基于蓝牙4.0的亚米级室内定位系统研究答辩

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

基于蓝牙4.0的亚米级室内定位技术研究导师:刘圆圆、蔡文郁汇报人:张娟娟2018年3月16日研究思路1.课题背景及研究现状2.系统整体设计3.RSSI衰减模型与iBeacon基站部署4.基于RSSI位置指纹库定位算法优化5.总结与展望课题背景及现状室内尤其地下,导航信号衰减太快,卫星定位无法使用。室内定位技术可以轻松获取室内物品信息。1难分米级亚米级米级定位精度0.5m1m100m10m易地磁WiFiRFIDZigBee蓝牙激光超宽带实现难易蓝牙4.0低功耗、易实现、精度较高课题背景及现状1AP1AP2APmAP3S1S2S3Sn...位置S1S2…Sn坐标(x1,y1)(x2,y2)…(xn,yn)AP1信号强度R11R21…Rn1AP2信号强度R12R22…Rn2……………APm信号强度R1mR2m…Rnm课题背景及现状-指纹定位方法1指纹信息采集指纹库存储信息研究思路1.课题背景及研究现状2.系统整体设计3.RSSI衰减模型与iBeacon基站部署4.基于RSSI位置指纹库定位算法优化5.总结与展望AP3AP2AP1AP4WiFiBLE2iBeacon基站WEBAPP系统整体设计CC2541处理器2.4G板载天线状态指示LEDDebug接口蜂鸣器纽扣电池系统整体设计-iBeacon基站设计2开始检测是否开启蓝牙否开启蓝牙是初始化蓝牙配置并获取iBeacon基站广播的UUID获取iBeacon设备信号强度将UUID和RSSI信息发送给服务器服务器处理并返回坐标客户端显示定位结束系统整体设计-APP设计2字段名类型长度主键描述IDInt10是自增UUIDVarchar45否iBeaconUUIDRSSIInt10否基站信号强度字段名类型长度主键描述IDInt10是自增IDRSSI_1Int10否基站信号强度RSSI_2Int10否基站信号强度RSSI_3Int10否基站信号强度RSSI_4Int10否基站信号强度PositionVarchar15否位置坐标(x,y)开始创建HHTP服务监听80端口调用Express的中间件body-parser接收客户端的请求数据连接数据库并读取指纹信息指纹定位算法得出坐标响应客户端请求,返回定位结果结束对匹配定位算法进行优化建立指纹数据库系统整体设计-WEB服务器设计2研究思路1.课题背景及研究现状2.系统整体设计3.RSSI衰减模型与iBeacon基站部署4.基于RSSI位置指纹库定位算法优化5.总结与展望3RSSI衰减模型与iBeacon基站部署分别选取在持续200s内,测量距离基站0.15m、2m、5m、15m的RSSI值进行作图,显示波动情况。RSSI衰减模型与iBeacon基站部署3根据Time-RSSI数据拟合得到模型为:系数为:a=9.4910b=-0.7359c=4.0310d=-0.0047分析结果:误差平方和SSE=1.0720多次测定系数R-square=0.9921系数调整度AdjustedR-square=0.9895均方根误差RMSE=0.3451RSSI衰减模型与iBeacon基站部署3RSSI衰减模型与iBeacon基站部署3RSSI衰减模型与iBeacon基站部署3在30m*30m的空间中,iBeacon基站有效部署上限为4个,下限为8个。研究思路1.课题背景及研究现状2.系统整体设计3.RSSI衰减模型与iBeacon基站部署4.基于RSSI位置指纹库定位算法优化5.总结与展望4指纹库一次优化指纹库二次优化匹配定位算法优化定位指纹库高斯滤波GM(1,1)模型克里金插值自适应插值分段线性插值倒数距离加权WKNN高斯核函数加权WKNN基于RSSI位置指纹库的定位算法优化基于RSSI位置指纹库的定位算法优化-一次优化4测试采集指纹模型环境指纹库与理想指纹库基于RSSI位置指纹库的定位算法优化-一次优化-Gauss滤波4级比检验建立GM(1,1)拟合模型优化验证基于RSSI位置指纹库的定位算法优化-一次优化-GM(1,1)模型4基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试4指纹库除噪效果KNN算法下的误差累计分布图基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试4WKNN算法下的误差累计分布图贝叶斯算法下的误差累计分布图指纹库类型KNN反距离加权WKNN贝叶斯原始指纹库2.64792.06971.9652高斯滤波后2.03701.84091.7450GM(1,1)修正后1.77341.15411.3685位置指纹库对比KNN反距离加权WKNN贝叶斯高斯:原始23.07%10.98%11.37%GM(1,1):高斯12.90%37.3%21.53%GM(1,1):原始33.00%44.98%30.36%均方根误差RMSE/m平均定位精度提高百分比基于RSSI位置指纹库的定位算法优化-一次优化-仿真测试-参数比较4F22xF11F12F21L1L2Pyx1x2y2y1基于RSSI位置指纹库的定位算法优化-二次优化-分段线性插值4X与Y两个方向分别插值(p,q)=(2,2)(p,q)=(5,5)基于RSSI位置指纹库的定位算法优化-二次优化-自适应插值4(2)特征函数(1)点估计(3)内插函数基于RSSI位置指纹库的定位算法优化-二次优化-克里金插值4基于RSSI位置指纹库的定位算法优化-匹配算法优化-高斯核函数4定位点与实际点位置高斯核函数加权与反距离加权WKNN误差累积分布函数基于RSSI位置指纹库的定位算法优化-匹配算法优化-高斯核函数4基于RSSI位置指纹库的定位算法优化-匹配算法优化-三重优化叠加4第一组:GM(1,1)模型残差修正+高斯核函数加权的WKNN;第二组:GM(1,1)模型残差修正+克里金插值+高斯核函数加权的WKNN;第三组:GM(1,1)模型残差修正+自适应插值+高斯核函数加权的WKNN。APP终端、WEB服务器设计完成低功耗,高集成的iBeacon基站设计完成定位精度总体提高40%,误差降至0.8m,实现亚米级5总结总结与展望展望iBeacon基站长时间工作,RSSI值的衰减情况;角度等多传感器融合,进一步提高定位精度;高效采集大量指纹库数据;实现APP终端定位地图显示。5总结与展望

1 / 33
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功