， ，，，

(1.蘇州科技大學 江蘇省建筑智慧節(jié)能重點實驗室，江蘇 蘇州 215009；2.蘇州市移動網(wǎng)絡技術與應用重點實驗室，江蘇 蘇州 215009；3.蘇州科技大學 電子與信息工程學院，江蘇 蘇州 215009)

復雜環(huán)境下藍牙定位模型優(yōu)化方法研究

羅恒1,2,3，張昱3，鄒優(yōu)敏3，傅啟明1,2,3，劉壘壘3

(1.蘇州科技大學江蘇省建筑智慧節(jié)能重點實驗室，江蘇蘇州215009；2.蘇州市移動網(wǎng)絡技術與應用重點實驗室，江蘇蘇州215009；3.蘇州科技大學電子與信息工程學院，江蘇蘇州215009)

社會經濟以及移動網(wǎng)絡技術的快速發(fā)展，使得室內定位需求大幅度增長;但是，建筑結構等因素導致普遍使用的全球定位系統(tǒng)GPS在室內定位中性能急劇下降，不能很好滿足室內定位的需要;針對各類復雜室內環(huán)境，提出了基于環(huán)境參數(shù)校準的自適應信號強度優(yōu)化算法;從理論上分析了高斯濾波的性能，使用藍牙4.0技術，以錨節(jié)點作為參考節(jié)點，采用均值濾波和高斯濾波優(yōu)化RSSI值校準基準信號，運用線性規(guī)劃實時、動態(tài)估算環(huán)境衰減系數(shù)，分析了改進基準信號模型和改進衰減系統(tǒng)模型的性能，最后獲得信號傳輸綜合優(yōu)化模型;使用計算機仿真及實驗方式對算法進行了研究，實驗結果表明，在復雜辦公室環(huán)境下，定位誤差絕對值小于1 dbm，定位誤差小于2%，能夠較好地滿足室內定位的需求。

藍牙定位；參數(shù)校準；線性規(guī)劃；RSSI

0 引言

全球定位系統(tǒng)GPS(global positioning system,GPS)[1]的產生及發(fā)展，為相關人員提供了在廣闊的室外空間中精確獲得特定物體地理位置的可能。GPS已經在軍事[2]、資源[3]、交通、農牧漁業(yè)[4]、環(huán)境[5]和測繪[6]等領域獲得了非常廣泛的應用。然而，面對復雜的室內環(huán)境，GPS定位精確度急劇下降[7]，不能很好地滿足室內定位需求。

據(jù)不完全統(tǒng)計，人類有80%以上的時間在室內度過[8]。由于室內空間越來越龐大復雜，室內定位變得越來越困難。如在博物館、超市、機場等場所[9]，消費者需要快速了解自身所處位置,并到達目的地；在礦井、火災等現(xiàn)場，救援人員也需要獲取被困者的精確位置。室內定位的需求前所未有得高漲。面對需求的增加，室內定位的市場也逐步擴大。

1 室內定位技術

室內定位技術的提出可以追溯到上世紀，經歷了不同的發(fā)展階段。

1.1 紅外定位技術

1992年，Want等人提出了一種主動紅外定位系統(tǒng)[10]。每個目標節(jié)點攜帶一個紅外發(fā)射標簽，同時在特定辦公區(qū)域安裝接收傳感器，實時感知目標節(jié)點在辦公區(qū)域中的不同位置。由于系統(tǒng)的簡便性，在當時獲得了較為廣泛的應用。該系統(tǒng)的主要缺點是定位準確性受到諸如自然光、照明系統(tǒng)等環(huán)境因素隱私較大。

1.2 超聲波定位技術

AT&T公司于1997年推出了一款先進的Active Bat超聲波定位系統(tǒng)[11]，通過模仿蝙蝠的定位原理，獲得目標位置。通過安裝3個或者多個接收天線，獲取超聲波反射信號，基于三邊定位算法，預估目標位置。實驗結果表明，Active Bat系統(tǒng)可以同時定位多個目標，其可達到厘米級定位精度。

1.3 基于圖形信息的定位技術

基于圖形信息的定位技術可分為主動式和被動式方法兩種，其分類依據(jù)為攝像頭安裝位置。被動式定位主要利用安裝在定位目標上的攝像頭，實時獲取目標位置，其典型應用為SignPost[12]；主動式定位技術主要依賴安裝在環(huán)境中的攝像頭，利用圖像處理技術，獲取目標位置，其典型代表為微軟公司研究院發(fā)布的EasyLiving[13]。

1.4 基于射頻技術的定位方法

當前，常用的視頻室內技術方法包含WiFi、RFID和藍牙等。

WiFi具備規(guī)模大、覆蓋范圍廣的優(yōu)點，但是，WiFi的發(fā)射功率大，能耗大導致應用成本較高。RFID定位技術具有快速精確定位、傳輸范圍較大、成本亦較低等優(yōu)點，現(xiàn)有移動設備中的整合一直是RFID的一大缺點。藍牙具有成本低、功耗低的優(yōu)點，且與現(xiàn)有移動終端融合程度較好，然而定位精度一直是藍牙定位面臨的問題。

2013年，Oguejiofor團隊給出了一種基于位置信息的盲節(jié)點定位算法[14]。該算法依據(jù)各節(jié)點獲得的RSSI信號強度，動態(tài)估計某個目標節(jié)點的具體位置。實驗結果表明，算法的精確度主要依賴于錨節(jié)點的個數(shù)。當錨節(jié)點從3個增加到4個時，定位精度可以提高約24%。

Ranron團隊通過使用基于ZigBee的RSSI指紋定位技術[15]，實現(xiàn)了人員室內定位，實驗結果表明，當定位距離約為3米時，誤差約為0.77米。

2014年，Oliveira Luis團隊給出了一種稀疏錨節(jié)點相對定位算法[16]，旨在實現(xiàn)多目標定位。通過節(jié)點間的交互信息的分析，實時獲取兩兩目標節(jié)點間的距離，算法通過卡爾曼濾波和Floyd-Warshall算法實現(xiàn)了目標位置的精確定位。

Grossmann, U.團隊分析了最小歐幾里得距離和貝葉斯隨機過程模型在室內定位中的性能[17]，提出了一種基于WiFi信號RSSI強度的室內定位算法。在空曠的演講室中的實驗表明了該算法的可行性，同時，Grossmann, U.團隊也給出了該系統(tǒng)在博物館應用中應注意的事項。同年，Y.H. Gu團隊提出了一種利用RFID技術實現(xiàn)室內定位的方法[18]，與K最近鄰節(jié)點算法與自糾錯算法相比較，該算法具有更高的定位精度。

2015年，Su, Hui-Kai團隊提出了一種基于藍牙和WiFi的多技術混合定位方法[19]，實驗結果表明，混合定位算法結合鄰節(jié)點權重定位方法，比使用單一技術的定位方法，具有明顯的優(yōu)越性，當錨節(jié)點合理部署情況下，定位精度可以降低至0.4米。

針對藍牙在室內復雜環(huán)境定位精度的問題，陶為戈團隊[20]提出一種基于最小二乘法估算環(huán)境參數(shù)的算法，優(yōu)化了信號的傳播模型。本文從監(jiān)督學習的角度提出了一種電磁波自由傳播衰減系數(shù)自適應模型，通過自適應調整衰減模型以適應不同室內環(huán)境下的定位。除此之外，M.D. Wang團隊還提出了基于超寬帶技術的室內定位技術。

2 優(yōu)化算法

在理想電磁波自由空間傳播模型中，電磁波的傳播滿足：

p(d)=p(d0)-10nlg(d)+ζ

(1)

其中：p(d)為遠離基站d米處的信號強度，p(d0)為遠離基站d0米處的信號強度，二者的單位均為dBm；n表征無線信道衰減系數(shù)，n的取值與距離無關，僅與環(huán)境因素相關；ζ表示噪聲的影響，其取值服從均值為零的高斯分布。

不妨設p(d0)為一個固定值，即p(d0)=A，RSSI為實際環(huán)境下遠離基站d米處的電磁波信號強度，即p(d)=RSSI，則式(1)可寫為：

RSSI=A-10nlg(d)+ζ

(2)

在實際應用中，為了降低計算的復雜度，通常情況下A為設備制造商提供的固定參考值；n為如表1所示的經典經驗值。

在簡單的室內環(huán)境下，由于環(huán)境因素相對恒定，這一假設具有一定合理性。然而，在復雜的室內環(huán)境下，障礙物、電子設備的電氣特性和噪聲等因素使得電磁波傳播呈現(xiàn)出明顯的時變特性，其結果是基于電磁波信號強度的室內定位系統(tǒng)精度大幅度下降，不能很好地滿足實際應用需求。針對這一情況，本文擬對信號基準強度參考值A和環(huán)境衰減系數(shù)n分別優(yōu)化，獲取復雜室內環(huán)境下電磁波傳輸最優(yōu)化模型。

2.1 基準信號A優(yōu)化

基準信號強度A是定位模型中的一個重要參量，與定位精度具有很大的相關性，通常取d0米處的平均值作為參考值。在不采用設備制造商使用的參考值時，若樣本空間足夠大，信號強度RSSI可以通過樣本的數(shù)學平均獲取。然而，當樣本空間有限時，取樣本的數(shù)學平均這種方法會產生較大誤差，誤差來源主要包括噪聲的影響、電磁波的時變傳播特性等。

相關研究表明，在距離發(fā)射基站d處的RSSI均服從均值為μ，方差為σ2的高斯分布，當d=d0時，信號強度的概率密度函數(shù)為：

P(RSSId0) =

(4)

其中，RSSId0,k表示d0處共計j個信號強度中的第i個信號強度。

RSSId0在區(qū)間[μ-σ，≤μ+σ]中的概率為：

P(μ-σ≤RSSId0<μ+σ)=F(μ+σ)-F(μ-σ)

=φ(1)-φ(-1)=2φ(1)

(5)

其中：

(6)

(7)

根據(jù)式(5)計算得P(μ-σ≤RSSId0<μ+σ)=0.6826，所以，區(qū)間[μ-σ,μ+σ]為高概率發(fā)生區(qū)。

(8)

其中：β表示d0處經過高斯濾波后的信號強度的個數(shù)，RSSId0,k表示d0處β個信號強度中的第k個信號強度。

2.2 衰減系數(shù)n優(yōu)化

選定l個錨節(jié)點，令錨節(jié)點到參考節(jié)點M的距離分別為d1，d2，d3，…，dl，在辦公、家居等室內環(huán)境下，由于空間關系，可認為節(jié)點處于同一環(huán)境之中，假設它們具有相同的信號傳輸特性，則可根據(jù)：

(9)

(10)

其中：RSSIi表示實際距離di處的信號強度；αm(m=1,2,…,l)為Δdm,n的系數(shù)?；谑?9)中的線性規(guī)劃，可獲得Δdn的最小值，此時的n值即為當前環(huán)境的最優(yōu)化衰減系數(shù)。

3 實驗及結果分析

3.1 測試環(huán)境及參數(shù)設置

圖1所示為算法的測試環(huán)境，如圖所示，測試環(huán)境中主要存在淺色與深色兩種主要的障礙物，其材質分別為為木質臺面和金屬質邊框。

圖1 辦公室環(huán)境

表2所示為實驗參數(shù)，其中藍牙基站發(fā)射功率為1 mW，從0 m開始每隔0.1米采集一組數(shù)據(jù)，采樣間隔為1 s，基站與物體表面距離為1米，模擬手持移動設備實際高度，同時降低地面反射及噪聲等的影響。

圖2所示為采樣點對結果的影響程度，如圖所示，當采樣點為100時，預測的信標位置分散在實際位置周圍，呈現(xiàn)出發(fā)散的特性；當采樣點數(shù)量增加至400時，平均后的預測值明顯集中；隨著采樣點數(shù)量的進一步增加，平均后的預測位置與實際位置誤差明顯減少；當采樣點數(shù)量突破1 000后，采樣點數(shù)量對平均后的預測值維持恒定。綜上所述，采樣點數(shù)量大于1 000，平均結果可以較好地滿足后續(xù)分析需求。為保證更高的精度，算法使用2 000個采樣點的平均值。

圖2 采樣點數(shù)量的影響

表2 具體參數(shù)設置

3.2 結果及分析

圖3所示為使用不同優(yōu)化模型得到的預測值與實際值的對比結果。由圖可見，從誤差絕對值角度而言，當定位節(jié)點與定位錨節(jié)點距離增加到2米時，基準信號模型預測誤差從6 dbm下降到5 dbm，改進衰減系數(shù)n模型預測誤差從6 dbm快速下降到0.1 dbm左右，呈現(xiàn)出良好的預測結果，改進基準信號模型預測結果呈現(xiàn)上升趨勢，預測誤差從0 dbm逐步上升至2.3 dbm。 從誤差相對值角度觀察，誤差相對值變化特征與絕對值變化特征一致，區(qū)別主要在于誤差相對值下降或者上升的速率大，造成這一現(xiàn)象的主要原因是實際距離數(shù)值較小。綜上所述，當測量結果與基準錨節(jié)點距離不超過2米時，理想自由空間模型性能最差，改進衰減系數(shù)模型性能優(yōu)于理想自由空間模型，而改進基準信號模型性能最優(yōu)。

當信標節(jié)點與錨節(jié)點距離從2米增加到3米時，理想自由空間模型預測結果誤差呈現(xiàn)出線性增長的特性，改進衰減系數(shù)模型預測絕對誤差呈線性下降趨勢，從2 dbm逐步下降至0.8 dbm，改進衰減系數(shù)模型誤差性能最優(yōu)，保持在0.2 dbm以下。從相對誤差角度而言，當距離從2米增加至3米時，理想自由空間模型的預測誤差從10%上升至15%，表明性能繼續(xù)惡化。雖然改進基準信號模型在此區(qū)域內誤差性能有所改善，但是其改善程度仍遠遠高于改進衰減系數(shù)模型?？傊?，當實際距離介于2米至3米區(qū)間時，改進衰減系數(shù)模型仍然表現(xiàn)出優(yōu)良的性能。

當測量節(jié)點與錨節(jié)點距離進一步增加，即從3米增加到8米時，理想自由空間模型和改進基準信號模型預測誤差基本都呈現(xiàn)出線性增加的特性，改進衰減系數(shù)模型的預測誤差具有震蕩特點。隨著實際距離增加到5米，改進衰減系數(shù)模型產生的誤差也逐漸增加，在達到區(qū)域極值后，快速下降，當實際距離為6米時，無論是相對誤差和絕對誤差，都接近于0,，隨著距離的繼續(xù)增加，誤差再次呈現(xiàn)增加-減少的特性。由上述分析可見，當實際距離大于3米時，理想自由空間模型性能依然最差，改進基準信號模型性能略好，改進衰減系數(shù)模型性能最佳，其相對誤差保持在2%以下。

基于上述分析，可以構建模型綜合，在距離小于2米時，使用基準信號優(yōu)化模型；當距離逐漸增加到8米過程中，使用改進衰減系數(shù)n的優(yōu)化模型。圖3中實線所示即為綜合模型，綜合模型同時具有基準信號優(yōu)化模型和衰減系數(shù)優(yōu)化模型的優(yōu)點，在性能上，綜合模型的絕對誤差小于1 dBm，相對誤差小于2%。

圖3 測量結果

4 結論

實驗結果表明，綜合了改進基準信號模型和改進衰減系數(shù)模型的綜合模型優(yōu)化了改進衰減系數(shù)模型在較近距離時誤差較大的缺點，當距離增加時，可以動態(tài)獲取衰減系數(shù)，保證了相對誤差和絕對誤差都處于較低的水平，從性能上來看，綜合模型絕對誤差最大值不超過1 dBm，相對誤差低于5%，特別當距離從3米逐漸增加到8米過程中，衰減系數(shù)n優(yōu)化模型性能較為突出，相對誤差保持在2%以下。能夠較好地滿足室內定位對精度的要求。

綜合算法立足于二維定位算法的實現(xiàn)與優(yōu)化，成果可以為三維定位奠定良好的基礎，是實現(xiàn)高精度三維定位的重要前提，具有非常重要的理論與現(xiàn)實意義。

[1]Zumberge J F, Heflin M B, Jefferson D C, et al. Precise point positioning for the efficient and robust analysis of GPS data from large networks[J]. Journal of Geophysical Research Solid Earth, 1997, 102(B3):5005-5017.

[2]Lachow I. The GPS Dilemma: Balancing Military Risks and Economic Benefits[J]. International Security, 1995, 20(1):126-148.

[3]Nandini N, Jumbe A S, Tandon S, et al. Application of Remote Sensing, GIS, and GPS Technology on Environment and Earth's Natural Resources Management An Introduction[J]. 2007.

[4]Mundy C. Using GPS technology to improve fishery-dependent data collection in abalone fisheries[J]. Research, 2012.

[5]季 方, 鮑遠律. 全球任意區(qū)域GPS定位環(huán)境分析[J]. 計算機仿真, 2006, 23(1):51-53.

[6]Zhao C Z. Application of GPS surveying and mapping technology in engineering mapping[J]. Heilongjiang Science, 2016.

[7]Ochiai M, Fujii M, Ito A, et al. A study on indoor position estimation based on fingerprinting using GPS signals[A]. International Conference on Indoor Positioning and Indoor Navigation[C]. IEEE, 2014:727-728.

[8]張 靜. 室內空氣污染現(xiàn)狀分析與對策[J]. 大觀周刊, 2012(6):280-280.

[9]曾 俊. 基于RFID的室內定位算法研究[D]. 成都：電子科技大學, 2015.

[10]Want R, Hopper A, Falco V, et al. The active badge location system[J]. ACM Transactions on Information Systems，1992(10):91-102.

[11] Ward A, Jones A, Hopper A. A new location technique for the active office[J]. IEEE Personal Communications，1997(4):42-47.

[12]Mulloni A, Wagner D, Barakonyi I, et al. Indoor positioning and navigation with camera phones[J]. IEEE Pervasive Computing, 2009(8): 22-31.

[13]Brumitt B, Meyers B, Krumm J, et al. EasyLiving: Technologies for Intelligent Environments[C]. Handheld and Ubiquitous Computing, Second International Symposium, HUC 2000, Bristol, UK, Proceedings. DBLP, 2000:12-29.

[14]Oguejiofor O, et al. Outdoor localization system using RSSI measurement of wireless sensor network[J]. International Journal of Innovative Technology and Exploring Engineering, 2013(2):1-6.

[15]Ranron, Ratchasak, Kamol Kaemarungsi, Implementation of zigbee localization using rssi location cluster[C]. Proc. ECTI-CARD 2013.

[16]Oliveira Luis, et al, RSSI-based relative localisation for mobile robots[J]. Ad Hoc Networks, 2014(13):321-335.

[17]Grossmann U, Gansemer S, Suttorp O. RSSI-based WLAN indoor positioning used within a digital museum guide[J]. International Journal of Computing, 2014(7):66-72.

[18]Gu Y, Ren F. Energy-Efficient Indoor Localization of Smart Hand-Held Devices Using Bluetooth[J]. IEEE Access, 2015(8):765-767.

[19]Su Huikai, et al. A hybrid indoor position mechanism based on bluetooth & WiFi communications for smart mobile devices[C]. International Symposium on Bioelectronics and Bioinformatics (ISBB),2015.

[20]陶為戈, 朱昳華, 賈子彥. 基于RSSI混合濾波和最小二乘參數(shù)估計的測距算法[J]. 傳感技術學報, 2012, 25(12):1748-1753.

ResearchonBluetoothLocationModelOptimizationinComplexIndoorEnvironMent

Luo Heng1,2,3, Zhang yu2,3, Zou Youmin2, Fu Qiming1,2,3, Liu Leilei3

(1. JiangSu Province Key Lab of Intelligent Building Energy Efficiency, Suzhou 215009,China; 2.Suzhou Key Lab of Mobile Networking and Applied Technology, Suzhou 215009,China; 3.Suzhou University of Science and Technology, Suzhou 215009,China)

With the development of modern economy, society and mobile network technology, the requirements for indoor positioning for various applications are quite large and continue growing. Aiming at the complicated indoor environment, an adaptive signal strength optimization algorithm based on environmental parameter calibration is proposed, using the Bluetooth 4.0 technique. The mathematical analysis for the applications of Gaussian filter is provided. The RSSI value calibration reference signal is optimized by Gaussian filtering. Meanwhile, the linear attenuation coefficient is optimized adaptively by linear programming, leading to optimization of the propagation model of electromagnetic wave for Bluetooth. Simulation and Experiment results show that the error is less 1 dbm in absolute value and 2% in relative value in the complex office environment, which satisfies well the requirement for indoor positioning.

Bluetooth positioning; parameter calibration; linear programming; RSSI

2017-07-10；

2017-09-08。

國家自然科學基金項目(61602334，61502329，61401297)；住房與城鄉(xiāng)建設部科學技術項目(2015-K1-047)；江蘇省自然科學基金項目(BK20140283)。

羅 恒(1981-)，男，江蘇蘇州人，博士，講師，主要從事人工智能理論與方法及其在建筑節(jié)能中的應用方向的研究。

1671-4598(2017)11-0244-04

10.16526/j.cnki.11-4762/tp.2017.11.062

TP393

A