室内定位原理与引擎架构

1、本文档为面向iBeacon架构的BLE室内定位整体框架设计说明。文档中所涉及的算法，在无特殊说明的情况下，可面向通用室内定位系统。本文档涉及以下内容：1 .室内定位理论与公开算法实现2 .室内定位工程实施通用流程本文档不涉及以下内容：1 .经验算法与模型，包括但不限于：基于工程的定位经验算法，基于场景的定位校正算法，室内定位勘测方案2 .室内定位工程实施细节室内定位基本算法基于移动终端的室内定位，一般利用可检测的无线信号，如wi-fi与蓝牙，进行定位，包括以下三种基本方法：标签定位标签定位指利用信号源作为定位锚点，将用户位置固定到某一个锚点上。标签定位流程如下：1 .预先取得室内信号源的位置，

2、包括水平坐标，楼层2 .扫描信号3 .当扫描到数据库对应的信号源信号，以rssi最大的信号源所在的位置作为当前的定位位置标签定位的优点是：2 .部署简单3 .定位不会出现不合理的偏差标签定位的劣势是：1 .定位精度取决于信号源部署密度2 .无法覆盖区域，只能标识热点区域三角定位三角定位通过rssi值计算用户与信号源间的距离(rssi-distmapper),再通过基本的几何运算计算确定用户的位置。定位流程如下：1 .预先取得无线信号源的几何位置，包括水平坐标，高度2 .扫描信号3 .当扫描到至少三个已知信号源信号，根据预置的rssi-distmapper计算出用户与各个对应信号源的直线距离4

3、.根据3中换算的直线距离，进行三角定位计算，得出当前的水平位置坐标三角定位的优点：1 .无须勘测2 .计算量小3 .便于快速部署三角定位的缺点：1.精度一般3. rssi-distmapper容易受室内环境影响，如反射，障碍指纹定位指纹定位是三角定位的变种，指纹定位通过比较已知的无线信号强度分布（指纹）与用户采集的信号强度，寻找出定位区域最匹配的区域。定位流程如下：1 .预先取得室内无线信号强度的区域分布，即勘测区域2 .扫描信号3 .当扫描到已知信号源的rssi值，按rssi强弱顺序，选取一个信号源rssi,计算它和勘测区域中所有位置该信号源的rssi差值，将差值最小位置集合作为最优定位区域

4、。4 .通过3计算来自不同信号源的信号强度差值，获得每个信号源的最优定位区域。5 .计算所有信号源最优定位区域的重叠部分，重叠部分的质心即为定位估测。指纹定位的优点：1 .无须硬件部署2 .精度可以根据需求调节指纹定位的缺点：1 .需要勘测，且勘测质量决定定位准确性2 .计算量大3 .容易出现区域干扰，即不同的勘测区域或为勘测区域具有一样的无线信号指纹基本混合定位：1 .三角定位与指纹定位可以通过BLE,RFID,二维码等信号模块，为室内设置一些定位锚点，可以有效地降低定位误差与定位位置跳动。例如，当使用指纹定位时，如果两个区域具有相同的指纹，则可在其中的一个区域附近布置一个iBeacon,通

5、过检测iBeacon信号的存在进行区域的选择2 .同时使用三角定位与指纹定位，在某些场合可以提高定位的准确度。例如，当信号强度非常大的时候，指纹定位由于不同区域的指纹太过接近而跳动，而三角定位则可以避免这种跳动三角定位引擎架构整体架构一个完整的三角定位系统，由两部分构成，工程部分（Engineeringsection,以下简称Eng）,代码部分（Codingsection,以下简称Cod）Eng主要负责提供：i. 定位区域信号源分布图，包括信号源的水平坐标，高度，其他的位置标识数据，如楼层，部署方式（天花板，墙面，门框等），ID,信号源其他属性。这部分数据一般称作勘测数据（surveyData

6、）ii. 基于应用场景的rssi-dist映射模型Cod主要负责提供以下代码实现：i. 三角定位引擎，用于封装各种定位算法，在这里，指三角定位类算法ii. 勘测数据库的生成与管理器，提供面向定位引擎的查询与导入接口iii. GIS,基本功能包括：iv. Map,一个可供定位应用的地图显示，支持基本的操作如缩放，旋转，偏移，图层加载v. GisInfo,负责将地图信息数字化，显示基本的信息如文字识vi. Marker,一个可以基于Map与Gis添加额外标识(坐标，路径，热点区域，等)为便于勘测数据管理与维护，可提供以下辅助app4.基于GIS的勘测数据生成与管理app5.基于应用场景与硬件设备的

7、rssi-距离映射模型校正app三角定位引擎架构为了简化引擎架构，以下描述了三角定位应用场景1 .基于BLE的广播数据进行定位，采用iBeacon兼容架构，以下简称iBeacon2 .终端主动定位：终端手机主动扫描iBeacon获取其rssi值进行定位计算，引擎本地实现3 .Eng部分已完成，即surveyData和rssi-distance模型已提供。三角定位引擎流程定位本质是引擎对定位请求数据进行时间与空间上的滤波。一次完整的定位由两阶段(phase)组成，空间滤波(spatialfiltering,SFilter),时间滤波(temporalfiltering,TFilter),如下图所

8、示：OutputPosT1Data_T_1DataJT_N,TrigulationCollectionofPosJT_1«CollectionofPosT1PositionBufferkNNselection/LPfiltering/.PdsTN为了保证实时定位，即定位不存在时延，一般不采取SFilter与TFilter迭代，即对信号反复进行SFilter-TFilter-SFilter。在精度差错允许的范围内，引擎采用级联结构，首先利用三角定位对每次定位数据进行位置估测，然后在时间上滤除不合理的位置估测。定位流程如下:1 .用户发起连续的，或一定长度的Positioningrequ

9、est,向引擎传送监测iBeacon信号2 .引擎首先对每一次Positioningrequest按照如下流程进行三角定位，即SFilter3 .获取至少3个iBeacon的信号4 .根据iBeacon的几何信息与对应的rssi-distmapper,计算用户-iBeacon绝对距离distxy5.根据下图计算用户-iBeacon水平距hdiff6.根据基本的几何关系，可以算出各iBeacon对应的水平距离的半径圆的交点，如下图dist.aboslute7 .取交点中靠得最近的一些点，如上图中A,B,C三点，求它们的质心(A+B+C)/3,即是最终定位点8 .实际计算中，可根据更多的iBeac

10、on信号进行以上的定位计算，存在两种方法：9 .选取iBeacon中rssi最强的信号进行定位，这种方法最合理，但容易受环境干扰10 .选取不同的3个iBeacon信号组合进行定位，获取一组定位位置，这种方法得到的是一组位置估测，需要配合时间滤波进行选择11 .选取所有的iBeacon信号，计算每两个iBeacon的距离半径圆交点，计算靠得近的一组的交点的质心，这种方法性能类似112 .获得了一次的定位信号，将其放入Positionbuffer,进行TFilter,TFilter可采用多种方法，如LP滤波，Kalman滤波，kNN13 .完成TFilter,对外输出定位位置。引擎流程架构三角定

11、位引擎由四个部分构成，附功能描述：1. engine：引擎核心2. rssi-distmapper:品E离计算3. surveydatabase:存储surveyData并供engineandrssi-distmapper调用4. positioningbuffer:缓存定位记录引擎整体流程如下图所示#Rssi-Dist距离计算原理Rssi是系统对送入基带信号处理模块之前的信号强度，rssi的计算模型如下: rssi=txPower+txGain+rxGain+pathloss其中，txPower为发射功率，txGain为发射端增益（包含系统增益与天线增益）rxGain为接收端增益，pathloss为信号传播的路径损耗。在以上公式中，仅pathloss与信号传播的路径长度有关，而其他的参数，一般认为是恒指，因此上式可以简化为： rssi=gain+pathloss其中gain是通信的整体信号增益理想的室内2.4GHz路径损耗服