2017, Vol. 42引用本文 |
| 基于BLE室内精确测距模型研究与精度分析 |  [PDF全文] |
2. 中国矿业大学环境与测绘学院，江苏 徐州，221116
2. School of Environment Science and Spatial Informatics, China University of Mining and Technology, Xuzhou 221116, China
随着位置服务(location based service, LBS)应用的发展与智能手机的普及，人们对位置服务的需求从室外转向室内，如何为用户提供精确的室内位置服务成为近年来的研究热点。在室内定位诸多方法中，蓝牙通讯定位是比较常用和具备可行性的一种。蓝牙无线技术是目前使用最为广泛的无线通讯技术之一，低功耗蓝牙(bluetooth low energy, BLE)技术[1]是蓝牙4.0版本的核心技术，具有低功耗、低成本、高速连接等特点，使用一粒纽扣电池可连续工作数年之久[2]。BLE的这些特点极大地推动了蓝牙室内定位技术的研究。但室内实际环境复杂，障碍物与折射物较多，严重影响BLE信号的收发，而且路径损耗指数的大小随着环境的变化而变化，造成较大的测距误差。针对这类问题，章坚武等[3]提出了3种实验数据处理方式, 并在基于ZigBee的硬件平台上进行实验, 结果表明，高斯模型数据处理方式的测距精度最高, 在20 m内近距离测距时, 精度可达2 m；方震等[4]利用加权和均值法来消除环境因素对RSSI(received signal strength indication)测量的影响, 得到了在15 m内测距精度可达到2 m；徐登彩等[5]引入LQI(link quality indicator)并结合RSSI实现分段距离估计算法，采用卡尔曼滤波估计RSSI最优值，测距误差在0.6 m以内。
本文主要研究基于BLE的RSSI室内测距分析，为了让测距模型更符合具体的室内环境，采用平均值法优化模型参数，针对RSSI测量值的不稳定性，提出3种不同滤波方法处理RSSI值，提高测距精度。
1 基于BLE的室内测距 1.1 RSSI室内测距模型无线信号在传播过程中，接收信号强度随着距离的增大而有规律的衰减，根据这个规律可以得到RSSI的衰减与距离d之间的关系。目前，传播损耗模型是无线信号传输中普遍采用的理论模型[2]，此模型为：
| $ P = {P_0} + {\rm{ }}10n{\rm{lg}}\left( {d/{d_0}} \right){\rm{ }} + \xi $ | (1) |
式中，P表示距离为d时接收到的信号强度(dBm)；d为实际距离；d0为参考距离；P0为距离为d0时的接收信号强度(dBm)；ξ表示误差项，是遮蔽因子；n表示路径损耗指数，n值主要依赖于节点周围环境和构筑物的种类，通常是通过实际测量得出，障碍物的数量越多，n值就会越大，从而接收节点接收到的平均能量的下降速率会随着距离的增加变得越来越迅速。在实际测量中，不考虑遮蔽因子，采用简化的测距模型：
| $ P = {P_0} + {\rm{ }}10n{\rm{lg}}\left( {d/{d_0}} \right) $ | (2) |
为了便于表达和计算，通常取d0为1 m。于是简化为：
| $ {\rm{RSSI}}{\rm{ }} = A - {\rm{ }}10n{\rm{lg}}d $ | (3) |
式中，RSSI=P，A=P0，A是接收节点与发射节点距离等于1 m时接收节点所接收到的信号强度RSSI值[6]。
式(3) 就是RSSI测量距离的最经典的模型，表现了RSSI值与传输距离d的函数关系，因此，如果已知接收到的RSSI值，就可以根据室内测距模型计算出发射节点和接收节点间的距离d。常数A和n都是经验值，它们的取值与实际使用的低功耗蓝牙和实际环境有很大关系，因此在不同的实际环境下，A和n的值不一样，所以室内测距模型也就不同。
1.2 测距模型参数分析由简化后的测距模型公式(3) 可以看出，RSSI和d的关系由常数A和n决定。假设n不变, A值变化, 得到如图 1(a)所示的关系曲线图；假设A值不变, n不同时，得到如图 1(b)所示的关系曲线图。
 |
| 图 1 RSSI与距离关系曲线图 Figure 1 Relation Curves Between RSSI and Distance |
由图 1(a)可知, 前5 m距离接收信号强度RSSI衰减很快, 超过5 m距离时，RSSI衰减很缓慢。当A不断变大时, 传输距离增加量似乎等于A的增加量与关系曲线在平缓块段斜率之比。从图 1(b)可以看出，n越大时, RSSI衰减得越快, BLE信号传播距离越近。因此n值特性越好, 增加A值可使BLE信号传播距离变大。n值是由信号在空气中的散射、反射、折射、多路径效应、障碍物等干扰决定的, 干扰因素越少, n就越小, BLE信号的传输距离就越远, 并且RSSI的传输曲线和理论上的曲线越接近, RSSI测距越精确[3]。
1.3 测距模型参数优化为了让测距模型最大程度地反映出室内实际环境的传播特性，以提高RSSI测距的精度，优化测距模型参数A和n必不可少。采用平均值法优化测距模型的参数[7]，其原理如下：让固定发射节点与接收节点相距1 m时，测量N次RSSI值，并计算平均值，得：
| $ \overline A = \frac{1}{N}\sum\limits_{i = 1}^N {{\rm{RSSI}}_i} $ | (4) |
式中，RSSIi为第i次测量得到的接收信号强度值。
发射节点与接收节点相距为d时的路径损耗指数n为：
| $ {n_i} = \frac{{A - {\rm{RSS}}{{\rm{I}}_i}}}{{10{\rm{lg}}d}} $ | (5) |
式中，ni为通过第i次测量的RSSI值计算得出的路径损耗指数。再计算N个路径损耗指数n的平均值得：
| $ \overline n = \frac{1}{N}\sum\limits_{i = 1}^N {n_i} $ | (6) |
为了避免或解决RSSI值的不稳定性问题，使RSSI测量值趋于平滑，提高RSSI测距精度，分别采用均值滤波[8]、中位值滤波和高斯滤波[9] 3种滤波方法处理RSSI值。
均值滤波处理RSSI值方法比较简单，易实现。当样本非常大，RSSI波动较小时，信号的平滑度很高。该方法可以有效地解决RSSI值受干扰的问题。但在干扰波动较大情况下，此方法的可信度不高。
中位值滤波能够有效地处理因偶然因素导致RSSI值波动很大的问题，但当样本很少、脉冲干扰程度很强时，滤波效果并不理想。
高斯模型处理数据的原则是在自然界现象中，大量随机变量都是服从或近似服从正态分布，如零件的尺寸、测量误差、化学成分、材料的性能等[10]。一个接收节点在相同位置接收到固定发射节点的n个RSSI值，这其中一定存在着小概率事件[11]。使用高斯滤波模型筛选事件发生概率很高的RSSI测量值，然后再计算已经筛选出来的RSSI测量值的平均值。此方法有效减少了一些大干扰和小概率事件对整体RSSI测量的影响，提高了RSSI测距的准确性。
2 环境对RSSI测距影响实验分析BLE信号传播过程中都会受到一些不太稳定因素的干扰, 并且不同的环境受干扰的程度也不同。这些不稳定因素会影响发射节点BLE信号的传输。本文选取了3个主要影响因素，分析其对RSSI测量的影响。
2.1 节点离地面高度对RSSI测量的影响在中国矿业大学环测楼4层A409走廊，选取固定节点离地面不同高度(0 m、1.3 m)的采样点，在采样点进行100次采样，采样间隔为0.8 s，RSSI值采集完毕后，画出两种情况RSSI值的变化离散图，如图 2(a)所示。
 |
| 图 2 RSSI变化离散图 Figure 2 RSSI Variation Discrete Graph |
由图 2(a)可以看出, 离地面高度为0 m时，RSSI值的变化明显，起伏更大，而离地高度为1.3 m时波动小，认为这可能是由于地面的反射、折射、散射等所导致的。所以在部署BLE时，尽量不部署在离地面太近的地方，以减少地面对RSSI值测量的影响。
2.2 位置对RSSI测量的影响由于室内环境比较复杂，每个房间环境都不同，因此，为了减小采样及研究的复杂性，把室内环境分为有视距和无视距，研究其在离地面高度1.3 m、无人为走动情况下RSSI值的变化情况，采样步骤同上。两种情况下RSSI值的变化离散图见图 2(b)。
由图 2(b)可知，两组数据RSSI值变化起伏程度都不大，但有视距时，RSSI平均值为-81.14 dBm；无视距时，RSSI平均值为-91.847 dBm，无视距相比于有视距的情况下RSSI平均值有了很大的下降，所以视距因素对RSSI值的测量影响非常明显，因此在部署BLE时，尽量不部署在室内，部署在每个房间室外的墙壁上即可。
2.3 走动对RSSI测量的影响室内一般具有空间小、空间密度大的特点, 同时也是人员活动较为密集的地方。人为走动会使得BLE信号的多径传播出现扰动，并且会使得BLE信号出现短暂的无视距情况。采样步骤同上，两种情况RSSI值的变化离散图如图 2(c)所示。
由图 2(c)可知，在有人为走动时，RSSI测量值变化比较大，RSSI平均值为-82.63 dBm；无人为走动时，RSSI平均值为-81.14 dBm，RSSI整体均值改变较小，对RSSI测距影响很小。
3 RSSI测距实验与分析 3.1 测距模型优选实验选择环测楼4层室内走廊为实际场景，将节点置于离地面1.3 m处，固定好发射节点，然后移动接收节点，在距离发射节点1 m、2 m处各进行一次RSSI值测试，采集100次RSSI值。根据测得的数据计算得：A=-74.020，n=2.737, 这样就得到了环测楼4层室内走廊环境下的测距模型：
| $ {\rm{RSSI}} = {\rm{ }} - 74.02 - 27.37{\rm{lg}}d $ | (7) |
通过采集8 m以内80组数据，画出散点图和参数优化后的RSSI测距模型曲线，如图 3所示。可见，采用平均值法优化后的RSSI测距模型在5 m以内与当前实验环境的模型曲线拟合很好，说明测距模型符合当前环境。
 |
| 图 3 参数优化后的RSSI测距模型曲线 Figure 3 RSSI Ranging Model Curve After Parameter Optimization |
3.2 RSSI测距实验
实验地点是在中国矿业大学环测学院4层室内走廊，测量范围为[0, 10] m，每隔0.5 m测100组数据。实验场景如图 4所示。
 |
| 图 4 测距实验场景 Figure 4 Distance Measurement Experiment Scene |
3种滤波方法测距误差的比较如图 5所示。从图 5可得，高斯滤波后，测距误差最小，测距精度最高，中位值滤波测距误差最大，均值滤波测距误差介于高斯滤波与中位值滤波之间。在4 m以内，3种滤波方法的测距误差都在0.5 m以内；超过5.5 m后，测距误差大于2 m，所以此测距模型经高斯滤波后，在5 m以内测距精度最为精确。
 |
| 图 5 三种滤波测距误差绝对值比较 Figure 5 Absolute Values Comparison of Three Filtering Ranging Errors |
4 结束语
本文对基于BLE的RSSI室内测距原理和室内环境对RSSI测量的影响进行了全面的分析，改进了BLE部署方式，尽量消除环境因素影响，通过平均值法优化模型参数，得到符合实际室内环境的参数值，从而确定测距模型。采用三种不同的滤波方法处理RSSI值，通过对比实验，得到高斯滤波后的测距精度最高，测距误差在0.5 m以内。
| [1] |
卞合善. 基于蓝牙4. 0低功耗室内定位研究[D]. 北京: 北京邮电大学, 2015 |
| [2] |
曹喆. 基于低功耗蓝牙和位置指纹的室内定位系统的研究与实现[D]. 昆明: 云南大学, 2014 |
| [3] | 章坚武, 张璐, 应瑛, 等. 基于ZigBee的RSSI测距研究[J]. 传感技术学报, 2009, 22(2): 285–288 |
| [4] | 方震, 赵湛, 郭鹏, 等. 基于RSSI测距分析[J]. 传感技术学报, 2007, 20(11): 2 526–2 530 |
| [5] | 徐登彩, 周奇年, 张振浩. 基于RSSI测距算法改进的研究[J]. 工业控制计算机, 2013, 26(5): 72–75 |
| [6] | 周建国, 张鹏, 冯欣, 等. 基于无线传感器网络的室内定位研究[J]. 测绘地理信息, 2012, 37(5): 26–28 |
| [7] | 朱明辉, 张会清. 基于RSSI的室内测距模型的研究[J]. 传感器与微系统, 2010, 29(8): 19–22 |
| [8] | 王科俊, 熊新炎, 任桢. 高效均值滤波算法[J]. 计算机应用研究, 2010, 27(2): 434–438 |
| [9] | 张铮, 饶志训, 黄志峰. 无线传感器网络中RSSI滤波的若干处理方法[J]. 现代电子技术, 2013, 36(20): 4–10 DOI: 10.3969/j.issn.1004-373X.2013.20.002 |
| [10] | 赵莉, 李亚, 陈国绍. 基于ZigBee的RSSI测距模型[J]. 兵工自动化, 2014, 33(12): 52–55 DOI: 10.7690/bgzdh.2014.12.015 |
| [11] | 王彦斐, 赵言, 黎慕韩. 高斯滤波在Zigbee室内定位中的应用研究[J]. 测绘地理信息, 2016, 41(5): 54–58 |