基于蓝牙4.0基站角度测量的室内定位技术研究

摘要

随着现代社会科技的发展和互联网技术的发展，室外定位技术也越来越成熟，谷歌地图、百度地图、高德地图的被大面积使用，人类从室外定位技术中获取到的方便也越来越多。受助于成熟的室外定位技术，人们可以很方便地查询到附近的各类商店服务，同时也可以很便捷地获取到各地的最佳路线，甚至公交路线、自驾车路线以及步行路线都一目了然。既然室外定位技术能给人类带来这么多的便利，那么，人们的视线开始投向室内定位技术，如何在室内精度定位物体位置成为了急需解决的问题。
　　本文从大量实验入手，采集足够多的定位数据，通过函数拟合、神经网络和滤波预测的训练处理，提出了通过测量信号强度，训练出物体相对于信号基站的夹角，然后通过三角定位求出物体坐标，最后对位置坐标进行滤波预测的一整套定位方案。整个方法的具体工作如下：
　　一、分别进行室外理想环境下定位实验、室内理想环境下定位实验和室内复杂环境下的定位实验。在室内外的理想环境下，本文使用函数拟合的方法进行定位分析，发现该环境下的角度平局定位精度达到5°，同时定位准确率达到70％。在室内复杂环境下时，函数拟合方法不再适用，于是本文采用了神经网络方法对数据进行训练，将180cm精度上的定位准确率提高到65％。
　　二、为了进一步提高定位精度与定位准确率，本文在神经网络基础上运用滤波预测方法对数据进行修正。主要包括两种方式，其一为坐标线性预测算法，通过线性叠加BP神经网络与基本卡尔曼滤波器，并将神经网络输出向量作为滤波预测中的观测变量，从而实现对输出向量的滤波预测;其二为网络权值滤波算法，使用扩展卡尔曼滤波对神经网络的权值矩阵进行预测修正。两种方法对复杂环境下的定位准确率均有提升，其中坐标线性预测算法表现优秀，180cm精度上的定位准确率提高到70％。
　　三、本文实现了基于双天线蓝牙基站、Android蓝牙信号采集模块与定位呈现模块和后台实现定位算法的服务器端的室内复杂环境定位系统。双天线蓝牙基站是在iBeacon蓝牙基站基础上改进的信号发生器，而Android蓝牙信号采集模块是采集蓝牙信号数据的载体，同时，一个Android移动端其实也代表着一个用户，服务器端则是完成定位数据的关键部分，它将对从Android移动端发来的信号强度数据进行上述分析，计算出定位坐标发送给移动端，而移动端则根据发送回来的位置数据进行实时位置更新。整个系统包含信号数据采集、定位算法实现和定位结果呈现等模块，互相配合，为室内定位研究提供了一种实现方式。

目录

声明

摘要

第1章 绪论

1．1 课题背景

1．2 研究意义

1．3 本文的主要研究'工作

1．3．1 研究目标

1．3．2 研究内容

1．4 创新点

1．5 论文结构

1．6 本章小结

第2章 研究现状与相关技术

2．1 研究现状

2．1．1 室外定位技术研究现状

2．1．2 室内定位技术研究现状

2．2 相关技术

2．2．1 神经网络

2．2．2 滤波预测

2．3 本章小结

第3章 复杂环境室内定位方法研究

3．1 蓝牙4．0基站信号的方向性

3．2 物体到达角测量方法

3．2．1 函数拟合测量方法

3．2．2 神经网络测量方法

3．3 物体坐标滤波修正方法

3．4 本章小结

第4章 基于函数拟合的到达角测量方法

4．1 Apple iBeaeon简介

4．2 室外理想环境下的单基站实验

4．2．1 实验思路

4．2．2 实验过程

4．2．3 数据分析

4．3 室内理想环境下单基站实验

4．4 室内理想环境下双基站实验

4．4．1 实验思路

4．4．2 实验过程

4．4．3 数据分析

4．5 室内复杂环境下双基站实验

4．5．1 实验过程

4．5．2 数据分析

4．6 本章小结

第5章 基于神经网络的角度测量方法

5．1 基于Apple iBeacon的双天线蓝牙基站

5．2 室内复杂环境下双天线双基站实验

5．2．1 实验过程

5．2．2 数据分析

5．3 对实验数据的BP神经网络建模

5．3．1 训练数据集选取

5．3．2 输入输出变量归一化

5．3．3 初值权值选取

5．3．4 隐层结构和隐层节点个数的确定

5．3．5 训练函数的选择

5．3．6 BP神经网络训练仿真结果

5．4 本章小结

第6章 基于信号到达角的坐标计算与滤波修正

6．1 基于信号到达角的三角定位

6．2 坐标线性预测算法

6．3 网络权值滤波算法

6．3．1 理论算法过程

6．3．2 算法结果

6．4 本章小结

第7章 基于蓝牙信号到达角的室内定位系统

7．1 系统建设需求及目标

7．2 系统设计方案

7．2．1 技术路线

7．2．2 系统功能模块设计

7．3 系统核心功能模块设计

7．3．1 Android端数据采集模块和位置呈现模块

7．3．2 基于坐标线性预测算法的定位模块

7．4 本章小结

第8章 总结与展望

8．1 总结

8．2 展望

参考文献

攻读硕士学位期间主要的研究成果

致谢