張 偉

（1.北京奇虎科技有限公司360未來安全研究院，北京 100015；2.揚(yáng)州大學(xué) 信息工程學(xué)院，江蘇 揚(yáng)州 225001）

0 引 言

隨著便攜式智能設(shè)備的廣泛普及，人們可以通過便攜式設(shè)備獲取個人定位及目標(biāo)物體（車輛、商品、包裹等）的位置信息。然而，相較室外定位技術(shù)發(fā)展的成熟，室內(nèi)定位技術(shù)一直處于欠發(fā)展的階段。從目前來看，室內(nèi)定位技術(shù)的多樣性不能與定位算法的優(yōu)點(diǎn)有效結(jié)合起來，還存在較多問題，例如功耗低但實(shí)現(xiàn)過于復(fù)雜等。

本文采用基于BLE接收信號強(qiáng)度指示的位置指紋定位法與最小二乘法相融合的方式來實(shí)現(xiàn)室內(nèi)定位（本文命名為“F-LS方法”），并通過構(gòu)建的定位系統(tǒng)驗(yàn)證了該融合算法，能夠提高定位精度，也較容易實(shí)現(xiàn)。

1 定位方法

根據(jù)實(shí)際定位場景下的具體環(huán)境，目前的定位方法一般包括位置估計(jì)和位置跟蹤兩大類，并且都包含物理測量、數(shù)據(jù)預(yù)處理、算法選擇三個環(huán)節(jié)，如圖1所示。本文所提出的測距定位方法中，物理測量采用基于BLE接收信號強(qiáng)度的測量及數(shù)值優(yōu)化方法實(shí)現(xiàn)，數(shù)據(jù)預(yù)處理和算法選擇是本文的核心。

圖1 定位實(shí)現(xiàn)流程

1.1 最小二乘定位

最小二乘定位通過最小化誤差的平方和來尋找數(shù)據(jù)的最佳匹配，從而達(dá)到優(yōu)化結(jié)果的目的。以信標(biāo)節(jié)點(diǎn)數(shù)=4為例（如圖2所示），采用最小二乘方法，得到被測定位點(diǎn)的最終位置計(jì)算式為：

圖2 最小二乘定位（4個Beacon參考點(diǎn)）

其中[,], [,], ..., [x,y]為個Beacon對應(yīng)的位置坐標(biāo)。根據(jù)信號強(qiáng)度的對數(shù)衰減模型得到相應(yīng)距離為：（,, ...,d）。

1.2 位置指紋定位

信號在空間中的多徑傳播依賴于環(huán)境本身的特性，因此每個位置的多徑結(jié)構(gòu)都是唯一確定的，進(jìn)而形成特殊的位置“指紋”。由此產(chǎn)生了位置指紋（Location Fingerprint, LF）定位法，它的實(shí)現(xiàn)過程分為離線訓(xùn)練和在線定位兩個階段，如圖3所示。

圖3 位置指紋定位法原理

在定位區(qū)域內(nèi)完成對Beacon信標(biāo)節(jié)點(diǎn)的合理布局后，采集區(qū)域內(nèi)樣本點(diǎn)的指紋信息得到指紋庫：

式中：(,)為一維空間位置指紋庫；(,)為二維空間位置指紋庫；為定位區(qū)域內(nèi)布設(shè)的Beacon信標(biāo)節(jié)點(diǎn)個數(shù)；為采樣點(diǎn)的個數(shù)；(,;,)為坐標(biāo)(,)位置的信號強(qiáng)度。

最終目標(biāo)定位點(diǎn)的位置表達(dá)式為：

式中，(,)為某坐標(biāo)位置下的信號強(qiáng)度，與該點(diǎn)信號強(qiáng)度的多徑相角分量(,)對應(yīng)。

1.3 位置指紋-最小二乘融合定位（F-LS）

圖4 建立的位置指紋

在定位區(qū)域內(nèi)布設(shè)×個Beacon信標(biāo)網(wǎng)格節(jié)點(diǎn)，由式（2）可得，被測定位點(diǎn)的位置坐標(biāo)為：

最終，位置指紋-最小二乘融合定位法F-LS測定位置坐標(biāo)為：

誤差累積概率(;,)為 ：

式中：為所測結(jié)果的標(biāo)準(zhǔn)差；為總體標(biāo)準(zhǔn)差；為期望值。

2 定位實(shí)現(xiàn)

2.1 位置指紋數(shù)據(jù)庫建立

建立設(shè)備無關(guān)指紋數(shù)據(jù)庫時，在空曠的室內(nèi)環(huán)境內(nèi)的同一平面均勻設(shè)計(jì)采樣點(diǎn)，采樣間隔為邊長0.5 m的方形地磚；然后定位被測目標(biāo)位置，對每個采樣點(diǎn)采集一次數(shù)據(jù)并記錄；最后使用位置指紋-最小二乘融合（F-LS）建立位置指紋數(shù)據(jù)庫。

2.2 Android程序?qū)崿F(xiàn)

根據(jù)藍(lán)牙信號強(qiáng)弱測距、位置估計(jì)優(yōu)化的設(shè)計(jì)思路，在實(shí)際的實(shí)驗(yàn)機(jī)房完成Android程序的設(shè)計(jì)，實(shí)現(xiàn)Beacon參考點(diǎn)的測距。Android程序?qū)崿F(xiàn)如圖5所示。

圖5 藍(lán)牙測距定位Android程序結(jié)構(gòu)示意圖

2.3 二維圖像顯示

通過Android Studio創(chuàng)建二維圖形Android應(yīng)用程序，將圖片bluetooth.png復(fù)制到AS的“res/drawable”目錄；修改前面的定位程序，將定位結(jié)果以二維圖形方式顯示，如圖6所示。

圖6 Android二維顯示界面

手機(jī)或開發(fā)板屏幕對應(yīng)整個室內(nèi)定位空間，布局文件activity_main.xml包括2D圖形和控件，MainActivity訪問MyView以傳送定位點(diǎn)坐標(biāo)。在activity_main的MyView中增加屬性android：id="@+id/myview"，在MainActivity中使用findViewById（R.id.myview）訪問MyView。

3 系統(tǒng)測試結(jié)果

實(shí)驗(yàn)環(huán)境為機(jī)房室內(nèi)（6.51 m×10.12 m），將4個Beacon布置在機(jī)房的四個角落，如圖7所示。本文從測試區(qū)域中選取中軸線上的11個點(diǎn)，使用最小二乘法、位置指紋法和本文提出的F-LS方法統(tǒng)計(jì)各個采樣點(diǎn)的測定結(jié)果，并以Android界面像素值的0.001記入，見表1所列。從測試結(jié)果可以看出，最小二乘定位和位置指紋法的平均誤差相差不大，定位精度不穩(wěn)定，誤差波動較大；而通過位置指紋-最小二乘融合（F-LS）方法能夠有效地規(guī)避定位誤差的波動，提高結(jié)果的穩(wěn)定性和定位精度。

表1 三種定位方法測試結(jié)果對比

圖7 測試環(huán)境示意圖

從圖8中定位結(jié)果的誤差累積分布可以看出，F(xiàn)-LS方法的定位誤差均小于位置指紋定位法，定位精度的穩(wěn)定性優(yōu)于最小二乘法，說明了該方法的有效性。

圖8 誤差累積分布

4 結(jié) 語

本文提出的室內(nèi)測距定位方法，主要通過位置估計(jì)、模型優(yōu)化，在Android上實(shí)現(xiàn)了室內(nèi)準(zhǔn)確定位，并將結(jié)果以二維圖像形式顯示出來。經(jīng)實(shí)際測定，該方法在6.51 m×10.12 m的室內(nèi)環(huán)境下，定位精度優(yōu)于75 cm，完全可以滿足日常的目標(biāo)定位功能。該方法已經(jīng)在Android上實(shí)現(xiàn)，可參考程序地址為：https：//github.com/Charmve/Bluetooth-Location_2D。