9、提升资产跟踪微定位精度：两种指纹方法与三种机器学习算法的评估

提升资产跟踪微定位精度：两种指纹方法与三种机器学习算法的评估

1. 引言

全球定位系统（GPS）是我们日常生活中不可或缺的一部分，在道路运输、航空、航运、铁路运输、科学研究、安全保障和地图绘制等诸多领域发挥着重要作用。在理想条件下，如户外开阔场地，普通手机的 GPS 接收器可提供半径 4.9 米的定位精度，这在大多数情况下已足够精准。

然而，诸多因素会干扰 GPS 信号，影响其定位精度。建筑物、桥梁、树木等障碍物会导致信号吸收、干扰、反射和衍射，尤其在大都市地区和室内环境中，GPS 信号波动明显，无法满足室内环境下上下文感知应用所需的高精度定位要求。

微定位技术应运而生，它利用 Wi-Fi 或蓝牙等技术来获取高精度的位置数据。蓝牙低功耗（BLE）信标是提升室内微定位精度的一个有潜力的途径，已在现实世界的生产应用、学术研究以及商业领域得到广泛应用，如梅西百货用其为顾客提供折扣，美国职业棒球大联盟用其引导观众找到座位。

但使用信标进行高精度微定位仍存在问题，主要在于基于接收信号强度指示（RSSI）的距离测量不稳定，特别是在室内有多个障碍物、人员和反射表面的环境中。目前，使用信标进行室内微定位应用的报道精度分别为 3.1 米、2.85 米、2.5 米和 2.21 米，实现亚 2 米的定位精度仍是一个挑战。

本文创建了一个微定位系统，通过改进信标的 RSSI 信号并运用机器学习算法，在室内环境中实现了亚 2 米的高精度定位预测。主要贡献如下：
1. 基于 BLE 信标的室内微定位预测系统，在 2 秒内收敛，定位精度始终保持在目标的 1.7 米（或更小）球形半径内，并通过 2000 次试验验证。
2. 通用的室内微定位系统，可在数