基于蓝牙4.0的亚米级室内定位系统研究.ppt
基于蓝牙4,基于蓝牙4,研究思路,研究思路课题背景及研究现状系统整体设计RSSI衰减模型与iB,课题背景及现状,室内尤其地下，导航信号衰减太快，卫星定位无法使用。,室内定位技术可以轻松获取室内物品信息。,1,课题背景及现状 室内尤其地下，导航信号衰减太快，卫,蓝牙4.0低功耗、易实现、精度较高,课题背景及现状,1,蓝牙4.0低功耗、易实现、精度较高课题背景及现状1,课题背景及现状-指纹定位方法,1,指纹信息采集,指纹库存储信息,课题背景及现状-指纹定位方法1指纹信息采集指纹库存储信息,研究思路,研究思路课题背景及研究现状系统整体设计RSSI衰减模型与iB,2,系统整体设计,2iBeacon基站WEBAPP系统整体设计,系统整体设计-iBeacon基站设计,2,系统整体设计-iBeacon基站设计2,系统整体设计-APP设计,2,系统整体设计-APP设计2,系统整体设计-WEB服务器设计,2,对匹配定位算法进行优化建立指纹数据库系统整体设计-WEB服务,研究思路,研究思路课题背景及研究现状系统整体设计RSSI衰减模型与iB,3,RSSI衰减模型与iBeacon基站部署,3RSSI衰减模型与iBeacon基站部署,分别选取在持续200s内，测量距离基站0.15m、2m、5m、15m的RSSI值进行作图，显示波动情况。,RSSI衰减模型与iBeacon基站部署,3,分别选取在持续200s内，测量距离基站0.15m、2m、5m,根据Time-RSSI数据拟合得到模型为： 系数为：a=9.4910b=-0.7359c=4.0310d=-0.0047分析结果：误差平方和 SSE=1.0720多次测定系数 R-square=0.9921系数调整度 Adjusted R-square=0.9895均方根误差 RMSE=0.3451,RSSI衰减模型与iBeacon基站部署,3,根据Time-RSSI数据拟合得到模型为： 系数,RSSI衰减模型与iBeacon基站部署,3,RSSI衰减模型与iBeacon基站部署3,RSSI衰减模型与iBeacon基站部署,3,在30m*30m的空间中，iBeacon基站有效部署上限为4个，下限为8个。,RSSI衰减模型与iBeacon基站部署3在30m*30m的,研究思路,研究思路课题背景及研究现状系统整体设计RSSI衰减模型与iB,4,指纹库一次优化,指纹库二次优化,匹配定位算法优化,基于RSSI位置指纹库的定位算法优化,4指纹库一次优化指纹库二次优化匹配定位算法优化基于RSSI位,基于RSSI位置指纹库的定位算法优化-一次优化,4,测试采集指纹模型,环境指纹库与理想指纹库,基于RSSI位置指纹库的定位算法优化-一次优化4测试采集指纹,基于RSSI位置指纹库的定位算法优化-一次优化-Gauss滤波,4,基于RSSI位置指纹库的定位算法优化-一次优化-Gauss滤,级比检验,建立GM(1,1)拟合模型,优化验证,基于RSSI位置指纹库的定位算法优化-一次优化-GM(1,1)模型,4,级比检验建立GM(1,1)拟合模型优化验证基于RSSI位置,基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试,4,指纹库除噪效果,KNN算法下的误差累计分布图,基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试4指,基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试,4,WKNN算法下的误差累计分布图,贝叶斯算法下的误差累计分布图,基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试4W,均方根误差RMSE/m,平均定位精度提高百分比,基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试-参数比较,4,均方根误差RMSE/m平均定位精度提高百分比基于RSSI位置,基于RSSI位置指纹库的定位算法优化-二次优化-分段线性插值,4,X与Y两个方向分别插值,基于RSSI位置指纹库的定位算法优化-二次优化-分段线性插值,(p,q)=(2,2),(p,q)=(5,5),基于RSSI位置指纹库的定位算法优化-二次优化-自适应插值,4,(p,q)=(2,2) (p,q)=(5,5)基于RSSI位,(2) 特征函数,(1) 点估计,(3) 内插函数,基于RSSI位置指纹库的定位算法优化-二次优化-克里金插值,4,(2) 特征函数(1) 点估计(3) 内插函数基于RSSI位,基于RSSI位置指纹库的定位算法优化-匹配算法优化-高斯核函数,4,基于RSSI位置指纹库的定位算法优化-匹配算法优化-高斯核函,定位点与实际点位置,高斯核函数加权与反距离加 权WKNN误差累积分布函数,基于RSSI位置指纹库的定位算法优化-匹配算法优化-高斯核函数,4,定位点与实际点位置 高斯核函数加权与反距离加 权WKNN误,基于RSSI位置指纹库的定位算法优化-匹配算法优化-三重优化叠加,4,第一组：GM(1,1)模型残差修正+高斯核函数加权的WKNN；第二组：GM(1,1)模型残差修正+克里金插值+高斯核函数加权的WKNN；第三组：GM(1,1)模型残差修正+自适应插值+高斯核函数加权的WKNN。,基于RSSI位置指纹库的定位算法优化-匹配算法优化-三重优化,APP终端、WEB服务器设计完成,低功耗，高集成的iBeacon基站设计完成,定位精度总体提高40%，误差降至0.8m，实现亚米级,5,总结,总结与展望,APP终端、WEB服务器设计完成低功耗，高集成的iBeaco,展望,iBeacon基站长时间工作，RSSI值的衰减情况；,角度等多传感器融合，进一步提高定位精度；,高效采集大量指纹库数据；,实现APP终端定位地图显示。,5,总结与展望,展望iBeacon基站长时间工作，RSSI值的衰减情况；角度,感谢聆听,感谢聆听,
