The invention discloses a method for optimizing Bluetooth indoor positioning accuracy by machine learning, which includes the following steps: S10: optimizing Bluetooth signal intensity A0 at unit distance; S20: optimizing fading factor_of Bluetooth transmission process; S30: bringing optimized parameters into formula:
【技术实现步骤摘要】
一种利用机器学习优化蓝牙室内定位精度的方法
本专利技术涉及定位
，具体为一种利用机器学习优化蓝牙室内定位精度的方法。
技术介绍
在使用蓝牙进行室内定位时侯，常常会利用蓝牙信号强度(RSSI)计算出蓝牙设备间的大致距离进行定位操作，经测试观察总结发现，两者的关系并非线性关系，而且通过大量的实验研究发现，可以用以下公式来表达：从上述公式中可以看出有两个重要的参量决定了计算结果：1m的参考数据A0以及衰退因子η，在传统的方案中该参数都是一个经验值，即通过大量的测试总结出的一个值，为了增加RSSI转化距离的精度，需要对这两个参量的精确度进行优化。
技术实现思路
针对
技术介绍
中存在的问题，本专利技术提供了一种利用机器学习优化蓝牙室内定位精度的方法。为实现上述目的，本专利技术提供如下技术方案：一种利用机器学习优化蓝牙室内定位精度的方法，包括以下步骤：S10：优化单位距离处的蓝牙信号强度A0；S20：优化蓝牙传输过程的衰退因子η；S30：将优化后的参数带入公式：计算出相关的物理量，其中A指的是蓝牙设备间的距离，RSSI指的是测量的蓝牙信号强度。作为本专利技术一种优选的技术方案...
【技术保护点】
1.一种利用机器学习优化蓝牙室内定位精度的方法，其特征在于包括以下步骤：S10：优化单位距离处的蓝牙信号强度A0；S20：优化蓝牙传输过程的衰退因子η；S30：将优化后的参数带入公式：
【技术特征摘要】
1.一种利用机器学习优化蓝牙室内定位精度的方法，其特征在于包括以下步骤：S10：优化单位距离处的蓝牙信号强度A0；S20：优化蓝牙传输过程的衰退因子η；S30：将优化后的参数带入公式：计算出相关的物理量，其中A指的是蓝牙设备间的距离，RSSI指的是测量的蓝牙信号强度。2.根据权利要求1所述的一种利用机器学习优化蓝牙室内定位精度的方法，其特征在于：于步骤S10中，优化单位距离处的蓝牙信号强度A0具体步骤为：a、选取距离蓝牙设备1m处位置，测得多个该位置蓝牙信号强度；b、将该组的蓝牙信号强度数据进行方差计算，其中方差公式为：式中μ为该组数据的平均值，X为每个蓝牙信号轻度，N为该种数据的样本个数；c、单独计算每个测量数据的方差，该个体方差与之前得到的整体方差进行对比，当差异较大时该数值舍弃，保留下来的数据的方差均在预期方差内，最后测得保留下来的数据平均值为最终的优化A0。3.根据权利要求2所述的一种利用机器学习优化蓝牙室内定位精度的方法，其特征在于：于步骤S20中，优...
【专利技术属性】
技术研发人员：李通越，
申请(专利权)人：上海麦士信息技术有限公司，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。