论文部分内容阅读
随着互联网的快速发展和智能手机的普及,人们对基于位置服务(Location-Based Service,LBS)的需求逐渐增加,它在民生、商业、军事等领域获得广泛应用,特别是基于智能手机的LBS应用更是得到快速发展。LBS关键在于准确获得用户实时位置,尽管手机可以通过全球定位系统(Global Positioning System,GPS)获得室外定位服务,但是在室内环境下,由于建筑物遮挡,无法有效接收GPS信号,进而无法利用GPS进行定位,因此高精度的智能手机室内定位一直是定位领域的热点和难题。针对高精度室内定位问题,本文重点研究了基于蓝牙接收信号强度(Received Signal Strength,RSS)的定位算法和基于步行者航位推测(Pedestrian Dead Reckoning,PDR)的室内定位算法,在此基础上提出一个基于蓝牙与PDR融合的智能手机高精度室内定位与跟踪算法。本文主要工作如下:首先,本文提出一种基于概率投票的蓝牙定位算法。该算法利用蓝牙RSS来确定智能手机离蓝牙信标距离的概率。通过多个蓝牙信标将定位区域划分为多个不同的投票区域并依照概率进行投票,取最大票数的区域作为智能手机的定位结果。实验表明,最大概率投票法能有效减少RSS不稳定对定位精度的影响,相比于最小二乘定位算法,最大概率投票法在噪声标准差为5时,平均定位误差降低57.3%,在噪声标准差为10时,平均定位误差降低68.3%。此外,本文还在基于概率投票的蓝牙定位算法基础之上,提出利用多用户协同定位进一步提升定位精度。其次,本文提出一种蓝牙与PDR融合的定位与轨迹跟踪算法。该算法将蓝牙概率投票算法与PDR进行融合:首先,利用蓝牙RSS确定出智能手机的初始位置;其次,在智能手机移动过程中,利用PDR进行定位;然后,在PDR定位结果周边搜索蓝牙RSS票数最大区域;最后,对PDR和蓝牙RSS的定位结果进行融合,并修正PDR的参数。实际测试结果表明,本文提出的融合定位算法相比于PDR算法,定位误差降低39%;相比于蓝牙RSS概率投票算法,定位误差降低59.1%;与基于WLAN指纹+PDR的融合室内定位算法相比,本文在定位精度好于它们的同时,还不需要指纹定位算法的离线工作量。最后,为验证本文算法的可行性与实用性,本文将上述算法在智能手机上进行了实现,并开发了一套完整的室内定位演示系统。该系统包含蓝牙信标节点、Android客户端、定位服务器三个部分。该系统运用本文所提出的蓝牙与PDR融合定位算法,对智能手机进行实时定位,并为手机用户提供室内定位、导航、信息推送等功能。通过实际环境测试,该定位演示系统能满足室内定位与位置服务的需求,系统定位精度为1.81米。