CN111818636B - 一种车载蓝牙定位系统及其定位方法 - Google Patents

Abstract

一种车载蓝牙定位系统及其定位方法，涉及蓝牙定位领域，定位系统包括用户移动设备终端、车载蓝牙终端和车身上呈矩形设置4个蓝牙信标锚点；蓝牙信标锚点、车载蓝牙终端接入车载网络；定位方法如下：蓝牙信标锚点分别向外发送RSSI并采集其他的RSSI，发送给用户移动设备终端；用户移动设备终端采集蓝牙信标锚点的RSSI后，对RSSI数据滤波；计算出各锚点间及与用户移动设备终端间的计算距离，根据各锚点间的实际距离计算校正因子，校正计算距离；建立坐标系，用双重三角形质心定位算法进行定位，得到用户移动设备位置

。本发明具有硬件拓扑结构简单、所需计算数据量小，实时性强，受外界环境影响小、定位准确等优点。

Description

一种车载蓝牙定位系统及其定位方法

技术领域

本发明涉及蓝牙定位领域，详细讲是一种受外界环境影响小、定位准确度高的车载蓝牙定位系统及其定位方法。

背景技术

在车辆逐渐走向自动化与智能化的今天，用户使用手机APP控制车辆完成指定的操作已为成熟技术，为了让用户在此基础上拥有更好地使用体验，车辆根据用户的行为主动判断用户需求，从而去做出相应的举措，这将会变得越来越普及化并且多样化，比如车辆计算出用户与某一车门的距离越来越小，那么可以通过一定的判别算法去识别是否要为用户做好开启该车门的准备；再如，当车辆计算出用户与后备箱非常接近，并且在后备箱后面做了一定时间的停留，那么也可以通过一定的判别算法去识别是否要为用户开启后备箱等。上述类似的通过用户的位置变化进行主动判断用户需求，从而完成车辆启动、开启车门、开启后备箱等操作的过程中，用户所在位置的精确定位很重要，会直接影响车辆的判断准确率，进而影响用户的使用体验。

现有的蓝牙定位技术主要利用了蓝牙的信号强度值(RSSI)进行测距，然后通过将测量得到的距离信息代入现有的信号测距模型进行粗略的测距定位运算，这种蓝牙定位技术使用的蓝牙锚点较多，在计算速度上不足，在用户对指定功能进行使用时，定位延迟较大，用户的使用体验大打折扣。

车辆作为移动行驶的工具，可能置于各种不同环境中，不同的外界环境因素会对蓝牙信号传输产生很大的影响，现有的蓝牙定位技术对环境变化的适应性差，对用户所在位置的定位误差大。

发明内容

本发明的目的是解决上述现有技术的不足，提供一种结构简单、实时性强，受外界环境影响小、定位准确的车载蓝牙定位系统及其定位方法。

本发明解决上述现有技术的不足所采用的技术方案是：

一种车载蓝牙定位系统及其定位方法，所述的车载蓝牙定位系统包括用户移动设备终端、车载蓝牙终端和车载蓝牙信标锚点；所述的车载蓝牙信标锚点是在车辆的车身上呈矩形设置4个蓝牙信标锚点，4个蓝牙信标锚点之间的距离固定，蓝牙信标锚点接入车载网络，车辆内安装1个车载蓝牙终端，车载蓝牙终端接入车载网络；蓝牙信标锚点可以向外广播和采集RSSI，向车载蓝牙终端传输信号；车载蓝牙终端接收来自于蓝牙信标锚点的信号，同时可以通过加密的蓝牙通道与用户移动设备终端进行双向通讯，传输采集到的RSSI；用户移动设备终端可以采集蓝牙信标锚点的RSSI，同时可以通过加密蓝牙通道与车载蓝牙终端传输信息；

定位方法包括如下步骤：

a、4个蓝牙信标锚点分别向外发送RSSI并采集另外3个锚点的RSSI，并通过车载网络将采集到的RSSI发送到车载蓝牙终端；

b、车载蓝牙终端读取从车载网络上接收到的来自于蓝牙信标锚点的RSSI，并通过加密的蓝牙通道发送给用户移动设备终端；

c、用户移动设备终端采集4个蓝牙信标锚点向外广播的RSSI，同时接收来自于车载蓝牙终端的RSSI数据；

d、用户移动设备终端对采集到的4个RSSI数据和车载蓝牙终端传输来的RSSI数据依次进行卡尔曼滤波和递推平均滤波；

e、使用滤波后的RSSI数据通过公式：

RSSI＝A-10nlgd

分别计算出各个蓝牙信标锚点间的计算距离d_i和各个蓝牙信标锚点与用户移动设备终端的计算距离d₀₁、d₀₂、d₀₃、d₀₄，

其中，A为常数项、为用户移动设备终端和信标锚点间距离为1米时的RSSI，n为随环境而变化的衰减因子，i∈[1-12]，

A和n的初值的获取过程如下：

(1)先将用户移动设备终端分别放在距离4个蓝牙信标锚点前方1m处，获取移动设备终端接收到的信号强度RSSI，每一个蓝牙锚点接收30个RSSI数据，共计接收120个数据，剔除最大的10个数据值和最小的10个数据值，取平均值RSSI₀，可得初值A＝RSSI₀；

(2)然后将用户移动设备终端与蓝牙信标锚点的距离以1m为步长，逐步地增加用户移动设备终端与蓝牙信标锚点间的距离，每增加1m，就根据上述距离计算的方法计算出对应距离下的RSSI，至少获取10个不同距离下的RSSI，；

(3)根据公式可以推导出公式：

将用户移动设备终端与蓝牙信标锚点间不同距离下的RSSI值和d(距离)值代进去计算得到不同的n值，取平均值作为n的初值；

f、实际测量各个蓝牙信标锚点间的实际距离D_i，根据公式：

K_i＝D_i/d_i

计算出校正因子K；

g、用校正因子K校正4个蓝牙信标锚点与用户移动设备终端的计算距离d₀₁、d₀₂、d₀₃、d₀₄得校正后的计算距离d′₁＝Kd₀₁、d′₂＝Kd₀₂、d′₃＝Kd₀₃、d′₄＝Kd₀₄；

h、在蓝牙信标锚点的安装平面内建立坐标系，将d′₁、d′₂、d′₃、d′₄任意三个组合成一组，选取任意三组，对每一组使用三角形质心定位算法进行定位，得到用户移动设备终端在坐标系上的三个计算位置P₁、P₂、P₃；

i、通过P₁、P₂、P₃这三个点又可构成一个三角形，再求取该三角形的质心坐标，即可得出最终的用户移动设备位置P，用户移动设备终端将用户移动设备位置P通过加密的蓝牙传输通道发送给车载蓝牙终端，完成对用户移动设备终端的定位。

本发明中所述的4个蓝牙信标锚点安装在车身外侧；蓝牙信标锚点所处环境与外界环境一致，定位更准确。

本发明中所述的4个蓝牙信标锚点以车身中央为中心，符合车身的矩形形状设置在车身上。可以分别设置在汽车的四个轮胎附近的车身。

本发明第h步骤中所述的对每一组使用三角形质心定位算法进行定位的具体方法是：在所建立的坐标系上确定每一个蓝牙信标锚点的安装位置的坐标(实际位置坐标)，以同一组的三个蓝牙信标锚点的位置坐标作为三角形质心定位法的圆心(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，以同一组的校正后的计算距离(d′₁、d′₂、d′₃、d′₄)作为三角形质心定位法的计算半径d₁、d₂、d₃。

本发明中所述的卡尔曼滤波的过程如下：

状态和观测方程如下：

状态方程：

观测方程：

Y_k＝X_k+v_k

X_k-1表示完成卡尔曼滤波后k-1时刻的RSSI值；X_k表示完成卡尔曼滤波后k时刻的RSSI值；Y_k表示k时刻对X_k进行测量所得到的观测值；

为状态转移矩阵，在本发明中我们可认为

ω_k-1和v_k均为独立同正态分布的的噪声序列，ω_k-1表示k-1时刻状态到k时刻状态的过程中的噪声，v_k表示在k时刻观测过程中的噪声；

卡尔曼滤波算法流程实现为：

确定方程的初值：

预测值及预测值和真实值之间误差均方差矩阵更新：

观测量更新：

K_k＝P_k|k-1·(P_k|k-1+v_k)^-1

P_k＝(1-K_k)·P_k|k-1

式中X₀为零时刻的RSSI值设为0；式中

为零时刻RSSI的均值；P₀为零时刻真实值与均值的误差均方差矩阵；P_k-1是k-1时刻均方误差阵；P_k|k-1是进一步预测均方误差阵；

为k-1时刻的状态滤波值；

是状态下一步预测值；

为k时刻状态滤波值；K_k为k时刻滤波增益矩阵；P_k为k时刻滤波均方误差阵。

对采集到的RSSI数据进行卡尔曼滤波后，得到了RSSI采集数据Y_k滤波后的数据

使用

作为下一步递推平均滤波中的输入数据RSSI_i。

本发明中所述的递推平均滤波的过程如下：

假设采集时间队列的长度为N，将采集得到的数据储存在数组X_i(i＝1，2，3…)中，这个数组X_i即为一个数据队列，然后令Y_i为经过滤波处理后的输出值，则有公式：

将卡尔曼滤波后得到的N个时刻的RSSI当做一个队列X_i，则有公式：

其中，RSSI′_i为递推平均滤波后的结果，RSSI_i为卡尔曼滤波后的结果。

本发明考虑了环境变化因素，实现了对定位结果的校正，相对于校正之前的定位结果有更好的精度，能更好的满足车载应用；硬件系统的通讯过程基于车载网络(以CAN总线为例)，具有高的可靠性和稳定性，并且在蓝牙系统的装配和移植方面有更好的通用性；在用户移动设备终端中完成定位算法的运行，有更高的计算速度，实时地对用户位置进行定位。本发明具有硬件拓扑结构简单、所需计算数据量小，实时性强，受外界环境影响小、定位准确等优点。

附图说明

图1是本发明中车载蓝牙定位系统的拓扑结构示意图；

图2是本发明中车载蓝牙定位系统的定位方法的流程框图；

图3是本发明中校正因子的获取及校正4个蓝牙信标锚点与用户移动设备终端计算距离流程框图；

图4是三角形质心定位算法中三个圆交于一点定位算法；

图5是三角形质心定位算法中三个圆两两相交定位算法；

图6是三角形质心定位算法中一个圆与另外两个圆分别相交定位算法；

图7是三角形质心定位算法中只有两个圆相交定位算法；

图8是三角形质心定位算法中三个圆互不相交定位算法；

具体实施方式

如图1所示的车载蓝牙定位系统，包括用户移动设备终端(手机)、车载蓝牙终端和车载蓝牙信标锚点；所述的车载蓝牙信标锚点是在车辆的车身上以车身中央为中心、呈矩形设置4个蓝牙信标锚点，分别为左前蓝牙信标锚点、右前蓝牙信标锚点、左后蓝牙信标锚点、右后蓝牙信标锚点，4个蓝牙信标锚点安装在车身外侧(不能封闭在车身内)；蓝牙信标锚点所处环境与外界环境一致。4个蓝牙信标锚点之间的距离固定，4个蓝牙信标锚点接入车载网络(以CAN总线为例)，车辆内安装1个车载蓝牙终端，车载蓝牙终端接入车载网络(以CAN总线为例)。4蓝牙信标锚点可以分别向外广播和采集RSSI、向车载蓝牙终端传输信号；车载蓝牙终端接收来自于蓝牙信标锚点的信号，同时可以通过加密的蓝牙通道与用户移动设备终端进行双向通讯，传输采集到的RSSI，对数据进行计算处理；用户移动设备终端可以采集蓝牙信标锚点的RSSI，同时可以通过加密蓝牙通道与车载蓝牙终端传输信息，对数据进行计算处理；

上述车载蓝牙定位系统的定位方法包括如下步骤：

a、4个蓝牙信标锚点分别向外发送RSSI并采集另外3个锚点的RSSI，并通过车载网络(以CAN总线为例)将各自采集到的3个RSSI发送到车载蓝牙终端；

b、车载蓝牙终端读取从车载网络上(以CAN总线为例)接收到的来自于各个蓝牙信标锚点的RSSI，并通过加密的蓝牙通道将12个RSSI数据发送给用户移动设备终端；

c、用户移动设备终端采集4个蓝牙信标锚点向外广播的RSSI数据，同时接收来自于车载蓝牙终端的12个RSSI数据，并将数据存入内存；

d、用户移动设备终端对采集到的4个RSSI数据和车载蓝牙终端传输来的12个RSSI数据的RSSI数据依次进行卡尔曼滤波和递推平均滤波；

e、使用滤波后的RSSI数据通过公式：

RSSI＝A-10nlgd

分别计算出各个蓝牙信标锚点间的计算距离d_i和各个蓝牙信标锚点与用户移动设备终端的计算距离d₀₁、d₀₁、d₀₃、d₀₄，

其中，A为常数项、为用户移动设备终端和信标锚点间距离为1米时的信号强度(RSSI)，n为随环境而变化的衰减因子，i∈[1-12]；

A和n的初值的获取过程如下：

(1)先将用户移动设备终端分别放在距离4个蓝牙信标锚点前方1m处，获取移动设备终端接收到的信号强度RSSI，每一个蓝牙锚点接收30个数据，共计接收120个数据，剔除最大的10个数据值和最小的10个数据值，取平均值RSSI₀，可得初值A＝RSSI₀；

(2)然后将用户移动设备终端与4个蓝牙信标锚点的距离以1m为步长，逐步地增加用户移动设备终端与蓝牙信标锚点间的距离，每增加1m，分别获取移动设备终端接收到的信号强度RSSI，每一个蓝牙锚点接收30个数据，共计接收120个数据，剔除差异比较显著的最大值和最小值，取平均值，可得该距离下的RSSI，至少获取10个不同距离(1-10m)下的RSSI，优选15个、即用户移动设备终端与蓝牙信标锚点间的距离为15m内的RSSI；

(3)根据公式RSSI＝A-10nlgd可以推导出公式：

将用户移动设备终端与蓝牙信标锚点间不同距离下的RSSI值和d(距离)值代进去计算得到不同的n值，取平均值作为n的初值；

f、实际测量各个蓝牙信标锚点间的实际距离D_i，根据公式：

K、＝D_i/d_i

计算出校正因子K；

A和n的初值的获取过程如下：

(1)先将用户移动设备终端分别放在距离4个蓝牙信标锚点前方1m处，获取移动设备终端接收到的信号强度RSSI，每一个蓝牙锚点接收30个数据，共计接收120个数据，剔除差异比较显著的最大值和最小值，取平均值RSSI₀，可得初值A＝RSSI₀；

(2)然后将用户移动设备终端与蓝牙信标锚点的距离以1m为间隔，等间距地增加，每增加一次就根据上述(1)的方法计算出不同距离的RSSI，直到距离一直增加到15m；

(3)根据公式可以推导出公式：

将不同的RSSI值和d值代进去计算得到不同的n值，取平均值作为n的初值；

f、实际测量各个蓝牙信标锚点间的实际距离D_i，根据公式：

K_i＝D_i/d_i

计算出校正因子K；

g、用校正因子K校正4个蓝牙信标锚点与用户移动设备终端的计算距离d₀₁、d₀₂、d₀₃、d₀₄得校正后的计算距离d′₁＝Kd₀₁、d′₂＝Kd₀₂、d′₃＝Kd₀₃、d′₄＝Kd₀₄；

h、在4个蓝牙信标锚点的安装平面内建立坐标系，将d′₁、d′₂、d′₃、d′₄任意三个组合成一组，选取任意三组，对每一组使用三角形质心定位算法进行定位，得到用户移动设备终端在坐标系上的三个计算位置P₁、P₂、P₃；

i、通过P₁、P₂、P₃这三个点又可构成一个三角形，再求取该三角形的质心坐标，即可得出最终的用户移动设备位置P，用户移动设备终端将用户移动设备位置P通过加密的蓝牙传输通道发送给车载蓝牙终端，完成对用户移动设备终端的定位。

(车载蓝牙终端将用户移动设备位置P传送到车载网络(以CAN总线为例)供整车控制器使用)

h、在4个蓝牙信标锚点的安装平面内建立三角形质心定位算法所需的坐标系，可以以任意一个蓝牙信标锚点作为原点，本实施例中以左前蓝牙信标锚点指向右前蓝牙信标锚点方向作为x轴的正方向，以左前蓝牙信标锚点指向左后蓝牙信标锚点的方向作为y轴的正方向来建立坐标系。以将d′₁、d′₂、d′₃、d′₄任意三个组合成一组，共可以组合成4组数据，选取任意三组，对每一组使用三角形质心定位算法进行定位，在所建立的坐标系上确定每一个蓝牙信标锚点的安装位置的坐标(实际位置坐标)，以(同一组的)三个蓝牙信标锚点的位置坐标作为三角形质心定位法的圆心(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，以同一组的校正后的计算距离(d′₁、d′₂、d′₃、d′₄)作为三角形质心定位法的计算半径d₁、d₂、d₃；对每一组使用三角形质心定位算法进行定位后，在坐标系上得到用户移动设备终端的三个计算位置P₁、P₂、P₃。

i、通过P₁、P₂、P₃这三个点又可构成一个三角形，再求取该三角形的质心，即可得出最终的用户移动设备位置P，用户移动设备终端将用户移动设备位置P通过加密的蓝牙传输通道发送给车载蓝牙终端，完成对用户移动设备终端的定位。

车载蓝牙终端将用户移动设备位置P传送到车载网络(以CAN总线为例)供整车控制器使用。

本发明考虑了环境变化因素，实现了对定位结果的校正，相对于校正之前的定位结果有更好的精度，能更好的满足车载应用；硬件系统的通讯过程基于车载网络(以CAN总线为例)，具有高的可靠性和稳定性，并且在蓝牙系统的装配和移植方面有更好的通用性；在用户移动设备终端中完成定位算法的运行，有更高的计算速度，实时地对用户位置进行定位。

以下是车载蓝牙定位系统对用户位置进行定位的定位方法，定位流程如图2所示；

第一步：用户移动设备终端采集到数据后进行预处理，在本发明中数据预处理的方式采用卡尔曼滤波和递推平均滤波相结合的混合滤波。

滤波采用卡尔曼滤波和递推平均滤波相结合的混合滤波，卡尔曼滤波可以在一定程度上降低因为噪声影响所导致的RSSI观测不准确的现象，移动终端中的RSSI信息经过卡尔曼滤波处理后，会有更好地稳定性，有效的减少脉冲干扰。递推平均滤波算法能够明显的抑制一些周期性的干扰，但很难抵消因脉冲干扰而导致的测试纸偏差，在一些脉冲干扰较强的场合不适用。

首先对RSSI数据进行卡尔曼滤波，卡尔曼滤波被广泛应用于离散数据的线性滤波中，卡尔曼滤波以最小化均方差为准则，利用上一时刻的估计值和现一时刻的测量值来迭代更新状态变量的估计。状态和观测方程如下：

状态方程：

观测方程：

Y_k＝X_k+v_k

X_k-1表示k-1时刻的RSSI值；X_k表示k时刻的RSSI值；Y_k表示k时刻对X_k进行测量所得到的观测值；

为状态转移矩阵，在本发明中我们可认为

ω_k-1和v_k均为独立同正态分布的的噪声序列，ω_k-1表示k-1时刻状态到k时刻状态的过程中的噪声，v_k表示在k时刻观测过程中的噪声。

卡尔曼滤波算法流程实现为：

确定方程的初值：

预测值及预测值和真实值之间误差均方差矩阵更新：

观测量更新：

K_k＝P_k|k-1·(p_k|k-1+v_k)^-1

P_k＝(1-K_k)·P_k|k-1

式中X₀为零时刻的RSSI；式中

为零时刻RSSI的均值；P₀为零时刻真实值与均值的误差均方差矩阵；P_k-1是k-1时刻均方误差阵；P_k|k-1是进一步预测均方误差阵；

为k-1时刻的状态滤波值；

是状态下一步预测值；

为k时刻状态滤波值；K_k为k时刻滤波增益矩阵；P_k为k时刻滤波均方误差阵。

对采集到的RSSI数据进行卡尔曼滤波后，得到了RSSI采集数据Y_k滤波后的数据

使用

作为下一步递推平均滤波中的输入数据RSSI_i。

完成卡尔曼滤波后的数据减少了脉冲干扰，之后进行递推平均滤波会有较好的滤波效果，假设采集时间队列的长度为N，我们将采集得到的数据储存在数组X_i(i＝1，2，3…)中，这个数组X_i即为一个数据队列，然后令Y_i为经过滤波处理后的输出值，则有公式(6)：

在上述递推平均滤波公式中，N的取值大小决定了滤波后得到图像的平滑度，N的值越大意味着图像越平滑，但是这样做带来的结果就是滤波处理的滞后性越大。在实际的应用中，我们根据具体情况选择适当的N值。在本发明中，把连续测量得到的N个时刻的RSSI当做一个队列X_i，则有公式(7)：

其中，RSSI′_i为递推平均滤波后的结果，RSSI_i为卡尔曼滤波后的结果。

第二步：利用RSSI与距离之间的关系计算用户移动设备到锚点的距离d，并对计算距离d进行实时校正，从而得到用户移动设备相对于4个蓝牙信标锚点的更加准确的距离信息，在本发明中使用了一种考虑到环境因素的校正算法，校正过程如附图3所示。

RSSI测距的方式是以接收端接收到的无线信号的强度来计算收发节点之间的距离。在实际测量过程中考虑到温度、空气湿度、折射度等环境因素的影响，RSSI和计算距离d之间的关系可以简写为公式(8)：

RSSI＝A-10nlgd

其中，A为常数项为用户移动设备终端和信标锚点间距离为1米时的信号强度(RSSI)，n可定义为随环境而变化的衰减因子，随着环境的改变，信号传播的能力有较大的差异，A和n可以使用离线辨识法，通过多次实际试验测量，去获取A和n的初值。

本发明A和n的初值的获取过程如下：

(1)先将用户移动设备终端分别放在距离4个蓝牙信标锚点前方1m处，获取移动设备终端接收到的信号强度RSSI，每一个蓝牙锚点接收30个数据，共计接收120个数据，剔除差异比较显著的最大值和最小值，取平均值RSSI₀，可得初值A＝RSSI₀；

(2)然后将用户移动设备终端与锚点的距离以1m为间隔，等间距地增加，每增加一次就根据上述方法计算出不同距离的RSSI，直到距离一直增加到15m；

(3)根据公式可以推导出公式，将不同的RSSI值和d值代进去计算得到不同的n值，取平均值作为n的初值。

在实际运用过程中，由于车辆所处的环境随时在变化，温度、湿度等自然环境的影响也在不断变化，因此常数项A和衰减因子n也在实时变化。如果在实时定位计算过程中，保持A和n的值一直不变，那么当自然环境出现较大变化时，使用公式(8)得出的计算距离d就会较大程度地偏离实际距离，导致出现较大的定位误差，并且该误差无法得到反馈校正。因此为了更精确地获得RSSI和实际距离之间的关系，需要对计算距离d进行实时校正。

本发明4个蓝牙信标锚点之间的物理位置和相互距离是固定且已知的(本发明中锚点呈矩形布置，故4点之间有且只有3个不同的距离值)，由于蓝牙信标锚点和用户移动设备终端所处的环境和干扰因素大致相同，故可以通过4个蓝牙信标锚点之间计算距离与实际距离的对比来校正环境和干扰因素的影响，从而实现对用户移动设备定位的实时校正。

由于A和n的变化情况比较复杂，受到环境影响的因素比较多，因此很难单独对A或者n进行校正，故本发明直接对计算距离d进行校正，并提出校正因子K的概念，把经过校正之后的距离定义为D，校正距离D等于计算距离d乘于校正因子K，这样可同时校正由于环境变化导致的A和n的变化所带来的误差。本发明中4个蓝牙信标锚点相互之间可以收到共计12个RSSI数据，所以可以得到12个校正因子，对其求取均值得到最终的校正因子，可以有效降低由于部分蓝牙信标锚点之间有遮挡物或者个别测距信号不准带来的随机误差。

校正因子的获取及校正4个蓝牙信标锚点与用户移动设备终端计算距离的过程如图3所示：

车载蓝牙终端通过车载网络(以CAN总线为例)接收蓝牙信标锚点发送的RSSI；4个蓝牙信标锚点实时接收到来自于其他3个信标锚点的RSSI，例如蓝牙信标锚点4可以接收到来自于蓝牙信标锚点1、蓝牙信标锚点2以及蓝牙信标锚点3的3个RSSI，蓝牙信标锚点3可以接收到来自于蓝牙信标锚点1、蓝牙信标锚点2以及蓝牙信标锚点4的3个RSSI，蓝牙信标锚点2可以接收到来自于蓝牙信标锚点1、蓝牙信标锚点3以及蓝牙信标锚点4的3个RSSI，蓝牙信标锚点1可以接收到来自于蓝牙信标锚点2、蓝牙信标锚点3以及蓝牙信标锚点4的3个RSSI，并分别将RSSI通过车载网络(以CAN总线为例)实时传输到车载蓝牙终端，车载蓝牙终端再通过加密蓝牙通信通道实时传输到用户移动设备终端。

车载蓝牙终端同时接收来自于4个蓝牙信标锚点发送的共计12个RSSI(RSSI₁-RSSI₁₂)，然后通过公式(8)得出12个计算距离d_锚1-d_锚12，这12个计算距离分别对应于4个蓝牙信标锚点之间的相互距离。

4个蓝牙信标锚点相互之间的实际距离为确定的三个值，把蓝牙信标锚点4与蓝牙信标锚点1、蓝牙信标锚点2、蓝牙信标锚点3之间的实际距离分别定义为D_锚1、D_锚2、D_锚3，那么蓝牙信标锚点3与锚点1、蓝牙信标锚点2、蓝牙信标锚点4之间的实际距离分别为D_锚2、D_锚1、D_锚3，蓝牙信标锚点2与蓝牙信标锚点1、蓝牙信标锚点3、蓝牙信标锚点4之间的实际距离分别为D_锚3、D_锚1、D_锚2，蓝牙信标锚点1与蓝牙信标锚点2、蓝牙信标锚点3、蓝牙信标锚点4之间的实际距离分别为D_锚3、D_锚2、D_锚1，确定好计算距离d_锚1-d_锚12分别对应于实际距离D_锚1、D_锚2、D_锚3中的哪个值。

计算校正因子K。K等于实际距离比上计算距离：K＝D/d，通过12个计算距离和实际距离可以确定12个校正因子(K₁-K₁₂)，例如K₁＝D_锚1/d_锚1。再对这12个校正因子取平均值计算出最终的校正因子，如公式(9)所示，这样可有效降低校正因子的误差。

计算最终的实际距离。通过公式(8)得出移动设备蓝牙终端与4个蓝牙信标锚点的计算距离d₀₁-d₀₄之后，再利用校正因子K去获得校正之后的距离d′₁-d′₄。

使用经过校正后的移动设备蓝牙终端与4个蓝牙信标锚点之间的距离进行定位计算，本发明所采用的定位算法是基于三点定位原理的双重三角形质心定位优化算法。

1.三点定位原理介绍

在一个平面坐标系内，已知三点位置(x₁，y₁)，(x₂，y₂)，(x₃，y₃)，已知未知点(x，y)到三点距离d₁、d₂、d₃，以已知坐标的三个点为圆心，以d₁、d₂、d₃为半径作三个圆如附图4所示。通过圆心之间的相互位置关系，可得如下方程组(11)，解出方程组即可得到交点坐标，即为未知点的坐标(x，y)。

2.三角形质心定位算法优化

在实际的运用过程中，由于RSSI的测量信号存在较大干扰噪声，导致计算得出的三个圆的半径d₁、d₂、d₃与理想半径存在较大误差，使得三个圆并不相交于一点，而是相交于一块区域，或者出现只有两个圆相交，甚至三个圆互不相交的情况。所以，在运用质心定位算法之前，需要通过一定方法来确定三个圆之间的位置关系。本文通过将三个圆的方程两两组合来获得三个方程组，根据方程组(1)(2)(3)是否有解，来确定三个圆的相对位置关系。

任意选取其中两个圆进行位置判断，例如，选取圆(x₁，y₁)和圆(x₂，y₂)，如果方程组(1)有两个解，说明两圆相交，如果有一个解，说明两圆相切，如果无解，则说明两圆相离。通过位置判断之后，一般来说可以分为以下4种情况来进行处理，如图5-图8所示，下面对4种情况分别做简要介绍。

(1)三个圆两两相交，并最终相交于一块区域，如附图5所示。这种情况下，可通过方程组分别计算出3个交点(a₁、b₁、c₁)的坐标。方程组(1)有两个解，分别计算这两个点到第三个圆(x₃，y₃)之间的距离，选取较近点为a₁。同理，方程组(2)和(3)也有两个解，选取较近点为b₁、c₁，再以a₁、b₁、c₁为顶点做三角形，求出三角形的质心坐标，即可作为所求点的坐标。

(2)三个圆有一个圆与另外两个圆分别相交，但另外两个圆相离，如附图6所示。这种情况下，坐标α₁和c₁就可以通过联立两圆相交方程组(1)、(2)分别求得(同上)，b₁可通过连接两个圆的圆心(x₂，y₂)、(x₃，y₃)构成线段，分别与两圆有一个交点，取该交点的中点作为b₁的坐标。再以α₁、b₁、c₁为顶点做三角形，求出三角形的质心坐标，即可作为所求点的坐标。

(3)三个圆中只有两个圆相交，另外一个圆与其他两个圆分别相离，如附图7所示。这种情况下，坐标c₁可以通过联立两圆相交方程组(2)求得(同上)，b₁可通过连接两个圆的圆心(x₂，y₂)、(x₃，y₃)构成线段，分别与两圆有一个交点，取该交点的中点作为b₁的坐标，同理可得α₁的坐标。

(4)三个圆互不相交。这种情况下，坐标α₁、b₁、c₁均可通过两个圆的圆心构成线段，分别与两圆有一个交点，如图8所示。取该交点的中点作为相应点的坐标。

3.基于车载蓝牙定位拓扑结构的双重三角形质心定位优化算法

通常在三角形质心定位优化算法中，我们通过三个圆即可定位用户移动设备。但是在实际运用过程中，如果只用三个锚点进行定位，由于用户移动设备会在不同位置移动，相对于锚点的角度在变化，会发生在用户移动设备和某个锚点之间出现遮挡物的情况，导致用户移动设备接收到的RSSI不准确，最终给用户移动设备定位带来误差。特此，本文基于该拓扑结构提出双重三角形质心定位优化算法，充分使用4个蓝牙信标锚点，在一定程度上有效降低定位误差。

具体操作方法如下：

(1)：把4个蓝牙信标锚点分别命名为锚点1、锚点2、锚点3、锚点4，用户移动设备终端可以接收来自于四个锚点的RSSI，进而计算出与四个锚点的距离。

(2)：从4个锚点中选取三个使用三角形质心定位优化算法进行定位，有3种选取组合，分别为：(1)锚点1、锚点2、锚点3；(2)锚点1、锚点2、锚点4；(3)锚点2、锚点3、锚点4。通过这三种组合利用三角形质心定位优化算法得到的终端位置分别命名为P₁、P₂、P₃。

(3)：通过P₁、P₂、P₃这三个点又可构成一个三角形，再求取该三角形的质心，即可得出最终的用户移动设备位置P。

该方法可在一定程度上降低由于遮挡物以及单个锚点测距不准带来的定位误差，原因在于在用户移动设备和单个锚点出现遮挡物的情况比较正常，而在用户移动设备和多个锚点同时出现遮挡物的情况相对比较少，所以即便是某个锚点被遮挡或者测距不准时，在4种组合方式中，依然会有1组锚点组合测距相对准确，故可降低定位误差。

Claims (6)

1.一种车载蓝牙定位系统的定位方法，所述的车载蓝牙定位系统包括用户移动设备终端、车载蓝牙终端和车载蓝牙信标锚点；所述的车载蓝牙信标锚点是在车辆的车身上呈矩形设置4个蓝牙信标锚点，4个蓝牙信标锚点之间的距离固定，蓝牙信标锚点接入车载网络，车辆内安装1个车载蓝牙终端，车载蓝牙终端接入车载网络；蓝牙信标锚点可以向外广播和采集RSSI，向车载蓝牙终端传输信号；车载蓝牙终端接收来自于蓝牙信标锚点的信号，同时可以通过加密的蓝牙通道与用户移动设备终端进行双向通讯，传输采集到的RSSI；用户移动设备终端可以采集蓝牙信标锚点的RSSI，同时可以通过加密蓝牙通道与车载蓝牙终端传输信息；

定位方法包括如下步骤：

a、4个蓝牙信标锚点分别向外发送RSSI并采集另外3个锚点的RSSI，并通过车载网络将采集到的RSSI发送到车载蓝牙终端；

b、车载蓝牙终端读取从车载网络上接收到的来自于蓝牙信标锚点的RSSI，并通过加密的蓝牙通道发送给用户移动设备终端；

c、用户移动设备终端采集4个蓝牙信标锚点向外广播的RSSI，同时接收来自于车载蓝牙终端的RSSI数据；

d、用户移动设备终端对采集到的4个RSSI数据和车载蓝牙终端传输来的RSSI数据依次进行卡尔曼滤波和递推平均滤波；

e、使用滤波后的RSSI数据通过公式：

RSSI＝A-10nlgd

分别计算出各个蓝牙信标锚点间的计算距离d_i和各个蓝牙信标锚点与用户移动设备终端的计算距离d₀₁、d₀₂、d₀₃、d₀₄，

其中，A为常数项、为用户移动设备终端和信标锚点间距离为1米时的RSSI，n为随环境而变化的衰减因子，i∈[1-12]；

A和n的初值的获取过程如下：

(1)先将用户移动设备终端分别放在距离4个蓝牙信标锚点前方1m处，获取移动设备终端接收到的信号强度RSSI，每一个蓝牙锚点接收30个RSSI数据，共计接收120个数据，剔除最大的10个数据值和最小的10个数据值，取平均值RSSI₀，可得初值A＝RSSI₀；

(2)然后将用户移动设备终端与蓝牙信标锚点的距离以1m为步长，逐步地增加用户移动设备终端与蓝牙信标锚点间的距离，每增加1m，就根据上述距离的方法计算出对应距离下的RSSI，至少获取10个不同距离下的RSSI；

(3)根据公式可以推导出公式：

将用户移动设备终端与蓝牙信标锚点间不同距离下的RSSI值和d(距离)值代进去计算得到不同的n值，取平均值作为n的初值；

f、实际测量各个蓝牙信标锚点间的实际距离D_i，根据公式：

K_i＝D_i/d_i

计算出校正因子K；

g、用校正因子K校正4个蓝牙信标锚点与用户移动设备终端的计算距离d₀₁、d₀₂、d₀₃、d₀₄得校正后的计算距离d′₁＝Kd₀₁、d′₂＝Kd₀₂、d′₃＝Kd₀₃、d′₄＝Kd₀₄；

h、在蓝牙信标锚点的安装平面内建立坐标系，将d′₁、d′₂、d′₃、d′₄任意三个组合成一组，选取任意三组，对每一组使用三角形质心定位算法进行定位，得到用户移动设备终端在坐标系上的三个计算位置P₁、P₂、P₃；

i、通过P₁、P₂、P₃这三个点又可构成一个三角形，再求取该三角形的质心坐标，即可得出最终的用户移动设备位置P，用户移动设备终端将用户移动设备位置P通过加密的蓝牙传输通道发送给车载蓝牙终端，完成对用户移动设备终端的定位。

2.根据权利要求1所述的车载蓝牙定位系统的定位方法，其特征在于所述的4个蓝牙信标锚点安装在车身外侧；蓝牙信标锚点所处环境与外界环境一致。

3.根据权利要求1所述的车载蓝牙定位系统的定位方法，其特征在于所述的4个蓝牙信标锚点以车身中央为中心，符合车身的矩形形状设置在车身上。

4.根据权利要求1所述的车载蓝牙定位系统的定位方法，其特征在于第h步骤中所述的对每一组使用三角形质心定位算法进行定位的具体方法是：在所建立的坐标系上确定每一个蓝牙信标锚点的安装位置的坐标，即实际位置坐标，以同一组的三个蓝牙信标锚点的位置坐标作为三角形质心定位法的圆心(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，以同一组的校正后的计算距离(d′₁、d′₂、d′₃、d′₄)作为三角形质心定位法的计算半径d₁、d₂、d₃。

5.根据权利要求1所述的车载蓝牙定位系统的定位方法，其特征在于所述的卡尔曼滤波的过程如下：

状态和观测方程如下：

状态方程：

观测方程：

Y_k＝X_k+v_k

X_k-1表示完成卡尔曼滤波后k-1时刻的RSSI值；X_k表示完成卡尔曼滤波后k时刻的RSSI值；Y_k表示k时刻对X_k进行测量所得到的观测值；

为状态转移矩阵，

ω_k-1和v_k均为独立同正态分布的的噪声序列，ω_k-1表示k-1时刻状态到k时刻状态的过程中的噪声，v_k表示在k时刻观测过程中的噪声；

卡尔曼滤波算法流程实现为：

确定方程的初值：

预测值及预测值和真实值之间误差均方差矩阵更新：

观测量更新：

K_k＝P_k|k-1·(P_k|k-1+v_k)^-1

P_k＝(1-K_k)·P_k|k-1

式中X₀为零时刻的RSSI值设为0；式中

为零时刻RSSI的均值；P₀为零时刻真实值与均值的误差均方差矩阵；P_k-1是k-1时刻均方误差阵；P_k|k-1是进一步预测均方误差阵；

为k-1时刻的状态滤波值；

是状态下一步预测值；

为k时刻状态滤波值；K_k为k时刻滤波增益矩阵；P_k为k时刻滤波均方误差阵；

对采集到的RSSI数据进行卡尔曼滤波后，得到了RSSI采集数据Y_k滤波后的数据

使用

作为下一步递推平均滤波中的输入数据RSSI_i。

6.根据权利要求1所述的车载蓝牙定位系统的定位方法，其特征在于所述的递推平均滤波的过程如下：

假设采集时间队列的长度为N，将采集得到的数据储存在数组X_i(i＝1，2，3…)中，这个数组X_i即为一个数据队列，然后令Y_i为经过滤波处理后的输出值，则有公式：

将卡尔曼滤波后得到的N个时刻的RSSI当做一个队列X_i，则有公式：

其中，RSSI′_i为递推平均滤波后的结果，RSSI_i为卡尔曼滤波后的结果。

Images