78.4-80.1-79.1基站 3 的 RSSI 强度/dB-46.5-66.3-75.6-78.2-83.4-85.2-88.5-88.22.5.3 室内定位效果检验及分析 利用研究中设计的改进型蓝牙指纹定位算法和传统的蓝牙指纹定位算法分别开展室内定位检测,获得 100 组数据,部分结果如表 3 所示。从中可知,研究中设计的新算法在精确性上明显优于传统的蓝牙指纹定位算法。表 3 算法定位数据采样点实际坐标传统蓝牙指纹定位算法定位坐标改进型蓝牙指纹定位算法定位坐标(1.2,1.2)(2.2,0.3)(1.4,1.6)(1.3,2.3)(2.1,2.3)(1.5,2.41)(2.5,1,4)(3.0,2.2)(2.64,1.5)(4.2,7.7)(3.2,8.8)(4.7,8.1)3 结语 研究过程以传统蓝牙室内定位技术为参考,在其基础上对 RSSI 进行修正,提出了优化信号传播路径损耗的模型,并设计了改进型的蓝牙指纹室内定位算法。总体而言,设计算法的精确度较传统算法有所提升,修正后 RSSI 也能更加准确地反映客户端与基站的距离。参考文献1常娥,冷卫杰.工业互联网无线室内定位技术概述J.物联网学报,2020(2):129-135.2杨小青.基于有向天线和 RSSI 的蓝牙无线定位基站设计J.智能计算机与应用,2020(11):177-179.3黄峥.基于多源信息融合与机器学习的室内定位技术研究D.南京:南京邮电大学,2022.4曹明瑞.基于蓝牙技术的移动机器人室内定位关键技术研究D.济南:山东科技大学,2020.(编辑 王永超)(下转第 27 页)32第 13 期2023 年 7 月无线互联科技智能控制No.13July,20233491-3500.7陈永快,黄语燕,王涛,等.基于有效积温的 NFT栽培小白菜生长模型J.江苏农业科学,2020(17):229-233.(编辑 沈 强)Research on decision control system based on tomato growth modelZhang Wei1 Tang You1 2 1.Jilin Institute of Chemical Technology Jilin 132022 China 2.Jilin Agricultural Science and Technology University Jilin 132101 China Abstract The realization of decision-making control on tomato is of great significance to promote the automation of greenhouse production management.In this study tomato crops were taken as the research object combined with tomato growth cycle and environmental factors a decision-making control system based on tomato growth model was proposed.First according to the growth characteristics of tomato in different growth stages a growth model was constructed and parameters were optimized in combination with environmental factors such as temperature humidity and light.Secondly the growth model was matched with the real-time growth data monitored by the sensor and the accuracy and practicability of the model were verified by comparing the real data with the model.Finally the growth model is combined with the control algorithm to realize the dynamic control and optimization of tomato crop growth.The test shows that the decision-making control system based on the tomato growth model can realize the refined management and yield improvement of tomato crops and has great application potential and prospects.Key words greenhouse tomato growth model automatic control(上接第 23 页)Research on indoor positioning method based on Bluetooth wireless technologyChen Limin1 Chen Yuning2 1.Fujian Electric Power Vocational and Technical College Quanzhou 362000 China 2.State Grid Quanzhou Power Supply Company Quanzhou 362000 China Abstract Wireless indoor positioning has a wide range of application scenarios and Bluetooth technology occupies an important position in this field.The traditional Bluetooth indoor positioning technology shows some defects in the practical application.Through the improved Bluetooth fingerprint indoor positioning algorithm the positioning ability is improved.Based on Bluetooth Beacon technology this paper introduces the models of Bluetooth receiving signal strength correction signal transmission path loss coefficient calculation and improves Bluetooth indoor positioning algorithm.Combined with actual detection and software simulation the application effect and accuracy of various algorithm models are tested.The results show that the design algorithm is better than the traditional Bluetooth in terms of positioning accuracy.Fingerprint localization algorithm.Key words Bluetooth Beacon technology indoor positioning algorithm simulation72