文献综述（或调研报告）：
随着科技的进步，人们的生活水平不断提高，基于位置的服务（location-based service, LBS） 作为一种生活方式已逐渐渗透到人类生活的方方面面。而准确的位置信息是开展 LBS 的前提。目前，人类已经可以依赖全球卫星导航系统（global navigation satellite system, GNSS）达到亚米级的室外定位精度；但是由于卫星信号无法穿透建筑物，所以室内定位无法利用 GNSS 实现[1]。针对于室内定位系统，人们对其的需求已经越来越高，特别是在紧急情况下，室内的位置信息显得格外的重要。这更是对室内定位系统的可靠性和精确性都提出了不小的挑战。目前业界还没有统一的定位方法来为室内定位系统提供高精度的计算。由于数目众多的窗户、墙壁、家具、金属物体和运动物体等障碍物的存在，室内环境变得十分复杂，所以对其在精度、灵敏度、校准工作、自适应能力和使用限制条件等方面都提出了挑战[2]。近些年主流的室内定位方式有超声波定位技术、超带宽定位技术、红外线定位技术、WIFI定位技术和蓝牙定位技术等，而蓝牙凭借着其低功耗技术的问世、蓝牙5.0的发布和在移动端的易安装性，一跃成为了主流的室内定位方法之一。基于蓝牙的室内定位主要有两种方式，分别是RSSI测距法和指纹匹配法。指纹匹配法首先要经过离线构建指纹库的阶段，场地栅格化、网格点信号指纹采集、指纹库校正处理都需要消耗一定的人力物力成本，极大地制约了室内定位技术在实际场合中的投入使用 [1]。相比前者，基于RSSI测距的定位法是一种简单易实现的室内定位方法。在定位区域布设好蓝牙信标后，移动设备会收到每个蓝牙信标的RSSI 强度信息，我们可以由无线传播模型建立一个信号强度与距离的关系模型，把移动设备接收到的RSSI 信号强度转换为移动设备与信标之间的距离，接着再应用三边质心定位法就可以来实现室内定位。该方法假设要定位的点在三圆相交的一个三角形区域，而移动设备的位置就位于该三角形的质心之内。选取两圆圆心连线与两圆交点连线的交点为策略点，三个圆一共可以得到3个策略坐标，再求出三个圆的策略坐标，最后取这三个坐标的质心，即为这三个相交圆的定位坐标[3]。本次方案采用后者，在此主要详细介绍RSSI测距法。
由于室内环境的复杂性，导致无线信号在室内的传播会因为各种原因而达不到理想模型。测量的 RSSI 值会由于空气、墙壁、建筑物等产生衰减，并且一次测量所得到的 RSSI 值可能会与实际值产生较大偏差，导致后期定位的不准确。所以在测量信号强度阶段要对所测得的 RSSI值多次测量，避免一次测量所得到的 RSSI 值误差偶然性增大。其次要对所得到的的数据进行去噪预处理，去除数据中存在的因为偶然因素得到的噪声数据。对数据进行预处理可采用滤波算法进行[4]。基于混合滤波算法的 RSSI 测距是先对 RSSI 值进行滤波(如均值滤波、中位值滤波、高斯滤波等)得到较优的 RSSI 值,再通过 RSSI 值与距离之间的关系进行测距以减小距离的误差[5]。当然，每种算法都有自己的优缺点，我们只能尽力还原所测数据与原始数据相符。在数据预处理完毕之后，定位算法的选择也对定位系统的精确度有着极大的影响。经典的质心定位算法是一种基于网络连通性，距离无关的算法，该算法假设所有基站位置分布均匀，信号覆盖范围相同，将基站构成的几何质心作为定位结果。计算接受基站中的任意三个基站的定位结果，然后对所有定位点取平均值。直接利用 RSSI 测量值计算终端到基站的距离误差较大，但 RSSI 能反映终端到各个基站的大致距离比例[6]。但是经过滤波算法优化了 RSSI 值，改进了模型参数后，讨论了三边相交与一点和一个区域的情况，将能提高了定位的精度。对于定位算法这一领域，将整体环境进行分割，然后对分割后的子区域进行环境参数拟合，也能提高测距精确度。由上述的启发，我们可以提出基于 RSSI的改进三边 - 区域质心定位算法，先用区域损耗模型参数得到传播参数，对 RSSI 值进行高斯加权和卡尔曼滤波处理，然后讨论了三圆相交的情况，从相关文献我们可以得到，随着锚节点数目的增加，改进的算法提高了室内定位的精确度[7]。
在室内定位系统的精度方面，经过学习相关文献发现，实现了最基本的功能之后，无论是改进数据预处理，还是定位算法方向做出努力，均能使室内定位系统的准确性得到一定的提高。而目前性价比较高的蓝牙定位系统其实际可靠的定位效果大多数均在1.5米左右，这基本上都满足了室内定位的需求。文[8]指出，接收信号强度指示器（RSSI）用于室内定位，测量目标到基站的距离。然而，由于无线干扰，特别是多径衰落，获取准确的RSSI值是一个挑战。所以RSSI的净化是至关重要的，因此提出了一种改进的高斯混合模型（EGMM）用于室内精确定位。EGMM改进了基于高斯混合模型（GMM）的高斯滤波器，从多径衰落信号中识别出理想的视线信号。EGMM将GMM与Akaike信息准则（AIC）相结合，确定GMM的最佳K值，并对视轴信号集进行精确滤波。 实验采用iBeacon器件，EGMM的平均误差距离可以提高到现有高斯滤波的64%。EGMM的平均定位误差约为0.48m，适合室内定位[8]。文[9]设计的室内定位算法首先根据室内特殊环境设计出定位算法流程图，建立算法模型并用卡尔曼滤波算法来抑制环境中噪声因素所引起的误差，然后结合改进的ＲSSI 算法实现室内移动人员的定位，使得定位的结果更接近于真实值。其重点研究将卡尔曼滤波算法与改进的ＲSSI 算法相结合估算出更精确的室内人员位置信息。通过实验表明，结合卡尔曼滤波改进的室内人员定位算法的定位精确度有明显的提升[9]。经过一定的论文学习发现，结合多种滤波算法得到的RSSI数据与实际的数据值最为接近，得到的定位准确度也更为可靠。文[10]针对复杂的室内环境中,基于接收信号强度指示(RSSI)定位困难的问题,提出了一种基于卡尔曼滤波、高斯滤波、统计中值相结合(KGSM 滤波)的三边测距定位算法。算法先用 KGSM 滤波优化了 RSSI 值,然后运用对数损耗模型计算出距离,最后用三边测距得到了定位位置。其实验结果表明:KGSM 滤波提高了采集的 RSSI 值精确度,使三边定位算法的定位误差维持在 0.7~1.0m,提高了定位的稳定性和精确度[10]。
[1]闫大禹,宋伟,王旭丹,胡子烨.国内室内定位技术发展现状综述[J].导航定位学报,2019,7(04):5-12.
[2] M. Ture and A. Hatipoglu, 'Indoor Location Finding of the Transmitter Based on Bluetooth Received Signal Strength,' 2019 International Symposium on Networks, Computers and Communications (ISNCC), Istanbul, Turkey, 2019, pp. 1-5.
[3]李辉,秦兴琳,郭浩琰,蒋焜,张怡杰.基于蓝牙信标的室内定位[J].电脑知识与技术,2020,16(02):240-241 261.
[4]曹子腾,郭阳,赵正旭.基于RSSI的定位技术中数据预处理的滤波算法[J].电脑编程技巧与维护,2020(01):123-126.
[5]倪晓军,高雁,李凌锋.基于RSSI的混合滤波算法[J].计算机科学,2019,46(08):133-137.
[6]张鸿洋,毛建华.基于RSSI的加权质心定位改进算法[J].工业控制计算机,2019,32(09):107-108 111.
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
