【《蓝牙定位技术和相关算法概述》2600字】

6蓝牙定位技术和相关算法概述目录TOC\o"1-3"\h\u253蓝牙定位技术和相关算法概述 1327341.1蓝牙技术 11901.2基于三边定位的计算方式 121781.3基于RSSI的测距模型 323641.4对RSSI值的预处理——卡尔曼滤波 61.1蓝牙技术蓝牙技术发展如毛竹后期生长速度，十多年的时间就从传统蓝牙发展到现在热议不断的低功耗蓝牙技术，在低功耗模式下传输数据包还可以达到速度更快、距离更远，符合现代社会快节奏、高效益的发展模式。低功耗、低成本、较远距离传输、应用普及等优势，成就了蓝牙技术在物联网的娴熟应用，也促进了它在室内定位领域的高速发展和稳固地位[[]冯文森.基于低功耗蓝牙的室内定位算法研究及系统实现[]冯文森.基于低功耗蓝牙的室内定位算法研究及系统实现[D].电子科技大学,2018.蓝牙工作频段为1.4GHz，现信号传输距离可以达到30m左右，属于一种无线通信技术。客户端可以扫描、捕获蓝牙的信号强度，然后通过某种具体映射关系计算得出目标的估计距离。现在市场上的蓝牙设备体积小、方便快捷、使用广泛，可以进行通信、定位等功能，深受人们喜爱。但有一个不可忽略的客观因素是在定位技术方面，稳定性在一些复杂的环境中表现得没有那么乐观，特别容易受到噪音、多径效应、障碍物的影响，这也是蓝牙定位技术发展的限制因素[[]周秩宇.基于低功耗蓝牙的优化[]周秩宇.基于低功耗蓝牙的优化RBF神经网络室内定位算法研究[D].桂林理工大学,2020.1.2基于三边定位的计算方式定位算法不同，结果也会不一样。本文选取的定位方法从成本和开销的考虑出发，又因为较小的数据量和交互信息量有利于提高定位算法的稳定性、可靠性和迅速性，所以采用了计算过程相对简单又高效率的三边定位法，其定位精度也足够满足人们日常生活需求。本文采用三边定位法来计算估计位置坐标，蓝牙信标作为信号发射源O，周边三个参考节点距离信号发射源O的距离作为半径、以各自为圆心画出三个圆，三圆相交求取交点，便是求得蓝牙信标的位置信息[[]汪国庆.基于RSSI的无线传感器网络室内定位算法设计与优化[]汪国庆.基于RSSI的无线传感器网络室内定位算法设计与优化[D].合肥工业大学,2018.图2-1三边定位法示意图三个圆的圆心a、b、c为蓝牙网关的已知的位置坐标，定位试验点O的坐标为所求的位置坐标，、、分别代表三个参考节点到信号发射源O之间的距离，计算公式如下[NOTEREF_Ref7207\h12]：（2-1）（2-2）解方程就可以计算出点O的坐标。但由于噪声的干扰，大多数情况下三圆不会恰好只相交于一点，还会出现以下几种情况，如图2-2[[]杨赫男.基于Wi-Fi的服务端室内定位系统的设计与实现[D].中山大学,2015.]。[]杨赫男.基于Wi-Fi的服务端室内定位系统的设计与实现[D].中山大学,2015.图2-2大多数情况下节点位置几何关系图（a）中，三圆交集产生一个公共部分，如图连接交点D、E、F作三角形，选取三角形DEF的质心作为目标位置；图（b）中三圆交集为空时，选取两圆相交点连线的中点，可以得到G、H、I三个点，作GHI三角形，找出质心作为目标位置；图（c）中，同样找出两圆交点连线的中点J、K，选取JK线段的中点作为目标位置；图（d）中，连接两圆交点作RL线段，选取其中点作为目标位置；图（e）中，三圆没有任何相交部分，直接选取半径最小的圆上任意一点作为目标位置[NOTEREF_Ref19308\h13]。基于以上的算法，实际应用中可以设置多个参考节点和信标，增加组合方法，可以达到优化效果[NOTEREF_Ref12256\h8]。图2-3三边定位仿真1.3基于RSSI的测距模型RSSI指信号强度指示，其测距模型实际上是利用信号随距离衰减的关系原理，将采集到的RSSI值根据映射关系转化为相应距离。当然这种关系也根据环境的复杂性而变化，一般我们采用的测距模型比较简单，结合了对数常态模型，如公式2-3[NOTEREF_Ref26990\h4]；（2-3）距离公式可以转化为2-4；（2-4）其中，表示无限电损耗系数；代表起点信号强度；RSSI表示距离信号发射源为处的信号强度。图2-4RSSI随传播距离的变化公式（2-3）和（2-4）和图2-2都反映了RSSI值和传播距离之间的映射关系。从图中可以大致分析出，当传播距离小于8m（较短）时，（信号衰减变化）比较大；当传播距离8m（较长）时，较小；随着距离的越来越远，信号强度曲线趋近平缓，接近等于零，对距离变化表现得越来越“麻木”。由此可以得到，传播距离越小，接收到的信号强度就越大，对距离的变化感知越敏锐，基于RSSI的定位也就越可靠。根据本次仿真实验环境为教学楼大厅，参数取值区间为[-64.2，-45.5]，的取值区间为[1.6，3.8][NOTEREF_Ref26990\h4]。图2-5控制A=-50、多组n数据的RSSI传播模型图2-6控制n=3、多组A数据的RSSI传播模型模型参数会因环境的变化而改变，选择的A、n赋值都会影响计算结果。图2-3中，控制A不变的情况下，信号衰减速度与n呈正关系，即n越大，衰减得越快，反之亦然；图2-4中，控制n不变的情况下，同样可以看出信号在最近距离变化最大，越往后变化越趋向于零。另外，目标节点的高度、不同的布局都会引起RSSI的变化，因此，一般采用引入环境因素的方式来减少干扰、确保定位的可靠性，使和达到优化值；或者采用卡尔曼滤波、高斯模型等一些滤波模型来展现信号强度分布规律。一般的，电磁波属性的信号沿直线传播，距离过长时会发生路径损耗，且遇到障碍物时容易发生反射、衍射、被吸收等现象，或者会进入另外一种传播介质发生折射，另外还会受到其它同1.4GHz频率无线电信号（比如Wi-Fi）的干扰，所以测量信号和计算距离的准确度都会受到影响，这也是室内定位系统推广路上的阻碍[NOTEREF_Ref14185\h6]。为了满足大众需求，各位研究者还在技术和算法的研究上勇往直前，提出更多理想型方案。1.4对RSSI值的预处理——卡尔曼滤波考虑到信号在实验中受到诸多环境因素的影响，使收集到的RSSI数据不太理想，将会影响实验结果的准确度，因此在数据用来计算位置坐标之前需要做预处理。通常在前人的成就基础上设计滤波器处理实验数据，以此来保障定位系统的准确性。卡尔曼滤波最出色的功能是递推预测。它是属于线性系统状态方程，基于概率论和最小方差，总结出对每个时刻的系统扰动和观测误差的统计性质，然后去推测下一时刻的状态，获得最优估计[NOTEREF_Ref14185\h4]。卡尔曼滤波状态方程：（2-5）下一刻状态的预测是基于当前这一时刻的状态和控制变量来得出的。观测方程：（2-6）观测方式是现在时刻的量测信息，是观测噪声。滤波过程如下：（1）卡尔曼滤波时间更新（预测）向前推算状态向量：（2-7）向前推算误差协方差：（2-8）（2）卡尔曼滤波测量更新（校正）卡尔曼增益：（2-9）观测变量更新估计：（2-10）更新测量误差：（2-11）现利用数学软件MATLAB仿真设计卡尔曼滤波器来测试数据，利用randn()创建一个服从正态分布的随机矩阵，滤波设计仿真图形如图2-7所示。图2-7卡尔曼滤波仿真效果图图中，绿色曲线为x的实际观察值，蓝牙圆点曲线是x的预测值，红色叉点曲线表示x的