CN105953802A - 一种基于iBeacon的室内定位系统及方法 - Google Patents

Abstract

本发明公开了一种基于iBeacon的室内定位系统及方法，利用iBeacon基站组建无线传感器网络，每一个iBeacon基站作为一个信标节点，利用RSSI信息解算未知节点到多个信标节点的距离，利用自适应多边定位和卡尔曼滤波算法确定未知节点的位置信息。本发明结构简单、部署简便、成本低廉，无需离线标定，定位稳定性好、精度高；解决了当前GPS技术无法提供室内定位服务的问题，为智能手机用户提供室内定位导航服务。本发明根据iBeacon基站广播的无线信号强度信息对路径衰减模型参数进行在线估计，提高定位精度；解决RSSI路径衰减模型参数随环境变化的问题，进而增强室内定位算法的鲁棒性并提高定位精度。

Description

一种基于iBeacon的室内定位系统及方法

技术领域

本发明属于室内定位技术领域，尤其涉及一种基于iBeacon的室内定位系统及方法。

背景技术

目前，随着智能移动设备(如智能手机、平板电脑及可穿戴设备等)的普及，人们对室内位置信息的需求越来越迫切，对基于位置的服务需求也日益增加，比如在展馆，需要快速寻找感兴趣的展位；在机场、火车站等场所等待时，可以进行好友互动；人们在商场内，找商品，找优惠；再比如在医院找指定科室，在停车场找空闲车位，都需要用户的位置信息。由于缺少专门的室内定位基础设施，室内定位实现起来一直存在一定的困难。

但是，最近几年，无线技术发展迅速，出现了很多室内定位技术，如基于RFID、Zigbee网络、蓝牙、WIFI、红外或超声波等的室内定位，由于部署不方便或者成本限制，均不能提供较好的室内定位解决方案。

发明内容

本发明的目的在于提供一种基于iBeacon的室内定位系统及方法，旨在解决现有的室内定位技术存在部署不方便，成本较高的问题。

本发明是这样实现的，一种基于iBeacon的室内定位方法，所述基于iBeacon的室内定位方法利用iBeacon基站组建无线传感器网络，每一个iBeacon基站作为一个信标节点，利用RSSI信息解算未知节点到多个信标节点的距离，利用自适应多边定位和卡尔曼滤波算法确定未知节点的位置信息。

进一步，所述基于iBeacon的室内定位方法包括在线标定阶段和实时定位估计阶段；

所述在线标定阶段为每个iBeacon基站构建当前室内环境下的路径衰减模型，将智能手机连接至定位服务器并依次靠近每个iBeacon基站，将采集的RSSI信息发送到定位服务器，定位服务器在线估计出每个iBeacon基站的路径衰减模型参数；

所述定位估计阶段是估计用户的当前位置并在用户携带的智能手机上可视化的方式展示。

进一步，所述基于iBeacon的室内定位方法包括以下步骤：

步骤一，安装iBeacon基站，并记录基站所在位置的真实位置；

步骤二，定位服务器完成初始化操作开启定位服务，监听客户端的定位请求；

步骤三，路径衰减模型参数估计阶段，在需要定位的室内空间使用智能手机与定位服务器连接，将智能手机依次靠近iBeacon基站，采集iBeacon基站的RSSI信息并将该信息发送给定位服务器，定位服务器根据iBeacon基站的位置信息和RSSI信息在线估计路径衰减模型参数；

步骤四，实际定位阶段，定位服务器端接收智能手机发送的RSSI并使用实时定位算法估计用户的当前位置；

步骤五，定位服务器端将定位结果返回给客户端，客户端显示位置信息。

进一步，所述路径衰减模型参数估计阶段对于第i个iBeacon基站的路径衰减模型参数K,n，给出如下基于粒子滤波的在线估计算法步骤：

(1)初始化粒子K_j∈[K_min,K_max],n_j∈[n_min,n_max]，j＝1,2,L,M表示第j个粒子，M表示粒子的总数；

(2)智能手机依次靠近采集的N(≥3)个iBeacon基站，N表示iBeacon基站的总数目，iBeacon基站的真实位置为(x₁,y₁),(x₂,y₂),L,(x_N,y_N)；

(3)粒子预测：

$\left\{\begin{array}{c}{K}_j\left(t\right)=K_j(t-1)\\ n_j\left(t\right)=n_j(t-1)\end{array}\right.;$

其中，t表示时间；

(4)权值更新：

$\left\{\begin{array}{c}P{L}_j=K_j\left(t\right)-10n_j\left(t\right)\log d\\ w_j=\frac{1}{\sqrt{2{\mathrm{\π\σ}}^2}}{e}^{-\frac{{(RSSI-{\mathrm{PL}}_j)}^2}{2{\mathrm{\σ}}^2}}\end{array}\right.;$

其中，σ是人为设定的常数，d为iBeacon基站之间的距离；

(5)权值归一化：

$w_j=\frac{w_j}{\underset{j=1}{\overset{M}{\Σ}}{w}_j};$

(6)重采样，根据粒子的权重进行重采样，权重大的将得到更多的后代；

(7)估计参数：

$\begin{array}{c}K\left(t\right)=\underset{j=1}{\overset{M}{\Σ}}{w}_j{K}_j\left(t\right)\\ n\left(t\right)=\underset{j=1}{\overset{M}{\Σ}}{w}_j{n}_j\left(t\right)\end{array};$

得到实际环境的无线信号路径衰减模型的参数。

进一步，所述实际定位阶段的定位算法如下：

(1)智能手机采集的N(≥3)个iBeacon基站的RSSI信息表示为(RSSI₁,RSSI₂,L,RSSI_N)，N表示iBeacon基站的总数目，iBeacon基站的真实位置为(x₁,y₁),(x₂,y₂),L,(x_N,y_N)；

(2)利用路径衰减模型估计用户到N个iBeacon的距离(d₁,d₂,L,d_N)，具体为，根据：

RSSI＝K-10n log d (1)

根据式(1)得到：

(3)假设用户位置为X＝(x,y)，则：

$\left\{\begin{array}{c}{(x-x_1)}^2+{(y-y_1)}^2=d_1\\ {(x-x_2)}^2+{(y-y_2)}^2=d_2\\ M\\ {(x-x_N)}^2+{(y-y_N)}^2=d_N\end{array}\right.---\left(2\right)$

将式(2)中的前N-1个方程依次减去第N个方程，得到：

$2(x_N-x_i)x+2(y_N-y_i)y=d_i-d_N+x_N^2+y_N^2-x_i^2-y_i^2,i=1,...,N-1;$

其中i表示第i个iBeacon基站，将上式表示成矩阵形式，有：

AX＝b；

其中，

$A=\left[\begin{array}{cc}2(x_N-x_1)& 2(y_N-y_1)\\ 2(x_N-x_2)& 2(y_N-y_2)\\ M& M\\ 2(x_N-x_{N-1})& 2(y_N-y_{N-1})\end{array}\right]$

$b=\left[\begin{array}{c}{d}_1-d_N+x_N^2+y_N^2-x_1^2-y_1^2\\ d_2-d_N+x_N^2+y_N^2-x_2^2-y_2^2\\ M\\ d_{N-1}-d_N+x_N^2+y_N^2-x_{N-1}^2-y_{N-1}^2\end{array}\right];$

$X=\left[\begin{array}{c}x\\ y\end{array}\right]$

所以，

本发明的另一目的在于提供一种所述基于iBeacon的室内定位方法的室内定位系统，所述室内定位系统包括：

智能手机，用于采集iBeacon基站的无线信号强度并与定位服务器通过移动网络或者WIFI网络通信，将采集的无线信号强度信息上传至定位服务器，并负责显示定位服务器返回的位置信息；

定位服务器，与智能手机通过移动网络或者WIFI网络进行通信，用于储存iBeacon基站标识信息和计算定位结果，并将定位结果反馈给用户；接受智能手机的连接请求，在线估计环境参数阶段，根据智能手机发送的RSSI信息在线估计环境的路径衰减参数模型参数；实时定位阶段，根据智能手机提供的RSSI信息，估计用户的位置，并将定位结果发送给智能手机；

iBeacon基站，用于定位iBeacon基站，以固定功率、固定频率广播信息，供智能手机读取。

本发明的另一目的在于提供一种利用所述基于iBeacon的室内定位方法的平板电脑。

本发明的另一目的在于提供一种利用所述基于iBeacon的室内定位方法的可穿戴设备。

本发明提供的基于iBeacon的室内定位系统及方法，部署方便、成本低廉，并且能够根据iBeacon基站广播的无线信号强度(RSSI)信息对路径衰减模型参数进行在线估计，提高定位精度可以达到2.5米以内；能够解决RSSI路径衰减模型参数随环境变化的问题，进而增强室内定位算法的鲁棒性并提高定位精度。

本发明的定位系统结构简单、部署简便、成本低廉，且无需离线标定，定位稳定性好、精度高；解决了当前GPS技术无法提供室内定位服务的问题，为智能手机用户提供室内定位导航服务，以此为基础有效地解决公共安全和应急响应问题。例如，在紧急情况下，每一个人都想被救援人员精确定位到，大到建筑物的位置，小到楼层或者房间号；以室内定位为契机提供基于位置的服务，挖掘室内商场潜在的商业价值。例如，可以应用于手机购物、移动电子商务、个性化广告/优惠信息推送等。

本发明结构简单、部署简便、成本低廉，能够为用户提供室内导航服务，并协助处理应急响应，还能为商场的商品推荐和广告投放趋于精确化和有效化，产生可观的经济效益。

附图说明

图1是本发明实施例提供的基于iBeacon的室内定位方法流程图。

图2是本发明实施例提供的实施例1的流程图。

图3是本发明实施例提供的基于iBeacon的室内定位系统结构示意图；

图中：1、智能手机；2、定位服务器；3、iBeacon基站。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明是iBeacon的室内定位技术，利用iBeacon基站组建无线传感器网络，每一个iBeacon基站作为一个信标节点，利用RSSI信息解算未知节点到多个信标节点的距离，利用自适应多边定位和卡尔曼滤波算法确定未知节点的位置信息。

下面结合附图对本发明的应用原理作详细的描述。

如图1所示，本发明实施例的基于iBeacon的室内定位方法包括以下步骤：

S101：安装iBeacon基站，并记录基站所在位置的真实位置；

S102：定位服务器完成初始化操作开启定位服务，监听客户端的定位请求；

S103：路径衰减模型参数估计阶段，在需要定位的室内空间使用智能手机与服务器连接，然后将智能手机依次靠近iBeacon基站，采集iBeacon基站的RSSI信息并将该信息发送给定位服务器，定位服务器根据iBeacon基站的位置信息和RSSI信息在线估计路径衰减模型参数；

S104：实际定位阶段，服务器端接收智能手机发送的RSSI并使用实时定位算法估计用户的当前位置；

S105：服务器端将定位结果返回给客户端，客户端显示位置信息。

本发明实施例的基于iBeacon的室内定位方法包括在线估计环境的路径衰模型减参数(称为在线标定)和实时定位估计两个阶段。在线标定阶段的目标是为每个iBeacon构建当前室内环境下的路径衰减模型，系统部署人员需要将智能手机连接至定位服务器并依次靠近每个iBeacon基站，将采集的RSSI信息发送到定位服务器，定位服务器就可以在线估计出每个iBeacon基站的路径衰减模型参数；定位阶段的目标是估计用户的当前位置并在用户携带的智能手机上可视化的方式展示。

如图2所示，本发明实施例的基于iBeacon的室内定位方法分为在线估计路径衰减模型参数和实时定位两个阶段，并不需要离线的标定过程。

对于第i个iBeacon基站的路径衰减模型参数K,n，给出如下基于粒子滤波的在线估计算法步骤：

(1)初始化粒子K_j∈[K_min,K_max],n_j∈[n_min,n_max]，j＝1,2,L,M表示第j个粒子，M表示粒子的总数；

(2)智能手机依次靠近采集的N(≥3)个iBeacon基站，N表示iBeacon基站的总数目，iBeacon基站的真实位置为(x₁,y₁),(x₂,y₂),L,(x_N,y_N)；

(3)粒子预测：

$\left\{\begin{array}{c}{K}_j\left(t\right)=K_j(t-1)\\ n_j\left(t\right)=n_j(t-1)\end{array}\right.;$

其中，t表示时间；

(4)权值更新：

$\left\{\begin{array}{c}P{L}_j=K_j\left(t\right)-10n_j\left(t\right)\log d\\ w_j=\frac{1}{\sqrt{2{\mathrm{\π\σ}}^2}}{e}^{-\frac{{(RSSI-{\mathrm{PL}}_j)}^2}{2{\mathrm{\σ}}^2}}\end{array}\right.;$

其中，σ是人为设定的常数，d为iBeacon基站之间的距离；

(5)权值归一化：

$w_j=\frac{w_j}{\underset{j=1}{\overset{M}{\Σ}}{w}_j};$

(6)重采样，根据粒子的权重进行重采样，权重大的将得到更多的后代；

(7)估计参数：

$\begin{array}{c}K\left(t\right)=\underset{j=1}{\overset{M}{\Σ}}{w}_j{K}_j\left(t\right)\\ n\left(t\right)=\underset{j=1}{\overset{M}{\Σ}}{w}_j{n}_j\left(t\right)\end{array};$

就得到了实际环境的无线信号路径衰减模型的参数。

定位算法步骤如下：

(1)智能手机采集的N(≥3)个iBeacon基站的RSSI信息可以表示为(RSSI₁,RSSI₂,L,RSSI_N)，N表示iBeacon基站的总数目，iBeacon基站的真实位置为(x₁,y₁),(x₂,y₂),L,(x_N,y_N)；

(2)利用路径衰减模型估计用户到N个iBeacon基站的距离(d₁,d₂,L,d_N)，具体为，根据：

RSSI＝K-10n log d (1)

根据式(1)得到：

(3)假设用户位置为X＝(x,y)，则：

$\left\{\begin{array}{c}{(x-x_1)}^2+{(y-y_1)}^2=d_1\\ {(x-x_2)}^2+{(y-y_2)}^2=d_2\\ M\\ {(x-x_N)}^2+{(y-y_N)}^2=d_N\end{array}\right.---\left(2\right)$

将式(2)中的前N-1个方程依次减去第N个方程，可以得到:

$2(x_N-x_i)x+2(y_N-y_i)y=d_i-d_N+x_N^2+y_N^2-x_i^2-y_i^2,i=1,...,N-1;$

其中i表示第i个iBeacon基站，将上式表示成矩阵形式，有：

AX＝b；

其中，

$A=\left[\begin{array}{cc}2(x_N-x_1)& 2(y_N-y_1)\\ 2(x_N-x_2)& 2(y_N-y_2)\\ M& M\\ 2(x_N-x_{N-1})& 2(y_N-y_{N-1})\end{array}\right]$

$b=\left[\begin{array}{c}{d}_1-d_N+x_N^2+y_N^2-x_1^2-y_1^2\\ d_2-d_N+x_N^2+y_N^2-x_2^2-y_2^2\\ M\\ d_{N-1}-d_N+x_N^2+y_N^2-x_{N-1}^2-y_{N-1}^2\end{array}\right];$

$X=\left[\begin{array}{c}x\\ y\end{array}\right]$

所以，

如图3所示，本发明实施例的基于iBeacon的室内定位的系统包括：智能手机1、定位服务器2和iBeacon基站3。

智能手机1，定位时，用于采集iBeacon基站的无线信号强度并与定位服务器2通过移动网络或者WIFI网络通信，将采集的无线信号强度信息上传至定位服务器2，并负责显示定位服务器2返回的位置信息。

定位服务器2(简称服务器端)，与智能手机1通过移动网络或者WIFI网络进行通信，负责储存iBeacon基站标识信息和计算定位结果，并将定位结果反馈给用户。定位服务器2一般由性能较好的计算机担任，负责接受智能手机1的连接请求，在线估计环境参数阶段，根据智能手机1发送的RSSI信息在线估计环境的路径衰减参数模型参数；实时定位阶段，根据智能手机1提供的RSSI信息，估计用户的位置，并将定位结果发送给智能手机1。

iBeacon基站3，用于定位之前需要部署iBeacon基站，一般部署在房间角落墙壁的较高位置，防止信号被遮挡，每个基站有自己特定的MAC标识信息，并以固定功率、固定频率广播信息，以供智能手机读取。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于iBeacon的室内定位方法，其特征在于，所述基于iBeacon的室内定位方法利用iBeacon基站组建无线传感器网络，每一个iBeacon基站作为一个信标节点，利用RSSI信息解算未知节点到多个信标节点的距离，利用自适应多边定位和卡尔曼滤波算法确定未知节点的位置信息；

所述基于iBeacon的室内定位方法包括在线标定阶段和实时定位估计阶段；

所述在线标定阶段为每个iBeacon构建当前室内环境下的路径衰减模型，将智能手机连接至定位服务器并依次靠近每个iBeacon基站，将采集的RSSI信息发送到定位服务器，定位服务器在线估计出每个iBeacon基站的路径衰减模型参数；

所述定位估计阶段是估计用户的当前位置并在用户携带的智能手机上可视化的方式展示。

2.如权利要求1所述的基于iBeacon的室内定位方法，其特征在于，所述基于iBeacon的室内定位方法包括以下步骤：

步骤一，安装iBeacon基站，并记录基站所在位置的真实位置；

步骤二，定位服务器完成初始化操作开启定位服务，监听客户端的定位请求；

步骤三，路径衰减模型参数估计阶段，在需要定位的室内空间使用智能手机与定位服务器连接，将智能手机依次靠近iBeacon基站，采集iBeacon基站的RSSI信息并将该信息发送给定位服务器，定位服务器根据iBeacon基站的位置信息和RSSI信息在线估计路径衰减模型参数；

步骤四，实际定位阶段，定位服务器端接收智能手机发送的RSSI并使用实时定位算法估计用户的当前位置；

步骤五，定位服务器端将定位结果返回给客户端，客户端显示位置信息。

3.如权利要求2所述的基于iBeacon的室内定位方法，其特征在于，所述路径衰减模型参数估计阶段对于第i个iBeacon基站的路径衰减模型参数K,n，给出如下基于粒子滤波的在线估计算法步骤：

(1)初始化粒子K_j∈[K_min,K_max],n_j∈[n_min,n_max]，j＝1,2,L,M表示第j个粒子，M表示粒子的总数；

(2)智能手机依次靠近采集的N(≥3)个iBeacon基站，N表示iBeacon基站的总数目，iBeacon基站的真实位置为(x₁,y₁),(x₂,y₂),L,(x_N,y_N)；

(3)粒子预测：

$\left\{\begin{array}{c}{K}_j\left(t\right)=K_j(t-1)\\ n_j\left(t\right)=n_j(t-1)\end{array}\right.;$

其中，t表示时间；

(4)权值更新：

$\left\{\begin{array}{c}P{L}_j=K_j\left(t\right)-10n_j\left(t\right)\log d\\ w_j=\frac{1}{\sqrt{2{\mathrm{\π\σ}}^2}}{e}^{-\frac{{(RSSI-{\mathrm{PL}}_j)}^2}{2{\mathrm{\σ}}^2}}\end{array}\right.;$

其中，σ是常数，d为iBeacon基站之间的距离；

(5)权值归一化：

$w_j=\frac{w_j}{\underset{j=1}{\overset{M}{\Σ}}{w}_j};$

(6)重采样，根据粒子的权重进行重采样，权重大的将得到更多的后代；

(7)估计参数：

$\begin{array}{c}K\left(t\right)=\underset{j=1}{\overset{M}{\Σ}}{w}_j{K}_j\left(t\right)\\ n\left(t\right)=\underset{j=1}{\overset{M}{\Σ}}{w}_j{n}_j\left(t\right)\end{array};$

得到实际环境的无线信号路径衰减模型的参数。

4.如权利要求2所述的基于iBeacon的室内定位方法，其特征在于，所述实际定位阶段的定位算法如下：

(1)智能手机采集的N(≥3)个iBeacon基站的RSSI信息表示为(RSSI₁,RSSI₂,L,RSSI_N)，N表示iBeacon基站的总数目，iBeacon基站的真实位置为(x₁,y₁),(x₂,y₂),L,(x_N,y_N)；

(2)利用路径衰减模型估计用户到N个iBeacon基站的距离(d₁,d₂,L,d_N)，具体为，根据：

RSSI＝K-10n log d (1)

根据式(1)得到：

(3)假设用户位置为X＝(x,y)，则：

$\left\{\begin{array}{c}{(x-x_1)}^2+{(y-y_1)}^2=d_1\\ {(x-x_2)}^2+{(y-y_2)}^2=d_2\\ M\\ {(x-x_N)}^2+{(y-y_N)}^2=d_N\end{array}\right.---\left(2\right)$

将式(2)中的前N-1个方程依次减去第N个方程，得到：

$2(x_N-x_i)x+2(y_N-y_i)y=d_i-d_N+x_N^2+y_N^2-x_i^2-y_i^2,i=1,\mathrm{...},N-1;$

其中i表示第i个iBeacon基站，将上式表示成矩阵形式，有：

AX＝b；

其中，

$A=\left[\begin{array}{cc}2(x_N-x_1)& 2(y_N-y_1)\\ 2(x_N-x_2)& 2(y_N-y_2)\\ M& M\\ 2(x_N-x_{N-1})& 2(y_N-y_{N-1})\end{array}\right]$

$b=\left[\begin{array}{c}{d}_1-d_N+x_N^2+y_N^2-x_1^2-y_1^2\\ d_2-d_N+x_N^2+y_N^2-x_2^2-y_2^2\\ M\\ d_{N-1}-d_N+x_N^2+y_N^2-x_{N-1}^2-y_{N-1}^2\end{array}\right];$

$X=\left[\begin{array}{c}x\\ y\end{array}\right]$

所以，

5.一种如权利要求1所述基于iBeacon的室内定位方法的室内定位系统，其特征在于，所述室内定位系统包括：

智能手机，用于采集iBeacon基站的无线信号强度并与定位服务器通过移动网络或者WIFI网络通信，将采集的无线信号强度信息上传至定位服务器，并负责显示定位服务器返回的位置信息；

定位服务器，与智能手机通过移动网络或者WIFI网络进行通信，用于储存iBeacon基站标识信息和计算定位结果，并将定位结果反馈给用户；接受智能手机的连接请求，在线估计环境参数阶段，根据智能手机发送的RSSI信息在线估计环境的路径衰减参数模型参数；实时定位阶段，根据智能手机提供的RSSI信息，估计用户的位置，并将定位结果发送给智能手机；

iBeacon基站，用于定位iBeacon基站，以固定功率、固定频率广播信息，供智能手机读取。

6.一种利用如权利要求1-4任意一项所述基于iBeacon的室内定位方法的平板电脑。

7.一种利用如权利要求1-4任意一项所述基于iBeacon的室内定位方法的可穿戴设备。