基于机器学习与蓝牙RSSI的室内定位技术研究

对一种基于蓝牙RSSI(received signal strength indicator)结合机器学习算法的室内定位技术进行了研究。以蓝牙低功耗信标作为发射节点，接收移动节点的RSSI信号，通过三坐标测算技术，结合k近邻（k-nearest neighbor, k-NN）机器学习算法，参考已知信标节点对移动节点RSSI数据进行分类，估算出待测点坐标，从而定位室内用户位置。所研究的室内定位技术，综合运用了蓝牙低功耗信号处理、RSSI测距及机器学习等多种技术，能精确地用于各种静态或动态的应用室内定位场景。在某高校图书馆室内部署本文技术方案，测试结果表明机器学习结合蓝牙RSSI的室内定位精度相比传统定位方法得到提高。     

基于聚类分析优化的距离修正室内定位算法

基于接收信号强度RSSI的定位系统易受环境影响,提出一种基于聚类算法分析的高斯混合滤波的RSSI信号处理优化策略,通过优化接收信号强度及距离修正的四边质心定位算法对未知节点进行精确室内定位,使用蓝牙4.0信标节点进行实地实验。实验结果表明,该算法可以有效提高测距精度,改善系统的定位精度,比传统加权质心算法的定位精度提高了34.6%,且定位平均误差不超过0.5m,可满足室内定位精度要求。     

基于蓝牙技术融合混合滤波与神经网络的室内测距方法

为了解决用户在基于蓝牙技术的室内测距定位中,接收信号强度指示（RSSI）数据存在采样值波动和不稳定问题,提出了一种改进的融合混合滤波与多隐藏层神经网络的室内测距方法,通过结合各类单一滤波算法的优点,使用加权的混合滤波算法有效平滑了数据,并引入机器学习算法中的多隐藏层神经网络来构建RSSI和锚节点到信号接收器距离的非线性映射关系。此外,还搭建了基于CC2640R2F的锚节点和以手机作为蓝牙接收器的验证平台,对提出的测距方法进行验证。理论分析与实验结果表明,所提出的室内测距方法的测距结果平均误差约为0.13 m,可以有效降低测距误差,具有易于布设、功耗低、成本低等特点,在提高室内定位的稳定性和精准度等方面具有较高的应用价值。     

复杂环境下蓝牙定位模型优化方法研究

社会经济以及移动网络技术的快速发展,使得室内定位需求大幅度增长。但是,建筑结构等因素导致普遍使用的全球定位系统GPS在室内定位中性能急剧下降,不能很好满足室内定位的需要。针对各类复杂室内环境,提出了基于环境参数校准的自适应信号强度优化算法。从理论上分析了高斯滤波的性能,使用蓝牙4.0技术,以锚节点作为参考节点,采用均值滤波和高斯滤波优化RSSI值校准基准信号,运用线性规划实时、动态估算环境衰减系数,分析了改进基准信号模型和改进衰减系统模型的性能,最后获得信号传输综合优化模型。使用计算机仿真及实验方式对算法进行了研究,实验结果表明,在复杂办公室环境下,定位误差绝对值小于1dbm,定位误差小于2%,能够较好地满足室内定位的需求。     

一种基于蓝牙信标的室内定位系统

针对室内定位与导航服务的应用需求,使用蓝牙信标节点,构建了一种米级室内定位系统.设计了一种基于CC2540F256的蓝牙4.0信标节点,采用优化均匀部署方法完成信标的布设,在此基础上配置信标BLE协议栈进行位置标识;在安卓平台下搭建定位终端,利用三角质心定位方法实现位置估计.该系统在传统RSSI定位方法的基础上,加入阶段去噪与平滑滤波过程,用于提高测距准确度和稳定性.在实验室楼道测试环境下,平均定位精度可达1.5m,具有布设方便、功耗低和绿色环保的特点.     

一种基于RSSI的贝叶斯室内定位算法

为提高室内定位系统中基于接收信号强度指示(RSSI)的定位精度,提出一种基于RSSI的贝叶斯室内定位算法。在对RSSI信号进行高斯滤波预处理后,利用三角形质心算法计算未知节点的初始坐标,对该初始坐标进行贝叶斯滤波处理,得到更加准确的坐标。实验结果表明,该算法能降低定位误差,定位精度可达98%。     

一种融合RSSI和AOA定位算法的智能蓝牙防丢器

目前的蓝牙防丢器多半通过检测RSSI(信号指示强度)的方式判断距离,超出设定距离则报警,但此方法无法确定信号的方向来源.本文设计了 一种混合RSSI和AOA定位算法的智能蓝牙定位防丢器,在进行RSSI检测距离的基础上,融合AOA(到达角度测距)算法获取方向信息,最终计算出设备的准确距离、方向信息,同时可以利用多个防丢器构成"电子围栏".     

基于蓝牙指纹定位的智能钥匙扣设计

为了解决生活中经常找不到钥匙的问题,设计基于STM32及蓝牙定位技术的智能钥匙扣.智能钥匙扣设计采用STM32作为主控芯片,结合GPS模块和蓝牙模块实现钥匙扣查找功能.使用基于蓝牙指纹的接收信号强度指示(RSSI)定位算法实现在室内或近距离情境下对钥匙扣的精确定位.同时支持一键报警功能,保证老人和小孩的安全.通过近场通...     

基于RSSI的自适应分段曲线拟合室内定位算法

针对室内环境因素对定位结果影响较大的情况,提出了一种基于接收信号强度指示（ RSSI）的自适应分段曲线拟合定位算法来提高室内定位的精度。在对原始RSSI数据预先进行高斯滤波处理的基础上,针对环境参数利用自适应分段曲线拟合的方法建立信号传播模型,最后采用最小二乘法计算出未知节点的坐标。实验结果表明：提出的算法定位精度更高,定位结果更稳定可靠,能够适应不同的室内环境。     

基于RSSI信号特征的室内分区指纹定位算法

为提高室内定位精度和算法效率,提出基于RSSI信号特征的分区指纹定位算法。在离线阶段,区别于传统的使用RSSI信号构建离线指纹库的方法,设计使用RSSI信号衰减率建立离线指纹库;在在线定位阶段,针对使用欧式距离进行相似度计算时,容易出现两个点RSSI信号欧式距离较近而物理距离较远的情况,提出使用RSSI信号衰减率进行子区域划分,引入SSD的思想使用二级指纹进行精确定位。通过实验验证了该算法的适应性与有效性。     

基于不同发射功率的室内定位算法优化

在无线传感网络室内定位中,节点的发射功率不同会降低基于对数-正态模型的定位算法的定位精度。针对这一问题,基于真实室内环境下RSSI值的变化,提出了一种基于不同发射功率的室内定位优化算法。该算法通过确定最小动态区域,对RSSI测距方法进行优化,降低不同发射功率带来影响。仿真和实验结果证明,提出的新算法在参与定位的信标节点发射功率不一致的情况下,达到了信标节点发射功率一致情况下的定位精度。     

基于低功耗蓝牙的室内定位技术研究

针对室内定位与导航服务的迫切需求,使用iBeacon信标节点,设计了一种基于低功耗蓝牙的室内定位系统.采用接收信号强度模型进行测距,对信号强度进行了滤波处理,用于增强稳定性.室内电磁波衰减模型选择对数常态模型,定位算法采用LANDMARC系统定位算法.研究结果表明:本文的定位方案在15 m×5.4 m的室内环境下,定位误差小于2.5m,具有布设简单、低功耗和绿色环保的特点.     

基于RSSI的WiFi指纹定位数据融合算法研究

目前已有的位置指纹室内定位算法大多都是建立在原始指纹数据库的基础上,指纹数据库的建立精度会直接影响到最后的定位精度,因此在基于WiFi的定位技术中,对接收信号强度(received signal strength indication,RSSI)的稳定性要求比较高。通过对指纹数据的研究,提出了一种基于高斯核函数融合卡尔曼滤波对数据进行预处理的方法。实验证明,该融合算法能有效剔除RSSI指纹数据中的突变数据和噪声波动,实现RSSI值的准确、平滑输出,从而建立准确的指纹数据库,使后期的定位结果更加精确。     

基于RSSI的室内测距模型优化技术

由于室内环境下基于接收信号强度指示(RSSI)的测距技术存在非视距和多径传输的影响,测距误差比较大.为了降低信号传播过程中受到干扰的程度,通过调节节点功率、将节点放置在较高位置以减少人流对信号的影响,并采用多重滤波算法对采集的RSSI进行数据滤波处理,得到RSSI值的准确、平滑输出,采用最小二乘法多次对信号衰减模型的参数进行拟合,得到满足具体环境的参数值,通过测距模型进行实时测距.通过低功耗、远距离的蓝牙4.0模块组建收发节点进行验证分析.实验结果表明:该改进方案不仅明显提高了室内测距模型的准确度,且在实际应用的推广具有很高的参考价值.     

基于双重匹配位置指纹的室内停车场定位方法

为了提高室内停车场的寻车效率,提出了一种基于双重匹配位置指纹的室内停车场定位方法.该方法在加权K邻近算法基础上,利用RSSI值得出用户坐标,融合数据过滤算法与格点对应算法,以降低算法的定位误差,并采用双重数据库方法提高定位效率.实验采用均方根误差与累积分布函数两种指标对比了WKNN算法、过滤WKNN算法、格点WKNN算法与本文算法,实验结果表明本文算法具有较高的定位精度.     

无线传感器网络煤矿井下RSSI自适应定位算法

通过对无线信号传播模型进行有效分析,发现路径衰减指数取值的固定性是导致测距误差的主要原因之一。在传统接收信号强度指示(RSSI)定位算法基础上,结合煤矿井下巷道环境特征,提出一种自适应RSSI三角质心定位算法,算法通过动态计算信标节点到盲节点的路径损耗指数,从而提高了测距算法对环境的适应性,算法结合巷道环境特征和信标节点到盲节点的距离公式,对两圆相交的情况进行讨论,最终计算出盲节点的有效坐标。仿真实验表明:巷道宽度在一定范围内(5~15 m),定位误差平均值均小于0.5 m,定位误差小于1 m的概率均高达90%以上,具有较高的定位精度。