本文關(guān)鍵詞：基于藍(lán)牙4.0基站角度測量的室內(nèi)定位技術(shù)研究　出處：《浙江大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 室內(nèi)定位 復(fù)雜環(huán)境 神經(jīng)網(wǎng)絡(luò) 濾波預(yù)測 iBeacon Android移動端和Python服務(wù)器端的系統(tǒng)實現(xiàn)

【摘要】：隨著現(xiàn)代社會科技的發(fā)展和互聯(lián)網(wǎng)技術(shù)的發(fā)展,室外定位技術(shù)也越來越成熟,谷歌地圖、百度地圖、高德地圖的被大面積使用,人類從室外定位技術(shù)中獲取到的方便也越來越多。受助于成熟的室外定位技術(shù),人們可以很方便地查詢到附近的各類商店服務(wù),同時也可以很便捷地獲取到各地的最佳路線,甚至公交路線、自駕車路線以及步行路線都一目了然。既然室外定位技術(shù)能給人類帶來這么多的便利,那么,人們的視線開始投向室內(nèi)定位技術(shù),如何在室內(nèi)精度定位物體位置成為了急需解決的問題。本文從大量實驗入手,采集足夠多的定位數(shù)據(jù),通過函數(shù)擬合、神經(jīng)網(wǎng)絡(luò)和濾波預(yù)測的訓(xùn)練處理,提出了通過測量信號強(qiáng)度,訓(xùn)練出物體相對于信號基站的夾角,然后通過三角定位求出物體坐標(biāo),最后對位置坐標(biāo)進(jìn)行濾波預(yù)測的一整套定位方案。整個方法的具體工作如下：一、分別進(jìn)行室外理想環(huán)境下定位實驗、室內(nèi)理想環(huán)境下定位實驗和室內(nèi)復(fù)雜環(huán)境下的定位實驗。在室內(nèi)外的理想環(huán)境下,本文使用函數(shù)擬合的方法進(jìn)行定位分析,發(fā)現(xiàn)該環(huán)境下的角度平局定位精度達(dá)到5。,同時定位準(zhǔn)確率達(dá)到70%。在室內(nèi)復(fù)雜環(huán)境下時,函數(shù)擬合方法不再適用,于是本文采用了神經(jīng)網(wǎng)絡(luò)方法對數(shù)據(jù)進(jìn)行訓(xùn)練,將180cm精度上的定位準(zhǔn)確率提高到65%。二、為了進(jìn)一步提高定位精度與定位準(zhǔn)確率,本文在神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上運用濾波預(yù)測方法對數(shù)據(jù)進(jìn)行修正。主要包括兩種方式,其一為坐標(biāo)線性預(yù)測算法,通過線性疊加BP神經(jīng)網(wǎng)絡(luò)與基本卡爾曼濾波器,并將神經(jīng)網(wǎng)絡(luò)輸出向量作為濾波預(yù)測中的觀測變量,從而實現(xiàn)對輸出向量的濾波預(yù)測；其二為網(wǎng)絡(luò)權(quán)值濾波算法,使用擴(kuò)展卡爾曼濾波對神經(jīng)網(wǎng)絡(luò)的權(quán)值矩陣進(jìn)行預(yù)測修正。兩種方法對復(fù)雜環(huán)境下的定位準(zhǔn)確率均有提升,其中坐標(biāo)線性預(yù)測算法表現(xiàn)優(yōu)秀,180cm精度上的定位準(zhǔn)確率提高到70%。三、本文實現(xiàn)了基于雙天線藍(lán)牙基站、Android藍(lán)牙信號采集模塊與定位呈現(xiàn)模塊和后臺實現(xiàn)定位算法的服務(wù)器端的室內(nèi)復(fù)雜環(huán)境定位系統(tǒng)。雙天線藍(lán)牙基站是在iBeacon藍(lán)牙基站基礎(chǔ)上改進(jìn)的信號發(fā)生器,而Android藍(lán)牙信號采集模塊是采集藍(lán)牙信號數(shù)據(jù)的載體,同時,一個Android移動端其實也代表著一個用戶,服務(wù)器端則是完成定位數(shù)據(jù)的關(guān)鍵部分,它將對從Android移動端發(fā)來的信號強(qiáng)度數(shù)據(jù)進(jìn)行上述分析,計算出定位坐標(biāo)發(fā)送給移動端,而移動端則根據(jù)發(fā)送回來的位置數(shù)據(jù)進(jìn)行實時位置更新。整個系統(tǒng)包含信號數(shù)據(jù)采集、定位算法實現(xiàn)和定位結(jié)果呈現(xiàn)等模塊,互相配合,為室內(nèi)定位研究提供了一種實現(xiàn)方式。
[Abstract]:With the development of modern social science and technology and the development of Internet technology, outdoor positioning technology is more and more mature, Google Maps, Baidu Maps, Amap is widely used. Human beings get more and more convenience from outdoor positioning technology. Thanks to the mature outdoor positioning technology, people can easily query the services of all kinds of shops nearby. At the same time, it is easy to get the best routes, even bus routes, self-driving routes and walking routes. Since outdoor positioning technology can bring so much convenience to mankind, so. People begin to focus on indoor positioning technology, how to locate the position of objects in the indoor precision has become an urgent problem. This paper starts with a large number of experiments, collects enough positioning data, through function fitting. The training process of neural network and filter prediction proposed that the angle between the object and the signal base station can be trained by measuring the signal strength, and then the coordinates of the object can be obtained by triangulation. Finally, a whole set of location schemes for the filtering prediction of position coordinates is proposed. The specific work of the whole method is as follows: first, the location experiments are carried out in the outdoor ideal environment respectively. Location experiments in ideal indoor environment and in complex indoor environment. In the ideal indoor and outdoor environment, this paper uses the method of function fitting to analyze the location. It is found that the precision of angle and tie is 5.and the accuracy of positioning is 70. When the indoor environment is complex, the method of function fitting is no longer applicable. So this paper uses the neural network method to train the data, and improves the positioning accuracy of 180cm to 65cm. Secondly, in order to further improve the positioning accuracy and positioning accuracy. In this paper, based on the neural network filter prediction method is used to modify the data, including two main ways, one is coordinate linear prediction algorithm, through the linear superposition of BP neural network and basic Kalman filter. The output vector of the neural network is taken as the observation variable in the filter prediction to realize the filter prediction of the output vector. The second is the network weight filtering algorithm, which uses extended Kalman filter to predict the weight matrix of neural network. The two methods can improve the accuracy of location in complex environment. Coordinate linear prediction algorithm shows excellent accuracy of 180cm accuracy to improve to 70. Third, this paper implements a Bluetooth base station based on dual antennas. Android Bluetooth signal acquisition module, location and presentation module and server-side positioning algorithm for indoor complex environment positioning system. The dual-antenna Bluetooth base station is based on the iBeacon Bluetooth base station. The improved signal generator. Android Bluetooth signal acquisition module is the collection of Bluetooth signal data carrier, at the same time, a Android mobile terminal also represents a user. The server is the key part to complete the positioning data. It will analyze the signal strength data from the Android mobile terminal and calculate the location coordinates to be sent to the mobile side. The mobile terminal updates the position in real time according to the position data sent back. The whole system includes the modules of signal data acquisition, localization algorithm realization and location result presentation, and so on, which cooperate with each other. It provides a way for indoor positioning research.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN925

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙軍;李鴻斌;王智;;無線網(wǎng)絡(luò)室內(nèi)定位系統(tǒng)研究[J];信息與控制;2008年04期

2 梁韻基;周興社;於志文;倪紅波;;普適環(huán)境室內(nèi)定位系統(tǒng)研究[J];計算機(jī)科學(xué);2010年03期

3 汪苑;林錦國;;幾種常用室內(nèi)定位技術(shù)的探討[J];中國儀器儀表;2011年02期

4 王麗英;;導(dǎo)航發(fā)展的新熱點——室內(nèi)定位[J];今日電子;2011年12期

5 ;衛(wèi)星信號易被干擾 室內(nèi)定位技術(shù)解析[J];金卡工程;2012年07期

6 李振;姚以鵬;;大型公共場館智能室內(nèi)定位導(dǎo)游系統(tǒng)的技術(shù)研究[J];廣東科技;2013年12期

7 袁飛;;淺談室內(nèi)定位與機(jī)場旅客個性化服務(wù)[J];中國科技信息;2014年08期

8 張玉梅;康曉霞;;救援隊員室內(nèi)定位技術(shù)分析[J];消防科學(xué)與技術(shù);2012年06期

9 楊華;劉軍發(fā);陳益強(qiáng);;一種基于多終端動態(tài)協(xié)同的室內(nèi)定位方法[J];計算機(jī)應(yīng)用研究;2012年07期

10 胡天琨;葉建芳;;基于手持設(shè)備的室內(nèi)定位系統(tǒng)設(shè)計與實現(xiàn)[J];微型機(jī)與應(yīng)用;2012年13期

相關(guān)會議論文 前8條

1 張立立;鐘耳順;;無線室內(nèi)定位技術(shù)[A];中國地理信息系統(tǒng)協(xié)會第八屆年會論文集[C];2004年

2 郭明濤;李文元;龔福春;;室內(nèi)定位方法分析[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（下冊）[C];2008年

3 郭旭斌;葉長城;王憶文;李輝;;基于無線傳感器網(wǎng)絡(luò)的室內(nèi)定位系統(tǒng)[A];第十五屆計算機(jī)工程與工藝年會暨第一屆微處理器技術(shù)論壇論文集（A輯）[C];2011年

4 房秉毅;李熹;;超寬帶室內(nèi)定位系統(tǒng)研究[A];2005年全國超寬帶無線通信技術(shù)學(xué)術(shù)會議論文集[C];2005年

5 高雪晨;蔣泰;曹林峰;;基于RFID的室內(nèi)定位系統(tǒng)設(shè)計[A];廣西計算機(jī)學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

6 徐勁松;盧曉春;邊玉敬;;基于UWB的室內(nèi)定位系統(tǒng)設(shè)計與仿真[A];2009全國時間頻率學(xué)術(shù)會議論文集[C];2009年

7 雷地球;羅海勇;劉曉明;;一種基于WiFi的室內(nèi)定位系統(tǒng)設(shè)計與實現(xiàn)[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2010)、第19屆全國多媒體學(xué)術(shù)會議（NCMT2010）、第6屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2010）、第5屆全國普適計算學(xué)術(shù)會議（PCC2010）論文集[C];2010年

8 胡斌;宋娜娜;;基于航位推測技術(shù)的消防人員室內(nèi)定位系統(tǒng)研究[A];2014中國消防協(xié)會科學(xué)技術(shù)年會論文集[C];2014年

相關(guān)重要報紙文章 前10條

1 本報記者 馬靜t，

本文編號：1428725