北斗藍牙融合定位在智能快遞取件系統(tǒng)中的應用研究

摘要：針對北斗衛(wèi)星導航系統(tǒng)在室內定位方面的局限性，結合藍牙定位技術，研究了基于北斗+藍牙的室內外融合定位方法在智能快遞取件系統(tǒng)中的應用。采用設置室外、室內、融合三類區(qū)域，室外采用自適應無跡卡爾曼濾波算法和加權KNN算法的數(shù)據(jù)處理方法提高定位精度和抗干擾能力，通過室內外融合定位實現(xiàn)無縫切換和坐標轉換。最后結合民用快遞驛站場景，進行了實驗驗證，實驗結果表明，相比傳統(tǒng)定位方法，該方法能提高精度1.808%，驗證了該系統(tǒng)的實際應用和功能。

關鍵詞：北斗；藍牙AOA；室內定位；室內外融合定位；KNN算法

中圖分類號：TP3 文獻標識碼：A

文章編號：1009-3044（2024）32-0101-03 開放科學（資源服務）標識碼（OSID） ：

0 引言

北斗衛(wèi)星導航系統(tǒng)是中國自主研發(fā)，面向全球用戶提供高精度、高可靠定位、導航、授時服務的導航系統(tǒng)，在通信、水利、減災、海事、海洋漁業(yè)、交通、勘探以及森林防火等領域發(fā)揮了重要的作用。但是衛(wèi)星信號穿透性差，在室內場景下無法提供精確有效的定位導航服務。

在北斗衛(wèi)星無法提供室內定位服務的情況下，如何獲取準確的室內位置信息已成為室內定位服務發(fā)展的瓶頸。因此，高精度、低時延的室內定位技術，以及期在電磁環(huán)境和地理環(huán)境復雜的室內環(huán)境中獲取準確的位置信息，是工業(yè)界和學術界積極探索的熱門課題。

目前常見的室內定位技術有Wi-Fi定位[1]、藍牙定位、RFID定位、慣性導航、超聲波定位[2]、視覺定位[3]等。經(jīng)過對比，藍牙定位具有定位精度高、響應時間短、單站間距低、終端功耗低、成本低、穿透能力強的特點[4-5]，能滿足位置信息精準度要求較高、長時間使用或者移動性較強的場景需求。為了實現(xiàn)高精度的室內外融合定位，本文采用北斗+藍牙室內外融合定位方案，設計室內外融合定位智能快遞取件系統(tǒng)，用于提高用戶取件效率，輔助驛站管理包裹。

1 北斗室外定位及優(yōu)化

1.1 北斗定位原理

北斗衛(wèi)星定位技術利用原子鐘同步的衛(wèi)星信號和三球交會定位原理，通過測量傳播時間差和衛(wèi)星位置信息，以及應用三角定位原理，確定定位模塊的二維位置。

然而，在實際使用中，北斗衛(wèi)星導航系統(tǒng)可能受到多種誤差的影響，包括大氣延遲、多路徑效應、鐘差、衛(wèi)星軌道誤差以及接收器硬件誤差等。這些誤差會影響定位精度和可靠性，因此需要采取校正和補償措施以提高系統(tǒng)性能。

1.2 基于自適應無跡卡爾曼濾波算法的數(shù)據(jù)處理

1.2.1 應用背景

自適應無跡卡爾曼濾波（AUKF） 根據(jù)觀察結果動態(tài)調整觀測噪聲，以適應不同外部環(huán)境，提高濾波器的估算精度。傳統(tǒng)卡爾曼濾波要求濾波模型為高斯白噪聲，而實際系統(tǒng)中存在其他噪聲，例如室內外環(huán)境差異和不同天氣影響。為應對這種不一致性， AUKF引入了自適應模型，動態(tài)調整增益矩陣和觀測噪聲的協(xié)方差，提高了濾波器性能和定位數(shù)據(jù)準確性。

1.2.2 算法實現(xiàn)

1）參數(shù)初始化。設置觀測向量M（W，Q，R，V1，V2，V3）為初始測量值，取樣次數(shù)為hits，循環(huán)次數(shù)N=0，噪聲P。

2）初始化狀態(tài)轉移矩陣。設置組合系統(tǒng)采樣周期T和加速度相關頻率re和rn。根據(jù)T、re和rn的值，更新狀態(tài)轉移矩陣F。

3）計算狀態(tài)向量。進行hits次循環(huán)，根據(jù)狀態(tài)轉移矩陣F和觀測向量的W分量更新狀態(tài)向量X。

4）計算預測后的觀測向量。根據(jù)初始觀測向量的分量V1、V2、V3計算更新觀測向量Z。

5）循環(huán)次數(shù)N=N+1。

6）提取狀態(tài)向量的6個變量。

7）在預測點計算測量方程的Jacobi矩陣。

8）計算預測誤差協(xié)方差矩陣。根據(jù)Jacobi矩陣計算的值和噪聲P，計算增益矩陣K；計算估計矩陣和估計誤差協(xié)方差矩陣。

9）更新估計矩陣。

10）若滿足結束條件，即如果循環(huán)次數(shù)N≥hits，則循環(huán)結束并輸出優(yōu)化結果；否則跳轉到第4） 步。

2 室內外融合定位

2.1 室內外定位模式切換方法

通過設計北斗+藍牙融合定位系統(tǒng)實現(xiàn)較為精確的室內外無縫定位。當處于室外環(huán)境時，由于沒有大型障礙物的遮擋，衛(wèi)星導航系統(tǒng)的信號相對穩(wěn)定和可靠，因此采用北斗GPS模塊ATK-1218-BD接收定位數(shù)據(jù)已經(jīng)可以實現(xiàn)高精度的室外定位。

當處于室內環(huán)境時，墻壁、屋頂?shù)日系K物會導致衛(wèi)星信號在室內環(huán)境中反射、散射或被吸收，從而降低信號強度。因此，團隊設計實現(xiàn)藍牙室內定位，使用三點定位的方式，測量RSSI值，并通過藍牙網(wǎng)關發(fā)送到定位服務器，計算目標物體定位數(shù)據(jù)。

對于室內外交叉部分，則通過對北斗衛(wèi)星信號和藍牙信號的檢測實現(xiàn)定位模式的平滑切換。當北斗衛(wèi)星信號GDOP大于3的時候，由北斗定位切換為藍牙定位；當藍牙信號小于-75 dBm的時候，由藍牙定位切換為北斗定位。系統(tǒng)結構圖如圖1所示。

2.2 融合定位算法

2.2.1 室內坐標處理

為了更好地實現(xiàn)室內外交叉部分的無縫融合定位，我們將室內坐標軸對應的部分離散的坐標提前存儲數(shù)據(jù)庫，便于后續(xù)更高效地獲得轉換坐標。于是本文根據(jù)室內區(qū)域的起始點A和終止點B的經(jīng)緯度對室內區(qū)域按照網(wǎng)格劃分，實現(xiàn)室內坐標與室外經(jīng)緯度的換算。

設置每個網(wǎng)格的經(jīng)度增量gridLonIncrement和緯度增量gridLatIncrement均為0.1°。首先確定起始點和終止點的經(jīng)緯度坐標，以及每個網(wǎng)格的行數(shù)和列數(shù)。計算每個網(wǎng)格的經(jīng)度和緯度增量。接著使用循環(huán)依次遍歷每個網(wǎng)格，計算并輸出每個點的經(jīng)緯度坐標。最后根據(jù)公式計算出目標點C坐標對應的經(jīng)緯度。

gridLonIncrement = |startLon - endLon| /numCols （1）

gridLatIncrement = |startLat - endLat|/numRows （2）

2.3 基于加權KNN 算法的精確室內外坐標轉換

2.3.1 室內外融合處坐標處理

由于數(shù)據(jù)庫的大小是有限的，且存儲的數(shù)據(jù)必定是離散的，這也就意味著會存在部分坐標在數(shù)據(jù)庫中無法直接調用，如果再用室內坐標算法處理，時間效率會降低，于是本文引用了WKNN算法，基于較少的坐標數(shù)據(jù)可以獲取所有坐標數(shù)據(jù)WKNN算法[6]是一種計算非線性記憶性的匹配定位算法，基于使用歐幾里得距離計算公式，如式（3） 。分別計算目標坐標與參考點坐標的距離大小。

其中有K 個參考點的坐標，將這K 個坐標的歐式距離取均值，如式（4） 。

然后對K 個參考點進行加權求平均計算目標坐標對應的實際值，如式（5） 。

2.4 應用場景

驛站場景包括室內區(qū)域（貨架區(qū)）、室內/室外融合區(qū)域（取件區(qū)）。室內區(qū)域通過多個藍牙信標對小車進行定位并將測量的RSSI值發(fā)送給藍牙網(wǎng)關，網(wǎng)關再把數(shù)據(jù)上傳到系統(tǒng)根據(jù)三點定位原理結合加權KNN算法計算出小車在室內的位置信息；室外/室外融合區(qū)放置取物臺，根據(jù)對北斗衛(wèi)星信號和藍牙信號的檢測，判斷選擇對應的定位模式，計算小車在對應定位模式下的位置信息。系統(tǒng)架構如圖2所示，驛站室內外場景建模如圖3所示。

3 實驗對比

3.1 基于自適應無跡卡爾曼濾波算法的實驗誤差對比

擴展卡爾曼濾波（EKF）與傳統(tǒng)的卡爾曼濾波（KF） 相比解決了非線性問題，優(yōu)化了狀態(tài)轉移模型和觀測模型，可以將其轉換成非線性模型。

無跡卡爾曼濾波（UKF）與EKF相比，結果的精度優(yōu)化了，等價于進行了二階泰勒展開，但是因為計算量的提升，計算速度相應有所降低。且一般情況下雅可比矩陣不易實現(xiàn)，于是UFK舍去了雅可比矩陣，省去了計算中的求導過程。對比圖4（a） 和圖4（b） 可以看出擴展卡爾曼濾波存在大量線性化誤差，在小區(qū)間內大量波動情況都被忽視了，而無跡卡爾曼濾波通過無跡變換來處理平均誤差和協(xié)方誤差的非線性傳遞問題，借助大量的已明確的樣本信息來無限逼近真實值，實現(xiàn)情況如圖4（a）。

自適應無跡卡爾曼濾波（AUKF）在UFK的基礎上增加了自適應的處理，可以根據(jù)觀察結果來動態(tài)調整觀測噪聲，從而提高濾波器的估算精度，比較圖4（a） 和圖（c） 可以明顯感受到動態(tài)調整的波動性。這樣做的目的是因為UFK等部分卡爾曼濾波對濾波模型都有極高的要求，只能是高斯白噪聲。但是在實際系統(tǒng)中，會存在其他噪聲的情況。因此，考慮到模型的不一致性，就引入了自適應模型。此處本文在同一套系統(tǒng)下，對無跡卡爾曼濾波UKF，自適應擴展卡爾曼濾波AEKF 和自適應無跡卡爾曼濾波AUKF進行了大量實驗，總結了實驗結果，從四個維度的誤差圖中可以看出自適應無跡卡爾曼濾波在平均誤差上在原始基礎上優(yōu)化提高了50.08%，協(xié)方誤差上提高了38.82%。

3.2 基于加權KNN 算法的的室內外坐標轉換的準確度對比

對加權KNN算法進行多維度比較，對比3×3坐標軸和5×5坐標軸下三組數(shù)據(jù)的計算結果可以看出，數(shù)據(jù)集的大小并不會影響加權KNN算法的計算結果。將加權KNN算法和KNN算法與精確結果進行對比，發(fā)現(xiàn)，在中間位置KNN的誤差率為0，這是因為KNN 算法只是簡單地取平均值，因此在平均位置處的結果準確度最高，并且以此向兩邊遞減，而加權KNN算法對于多組數(shù)據(jù)的計算結果的誤差較為平均?？傮w上加權KNN算法將誤差率降低到了1.808%，在KNN算法的基礎上縮小了五倍。本文進行了大量數(shù)據(jù)實驗，表1選取了部分典型的數(shù)據(jù)進行展示對比。

4 結束語

本文提出了一套基于北斗+藍牙技術的室內外融合定位智能快遞取件系統(tǒng)。借助調度小車、錄入包裹信息、生成取件碼、通知用戶取件等功能，提高了用戶取件效率并輔助驛站管理包裹。在室外定位方面，使用了北斗衛(wèi)星定位技術，并且對原始定位數(shù)據(jù)進行解析。在室內定位方面，使用的是藍牙定位技術，處理數(shù)據(jù)運用了基于自適應無跡卡爾曼濾波算法和加權KNN 算法，并實現(xiàn)了室內外融合定位的無縫切換和坐標轉換算法。本文解決了北斗衛(wèi)星導航系統(tǒng)在室內定位方面的局限性，并且展現(xiàn)了藍牙定位技術在室內定位中的優(yōu)勢。同時，該系統(tǒng)還具有操作簡便、安全可靠等特點，為快遞業(yè)務的快速發(fā)展提供了有力支持。

【通聯(lián)編輯：朱寶貴】

基金項目：江蘇省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目（202311276018Z）