基于加权质心蓝牙定位算法.docVIP

基于加权质心蓝牙定位算法 　　摘要：蓝牙定位问题中，由于采样网格划分不够致密等原因，如果测试点的位置并没有标记，则会影响该点的定位结果精度。针对这种情况，本文提出了一种利用对数衰减模型的加权质心定位算法。该方法首先使用对数衰减模型，计算出强度值对应的距离；在此基础上，应用强度值比值与距离的乘积作为加权因子的加权质心算法，对未知坐标的Beacons进行定位。在固定环境下，对算法进行测试，实验结果表明，与原始质心算法相比，定位精度提高了约22%。 　　关键词：蓝牙定位 对数衰减模型 加权质心 　　中图分类号TP391 文献标识码 A 文章编号：1007-9416（2016）03-0000-00 　　定位算法是室内定位系统的关键，定位结果的精确度很大程度上取决于定位算法。目前，基于位置指纹的定位算法主要分为概率性算法和确定性算法[1-3][6]。由于环境多变，RSSI值并不稳定，为了提高准确度，将统计学中的概率引到定位中，从而形成了基于概率的定位方法。确定性算法原理简单，计算复杂度低，但是应用到实际中定位精度不高。 　　本文实现了原始加权质心定位算法[3-5]，定位精度不尽如人意。所以提出了一种在信号衰减模型的基础上，将信号强度比值与距离的乘积作为权重因子的改进加权质心定位算法，定位精度有了明显的提高。 　　1 系统模型 　　1.1对数衰减模型 　　通过大量的实验数据，并通过计算机的拟合以及理论的辅助，得到无论在室内还是室外，接收端接收到的信号强度值与收发双方的距离是成一定对数变化的[7]。对于任意的接收端与发射端之间的距离，路径损耗为： 　　根据路径损耗推导出信号强度与距信号源距离的关系： 　　根据公式（2）得出： 　　其中，为参考距离处的路径损耗，为路径传播损耗指数，为接收端与发射端的实际距离，为参考距离，为接收端距发射端处的信号强度，为接收端距发射端处的信号强度。 　　1.2 加权质心算法 　　质心算法[3-5]的主要思想是：未知坐标点以某一范围内已知坐标的点构成多边形的质心作为自己的估计位置。加权质心算法主要是利用已知坐标点和未知坐标点之间接收的RSSI值计算权重，通过权重决定已知坐标点对质心的影响程度。 　　已知个采集点的坐标分别为根据对数衰减模型，计算出每个采集点对应的距离值，我们设每个采集点对应的权值为，应用距离加权的质心算法即可得到待测Beacon的位置坐标： 　　2 定位算法的实现 　　2.1 改进的加权质心定位算法 　　对于Beacon来说，环境对强度值的影响非常大。在固定环境中，虽然信号强度值相同，但是不同点对Beacon的距离有可能是不同的，相应的权重也不相同[8]。所以，在计算Beacon位置时，不应该仅仅考虑收集到的强度值的影响，而应该加入其他的修正方法。否则，可能导致定位误差变大。 　　针对已有的加权质心定位算法的缺陷，本文做的改进策略是把各采集点接收到的Beacon信号强度的比值与距离的乘积，作为每个采集点的权值，这样做既可以体现不同Beacon对采集点的影响，也可以使环境改变时权值基本保持不变。 　　对于个采集点Beacon，个采集点测得的信号强度为。定位算法如图1所示。 　　图1 定位算法示意图 　　由于； 　　则权值为 　　最终得到改进的加权质心计算公式为 　　2.2 实验测试及结果分析 　　利用Matlab对本文提出的加权质心算法进行仿真分析。实验环境为7m×18m区域，采集点均匀分布在3×8网格内，Beacons均匀分布在3×10网格内，网格间隔均为2m。采集点数为24个，Beacons数为30个。在实验中，所有数据点强度值为100次实验的平均值。 　　在距离的倒数作为权值的质心算法中，设，根据测得的数据，分别计算出对数衰减模型中，30个未知点对应的未知参数，方程。接着，根据1.2中所述，计算出了30个未知点的坐标。在改进的加权质心算法中，未知点坐标的误差和原始坐标误差如图2和表1所示。 　　图2 两种算法定位误差图 　　表1 误差对比 　　平均误差（m） 　　最大误差（m） 　　最小误差（m） 　　原始加权质心算法 　　4.61 　　9.003 　　0.201 　　改进加权质心算法 　　3.60 　　10.12 　　0.658 　　从图2可以看出，改进后的定位算法比原始定位算法精度有明显的提高，提高了约22%。 　　3 结语 　　本文提出了基于信号强度比值和距离乘积作为权重因子的加权质心算法，该方法考虑了不同距离对定位结果的影响，减小了距离相同，方向不同的点信号强度对定位结果的影响，降低了环境对定位结果的影响。通过与距离倒数作为权重因子的质心算法比较，实验结果表明，定位精度均值有明显的提高。 　　参考文