文摘

灯塔使用蓝牙低能耗(bie)技术已成为室内定位服务的新范式(IPS)由于其低功耗等优点,小型化、信号范围广,成本低。然而,灯塔性能差的室内定位精度,因为噪音,运动,和褪色,所有蓝牙信号的特点和依赖于安装位置。因此,有必要改善的准确性beacon-based室内定位技术,将其融合与现有的室内定位技术,它使用wi - fi无线个域网,等等。本研究提出了一种beacon-based室内定位方法使用扩展卡尔曼滤波递归过程的输入数据包括噪音。定义后的运动智能手机在平坦的二维表面,这是假定信标信号是非线性的。然后,信标信号的标准差和特性进行了分析。根据分析结果,一个扩展的卡尔曼滤波器设计和智能手机的室内位置的准确性进行了分析通过模拟和测试。该技术取得了良好的室内定位精度,误差0.26米和0.28米的平均水平- - -坐标,分别基于信标信号。

1。介绍

位置测定技术在智能手机配备全球定位系统(GPS)和wi - fi不仅引发了范式的转变基于位置的服务(LBS),但也对这类服务的进一步发展贡献显著,包括导航和物流(1,2]。IPS系统能够提供所有类型的LBS-usually提供在户外室内区域。是很重要的IPS映射用户的室内定位信息室内地图为了提供用户所需的服务。以前采用IPS包括室内定位技术最近的邻居,贝叶斯和三角测量方法,它是基于无线技术如wi - fi、无线电频率识别(RFID),无线个域网(3- - - - - -6]。最近的研究集中在一种ultrawideband-based室内定位技术(7,8]。

近年来,灯塔不仅贡献于移动LBS的增长也会成为一个IPS的新范式。灯塔是BLE-based短距离通信技术。他们的优势包括低功耗、小型化、信号范围广,成本低。此外,当与设备沟通远在70米,bie是足够高的精度区分每个设备5 - 10厘米的一项决议(9- - - - - -11]。

2013年,苹果推出了iBeacon™,在第二年,iBeacon开始实施的地区可以提供各种类型的信息的基础上,用户的位置,如信息餐厅、机场、艺术画廊,和其他室内区域。图1显示了一个示例的一个服务使用iBeacon [12]。一个iBeacon发射机安装在一个特定的位置在一个商店;尽管它并不试图引导客户到一个特定的位置,这为他们提供了一个自动化的购物服务通过确定他们的位置在整个购物过程。这扩展了从他们进入商店时,要求产品信息(包括价格)和最终支付产品。

如图1iBeacon发射机定期广播广告包,包括设备识别(ID),区域ID,和信号强度,每个智能手机接收这些信息的计算基于位置的距离iBeacon发射机安装和信号强度。然后,智能手机所在的位置通过控制点定位或多边定位,从而为客户提供必要的服务和信息。

虽然BLE-based iBeacon有很多优势,它的性能很差的室内定位精度的智能手机,和很难估计准确的距离只使用的力量iBeacon发射机的信号传送到智能手机。这些问题是由于噪音,运动,和衰落13,14),所有的蓝牙信号的特征和依赖于安装位置。因此,虽然可以实现室内定位完全依赖iBeacon信号,需要对室内定位精度提高了融合iBeacon方法与另一个基于技术的室内定位方法,如wi - fi。然而,这将需要安装多个传感器与不同的模型在一个室内空间中,这将引入额外的成本上升等问题与最初的建设和维护。

因此,本研究提出了一种技术来提高智能手机的室内定位精度仅使用iBeacon信号。因为灯塔是安装在一个开放的空间,智能手机在室内的运动被定义为平面二维表面上运动。此外,由于信标的接收信号强度指示(RSSI)的距离测量和智能手机的位置基于二维表面有一个非线性关系,使用一个扩展的卡尔曼滤波器。一旦信标信号的标准差和属性进行了分析,扩展卡尔曼滤波器的基础上设计分析。最后,分析了智能手机的室内定位精度进行模拟和测试。

本研究的其余部分组织如下。部分2iBeacon简要回顾以往的研究和扩展卡尔曼滤波器,应用所提出的技术。部分3解释了扩展卡尔曼滤波器的设计和实现,这提高了iBeacon-based室内定位精度。此外,室内定位系统的组件和测试环境。部分4提出并讨论了结果iBeacon信号分析和室内定位测试。最后,部分5我们的结论和简要探讨了未来工作范围。

2。相关工作

2.1。iBeacon

在介绍了BLE-based iBeacon 2013年6月,苹果使用iBeacon随后发起了各种各样的服务。祝福,介绍了2010年6月,是配备低能耗技术,通常被称为蓝牙智能。BLE减少所花费的时间发送/接收数据通过减少工作周期几毫秒,它最大化减少功耗的睡眠模式(10]。因为iBeacon是基于一个标准BLE技术,它可以通过任何设备支持。因此,甚至扩展到非ios设备只要设备符合标准规范(15]。

iBeacon定期广播只有几个信号,包括全局惟一标识符(UUID),主要的价值,较小的值,和变速器(TX)能力,识别信标和计算距离,如图2。因此,所有室内磅处理在智能手机和服务的服务器上。

对于Estimote信标(Estimote灯塔是小无线传感器基于祝福;他们微型无线电广播信号,可以通过智能手机接收和解释,从而促进microlocation和上下文意识;Estimote灯塔是微型计算机,每一方都有一个强大的先进RISC机器(ARM)处理器,内存,和蓝牙智能模块;Estimote灯塔认证是兼容iBeacon),支持iBeacon,信号传输周期和输出使用专门的工具可以很容易地修改。信号传输周期变化和输出将改变iBeacon发射机之间的距离测量和智能手机16]。然而,修改信号输出并不能保证测量距离精度提高。因此,测量来自iBeacon信号必须以不同的方式解释根据距离,总结如表1(15]。

然而,定义在表1并不意味着使用iBeacon不能直接测量的距离。实际上,这意味着,使用iBeacon在距离估计的情况下,一个相对修订应考虑的角度精度。

2.2。扩展卡尔曼滤波器

1960年,卡尔曼提出了卡尔曼滤波的递归滤波器确定包含噪声的线性和非线性系统的随机值(17]。使用算法跟踪/预测,从而修正过去,现在,和未来的状态,卡尔曼滤波可以画出系统的轨迹,使其适合应用程序模型系统,如雷达、预测和估计下一个状态(18- - - - - -21]。

图3(一个)显示了卡尔曼滤波器的基本算法,将测量值()作为输入和输出先验状态估计()的下一个状态。这是一个重复的预测和校正过程(22]。(我)预测过程输入后验前状态估计()和后验误差协方差(),计算后验状态估计和先验估计误差协方差(,)作为最终的结果。这些值用于校正过程。中使用的系统模型变量预测过程状态转移矩阵()和过程噪声协方差()。(2)校正过程的输出是后验状态估计()和后验估计误差协方差()。用于输入的值不仅是后验状态估计和先验估计误差协方差(,从预测过程也测量)()。在校正过程中使用的系统模型变量测量预测矩阵()和测量误差协方差矩阵()。

卡尔曼滤波器允许通过使用测量值准确预测的当前状态以及反映当前状态的预测价值。它从根本上是基于线性系统。因此,当它应用于非线性系统,整个的部分线性化算法之前,呈现问题,作为一个有意义的结果只能是来自指定的财产部分,而不是整体。

扩展卡尔曼滤波器允许状态值之间的非线性关系和动态模型和度量模型卡尔曼滤波器的线性化和使用对名义点(23,24]。使用它作为一个事实上的标准导航、GPS和其他非线性状态估计(25]。卡尔曼滤波的测量模型和动态模型,而扩展卡尔曼滤波器的形状模型或两种模型为非线性模型。

图3 (b)显示了扩展卡尔曼滤波的基本算法,这是一个重复的预测和校正过程,与卡尔曼滤波器。然而,它不同于卡尔曼滤波器的状态值不使用系数分别但使用非线性动力学模型或度量模型,如或(22]。

3所示。扩展卡尔曼滤波器的设计和实现

3.1。设计

本研究采用一个iBeacon发射机作为测量控制点的室内智能手机的位置。因为BLE技术应用于iBeacon只能用在一个开放的空间由于无线电信号的性质,独立iBeacon发射器必须安装每地板和空间。因此,当使用iBeacon发射机设置空间地图,登记/管理必须根据执行iBeacon ID值每地板和空间。

稍后讨论(部分4.1),iBeacon信号进行衰减。因此,在测量精度低只用RSSI测量的距离。为了提高测距精度,必须执行抽样消除iBeacon信号噪声。智能手机需要一个20多岁的取样时间。

卡尔曼滤波器处理输入数据包括噪音递归。进一步,它提供了更高的精度,因为它是基于一系列的观察测量随着时间的推移而不是一个单独测量,从而促进当前状态的统计预测。卡尔曼滤波器估计当前状态可以从之前的状态使用的线性性质。然而,如果信号是非线性的,如iBeacon信号分析的情况下,卡尔曼滤波器不能被应用。在这项研究中,考虑iBeacon信号的非线性特性,采用扩展卡尔曼滤波器。

在这项研究中,扩展卡尔曼滤波器设计如下:(我)在测量模型中,iBeacon RSSI-based距离测量的股票与智能手机的状态值的非线性关系的位置。(2)在动态模型中,运动智能手机的位置有一个统一的外观动态的线性运动模型。

在测量模型中,的RSSI值iBeacon信号被认为是一种测量(),这是在计算距离时使用。当距离决定使用RSSI值,接收率每下降距离可以不一致;因此,测量的性质()被认为是非线性的。动态模型的主要用途是在计算导弹的轨迹,人造卫星,等等。因素引起的变化包括位置、速度和加速度,它所面临的阻力变化根据物体的形状和高度,这意味着有一个质量的动态变化。现有的组件的卡尔曼滤波算法考虑了动态质量重量()。

扩展卡尔曼滤波为本研究假设设计的智能手机移动线性放在一个平面上没有高度的变化;因此,动态质量相当于一个对象的特点在一个二维表面移动。

图4显示了新设计的扩展卡尔曼滤波算法,以反映iBeacon信号的特点以及智能手机上面描述的运动。

3.2。实现

智能手机的室内定位功能使用新设计的扩展卡尔曼滤波器基于iBeacon(部分3.1)如图5。(1)智能手机计算iBeacon发射机之间的距离和本身的基础上接收的iBeacon RSSI信号。它集RSSI值从1米之外的标准测量(−59 dBm)。(2)包含标识符的数据结构iBeacon信号和计算距离传输ip模块通过wi - fi或手机网络。(3)ip模块提取基站(BS)坐标()分配给每个iBeacon发射机和创建一个扩展卡尔曼滤波器的输入结构使用的坐标和距离;“年龄”的总数iBeacon信号的智能手机。(4)基于非线性距离的位置被反复执行初始化计算,预测和校正过程。协方差矩阵函数是一个二维矩阵。

图6显示了初始化的详细流程,预测和校正过程的“核心功能”图5。(1)初始化。b值是接收的智能手机和“年龄”确认。时进行初始化过程的递归为零。初始化过程包括计算和值使用提取的b值,初始化先验状态估计的值。一旦这个过程完成,递归的数量增加和变量值是接下来的交付过程。(2)预测。曾经的初始值初始化过程或先验状态估计的值基于扩展卡尔曼滤波的递归结果作为输入,提供当地的值初始化为估计后验状态估计的值。此外,时间和后验状态估计计算值与一个固定的过程噪声协方差。设置了状态转移矩阵的噪声协方差矩阵。然后,后验状态估计是通过计算提取状态误差协方差,并交付给校正过程。(3)修正。当地的值初始化,b值提取,状态向量是传播。然后,测量预测矩阵计算和剩余价值。随后,卡尔曼增益和状态向量计算校正估计和传播价值。接下来,正确的值和误差协方差的计算,总结了校正过程,之后“时代”的价值增加。(4)步骤和重复直到完成智能手机位置跟踪。

3.3。基站的配置和室内定位系统

图7显示了一个使用iBeacon智能手机位置跟踪系统。它由一个智能手机估计和传输之间的距离的废话和本身的基础上从编译iBeacon RSSI信号和一个服务器系统,计算智能手机的位置的基础上估计BS坐标和距离。这个系统是表中描述的环境中开发的2。

iBeacon的最大传输距离被定义为90和标准的传输周期定义为100 ms。然而,这个周期可以被编程操作慢,也就是说,在900 ms。Estimote信标,在这项研究中,使用的传播循环200 ms,最大传输距离为70米。图8显示了BS使用Estimote信标的配置。每个网格长0.5米,六iBeacons安装。

BS的基础上配置信号属性(见部分4.1)。iBeacons被定义为位于根据距离5米标准差iBeacon信号接收的智能手机。

4所示。分析

4.1。信号特性

在这项研究中,我们分析了信号iBeacon属性的测量距离,这是用于实验之前我们进行了室内定位的智能手机使用扩展卡尔曼滤波。距离估计使用RSSI值包含在iBeacon信号。测量参考点的距离是1米,3米,5米;每个测量1500次,之后它们的标准差和平均计算。考虑到信号的路径损耗,测量使用的距离iBeacon RSSI可以计算如下: 在哪里是总路径损耗,分别传输和接收信号强度,测量距离,是标准的距离(定义:1米),标准偏差(定义:0),路径损耗指数。

后用−59 dBm,信号强度为1 m iBeacon开发文档中描述的参考点,(1),(2),(3)和(4)被用来计算每个RSSI信号强度相对距离测量。

图9显示测量距离iBeacon发射器从1米的距离。iBeacon发射机的六个测量的平均值是0.6米,0.34米的一个错误。图10显示测量距离的3 m的从远处iBeacon发射机。iBeacon发射机的六个测量的平均值是1.39米,1.61米的一个错误。图11显示测量距离iBeacon发射器从5米的距离。iBeacon发射机的六个测量的平均值是2.21米,2.79米的一个错误。

因此,测量的距离1米,3米,5米分导致错误0.34 -2.79真正的距离。基于这个结果,它可以证实,虽然可以测量距离只用iBeacon的RSSI值,一个错误之间会存在真正的和计算距离。这是由于许多因素导致接收到的RSSI值的变化,如电池寿命、实验环境、空间配置、人体运动,和智能手机的位置和方向。

图12显示了平均单位距离测量。平均计算使用基于RSSI值测量的距离决定从1米的距离,2米,3米,5米和10米。图13显示每个距离测量的标准偏差。测量使用的距离1米,2米,3米,5米和10米参考点来验证的准确性“立即”“,”和“远”距离iBeacon开发文档中定义的。可以看到,偏差不高测量时从1米和2米的距离,但它增加3米和5米的距离,进一步增加了10米。

4.2。室内定位使用扩展卡尔曼滤波

从分析iBeacon信号的属性(部分4.1),我们确认有违规行为和变化的测量iBeacon RSSI根据距离和灯塔。因为一个距离测量使用iBeacon RSSI并不可靠,需要为应用程序创建一个测量噪声模型扩展卡尔曼滤波器基于信号特性分析的结果。表3列出了每部分的倾向标准差图所示13。

我们可以看到在桌子上3,BS6轿车不是一个可靠的测量,因为每节变幻的偏差。其他的偏差iBeacon RSSIs除了BS6轿车大幅增加5米和10米之间的部分。因此,在这项研究中,测量噪声模型定义如下,通过反射的财产iBeacon RSSI模型应用于扩展卡尔曼滤波器的算法:

扩展卡尔曼滤波器的系统变量使用上面给出的结果可以定义如下:(我) 过程噪声值(标准差):这是标准差运动模型的错误。在这项研究中,应用比例因子为1.0。定义 (2) 噪声测量值(标准差):这是标准偏差测量模型的错误。在这项研究中,价值源于(5)。定义

接下来,我们讨论智能手机坐标测量的分析结果在实验环境中使用扩展卡尔曼滤波器,它反映了分析iBeacon信号的属性。

表4列表的值iBeacon信号测量的1000倍- - -坐标。表5和图14指定的室内定位值应用扩展的卡尔曼滤波器。的平均值- - -坐标分别为2.05和5.3,0.05和0.3的错误与实际坐标,和标准偏差分别为0.16和0.13,分别。由于扩展卡尔曼滤波器的性质,在递归的准确性提高了数量的增加,平均水平- - -坐标分别为2.13和5.3,分别递归的数量范围从1到20。此外,2.1和5.3的平均坐标成为当递归不同的数量从81年到100年,显示一个错误减少到0.03和0.04,分别。

表6列表的值iBeacon信号测量的1000倍- - -坐标。表7和图15指定的室内定位值应用扩展的卡尔曼滤波器。的平均值- - -坐标分别为5.24和8.2,即错误−0.76和1.2的实际坐标,分别和标准偏差分别为0.48和1.03。错误来源于平均坐标是积累,当递归的数量从81年到100年,平均的错误- - -坐标变成了1.14和0.1,分别列在表中7。最大的坐标误差表现出更高的标准偏差比其他坐标;因此,可以得出结论,iBeacon RSSI值最重要的外部环境的影响。

表8列表的值iBeacon信号测量的1000倍- - -坐标。表9和图16指定的室内定位值应用扩展的卡尔曼滤波器。的平均值- - -坐标分别为9.43和7.81,0.43和0.19−的错误与实际坐标,和标准偏差分别为0.48和1.03,分别。指定表9的错误- - -坐标增加了0.35和0.2,分别递归的数量从81年到100年不等。

通过结合所有的每个坐标的测量,可以确认错误的平均坐标反映递归的总数是0.53和0.56- - -分别坐标。这是由于扩展卡尔曼滤波器的性质,在误差减少递归的数量增加。1到20递归的平均误差分别为0.33和0.53,分别时的错误减少到0.17和0.48,分别当递归的数量从80年到100年不等。考虑到每个网格长是0.5米,智能手机的室内定位精度0.26米和0.28米的错误- - -分别坐标。

5。结论

虽然磅多元化和增强通过使用蓝牙,无线上网,GPS,和传感器技术在智能手机领域,大多数此类服务仍在户外使用。随着施工技术和信息和通信技术,越来越多的需要提供磅在室内以同样的方式,因为他们之前提供的户外活动。促进提供磅的室内面积需要技术,可以画出室内地图,确定用户的位置准确,有效地分析路线。包含ID和RSSI BLE-based周期性信标广播信号,因此扮演参考点的位置,与室内GPS。iBeacon发射后,苹果应用到移动支付服务,取代了近场通信和服务提供的信息匹配体育场举行的波士顿红袜队,洛杉矶道奇队,等等。IPS的关键技术包括识别的智能手机的位置。现有beacon-based室内定位技术的低性能的准确性因为蓝牙信号的特点;因此,有必要提高室内定位精度通过结合现有的方法确定位置的方法,它使用无线技术,如wi - fi和无线个域网。然而,这增加了安装的成本负担的传感器有不同的模型和导致增加开发和维护成本,因为多边定位技术的融合。

为了克服上述问题,本研究提出了一个技术提高室内定位精度在一个二维室内面积仅使用一个信标信号。一旦它被认为RSSI信号具有非线性性质,iBeacon测量进行了分析和测量噪声标准差被用来定义模型(),反映了信号属性iBeacon和距离。定义的模型应用到改进的扩展卡尔曼滤波器的基础上蓝牙信号属性,导致了一个相对准确的计算智能手机的室内位置。在这项研究中,我们能够达到提高精度相比beacon-based三边测量。然而,本研究的一个限制是它无法充分反映智能手机的运动和信标信号的属性。基于这项研究,下一步是进行详细的分析智能手机的运动和蓝牙信号偏差为每个信标信号生成加权值模型及其标准偏差模型,它将应用于扩展卡尔曼滤波器。此外,在未来,我们的目标是开发一个禁区访问控制模型使用室内定位精度的改进。

相互竞争的利益

作者宣称没有利益冲突。

确认

这项工作是支持的人力资源培训项目对区域创新和创造力通过教育部和韩国国家研究基金会(nrf - 2014 h1c1a1073140)。