基于iBeacon的位置指紋室內定位技術研究.pdf

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

2、　　第一，為了解決接收信號強度指示（Received Signal Strength Indicator，RSSI）因環(huán)境因素的干擾而躍變所帶來的誤差，本文采用了高斯濾波和卡爾曼濾波兩種方式對測量的RSSI進行預處理，消除了室內隨機干擾帶來的誤差，保證了RSSI數(shù)據(jù)采集源頭的準確性。
　　第二，為了減小RSSI分布不規(guī)律對定位性能的影響，需研究RSSI在參考點的分布特征，本文采用數(shù)學統(tǒng)計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RSSI分布的影響，并分析了不同基站RSSI之間的相關性，得到了RSSI在室內的高斯分布特征。
　　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，本文提出了對待測點和指紋庫采用K-means聚類算法預處理方法。聚類處理降低了待測點與指紋庫的匹配計算量，解決了巨大匹配耗時缺陷，與不使用聚類處理相比系統(tǒng)的定位時間明顯降低，提高了定

4、位的效率。在精度上，針對傳統(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)計算概率的方式，混合模型參數(shù)由EM算法得到，減小定位結果的誤差，提高了定位的精度。
　　第四，結合離線階段采集的樣本數(shù)據(jù)，構建離線指紋庫，在MATLAB仿真平臺上進行定位實驗。實驗結果表明，采用K-means聚類和改進的概率性算法實現(xiàn)定位是可行、有效的，為以后iBeacon技術在實際場景中的應用發(fā)展提供了借鑒參考