周芷芃 韦再雪

北京邮电大学 北京 100876

引言

随着近几十年来智能手机与各种无线设备的大规模使用，产生了包括室内定位在内的一系列新的服务。室内定位即在室内环境下获取某设备或用户的位置，是物联网的重要基础技术之一，物联网中有许多基于位置的服务(Location Based Services，LBS)都需要依靠室内定位实现。

在室外场景，全球导航卫星系统能对设备定位并得到较精确的结果。但在室内环境下，多径效应和复杂的环境会导致接收的信号干扰严重，需要使用新的室内定位系统(Indoor Positioning System，IPS)完成定位。室内的环境是复杂多变的，房间的布局、大小、室内的障碍物等因素都会对定位结果产生影响，因此IPS需要对环境具有适应性，能应对各种复杂的室内环境。

目前已有许多无线技术用于室内定位，如Wi-Fi、ZigBee、可见光通信等[1]，这些系统都在某些方面存在缺陷，如硬件成本昂贵、高功耗、部署复杂等。近几年来使用低功耗蓝牙(Bluetooth Low Energy，BLE)技术逐渐在室内定位中流行起来。BLE是短距离、低成本、可互操作性的无线技术，它从一开始就被设计为超低功耗无线技术，与传统蓝牙相比，BLE减少了广播频段和广播时射频的开启时间，设计了深度睡眠状态，改进了连接机制，因此最大限度地降低了功耗。低功耗是BLE相比于其他无线技术的最大优点之一，此外BLE还具有低成本、易于部署等优点[2]，目前许多基于距离的服务和LBS都是用BLE信标实现的。

除了使用的无线技术外，已有的室内定位算法也有很多种，如基于测距的TDOA/TOA定位、基于角度的AOA定位、基于特征匹配的指纹定位等[3]，基于测距和角度的定位算法通过求解坐标方程的最优解得到定位结果，指纹定位则采取对比的方法。在现有的研究中，UWB网络多使用TDOA/TOA定位，在理想环境下定位精度可达1m以下，但在非视距径和复杂环境下性能严重下降，Wi-Fi和BLE技术在使用时相似，其性能与接入点个数有关，使用指纹定位时精度在3～5m，与3GPP R17提案中室内场景的5G蜂窝网络定位精度接近，在最新的蓝牙5.1版本中，蓝牙技术支持信号角度的测量[4]，意味着之后蓝牙也可支持AOA定位。

总的来说，BLE技术在室内定位具有巨大潜力，但目前的BLE定位方案大多是基于测距的且实测结果很少，因此本文将贝叶斯滤波技术引入BLE指纹定位中，通过滤波器提升定位时测量特征值的准确性以改善定位性能，并在高干扰环境下实测了数据以检验滤波器对定位结果的影响。

本文以均值滤波作为比较基准，研究了两种贝叶斯滤波技术对室内BLE指纹定位精度的影响。首先在给定场景采集建立了接收的信号强度指示(Received Signal Strength Indication，RSSI)指纹库，然后在移动端接收数据并通过卡尔曼滤波和粒子滤波进行定位并将其与均值滤波结果做对比以检测滤波器对定位性能的提升。本文同时还探究了用于定位的BLE信标个数对定位性能的影响，分别测试了信标个数为3、4、5时定位的精度。

1 指纹定位

指纹定位法是IPS的主要解决方案之一，它把实际环境中的位置和某种独特的指纹联系起来，建立特征数据库，然后把感应到的信号特征拿去匹配数据库中的信号特征，得到一个最优的匹配位置[5]。室内环境下信号的多径效应严重，使用单次的信号特征定位误差较大，可以用滤波器处理一段连续的信号特征序列以获得一个稳定、准确的信号特征来解决这个问题。

指纹定位的基本思想是利用接收到的信号与预先构造的位置指纹库进行匹配，以实现对目标设备的定位。指纹定位通常使用RSSI或信道状态信息作为信号特征，使用RSSI作为指纹较为简单且RSSI易于获得，因此本文使用BLE作为接入点(Access Point，AP)，采用RSSI建立指纹库。

RSSI指纹定位包含两个步骤，首先在预先设好的参考点(Reference Point，RP)进行采样，记录这些点的坐标和对应每个信标的RSSI值并将它们存储起来作为定位时的指纹库。

前文所述为使用一组实时的RSSI对终端定位，不需要该时刻之前的RSSI，在实际应用时，由于室内环境复杂，多径效应严重，设备接收的RSSI通常不稳定，会有较大的波动。为了提高定位性能常常会使用一段时间内的RSSI序列定位，用滤波器处理后的RSSI序列较稳定、准确，可以得到比较理想的定位结果。

影响指纹定位精度的主要因素有两个——指纹库的分辨率和测量RSSI的准确性。指纹库的分辨率和指纹点的间隔、室内环境、使用BLE信标的个数及拓扑有关，信标摆放应尽量散开以提高指纹库的分辨率。RSSI的准确性则与使用的滤波器性能有关，因此本文实测了几种滤波器以及BLE信标数量对指纹定位精度的影响。

2 滤波技术

2.1 均值滤波

均值滤波是一种广泛使用的最简单的滤波手段，常常作为其它滤波器性能的比较基准，滤波器将前N个时刻的输入均值作为该时刻的输出[7]

2.2 卡尔曼滤波

卡尔曼滤波(Kalman Filtering，KF)是一种利用线性系统状态方程，通过系统输入输出观测数据，对系统状态进行最优估计的算法。它是一种连续贝叶斯估计方法，用于确定多变量系统的最优最小均方误差估计[8]。在我们的场景里，它可以利用收到的噪声RSSI序列来估计随着时间的推移真实的RSSI序列。

2.3 粒子滤波

在本文的定位场景里状态序列即RSSI序列，预测和测量的噪声都看作高斯噪声。

3 实验设置

如图1(a)所示，实验在大小7.6m×7.2m的房间内进行，房间为一般办公环境，摆放桌椅且桌面物品较多，信号干扰较强。为了探究BLE信标个数对定位性能的影响，实验测试了信标个数为3、4、5时指纹定位的精度，如1(b)所示，3个信标定位时使用B1、B2、B5；4个信标定位时使用B1、B2、B3、B4；5个信标定位时使用图中所有的信标。信标摆放高度约为2m，悬挂在墙面上，指纹库共包含7x6个AP，每个AP间隔1.2m。实验使用的BLE信标为智石MAX iBecaon，使用蓝牙4.2协议，所有的信标发射功率设置为0dBm，发射间隔为211.25ms。

图1 测量环境

建立指纹库时移动设备的高度约为1m，用预先开发的手机应用收集BLE信号并解析相应的RSSI值，每个指纹点采集约50个数据组以确保测量的一般性，每组包含相应的3、4、5个BLE信标的RSSI值(对应用于定位的BLE信标数量分别为3、4、5)，将50组数据的平均值作为该点的RSSI指纹存储在数据库中。定位时随机选取了20个坐标，在每个坐标处采集40个RSSI数据组并使用不同的滤波器得到定位结果。

4 实验结果

如图2所示，使用不同滤波器时定位误差的CDF曲线，使用3个BLE信标定位时PF表现最好，在80%的测试中误差在2.43m以下；KF次之，在80%的测试中误差在2.71m以下，相比于不使用滤波器时80%的概率误差在3.71m以下性能有较大提升。使用4个和5个BLE信标定位时各滤波器的累积分布函数(Cumulative Distribution Function，CDF)曲线在80%概率处的值相近，分别约为2.4m和2.2m。如图3所示，使用不同数量BLE信标时定位误差的CDF曲线，使用KF和PF滤波时随着使用BLE信标数量的增加，定位性能均有改善。

图2 不同滤波器的误差CDF曲线

图3 不同BLE信标数量的误差CDF曲线

表1和表2分别为使用不同数量BLE信标和滤波器时定位结果的均方误差(Root Mean Squard Error，RMSE)和绝对误差(Mean Absolute Error，MAE)。使用3个BLE信标和5个BLE信标定位时PF的表现最佳，KF次之；使用4个BLE信标定位时均值滤波和PF的性能相近。

表1 不同滤波器和信标数量时的误差RMSE/m

表2 不同滤波器和信标数量时的误差MAE/m

实验表明使用滤波器可以很大程度上提高指纹库定位性能，尤其在使用3个BLE信标时最为突出。各滤波器中PF的表现最佳，在各种测试条件下性能指标均为最优，这与PF是基于最大后验概率准则而KF是基于最小均方误差准则有关，在误差非线性分布时最大后验概率准则能起到更好的判决效果。强干扰环境下不使用滤波技术时室内定位结果并不理想，在使用5个BLE信标时的RMSE为2.26m(约1.88倍AP间隔)，用PF改进后达到了1.75m(约1.46倍AP间隔)与低干扰情况下室内指纹定位的一般水平相平。增加定位用的BLE信标数量也能提升定位精度，在由BLE信标数量4个提升到5个时较为明显。信标个数为3、4、5时的实验结果已经能说明这一点，因此本文没有进一步增加信标数量做实验。

总体来说，在BLE指纹定位中使用滤波技术是很有必要的，即使是最简单的均值滤波也可提升超过20%的定位精度，使用高性能的PF时可以提升约30%的定位性能，实际应用时如场景需求高定位精度可以使用PF，否则可以使用复杂度低的均值滤波。部署BLE时也应均衡性能与成本，根据定位精度的需求将信标个数设置为合适的值。

5 结束语

室内环境复杂且多径效应严重，难以达到高定位精度，因此需要使用滤波器减小RSSI的误差。本文研究了使用贝叶斯滤波器和增加BLE信标数量对室内定位精度的影响，实测结果表明使用滤波器可以很大程度改善定位性能，粒子滤波表现最佳。增加BLE信标的数量时定位性能也有提升。本文的定位方案可以减小定位时测量RSSI的误差，但在获取了精确RSSI之后如何匹配指纹库中的参考点没有做深入研究，仅仅采用了最小欧氏距离匹配，在后续研究中可以加入匹配算法对方案改进以实现更高的定位精度。同时BLE的拓扑结构对定位性能也有影响，也是可以展开的研究点。