一种基于iBeacon设备的高效室内定位方法
【技术领域】
[0001] 本发明属于室内定位领域，尤其涉及一种基于iBeacon设备的高效室内定位方 法。
【背景技术】
[0002] 传统的GPS定位无法满足室内定位的要求，因为室内环境由于建筑物等因素的阻 挡，GPS到达建筑体内的信号很弱，因而GPS在室内定位的误差较大，无法满足室内定位的 要求。现在很多行业迫切的需要室内定位的服务，例如：商场导购、用户行为分析和社交网 络等。而室内定位的方法有很多，大致可以分为基于硬件和软件的方法，基于硬件的方法 有：红外设备、超声波、蓝牙、RFID和WIFI等，基于软件的方法有：基于AOA(到达角度）的 定位算法、基于TOA(到达时间）的定位算法、基于TDOA(到达时间差）的定位算法和位置 指纹定位算法等。近年来，基于iBeacon设备的室内定位方案被广泛投入使用，iBeacons是 苹果在 2013 年WffDC上推出一项基于蓝牙 4. 0(BluetoothLEIBLEIBluetoothSmart)的精 准微定位技术，当手持设备靠近一个Beacon基站时，设备就能够感应并获取iBeacon信号 强度，范围可以从几毫米到50米。由于蓝牙信号在室内容易受到环境的干扰，其定位的精 度会大大下降。此外，在实现位置指纹定位方法使，利用KNN方法计算信号向量之间的最小 距离时，需要遍历整个数据库，随着指纹数据库的增长，其算法的效率也会随之降低。此时， 需要一种解决蓝牙信号波动以及定位响应速度慢的方案。
【发明内容】
[0003] 针对上述技术缺陷，本发明对传统的定位方法进行了优化，提出一种基于iBeacon 设备的高效室内定位方法。
[0004] 为了解决上述技术问题，本发明的技术方案如下：
[0005] -种基于iBeacon设备的高效室内定位方法，包括如下步骤：
[0006] 11)在同一个位置，移动终端间隔一定时间进行连续采集多次，对每个BeaconiS 备发出的信号序列，均计算其标准差Di,若标准差Di大于等于设定的阈值TD，则对其进行信 号平滑处理后将平滑均值存入指纹数据库Da;若标准差D/j、于阈值TD，则不需要进行平滑， 直接计算多次采集的均值，将均值存入指纹数据库Da;
[0007] 12)将整个室内地图划分成多个子区域，对每一个子区域都构造一个分类器，该分 类器由多个弱分类器进行线性加权而成，在实时定位阶段，对于一个信号强度向量S，计算 室内地图上每个区域的分类器的分数，选择分数最高的区域作为信号强度向量S的预测区 域，提取该预测区域相关的指纹数据库Da;
[0008] 13)根据提取的预测区域的指纹数据库Da，使用KNN方法遍历该区域所包含的信 号强度向量，获得最佳匹配位置。
[0009] 2、根据权利要求1所述的一种基于iBeacon设备的高效室内定位方法，其特征在 于，所述均值平滑步骤包括：首先计算来自Beaconi设备发出的信号序列的均值Rav，然后
【主权项】
1. 一种基于iBeacon设备的高效室内定位方法，其特征在于，包括如下步骤；11)在同 一个位置，移动终端间隔一定时间进行连续采集多次，对每个Beaconi设备发出的信号序 列，均计算其标准差町，若标准差町大于等于设定的阔值T D，则对其进行信号平滑处理，将 平滑后的均值存入指纹数据库Da;若标准差D i小于阔值T D，则不需要进行平滑，直接计算多 次采集的均值，将均值存入指纹数据库Da; 12) 将整个室内地图划分成多个子区域，对每一个子区域都构造一个分类器，该分类器 由多个弱分类器进行线性加权而成，在实时定位阶段，对于一个信号强度向量S，计算室内 地图上每个区域的分类器的分数，选择分数最高的区域作为信号强度向量S的预测区域， 提取该预测区域相关的指纹数据库Da; 13) 根据提取的预测区域的指纹数据库Da,使用脚W方法遍历该区域所包含的信号强 度向量，获得最佳匹配位置。
2. 根据权利要求1所述的一种基于iBeacon设备的高效室内定位方法，其特征在 于，所述均值平滑步骤包括；首先计算来自Beacon,设备发出的信号序列的均值R W，然 后通过公式
，Ri<Rw，计算比均值Rw高的信号的均值R W1，通过公式
，Ri〉Rav，计算比均值IU氏的信号的均值Rav2,设定阔值Td化及a，所 述曰为a= 0.5 (^1- ，Di>TD〇<a<l，用来调节Ravi，Rav2比重的一个超参数，标 准差Di越大，a则越小，那么1-a的值也就越大，即Rwi的比重也会越大，馬。的值也会也 大，所述云二（1- a)R,vi faRw2,最后把馬六的值作为平滑后的均值存入指纹数 据库Da中。
3. 根据权利要求2所述的一种基于iBeacon设备的高效室内定位方法，其特征在于， 将室内地图划分为多个子区域，分别在各个子区域多次采集信号强度向量，并记录在地图 上的坐标位置W及所在的子区域编号，对于室内环境有N个BEACON基站，采集到的信号 强度向量S，向量S中的每个元素是来自N个BEACON基站的信号值，S炬eacorO则表示 来自Beacon;的信号强度，如果没有来自Beacon k的信号强度，该个值则置为Rmi。，取出向 量S中任意两个来自不同BEACON基站信号值的所有组合，将BEACON基站之间的信号差 作为特征，即计算每两个BEACON基站之间的信号强度差Xi，并将此构成一个集合化= S(Beaconi)-S(Beacorij)}，其中 i, j = 1, 2, 3…N，该个特征空间的大小为^ * N * (N - 1)， Xi均与阔值0 i进行比较，为了训练一个子区域的分类器，将在该个子区域采集的信号强度 差X的标签设置为1，不在该个子区域采集的信号强度差《I的标签设为0,基于该些信号强 度差X，训练出每个子区域的分类器Fugi。。，此过程会经过若干次迭代，每一次迭代将会产生 一个弱分类器，而弱分类器Gi (巧会在每次迭代中得到在最终分类器Fugi。。的权重W 1，如果 当前该个弱分类器分类效果好，则增加权重Wi，反之则减小，而误分类样本在下一轮迭代中 会增加比重，它们受到误分类的惩罚加大，因此为了减少误分类，阔值0 i会在每一轮迭代
中修改来减小误分类损失函数。 所述Fre邮n为F r如。n做=E iW A做， 所述Gi做为
4.根据权利要求3所述的一种基于iBeacon设备的高效室内定位方法，其特征在于，所 述步骤13)具体包括如下步骤： 区域定位阶段步骤和精确定位阶段步骤； 所述区域定位阶段，将移动终端观测到的信号强度向量S，在每个区域分类器Fugi。。均 进行计算，选出max,Fugi。。做的区域A，从指纹数据库中选出区域标识为A的信号强度 向量作为精确定位阶段步骤中的指纹数据库； 所述精确定位阶段步骤，遍历从所述区域定位阶段选取的指纹数据库，使用KNN方法 进行定位，对于在某一点采集到的信号强度向量S，为了找到最佳匹配的位置坐标，计算公 式如下：
Sj代表来自第j个BEACON基站的信号强度，S。代表属于第i个参考位置采集到信号 强度向量中来自第j个BEACON基站的信号强度。
【专利摘要】本发明提出一种基于iBeacon设备的高效室内定位方法解决了传统的室内定位方法，采用的KNN方法，移动终端采集到的信号强度向量S，需要遍历整个指纹数据库进行距离计算，当指纹数据库的数据庞大时，定位速度将变得非常缓慢，带来不良的用户体验，提高实时定位过程中的响应效率，实现了高效的定位。
【IPC分类】H04W64-00
【公开号】CN104602342
【申请号】CN201510016018
【发明人】吴健, 谢志宁, 邓水光, 李莹, 尹建伟, 吴朝晖
【申请人】浙江大学
【公开日】2015年5月6日
【申请日】2015年1月13日