CN105392106B - 一种基于智能终端的情境与接近度感知方法 - Google Patents

一种基于智能终端的情境与接近度感知方法 Download PDF

Info

Publication number
CN105392106B
CN105392106B CN201510672942.9A CN201510672942A CN105392106B CN 105392106 B CN105392106 B CN 105392106B CN 201510672942 A CN201510672942 A CN 201510672942A CN 105392106 B CN105392106 B CN 105392106B
Authority
CN
China
Prior art keywords
data
intelligent terminal
proximity
signal strength
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510672942.9A
Other languages
English (en)
Other versions
CN105392106A (zh
Inventor
李登辉
李强
房卫东
熊勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Internet Of Things Co ltd
Original Assignee
Shanghai Internet Of Things Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Internet Of Things Co ltd filed Critical Shanghai Internet Of Things Co ltd
Priority to CN201510672942.9A priority Critical patent/CN105392106B/zh
Publication of CN105392106A publication Critical patent/CN105392106A/zh
Application granted granted Critical
Publication of CN105392106B publication Critical patent/CN105392106B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H04W4/043—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种基于智能终端的情境与接近度感知方法，包括以下步骤：利用智能终端设备采集数据，并将采集的数据更新至服务器端；服务器端依据所得环境数据计算系统所在通信环境的参数并返回至智能终端设备；智能终端设备收到通信环境的参数后，使用接收信号强度指示符获取模块，获取来自至少一个目标通信装置的接收信号强度指示符值，并将该接收信号强度指示符值发送至服务器端；服务器端依据所得接收信号强度指示符值，计算该智能终端设备周围不同设备的接近度状况。本发明增加了识别准确度与识别效率。

Description

一种基于智能终端的情境与接近度感知方法
技术领域
本发明涉及移动无线通信社交感知领域，特别是涉及一种基于智能终端的情境与接近度感知方法。
背景技术
近年来，个人在日常生活中使用的便携式通信设备如智能手机、移动电话、MP3播放器、即时消息收发装置、便携式压缩盘(CD)播放器等诸如此类的设备。这些设备都大多具有各种先进功能如蓝牙、红外线和其他通信方式使用的因特网、数字媒体传播等等。如今，已有许多先进应用允许在周围环境中的相似装置之间进行接近度估计。现有技术中公开了各种用于在蓝牙设备之间的定位与距离勘定方法。在社交感知相关领域，其传统研究方式是通过大规模以及长时间的市场调研以及信息收集以获取需要的统计数据，显然此方式已无法满足日益增长的数据需求以及快速变化的社交数据流信息。同时，随着智能终端自身硬件软件的飞速升级以及智能终端的普及化，一种低成本、长时间在线的人之间的互联方式已出现。将移动智能终端应用于社交网络领域研究已成为必然趋势，利用智能终端感知附近人群存在着非常广泛的应用前景。
接收信号强度指示值显示了发射器与接收器设备之间的最短距离的直接测量值，其中，信号强度和距离成反比即接收信号强度越弱，则发射器(Tx)与接收器(Rx)之间距离越远。除用于测距外，若用三个或更多此类接收器可用于定位，可在二维平面上计算具体接收器的准确位置。
然而，在室内由于多种障碍物如墙壁、天花板、室内障碍物等等的出现会导致无线信号显著的空间与时间变化。该变化将使得发射器和接收器之间的距离产生极大不确定性与波动性。并且，由于室内环境有许多来自墙体反射，在进行接近度计算时会产生更多不确定性。室外环境由于信号向四周辐散，导致接收器衰减过快，若室外存在遮挡如放置设备于背包中等，当距离增大信号强度急剧减小，由该遮挡引起的信号衰减会对接收信号强度造成过大影响。
对于以用户为中心的接近度估计，出现了对于准确性更高的要求。基于功能的以用户为中心的接近度估计需要识别且知道给定用户群中哪些用户正在进行交互，在其中，通过将给定用户群中每个用户的智能终端中的蓝牙装置的MAC地址来唯一性地指定每一个用户。
现有模型大多利用蓝牙信号强度RSSI进行室内定位，需要使用多个探测设备；现有模型未充分利用智能终端中的传感器进行周边环境的细致、准确的感知；现有模型未充分考虑环境对于蓝牙信号指示值的波动影响，且对于处于阈值边缘附近的RSSI值未进行适当校正，并且无法针对环境进行自适应模型调整。
根据以上内容可知，现有技术在本领域需开发一种能实时感知环境并估算携带蓝牙设备的两个用户之间的接近度的方法和系统。此外，需要开发出用于估计接近度的准确的校正模型，该模型需要需要满足功能要求且保证在短距通信时是准确稳定的。
发明内容
本发明所要解决的技术问题是提供一种基于智能终端的情境与接近度感知方法，增加了识别准确度与识别效率。
本发明解决其技术问题所采用的技术方案是：提供一种基于智能终端的情境与接近度感知方法，包括以下步骤：
(1)利用智能终端设备采集数据，并将采集的数据更新至服务器端，其中，采集的数据包括环境数据与设备感知数据；
(2)服务器端依据所得环境数据计算系统所在通信环境的参数并返回至智能终端设备；
(3)智能终端设备收到通信环境的参数后，使用接收信号强度指示符获取模块，获取来自至少一个目标通信装置的接收信号强度指示符值，并将该接收信号强度指示符值发送至服务器端；
(4)服务器端依据所得接收信号强度指示符值，计算该智能终端设备周围不同设备的接近度状况，并将接近度结果返回至智能终端设备。
所述步骤(1)中智能终端通过传感器获取周围环境中光照强度、GPS数据包、地磁强度和加速度数据。
所述步骤(2)中服务器端接收数据后，将多种数据整合进行打分，优化了调用多种传感器的协作方式，提出了对各传感器数据进行整合并计算相关指标的模型，将环境分等级，最终将环境识别结果以数据包形式返回至智能终端设备。
所述模型为Score＝W1·Sgps+W2·Smag+W3·Slight，其中，Score为周围环境状态常数；W1为GPS信号可信度所占比重；Sgps为GPS信号得分；W2为磁强信号可信度所占权重；Smag为磁强度信号得分；W3为光照信号可信度所占权重；Slight为光照信号得分。
所述步骤(4)中服务器接收数据后，对采集到的接收信号强度指示符值使用了多阈值模型、自适应校正模型进行数据的分级处理，优化边缘数据的处理，将最终接收信号强度指示符值转变为接近与不接近两种状态，最终将运算结果以数据包形式返回至智能终端设备。
采用移动区间的方式平滑整组数据，将平滑处理后的数据应用于双阈值模型后，可将获取的信号强度指示符信号值划分为高可信度、中可信度和低可信度三个等级；对于处于中可信度的信号强度指示符信号值通过模型
Figure GDA0002588137420000031
进行校正，其中，
Figure GDA0002588137420000032
Ri为i时刻的信号强度指示符号信号值，其中THhigh和THlow分别表示双阈值模型中指示符信号值的高阈值与低阈值。
若移动区间方差未发生突变，则当前时刻沿用上一时刻的接近度状态来校正数据；若方差发生突变，则用上一时刻状态的对立面来校正数据。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明采用客户端与服务器端的方式，计算部分全部在服务器端完成保证了计算的实时性，并且可根据环境数据实时更新自身模型，进行自适应调整。
附图说明
图1是本发明的流程图；
图2是用于表示得到准确的接近度感知估计的系统架构的方框图；
图3是系统用于环境感知计算的流程图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于智能终端的情境与接近度感知方法，其基于一种利用蓝牙参考智能终端感知室内外环境，以及利用该参考智能终端与至少一个蓝牙便携式目标通信装置之间的信号强度感知设备间接近度的系统，该系统如图2所示，包括：
a.至少一个参考智能终端200和至少一个目标通信装置220，其中该参考智能终端200 进一步包括环境数据采集模块201与为获取至少一个目标通信装置220的接收信号强度指示符(简称“RSSI”)的接收信号强度指示符获取模块202；
b.至少一个后端服务器210，该后端服务器210进一步包括：被适配为通过利用环境数据采集模块201来计算周围环境参数值的环境感知计算模块211和适配为通过利用接收信号强度指示符获取模块202来计算参考智能终端200与目标通信装置220之间的接近度感知计算模块212。
如图1所示，该过程从步骤100开始，其中在步骤100处至少一个参考智能终端200获取周围环境数据。在步骤101处，通过利用所获取的周围环境数据来计算系统所处通信环境的相关参数。在步骤102处，至少一个参考智能终端200获取至少一个目标通信装置 220的接收RSSI。该过程在步骤103处结束，其中在步骤103处通过利用系统所处通信环境的参数来计算该参考智能终端200与该目标通信装置220之间的准确的接近度感知结果。
本实施方式中，可从包括智能手机、掌上电脑、智能平板、打印机、数码相机、笔记本电脑等等的一组蓝牙装置中选择便携式参考智能终端200和便携式目标通信装置220。
在本实施方式中，参考智能终端200可对于采集周围环境数据以及对于获取RSSI值的操作而作为静止的参考点，而目标通信装置220可作为移动或静止的目标点。
值得一提的是，参考智能终端200与目标通信装置220也可以都是移动的。
由合并在参考智能终端200和目标通信装置220中的蓝牙设备ID来唯一地识别参考智能终端200和目标通信装置220。把装置的唯一识别转化为对用户的唯一识别。
嵌入在参考智能终端200中的应用获取并记录周围环境参数值及获取的RSSI值，并且进一步将所获取和记录的环境参数值存储到环境数据采集模块201，将所获取的RSSI值存储到接收信号强度获取模块202中。其中接收信号强度获取模块202按照从1.5米至4.0米的升序，存储用于从参考智能终端200到目标通信装置220的距离所观察的RSSI值。
另外，后端服务器210被适配为计算两个由蓝牙模块的MAC地址所唯一地识别的人之间的准确的接近度状况。该后端服务器210还被配置为接收由参考智能终端200发送的周围环境参数以及获取的RSSI值。该后端服务器210进一步包括利用环境参数进行环境感知计算系统所处环境的相关阈值以及利用接收的RSSI值进行接近度感知计算。
环境感知计算模块211被适配为通过利用所获取的周围环境参数代入模型计算，获取系统所处环境的状态与相关阈值。该环境感知计算模块211基于下述的数学方程来计算环境状态常数。
Score＝W1·Sgps+W2·Smag+W3·Slight
Figure GDA0002588137420000051
其中，Score为周围环境状态常数；W1为GPS信号可信度所占比重；Sgps为GPS信号得分；W2为磁强信号可信度所占权重；Smag为磁强度信号得分；W3为光照信号可信度所占权重；Slight为光照信号得分；Thind表示划分室内室外不同环境的阈值对应的得分。
图3所示的是系统用于环境感知计算的流程图，该过程中步骤400为判断GPS信号丢失的时间，丢失超过一定时间将GPS得分置为0，若小于规定时间则执行步骤401，判断GPS信号精度若大于阈值则置GPS得分为100，否则为50，步骤402为设置GPS得分；步骤403为采集光强并根据光强与阈值比较得到光强得分；步骤404为采集磁强并根据磁强与阈值比较得到磁强得分；步骤405计算环境状态总得分用以环境感知计算。
按照参考智能终端200所处的周围环境划定环境相关阈值，该部分运行过程在后端服务器210中的环境感知计算模块211完成，且实时采集实时分析。
接近度感知计算模块212被适配为得出两个相关1.5m内到4.0m外的短距离的便携式通信装置之间的接近度状况，一般认为1.5m内为接近，4.0m之外为远离，处于1.5m-4.0m之间属于附近，需要进一步判断为接近或远离状态。
接近度感知计算模块212中存储了多种接近度感知计算模型，该接近度感知计算模型中所用模型的基础是log-normal模型，用于估计距离与RSSI之间关系：
Figure GDA0002588137420000052
其中，RSSId为接收到的信号强度(dB)，d0为参考距离，
Figure GDA0002588137420000053
为参考距离下的信号强度，χσ是方差为σ均值为0的高斯随机变量，n为自由度，d为距离(m)。上述关系意味着蓝牙设备之间RSSI随着两者相对距离增大而产生对数减小。然后，由于多径效应、遮挡等引起实际的RSSI曲线是不同的，实际RSSI值存在非常大的波动，因此该RSSI不能直接用于计算距离。
根据接近与远离的状态定义以及RSSI的特性，考虑不采用距离进行接近度判断，而是采用RSSI进行得分判断，具体模型如下：
Figure GDA0002588137420000061
THnear为不同环境下1.5m处的RSSI参考值，该参考值为长时间积累得到的统计参考值，statei为i时刻的接近度。由于蓝牙信号的波动特征，上述模型识别准确率非常低，应将蓝牙信号进行自适应平滑并设置一定的容错区域，以区分处于阈值附近与远离阈值的信号值，因此选用一种双阈值的得分模型，模型更改如下：
Figure GDA0002588137420000062
α+λ＝1
Figure GDA0002588137420000063
其中采用移动区间的方式平滑整组数据，Ri为i时刻的RSSI值，λ为其对应的修正因子；α为当前时刻区间均值的带入因子；
Figure GDA0002588137420000064
为当前时刻区间均值，其中
Figure GDA0002588137420000065
即，若
Figure GDA0002588137420000066
则＜Rmax,Rmin＞＝Rmin反之，则为Rmax。
将平滑处理后的数据应用于双阈值模型后，可将获取的RSSI信号值划分为高可信度、中可信度和低可信度三个等级。
为进一步消除信号波动引起的误差，除了高可信度与低可信度等级的数据可以直接得到肯定判断，位于中可信度区间的数据仍需要进一步细化减少误判。由于蓝牙信号搜索时间较长，而1.5-4.0m的距离变化可能在1秒就会发生，因此会造成接收到的信号强度发生突变。
对于处于中可信度状态的数据，若上一时刻为接近，且方差无明显变化，则当前状态处于接近状态的概率很大，反之则处于远离状态的概率更大。
初始时刻状态S1通过当前时刻之前的一段移动区间的均值进行判断，若该区间均值经过双阈值模型判断为接近状态，则认为是S1为接近状态；反之，认为S1为远离状态。
通过自适应系数模型后，数据会更为平滑，虽不会出现非常大的波动，但是仍有大量处于中可信度的数据点，而此种波动在日常生活中由于距离时近时远导致信号极不稳定，因而此类状况较为常见也最有解决的必要。
对于处于中可信度区间的RSSI数据，需要进行如下模型校正：
Figure GDA0002588137420000071
Figure GDA0002588137420000072
其中，THhigh和THlow分别表示双阈值模型中指示符信号值的高阈值与低阈值。
若移动区间方差未发生突变，则当前时刻沿用上一时刻的接近度状态来校正数据；若方差发生突变，则用上一时刻状态的对立面来校正数据，如下：
Figure GDA0002588137420000073
经过式(4)处理后，提取数据中处于中可信度的数据，对该区间内数据进行进一步提取，使用式(5)和式(6)将RSSI进行校正，再回到式(4)进行处理，可最大程度降低蓝牙信号波动与误判，因此可提高接近度的判断准确度。

Claims (5)

1.一种基于智能终端的情境与接近度感知方法，其特征在于，包括以下步骤：
(1)利用智能终端设备采集数据，并将采集的数据更新至服务器端，其中，采集的数据包括环境数据与设备感知数据；
(2)服务器端依据所得环境数据计算系统所在通信环境的参数并返回至智能终端设备；
(3)智能终端设备收到通信环境的参数后，使用接收信号强度指示符获取模块，获取来自至少一个目标通信装置的接收信号强度指示符值，并将该接收信号强度指示符值发送至服务器端；
(4)服务器端依据所得接收信号强度指示符值以及系统所在通信环境的参数，计算该智能终端设备周围不同设备的接近度状况，并将接近度结果返回至智能终端设备；其中，服务器接收数据后，对采集到的接收信号强度指示符值进行数据的分级处理，优化边缘数据的处理，将最终接收信号强度指示符值转变为接近与不接近两种状态，最终将运算结果以数据包形式返回至智能终端设备；其中，采用移动区间的方式平滑整组数据，将平滑处理后的数据应用于双阈值模型后，能将获取的信号强度指示符信号值划分为高可信度、中可信度和低可信度三个等级；对于处于中可信度的信号强度指示符信号值通过模型
Figure FDA0002588137410000011
进行校正，其中，
Figure FDA0002588137410000012
Ri为i时刻的信号强度指示符号信号值，其中THhigh和THlow分别表示双阈值模型中指示符信号值的高阈值与低阈值。
2.根据权利要求1所述的基于智能终端的情境与接近度感知方法，其特征在于，所述步骤(1)中智能终端通过传感器获取周围环境中光照强度、GPS数据包、地磁强度和加速度数据。
3.根据权利要求1所述的基于智能终端的情境与接近度感知方法，其特征在于，所述步骤(2)中服务器端接收数据后，将多种数据整合进行打分，优化了调用多种传感器的协作方式，提出了对各传感器数据进行整合并计算相关指标的模型，将环境分等级，最终将环境识别结果以数据包形式返回至智能终端设备。
4.根据权利要求3所述的基于智能终端的情境与接近度感知方法，其特征在于，所述模型为Score＝W1·Sgps+W2·Smag+W3·Slight，其中，Score为周围环境状态常数；W1为GPS信号可信度所占比重；Sgps为GPS信号得分；W2为磁强信号可信度所占权重；Smag为磁强度信号得分；W3为光照信号可信度所占权重；Slight为光照信号得分。
5.根据权利要求1所述的基于智能终端的情境与接近度感知方法，其特征在于，若移动区间方差未发生突变，则当前时刻沿用上一时刻的接近度状态来校正数据；若方差发生突变，则用上一时刻状态的对立面来校正数据。
CN201510672942.9A 2015-10-16 2015-10-16 一种基于智能终端的情境与接近度感知方法 Active CN105392106B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510672942.9A CN105392106B (zh) 2015-10-16 2015-10-16 一种基于智能终端的情境与接近度感知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510672942.9A CN105392106B (zh) 2015-10-16 2015-10-16 一种基于智能终端的情境与接近度感知方法

Publications (2)

Publication Number Publication Date
CN105392106A CN105392106A (zh) 2016-03-09
CN105392106B true CN105392106B (zh) 2020-12-01

Family

ID=55423851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510672942.9A Active CN105392106B (zh) 2015-10-16 2015-10-16 一种基于智能终端的情境与接近度感知方法

Country Status (1)

Country Link
CN (1) CN105392106B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114189807B (zh) * 2020-04-12 2024-03-22 北京牧家科技有限公司 基于移动手机定位算法的聚集人群追踪系统和方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9451418B2 (en) * 2012-10-19 2016-09-20 Qualcomm Incorporated Group association based on network determined location
US9154904B2 (en) * 2012-11-12 2015-10-06 Tata Consultancy Services Limited Method and system for accurate straight line distance estimation between two communication devices
CN104683945B (zh) * 2013-11-29 2018-12-18 中国移动通信集团公司 一种移动终端的定位方法、设备和系统
CN103916956A (zh) * 2014-04-25 2014-07-09 南京工程学院 室内定位系统中无线传输环境损耗参数的优化方法

Also Published As

Publication number Publication date
CN105392106A (zh) 2016-03-09

Similar Documents

Publication Publication Date Title
KR102421930B1 (ko) 불안정한 센서를 캘리브레이트하기 위한 시스템 및 방법
CN104457751B (zh) 室内外场景识别方法及系统
JP6177089B2 (ja) ２台の通信機器間の正確な直線距離推定のための方法およびシステム
US9078099B2 (en) Localization method employing radio signal strength measurements of electric and gas meters
KR102280610B1 (ko) 전자 장치의 위치 추정 방법 및 장치
EP2832162B1 (en) Locating a mobile device
US8738043B2 (en) Apparatus and method for constructing wireless AP map
CN104394588B (zh) 基于Wi‑Fi指纹和多维尺度分析的室内定位方法
CN104427610B (zh) WiFi室内定位方法与服务器
US10674312B2 (en) Locating and tracking a wireless beacon from a wireless device
WO2016119107A1 (zh) 一种噪音地图绘制方法及装置
CN104573387A (zh) 一种噪音地图绘制方法及装置
Guo et al. Accurate indoor localization based on crowd sensing
WO2018200334A1 (en) Bluetooth device locator
CN111930336A (zh) 音频设备的音量调节方法、设备及存储介质
WO2016079656A1 (en) Zero-calibration accurate rf-based localization system for realistic environments
CN107784298B (zh) 一种识别方法及装置
US20140357291A1 (en) Method and apparatus for signal-based positioning
CN105392106B (zh) 一种基于智能终端的情境与接近度感知方法
CN116772860A (zh) 基于无线定位技术与视觉人工智能融合的新型室内定位系统
CN108924753B (zh) 用于场景的实时检测的方法和装置
KR102448930B1 (ko) 파티클 필터를 기반으로 가중치 학습을 통한 실내측위 시스템 및 방법
CN110381580B (zh) 一种基于比例优化的WiFi定位方法
US11924711B1 (en) Self-mapping listeners for location tracking in wireless personal area networks
KR20200107419A (ko) 환경 정보 지문 구축을 이용한 융합 측위 방법

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant