一種基于iBeacon設(shè)備的高效室內(nèi)定位方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于室內(nèi)定位領(lǐng)域，尤其涉及一種基于iBeacon設(shè)備的高效室內(nèi)定位方 法。
【背景技術(shù)】
[0002] 傳統(tǒng)的GPS定位無法滿足室內(nèi)定位的要求，因?yàn)槭覂?nèi)環(huán)境由于建筑物等因素的阻 擋，GPS到達(dá)建筑體內(nèi)的信號很弱，因而GPS在室內(nèi)定位的誤差較大，無法滿足室內(nèi)定位的 要求?，F(xiàn)在很多行業(yè)迫切的需要室內(nèi)定位的服務(wù)，例如：商場導(dǎo)購、用戶行為分析和社交網(wǎng) 絡(luò)等。而室內(nèi)定位的方法有很多，大致可以分為基于硬件和軟件的方法，基于硬件的方法 有：紅外設(shè)備、超聲波、藍(lán)牙、RFID和WIFI等，基于軟件的方法有：基于AOA(到達(dá)角度）的 定位算法、基于TOA(到達(dá)時間）的定位算法、基于TDOA(到達(dá)時間差）的定位算法和位置 指紋定位算法等。近年來，基于iBeacon設(shè)備的室內(nèi)定位方案被廣泛投入使用，iBeacons是 蘋果在 2013 年WffDC上推出一項(xiàng)基于藍(lán)牙 4. 0(BluetoothLEIBLEIBluetoothSmart)的精 準(zhǔn)微定位技術(shù)，當(dāng)手持設(shè)備靠近一個Beacon基站時，設(shè)備就能夠感應(yīng)并獲取iBeacon信號 強(qiáng)度，范圍可以從幾毫米到50米。由于藍(lán)牙信號在室內(nèi)容易受到環(huán)境的干擾，其定位的精 度會大大下降。此外，在實(shí)現(xiàn)位置指紋定位方法使，利用KNN方法計算信號向量之間的最小 距離時，需要遍歷整個數(shù)據(jù)庫，隨著指紋數(shù)據(jù)庫的增長，其算法的效率也會隨之降低。此時， 需要一種解決藍(lán)牙信號波動以及定位響應(yīng)速度慢的方案。

【發(fā)明內(nèi)容】

[0003] 針對上述技術(shù)缺陷，本發(fā)明對傳統(tǒng)的定位方法進(jìn)行了優(yōu)化，提出一種基于iBeacon 設(shè)備的高效室內(nèi)定位方法。
[0004] 為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：
[0005] -種基于iBeacon設(shè)備的高效室內(nèi)定位方法，包括如下步驟：
[0006] 11)在同一個位置，移動終端間隔一定時間進(jìn)行連續(xù)采集多次，對每個BeaconiS 備發(fā)出的信號序列，均計算其標(biāo)準(zhǔn)差Di,若標(biāo)準(zhǔn)差Di大于等于設(shè)定的閾值TD，則對其進(jìn)行信 號平滑處理后將平滑均值存入指紋數(shù)據(jù)庫Da;若標(biāo)準(zhǔn)差D/j、于閾值TD，則不需要進(jìn)行平滑， 直接計算多次采集的均值，將均值存入指紋數(shù)據(jù)庫Da;
[0007] 12)將整個室內(nèi)地圖劃分成多個子區(qū)域，對每一個子區(qū)域都構(gòu)造一個分類器，該分 類器由多個弱分類器進(jìn)行線性加權(quán)而成，在實(shí)時定位階段，對于一個信號強(qiáng)度向量S，計算 室內(nèi)地圖上每個區(qū)域的分類器的分?jǐn)?shù)，選擇分?jǐn)?shù)最高的區(qū)域作為信號強(qiáng)度向量S的預(yù)測區(qū) 域，提取該預(yù)測區(qū)域相關(guān)的指紋數(shù)據(jù)庫Da;
[0008] 13)根據(jù)提取的預(yù)測區(qū)域的指紋數(shù)據(jù)庫Da，使用KNN方法遍歷該區(qū)域所包含的信 號強(qiáng)度向量，獲得最佳匹配位置。
[0009] 2、根據(jù)權(quán)利要求1所述的一種基于iBeacon設(shè)備的高效室內(nèi)定位方法，其特征在 于，所述均值平滑步驟包括：首先計算來自Beaconi設(shè)備發(fā)出的信號序列的均值Rav，然后
【主權(quán)項(xiàng)】
1. 一種基于iBeacon設(shè)備的高效室內(nèi)定位方法，其特征在于，包括如下步驟；11)在同 一個位置，移動終端間隔一定時間進(jìn)行連續(xù)采集多次，對每個Beaconi設(shè)備發(fā)出的信號序 列，均計算其標(biāo)準(zhǔn)差町，若標(biāo)準(zhǔn)差町大于等于設(shè)定的闊值T D，則對其進(jìn)行信號平滑處理，將 平滑后的均值存入指紋數(shù)據(jù)庫Da;若標(biāo)準(zhǔn)差D i小于闊值T D，則不需要進(jìn)行平滑，直接計算多 次采集的均值，將均值存入指紋數(shù)據(jù)庫Da; 12) 將整個室內(nèi)地圖劃分成多個子區(qū)域，對每一個子區(qū)域都構(gòu)造一個分類器，該分類器 由多個弱分類器進(jìn)行線性加權(quán)而成，在實(shí)時定位階段，對于一個信號強(qiáng)度向量S，計算室內(nèi) 地圖上每個區(qū)域的分類器的分?jǐn)?shù)，選擇分?jǐn)?shù)最高的區(qū)域作為信號強(qiáng)度向量S的預(yù)測區(qū)域， 提取該預(yù)測區(qū)域相關(guān)的指紋數(shù)據(jù)庫Da; 13) 根據(jù)提取的預(yù)測區(qū)域的指紋數(shù)據(jù)庫Da,使用腳W方法遍歷該區(qū)域所包含的信號強(qiáng) 度向量，獲得最佳匹配位置。
2. 根據(jù)權(quán)利要求1所述的一種基于iBeacon設(shè)備的高效室內(nèi)定位方法，其特征在 于，所述均值平滑步驟包括；首先計算來自Beacon,設(shè)備發(fā)出的信號序列的均值R W，然 后通過公式
，Ri<Rw，計算比均值Rw高的信號的均值R W1，通過公式
，Ri〉Rav，計算比均值IU氏的信號的均值Rav2,設(shè)定闊值Td化及a，所 述曰為a= 0.5 (^1- ，Di>TD〇<a<l，用來調(diào)節(jié)Ravi，Rav2比重的一個超參數(shù)，標(biāo) 準(zhǔn)差Di越大，a則越小，那么1-a的值也就越大，即Rwi的比重也會越大，馬。的值也會也 大，所述云二（1- a)R,vi faRw2,最后把馬六的值作為平滑后的均值存入指紋數(shù) 據(jù)庫Da中。
3. 根據(jù)權(quán)利要求2所述的一種基于iBeacon設(shè)備的高效室內(nèi)定位方法，其特征在于， 將室內(nèi)地圖劃分為多個子區(qū)域，分別在各個子區(qū)域多次采集信號強(qiáng)度向量，并記錄在地圖 上的坐標(biāo)位置W及所在的子區(qū)域編號，對于室內(nèi)環(huán)境有N個BEACON基站，采集到的信號 強(qiáng)度向量S，向量S中的每個元素是來自N個BEACON基站的信號值，S炬eacorO則表示 來自Beacon;的信號強(qiáng)度，如果沒有來自Beacon k的信號強(qiáng)度，該個值則置為Rmi。，取出向 量S中任意兩個來自不同BEACON基站信號值的所有組合，將BEACON基站之間的信號差 作為特征，即計算每兩個BEACON基站之間的信號強(qiáng)度差Xi，并將此構(gòu)成一個集合化= S(Beaconi)-S(Beacorij)}，其中 i, j = 1, 2, 3…N，該個特征空間的大小為^ * N * (N - 1)， Xi均與闊值0 i進(jìn)行比較，為了訓(xùn)練一個子區(qū)域的分類器，將在該個子區(qū)域采集的信號強(qiáng)度 差X的標(biāo)簽設(shè)置為1，不在該個子區(qū)域采集的信號強(qiáng)度差《I的標(biāo)簽設(shè)為0,基于該些信號強(qiáng) 度差X，訓(xùn)練出每個子區(qū)域的分類器Fugi。。，此過程會經(jīng)過若干次迭代，每一次迭代將會產(chǎn)生 一個弱分類器，而弱分類器Gi (巧會在每次迭代中得到在最終分類器Fugi。。的權(quán)重W 1，如果 當(dāng)前該個弱分類器分類效果好，則增加權(quán)重Wi，反之則減小，而誤分類樣本在下一輪迭代中 會增加比重，它們受到誤分類的懲罰加大，因此為了減少誤分類，闊值0 i會在每一輪迭代
中修改來減小誤分類損失函數(shù)。 所述Fre郵n為F r如。n做=E iW A做， 所述Gi做為
4.根據(jù)權(quán)利要求3所述的一種基于iBeacon設(shè)備的高效室內(nèi)定位方法，其特征在于，所 述步驟13)具體包括如下步驟： 區(qū)域定位階段步驟和精確定位階段步驟； 所述區(qū)域定位階段，將移動終端觀測到的信號強(qiáng)度向量S，在每個區(qū)域分類器Fugi。。均 進(jìn)行計算，選出max,Fugi。。做的區(qū)域A，從指紋數(shù)據(jù)庫中選出區(qū)域標(biāo)識為A的信號強(qiáng)度 向量作為精確定位階段步驟中的指紋數(shù)據(jù)庫； 所述精確定位階段步驟，遍歷從所述區(qū)域定位階段選取的指紋數(shù)據(jù)庫，使用KNN方法 進(jìn)行定位，對于在某一點(diǎn)采集到的信號強(qiáng)度向量S，為了找到最佳匹配的位置坐標(biāo)，計算公 式如下：
Sj代表來自第j個BEACON基站的信號強(qiáng)度，S。代表屬于第i個參考位置采集到信號 強(qiáng)度向量中來自第j個BEACON基站的信號強(qiáng)度。

【專利摘要】本發(fā)明提出一種基于iBeacon設(shè)備的高效室內(nèi)定位方法解決了傳統(tǒng)的室內(nèi)定位方法，采用的KNN方法，移動終端采集到的信號強(qiáng)度向量S，需要遍歷整個指紋數(shù)據(jù)庫進(jìn)行距離計算，當(dāng)指紋數(shù)據(jù)庫的數(shù)據(jù)龐大時，定位速度將變得非常緩慢，帶來不良的用戶體驗(yàn)，提高實(shí)時定位過程中的響應(yīng)效率，實(shí)現(xiàn)了高效的定位。
【IPC分類】H04W64-00
【公開號】CN104602342
【申請?zhí)枴緾N201510016018
【發(fā)明人】吳健, 謝志寧, 鄧水光, 李瑩, 尹建偉, 吳朝暉
【申請人】浙江大學(xué)
【公開日】2015年5月6日
【申請日】2015年1月13日