CN113271542B - 一种基于蓝牙及可见光的室内移动终端定位方法 - Google Patents

Abstract

本发明属于通信技术领域，具体为一种基于蓝牙及可见光的室内移动终端定位方法。本发明融合蓝牙定位和可见光定位两种模式，在离线阶段分别构建基于蓝牙以及室内可见光信号接收强度的位置指纹库信息，在线阶段根据移动终端实时接收的待测点的蓝牙以及可见光信号接收强度信息，通过动态K值加权定位算法，分别对待测移动终端进行位置区间的确定，然后将两者定位结果加权取交集得到最终的定位结果。本发明采用动态K值加权算法，可避免由K值固定将距离较远的参考点选入而影响定位的精度；采用双模融合定位算法，可减少由环境变化带来的传播模型误差，增加定位系统鲁棒性。本发明可实现移动终端在室内低延迟及较为精确的定位，具有实际应用价值。

Description

一种基于蓝牙及可见光的室内移动终端定位方法

技术领域

本发明属于通信技术领域，具体涉及室内移动终端的定位方法，可用于移动终端在室内的位置判断，实现移动终端在室内较为精确的定位。

背景技术

随着当今社会的飞速发展，各种智能移动终端在人们的日常生活中扮演着越来越重要的角色。基于移动终端的定位技术越发引起人们的关注。目前基于GPS的室外定位技术已大规模普及。而在针对GPS卫星信号受到阻挡的室内以及其它的复杂情况下的定位技术，尚处于技术的积累期，仍需长期的研究和发展。

基于接收信号强度(RSSI)的指纹定位方法，是目前研究和应用最为广泛的室内定位方法之一。其定位基础是依据移动终端监听和扫描信标基站的RSSI信息，通过分析处理这些数据结合已知离线指纹库中的位置信息来估算移动终端的位置。在定位技术领域，基于多种定位技术融合的位置指纹算法可大大提高定位的精度，减少单一定位模式下由于环境参数变化所带来的背景噪声，多径延迟等误差。本发明提出的即为融合了蓝牙定位和可见光室内定位的双模融合定位算法。

常见的基于接收信号的指纹库定位方法，在线阶段移动终端测得所在位置信标的RSSI值，并将测得的数据值与数据库中的定位数据进行匹配，匹配得到K个最近的参考点，然后取K个参考点的坐标平均值作为待测点的坐标。多数情况下使用的K临近算法K＝1，即找到所得数据最为匹配的信标位置信息作为定位信息。而无论K值是否为1，固定的K值往往会因为引入实际距离较远的参考点位置信息，从而大大影响定位的精度。

基于此种情况，本发明在融合蓝牙定位和可见光室内定位的双模融合定位算法的基础上，提出动态K值加权定位算法，避免由于K值的固定，将距离较远的参考点位置信息选入最终定位坐标的计算中，从而有效提高定位的精度。同时蓝牙定位和可见光定位双模定位融合算法，减少了单一定位模式下由于环境参数变化所带来的背景噪声，多径延迟等误差，大大提升了系统定位算法的鲁棒性，实现移动终端在室内低延时及较为精确的定位。

发明内容

本发明的目的在于提出一种定位精度高、鲁棒性好的室内移动终端的定位方法。

本发明提出的室内移动终端的定位方法，结合蓝牙和可见光定位技术的优势，进行双模融合定位，并利用基于动态K值的位置指纹库加权定位，具体步骤如下：

(1)初始化室内定位环境；提前在离线阶段部署位置固定的可见光和蓝牙AP定位装置；

(2)可见光源与蓝牙信号发射器分别发送信号；每个可见光AP光源分时隙发送带有光源位置ID信息的可见光信号，不同的蓝牙AP蓝牙发射器也周期性的发送对应的信号发射器ID信号；

(3)基于可见光以及蓝牙信号，分别构建离线位置指纹库；包括：

(3a)将室内定位平面利用网格进行划分，每个网线的交点即为采样参考点；分别测量采样参考点处接收到的各个AP的可见光光强度信息以及蓝牙信号强度信息；并将其表示为矩阵L_RSSI_i与B_RSSI_i储存在指纹库位置信息中；

(3b)将每个指纹采集点处测得的信号强度矩阵L_RSSI_i，B_RSSI_i以及指纹采集点的位置坐标P_i存储到数据库中，构成离线指纹数据库，其中，P_i为第j个指纹采集点在定位平面的坐标；

(4)移动终端测量并记录其收到的蓝牙信号以及可见光信号；可见光信号包括此次定位时在待测点处接收到的m个可见光源的信号强度信息；蓝牙信号包括此次定位时在待测点处接收到的m个蓝牙信号发射器的信号强度信息；

(5)移动终端根据蓝牙信号利用动态K值临近法求得定位信息；包括：

(5a)将移动终端在待测点处接收到的来自各个蓝牙AP点的蓝牙强度RSSI值和离线位置指纹库中的数据进行比较计算；计算出待测点处的RSSI值到参考点的RSSI值之间的欧式距离L_i，设定一个阈值R₀，剔除大于R₀所对应的L_i的参考点；

(5b)将剩下的L_i按照从小到大的顺序依次排序，定义D_i为L₁和L_i(i＝2，3，...G)的差值，G为剔除超过阈值的参考点后剩下的参考点数量，E(D)为D_i的平均值；将D_i和D_i的平均值E(D)进行比较，把D_i中大于平均值E(D)的剔除，剩下K个参考点，最后利用信号欧式距离进行加权平均对应参考点的坐标，即可计算出根据接收蓝牙信号强度得到的待测点坐标(x′，y′)；

(6)移动终端根据可见光信号利用动态K值临近法求得定位信息；包括：

(6a)将移动终端在待测点处接收到的来自各个可见光源的可见光信号强度RSSI值和离线位置指纹库中的数据进行比较计算；计算出待测点处的RSSI值到参考点的RSSI值之间的欧式距离L_i，设定一个阈值R₀，剔除大于R₀所对应的L_i的参考点；

(6b)将剩下的L_i按照从小到大的顺序依次排序，定义D_i为L₁和L_i(i＝2，3，...G)的差值，E(D)为D_i的平均值；将D_i和D_i的平均值E(D)进行比较，把D_i中大于平均值E(D)的剔除，剩下K个参考点，最后利用信号欧式距离进行加权平均对应参考点的坐标，即可计算出根据接收可见光信号强度得到的待测点坐标(x″，_y″)；

(7)综合根据蓝牙信号以及可见光信号的定位结果，得到最终定位结果(x，y)。

本发明与现有方法相比具有以下优点：

1.本发明基于多种定位技术融合位置指纹算法来提高室内定位精度。创新性地融合了蓝牙定位和可见光室内定位的双模融合定位算法。在实际工程实践中，由于室内复杂环境的变化，往往导致实际接收到的信号强度值相较于指纹库测量值在匹配阶段有较大偏差。而不同变量变化趋势在相同空间位置处是比较接近的，双模融合定位算法的提出，可以很好的减少由于实际环境变化带来的误差，提升定位结果的精确性。因此在室内环境变化时，本发明也可以有较好的定位表现。

2.本发明对于传统的K临近指纹库定位技术进行了改进，在匹配阶段比较待测点信号与指纹库信号数据之间的相似度后，不是固定的取K个最为近似数据的平均值来确定定位坐标，而是通过阈值设定方法，经过两次筛选剔除后计算得出最终的定位信息。避免由于K值的固定将距离较远的参考点选入而影响最终定位的精度，实现移动终端在室内低延时及较为精确的定位。

附图说明

图1是本发明方法流程图示。

图2是基于蓝牙信号接收强度的定位信息指纹库生成方法图示。

图3是基于可见光信号接收强度的定位信息指纹库生成方法图示。

图4是基于动态K值的室内定位算法流程图示。

具体实施方式

下面结合实施例和附图进一步介绍本发明。

参照图1，具体步骤如下：

步骤1：初始化室内定位环境。

使用基于位置信息的指纹库定位方法时，需要提前在离线阶段部署位置固定的可见光和蓝牙AP定位装置。由于现在照明LED和蓝牙的广泛普及，许多场所建筑内都已经部署有相对应的节点，故不需要专用的硬件模块。只需针对可见光通信装置增加简单的驱动电路即可。

步骤2：可见光源与蓝牙信号发射器分别发送信号。

每个可见光AP光源分时隙发送带有光源位置ID信息的可见光信号，不同的蓝牙AP蓝牙发射器也周期性的发送对应的信号发射器ID信号。

步骤3：基于可见光以及蓝牙信号，分别构建离线位置指纹库。

构造指纹库实际上就是将定位平面划分成网格，由于在每个网格顶点(采样点)接收到的各个信号的信号强度都不完全相同，就像人类指纹一样可以用来确定身份，因此每个采样点接收到的信号强度信息也被称作区域的指纹信息，存储这些定位点信号强度信息和坐标信息的数据库即为指纹库。

参考图2和图3，其实现步骤为：

(3.1)将室内定位平面利用网格进行划分，每个网线的交点即为采样参考点。分别测量采样参考点处接收到的各个AP的可见光光强度信息以及蓝牙信号强度信息。并将其表示为矩阵L_RSSI_i与B_RSSI_i储存在指纹库位置信息中。

L_RSSI_i＝[L_RSSI_i1，L_RSSI_i2，...L_RSSI_ij，...L_RSSI_im]

B_RSSI_i＝[B_RSSI_i1，B_RSSI_i2，...B_RSSI_ij，...B_RSSI_im]

其中，矩阵L_RSSI_i为采样参考点i接收到的可见光信号光强度信息，矩阵B_RSSI_i为采样参考点i接收到的蓝牙信号强度信息。

L_RSSI_ij为第i个采样参考点接收到的第j个可见光源的平均可见光信号强度信息，j为可见光源的ID，j的取值为1到m，i为定位点序号，i的取值为1到m，m为定位点的总数量。测量中由于实际信道环境的变化以及测量仪器的误差，L_RSSI_ij为多次测量第i个采样参考点接收到的第j个采样点的光强度信息之后的平均值。

L_RSSI_i1(n)为第i个采样参考点第n次测量第1个采样点的光强度信息得到的信号强度数据。n为测量总次数。之后的同类型数据均按照此方法记录。

B_RSSI_ij为第i个采样参考点接收到的第j个蓝牙AP的平均蓝牙信号强度信息，j为蓝牙AP的ID，j的取值为1到m，i为定位点序号，i的取值为1到m，m为定位点的总数量。测量中由于实际信道环境的变化以及测量仪器的误差，B_RSSI_ij为多次测量第i个采样参考点接收到的第j个采样点的蓝牙信号强度信息之后的平均值。

B_RSSI_i1(n)为第i个采样参考点第n次测量第1个采样点的蓝牙信号强度信息得到的数据。n为测量总次数。之后的同类型数据均按照此方法记录。

(3.2)将每个指纹采样参考点处测得的信号强度矩阵L_RSSI_i，B_RSSI_i以及指纹采样参考点的位置坐标P_i存储到数据库中，构成指纹库，其中，P_i为第j个指纹采样参考点在定位平面的坐标，其形式为(x，y)。

其中，x为该参考点的横坐标定位数值，y为该参考点的纵坐标定位数值。

步骤4：移动终端测量并记录其收到的蓝牙信号以及可见光信号。

可见光信号包括此次定位时在待测点处接收到的m个可见光源的信号强度信息RL_RSSI₁，RL_RSSI₂，...，RL_RSSI_q，...，RL_RSSI_m，其中RL_RSSI_q表示此次定位时在待测点处接收到的第q个可见光源的光信号强度。

蓝牙信号包括此次定位时在待测点处接收到的m个蓝牙信号发射器的信号强度RB_RSSI₁，RB_RSSI₂，...，RB_RSSI_q，...，RB_RSSI_m，其中RB_RSSI_q表示此次定位时在待测点处接收到的第q个蓝牙信号发射器的蓝牙信号强度。

步骤5：移动终端根据蓝牙信号利用动态K值临近法求得定位信息。

参考图4，其实现步骤为：

(5.1)首先将移动终端在待测点处接收到的来自各个蓝牙AP点的蓝牙强度RSSI值和离线位置指纹库中的数据进行比较计算。计算出待测点处的RSSI值到采样参考点的RSSI值之间的欧式距离：

式中，RB_RSSI_j为第j个AP的信号强度RSSI值，B_RSSI_ij为在离线位置指纹库中第i个参考点中第j个AP的信号强度RSSI值。m为离线位置指纹库中参考点的个数；n为测试点接收到的AP的个数。

设定一个阈值R₀，当L_i值大于R₀时剔除L_i对应的参考点。

(5.2)将剩下的L_i(i＝1，2，3，...G)按照从小到大的顺序依次排序，G为剔除超过阈值的参考点后剩下的参考点数量；定义D_i为L₁和L_i(i＝2，3，...G)的差值，D_i的平均值为：

(5.3)将D_i和E(D)进行比较，把D_i中大于平均值E(D)的剔除，剩下的参考点的个数为K，此K值即为最终决定定位坐标的参考点的个数。由于每次选择的参考点是变化的不再是固定的，因此避免了由于K值的固定把距离偏远的参考点选入而影响最终的定位精度。

最后利用信号欧式距离进行加权平均即可计算出根据接收蓝牙信号强度得到的待测点坐标。待测点的位置为：

步骤6：移动终端根据可见光信号利用动态K值临近法求得定位信息。

其实现步骤为：

(6.1)首先将移动终端在待测点处接收到的来自各个可见光源的可见光信号强度RSSI值和离线位置指纹库中的数据进行比较计算。计算出待测点处的RSSI值到参考点的RSSI值之间的欧式距离：

式中，RL_RSSI_j为接收到的第j个可见光源的信号强度RSSI值，L_RSSI_ij为在离线位置指纹库中第i个参考点接收到的第j个可见光源的平均强度RSSI值。m为离线位置指纹库中参考点的个数；n为测试点接收到的可见光源的个数。

设定一个阈值R₀，当L_i值大于R₀时剔除L_i对应的采样参考点。

(6.2)将剩下的L_i(i＝1，2，3，...G)按照从小到大的顺序依次排序，定义D_i为L₁和L_i(i＝2，3，...G)的差值，D_i的平均值为：

(6.3)将D_i和E(D)进行比较，把D_i中大于平均值E(D)的剔除，剩下的参考点的个数为K，此K值即为最终决定定位坐标的参考点的个数。

最后利用信号欧式距离进行加权平均，计算出根据可见光信号接收强度得到的待测点坐标。待测点的位置为：

步骤7：综合步骤5和步骤6的定位结果，得到最终定位信息。

通过待测点接收到的蓝牙信号强度值和可见光信号强度值，我们分别利用动态K值加权算法计算出待测点的位置坐标(x′，y′)以及(x″，y″)。为了减少由于实际环境变化带来的计算误差，增加定位系统算法的鲁棒性，我们将利用蓝牙接收强度值得到的位置坐标(x′，y′)和利用可见光信号强度值得到的位置坐标(x″，y″)取平均值，从而得到最终的定位坐标信息。

最终的待测点定位坐标：

综上，本发明提出的一种基于蓝牙和可见光通信的室内移动终端定位方法，实现了在室内环境下对移动终为较为精确的定位。本发明创新性的提出了融合蓝牙定位和可见光定位的双模融合定位算法，很好的减少了由于实际环境变化带来的误差，提升了定位结果的精确性。同时，本发明利用两次筛选后的动态K值算法，减小了传统固定K值定位算法所引起的误差。本发明在抵抗环境变化和定位精度方面都有了一定程度的提升，具有较好的实用价值。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于蓝牙及可见光的室内移动终端定位方法，其特征在于，具体步骤如下：

(1)初始化室内定位环境；提前在离线阶段部署位置固定的可见光和蓝牙AP定位装置；

(2)可见光源与蓝牙信号发射器分别发送信号；每个可见光AP光源分时隙发送带有光源位置ID信息的可见光信号，不同的蓝牙AP蓝牙发射器也周期性的发送对应的信号发射器ID信号；

(3)基于可见光以及蓝牙信号，分别构建离线位置指纹库；包括：

(3a)将室内定位平面利用网格进行划分，每个网线的交点即为采样参考点；分别测量采样参考点处接收到的各个AP的可见光光强度信息以及蓝牙信号强度信息；并将其表示为矩阵L_RSSI_i与B_RSSI_i储存在指纹库位置信息中；

(3b)将每个指纹采集点处测得的信号强度矩阵L_RSSI_i，B_RSSI_i以及指纹采集点的位置坐标P_i存储到数据库中，构成离线指纹数据库，其中，P_i为第j个指纹采集点在定位平面的坐标；

(4)移动终端测量并记录其收到的蓝牙信号以及可见光信号；可见光信号包括此次定位时在待测点处接收到的m个可见光源的信号强度信息；蓝牙信号包括此次定位时在待测点处接收到的m个蓝牙信号发射器的信号强度信息；

(5)移动终端根据蓝牙信号利用动态K值临近法求得定位信息；包括：

(5a)将移动终端在待测点处接收到的来自各个蓝牙AP点的蓝牙强度RSSI值和离线位置指纹库中的数据进行比较计算；计算出待测点处的RSSI值到参考点的RSSI值之间的欧式距离L_Bi，设定一个阈值R_B0，剔除大于R_B0所对应的L_Bi的参考点；

(5b)将剩下的L_i按照从小到大的顺序依次排序，定义D_Bi为L_B1和L_Bi的差值，i＝2,3,...G，G为剔除超过阈值的参考点后剩下的参考点数量；EB(D)为D_Bi的平均值；将D_Bi和D_Bi的平均值EB(D)进行比较，把D_Bi中大于平均值EB(D)的剔除，剩下K个参考点，最后利用信号欧式距离进行加权平均对应参考点的坐标，即可计算出根据接收蓝牙信号强度得到的待测点坐标(x′,y′)；

(6)移动终端根据可见光信号利用动态K值临近法求得定位信息；包括：

(6a)将移动终端在待测点处接收到的来自各个可见光源的可见光信号强度RSSI值和离线位置指纹库中的数据进行比较计算；计算出待测点处的RSSI值到参考点的RSSI值之间的欧式距离L_Vi,设定一个阈值R_V0，剔除大于R_V0所对应的L_Vi的参考点；

(6b)将剩下的L_i按照从小到大的顺序依次排序，定义D_Vi为L_V1和L_Vi的差值，i＝2,3,...G；EV(D)为D_Vi的平均值；将D_Vi和D_Vi的平均值EV(D)进行比较，把D_Vi中大于平均值EV(D)的剔除，剩下K′个参考点，最后利用信号欧式距离进行加权平均对应参考点的坐标，即可计算出根据接收可见光信号强度得到的待测点坐标(x",y")；

(7)综合根据蓝牙信号以及可见光信号的定位结果，得到最终定位结果；

最终定位结果，由下式计算：

其中，x′为根据蓝牙信号接收强度得到的待测点位置横坐标，y′为根据蓝牙信号接收强度得到的待测点位置纵坐标，x"为根据可见光信号接收强度得到的待测点位置横坐标，y"为根据可见光信号接收强度得到的待测点位置纵坐标。

2.根据权利要求1所述的方法，其特征在于：

(3a)中指纹库存储的信号强度矩阵L_RSSI_i，表示如下：

L_RSSI_i＝[L_RSSI_i1,L_RSSI_i2,...L_RSSI_ij,...L_RSSI_im]

其中，矩阵L_RSSI_i为采样参考点i接收到的可见光信号光强度信息，L_RSSI_ij为第i个指纹采样点接收到的第j个可见光源的平均光信号强度；j的取值为1到m,m为参考点的总数量；

(3a)中指纹库存储的信号强度矩阵B_RSSI_i，表示如下：

B_RSSI_i＝[B_RSSI_i1,B_RSSI_i2,...B_RSSI_ij,...B_RSSI_im]；

其中，矩阵B_RSSI_i为采样参考点i接收到的蓝牙信号强度信息，B_RSSI_ij为第i个指纹采样点接收到的第j个蓝牙信号的平均信号强度；j的取值为1到m,m为参考点的总数量；

(3b)中指纹库存储指纹采集点的位置坐标P_i，为第j个指纹采样点在定位平面的坐标，其形式为(x,y)。

3.根据权利要求2所述的方法，其特征在于：

(5a)中待测点处的RSSI值到参考点的RSSI值之间的欧式距离L_Bi,由下式计算：

其中，RB_RSSI_j为第j个AP的信号强度RSSI值，B_RSSI_ij为在离线位置指纹库中第i个采样参考点中第j个AP的信号强度RSSI值；m为离线位置指纹库中参考点的个数；n为待测点接收到的AP的个数。

4.根据权利要求3所述的方法，其特征在于：

(5b)中D_Bi的平均值EB(D)的计算方法为：

其中，D_Bi为L_B1和L_Bi的差值，i＝2,3,...G；L_Bi为待测点处的RSSI值到参考点的RSSI值之间的欧式距离，G为第一次剔除溢出值后参考点的个数减一。

5.根据权利要求4所述的方法，其特征在于：

(5b)中利用信号欧式距离加权平均对应参考点的坐标后计算出的待测点坐标(x′,y′)，由下式计算：

其中，L_Bi为待测点处的RSSI值到参考点的RSSI值之间的欧式距离，i的取值为1到K，K为把D_Bi中大于平均值EB(D)的剔除，剩下的采样参考点的个数；D_Bi为L_B1和L_Bi的差值，i＝2,3,...G；EB(D)为D_Bi的平均值。

6.根据权利要求5所述的方法，其特征在于：

(6a)中待测点处的RSSI值到采样参考点的RSSI值之间的欧式距离L_Vi,由下式计算：

其中，RL_RSSI_j为第j个AP的信号强度RSSI值，L_RSSI_ij为在离线位置指纹库中第i个参考点中第j个AP的信号强度RSSI值；m为离线位置指纹库中参考点的个数；n为待测点接收到的AP的个数。

7.根据权利要求6所述的方法，其特征在于：

(6b)中D_Vi的平均值EV(D)的计算方法为：

其中，D_Vi为L_V1和L_Vi的差值，i＝2,3,...G；L_Vi为待测点处的RSSI值到采样参考点的RSSI值之间的欧式距离，G为第一次剔除溢出值后参考点的个数减一。

8.根据权利要求7所述的方法，其特征在于：

(6b)中利用信号欧式距离加权平均对应采样参考点的坐标后计算出的待测点坐标(x",y")，由下式计算：

其中，L_Vi为待测点处的RSSI值到参考点的RSSI值之间的欧式距离，i的取值为1到K，K为把D_Vi中大于平均值EV(D)的剔除，剩下的参考点的个数；D_Vi为L_V1和L_Vi的差值，i＝2,3,...G；EV(D)为D_Vi的平均值。

Images