【技术实现步骤摘要】
本专利技术涉及室内环境中无线网络技术定位领域，具体为一种融合wi-fi和蓝牙的双三角定位方法。
技术介绍
1、在室内环境中，无线网络技术定位是一项具有广泛应用前景的领域。这种技术允许在室内获取设备的精确位置信息，用于室内导航、物联网、智能建筑、零售业等各种领域。传统的单一定位方法使用一种特定的技术或信号来确定设备的位置。在室内定位领域，常见的单一定位方法包括使用wi-fi信号强度、蓝牙信号强度、超宽带(uwb)技术、蓝牙低功耗(ble)技术等。这些方法在特定的应用场景中有着一定的优势，但也存在各自的局限性，如室内环境中，信号强度可能受到障碍物、干扰或多径传播的影响，导致定位不准确；还有覆盖范围限制，每种技术的信号覆盖范围有限，因此在大型建筑物或室内空间中可能需要增加设备密度，以确保充分的覆盖；其次存在抗干扰性差的问题，某些技术可能对干扰敏感，导致定位误差增加；最后是不同应用场景适用性不同，不同的技术适用于不同的应用场景，缺乏通用性。而融合多种定位方法可以克服传统单一定位方法的限制，提供更强大的定位解决方案。融合方法可以提高定位精度，融合多种技术提供更准确的定位结果，不同技术的优势互补，提高整体精度；增加覆盖范围，融合技术允许在不同范围内实现精确的定位，从宏观到微观，提高了定位系统的覆盖范围；提高可靠性，多种技术提供冗余和备用定位信息，使系统更加可靠，如果一种技术失败或受到干扰，其他技术提供可靠的位置信息；成本效益：融合多种技术可以在提供更好性能的同时降低成本，适用于大规模室内定位应用。因此，研究如何将多种无线网络定位技术结合起来
技术实现思路
1、为了解决上述
技术介绍
所指出的不足，本专利技术提供了一种融合wi-fi和蓝牙的双三角定位方法。
2、本专利技术采取的技术方案如下：
3、一种融合wi-fi和蓝牙的双三角定位方法，包括以下步骤：
4、步骤一，使用定位设备扫描附近的wi-fi网络，在需要进行定位的设备上，收集wi-fi接入点的信号强度数据。同时定位设备启动蓝牙扫描功能，当设备检测到蓝牙信标时，记录每个信标的蓝牙信号强度数据。
5、步骤二，收集至少三个wi-fi接入点的信号强度和位置信息和三个蓝牙信标的uuid和距离信息。使用预先训练好的wi-fi信号强度模型，将设备扫描到的wifi信号强度数据与信号强度数据库中的数据进行匹配，使用最近邻算法knn来确定最接近的匹配点。根据已知位置的接入点和信号强度到距离的映射，将每个匹配的接入点与定位设备之间的距离估计出来。同时使用预先训练好的蓝牙信号强度模型，将设备扫描到的蓝牙信号强度数据与信号强度数据库中的数据进行匹配，使用最近邻算法knn来确定最接近的匹配点。根据已知位置的信标和信号强度到距离的映射，将每个匹配的信标与定位设备之间的距离估计出来。
6、步骤三，使用三角定位算法分别根据收集到的wi-fi信号和蓝牙信号的位置信息，计算出定位设备的位置。
7、步骤四，采用基于决策层面的k-means聚类算法，确定蓝牙定位的约束区域，并在此基础上约束wi-fi定位结果，进而修正wi-fi预测坐标误差，最终实现wi-fi融合蓝牙的双三角定位方法。
8、具体的，在步骤一中，使用定位设备扫描附近的wi-fi网络，在需要进行定位的设备上，收集wi-fi接入点的信号强度数据。通过设备的wi-fi接口来完成，使用扫描附近的wi-fi网络并记录每个接入点的ssid和信号强度，以rssi值表示。同时定位设备启动蓝牙扫描功能，当设备检测到蓝牙信标时，记录每个信标的蓝牙信号强度数据。这包括信标的mac地址和接收到的信号强度，以rssi值表示。
9、具体的，在步骤二中，本方法使用的信号强度模型为log-normal shadowing模型。由于wi-fi信号强度模型和蓝牙信号强度模型由于其频段和信号传播特性的不同，需要分别进行预训练。log-normal shadowing模型是一种常用的路径损耗模型，用于描述无线信号的强度如何在传播中随距离增加而变化。这个模型考虑了随机的信号衰减，以更好地描述室内和室外环境中的信号变化和不确定性。该模型表示为：
10、
11、其中，rssid是距离d处的信号强度(以dbm表示)，rssid是距离d0处的基准信号强度，n是路径损耗指数，用于描述信号强度与距离的关系，d0是基准距离，x是一个符合正态分布的随机变量，表示信号的随机变化，x的均值为0，标准差表示信号的随机波动。基准信号强度rssi0是在已知距离d0处测量得到的信号强度。路径损耗指数n描述了信号强度随距离减小的速度。较大的n值表示信号强度下降得较快，较小的n值表示信号强度下降得较慢。基准距离d0是已知的参考距离，用于校准模型。随机变量x用于模拟信号的随机性和不确定性，考虑了信号在传播中受到多路径效应、障碍物、干扰和环境变化的影响。log-normalshadowing模型更适用于室内环境和具有不稳定信号的场景，因为它可以更好地捕捉信号强度的随机波动。模型中的随机变量x考虑了信号在实际环境中可能发生的变化，因此可以提供更精确的路径损耗建模。
12、具体的，在步骤三中，本方法使用的三角定位算法是一种常见的定位算法，它主要用于无线传感网络中。在平面上，如果有三个不共线的基站a、b、c和一个未知终端d，并已测出三个基站到终端d的距离分别为r1、r2、r3，那么以三个基站坐标为圆心，三基站到未知终端距离为半径可以画出三个相交的圆。在实际测量中，由于测量的误差，三个圆并不交于一点，而是相交于一块区域。在这种情况下，本专利技术采用最小二乘法进行求解，假设如下方程组：
13、
14、
15、
16、其中，(xi,yi)是第i个基站的坐标，ri是未知终端到第i个基站的距离。将上述方程组转化为线性方程组。
17、首先，将第一个方程从其他两个方程中减去，得到：
18、
19、
20、然后将其写成矩阵形式ax＝b，其中：
21、
22、
23、
24、使用最小二乘法求解该线性方程组即求解||ax＝b||2的最小值。
25、解出的方程结果为：
26、x＝(ata)-1atb
27、x便是未知终端的坐标计算值。
28、具体的，在步骤四中，由于对蓝牙信标的扫描是按照一定的采样频率连续进行扫描的，因此在一段时间内会计算出一定数量的坐标值，使用k-means聚类算法，对蓝牙信号强度数据进行聚类。这个步骤的目标是将数据点分成具有相似蓝牙信号强度的簇，具体步骤如下：
29、步骤4.1，选择k值，即要分成的簇的数量，尝试不同的k值找到最合适的；
30、步骤4.2，初始化k个聚类中心，可以随机选择数据点作为初始中心；
31、步骤4本文档来自技高网...
【技术保护点】
1.一种融合Wi-Fi和蓝牙的双三角定位方法，其特征在于：包括以下步骤：
2.根据权利要求1所涉及的一种融合Wi-Fi和蓝牙的双三角定位方法，其特征在于：在步骤一中，使用定位设备扫描附近的Wi-Fi网络，在需要进行定位的设备上，收集Wi-Fi接入点的信号强度数据，通过设备的Wi-Fi接口来完成，使用扫描附近的Wi-Fi网络并记录每个接入点的SSID和信号强度，以RSSI值表示，同时定位设备启动蓝牙扫描功能，当设备检测到蓝牙信标时，记录每个信标的蓝牙信号强度数据，这包括信标的MAC地址和接收到的信号强度，以RSSI值表示。
3.根据权利要求1所涉及的一种融合Wi-Fi和蓝牙的双三角定位方法，其特征在于：在步骤二中，本方法使用的信号强度模型为Log-normal shadowing模型，由于Wi-Fi信号强度模型和蓝牙信号强度模型由于其频段和信号传播特性的不同，需要分别进行预训练，Log-normal shadowing模型是一种常用的路径损耗模型，用于描述无线信号的强度如何在传播中随距离增加而变化，这个模型考虑了随机的信号衰减，以更好地描述室内和室外环境中的
4.根据权利要求1所涉及的一种融合Wi-Fi和蓝牙的双三角定位方法，其特征在于：在步骤三中，本方法使用的三角定位算法是一种常见的定位算法，它主要用于无线传感网络中，在平面上，如果有三个不共线的基站A、B、C和一个未知终端D，并已测出三个基站到终端D的距离分别为R1、R2、R3，那么以三个基站坐标为圆心，三基站到未知终端距离为半径可以画出三个相交的圆，在实际测量中，由于测量的误差，三个圆并不交于一点，而是相交于一块区域，在这种情况下，本专利技术采用最小二乘法进行求解，假设如下方程组：
5.根据权利要求1所涉及的一种融合Wi-Fi和蓝牙的双三角定位方法，其特征在于：在步骤四中，由于对蓝牙信标的扫描是按照一定的采样频率连续进行扫描的，因此在一段时间内会计算出一定数量的坐标值，使用K-means聚类算法，对蓝牙信号强度数据进行聚类，这个步骤的目标是将数据点分成具有相似蓝牙信号强度的簇，具体步骤如下：
6.根据权利要求5所述的步骤四中，其特征在于：对于每个蓝牙簇，确定约束区域以限制Wi-Fi定位结果，本方法使用最小覆盖圆算法，此算法实施方法描述如下：
...【技术特征摘要】
1.一种融合wi-fi和蓝牙的双三角定位方法，其特征在于：包括以下步骤：
2.根据权利要求1所涉及的一种融合wi-fi和蓝牙的双三角定位方法，其特征在于：在步骤一中，使用定位设备扫描附近的wi-fi网络，在需要进行定位的设备上，收集wi-fi接入点的信号强度数据，通过设备的wi-fi接口来完成，使用扫描附近的wi-fi网络并记录每个接入点的ssid和信号强度，以rssi值表示，同时定位设备启动蓝牙扫描功能，当设备检测到蓝牙信标时，记录每个信标的蓝牙信号强度数据，这包括信标的mac地址和接收到的信号强度，以rssi值表示。
3.根据权利要求1所涉及的一种融合wi-fi和蓝牙的双三角定位方法，其特征在于：在步骤二中，本方法使用的信号强度模型为log-normal shadowing模型，由于wi-fi信号强度模型和蓝牙信号强度模型由于其频段和信号传播特性的不同，需要分别进行预训练，log-normal shadowing模型是一种常用的路径损耗模型，用于描述无线信号的强度如何在传播中随距离增加而变化，这个模型考虑了随机的信号衰减，以更好地描述室内和室外环境中的信号变化和不确...
【专利技术属性】
技术研发人员：杨建文，张鲁川，段章领，贺建伟，文梦阳，范旭昊，孙若梓，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
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。