CN109275095A - 一种基于蓝牙的室内定位系统、定位设备和定位方法 - Google Patents
一种基于蓝牙的室内定位系统、定位设备和定位方法 Download PDFInfo
- Publication number
- CN109275095A CN109275095A CN201811334468.9A CN201811334468A CN109275095A CN 109275095 A CN109275095 A CN 109275095A CN 201811334468 A CN201811334468 A CN 201811334468A CN 109275095 A CN109275095 A CN 109275095A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- indoor
- location fingerprint
- rssi signal
- rssi
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000004807 localization Effects 0.000 title abstract description 6
- 241001269238 Data Species 0.000 claims abstract description 10
- 238000001914 filtration Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012216 screening Methods 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000000527 sonication Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
- G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
- H04W64/006—Locating users or terminals or network equipment for network management purposes, e.g. mobility management with additional information processing, e.g. for direction or speed determination
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种室内定位系统及相应的定位设备和定位方法，所述系统包括：信号采集单元(100)，其用于获取室内iBeacon基站信号，得到RSSI信号值；离线建库单元(200)，其用于根据多个RSSI信号强度数据和室内环境的参考点坐标信息建立位置指纹库，并将其存储到定位服务器中；坐标计算单元(300)，其用于调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标。本发明算法精简，且能够达到大多数室内定位场景的精度要求。
Description
技术领域
本申请涉及室内定位与导航技术领域，具体涉及一种基于蓝牙的室内定位系统、定位设备和定位方法。
背景技术
准确获取目标的位置信息在众多研究领域中显示出了重要的研究意义。随着研究的发展，基于GPS和蜂窝网络的室外定位技术已经发展得比较成熟。
GPS等GNSS系统在室外定位上表现出了巨大的优势，但是从室外转移到室内时，GPS信号强度和质量会急剧下降，因为GPS在室内定位上变得不可行。由于室内定位情况的相对复杂，室内定位技术受到诸多环境和人为因素的干扰，包括建筑物的设计、室内环境布局和人员走动等。这些因素都会影响信号的传输，给定位过程带来不可避免的干扰和波动。
目前的室内定位技术主要包括以下几种：
1、基于超声波技术的室内定位方法
专利CN108646220A公开了一种超声波室内定位装置，该方法定位精度较高、结构相对简单，但极易受到温度变化影响，作用范围比较有限，并且需要安装大量的超声波收发装置，开发成本较高。
2、基于红外线技术的室内定位方法
根据专利CN108646219A公开的红外线室内定位装置，该方法利用红外线在空气中的传播速度为已知，测量声波在发射后遇到障碍物反射回来的时间，根据发射和接收的时间差计算出发射点到障碍物的实际距离。但是红外线非常容易受到室内布置的遮挡造成信号脱落。
3、基于射频RFID的室内定位方法
专利CN108646217A利用此方法公开了一种利用RFID技术实现室内精准定位的系统，该系统接收信号的标签体积较小，成本较低，方便携带，但需在覆盖区域内安装大量的基础设备，并且目标对象需要穿戴上带有RFID信号放大天线的物品在室内移动。
4、基于超宽带UWP的室内定位方法
专利CN108594173A公开了一种实现UWP的超宽带室内定位系统的设计方法，UWP定位是一种比较新型的方法，具有对信道衰落不敏感、定位精度高、非视距传播、抗干扰能力强、穿透能力强等优点，但是系统造价过于昂贵，定位原理较难，因而不易推广应用。
5、基于无线WIFI的室内定位方法
基于无线WIFI的室内定位是目前使用比较广的方法之一，专利CN108668247A公开了一种WIFI室内定位方法、装置及存储介质，该方法利用接收信号强度信息实现定位，无需增加额外设备，部署成本低，但信号强度的位置辨识力有限，同频、临频干扰大。
6、基于蓝牙的室内定位方法
鉴于蓝牙模块已被广泛嵌入各类终端设备中，故其，但现有的大部分蓝牙定位技术定位精度不高，定位延时较大，且传输范围有限。基于蓝牙定位的方法主要包括两种：基于三边定位的方法和基于位置指纹的方法。
基于三边定位的方法，原理是通过用户移动端接收对应信标的射频信号强度，根据信号距离衰减公式计算用户与该信标的距离。综合至少三个信标的位置，以及用户与各信标的距离，可以利用三边定位估计用户的位置。基于三边定位法的缺点是，射频信号强度在室内环境中受多路径传播和物体遮挡影响较大，导致定位精度不高。
基于指纹匹配的定位方法，需要事先对待定位的环境建立一个标准的位置指纹库。首先根据定位精度要求选取若干参考点，对每个参考点采集此位置上的各个信标的射频信号强度，经过处理后形成标准的位置指纹库。将实时采集到的信号强度与指纹库中的各个参考点的信号强度进行比对以估计用户所在位置。该方法的缺点是依赖于收集的参考点数据，定位精度受参考点的数量和数据准确性的影响比较大，参考点数量少或室内环境变化造成参考点的数据不再准确，都会影响定位精度。
专利CN106792459A公开了一种基于蓝牙定位技术的室内定位方法，该方法采用三边定位原理，固定了多个蓝牙节点，利用蓝牙RSSI信号的距离衰减公式推算出移动节点被障碍物遮挡时衰减后的RSSI对应的距离。此方法计算出的距离是不稳定的，定位精度也难以达到室内定位的要求，同时如果布置过多蓝牙节点也给系统带来了较重的负担。
现有蓝牙定位技术多是采用信号强度值与实际距离的映射关系进行定位，因信号强度受环境因素(温度、湿度、物理遮挡等因素)影响较大，故由其计算得出的实际距离值也是极其不稳定、不准确的。因此，现有蓝牙定位技术的缺点就是定位误差大、精度低、稳定性弱。
发明内容
本发明旨在解决现有的蓝牙定位技术定位误差大、精度低、稳定性弱的问题。
为解决上述技术问题，本发明提出一种室内定位系统，包括：信号采集单元，其用于获取室内iBeacon基站信号，得到RSSI信号值；离线建库单元，其用于根据多个RSSI信号强度数据和室内环境的参考点坐标信息建立位置指纹库，并将其存储到定位服务器中；坐标计算单元，其用于调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标。
根据本发明的优选实施方式，所述室内定位系统还包括轨迹处理单元，用于根据坐标计算单元实时计算得到的多个坐标进行轨迹绘制。
根据本发明的优选实施方式，所述室内定位系统还包括输出单元(500)，其用于在输出运动轨迹和坐标。
根据本发明的优选实施方式，所述室内定位系统还包括离线服务器，其用于存储所述位置指纹库。
本发明还提出一种室内定位方法，包括：在室内定位环境中建立若干iBeacon基站的位置参考点；对每一个位置参考点，采集多组RSSI信号强度值，根据多个RSSI信号强度数据和室内环境的位置参考点坐标信息建立位置指纹库，并将其存储到定位服务器中；调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标。
根据本发明的优选实施方式，所述根据多个RSSI信号强度数据和室内环境的位置参考点坐标信息建立位置指纹库的步骤包括：对每个位置参考点的各个iBeacon信标的RSSI信号进行卡尔曼滤波；对每个位置参考点的各个iBeacon信标的RSSI信号进行均值滤波。
根据本发明的优选实施方式，所述对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标的步骤包括：对实时采集的RSSI向量，记作与新位置指纹库中的每一组位置指纹的计算欧氏距离，遍历位置指纹库后形成距离向量；对距离向量进行由小到大的排序；选取前k个距离最小的距离所对应的位置指纹库的的索引，取出这k个位置指纹的坐标，k为自然数；对k个坐标求平均值；将平均值作为待定位的RSSI向量的坐标估计值。
此外，本发明还提出一种室内定位设备，包括：信号采集单元(100)，其用于获取室内iBeacon基站信号，得到RSSI信号值；坐标计算单元(300)，其用于调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标，其中，所述位置指纹库是根据多个RSSI信号强度数据和室内环境的参考点坐标信息建立并存储到定位服务器中。
根据本发明的优选实施方式，所述根据多个RSSI信号强度数据和室内环境的位置参考点坐标信息建立位置指纹库的步骤包括：对每个位置参考点的各个iBeacon信标的RSSI信号进行卡尔曼滤波；对每个位置参考点的各个iBeacon信标的RSSI信号进行均值滤波。
根据本发明的优选实施方式，所述对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标的步骤包括：对实时采集的RSSI向量，记作与新位置指纹库中的每一组位置指纹的计算欧氏距离，遍历位置指纹库后形成距离向量；对距离向量进行由小到大的排序；选取前k个距离最小的距离所对应的位置指纹库的的索引，取出这k个位置指纹的坐标，k为自然数；对k个坐标求平均值；将平均值作为待定位的RSSI向量的坐标估计值。
相对于现有的室内定位方法，本发明的优点在于硬件部署成本低，算法精简但能够达到大多数室内定位场景的精度要求。
附图说明
为了更好地理解本发明，将根据以下附图对本发明进行详细描述：
图1是本发明实施例的一种室内定位系统的整体结构框图；
图2是本发明实施例的一种离线建立位置指纹库的示意图；
图3是本发明实施例的一种离线建库的方法流程图；
图4是本发明实施例的一种利用位置指纹库和实时采集信号进行KNN匹配定位的过程示意图；
图5是本发明实施例的一种指纹库筛选方法流程示意图；
图6是本发明实施例所采用的一种KNN定位方法流程图；
图7是本发明实施例所采用的一种卡尔曼滤波原理示意图；
具体实施方式
下面将参照附图更详细地描述本明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，本发明可以以各种形式实现，实施例并不是用于限制本发明的范围。相反，提供这些实施例的目的是为了使本领域的技术人员更透彻地理解本发明。
本文中的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
考虑到成本和实施的难易程度，本发明采用基于蓝牙iBeacon和位置指纹匹配的室内定位方法，通过调整后端算法提高室内定位的精度。后端算法采用的是基于此位置指纹匹配的室内定位方法，为了提高定位精度，采用基于KNN思想的坐标计算，同时引入指纹筛选工作和卡尔曼滤波，较好地提高了定位精度，并且能够获得比较平滑的轨迹曲线。
如图1所示，为本发明实施例一种室内定位系统的整体结构框图，包括以下五个单元：
信号采集单元100，其用于获取室内iBeacon基站信号，得到RSSI信号值。信号采集单元可以集成在移动终端中，例如智能手机。用户通过智能手机等移动终端获取来自iBeacon基站的信号。在基于蓝牙信标iBeacon信号的位置指纹离线建库之前，首先要合理地部署iBeacon基站，选择适当的基站数量保证在室内环境下的每一个参考点都能采集到信标的RSSI值。一般来说，基站数量至少应该大于三个，若少于三个则比较难以实现定位。在机场、医院、商场等比较大型的室内定位场所中，基站数量应当适当的增多，如果基站数量过少，基站相距较远，会由于非视距和多径影响，以及不可抗拒的环境干扰，导致信号衰减较大，用户终端无法接受到RSSI信号值，从而影响定位。后续单元的数据都依赖于信号采集单元所获得的数据。
离线建库单元200。该单元用于将多个RSSI信号强度数据和室内环境的参考点坐标信息，经过预处理后建立位置指纹库，并将其存储到定位服务器中。位置指纹库为后续的坐标计算单元300所调用。
坐标计算单元300。该单元用于调用位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算。
轨迹处理单元400。该单元为可选单元，其用于根据坐标计算单元实时计算得到的多个坐标进行轨迹绘制。
输出单元500。该单元亦为可选单元，其用于在输出运动轨迹和坐标。
对于上述的室内定位系统，还可以包括用于存储位置指纹库的定位服务器。并且，所述信号采集单元100、坐标计算单元300、轨迹处理单元400和输出单元500优选为集成在一个实体设备中，例如一个移动终端中。而离线建库单元200则可以是单独的设备，或者亦可以与信号采集单元100、坐标计算单元300、轨迹处理单元400和输出单元500一起集成在一个设备中，例如移动终端。或者，离线建库单元200直接集成在定位服务器中。
如图2所示，为本发明实施例所采用的一种离线构建位置指纹库的方法。合理部署iBeacon基站后，假设iBeacon基站的信标个数为N。根据定位精度要求，在室内环境中建立若干个位置参考点，假设参考点个数为n，参考点坐标保存在模块210中。用户移动端对每一个参考点的每个信标的RSSI信号强度进行多次采集，经过预处理后的数据保存在模块240中。综合两个模块的数据，建立位置指纹库，保存在定位服务器中。
如图3所示，为本发明实施例所采用的一种位置指纹库建库的具体流程图。主要包括以下六步：
第一步：根据定位精度的要求，在待定位的环境中间隔均匀地建立若干个位置参考点，假设在定位环境中共设置了n个参考位置，记为Pi(i＝1,2,…,n)，参考点的坐标记为(xi,yi)，位置坐标数据保存在模块210中；
第二步：对于每一个参考点，采集30组RSSI信号强度值，每一组信号强度值是一个向量，包括不同信标的信号强度；
第三步：对于每一个参考点的各个信标的30个RSSI信号强度进行滤波处理，包括卡尔曼滤波和均值滤波。在室内定位环境中，存在着非视距和多径影响，RSSI信号传输过程中遇到墙壁或者障碍物时会有比较大的衰减，同时RSSI信号也不是稳定的，存在比较大的波动。因此，在建立准确的位置指纹库之前，需要对采集的RSSI信号强度进行预处理，滤掉这些因素对RSSI造成的干扰。在信号采集单元获得原始的RSSI信号后，模块230对原始数据进行一维卡尔曼滤波操作；
第四步：在模块230进行一维卡尔曼滤波后，使用模块240对滤波后的信号进一步滤波，本发明实施例采用的是均值滤波方法。两步滤波后，原始RSSI信号强度中的奇异值被过滤掉，滤波后的信号强度值可以较好地代表该参考点位置的信号强度，提高了后续定位坐标计算的精度；
第五步：构建位置指纹库，第i个参考位置的接收到的第j个iBeacon信标的经过滤波后的RSSI值记作Lij。此时，每个参考点位置Pi对应一个m维的向量，表示为向量就是参考点位置Pi的指纹，由向量和坐标(xi,yi)所组成的向量空间就是智能终端离线模块所建立的位置指纹数据库。
第六步：将构建好的标准的位置指纹库保存在定位服务器中供实时定位匹配单元调用。
如图4所示，为本发明实施例所采用的一种进行坐标计算和轨迹处理的方法流程图。在定位开始阶段，分别调用定位服务器中所保存的标准位置指纹库数据，和来自用户终端的实时信号采集单元所采集的RSSI数据，为了减小计算量，提高定位算法的快速性，首先根据实时RSSI向量的大小对位置指纹库进行筛选，指纹库筛选过程在模块310中实现。筛选过的指纹库用于KNN算法进行坐标计算，计算得到的坐标采用卡尔曼滤波进行滤波并绘制出用户的移动轨迹，最终在用户终端的输出单元500上显示出来。
如图5所示，为本发明实施例所采用的指纹库筛选过程示意图。对指纹库进行筛选的目的是为了减少由于指纹库过大而带来的许多不必要的计算，进而提高室内定位算法的运行速度。本发明实施例采用的指纹库筛选办法首先对实时采集的一组RSSI信号强度向量和指纹库中的每一个位置指纹向量的RSSI值进行由大到小的排序，然后以RSSI信号强度向量的最大值所对应的信标为基准，选取指纹库中的位置指纹向量中最大RSSI的信标与此对应的位置指纹组成新的指纹库，这样可以极大减小计算量，提高运行速度。
如图6所示，为本发明实施例所采用的一种基于KNN思想的坐标定位算法流程图。该算法主要包括五步：
第一步：对实时采集的RSSI向量，记作与新位置指纹库中的每一组位置指纹的计算欧氏距离，遍历位置指纹库后形成距离向量；
第二步：对距离向量进行由小到大的排序；
第三步：选取前k个距离最小的距离所对应的位置指纹库的的索引，取出这k个位置指纹的坐标；
第四步：对k个坐标求平均值；
第五步：将平均值作为待定位的RSSI向量的坐标估计值。
在使用KNN算法求得待定位点的估计坐标后，定位精度有了较大的提高，为了进一步提高定位精度和绘制出比较平滑的运动轨迹，采用卡尔曼滤波算法进一步对上述获得的坐标进行处理。
如图7所示，是本发明所使用的卡尔曼滤波的算法示意图。以KNN算法计算得出的坐标作为卡尔曼滤波器的观测值，卡尔曼滤波算法包括建立运动模型、位置预测和位置更新：
基于线性运动模型假设的离散化卡尔曼滤波系统可进一步描述为：
xt＝Fxt-1+wt
zt＝Hxt+vt
其中，运动模型为基于用户的位置随时间变化而建立起来的描述用户运动状态的数学模型。系统过程激励噪声wt和观测噪声vt分别服从均值为零的高斯分布，且相互独立。协方差矩阵Q、R的取值一般可根据实际经验所得，并假设不随系统的变化而变化。
位置预测：
位置更新：
卡尔曼滤波器通过基于运动模型的状态预测和基于RSSI测量的位置估计zt的线性组合，共同完成t时刻系统状态的估计，实现过程如图4所示。值得注意的是，zt仅取决于t时刻的RSSI观测向量，而与运动模型无关。
应当理解，为了精简本发明并帮助本领域的技术人员理解本发明的各个方面，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时在单个实施例中进行描述，或者参照单个图进行描述。但是，不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。
应当理解，可以对本发明的一个实施例的设备中包括的模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备中。可以把实施例的设备包括的不同模块、单元或组件组合成一个模块、单元或组件，也可以把它们分成多个子模块、子单元或子组件。
本发明的实施例中的模块、单元或组件可以以硬件方式实现，也可以以一个或者多个处理器上运行的软件方式实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的计算机程序产品或计算机可读介质上。
Claims (10)
1.一种室内定位系统，包括：
信号采集单元(100)，其用于获取室内iBeacon基站信号，得到RSSI信号值；
离线建库单元(200)，其用于根据多个RSSI信号强度数据和室内环境的参考点坐标信息建立位置指纹库，并将其存储到定位服务器中；
坐标计算单元(300)，其用于调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标。
2.如权利要求1所述的室内定位系统，其特征在于：
还包括轨迹处理单元(400)，用于根据坐标计算单元(300)实时计算得到的多个坐标进行轨迹绘制。
3.如权利要求2所述的室内定位系统，其特征在于：还包括输出单元(500)，其用于在输出运动轨迹和坐标。
4.如权利要求1至3中任一项所述的室内定位系统，其特征在于：还包括离线服务器，其用于存储所述位置指纹库。
5.一种室内定位方法，包括：
在室内定位环境中建立若干iBeacon基站的位置参考点；
对每一个位置参考点，采集多组RSSI信号强度值，根据多个RSSI信号强度数据和室内环境的位置参考点坐标信息建立位置指纹库，并将其存储到定位服务器中；
调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标。
6.如权利要求5所述的室内定位方法，其特征在于，所述根据多个RSSI信号强度数据和室内环境的位置参考点坐标信息建立位置指纹库的步骤包括：
对每个位置参考点的各个iBeacon信标的RSSI信号进行卡尔曼滤波；
对每个位置参考点的各个iBeacon信标的RSSI信号进行均值滤波。
7.如权利要求5所述的室内定位方法，其特征在于，所述对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标的步骤包括：
对实时采集的RSSI向量，记作与新位置指纹库中的每一组位置指纹的计算欧氏距离，遍历位置指纹库后形成距离向量；
对距离向量进行由小到大的排序；
选取前k个距离最小的距离所对应的位置指纹库的的索引，取出这k个位置指纹的坐标，k为自然数；
对k个坐标求平均值；
将平均值作为待定位的RSSI向量的坐标估计值。
8.一种室内定位设备，包括：
信号采集单元(100)，其用于获取室内iBeacon基站信号，得到RSSI信号值；
坐标计算单元(300)，其用于调用所述位置指纹库，对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标，其中，所述位置指纹库是根据多个RSSI信号强度数据和室内环境的参考点坐标信息建立并存储到定位服务器中。
9.如权利要求8所述的室内定位设备，其特征在于，所述根据多个RSSI信号强度数据和室内环境的位置参考点坐标信息建立位置指纹库的步骤包括：
对每个位置参考点的各个iBeacon信标的RSSI信号进行卡尔曼滤波；
对每个位置参考点的各个iBeacon信标的RSSI信号进行均值滤波。
10.如权利要求9所述的室内定位设备，其特征在于，所述对实时获取的RSSI信号强度向量进行坐标匹配计算，获得室内坐标的步骤包括：
对实时采集的RSSI向量，记作与新位置指纹库中的每一组位置指纹的计算欧氏距离，遍历位置指纹库后形成距离向量；
对距离向量进行由小到大的排序；
选取前k个距离最小的距离所对应的位置指纹库的的索引，取出这k个位置指纹的坐标，k为自然数；
对k个坐标求平均值；
将平均值作为待定位的RSSI向量的坐标估计值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811334468.9A CN109275095B (zh) | 2018-11-09 | 2018-11-09 | 一种基于蓝牙的室内定位系统、定位设备和定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811334468.9A CN109275095B (zh) | 2018-11-09 | 2018-11-09 | 一种基于蓝牙的室内定位系统、定位设备和定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109275095A true CN109275095A (zh) | 2019-01-25 |
| CN109275095B CN109275095B (zh) | 2024-01-16 |
Family
ID=65193431
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811334468.9A Active CN109275095B (zh) | 2018-11-09 | 2018-11-09 | 一种基于蓝牙的室内定位系统、定位设备和定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109275095B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110515036A (zh) * | 2019-09-02 | 2019-11-29 | 上海图聚智能科技股份有限公司 | 定位方法、装置、电子设备、及存储介质 |
| CN110866622A (zh) * | 2019-10-23 | 2020-03-06 | 青岛海信网络科技股份有限公司 | 一种基于地锁控制的车位预约、引导的方法及装置 |
| CN110896561A (zh) * | 2019-06-13 | 2020-03-20 | 腾讯科技（深圳）有限公司 | 定位方法、设备、系统和计算机可读存储介质 |
| CN111465093A (zh) * | 2020-04-07 | 2020-07-28 | 中移雄安信息通信科技有限公司 | 指纹定位方法、装置、电子设备及计算机存储介质 |
| CN111726743A (zh) * | 2019-03-04 | 2020-09-29 | 上海光启智城网络科技有限公司 | 一种基于在线学习的wifi定位方法及系统 |
| CN111836194A (zh) * | 2020-08-21 | 2020-10-27 | 桂林电子科技大学 | 一种基于WiFi和蓝牙的室内定位方法 |
| CN112243193A (zh) * | 2020-09-29 | 2021-01-19 | 成都长虹网络科技有限责任公司 | 室内定位方法、装置、计算机设备和可读存储介质 |
| CN112308998A (zh) * | 2020-11-02 | 2021-02-02 | 广东电网有限责任公司 | 一种基于蓝牙的室内定位智能巡检系统及方法 |
| CN112533144A (zh) * | 2019-09-19 | 2021-03-19 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
| CN113115224A (zh) * | 2021-04-06 | 2021-07-13 | 中移(上海)信息通信科技有限公司 | 室内定位方法和室内定位装置 |
| CN113271542A (zh) * | 2021-04-08 | 2021-08-17 | 复旦大学 | 一种基于蓝牙及可见光的室内移动终端定位方法 |
| CN114286306A (zh) * | 2021-12-27 | 2022-04-05 | 南京中孚信息技术有限公司 | 室内信号定位方法、装置、计算机设备及存储介质 |
| CN117896827A (zh) * | 2024-03-18 | 2024-04-16 | 慧翰微电子股份有限公司 | 一种基于蓝牙的室内定位方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103561380A (zh) * | 2013-08-19 | 2014-02-05 | 北京邮电大学 | 位置指纹定位方法及装置 |
| CN104902562A (zh) * | 2014-11-24 | 2015-09-09 | 北京航空航天大学 | 一种基于多层指纹匹配的室内定位方法 |
| CN105338489A (zh) * | 2015-11-17 | 2016-02-17 | 中国电子科技集团公司第五十四研究所 | 一种用于室内定位的智能终端及蓝牙室内定位系统 |
| CN107360549A (zh) * | 2017-08-22 | 2017-11-17 | 江苏北弓智能科技有限公司 | 一种基于蓝牙5的室内定位导航方法 |
-
2018
- 2018-11-09 CN CN201811334468.9A patent/CN109275095B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103561380A (zh) * | 2013-08-19 | 2014-02-05 | 北京邮电大学 | 位置指纹定位方法及装置 |
| CN104902562A (zh) * | 2014-11-24 | 2015-09-09 | 北京航空航天大学 | 一种基于多层指纹匹配的室内定位方法 |
| CN105338489A (zh) * | 2015-11-17 | 2016-02-17 | 中国电子科技集团公司第五十四研究所 | 一种用于室内定位的智能终端及蓝牙室内定位系统 |
| CN107360549A (zh) * | 2017-08-22 | 2017-11-17 | 江苏北弓智能科技有限公司 | 一种基于蓝牙5的室内定位导航方法 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111726743A (zh) * | 2019-03-04 | 2020-09-29 | 上海光启智城网络科技有限公司 | 一种基于在线学习的wifi定位方法及系统 |
| CN110896561B (zh) * | 2019-06-13 | 2022-05-13 | 腾讯科技（深圳）有限公司 | 定位方法、设备、系统和计算机可读存储介质 |
| CN110896561A (zh) * | 2019-06-13 | 2020-03-20 | 腾讯科技（深圳）有限公司 | 定位方法、设备、系统和计算机可读存储介质 |
| CN110515036A (zh) * | 2019-09-02 | 2019-11-29 | 上海图聚智能科技股份有限公司 | 定位方法、装置、电子设备、及存储介质 |
| CN112533144A (zh) * | 2019-09-19 | 2021-03-19 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
| CN112533144B (zh) * | 2019-09-19 | 2023-07-18 | 中国移动通信集团辽宁有限公司 | 室内定位方法、装置、计算设备及计算机存储介质 |
| CN110866622A (zh) * | 2019-10-23 | 2020-03-06 | 青岛海信网络科技股份有限公司 | 一种基于地锁控制的车位预约、引导的方法及装置 |
| CN111465093A (zh) * | 2020-04-07 | 2020-07-28 | 中移雄安信息通信科技有限公司 | 指纹定位方法、装置、电子设备及计算机存储介质 |
| CN111836194A (zh) * | 2020-08-21 | 2020-10-27 | 桂林电子科技大学 | 一种基于WiFi和蓝牙的室内定位方法 |
| CN112243193A (zh) * | 2020-09-29 | 2021-01-19 | 成都长虹网络科技有限责任公司 | 室内定位方法、装置、计算机设备和可读存储介质 |
| CN112243193B (zh) * | 2020-09-29 | 2022-08-12 | 成都长虹网络科技有限责任公司 | 室内定位方法、装置、计算机设备和可读存储介质 |
| CN112308998A (zh) * | 2020-11-02 | 2021-02-02 | 广东电网有限责任公司 | 一种基于蓝牙的室内定位智能巡检系统及方法 |
| CN113115224B (zh) * | 2021-04-06 | 2021-11-09 | 中移(上海)信息通信科技有限公司 | 室内定位方法和室内定位装置 |
| CN113115224A (zh) * | 2021-04-06 | 2021-07-13 | 中移(上海)信息通信科技有限公司 | 室内定位方法和室内定位装置 |
| CN113271542B (zh) * | 2021-04-08 | 2022-07-22 | 复旦大学 | 一种基于蓝牙及可见光的室内移动终端定位方法 |
| CN113271542A (zh) * | 2021-04-08 | 2021-08-17 | 复旦大学 | 一种基于蓝牙及可见光的室内移动终端定位方法 |
| CN114286306A (zh) * | 2021-12-27 | 2022-04-05 | 南京中孚信息技术有限公司 | 室内信号定位方法、装置、计算机设备及存储介质 |
| CN114286306B (zh) * | 2021-12-27 | 2024-02-20 | 南京中孚信息技术有限公司 | 室内信号定位方法、装置、计算机设备及存储介质 |
| CN117896827A (zh) * | 2024-03-18 | 2024-04-16 | 慧翰微电子股份有限公司 | 一种基于蓝牙的室内定位方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109275095B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109275095A (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
| Razavi et al. | K-means fingerprint clustering for low-complexity floor estimation in indoor mobile localization | |
| US7406116B2 (en) | Method and system for determining user location in a wireless communication network | |
| CN102204372B (zh) | 一种用于在室内环境中定位电子移动设备的室内定位系统 | |
| Khodayari et al. | A RSS-based fingerprinting method for positioning based on historical data | |
| EP3596486A1 (en) | Wifi multi-band fingerprint-based indoor positioning | |
| CN112533163B (zh) | 基于NB-IoT改进的融合超宽带和蓝牙的室内定位方法 | |
| Jiang | A WLAN fingerprinting based indoor localization technique | |
| CN103997717A (zh) | 一种实时室内定位系统及方法 | |
| CN107743296A (zh) | 一种基于压缩感知的rssi区域分段式定位方法 | |
| CN110351660B (zh) | 一种基于双步指纹匹配架构的蓝牙室内定位方法 | |
| CN109490826A (zh) | 一种基于无线电波场强rssi的测距与位置定位方法 | |
| Khan et al. | Indoor Wi-Fi positioning algorithm based on combination of location fingerprint and unscented Kalman filter | |
| CN107071902A (zh) | 一种基于混合滤波和幂指数映射wifi室内定位方法 | |
| CN106793085A (zh) | 基于正态假设检验的指纹定位方法 | |
| Li et al. | Location estimation in large indoor multi-floor buildings using hybrid networks | |
| Seco et al. | RFID-based centralized cooperative localization in indoor environments | |
| CN109188360A (zh) | 一种基于蝙蝠算法的室内可见光三维定位方法 | |
| Han et al. | A wireless fingerprint location method based on target tracking | |
| CN101977436B (zh) | 基于wlan室内定位的移动用户位置坐标修正方法 | |
| Wang et al. | Adaptive rfid positioning system using signal level matrix | |
| Eyng et al. | Kalman filtering-aided hybrid indoor positioning system with fingerprinting and multilateration | |
| Dong et al. | Neural network based radio fingerprint similarity measure | |
| Sharp et al. | Indoor wifi positioning | |
| Xu et al. | Indoor localization based on hybrid Wi-Fi hotspots |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |