基于iBeacon的位置指紋室內(nèi)定位技術(shù)研究.pdf

1、近幾年，隨著藍(lán)牙4.0的推出，特別是蘋(píng)果公司iBeacon技術(shù)在近場(chǎng)通信技術(shù)領(lǐng)域的成熟，基于藍(lán)牙低功耗4.0協(xié)議的高精度室內(nèi)定位逐漸成為了室內(nèi)定位領(lǐng)域中研究的新熱點(diǎn)。現(xiàn)階段，基于iBeacon的定位系統(tǒng)并不多見(jiàn)，大多數(shù)處于理論和試驗(yàn)的階段，成熟的iBeacon商業(yè)室內(nèi)定位系統(tǒng)更是鳳毛麟角。
　　本文在現(xiàn)有位置指紋定位的技術(shù)和理論基礎(chǔ)上，研究基于iBeacon技術(shù)的和滿足工程化性能要求的室內(nèi)定位解決方案。主要的研究工作如下：

2、　　第一，為了解決接收信號(hào)強(qiáng)度指示（Received Signal Strength Indicator，RSSI）因環(huán)境因素的干擾而躍變所帶來(lái)的誤差，本文采用了高斯濾波和卡爾曼濾波兩種方式對(duì)測(cè)量的RSSI進(jìn)行預(yù)處理，消除了室內(nèi)隨機(jī)干擾帶來(lái)的誤差，保證了RSSI數(shù)據(jù)采集源頭的準(zhǔn)確性。
　　第二，為了減小RSSI分布不規(guī)律對(duì)定位性能的影響，需研究RSSI在參考點(diǎn)的分布特征，本文采用數(shù)學(xué)統(tǒng)計(jì)和直方圖的方式從定量的角度分析了距離、人體遮

3、擋、人員不同密度等因素對(duì)RSSI分布的影響，并分析了不同基站RSSI之間的相關(guān)性，得到了RSSI在室內(nèi)的高斯分布特征。
　　第三，基于上述的分析研究，本文以提升定位系統(tǒng)性能為目的，從效率和精度兩個(gè)角度研究基于iBeacon的位置指紋定位方法。在效率上，本文提出了對(duì)待測(cè)點(diǎn)和指紋庫(kù)采用K-means聚類算法預(yù)處理方法。聚類處理降低了待測(cè)點(diǎn)與指紋庫(kù)的匹配計(jì)算量，解決了巨大匹配耗時(shí)缺陷，與不使用聚類處理相比系統(tǒng)的定位時(shí)間明顯降低，提高了定

4、位的效率。在精度上，針對(duì)傳統(tǒng)樸素貝葉斯概率性算法不考慮RSSI的不規(guī)律分布的局限性，本文提出了采用高斯混合模型(GMM)計(jì)算概率的方式，混合模型參數(shù)由EM算法得到，減小定位結(jié)果的誤差，提高了定位的精度。
　　第四，結(jié)合離線階段采集的樣本數(shù)據(jù)，構(gòu)建離線指紋庫(kù)，在MATLAB仿真平臺(tái)上進(jìn)行定位實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，采用K-means聚類和改進(jìn)的概率性算法實(shí)現(xiàn)定位是可行、有效的，為以后iBeacon技術(shù)在實(shí)際場(chǎng)景中的應(yīng)用發(fā)展提供了借鑒參考