论文部分内容阅读
随着智能终端的普及以及科技的快速发展,室内位置服务的需求与日俱增。从1992年红外线定位技术到近年来的iBeacon定位技术,室内定位技术得到了快速发展,多种多样的定位技术被提了出来,其中基于无线传感器网络的定位技术应用最为广泛,比如WiFi定位、蓝牙定位、Zigbee定位等。2013年采用低功耗蓝牙(Bluetooth Low Energy,BLE)技术的iBeacon被提出后,基于iBeacon位置指纹库的定位技术被广泛追捧,而基于智能手机惯性传感器的定位技术具有自主、短时精度高等特点。本文通过对国内外室内定位技术的分析,提出了基于多传感器与iBeacon的融合定位技术,主要采用了位置指纹库定位方法与行人航迹推算方法来进行实现。主要研究工作和创新点如下:(1)针对多径效应以及人员扰动等因素造成的iBeacon信号噪声问题,本文引入卡尔曼滤波对采集的iBeacon信号进行处理。(2)为解决加权K近邻算法(WKNN)定位结果跳变问题,采用卡尔曼滤波对WKNN定位结果进行处理,实验结果表明在办公室环境下采用卡尔曼滤波进行处理后可将定位结果误差在1米以内的比例提高到80%以上,使定位精度得到了提升。(3)对多传感器定位中的行人步数统计方法进行了改进,主要提出了基于阈值分级的方法实现行人运行步态的检测,同时依据行人步伐频率来判断有效步伐。通过实验验证本文的步数统计方法准确率在97%以上。(4)针对位置指纹库匹配过程中运算量较大以及匹配结果中存在较大偏差数据的问题,本文提出了多传感器定位与iBeacon定位的融合策略。首先通过多传感器定位来预测定位结果的范围,实现对位置指纹库的约减,最后采用基于WKNN+卡尔曼滤波的组合方法得到定位结果。按照实验设计进行测试,实验结果表明采用本文提出的融合定位方法可将定位结果误差在1米以内的比例提高到85%以上。(5)定位系统的设计和实现。根据本文室内定位系统的要求,开发了一套集成本文融合策略和算法的室内定位系统。后台服务器采用J2EE架构,数据访问层采用了Hibernate框架,数据表现层和业务逻辑层采用Java Servlet组件,主要实现了位置指纹库管理模块、定位算法模块以及Socket通信模块等。移动客户端在Android系统平台下实现,主要完成了用户界面交互模块、服务器通信模块、iBeacon信号采集和处理模块、传感器信号采集和处理模块等。经过实际测试,本系统达到了预期效果。