CN114554397B - 蓝牙定位终端及系统 - Google Patents

Abstract

本申请实施例提供一种蓝牙定位终端及系统，所述终端包括由多个蓝牙天线组成的蓝牙模块，该蓝牙定位终端所运行的终端定位方法包括：获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系；基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端，实现了基于蓝牙的高精度终端定位方法，且通过线性拟合，提高了定位方法的实时性和抗干扰性。

Description

蓝牙定位终端及系统

本申请是向中国专利局提交的申请号为202110153212.3，申请日为2021年02月04日，发明创造名称为“终端定位方法、装置、终端及存储介质”的发明专利申请的分案申请。

技术领域

本申请实施例涉及蓝牙定位技术领域，尤其涉及一种蓝牙定位终端及系统。

背景技术

蓝牙作为一项无线通讯技术，已广泛应用于各个领域。2019年1月，蓝牙技术联盟正式发布了蓝牙5.1标准，增加了高精度的蓝牙寻向技术。

蓝牙寻向技术主要通过计算蓝牙的到达角/离开角(AOA/AOD，Angle of Arrival/Angle of Departure)实现。传统的计算AOA/AOD的方法包括MUSIC(Multiple SignalClassification，多信号分类算法)、ESPRIT(Estimating Signal Parameters ViaRotational Invariance Techniques，基于旋转不变技术的信号参数估计算法)等，然而，这些算法在数据量较大时，计算耗时，且严重依赖于信号传输的准确性，当信号中存在噪声干扰时，其定位精度将急剧下降。

发明内容

本申请实施例提供一种蓝牙定位终端及系统，针对包括蓝牙模块的终端，通过相位拟合，实现了到达角/离开角的高效、高精度计算，提高了终端定位的及时性和准确度。

第一方面，本申请实施例提供了一种终端定位方法，所述方法应用于终端，所述终端包括蓝牙模块，所述蓝牙模块包括多个蓝牙天线，所述方法包括：

获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系；基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端。

可选地，基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端，包括：

基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，确定所述蓝牙模块的到达角或离开角；根据所述到达角或离开角，对所述终端进行定位。

可选地，基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，确定所述蓝牙模块的到达角或离开角，包括：

基于所述相位拟合关系，确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

可选地，根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角，包括：

获取所述蓝牙模块的多元线性回归模型；基于所述多元线性回归模型以及各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

可选地，所述相位拟合关系包括第一参数和第二参数，基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系，包括：

针对每个蓝牙天线，获取所述蓝牙天线的相位拟合关系的迭代次数和学习速率，并初始化所述蓝牙天线的相位拟合关系的第一参数和第二参数；基于梯度下降法、迭代次数和学习速率，对所述蓝牙天线的相位拟合关系进行迭代，并确定使得预设代价函数最小的第一参数和第二参数。

可选地，所述相位拟合关系为：

h_i(x)＝θ_i，0+θ_i，1x

其中，θ_i，0为第i个蓝牙天线的相位拟合关系的第一参数，θ_i，1为第i个蓝牙天线的相位拟合关系的第二参数，x为第i个蓝牙天线的各个蓝牙信号的采样序列，h_i(x)为第i个蓝牙天线的拟合相位。

可选地，当前的蓝牙天线和下一蓝牙天线的拟合相位差为当前的蓝牙天线的相位拟合关系的第一参数与下一蓝牙天线的相位拟合关系的第一参数的差值。

可选地，所述多元线性回归模型g(·)的表达式为：

其中，θ′₀为预设角度补偿值，x′_i为第i个蓝牙天线对应的信号相位差，i＝1，2，…，m-1，m为所述蓝牙天线的总数量，θ′_i为x′_i的权重系数。

可选地，当所述到达角或所述离开角位于预设范围时，所述方法还包括：

基于训练好的决策树分类模型，对所述到达角和/或所述离开角进行修正，以得到最终到达角和/或最终离开角。

相应的，根据各个所述到达角或离开角，对所述终端进行定位，包括：根据所述最终到达角和/或最终离开角，对所述终端进行定位。

可选地，所述决策树分类模型的训练过程包括：

采集到达角或离开角位于预设范围的定位原始数据；将所述定位原始数据划分为训练集和验证集；初始化决策树分类模型，并基于所述训练集对所述决策树分类模型进行训练；基于所述验证集对训练后的所述决策树分类模型进行后剪枝，得到训练好的所述决策树分类模型。

第二方面，本申请实施例还提供了一种终端定位装置，该装置包括：

相位获取模块，用于获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；相位拟合模块，用于基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系；终端定位模块，用于基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端。

可选地，终端定位模块，包括：

到达角确定单元，用于基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，确定所述蓝牙模块的到达角或离开角；终端定位单元，用于根据各个所述到达角或离开角，对所述终端进行定位。

可选地，到达角确定单元，包括：

拟合相位差确定子单元，用于基于所述相位拟合关系，确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；信号相位差确定子单元，用于针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；到达角确定子单元，用于根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

可选地，到达角确定子单元，具体用于：

获取所述蓝牙模块的多元线性回归模型；基于所述多元线性回归模型以及各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

可选地，所述相位拟合关系包括第一参数和第二参数，相位拟合模块，具体用于：

针对每个蓝牙天线，获取所述蓝牙天线的相位拟合关系的迭代次数和学习速率，并初始化所述蓝牙天线的相位拟合关系的第一参数和第二参数；基于梯度下降法、迭代次数和学习速率，对所述蓝牙天线的相位拟合关系进行迭代，并确定使得预设代价函数最小的第一参数和第二参数。

可选地，当所述到达角或所述离开角位于预设范围时，所述装置还包括：

角度修正模块，用于基于训练好的决策树分类模型，对所述到达角和/或所述离开角进行修正，以得到最终到达角和/或最终离开角。

相应的，所述终端定位模块，具体用于：

根据所述最终到达角和/或最终离开角，对所述终端进行定位。

可选地，所述装置还包括：

决策树训练模块，用于采集到达角或离开角位于预设范围的定位原始数据；将所述定位原始数据划分为训练集和验证集；初始化决策树分类模型，并基于所述训练集对所述决策树分类模型进行训练；基于所述验证集对训练后的所述决策树分类模型进行后剪枝，得到训练好的所述决策树分类模型。

第三方面，本申请实施例还提供了一种蓝牙定位终端，所述终端包括蓝牙模块、存储器和至少一个处理器；所述蓝牙模块包括多个蓝牙天线；所述存储器和所述处理器通过总线连接，所述存储器存储有计算机执行指令；所述至少一个处理器用于执行所述计算机执行指令，以实现以下步骤：

获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系；基于所述相位拟合关系，确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；所述相位偏移为定位信号由发送端至蓝牙天线所发送的相位的偏移量；根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角；根据所述到达角或离开角，对所述蓝牙定位终端进行定位。

第四方面，本申请实施例还提供了一种蓝牙定位系统，包括被跟踪设备和定位器；所述被跟踪设备的蓝牙模块包括多个蓝牙天线；所述定位器用于向所述被跟踪设备发送定位信号；所述被跟踪设备的各个蓝牙天线接收所述定位信号；所述定位器还用于：

获取所述被跟踪设备的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系；基于所述相位拟合关系，确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；所述相位偏移为定位信号由发送端至蓝牙天线所发送的相位的偏移量；根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角；根据所述到达角或离开角，对所述被跟踪设备进行定位。

第五方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本申请任意实施例提供的终端定位方法。

第六方面，本申请实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如本申请任意实施例提供的终端定位方法。

本申请实施例提供的一种蓝牙定位终端及系统，该方法应用于终端，该终端包括由多个蓝牙天线组成的蓝牙模块，通过各个蓝牙天线的定位信号的相位以及线性拟合算法，确定各个蓝牙天线的相位拟合关系，进而基于各个相位拟合关系以及各个蓝牙天线的相位偏移，对终端进行定位，通过线性拟合，提高了定位方法的抗干扰性，同时，基于线性拟合的定位方式，定位速度快，提高了终端定位的精度和及时性。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例提供的终端定位方法的一种应用场景图；

图2为本申请一个实施例提供的终端定位方法的流程图；

图3为本申请另一个实施例提供的终端定位方法的流程图；

图4为本申请图3所示实施例中步骤S306的流程图；

图5为本申请一个实施例提供的终端定位装置的结构示意图；

图6为本申请一个实施例提供的终端的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

下面对本申请实施例的应用场景进行解释：

图1为本申请实施例提供的终端定位方法的一种应用场景图，如图1所示，被跟踪设备100的蓝牙模块110由一组线性均匀分布的蓝牙天线111组成，在进行被跟踪设备100的定位时，定位器10需要不断向被跟踪设备100发送蓝牙定位信号11，被跟踪设备100依次切换当前活动的蓝牙天线111，通过各个蓝牙天线111接收的蓝牙定位信号11，由于信号到各个蓝牙天线111的距离不同，被跟踪设备100的接收阵列中的各个蓝牙天线111接收到的蓝牙定位信号11会存在相位差，进而可以基于该相位差以及相位干涉法原理计算定位器10发送的蓝牙定位信号11的到达角的估计值，结合定位器10和被跟踪设备100之间的距离，便可以实现被跟踪设备100的定位。

现有技术中，常见的到达角/离开角的计算方法包括：MUSIC算法、ESPRIT算法以及深度神经网络(DNN)算法，MUSIC算法和ESPRIT算法严重依赖于信号传输的准确性，当信号中存在噪声干扰时，其定位精准度将大大下降，且当数据量较大时，上述方法计算耗时，导致定位及时性较差；而基于深度神经网络算法的到达角/离开角计算方法，虽然能够有效减少计算复杂度，但是对于高角度的计算精度较低。

为了解决上述问题，即为了提供一种定位精度高且计算耗时短的定位方法，本申请提供的终端定位方法的主要构思为：通过解卷绕获取各个蓝牙天线接收的信号的相位，通过线性拟合算法，确定各个蓝牙天线的相位拟合关系，进而基于该相位拟合关系以及各个蓝牙天线接收的信号的相位偏移，对终端进行定位，计算耗时较小，且通过线性拟合的方式，大大提高了定位算法的抗干扰性。

图2为本申请一个实施例提供的终端定位方法的流程图。所述终端定位方法可以应用于终端，可以是任意一种需要进行定位或者需要对其他设备进行定位的终端，该终端可以是信号的发送端，也可以是信号的接收端，具体可以是移动终端、穿戴设备、计算机、电子标签、基站等，该终端包括蓝牙模块，该蓝牙模块由多个蓝牙天线组成，该多个蓝牙天线呈均匀线性分布。

如图2所示，本实施例提供的终端定位方法包括以下几个步骤：

步骤S201，获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位。

其中，定位信号可以是终端的各个蓝牙天线接收到的数据包中的IQ(In-phaseQuadrature，同相和正交)信号，包括幅值和相位。IQ数据指的是定位信号在横轴和纵轴上的投影，分别采用I值和Q值表示。I值为同相位的分量，代表向量在横轴上的投影，Q值为90°相移分量，代表向量在纵轴上的投影。I值和Q值这两个分量是正交的，相位相差90°，并且互不相干。

具体的，基站可以不断向终端广播定位信号，终端的各个蓝牙天线分别接收相应的定位信号。或者可以由终端的蓝牙模块的各个蓝牙天线不断向需要定位的其他终端发送定位信号。即终端可以作为定位信号的发送端，也可以作为定位信号的接收端。

由于IQ数据的相角是采用虚部与实部的比值而后求反正切得到的，其结果的取值范围限定在(-π，π)区间，因此当实际角度超过π之后，便会通过减去2π转化为(-π，0)区间，所以需要恢复其真实的相交，即通过其逆过程，解卷绕，来获取定位信号的真实的相角或相位。

步骤S202，基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系。

具体的，针对每个蓝牙天线，可以通过线性拟合算法，根据该蓝牙天线接收的定位信号的相位，得到该蓝牙天线的线性的相位拟合关系。该相位拟合关系用于描述蓝牙天线的定位信号的相位与其采样序列的对应关系。

步骤S203，基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端。

其中，相位偏移为定位信号由发送端至蓝牙天线所发送的相位的偏移量。

具体的，可以通过蓝牙天线的相位拟合关系得到蓝牙天线下一时刻的拟合相位，将拟合相位与其相位偏移的差值，确定为该蓝牙天线的相位差，进而基于该相位差进行终端定位。

可选地，基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端，包括：

基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，确定所述蓝牙模块的到达角或离开角；根据各个所述到达角或离开角，对所述终端进行定位。

具体的，可以根据蓝牙天线的相位拟合关系中的第一参数，即θ_i0，与其相位偏移的差值，确定该蓝牙天线的相位差，进而根据该相位差以及相位干涉原理，得到该蓝牙模块的到达角或离开角，进而基于该到达角或离开角，以及三角定位方法，对终端进行定位。

当终端作为定位信号的发送端时，所计算或者得到的是蓝牙模块的离开角，当终端作为定位信号的接收端时，所计算或得到的是蓝牙模块的到达角。

进一步地，可以根据每个蓝牙天线的相位差，计算得出该蓝牙天线对应的到达角或离开角，进而基于各个蓝牙天线的到达角或离开角，确定蓝牙模块的到达角或离开角，即终端发送的定位信号或者终端接受的定位信号的离开角或到达角。

示例性的，可以通过各个蓝牙天线的到达角的平均值或者加权平均值，确定蓝牙模块的到达角，相应的，可以通过各个蓝牙天线的离开角的平均值或加权平均值，确定蓝牙模块的离开角。

本申请提供的终端定位方法可以应用于实时定位系统(Real Time LocationSystems，RTLS)、物品追踪等场景。

本申请实施例提供的终端定位方法，针对包括由多个蓝牙天线组成的蓝牙模块的终端，通过各个蓝牙天线的定位信号的相位以及线性拟合算法，确定各个蓝牙天线的相位拟合关系，进而基于各个相位拟合关系以及各个蓝牙天线的相位偏移，对终端进行定位，通过线性拟合，提高了定位方法的抗干扰性，同时，基于线性拟合的定位方式，定位速度快，提高了终端定位的精度和及时性。

图3为本申请另一个实施例提供的终端定位方法的流程图，如图3所示，本实施例提供的终端定位方法是在图2所示实施例提供的终端定位方法的基础上，对步骤S202和S203进行了细化，本实施例提供的终端定位方法可以包括以下几个步骤：

步骤S301，获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位。

进一步地，在得到各个蓝牙天线的定位信号的相位之后，还可以对各个蓝牙天线的相位以及采样序列进行归一化操作，其中，采样序列为采集相位对应的序列号。

步骤S302，针对每个蓝牙天线，获取所述蓝牙天线的相位拟合关系的迭代次数和学习速率，并初始化所述蓝牙天线的相位拟合关系的第一参数和第二参数。

具体的，迭代次数和学习速率可以根据经验值设定，如迭代次数为1000，学习速率为0.002。通过设置迭代次数和学习速率，可以通过逐次迭代不断修正第一参数和第二参数，从而使得相位拟合关系逐渐逼近真实的相位与采样序列的关系。

具体的，该相位拟合关系为：

h_i(x)＝θ_i，0+θ_i，1x_i

其中，θ_i，0为第i个蓝牙天线的相位拟合关系的第一参数，θ_i，1为第i个蓝牙天线的相位拟合关系的第二参数，x_i为第i个蓝牙天线的各个蓝牙信号的采样序列，h_i(x)为第i个蓝牙天线的拟合相位。

在相位拟合关系初始化时，其第一参数和第二参数的初始值可以是设定的任意值，如第一参数的初始值为0.5，第二参数的初始值为0.5。

步骤S303，基于梯度下降法、迭代次数和学习速率，对所述蓝牙天线的相位拟合关系进行迭代，并确定使得预设代价函数最小的第一参数和第二参数。

其中，预设代价函数是用于评估相位拟合关系与真实相位关系的误差的函数，可以是误差平方的相关函数，当然也可以采用其他形式的代价函数。

示例性的，预设代价函数的表达式可以为：

其中，n为迭代次数，J(·)为预设代价函数，y_i为第i个蓝牙天线的定位信号的真实的相位，h_i(x)为第i个蓝牙天线的定位信号的拟合的相位。

具体的，可以采用梯度下降算法来计算使得预设代价函数最小值时的第一参数θ_i，0和第二参数θ_i，1，从而得到相位拟合关系。具体过程为：假设第一参数θ_i，0和第二参数θ_i，1的初始值

和

其中，上角标表示迭代次数，经过m次迭代之后，其中m＜n，

和

的关系式如下：

预设代价函数的偏导的表达式为：

其中，α为学习速率。

通过上述下降梯度算法，可以得到各个蓝牙天线的相位拟合关系。通过设置合理的迭代次数和学习速率，加快相位拟合关系的确定过程，提高相位拟合关系的准确度。

步骤S304，基于所述相位拟合关系，确定当前的蓝牙天线和下一蓝牙天线的拟合相位差。

其中，拟合相位差可以的当前的蓝牙天线的拟合相位和下一蓝牙天线的拟合相位的差值。

可选地，当前的蓝牙天线和下一蓝牙天线的拟合相位差为当前的蓝牙天线的相位拟合关系的第一参数与下一蓝牙天线的相位拟合关系的第一参数的差值。即第i个蓝牙天线的拟合相位差为：θ_i+1，0-θ_i，0。

步骤S305、针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差。

其中，信号相位差即为用于计算到达角或者离开角的最终的相位差。

示例性的，以蓝牙模块包括3个蓝牙天线为例进行说明，即天线1、天线2和天线3。首先，对天线1、天线2和天线3的IQ数据的相位进行解卷绕；进而对各天线的采用序号和相位进行归一化操作；确定各天线的相位拟合关系，即通过梯度下降算法逐次迭代，得到使得预设代价函数值最小的第一参数和第二参数；分别计算天线1相对天线2的拟合相位差，以及天线2相对天线3的拟合相位差，该拟合相位差即两个天线的相位拟合关系的第一参数的差值；进而将各蓝牙天线的拟合相位差减去其自身的相位偏移即可得到最终的相位差，即上述信号相位差。

通过线性拟合以及下降梯度算法计算相位差，减少了蓝牙天线采样时异常数据的干扰，提高了到达角/离开角计算的准确程度和稳定性。

步骤S306，根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

具体的，可以根据各个蓝牙天线的信号相位差，以及相位干涉原理，便可以计算出各个蓝牙天线对应的到达角或离开角，从而得到蓝牙模块的到达角或离开角。

可选地，图4为本申请图3所示实施例中步骤S306的流程图，如图4所示，步骤S306包括以下步骤：

步骤S3061，获取所述蓝牙模块的多元线性回归模型。

其中，多元线性回归模型是用于根据相位拟合关系计算的信号相位差，计算到达角或离开角的模型。

可选地，所述多元线性回归模型g(·)的表达式为：

其中，θ′₀为预设角度补偿值，x′_i为第i个蓝牙天线对应的信号相位差，i＝1，2，…，m-1，m为所述蓝牙天线的总数量，θ′_i为x′_i的权重系数。

具体的，可以通过线下或者线上的形式对多元线性回归模型进行训练，训练时所采用的离开角或到达角可以通过终端所处方位所标记的角度得到。

进一步，多元线性回归模型的训练过程包括：采集训练集数据，基于预设学习算法对初始化后的多元线性回归模型进行训练，从而得到训练好的多元线性回归模型，以通过该训练好的多元线性归回模型输入各个蓝牙天线的信号相位差，输出相应的到达角或离开角。

步骤S3062，基于所述多元线性回归模型以及各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

具体的，将各个蓝牙天线的信号相位差输入该多元线性回归模型，便可以得到终端的蓝牙模块的到达角或离开角。

利用不同的蓝牙天线与入射信号相对位置存在差异这一现象，通过设计多元线性回归模型，确定各个蓝牙天线的权重系数，从而提高了到达角/离开角的计算精度。

进一步地，由于当到达角或离开角位于特定区间时，如40°至60°区间，其分辨率将大幅度下降，会存在部分角度不易区分的问题。如真实的到达角为40°时，通过上述方法计算所得的到达角可能会波动至45°，甚至50°。从而导致定位失准，因此，当通过上述步骤所得到的到达角或离开角位于该特定区间时，还需要对到达角或离开角进行进一步修正，以提高计算精度。

可选地，在确定所述蓝牙模块的到达角或离开角之后，当所述到达角或所述离开角位于预设范围时，如到达角位于40°到60°之间，所述方法还包括：

基于训练好的决策树分类模型，对所述到达角和/或所述离开角进行修正，以得到最终到达角和/或最终离开角；根据所述最终到达角和/或最终离开角，对所述终端进行定位。

其中，决策树分类模型可以是基于C4.5算法的决策树分类模型，以进行角度校正。该决策树分类模型的划分属性可以包括蓝牙天线的天线标识、蓝牙模块的信道、各个蓝牙天线的信号相位差、各个第一到达角/第一离开角以及第二到达角/第二离开角中的若干项。第一到达角/第一离开角为基于各个蓝牙天线的信号相位差计算的各个蓝牙天线的到达角/离开角，第二到达角/第二离开角为多元线性回归模型输出的到达角/离开角。

可选地，所述决策树分类模型的训练过程包括：

采集到达角或离开角位于预设范围的定位原始数据；将所述定位原始数据划分为训练集和验证集；初始化决策树分类模型，并基于所述训练集对所述决策树分类模型进行训练；基于所述验证集对训练后的所述决策树分类模型进行后剪枝，得到训练好的所述决策树分类模型。

具体的，训练集中的划分属性均为连续属性，可以通过上述线性拟合算法以及多元线性回归模型，得到各个定位原始数据对应的各个蓝牙天线的信号相位差和蓝牙模块的到达角/离开角，从而得到训练集和验证集。从而基于C4.5算法、训练集和验证集，完成对预设范围的各个角度的分类。

示例性的，假设蓝牙模块包括40个信道，其序号CHANNEL表示为0～39，包括3个蓝牙天线，天线1、天线2和天线3，天线1和天线2的信号相位差采用PHASE0表示，天线2和天线3的信号相位差采用PHASE1表示，到达角采用AOA表示，所需分类的角度为40°、45°、50°和60°四种角度。其对应的决策树分类模型的主要判定规则为：当到达角AOA＜40.5°且CHANNEL＜11时，判定AOA为40°；当AOA＜34.5°且11≤CHANNEL＜14时，判定AOA为45°；当AOA≥47.5°，且CHANNEL＜10，PHASE0≥64.4°以及PHASE1≥50.5°时，判定AOA为50°；当AOA≥59.5°，且PHASE0≥64.4°时，判定AOA为60°。

步骤S307，根据所述到达角或离开角，对所述终端进行定位。

进一步地，在得到终端的位置之后，还可以根据终端位置生成提示信号，以便于快速查找终端，或者为终端提供导航路线等应用。

本实施例中，通过线性拟合算法，来确定各个蓝牙天线的拟合相位，减少了由于异常数据对角度计算的影响，提高了抗干扰性；通过相位拟合关系确定相位差，并基于多元线性回归算法，基于各个蓝牙天线的相位差，计算离开角和到达角，角度计算精度高，且计算耗时较少，提高了终端定位的及时性和精度；并且当判断该离开角或到达角位于预设范围时，采用基于C4.5算法的决策树分类模型对角度进行校正，进一步提高了角度计算的精度，从而进一步提高了终端定位的精度。

图5为本申请一个实施例提供的终端定位装置的结构示意图，如图5所示，本实施例提供的终端定位装置包括：相位获取模块510、相位拟合模块520和终端定位模块530。

其中，相位获取模块510，用于获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；相位拟合模块520，用于基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系；终端定位模块530，用于基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，定位所述终端。

可选地，终端定位模块530，包括：

到达角确定单元，用于基于各个所述蓝牙天线的相位拟合关系以及各个所述蓝牙天线的定位信号的相位偏移，确定所述蓝牙模块的到达角或离开角；终端定位单元，用于根据各个所述到达角或离开角，对所述终端进行定位。

可选地，到达角确定单元，包括：

拟合相位差确定子单元，用于基于所述相位拟合关系，确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；信号相位差确定子单元，用于针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；到达角确定子单元，用于根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

可选地，到达角确定子单元，具体用于：

获取所述蓝牙模块的多元线性回归模型；基于所述多元线性回归模型以及各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

可选地，所述相位拟合关系包括第一参数和第二参数，相位拟合模块520，具体用于：

针对每个蓝牙天线，获取所述蓝牙天线的相位拟合关系的迭代次数和学习速率，并初始化所述蓝牙天线的相位拟合关系的第一参数和第二参数；基于梯度下降法、迭代次数和学习速率，对所述蓝牙天线的相位拟合关系进行迭代，并确定使得预设代价函数最小的第一参数和第二参数。

可选地，当所述到达角或所述离开角位于预设范围时，所述装置还包括：

角度修正模块，用于基于训练好的决策树分类模型，对所述到达角和/或所述离开角进行修正，以得到最终到达角和/或最终离开角。

相应的，终端定位模块530，具体用于：

根据所述最终到达角和/或最终离开角，对所述终端进行定位。

可选地，所述装置还包括：

决策树训练模块，用于采集到达角或离开角位于预设范围的定位原始数据；将所述定位原始数据划分为训练集和验证集；初始化决策树分类模型，并基于所述训练集对所述决策树分类模型进行训练；基于所述验证集对训练后的所述决策树分类模型进行后剪枝，得到训练好的所述决策树分类模型。

本申请实施例所提供的终端定位装置可执行本申请任意实施例所提供的终端定位方法，具备执行方法相应的功能模块和有益效果。

图6为本申请一个实施例提供的终端的结构示意图，如图6所示，该图像形成装置包括：存储器610和至少一个处理器620。

其中，计算机程序存储在存储器610中，并被配置为由处理器620执行以实现本申请图2-图4所对应的实施例中任意一个实施例提供的终端定位方法。

其中，存储器610和处理器620通过总线630连接。

相关说明可以对应参见图2-图4的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。

本申请一个实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行以实现本申请图2-图4所对应的实施例中任一实施例提供的终端定位方法。

其中，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本申请一个实施例提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行以实现本申请图2-图4所对应的实施例中任一实施例提供的终端定位方法。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (14)

1.一种蓝牙定位终端，其特征在于，包括蓝牙模块、存储器和至少一个处理器；所述蓝牙模块包括多个蓝牙天线；

所述存储器和所述处理器通过总线连接，所述存储器存储有计算机执行指令；

所述至少一个处理器用于执行所述计算机执行指令，以实现以下步骤：

所述处理器获取所述终端的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；

基于线性拟合算法，所述处理器确定各个所述蓝牙天线的定位信号的相位拟合关系；

基于所述相位拟合关系，所述处理器确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；

针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；所述相位偏移为定位信号由发送端至蓝牙天线所发送的相位的偏移量；

根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角；

根据所述到达角或离开角，对所述蓝牙定位终端进行定位。

2.根据权利要求1所述的终端，其特征在于，所述多个蓝牙天线呈均匀线性分布。

3.根据权利要求1所述的终端，其特征在于，根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角，包括：

获取所述蓝牙模块的多元线性回归模型；

基于所述多元线性回归模型以及各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

4.根据权利要求3所述的终端，其特征在于，所述相位拟合关系包括第一参数和第二参数，基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系，包括：

针对每个蓝牙天线，获取所述蓝牙天线的相位拟合关系的迭代次数和学习速率，并初始化所述蓝牙天线的相位拟合关系的第一参数和第二参数，其中，所述相位拟合关系为线性拟合关系；

基于梯度下降法、迭代次数和学习速率，对所述蓝牙天线的相位拟合关系进行迭代，并确定使得预设代价函数最小的第一参数和第二参数。

5.根据权利要求4所述的终端，其特征在于，当前的蓝牙天线和下一蓝牙天线的拟合相位差为当前的蓝牙天线的相位拟合关系的第一参数与下一蓝牙天线的相位拟合关系的第一参数的差值。

6.根据权利要求1-5任一项所述的终端，其特征在于，所述处理器还用于：

当所述到达角或所述离开角位于预设范围时，基于训练好的决策树分类模型，对所述到达角和/或所述离开角进行修正，以得到最终到达角和/或最终离开角；

根据所述最终到达角和/或最终离开角，对所述蓝牙定位终端进行定位。

7.根据权利要求6所述的终端，其特征在于，所述处理器还用于训练所述决策树分类模型，所述决策树分类模型的训练过程包括：

采集到达角或离开角位于预设范围的定位原始数据；

将所述定位原始数据划分为训练集和验证集；

初始化决策树分类模型，并基于所述训练集对所述决策树分类模型进行训练；

基于所述验证集对训练后的所述决策树分类模型进行后剪枝，得到训练好的所述决策树分类模型。

8.一种蓝牙定位系统，其特征在于，包括被跟踪设备和定位器；

所述被跟踪设备的蓝牙模块包括多个蓝牙天线；

所述定位器用于向所述被跟踪设备发送定位信号；

所述被跟踪设备的各个蓝牙天线接收所述定位信号；

定位器还获取所述被跟踪设备的各个蓝牙天线的定位信号，并对各个所述蓝牙天线的定位信号进行解卷绕，以获取各个所述蓝牙天线的所述定位信号的相位；

基于线性拟合算法，定位器确定各个所述蓝牙天线的定位信号的相位拟合关系；

基于所述相位拟合关系，定位器确定当前的蓝牙天线和下一蓝牙天线的拟合相位差；

针对每个蓝牙天线，将所述蓝牙天线对应的拟合相位差与所述蓝牙天线的定位信号的相位偏移的差值，确定为所述蓝牙天线的定位信号的信号相位差；所述相位偏移为定位信号由发送端至蓝牙天线所发送的相位的偏移量；

根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角；

根据所述到达角或离开角，对所述被跟踪设备进行定位。

9.根据权利要求8所述的系统，其特征在于，所述被跟踪设备的多个蓝牙天线呈均匀线性分布。

10.根据权利要求8所述的系统，其特征在于，根据各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角，包括：

获取所述蓝牙模块的多元线性回归模型；

基于所述多元线性回归模型以及各个所述蓝牙天线对应的信号相位差，确定所述蓝牙模块的到达角或离开角。

11.根据权利要求10所述的系统，其特征在于，所述相位拟合关系包括第一参数和第二参数，基于线性拟合算法，确定各个所述蓝牙天线的定位信号的相位拟合关系，包括：

针对每个蓝牙天线，获取所述蓝牙天线的相位拟合关系的迭代次数和学习速率，并初始化所述蓝牙天线的相位拟合关系的第一参数和第二参数，其中，所述相位拟合关系为线性拟合关系；

基于梯度下降法、迭代次数和学习速率，对所述蓝牙天线的相位拟合关系进行迭代，并确定使得预设代价函数最小的第一参数和第二参数。

12.根据权利要求11所述的系统，其特征在于，当前的蓝牙天线和下一蓝牙天线的拟合相位差为当前的蓝牙天线的相位拟合关系的第一参数与下一蓝牙天线的相位拟合关系的第一参数的差值。

13.根据权利要求8-12任一项所述的系统，其特征在于，所述定位器还用于：

当所述到达角或所述离开角位于预设范围时，基于训练好的决策树分类模型，对所述到达角和/或所述离开角进行修正，以得到最终到达角和/或最终离开角；

根据所述最终到达角和/或最终离开角，对所述被跟踪设备进行定位。

14.根据权利要求13所述的系统，其特征在于，所述定位器还用于训练所述决策树分类模型，所述决策树分类模型的训练过程包括：

采集到达角或离开角位于预设范围的定位原始数据；

将所述定位原始数据划分为训练集和验证集；

初始化决策树分类模型，并基于所述训练集对所述决策树分类模型进行训练；

基于所述验证集对训练后的所述决策树分类模型进行后剪枝，得到训练好的所述决策树分类模型。

Images