發(fā)布時間：2018-03-27 23:27

  本文選題：iBeacon室內定位　切入點：多傳感器定位　出處：《重慶理工大學》2017年碩士論文

【摘要】：隨著智能終端的普及以及科技的快速發(fā)展,室內位置服務的需求與日俱增。從1992年紅外線定位技術到近年來的iBeacon定位技術,室內定位技術得到了快速發(fā)展,多種多樣的定位技術被提了出來,其中基于無線傳感器網絡的定位技術應用最為廣泛,比如WiFi定位、藍牙定位、Zigbee定位等。2013年采用低功耗藍牙(Bluetooth Low Energy,BLE)技術的iBeacon被提出后,基于iBeacon位置指紋庫的定位技術被廣泛追捧,而基于智能手機慣性傳感器的定位技術具有自主、短時精度高等特點。本文通過對國內外室內定位技術的分析,提出了基于多傳感器與iBeacon的融合定位技術,主要采用了位置指紋庫定位方法與行人航跡推算方法來進行實現(xiàn)。主要研究工作和創(chuàng)新點如下:(1)針對多徑效應以及人員擾動等因素造成的iBeacon信號噪聲問題,本文引入卡爾曼濾波對采集的iBeacon信號進行處理。(2)為解決加權K近鄰算法(WKNN)定位結果跳變問題,采用卡爾曼濾波對WKNN定位結果進行處理,實驗結果表明在辦公室環(huán)境下采用卡爾曼濾波進行處理后可將定位結果誤差在1米以內的比例提高到80%以上,使定位精度得到了提升。(3)對多傳感器定位中的行人步數(shù)統(tǒng)計方法進行了改進,主要提出了基于閾值分級的方法實現(xiàn)行人運行步態(tài)的檢測,同時依據行人步伐頻率來判斷有效步伐。通過實驗驗證本文的步數(shù)統(tǒng)計方法準確率在97%以上。(4)針對位置指紋庫匹配過程中運算量較大以及匹配結果中存在較大偏差數(shù)據的問題,本文提出了多傳感器定位與iBeacon定位的融合策略。首先通過多傳感器定位來預測定位結果的范圍,實現(xiàn)對位置指紋庫的約減,最后采用基于WKNN+卡爾曼濾波的組合方法得到定位結果。按照實驗設計進行測試,實驗結果表明采用本文提出的融合定位方法可將定位結果誤差在1米以內的比例提高到85%以上。(5)定位系統(tǒng)的設計和實現(xiàn)。根據本文室內定位系統(tǒng)的要求,開發(fā)了一套集成本文融合策略和算法的室內定位系統(tǒng)。后臺服務器采用J2EE架構,數(shù)據訪問層采用了Hibernate框架,數(shù)據表現(xiàn)層和業(yè)務邏輯層采用Java Servlet組件,主要實現(xiàn)了位置指紋庫管理模塊、定位算法模塊以及Socket通信模塊等。移動客戶端在Android系統(tǒng)平臺下實現(xiàn),主要完成了用戶界面交互模塊、服務器通信模塊、iBeacon信號采集和處理模塊、傳感器信號采集和處理模塊等。經過實際測試,本系統(tǒng)達到了預期效果。
[Abstract]:With the popularization of intelligent terminals and the rapid development of science and technology, the demand for indoor location services is increasing day by day. From infrared positioning technology in 1992 to iBeacon positioning technology in recent years, indoor positioning technology has been rapidly developed. A variety of localization techniques have been proposed, among which wireless sensor network-based localization technologies are most widely used, such as WiFi positioning, Bluetooth positioning and Zigbee positioning. After the iBeacon, which uses low power Bluetooth Low energy BLEtechnology, was proposed in 2013, The location technology based on iBeacon position fingerprint database is widely sought after, while the positioning technology based on the inertial sensor of smart phone has the characteristics of independence, high precision in short time and so on. A fusion localization technology based on multi-sensor and iBeacon is proposed. The main research work and innovation are as follows: (1) aiming at the iBeacon signal noise problem caused by multipath effect and personnel disturbance, the paper mainly adopts the location fingerprint database location method and the pedestrian track calculation method to carry on the realization, the main research work and the innovation point are as follows:. In this paper, Kalman filter is introduced to process the collected iBeacon signal. In order to solve the jump problem of the location result of weighted K nearest neighbor algorithm, Kalman filter is used to process the WKNN localization result. The experimental results show that the proportion of the error of positioning results within 1 meter can be increased to more than 80% by using Kalman filter in the office environment. So that the positioning accuracy is improved. (3) the statistical method of pedestrian walking number in multi-sensor location is improved, and the method based on threshold classification is put forward to detect pedestrian walking gait. At the same time, according to the pedestrian step frequency to judge the effective step. The experimental results show that the accuracy of the statistical method is more than 97%, aiming at the problem of large computation and large deviation data in the matching process of position fingerprint database. In this paper, the fusion strategy of multi-sensor location and iBeacon location is proposed. Firstly, the range of location results is predicted by multi-sensor positioning, and the reduction of position fingerprint database is realized. Finally, the combined method based on WKNN Kalman filter is used to get the localization results. The experimental results show that the fusion localization method proposed in this paper can improve the proportion of the error of the positioning results to more than 85%. According to the requirements of the indoor positioning system in this paper, the design and implementation of the positioning system can be achieved. A set of indoor positioning system integrating the strategy and algorithm of this paper is developed. The background server adopts J2EE architecture, the data access layer adopts Hibernate framework, the data presentation layer and business logic layer adopt Java Servlet component. The mobile client is implemented on the platform of Android system. The user interface interaction module and the server communication module are implemented, and the server communication module is designed to collect and process the signals of iBeacon, and the mobile client is implemented on the platform of Android system, which includes the location fingerprint database management module, the location algorithm module and the Socket communication module. Sensor signal acquisition and processing module. After the actual test, the system achieved the desired results.
【學位授予單位】：重慶理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP212;TN925

【參考文獻】

相關期刊論文 前10條

1 袁曉峰;陳頎;;一種基于RFID的定位方法[J];無線電通信技術;2016年06期

2 張旭;張裕;鄭正奇;陳雯;;基于核函數(shù)與卡爾曼濾波的室內定位方法[J];上海理工大學學報;2016年03期

3 周瑞;袁興中;黃一鳴;;基于卡爾曼濾波的WiFi-PDR融合室內定位[J];電子科技大學學報;2016年03期

4 劉天yN;;基于RFID的室內定位系統(tǒng)研究[J];智能計算機與應用;2016年02期

5 宋鏢;程磊;周明達;吳懷宇;陳洋;;基于慣導輔助地磁的手機室內定位系統(tǒng)設計[J];傳感技術學報;2015年08期

6 魏秀蓉;;無線傳感器網絡數(shù)據融合研究綜述[J];無線互聯(lián)科技;2015年14期

7 邢倩;郝鵬;劉維亭;李俊英;周揚;李俊;;基于WLSE-KF的傳感器融合定位算法研究[J];電子器件;2014年06期

8 劉春燕;王堅;;基于幾何聚類指紋庫的約束KNN室內定位模型[J];武漢大學學報(信息科學版);2014年11期

9 余揚;趙凱飛;沈嘉;;室內定位技術應用、研究現(xiàn)狀及展望[J];電信網技術;2014年05期

10 周亮;付永濤;李廣軍;;無線定位與慣性導航結合的室內定位系統(tǒng)設計[J];電子技術應用;2014年04期

相關博士學位論文 前1條

1 柴艷妹;基于步態(tài)特征的身份識別技術研究[D];西北工業(yè)大學;2007年

相關碩士學位論文 前10條

1 田波;基于濾噪位置指紋的低功耗藍牙室內定位技術研究[D];太原理工大學;2016年

2 張旭;基于WLAN位置指紋與慣性傳感器的室內定位技術研究[D];華東師范大學;2016年

3 李翔;基于無線局域網的位置指紋室內定位技術研究[D];湖南大學;2015年

4 宋昌寧;基于WiFi-Sensor技術的室內定位系統(tǒng)研究與實現(xiàn)[D];北京郵電大學;2015年

5 黃承愷;多傳感器信息融合算法在室內定位中的應用[D];北京郵電大學;2015年

6 卞合善;基于藍牙4.0低功耗室內定位研究[D];北京郵電大學;2015年

7 徐偉;基于Android手機的室內定位技術研究與實現(xiàn)[D];華中師范大學;2014年

8 彭宇倩;基于Zigbee室內定位的智能導游系統(tǒng)研究[D];廣東工業(yè)大學;2014年

9 代琪怡;距離無關的室內路徑損耗模型的建立[D];重慶理工大學;2014年

10 王克己;室內定位系統(tǒng)中的行人航跡推算研究[D];北京郵電大學;2015年

，

本文編號：1673747